第四节 经验分析方法与数据

一、经验分析方法

本章旨在考察中国频繁遭遇各国反倾销的原因，由于反倾销措施具有极强的行业特征，因此我们构建了跨国、跨行业、多年度的混合数据，深入到行业层面考察中国遭遇反倾销的动因。相比于以往文献，我们的经验分析包含了更为丰富的内容，对四项指标的影响因素进行考察：一是在特定年份，某一国家是否针对中国某一行业的商品发起反倾销调查；二是在特定年份，某一国家针对中国某一行业的商品发起反倾销调查的案件数量；三是在特定年份，某一国家针对中国某一行业的商品发起的反倾销调查中被确认存在倾销的案件数量；四是在特定年份，某一国家针对中国某一行业的商品发起的反倾销调查中被确认构成损害的案件数量。

描述是否发起调查的变量 (Initiation)是一个0-1变量，因而我们使用Probit方法进行估计，以考察其影响因素；为了检验结果是否稳健，我们也使用了Logit方法进行估计。对华反倾销案件数量 (Number)、确认存在倾销案件数量 (Dumping)，以及确认构成损害案件数量 (I nj ur y)均为非负整数，因而我们使用计数 (Count)模型进行估计，泊松 (Poisson)模型和负二项 (Negative Binomial)模型均被采用，以检验结果的稳健性。对于所有四个被解释变量，我们都用单方程估计，具体地，计量模型的形式如下：

(1-1)式中，F 为累积标准正态分布，X 为一国是否对华发起反倾销调查的影响因素向量。(1-2)式、(1-3)式和 (1-4)式分别表示反倾销案件数量、确认存在倾销案件数量和确认构成损害案件数量的条件期望，它们服从泊松分布或负二项分布，Y、Z、W分别为这三个变量的影响因素向量。A＇、B＇、C＇和D＇分别为系数矩阵。ε1、ε2、ε3和ε4分别为四个方程的残差项。下标i表示申诉方，j 表示特定行业，t表示特定年份。

二、变量选取及数据描述

(一)数据涵盖范围

四个被解释变量均来自于Bown教授建立的全球反倾销数据库，该数据库包含WTO主要成员方反倾销的各方面信息，特别是提供了涉案商品的编码协调制度 (HS)代码，便于我们将涉案商品归并到所属行业之中。我们按照通行的做法，将全部商品按照HS两分位编码，分成20大类 (行业)，具体类别如表1-2所示。

全球反倾销数据库中的记录与WTO发布的反倾销记录存在差异。正如Zanardi (2004)所述，WTO成员方不一定把全部反倾销案件向WTO汇报，因而WTO的记录并不全面。Bown教授建立的全球反倾销数据库是直接根据各国的反倾销主管部门发布的信息整理而成的，因而比WTO官方提供的数据更为全面，这是我们选择该数据库中的数据进行经验分析的原因。

由于纳入了与WTO运行相关的变量，因此我们选取的考察期从WTO成立之年开始；由于全球反倾销数据库仅提供2004年以前 (含2004年)的数据，所以本章的考察期也到2004年为止；出于获得一期滞后值的需要，本章将考察期定为1996年至2004年。

在选取申诉方方面，我们主要考虑一国或地区的反倾销案件总数及对华反倾销案件数量占其全部案件的比重。表1-1中所列的16个经济体，在WTO成立之后，均是反倾销措施的积极使用者，并且发起的对华反倾销数量较大，最终导致征税的比例较高，因而我们选取这16个经济体为考察对象。

这样，本章的计量模型运用的是包含三个维度的混合数据，这三个维度分别是年份、国家和行业，因而基准模型中包含9年、16个经济体、20个行业的2880个观测值。

(二)变量的选取及说明

根据理论框架，我们选取了五类解释变量。

第一类解释变量是宏观经济变量，宏观经济变量包括一国从中国的进口额 (Cim)和实际汇率 (Exchange)。本章的进口额是分行业的数据，申诉方某年从中国进口的某一类商品的价值为一个观测值，与申诉方该行业在当年对中国的反倾销状况相对应。由于进口金额普遍较大，因此我们对其取了对数，这样对进口额进行非线性压缩，不仅能克服异方差，而且能克服进口额与汇率高度相关而引发的多重共线性。各申诉方各行业从中国的进口额来源于联合国Comtrade数据库。由于从中国的进口激增是引发反倾销调查和确认中国商品存在倾销与损害的主要原因，所以我们预期lnCim的系数为正。Exchange为各年度申诉方货币对人民币的实际汇率，即一单位外国货币所能兑换的人民币数量，其增大表示人民币贬值。由于汇率对进口变化和倾销裁定的影响存在滞后性，所以我们选取了案件提出前一年的实际汇率纳入计量模型。Feinberg (1989)、Knetter和Prusa (2003)分别从不同角度证实了汇率对反倾销具有相反的影响作用，所以我们预先无法判断Exchange的符号。实际汇率的数据来源于美国农业部的经济研究服务网站。

第二类解释变量是申诉方的其他各种特征：一是申诉方是否为反倾销的传统使用者 (Tradition)；二是申诉方当年的反倾销案件总数 (Cases)。Tradition为一个虚拟变量，传统使用者赋值为1，其余为0，根据Zanardi (2004)的描述，我们将美国、欧盟、加拿大、澳大利亚和新西兰设定为传统使用者。由理论框架可知，Tradition的预期符号不确定。Cases的数据为作者根据全球反倾销数据库整理而得，我们预期它同对华反倾销案件数、确认存在倾销及损害的案件数量呈正相关关系。

第三类解释变量是与WTO运行相关的两个变量，即各经济体在各年度的关税减让幅度 (Concession)和各国参与FTA的数量 (FTA)。Feinberg和Olson (2005)使用了Finger等 (1996)计算的各经济体在乌拉圭回合中承诺的关税减让幅度，用这一幅度乘以时间的对数值作为解释变量，发现关税减让幅度同发起反倾销的概率显著正相关。在定义Concession时，我们改进了Feinberg和Olson的方法，先从经济合作与发展组织 (OECD)官方网站查到了各经济体各年度的实际关税率，再求出各经济体从1980年至1994年之间的平均关税率，最后用1996至2004年各年的关税率与其相减，从而得到了实际减让幅度。我们预期Concession的系数将为正。变量FTA是首次在反倾销文献中出现的变量，我们从WTO官方网站查到了世界全部FTA的信息，整理得到各个申诉方在特定年份参与的不包含中国的FTA数量，我们预期各国参与FTA的数量同对华反倾销案件数量、确认存在倾销及损害的案件数量正相关。

第四类解释变量是反映中国反倾销报复能力的变量，我们选取了上一年中国发起的反倾销调查数量 (All)和上一年中国对申诉方同类商品是否发起调查 (Retaliation)。这两个变量均来源于全球反倾销数据库。需要指出的一点是，中国在1997年才开始有对其他经济体的反倾销记录。由于中国的报复能力将遏制其他经济体对华的反倾销行为，因此我们预期这两个变量的系数为负。

第五类变量是贸易偏转，我们纳入变量Deflection来检验是否存在Bown和Crow-ley (2007a)提出的反倾销措施的贸易偏转效应。具体地，Deflection等于上一年度世界各经济体除申诉方之外针对某一行业的全部反倾销案件数量。数据来源于全球反倾销数据库，我们预期该变量的系数为正。

各个变量的含义、描述性统计和预期符号被列于表1-3之中。