数据的传输涉及个人隐私、商业机密等重要信息，各国纷纷设立数据本地化要求、隐私保护、知识产权保护等限制，产生了新型数字贸易壁垒。作为数字贸易壁垒的数据跨境流动限制，主要涉及本地化要求、市场准入限制和个人信息保护，是数据治理的关键。《全面与进步跨太平洋伙伴关系协定》(CPTPP)等超大型自由贸易协定均对数据跨境流动作出了特定、一般、安全例外限制三部分的规制。数据是数字经济的命脉和跨境传输的载体，数字生产和跨境交付都涉及数据的传输，跨境数据流动限制是数字贸易壁垒的主要形式，也是影响数字经济重塑服务业价值链的重要障碍。而相较于制造业，可进行标准化流水线的生产与产品口，服务业出海过程将不可避免地涉及海量数据信息流的接收、存放与管理问题。服务业GVC参与度指一国家服务行业参与全球价值链的程度，用于解释该行业在价值链生产中与上下游产业的关联，按照嵌入方式分为GVC前向参与度和GVC后向参与度。跨境数据流动限制程度的不同，很可能对该服务业行业价值链生产中与上下游产业关联产生影响。

基于上述分析，提出以下假设：

假说1：跨境数据限制对服务业GVC参与度负相关。跨境数据限制程度提升，抑制一国服务业进行国际分工，抑制跨境服务发展，降低该服务业GVC参与度。

数字技术缩小了全球劳动力成本差异，加速区域价值链形成，智能物流等技术通过降低贸易成本提升了重新外包可能性。数字生产要素嵌入服务业GVC，加速服务数字化进程同时，致使服务贸易成本增加(武娜等，2023) [18] 。严格的数据安全审查制度和风险评估体系，降低数据搜索便利性与质量，提高企业在跨境贸易过程中的“显性成本”，加大数字服务检索、计算、储存、传输和整合难度。例如，数据本地化储存增加服务贸易的固定成本，过长数据保留时间导致数据储存与二次搜寻成本，歧视性监管增加交易的合规性风险。此外，由于数据流通限制，阻碍跨境信息的传递，提升服务贸易沟通成本等“隐性成本”。综合来看，跨境数据流动限制会增加企业的贸易投入，使交易效率下降、服务贸易额减少，甚至缩小服务贸易的交易范围。

基于上述分析，提出以下假设：

假说2：跨境数据限制降低数据搜索的便利性，提高服务贸易的固定、搜寻、合规与沟通成本等，降低交易效率，阻碍GVC分工深化，降低一国服务业GVC参与度。

基于以上对文献回顾与机制分析，本文假定研究模型如下：

${\text{GVC\_sr}}_{nit}={\beta }_0+{\beta }_1{\text{DSTRIw}}_{nit}+{\beta }_2{\text{Control}}_{nit}+{\gamma }_n+{\mu }_i+{\delta }_t+{\epsilon }_{nit}$(4-1)

其中，系数 ${\beta }_1$是本文重点考察对象，n、i、t分别表示国家、行业、时间， ${\gamma }_n$、 ${\mu }_i、{\delta }_t$分别为国家、行业、时间的固定效应， ${\epsilon }_{it}$是随机扰动项。 ${\text{GVC\_sr}}_{nit}$表示t年n国i行业的服务业GVC参与度， ${\text{DSTRIw}}_{nit}$表示t年n国i行业的跨境数据流动限制水平。 ${\text{Control}}_{nit}$为控制变量组，具体包括比较优势指数( ${\text{RCA}}_{nit}$)、行业规模(LnScale_nit)、行业固定资本存量(LnFixd_nit)、服务行业发展程度(Service_nit)、外商投资水平(FDI_nit)、教育投入水平(Education_nit)、数字服务出口倾向(LnDigout_nit)、人均国内生产总值(LnGDPper_nit)。为减轻异方差影响、数据测算过程中异常值与极端值可能带来的偏误，本文采用稳健标准误回归，所有变量在1%和99%水平上缩尾，自然对数化部分控制变量。

本文被解释变量为服务业的全球价值链参与度。伴随世界经济形成发展，全球价值链概念经历了价值链(Value Chain, VC)、全球商品链(Global Commodity Chain, GCC)两个演进阶段。直到2002年，Gereffi & Kaplinsky、联合国工业发展组织(UNIDO)从组织规模、地理分布和生产性主体三维度界定全球价值链概念。近年来，关于GVC的宏观测度上Hummels D. et al. (2001) [29] 首次提出了狭义垂直专业化概念，建立系列表征垂直专业化指标。Koopman et al. (2014) [24] 进行补充，按来源将出口总额彻底分解为九项增值部分。Wang Z. et al. (2013) [30] 提出对多个层面总贸易流量的十六项分解法，建立一套从官方贸易总值统计到贸易增加值统计完整核算法则。Johnson R. C. (2017) [31] 全面归纳宏微观层面GVC参与度与长度算法，指出两者应逐渐融合。2018年来，随着双循环新发展格局形成及服务业开放不断深化，服务业GVC参与度相关测算研究如雨后春笋般大量涌现。

为描述一国服务业嵌入全球价值链的参与度，本研究采用GVC参与度进行代理，参考Borin & Mancini (2019)计算方法，具体计算公式为：

${\text{GVC\_sr}}_{nit}={\text{GVC\_Pat\_f}}_{nit}+{\text{GVC\_Pat\_b}}_{nit}$(4-2)

其中，GVC Srforward代表价值链前向参与度，指一国某行业出口至他国用于该国再出口的中间品增加值占本国总出口的比重，这种参与方式常使国家处于全球价值链的前端，一般具有技术优势禀赋与高附加值；GVC Srbackward为后向参与度，指一个家从全球进口需求中间品的程度，表示一国在需求角度对全球价值链的依赖程度。这种参与方式常使其位GVC后端，依托资源禀赋和劳动力优势多从事技术含量低、附加值低的加工、组装等环节，并向外出口最终产品。

本研究核心解释变量为跨境数据流动限制。目前衡量跨境流动限制数据主要有经济合作开发组织(OECD)发布的数字服务贸易限制指数(DSTRI)；基于数字贸易评估数据库(DTE)，ECIPE于2018年发布的数字贸易限制指数(DTRI)、全球数字贸易促进指数(GDT)。由于数据的可获得性(王岚，2021) [32] ，本文采用DSTRI作为核心解释变量，取值区间为0~1，值越高表明跨境数据流动限制越严格，1则为完全限制。但由于DSTRI为国家层面数据，本文参考Ferracane F.M. (2019) [27] 、王岚和程志宙等人(2023) [1] 的做法，采用数字部门对服务业各行业总投入数字投入作为衔接指数，对DSTRI进行降维。

由于本文研究区间为2014~2021年，采用ADB-MRIO发布的62国35行业(C01~C35)现价版本的多区域投入产出表作进行计算。如 表1 所示，对服务业列表、数字部门进行分类，本文将C14电子和光学设备、C27邮电通信定义为狭义的数字部门。对于数字投入的度量，本文借鉴制造业服务化领域研究，分别采用直接和完全消耗系数法加以测量。直接消耗系数法¹为服务部门投入占总产出比重。但全球价值链分工背景下，其忽略了各部门行业间因为技术、经济联系产生的间接投入。完全消耗系数法²则弥补了这一缺点，揭示各部门间直接与间接的联系，更全面深刻反映各部门间相互依存的数量关系，从而显示数字部门通过数字投入对服务业各行业影响。

因此，如公式(4-3)与公式(4-4)所示，本文采用完全消耗系数法测算的数字投入指标W_Digtal_nit与DSTRI_it交乘，构造核心解释变量DSTRIw_nit作为基准回归的核心解释变量。同理，如公式(4-5)与公式(4-6)所示，将采用直接消耗系数法测算出的DSTRIz_nit作为核心解释变量替代指标，进行稳健性检验。

${\text{W\_Digtal}}_{nit}=a_{ij}+{\displaystyle {\sum }_{K=1}^{N}aik}akj+{\displaystyle {\sum }_{K=1}^{N}ail}alkakj+\cdots$(4-3)

${\text{DSTRIw}}_{nit}={\text{W\_Digtal}}_{nit}{\text{*DSTRI}}_{it}$(4-4)

${\text{Z\_Digtal}}_{nit}=\frac{a_{ij}}{a_j}$(4-5)

${\text{DSTRIz}}_{nit}={\text{Z\_Digtal}}_{nit}{\text{*DSTRI}}_{it}$(4-6)

设置控制变量如下：① 比较优势指数( ${\text{RCA}}_{nit}$)为一国某服务行业显性比较优势指数，定量描述一国服务业相对出口表现，衡量了一国产业产品在国际市场的竞争力；② 行业规模(LnScale_nit)：用一国行业总投入产出衡量，单位为百万美元，数值较大，进行对数化处理；③ 行业固定资本存量(LnFixd_nit)：一国某行业现存的各类以资产形式的总和，反映其现有经营规模和技术水平；④ 服务业发展程度(Service_nit)：用服务业增加值占GDP比重测度，该值越大，说明服务业发展水平越高，社会环境和营商环境越具优势；⑤ 教育投入水平(Education_nit)：一国政府教育支出占GDP比重，反映了一国对教育的重视程度，可能拥有更多人才储备；⑥ 数字服务出口倾向(LnDigout_nit)³：用一国数字交付服务出口贸易额表示，该值越大，说明一国该行业数字交付服务出口倾向性较好，而数字交付服务通常为附加值较高的上游部门，可能对GVC参与度有促进作用，对数化处理；⑦ 外商投资水平(FDI_nit)：国家层面数据，用其他国家对一国得直接投资占该国GDP比重衡量；⑧ 人均国内生产总值(LnGDPper_nit)：国家层面数据，对数化的人均国内生产总值，单位为万美元。

所有变量基本描述性统计分析如 表2 ，其中可以看出DSTRI均值为0.163，中位数为0.127，说明世界整体跨境数据流动限制较低，数据自由流动情况较好。GVCsr均值为40.06，最小值为20.66，最大值为76.24，说明48个国家中，更多国家参与度较高。从GVCpt (服务业全球价值链分工位置)均值为1.002且中位数0.981，可以看出，现在大多数国家GVC上游参与度比下游参与度更高，在全球价值链中处于较上游参与度。

本文所涉及研究区间为2014~2021年度，研究样本涉及48个国家⁴。核心解释变量跨境数据流动限制(DSTRIw_nit、DSTRIz_nit)由计算得到，为DSTRI_nt与数字投入指标(W_Digtal_nit、Z_Digtal_nit)交乘得到，前者来源于OECD数据库，后者采用ADB-MRIO发布的62国35行业(C01~C35)现价版投入产出表计算得，行业规模(LnScale_nit)与固定资本存量(LnFixd_nit)也来源于该表。全球价值链参与度(GVC_sr_nit)、价值链前向生产长度(Plv_GVC_nit)与后向关联生产长度(Ply_GVC_nit)、比较优势指数(RCA_nit)来源于由对外经贸大学全球价值链研究的UIBE数据库。控制变量中服务发展程度(Service_nit)为服务业增加值比该国GDP计算得到，分别来源于世界银行数据库(WDI)与联合国工业发展组织(UNIDO)；教育投入水平(Education_nit)、数字服务出口倾向(LnDigout_nit)、外商投资水平(FDI_nit)来源于联合国贸易和发展会议统计局数据库(UNCTAD)；人均国内生产总值(LnGDPper_nit)、互联网渗透率(Internet_nit)原始数据来自WDI，以上数据均在1%和99%水平上缩尾，自然对数化带单位变量。

按照公式(4-1)进行基准回归，结果如 表3 所示。第(1)列汇报了仅包括核心解释变量DSTRIw的回归结果，第(2)列、第(3)列分别报告了依次加入行业、国家层面相应控制变量的回归结果。

注：^***、^**和^*分别表示在1%、5%和10%的水平上显著；()内为标准误，下文不再赘述。

第(1)列估计结果显示，跨境数据流动限制在1%水平下显著为负，表明跨境数据流动限制的增加降低了服务业全球价值链的参与度，与假设相符；且估计系数为−0.3855，说明改服务业行业跨境数据流动限制程度每上升一单位，服务业GVC参与度就会降低0.3855。第(2)、(3)列估计结果显示，这一结论在加入控制变量后依然成立，且估计系数较为接近，表明跨境数据流动限制对服务业全球价值链参与度确实存在较强抑制作用。

本文采用GVC参与度(GVC_sr_nit)作为被解释变量，但实际上，GVC上游参与度(Pos_up_nit)更能体现一国服务业在GVC所处位置与情况，彰显其通过GVC参与国际分工获取利润的能力，数据来源于UIBE ADB2022。核心解释变量则采用直接消耗系数法计算的DSTRIz_nit进行稳健性检验。如 表4 第(3)、(4)列所示，分别替换被解释变量与核心解释变量，发现仍在1%水平下显著，说明该模型稳健性较好，作用机制正确。

本文研究区间为2014~2021年，新型冠状病毒肺炎于2019年12月份爆发后消费减退、经济下行，可能对服务业GVC产生冲击。如 表4 第(5)列所示，本文剔除2020、2021年样本数据，再进行回归，结果依旧稳健。

续表

本文采用Novy (2013) [33] 对贸易成本进行计算，分别借鉴Park S.C. (2002) [34] 和Novy (2013) [33] 的做法，令σ = 5.6与σ = 8。由于考察贸易成本变化趋势时，替代弹性σ值并不重要(Novy, 2013) [33] 。在此假设不同国家中间投入服务和最终需求服务间替代弹性一致(王岚，2022) [35] ，贸易成本的计算公式如(5-1)所示。由于贸易成本是双边国家层面的数据，如公式(5-2)所示，故采用本国与伙伴国贸易额作为权重后再进行加总，得到某国该行业平均服务贸易成本，加总后数值较大，进行对数化处理。基于前文服务贸易成本的中介效应理论分析，本文认为跨境数据流动限制越高，会通过提高一国该服务业行业成本，从而一国服务业GVC地位起抑制作用。

本文借鉴江艇(2022) [36] 的两步法构建中介效应模型，公式(4-1)是跨境数据流动限制对服务业GVC参与度的基本回归方程，公式(5-3)是中介效应检验的第二阶段，将跨境数据流动限制和服务贸易成本同时引入方程进行回归。

$T_{ij}^n={\left(\frac{X_{ii}^n{X}_{jj}^n}{X_{ij}^n{X}_{ji}^n}\right)}^{\frac{1}{2\left(\sigma -1\right)}}-1$(5-1)

${\text{S\_Tij}}_{nit}={{\displaystyle {\sum }_{d=1}^{63}\text{Tij}}}_{nit}\times \frac{{\text{Xjj}}_{nit}}{\text{T\_Xij}}$(5-2)

${\text{S\_Tij}}_{nit}={\beta }_0+{\beta }_1{\text{DSTRIw}}_{nit}+{\beta }_2{\text{Control}}_{nit}+{\gamma }_i+{\delta }_t+{\epsilon }_{it}$(5-3)

其中 $X_{ii}^n、X_{jj}^n$为国内服务业贸易额，本文采用ADB-MRIO投入产出表中一国某行业对世界各行业(C1~C35)投入产出额与最终消费(F1~F5)加总得， $X_{ij}^n、X_{ji}^n$数据来源于UIBE ADB数据贸易总额，单位均为百万美元。

1) 价值链长度的调节效应

跨境数据流动限制设立的目的在于保护个人信息、本国重要产业与知识产权。但与此同时，数据的难以获取阻碍了一国价值链的完善与延长(赵晓斐和何卓，2022) [37] ，带来一定负面效益。Wang et al. (2017) [38] 将全球价值链的生产长度定义为一国行业从初始产品投入到最终产品吸收所经历的平均生产阶段数，通过构建基于前向关联生产长度(Plv_GVC)和后向关联生产长度(PLy_GVC)，考察世界主要经济体及其行业部门在全球价值链生产分工体系下变化。Plv_GVC表示行业初始投入离最终需求距离，长度越长，该行业越处于价值链上游；PLy_GVC表示行业初始投入离国外初始投入距离，长度越长，越处下游。各国各行业价值链长度不同，囊括价值链分工环节不一，通过价值链和参与国际分工获取利润能力差异越大，跨境数据流动限制对GVC作用也越存在差异。

本文采用UIBE数据库中前向价值链长度PLv_nit与后向价值链长度PLy_nit进行调节效应的检验。构建公式如下(PLy_nit同理)，其中交互项采用中心化处理后数据交乘：

${\text{PLv}}_{nit}={\beta }_0+{\beta }_1{\text{DSTRIw}}_{nit}+{\beta }_2\text{C}{\text{.DSTRIw}}_{nit}\times \text{C}{\text{.PLv}}_{nit}+{\beta }_3{\text{PLv}}_{nit}+{\beta }_4{\text{Control}}_{it}+{\gamma }_i+{\delta }_t+{\epsilon }_{it}$(5-4)

2) 网络基础环境的调节效应

数据价值的创造需要数据的开放和共享，网络环境常掣肘于一国限制性数据监管政策(齐俊妍和强华俊，2022) [39] 。López (2019) [40] 以互联网渗透率作为互联网水平代理变量，测度其对商品和服务贸易的影响，发现良好网络环境有助于两国间贸易展开。一国互联网覆盖范围越大，说明网络传输接入能力越强，互联设施连通性越好、数字传输效率越高，跨境数据流动对服务业GVC参与度的影响就可能越显著。

本文采用互联网渗透率即互联网使用人数占总人数的比例作为调节变量，来检验网络环境基础的调节效应，数据来源于WDI数据库，由于其是国家层面的数据，采用行业总投入产出占比Scale_In_nit交互进行降维度，得到Internet_nit，构造公式同公式(5-4)。

如 表5 所示，第(1)、(2)列分别汇报了总服务贸易成本与中间投入服务贸易成本的中介机制检验结果，总服务贸易成本不论弹性取5.6还是8，跨境数据流动限制都在5%水平下显著，由于中间产品贸易更能凸显全球价值链参与度与变化，中间投入服务贸易成本当弹性为5.6时，结果在1%水平下显著。中介检验呈正相关关系，说明跨境数据流动限制增强会通过提高贸易成本，降低一国服务业行业的GVC参与度，与假说相符。第(5)~(6)汇报了价值链长度调节检验结果，前向价值链长度的调节作用并不显著，但后向价值链越长，对跨境数据流动限制作用服务业GVC参与度的效果越显著，说明价值链长度的调节效应主要通过后向价值链长度作用。第(7)~(8)汇报了网络环境的调节效应，网络环境与跨境数据流动限制呈负相关，说明一国网络环境的恶化，跨境数据流动限制对服务业GVC参与度抑制越显著，加剧了跨境数据流动限制壁垒。

1) 基于不同服务业类型与经济体类别

本文依据 表1 的分类，对生产性服务业与消费性服务业进行分组回归，检验不同类型服务业间是否存在异质性。由于不同发展程度经济体受跨境数据流动限制影响程度不同，跨境数据流动限制对服务业GVC参与度的抑制程度有可能存在差异。本文依据世界银行、国际货币基金组织、联合国开发计划署和美国中央情报局共同认可的全球37个发达国家分类，进行分组回归。

如 表6 中(1)、(2)列所示，发展消费性服务业对服务业GVC参与度的抑制作用在1%的程度上显著，回归系数为−1.043，与基准回归系数方向一致；而生产性服务业不具备显著性，说明本文建立的模型对消费性服务业更具解释效力。如(3)、(4)列所示，回归结果都不显著，该模型不同发展程度经济体间不存在异质性。

2) 基于不同数字协定参与度与贸易模板

由于目前全球跨境数据流动治理差异较大，全球统一框架标准仍未形成。本文从数据层面，尝试用异质性分析的实证方法解释文本性的规则协定与贸易模版。目前全球跨境数据流动规则主要分为美式、欧式、中式与新式四大模版，不同模版规则深度、范围、侧重点各有不同，而身为签署国必然收该协定约束与辖制，导致其国内跨境数据流动治理变化的同时，可能也会使该国服务业GVC产生相应变化。

如 表7 所示，本文采用CPTPP、USMCA、UJDTA作为美式模版代表，GDPR (欧盟内通用数据保护条例)作为欧式模版代表，RCEP作为中式模版代表；DEPA、SADEA、KSDPA作为新式模版代表。各协定中仅单一签署改模板向下协定或其他协定的签署国(不同时包括在两个模版下)作为代表国。由于部分国家积极参与全球跨境数据流动治理，签署多个分属不同模版的相关协定，体现不同贸易协定参与度，在此也进行讨论分析。

如 表7 所示，发现各模版协定、不同贸易协定参与度异质性较弱，有中式模版在1%水平下呈负显著，与基准回归方向一致，美式模版在10%水平下呈正显著。仅看中美两式模版，以CPTPP为代表的美式模版极力倡导削减数字贸易壁垒、促进全球跨境数据自由流动，规则深度最深，而以RECP为代表的中式模版则允许例外条例的高度保留，规则深度较浅，说明跨境数据流动限制对服务业GVC发挥作用，由于不同模版下各国服务业发展历程、参与GVC路径不同相关，跨境数据流动限制对GVC作用与规则深度存在一定正向关系，当深度达到一定时，抑制作用不在。