经济政策不确定性影响企业 GVC 参与吗 ？ 来自印度的微观数据证据

No. 530 经济政策不确定性影响企业 GVC参与吗 ？ 来自印度的微观数据证据 Ketan REDDY1 印度。贸易 ， 阿德莱德大学印度莱普尔印度管理学院经济与公共政策系印度理工学院人文社会科学系 ， 金奈马德拉斯 ，Jeffrey Cheah 东南亚研究所 ， 双威大学和国际研究所Shandre Mugan THANGAVELU3Subash SASIDHARAN2 2024 年 9 月 Abstract:在本研究中，我们利用企业级数据探讨了经济政策不确定性（EPU）对全球价值链（GVC）参与及印度制造业企业的整合的影响。使用2004年至2021年的面板数据，我们发现经济政策不确定性阻碍了GVC参与和企业整合。进一步的研究表明，EPU对GVC参与的影响主要通过财务约束渠道起作用，尤其是对于高杠杆率和低流动性的企业。此外，我们通过生存分析指出，更高的EPU导致更多的退出GVC并减少了进入GVC的数量。 关键词 ： 经济政策不确定性; 全球价值链参与; 制造业企业 1. 背景和目标 全球价值链（GVCs）在过去二十年中已成为大多数发展中国家和新兴经济体的关键发展战略。然而，实际经济冲击阻碍了区域和全球层面GVC的增长。根据世界银行（2020）的数据，GVC的增长在2007年达到顶峰，并随着全球金融危机（GFC）的爆发而减弱。在GFC之后，全球贸易录得低迷增长，而新冠肺炎疫情的暴发进一步加剧了这一趋势。这些全球性冲击的共同特征是与之相伴的内在经济不确定性。这种不确定性导致企业面临“观望”问题，企业的不确定性促使企业活动减少，从而降低其投资水平（Bloom，2009）。同样，Arellano等人（2019）指出，在更高不确定性的情况下，企业通过减少投入来尽量降低风险，从而加剧了“观望”问题。这种行为也可能改变交易和贸易的格局。例如，Constantinescu等人（2020）认为，由于中间商品贸易的相互依赖性和GVC活动中各环节之间的联系，经济政策不确定性（EPU）对GVC的影响高于其他贸易形式，这直接影响了企业的投资决策并改变了企业的投资模式，可能导致企业推迟其投资活动。 你：全球金融危机（GFC）之后，国际贸易文献中对不确定性对贸易结果影响的研究逐渐增多。诺维和泰勒（2020）的理论框架表明，在经济不确定性增加的情况下，从外国供应商进口产品的公司可能会减少订单。此外，汉德利和利马奥（2015）构建了与贸易相关的沉没成本模型，突出了由于贸易政策不确定性导致企业进入全球市场的延迟。克劳利等人（2018）指出，即使预期关税增加并未实际发生，也会对贸易产生负面影响，强调了不确定性直接阻碍贸易和产出增长的方式。另一项研究中，汉德利和利马奥（2017）发现，关于美国对中国出口商品征收关税的不确定性减少可能是中国对美出口增长近30%的原因之一。相反，克劳利等人（2018）使用中国交易层面的数据表明，关税恐慌（未来可能增加关税的可能性）导致中国企业在外国市场上的进入减少。EPU也可能通过汇率渠道影响贸易。科尔（2014）指出，EPU导致汇率波动性增加。进一步，赫拉特瓦约和萨克斯加德（2016）指出，通过... 汇率渠道导致出口对实际有效汇率的反应减弱，这 adverse 地影响了出口表现。 我们的研究补充了这一领域的现有文献，重点关注EPU在印度制造业企业参与全球价值链中的作用。通过这样做，我们为不确定性与贸易的研究领域做出了贡献。首先，本研究的重点在于与EPU相关的全球价值链动态。因此，我们偏离了关于整体层面贸易和EPU的日益增多的研究。在此背景下，全球价值链参与涉及进口和出口的中间贸易，从而需要更大的投资。中间贸易和相互联系导致了与全球价值链参与相关的更大沉没成本，这些成本可能与其他贸易整合模式相比更为显著。4(康斯坦丁苏等，2020年).此外，GVC企业的双向贸易性质意味着EPU可以从需求和供给两个方面影响GVC运营。最近的一项研究中，卡穆尔等（2021年）报告称，在发达经济体中，EPU冲击表现为需求冲击。然而，在新兴经济体中，它可以被视为供给冲击。因此，有必要考察EPU与GVC关系中的企业级动态。 其次，我们还探讨了EPU如何传导至全球价值链（GVC）。具体而言，我们研究了EPU与企业财务约束之间的相互作用及其对GVC参与的影响。基本理据在于，GVC参与是一个涉及前后向联系的长期投资过程，并且很可能是“不连续”的投资。因此，在不确定性环境下，财务约束型企业可能预期贸易收缩幅度会大于非财务约束型企业。我们在研究中实证地探索了这一传导渠道。 最终，本研究试图从印度新兴市场的视角探讨这一关系。在这方面，我们选择研究印度企业之间的EPU（经济绩效指数）与全球价值链参与之间的关系是由多个因素驱动的。首先，印度制造业在过去二十年中停滞不前，因此有显著的政策推动以重振制造业（Bhattacharjee 和 Chakrabarti, 2013）。《经济调查》（2018年）强调通过整合全球价值链来促进制造业的政策框架。因此，了解对印度企业全球价值链参与产生重大影响的因素变得尤为重要。在本研究中，我们使用丰富的印度制造业微观数据。 从2004年至2021年的企业情况分析制造业企业在全球经济不确定性背景下融入全球价值链的影响。 我们的发现使用二元依赖模型的结果表明，更高的经济生产力（EPU）降低了印度制造业企业的全球价值链整合程度。此外，主要发现对全球价值链整合和经济不确定性不同衡量方法具有稳健性。本文的其余部分组织如下：第2节描述了数据和实证方法。第3节呈现了实证结果。最后，第4节总结了我们的研究。 2. 数据和方法 在本部分，首先，我们描述研究中使用的数据来源。在下一节中，我们提供用于实证估计的变量信息，并概述实证模型的设定。 2.1 Data 本研究的数据来源于两个来源。首先，印度制造业企业的数据来自于CMIE-Prowess数据库，该数据库由印度经济监测中心（CMIE）维护且为专属数据库。CMIE-Prowess数据库汇集了企业层面的销售、资产和所有权结构信息。该数据库包含企业的资产负债表信息和年度报告，包括企业的出口和进口的企业层面信息。这些信息使我们能够根据Reddy、Sasidharan和Thangavelu（2023）提供的框架捕捉企业的全球价值链参与情况。此外，我们还对企业的出口、进口和所有权分类施加限制，作为另一种捕捉参与全球价值链的企业的方法，并验证主要结果的稳健性。进一步而言，CMIE-Prowess数据库还提供了印度经济中制造业企业（包括上市公司和非上市公司）活动的最大覆盖面。数据库中的企业占全国公司税收的75%以上，并且占国家有组织活动的70%（Stiebale和Vencappa，2018）。该数据库已被用于与贸易和印度制造业相关的研究（参见De Loecker等人（2016）和Reddy、Sasidharan和Thangavelu（2023）），并且因其全面覆盖印度企业部门而广受认可。 其次，我们从Baker等人（2016）的开创性工作中获取关于经济政策不确定性（EPU）的信息。Baker等人（2016）开发的EPU指数基于报纸文章中“经济”、“政策”和“不确定性”这三个术语的频率计数，适用于22个经济体。此前，Constantinescu等人（2020）使用该指数来研究贸易相关问题。与现有文献一致，我们的研究也将经济政策不确定性定义为月度EPU指数的年度加权平均值。图1显示了自2003年起印度的月度加权EPU指数。从图1可以看出三个明显的峰值。第一个峰值与全球金融危机（GFC）相吻合，在此期间观察到EPU达到峰值。其次，在2011年至2012年间也观察到了政策不确定性的峰值，这反映了印度经济中高双赤字和高通货膨胀的时期（《经济调查报告》，2018）。此外，图1中观察到的政策不确定性在2011年后显著下降，并且从2015年开始呈现较低的趋势。然而，在新冠肺炎疫情期间，我们也观察到不确定性有所增加，特别是在2019年EPU显著上升之后，疫情后的时期出现了下降趋势。 2.2. Variables and Methodology 使用普罗威斯公司级详细数据与宏观经济不确定性指标的组合，我们运用面板数据模型来探讨企业层面数据与宏观经济不确定性之间的关系。 印度制造业企业与全球价值网络（GVC）的整合以及对企业环境感知（EPU）的影响。具体地，我们估计以下离散选择Probit模型： wherei代表公司 j代表两个12−1- 该公司经营的数字行业in,Z表示公司级控制的向量 ， 并且t代表了2004年至2021年间的数据。模型是基于超过7,000家印度制造业企业的面板数据样本进行估计的。 我们的模型中的因变量被定义为一个二元变量，以捕捉企业的全球价值链（GVC）参与情况。具体而言，基于企业的出口和进口活动，我们从样本中识别出GVC企业。最近的研究表明，同时进行进口和出口的企业可以被视为GVC企业，因为进口渠道记录了企业的反向整合，而出口活动则代表了正向整合（Antràs, 2020；Reddy, Sasidharan, and Thangavelu, 2023）。因此，与先前的研究一致，我们将同时进行出口和进口的企业视为GVC企业。然而，为了识别与GVC有更深层次联系的企业，我们对它们的最低进口和出口活动水平施加了限制（Reddy, Sasidharan, and Thangavelu, 2023）。因此，企业的GVC参与度在进口和出口活动中分别限制为5%。此外，为了验证结果的稳健性，我们使用了两个额外的GVC参与度指标。首先，我们将进口和出口活动调整为增加对企业的限制，使其达到总进口和出口活动的10%。其次，我们根据企业在连续三年内进口和出口活动的5%限制来确定企业是否为GVC企业。表1总结了我们样本中GVC企业的三种指标。我们滞后所有时间变化变量一期，以减轻样本中的内生性问题。 在模型中，经济不确定性变量EPU被视为每月EPU指数的加权平均值，因此随着时间变化而变化。Z变量代表了企业层面控制向量，其中我们考虑了由公司总资产代理的企业规模、通过外国发起人的持股比例反映的所有权结构、企业的年龄以纳入企业经验因素，以及企业生产率（全要素生产率，TFP）。借鉴Melitz（2003）的研究，我们控制了自我选择效应，即最具有生产性的企业倾向于参与全球市场。我们使用Ackerberg等人提出的半参数方法来衡量基于收入的生产率。 (2015).5除了这些 ， 向量Z也计入了时间固定效应和行业固定效应，以反映企业因商务环境随时间变化而参与全球价值链（GVC）的变化，以及不同行业的异质性所导致的变化。表2提供了我们在实证分析中使用的变量简要总结。 从表2中可以看出，加权EPU的最小值为47.636，最大值为189.3，这表明不确定性度量的分布存在较大的差异。这一特点也在图1中得到了反映，该图展示了印度在研究期间内加权EPU的变化情况，显示出不确定性水平在整个样本期间内有所波动。在参与全球价值链（GVC）方面，根据基线测量（GVC-1），我们发现约有17%的制造业企业同时参与了区域和全球GVC活动中的出口和进口业务。进一步地，在表1总结的额外限制条件下，参与GVC的企业数量从17%下降到14.4%，再下降到11.2%。此外，我们还观察到，企业的平均年龄为25年，超过1%的企业拥有外国所有权。 注 ： 我们将公司杠杆定义为公司债务与总资产的比率。我们使用一个虚拟变量如果在特定年份和行业中 ， 公司的杠杆率大于行业中位数和 0(高杠杆虚拟) 。我们衡量公司层面的流动性为一家公司的流动资产和负债占其总资产的比率之间的差额。我们创建了一个用于识别流动性水平较低的公司的虚拟变量 ， 其中二进制变量取值如果所考虑的公司的流动性低于行业中的流动性中位数 ， 则为 1 ， 否则为 0（ 低流动