一.   研究背景

随着我国对外贸易的快速发展，国内资源环境约束趋紧，劳动力成本优势减退，中国木制家具制造行业“两头在外”的发展模式 ²逐渐表现出内在的脆弱性。与此同时，我国已经逐步形成超大规模的家具需求市场，且产业基础良好，转变“两头在外”发展模式，是我国木制家具产业转型的必然选择。在此背景下，研究内需扩大过程中本地市场效应的存在性及其对我国木制家具出口优势的影响，有助于充分发挥我国超大规模市场优势和内需潜力，培育新形势下我国木制家具产业参与国际合作与竞争新优势。

根据新贸易理论，现实中普遍存在贸易成本和规模报酬递增的情况，为追求利润最大化，生产者更愿意集聚在产品需求量较大的地区，进而使该地区成为此类产品的净出口地区，这种由本地市场需求规模所导致的现象即为本地市场效应^[1]。联合国商品贸易数据库数据显示，近年来中国木制家具的国际贸易规模不断扩张，进出口贸易总额从1992年的3.02亿美元，增长到了2019年的209.88亿美元，27年间增长了约69倍。对此，新贸易理论的解释是，可能存在本地市场效应，使国内市场的规模优势能够促进产品出口^[1]。

那么，中国木制家具贸易规模持续增长的原因是否与本地市场效应有关？面对日益紧张的资源环境压力和逐渐消失的“人口红利”，中国木制家具产业应如何转变发展动能从而实现转型升级？对此，现有文献主要分析贸易协定、汇率政策、贸易壁垒、两国是否接壤、文化差异、经济自由度等相对宏观的因素对中国木制家具贸易的影响^[2-4]；也有部分学者从产业特征的角度探索了家具行业的产品质量、技术性贸易壁垒、本地市场效应对国家间家具贸易的影响^[5-7]。整体来看，现有文献较少关注家具产业特征对家具进出口贸易的影响，关于中国家具产业不存在本地市场效应的研究结果也与中国制造业具有显著本地市场效应的研究结论相矛盾^[8-9]。因此，本文将本地市场效应和要素禀赋优势作为关键变量引入分析框架，基于中国与16个主要木制家具贸易伙伴的数据，实证检验两者对中国木制家具进出口贸易的影响，有助于厘清家具产业是否存在本地市场效应的问题，进而为相关产业政策的优化提供参考。

二.   模型设定和数据说明

一   计量模型设定

引力模型（Gravity Model）是一种用来分析和预测空间相互作用形式的数学方程。鉴于引力模型强大的解释力和相关研究的成熟度，本文借鉴Schumacher等^[10]的分析框架，分别将贸易双方国家的数据代入引力模型并相减得到如下公式：

式（1）中，i表示与中国进行国际贸易的国家；dI_i代表中国对i国的贸易相对规模，即中国对i国的出口额与从i国的进口额之比；dY_i为中国与i国的国内生产总值（GDP）之比，衡量两国的相对市场需求规模；dK_i为中国与i国的要素禀赋之比，其中要素禀赋为各国的资本与劳动之比；Z为控制变量。β₁是中国相对贸易伙伴国市场规模的系数，如果β₁ > 0，则与新贸易理论所揭示的现象一致，可以判定本地市场效应是影响中国木制家具国际贸易相对规模的主要因素。β₂是中国相对贸易伙伴国要素禀赋的系数，由于式（1）中要素禀赋的表现形式为资本与劳动之比，因此，β₂ > 0表明影响该产品贸易规模的资源禀赋优势主要源于资本要素，β₂ < 0表明影响该产品贸易规模的资源禀赋优势主要源于劳动力要素^[11]。

基于现有文献和上述分析，综合木制家具产业特征及传统贸易因素，对式（1）进一步修改，构建计量模型如下：

式（2）中，dI_it为模型的被解释变量，表示在t年中国对i国木制家具产品的贸易相对规模，即中国对i国木制家具的出口额与进口额之比。dY_it和dK_it是模型的主要解释变量，dY_it是本地市场效应，用中国与贸易伙伴国i在t年的GDP之比（以2015年为基期平减）来表征^[12]；dK_it为中国与i国在t年的要素禀赋之比，某国要素禀赋优势用社会资本存量与实际参加工作人数之比来衡量^[11]。Z为控制变量，μ代表个体异质性因素。

二   控制变量选择

在控制变量的选择方面，对外贸易依存度是衡量一国的国际贸易活跃水平以及对外开放程度的重要指标^[13]。对外开放程度的提高，能够促进两国消费者在文化习俗、价值观等方面的了解，进而增进对彼此不同风格家具的认可。此外，对外开放程度的提高将促进国际贸易配套服务业的发展，进而降低贸易往来的综合成本。因此，在方程（1）的基础上，引入两个国家的对外贸易依存度比值dD=D₁/D₂作为控制变量，其中，D代表某国家的对外贸易依存度。

国民生活水平会对家具产品的市场需求产生影响。一方面，国民生活水平提高能够促进家具消费额的增长；另一方面，随着生活水平提高，消费者将不仅仅是追求家具的性价比，而是愿意为个性化设计的产品买单，此时具有不同设计风格的外国家具将更有吸引力，进而促进家具进口额的提升。一般而言，随着生活水平的提高，人类对电力的消费增长，因此可以用某地区的人均用电量来表示该地区居民的生活水平^[14]。所以，在方程（1）中加入体现国民生活水平差异的变量dE=E₁/E₂对模型加以控制，其中，E代表某国家的人均用电量。

森林资源禀赋和人口规模也是值得关注的影响因素。森林资源的丰富性为该地区在木制家具生产原料方面提供了显著的竞争优势。同时，庞大的人口基数与市场规模在一定程度上促进了该地区木制家具贸易的繁荣发展^[15]。因此，为了完善模型，进一步引入本国与外国的森林资源禀赋差异dF=F₁/F₂和人口比dP=P₁/P₂作为工具变量，其中F为某国家的人均森林面积，P为某国家的人口总数。主要变量如表1所示。

表  1  样本数据描述性统计分析

变量	含义	样本数	均值	标准差	最小值	最大值
dI	木制家具产品的贸易相对规模	448	192.873	422.241	0.007	3393.236
dY	本地市场规模比	448	8.049	9.461	0.128	55.859
dK	要素禀赋比	448	0.316	0.538	0.012	2.849
dF	人均森林面积比	448	0.679	0.714	0.011	3.210
dD	对外贸易依存度比	443	0.703	0.332	0.253	1.978
dP	人口总数比	448	68.873	82.342	4.357	259.173
dE	人均用电量比	446	18.734	27.993	0.226	198.473
dIHS161	带软垫的木制框架坐具产品的贸易相对规模	410	1078.479	3964.782	0	46789.087
dIHS169	其他木制框架坐具产品的贸易相对规模	408	853.422	2984.552	0	37723.880
dIHS330	木制办公家具产品的贸易相对规模	433	130.228	494.376	0	8399.720
dIHS340	木制厨房家具产品的贸易相对规模	396	1551.154	16501.245	0	314955.450
dIHS350	木制卧室家具产品的贸易相对规模	418	504.216	1608.227	0	23077.686
dIHS360	木制起居室/餐厅/商店家具产品的贸易相对规模	443	306.590	732.206	0	6468.008

下载: 导出CSV 

| 显示表格

三   数据说明

本文的研究对象为中国及其16个主要木制家具贸易伙伴，这16个贸易伙伴占2019年中国木制家具进口总额的60.60%，出口总额的71.13%。1992年版的《商品名称及编码协调制度的国际公约》将木制家具产品划分为带软垫的木制框架坐具、其他木制框架坐具、木制办公家具、木制厨房家具、木制卧室家具、木制起居室/餐厅/商店家具等6种。文中涉及的进出口数据源自联合国商品贸易数据库，各个国家历年的GDP、参加工作人数、社会资本存量、对外贸易依存度和森林面积源自世界银行数据库，社会用电总量、人口数量来自联合国统计署的普通数据库，时间范围为1992—2019年，共计448个样本。

对样本数据进行描述性统计分析后发现，在所考察的时间范围内，木制家具产品的贸易相对规模及其主要解释变量表现出显著的数值差异，且6类木制家具产品的贸易相对规模数值差异同样显著（见表1）。这一结果揭示了1992—2019年间中国与贸易伙伴国之间木制家具贸易规模迅猛增长，同时也反映出各国在木制家具产业发展上的显著差异。为控制样本中可能存在的异质性，本文采用固定效应模型进行实证分析。

此外，由于某些年份中国未从贸易伙伴国进口该细分品类商品，导致相应年份的样本缺失；而出口额为0的数据则表示中国当年未向该贸易伙伴出口该商品，属于正常贸易现象，反映了贸易额从0开始增长的过程。鉴于0值样本能够反映贸易发展的初始阶段，且其存在不会对实证检验结果产生影响，因此不宜将其剔除。

三.   结果与分析

一   模型回归估计

1   基本模型回归估计

在面板数据的实证分析中，需要通过模型选择与检验来确定最优的估计模型。本文首先通过拉格朗日乘数检验（Lagrange Multiplier Test，简称LM检验）比较了随机效应模型与混合普通最小二乘模型的拟合效果，结果表明混合普通最小二乘模型拟合效果更佳。接着，采用Hausman检验对固定效应模型与随机效应模型进行模型选择，检验结果显示原假设（随机效应模型更加合适）未被接受，因此适合采用固定效应模型进行分析。限于篇幅，本文仅报告最终确定模型后的检验和估计结果。

随后，利用Stata 15.0软件对方程（2）逐步进行回归分析，以考察本地市场效应、要素禀赋以及其他控制变量对木制家具贸易相对规模的影响。首先，采用混合OLS模型对核心解释变量ln dY和ln dK进行回归分析，得到回归模型（1）。接着，加入其他控制变量（ln dF、ln dD、ln dP、ln dE）后，继续采用混合OLS模型进行回归分析，得到回归模型（2）。为避免各贸易伙伴国之间潜在的不可观测异质性对回归结果的干扰，本文进一步采用固定效应模型进行回归分析。同样，先对核心解释变量ln dY和ln dK进行回归，随后逐步加入控制变量ln dF、ln dD、ln dP、ln dE进行回归分析，分别得到回归模型（3） ~ （5）。各回归模型的分析结果如表2所示。

表  2  模型逐步回归结果

解释变量	模型（1）	模型（2）	模型（3）	模型（4）	模型（5）	模型（6）
lndY	−0.467***	0.231	1.659***	0.949**	2.002**	31.983***
lndK	0.117	1.231***	−0.476*	−0.460*	−0.613**	−3.896***
lndF		0.132		5.236***	4.484***	21.695***
lndD		3.267***			1.304***	0.887*
lndP		−0.023			−0.856	−4.971
lndE		−2.138***			−0.855*	−12.364***
Hausman			8.092（0.018）	59.721（0.000）	34.571（0.000）
Anderson LM 统计量						298.252（0.000）
Stock&yogo						985.574
Sargan						0.698（0.403）
R2	0.056	0.423	0.184	0.256	0.294
注：*、**、***分别表示在10%、5%和1%的水平上显著，括号内为P值。

下载: 导出CSV 

| 显示表格

2   考虑内生性问题的模型回归估计

由于表征本地市场效应的变量(lndY)很可能会与木制家具贸易相对规模(lndD)之间产生双向因果关系，即存在内生性问题，因此需要通过工具变量法来解决此模型的内生性问题。在解决内生性问题时，使用本地市场效应变量(lndY)的滞后项作为其自身的工具变量^[11]。虽然滞后项外生于当前扰动因素，但在选择滞后项时会面临一个权衡问题：一方面，选择的滞后期越长，滞后项与当期变量之间的相关性越低，这会使滞后项成为弱工具变量；另一方面，较长的滞后期还会导致可用样本数量的不足^[16]。综合考虑上述两个方面，以滞后9期至滞后5期的本地市场效应变量作为工具变量分别进行回归，并进行弱工具变量检验，结果均通过检验。同时，为满足大样本回归的条件，本文最终选取滞后5期、6期的本地市场效应变量作为工具变量。需要说明的是，本研究虽然使用了滞后变量作为工具变量，但在理论上假设本地市场效应变量和其滞后变量的影响是同期做出的，不存在滞后性的问题。而且，本次工具变量回归的样本量为350个，属于大样本回归，避免了因样本容量过小而产生的误用。将上述选定的工具变量代入原计量回归模型中进行工具变量估计，得到回归模型（6）。对于工具变量的有效性，需要进行安德森（Anderson）检验、斯托克和约戈（Stock&yogo）检验以及萨根（Sargan）检验，以验证模型（6）所采用的工具变量是外生且有效的。回归结果见表2。

3   木制家具细分品类的模型回归估计

将木制家具六大细分品类的贸易相对规模作为被解释变量，分别进行回归分析，以进一步验证本地市场效应在木制家具行业的存在性。由于细分品类的贸易相对规模数据具有较大的差异性且缺失值较多，因此选择Driscoll等提出的标准误模型进行估计^[17]。这一回归方法可以避免异方差、截面相关以及序列相关等问题对估计结果的干扰。将解释变量和控制变量代入模型进行回归，得到本地市场效应与要素禀赋的回归结果（见表3）。

表  3  木制家具细分品类回归结果

细分品类的贸易相对规模	lndY	lndK
带软垫的木制框架坐具	3.794***（1.255）	−1.334*（0.680）
其他木制框架坐具	0.958（1.097）	−0.567（0.642）
木制办公家具	2.937**（1.319）	−0.602（0.877）
木制厨房家具	3.142***（0.602）	−1.273***（0.379）
木制卧室家具	2.075**（0.952）	−0.588（0.499）
木制起居室/餐厅/商店家具	1.096*（0.587）	−0.306（0.357）
注：*、**、***分别表示在10%、5%和1%的水平上显著，括号内为标准误。

下载: 导出CSV 

| 显示表格

二   稳健性检验

为检验本地市场效应的稳健性以及中国木制家具贸易相对规模增长的内在动力，本文从3个方面对估计结果的稳健性进行了检验。第一，采用Driscoll等^[17]提出的标准误模型对模型（5）的固定效应进行重新估计^[17]，从而构建模型（7）。第二，将木制家具贸易相对规模的滞后1期作为变量，加入到差分GMM模型进行估计，得到模型（8），并且对工具变量进行萨根检验^[11]。第三，剔除异常样本点。剔除木制家具贸易相对规模数值低于2%和高于98%的样本，并采用固定效应模型重新进行回归，从而构建模型（9）。分析结果如表4所示。

表  4  本地市场效应的稳健性检验

解释变量	模型（7）	模型（8）	模型（9）
lndY	2.002*	2.452***	1.728**
lndK	−0.613	−0.804***	−0.426
lndF	4.484**	0.875	2.979**
lndD	1.304***	0.716***	1.099***
lndP	−0.856	−2.235	−0.961
lndE	−0.855	−0.864*	−0.688
滞后1期lndI		0.413***
Sargan		296.679（0.429）
R2	0.294		0.258
注：*、**、***分别表示在10%、5%和1%的水平上显著，括号内为P值。

下载: 导出CSV 

| 显示表格

三   回归结果说明

回归结果（表2 ~ 表4）显示，本地市场效应对中国木制家具的贸易相对规模具有显著的正向影响。其中，Hausman检验的结果表明，样本中存在异质性因素，这与描述性统计分析结果相一致，因此采用固定效应回归的结果更优。考虑存在内生性问题而采用工具变量回归的结果，也与固定效应回归结果基本一致。对于工具变量的有效性，Anderson检验、弱工具变量检验及萨根(Sargan)检验的结果表明，采用的工具变量是外生且有效的。调整回归模型和样本数据后的回归结果与前文相一致，表明回归结果具备稳健性。

1   中国木制家具行业存在本地市场效应

新贸易理论指出，本地市场效应存在，一方面需要具备规模较大的国内市场，另一方面要求产业具有较为显著的规模报酬递增属性^[1]。较大的国内市场需求能够促进产业规模不断扩大，同时由于产业具有规模报酬递增的属性，因此产业规模扩张后，产品的单位成本进一步降低，进而提升产品出口竞争力，促进产品出口。当前中国已经成为仅次于美国的世界第二大商品消费市场，2023年最终消费支出达70.1万亿元，占GDP的55.6%^[18]，这为本地市场效应的发挥创造了条件。在木制家具细分品类中，除了其他木制框架坐具品类，其余5类产品均表现出显著的本地市场效应，这也从另一个角度印证了本地市场效应在木制家具行业存在的普遍性。对于其他木制框架坐具品类，未检测到显著的本地市场效应，这可能与产品的特性有关。这类产品通常具有个性化和小众化的特征，难以符合本地市场效应理论中规模报酬递增的假设。

2   本地市场效应成为促进木制家具出口的主要动力

回归结果表明，本地市场效应对中国木制家具贸易相对规模的影响程度超越了资源禀赋优势，成为中国木制家具贸易相对规模增长的主要动力。这可能是由于中国人口老龄化程度提高，劳动力供给增速下降，社会平均工资水平不断提高，导致木制家具行业用工成本抬升，抑制了行业的劳动力比较优势。但是社会工资水平提高会使居民有能力消费更多产品，进而扩大国内市场规模，增强本地市场效应。另外，本地市场效应理论指出，降低贸易综合成本也可以增强本地市场效应^[9]，因此，通过改善交通、通信等基础设施，推进全国统一大市场建设，完善市场经济体系等举措，能够在降低贸易综合成本的同时进一步增强本地市场效应。最后，考虑到劳动力供给趋势在短期内难以发生改变，并结合上述分析可以判断：在今后一段时期，本地市场效应将替代传统的劳动力禀赋成为影响中国木制家具出口竞争力的主要因素。

3   木制家具贸易相对规模还受其他因素影响

实证结果显示，要素禀赋优势与被解释变量之间显著负相关，表明中国木制家具的出口产品中资本要素含量偏低，与瑞典、美国、芬兰等发达国家存在差距。中国木制家具产量虽然已经连续多年保持世界第一^[19]，但生产模式尚未完成从劳动密集向资本与知识密集的转型。从企业微观视角来看，中国木制家具行业多为民营中小型加工企业，这些企业属于轻资产公司，在发展过程中较难从银行获得贷款，因此不得不选择依靠劳动力优势的发展路径。在控制变量方面，森林资源禀赋和对外开放程度均与中国木制家具贸易相对规模显著正相关，这与变量选取部分的分析相一致；国民生活水平与中国木制家具贸易相对规模负相关，可能是由于国民生活水平提高会增加进口家具的消费，进而降低了本国木制家具贸易的相对规模。此外，固定效应回归结果与混合OLS回归结果在部分变量的显著性方面存在差异，这表明不同国家的异质性因素（如产业政策、经济体制）也影响着木制家具的贸易相对规模，这些有待后续深入研究。

本研究得出木制家具行业存在显著的本地市场效应的结论，与其他学者关于机电、文娱、冶金、塑胶、纺织等行业的研究结论相一致^[9,20-22]。部分学者早年没有检验出中国木制家具行业存在本地市场效应^[8]，可能是因为采用的计量方法存在不足，也可能是由于研究时间较早，彼时国内需求和消费水平较低，抑制了本地市场效应。

四.   结论与建议

基于1992—2019年中国与16个主要木制家具贸易伙伴的贸易数据，本文实证分析了本地市场效应和要素禀赋优势对中国木制家具贸易相对规模的影响。研究发现，中国木制家具行业普遍存在显著的本地市场效应，但其他木制框架坐具品类具有个性化和小众化的特性，缺乏规模效应，导致本地市场效应的影响在这一品类上并不显著。总体来看，本地市场效应已经超越了传统的劳动力禀赋优势，成为中国木制家具出口竞争力的主要来源，这一转变得益于国内消费市场规模的扩大以及综合贸易成本的下降。此外，劳动力禀赋、森林资源禀赋及对外开放程度均对木制家具贸易相对规模具有积极作用。关于国民生活水平、人口规模等因素对贸易相对规模的影响，仍需进一步的探索。

中国木制家具行业存在本地市场效应，这一动力机制的证实，为家具行业在劳动力成本上涨的背景下提升出口竞争力提供了新的发展思路。第一，培育内需市场。由本地市场效应的原理可知，内需扩大和消费升级是木制家具出口竞争力提升的动力之源。在居民收入持续增长、新型城镇化建设和消费升级的红利叠加下，家具业应树立“立足国内市场需求”的发展战略，产品研发以迎合本地消费者需求特征为前提，增强家具产品的营销推广，把握消费升级趋势，培育国内市场需求。政府可以借鉴促进家电消费的相关举措^[23]，通过发放消费券、推动产品下乡、加强消费政策宣传等助力本地市场规模的增长。第二，降低家具产品综合贸易成本。贸易成本的下降能够降低产品销售价格，促进市场需求增长，进而增强本地市场效应。家具业应重视电商渠道的开发，减少中间商环节，同时树立品牌意识，以降低消费者信息搜索成本和购买风险。政府可以进一步完善交通、互联网等基础设施建设来降低地区之间的物流及信息流成本，同时推进高标准市场体系建设^[24]，以降低运营过程中的制度成本^[25]。