Study on the Impact of Cross-Border Data Flow Restrictions on the Participation of Service in Global Value Chains
Under the background of the digitalization of the global economy, the trend of global value chain dominated by services has become increasingly prominent, and the restrictive measures of data flow have increasingly become one of the most important institutional variables affecting the development of service trade. Based on ADB, UIBE, TAPED and OECD databases, this paper studies the mechanism and effect of cross-border data flow restrictions on global value chain participation of 18 service industries in 48 countries from 2014 to 2021. It is found that the increase of cross-border data flow restrictions will significantly inhibit the increase of service industry participation in the global value chain by increasing the cost of service trade, and is regulated by Internet penetration and value chain length. Further heterogeneity analysis of economies with different levels of development, producer and consumer services, and participation in trade agreements shows that cross-border data flow restrictions have a more significant inhibitory effect on participation in GVC of service industries, consumer services and Chinese model GVC participation, which are to some extent affected by the depth of cross-border data flow rules. The robustness test is also carried out by means of instrumental variable, alternative variable method and shortening research interval. The above research conclusions provide a certain theoretical basis and factual basis for promoting China’s active participation in global digital governance and rule-making, improving the quality and efficiency of the service industry, promoting the digital transformation and upgrading of the service industry, and enhancing the global value chain of the service industry, which has important practical significance.
Cross-Border Data Flow
全球经济数字化背景下,地缘政治风险攀升,全球价值链以服务为主导趋势日益凸显,复杂价值链日趋收缩,数据流动限制性措施越发成为影响服务贸易发展最重要制度变量之一。近年来,随着大数据、区块链、云计算等新兴科技迅猛发展与传统产业数字化转型,跨境数据流动在很大程度上增强了传统服务的可贸易性及比较优势,成为推动国际贸易及世界经济增长重要力量,以数字信息为关键生产要素的数字经济蓬勃发展,成为经济发展的新动力和新引擎(王岚和程志宙,2023)
与此同时,围绕跨境数据流动带来诸多利益、存在的巨大经济价值与潜在的地缘政治风险,使跨境数据领域日益成为国际数据治理重要议题,各主权国家和主要地区纷纷出台相关政策争夺数据资源。际上,跨境数据流动规制作为一种新型贸易壁垒,大多数参与制定数据治理规则的经济体都认可数据流动对经济和贸易发展的重要性,但由于支撑数字服务贸易的底层设施、产业基础和技术创新水平等因素差异客观存在,各国间“数字鸿沟”问题难以解决(周念利和姚婷婷,2021)
此外,从数据端看,我国数字贸易限制程度全球第一、数字服务贸易占比低于一众发达国家的现实也要求加强对跨境数据流动领域的相关治理与规范。数据显示,中国跨境数据流动量约占全球总量23%,预计到2025年将达27.8%。超过全球其他国家。根据欧洲国际政治经济中心(ECIPE)发布的《数字贸易限制指数报告》,我国被评估为全球数字贸易限制最高国家之一。尽管我国数字服务贸易从2011年36.2%迅速增长至2022年48.4%,但与发达国家仍存在明显差距。美、英、日等国家数字服务贸易占服务贸易比重均超70%,而我国仅约为48%。基于此,本文聚焦跨境数据流动限制程度与服务业全球价值链参与度,具有较强研究意义,对我国如何参与国际数字贸易治理,规范跨境数据流动,促进数字产品和服务自由流通,支持数字贸易相关数据要素高效运作,带动数字经济与贸易领域相关业态高速发展,构建中国数字经济竞争新优势至关重要。
跨境数据流动限制领域现有研究主要从文本分析与实证研究两方面进行规则评析与效果评估。在规则评析的定性研究中,对于国际规则,学者梳理了WTO、OECD、APBEC和G20等多边机制在数据跨境流动方面开展的规制行动并指出其困境所在(Mitchell & Mishra, 2018)
以上研究为本文研究提供了有益参考,但仍存在不足之处:1) 近年来,服务业GVC领域研究关注度持续提升,研究不断深入细化,但大多数学者聚焦于数字贸易壁垒、数字投入等的数字经济相关研究(徐姗和张昊,2023)
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)
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:
(4-1)
其中,系数 是本文重点考察对象,n、i、t分别表示国家、行业、时间, 、 分别为国家、行业、时间的固定效应, 是随机扰动项。 表示t年n国i行业的服务业GVC参与度, 表示t年n国i行业的跨境数据流动限制水平。 为控制变量组,具体包括比较优势指数( )、行业规模(LnScalenit)、行业固定资本存量(LnFixdnit)、服务行业发展程度(Servicenit)、外商投资水平(FDInit)、教育投入水平(Educationnit)、数字服务出口倾向(LnDigoutnit)、人均国内生产总值(LnGDPpernit)。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)
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:
(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。
数字部门 |
服务业 |
||
数字要素类型 |
依托行业 |
服务业类别 |
依托行业 |
数字产品投入 |
C14电子和光学设备 |
生产性 |
C19机动、摩托车的销售和维修;燃料零售 |
C20除机动、摩托车外的批发和委托贸易 |
|||
C21机动、摩托车外的零售贸易;家庭用品修理 |
|||
C22酒店和餐馆 |
|||
C23内陆运输、C24水路运输、C25航空运输 |
|||
C26其他辅助和辅助运输活动;旅行社活动 |
|||
C28金融中介 |
|||
C30物业和股权租赁和其他经营活动 |
|||
数字服务投入 |
C27邮电通信 |
消费性 |
C18建筑业、C29房地产活动 |
C31公共管理和国防;强制性社会保障 |
|||
C32教育、C33卫生和社会工作 |
|||
C34其他社区、社会和个人服务 |
|||
C35有雇员的私人家庭 |
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)
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
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_Digtalnit与DSTRIit交乘,构造核心解释变量DSTRIwnit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DSTRIznit作为核心解释变量替代指标,进行稳健性检验。
(4-3)
(4-4)
(4-5)
(4-6)
设置控制变量如下:① 比较优势指数( )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(LnScalenit):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(LnFixdnit):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(Servicenit):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(Educationnit):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(LnDigoutnit)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(FDInit):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(LnGDPpernit):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
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(DSTRIwnit、DSTRIznit)由计算得到,为DSTRInt与数字投入指标(W_Digtalnit、Z_Digtalnit)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(LnScalenit)与固定资本存量(LnFixdnit)也来源于该表。全球价值链参与度(GVC_srnit)、价值链前向生产长度(Plv_GVCnit)与后向关联生产长度(Ply_GVCnit)、比较优势指数(RCAnit)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(Servicenit)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(Educationnit)、数字服务出口倾向(LnDigoutnit)、外商投资水平(FDInit)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(LnGDPpernit)、互联网渗透率(Internetnit)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。
变量名称 |
观测值 |
均值 |
中位数 |
标准差 |
最小值 |
最大值 |
全球价值链参与度 |
6733 |
0.340 |
0.270 |
0.280 |
0 |
1.270 |
跨境数据流动限制(完全消耗系数法) |
6912 |
0.0100 |
0 |
0.0200 |
0 |
0.120 |
跨境数据流动限制(直接消耗系数法) |
6912 |
0 |
0 |
0.0100 |
0 |
0.0500 |
全球价值链上游参与度 |
6912 |
1.980 |
1.940 |
0.710 |
1 |
3.570 |
比较优势指数 |
6912 |
1.070 |
0.840 |
1 |
0 |
5.730 |
行业规模 |
6730 |
9.760 |
9.940 |
2.110 |
3.770 |
14.31 |
行业固定资本存量 |
6730 |
8.950 |
9.120 |
2.250 |
2.430 |
13.84 |
服务业发展程度 |
6912 |
1.410 |
0.780 |
3 |
0 |
53.55 |
教育投入水平 |
6912 |
0.240 |
0.190 |
0.230 |
0 |
1.640 |
数字服务出口倾向 |
6912 |
0.500 |
0.400 |
0.460 |
0 |
2.560 |
外商投资水平 |
6912 |
0.180 |
0.0800 |
0.510 |
−2.520 |
8.110 |
人均国内生产总值 |
6912 |
0.600 |
0.840 |
1.200 |
−2.280 |
2.460 |
总服务贸易成本(弹性为5.6)5 |
6636 |
4.146 |
3.354 |
2.778 |
0 |
16.46 |
总服务贸易成本(弹性为8) |
6636 |
1.782 |
1.580 |
0.924 |
0 |
5.191 |
中间投入服务贸易成本(弹性为5.6) |
6912 |
1.250 |
1.310 |
0.980 |
−4.360 |
3.040 |
中间投入服务贸易成本(弹性为8) |
6912 |
0.490 |
0.540 |
0.880 |
−5.260 |
1.810 |
全球价值链前向关联生产长度 |
6679 |
4.360 |
4.380 |
0.640 |
2.720 |
5.820 |
全球价值链后向关联生产长度 |
6493 |
4.190 |
4.170 |
0.380 |
3.280 |
5.360 |
互联网渗透率 |
6912 |
66.26 |
73.62 |
25.12 |
10 |
96.30 |
国家 |
6912 |
24.50 |
24.50 |
13.85 |
1 |
48 |
行业 |
6912 |
9.500 |
9.500 |
5.190 |
1 |
18 |
年份 |
6912 |
2018 |
2018 |
2.290 |
2014 |
2021 |
按照公式(4-1)进行基准回归,结果如
变量 |
GVC_sr |
||
(1) |
(2) |
(3) |
|
DSTRIw |
−0.3855*** |
−0.3910*** |
−0.3108*** |
(0.1001) |
(0.0910) |
(0.0875) |
|
RCA |
0.0354*** |
0.0315*** |
|
(0.0023) |
(0.0022) |
||
LnScale |
0.0833*** |
0.0685*** |
|
(0.0059) |
(0.0063) |
||
LnFixd |
−0.0776*** |
−0.0774*** |
|
(0.0042) |
(0.0042) |
||
Service |
0.0078*** |
||
(0.0009) |
|||
Education |
−0.1576*** |
||
(0.0231) |
|||
lnDigout |
0.0810*** |
||
(0.0122) |
|||
FDI |
0.0215*** |
||
(0.0054) |
|||
LnGDPper |
−0.0085 |
||
(0.0207) |
|||
常数项 |
0.3471*** |
0.1894*** |
0.3232*** |
(0.0019) |
(0.0373) |
(0.0419) |
|
观测值 |
6733 |
6730 |
6730 |
R2 |
0.7636 |
0.7987 |
0.8110 |
国家固定 |
是 |
是 |
是 |
行业固定 |
是 |
是 |
是 |
时间固定 |
是 |
是 |
是 |
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_srnit)作为被解释变量,但实际上,GVC上游参与度(Pos_upnit)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DSTRIznit进行稳健性检验。如
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
变量名称 |
替换变量法 |
缩短区间 |
|
Pos_up |
GVC_sr |
GVC_sr |
|
(3) |
(4) |
(5) |
|
DSTRIw |
−0.4935*** |
−0.2694*** |
|
(0.1556) |
(0.0959) |
||
RCA |
0.1034*** |
0.0323*** |
0.0298*** |
(0.0049) |
(0.0022) |
(0.0025) |
|
LnScale |
0.3784*** |
0.0705*** |
0.0795*** |
(0.0222) |
(0.0063) |
(0.0072) |
|
LnFixd |
−0.4652*** |
−0.0792*** |
−0.0819*** |
(0.0181) |
(0.0042) |
(0.0048) |
|
Service |
−0.0010 |
0.0076*** |
0.0093*** |
(0.0011) |
(0.0009) |
(0.0010) |
|
Education |
0.0436 |
−0.1559*** |
−0.1667*** |
(0.0332) |
(0.0230) |
(0.0252) |
|
lnDigout |
−0.0200 |
0.0874*** |
0.0781*** |
(0.0205) |
(0.0122) |
(0.0136) |
|
FDI |
−0.0006 |
0.0221*** |
0.0097* |
(0.0056) |
(0.0053) |
(0.0055) |
|
LnGDPper |
0.1196*** |
−0.0040 |
−0.0164 |
(0.0370) |
(0.0207) |
(0.0262) |
|
DSTRIz |
−1.3744*** |
||
(0.2635) |
|||
常数项6 |
2.2940*** |
0.3164*** |
0.2661*** |
(0.0713) |
(0.0418) |
(0.0489) |
续表
观测值 |
6730 |
6730 |
5049 |
R2 |
0.9140 |
0.8114 |
0.8289 |
国家固定 |
是 |
是 |
是 |
行业固定 |
是 |
是 |
是 |
时间固定 |
是 |
是 |
是 |
本文采用Novy (2013)
本文借鉴江艇(2022)
(5-1)
(5-2)
(5-3)
其中 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, 数据来源于UIBE ADB数据贸易总额,单位均为百万美元。
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)
本文采用UIBE数据库中前向价值链长度PLvnit与后向价值链长度PLynit进行调节效应的检验。构建公式如下(PLynit同理),其中交互项采用中心化处理后数据交乘:
(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)
中介效应 |
调节效应 |
||||||
变量名称 |
服务贸易成本 |
变量名称 |
前向链长 |
后向链长 |
互联网渗透率 |
||
(1) |
(2) |
(5) |
(6) |
(7) |
(8) |
||
σ = 5.6 |
σ = 8 |
GVC_sr |
GVC_sr |
GVC_sr |
GVC_sr |
||
总服务贸易成本 |
DSTRIw |
0.635 |
2.622*** |
−0.60*** |
−0.596*** |
||
(0.559) |
(0.768) |
(0.133) |
(0.132) |
||||
DSTRIw |
3.831** |
1.603** |
PLv_GVC |
−0.074*** |
|||
(1.873) |
(0.623) |
(0.004) |
|||||
常数项 |
0.035 |
0.037 |
C.DSTRIw*C.PLv |
−0.211* |
|||
(0.132) |
(0.112) |
(0.120) |
|||||
中间服务贸易成本 |
PLy_GVC |
−0.131*** |
|||||
(0.008) |
|||||||
DSTRIw |
3.529*** |
3.005** |
C.DSTRIwC.*PLy |
−0.690*** |
|||
(1.357) |
(1.259) |
(0.179) |
|||||
常数项 |
0.789** |
0.075 |
internet |
0.003 |
0.004*** |
||
(0.333) |
(0.327) |
(0.002) |
(0.001) |
||||
C.DSTRI*C. internet |
0.066*** |
0.065*** |
|||||
(0.024) |
(0.024) |
||||||
常数项 |
常数项 |
0.595*** |
0.996*** |
0.324*** |
0.322*** |
||
(0.042) |
(0.055) |
(0.042) |
(0.041) |
||||
观测值 |
6730.00 |
6730.00 |
6730.00 |
6678.00 |
6493.00 |
6730.00 |
6730.00 |
R2 |
0.836 |
0.835 |
0.275 |
0.824 |
0.819 |
0.811 |
0.806 |
控制变量 |
控制 |
控制 |
控制 |
控制 |
控制 |
控制 |
控制 |
固定效应 |
是 |
是 |
是 |
是 |
是 |
是 |
是 |
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_Innit交互进行降维度,得到Internetnit,构造公式同公式(5-4)。
如
本文依据
变量 |
服务业类型 |
经济体类别 |
||
消费性服务业 |
生产性服务业 |
发展中国家 |
发达国家 |
|
(1) |
(2) |
(3) |
(4) |
|
DSTRIw |
−1.043*** |
0.003 |
−0.032 |
−0.169 |
(0.222) |
(0.092) |
(0.113) |
(0.149) |
|
_cons |
0.159*** |
0.577*** |
0.425*** |
0.128** |
(0.034) |
(0.053) |
(0.061) |
(0.064) |
|
观测值 |
2562.000 |
4168.000 |
2309.000 |
4421.000 |
R2 |
0.751 |
0.820 |
0.765 |
0.857 |
控制变量 |
控制 |
控制 |
控制 |
控制 |
固定效应 |
是 |
是 |
是 |
是 |
如
2) 基于不同数字协定参与度与贸易模板
变量 |
未参与 |
参与一次 |
参与两次 |
参与三次 |
||
中式 |
欧式 |
美式 |
||||
DSTRIw |
−0.074 |
−0.426*** |
0.515 |
0.612* |
−0.218 |
−0.017 |
(0.140) |
(0.153) |
(0.785) |
(0.326) |
(0.156) |
(0.385) |
|
_cons |
0.018 |
1.070*** |
−0.397* |
0.295** |
−0.114 |
0.745*** |
(0.069) |
(0.099) |
(0.238) |
(0.150) |
(0.077) |
(0.161) |
|
观测值 |
1403.000 |
923.000 |
288.000 |
560.000 |
3141.000 |
415.000 |
R2 |
0.776 |
0.795 |
0.958 |
0.833 |
0.870 |
0.878 |
控制变量 |
控制 |
控制 |
控制 |
控制 |
控制变量 |
控制 |
固定效应 |
是 |
是 |
是 |
是 |
是 |
是 |
如
本文基于ADB、UIBE、TAPED、OECD等数据库,充分构造了不同类型和异质性来源的跨境数据流动限制指数、全球价值链参与度,系统考察了跨境数据流动限制对服务业GVC参与度的影响机制。实证显示,一国跨境数据流动限制的增强会通过提升服务行业贸易成本,抑制服务业GVC参与度,并受该国后向关联的价值链长度与网络环境调节,后向价值链长度越长,GVC分工位置越处于下游,跨境数据流动限制对GVC参与度的影响更显著;一国网络环境越好,跨境数据流动限制对GVC该国服务业参与度的抑制作用就越显著。异质性分析显示,从不同服务业类型和经济体类别来看,消费性服务业跨境数据流动限制对服务业GVC的抑制作用更显著,而不同发展程度的经济体不具有异质性,说明本文模型更适用于消费性服务业行业跨境数据流动限制与服务业GVC间的相关性。从不同贸易协定参与度、贸易模版与跨境数据规则深度来看,不同模版与参与深度间异质性不强,仅有中式模版在1%水平上负相关、美式模版在10%水平上正相关,说明跨境数据流动限制对服务业GVC的影响与是否积极签订多种贸易协定即协定参与度无关。仅看中式与美式模版,跨境数据流动限制对服务业GVC发挥作用,可能与规则深度存在一定的正向关系。
此外,本文研究结论具有丰富的政策启示:第一,效率与安全并举,充分重视跨境数据流动治理,顺应经济社会数字化发展新趋势,在保证安全的情况下提升效率,不断建立更高水平、更具效率的数字贸易治理体系,优化相应营商环境,大力支持数字贸易相关业态聚力发展,全面提升我国数字竞争力,迈向数字经济更高发展水平的新台阶。第二,包容开放并举,充分发挥大国动能,加快对接高标准的数字贸易规则,提倡更高水平与更为开放的对外贸易。积极参与国际数字贸易治理,推进数字治理国际合作,为跨境数据流动治理提出中国方案,建立健全跨境服务贸易负面清单管理制度(韩沈超,2023)
1j服务部门生产经营中所直接耗的第服务部门的产品或服务的数量aij占总投入aj的比重。
2为服务各部门直接与间接消耗系数的总和,增加某一个部门单位总产出需要完全消耗各部门产品和服务的数量。
3控制变量④、⑤、⑥都为国家层面数据,采用一国该行业总投入产出水平占服务业总产出水平进行降维。
448个国家分别为:爱尔兰、爱沙尼亚、奥地利、澳大利亚、巴基斯坦、巴西、比利时、波兰、丹麦、德国、俄罗斯、法国、菲律宾、芬兰、哈萨克斯坦、韩国、荷兰、加拿大、柬埔寨、捷克、拉脱维亚、老挝、立陶宛、卢森堡、马来西亚、美国、墨西哥、尼泊尔、挪威、葡萄牙、日本、瑞典、瑞士、斯洛伐克、斯洛文尼亚、泰国、土耳其、文莱、西班牙、希腊、新加坡、匈牙利、意大利、印度、印度尼西亚、英国、越南、中国。
5总服务贸易成本缺失值较多,因为采用计算公式为(4-2)所示,分母存在双边总贸易额为零值的情况。
6由于采用ivreghdfe进行2SLS回归,并a (nation industry Year)控制国家、行业、时间效应,无常数项。