凡是搞计量经济的，都关注这个号了
稿件：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
正文
以下文字作者：程继鹏，德克萨斯大学奥斯汀分校经济系，通信邮箱：chengjp@utexas.edu
Timothy J. Kehoe, Pau S. Pujolàs, and Jack Rossbach, 2017, Quantitative Trade Models: Developments and Challenges, Annual review of economics.Applied general equilibrium (AGE) models, which feature multiple countries, multiple industries, and input–output linkages across industries, have been the dominant tool for evaluating the impact of trade reforms since the 1980s. We review how these models are used to perform policy analysis and document their shortcomings in predicting the industry-level effects of past trade reforms. We argue that, to improve their performance, AGE models need to incorporate product-level data on bilateral trade relations by industry and better model how trade reforms lower bilateral trade costs. We use the least-traded-products methodology of Kehoe et al. (2015) to provide guidance on how improvements can be made. We provide further suggestions on how AGE models can incorporate recent advances in quantitative trade theory to improve their predictive ability and better quantify the gains from trade liberalization.
摘要：自上世纪八十年代以来，以多国、多产业及产业间存在产出投入联系为特点的应用一般均衡(Applied General Equilibrium，后称AGE)模型已经成为评估贸易改革影响的主要工具。本文回顾了这类模型是如何用于政策分析，并指出了他们在预测此前贸易改革的影响中产业层面(industry-level)影响上的不足。本文认为，为优化其评估效果，AGE模型需要纳入双边贸易关系中各个产业的产品层面(product-level)数据，并且也要在模型中考虑到贸易改革是如何降低双边贸易成本的。本文运用了Kehoe et al.(2015)中的最少贸易品(Least-traded-products，后称LTP)方法提供了改进AGE模型的一种思路。本文也提出了进一步的建议，即AGE模型可以通过纳入近期量化贸易理论中一些新的发展和结论以提升模型的预测能力，从而更好地定量研究贸易自由化的益处。1 引言
自上世纪八十年代以来，AGE模型(有时也称为可计算一般均衡模型)已经成为评估贸易政策变化对经济体影响的可选工具。AGE模型原本被定义为任何在研究者通过校准其系数后能解出其数值解的一般均衡模型，现在则有了区别于其他量化贸易模型的更显著的特点：能够建立包含多产业、多国的模型，且能够体现产业间的投入产出(Input-output, 后称IO)联系。在最近的几十年间，计算能力和数据可获得性的提升使得建立和使用这类模型的成本越来越低，这也进一步强化了AGE模型作为评估贸易政策效果的标准方法的地位。而且，AGE模型中在生产结构方面的细致建模和产业间的联系也使得该模型能够预测产业层面产量和贸易流量(trade flows)是如何应对贸易改革而变化的，而这些产业层面的变化正是不同贸易政策所关注的核心。尽管AGE模型始终保持着在政策分析上的主流地位，但其理论方面的发展在今年已经大为延缓，这主要是因为研究者们大多将注意力转移到了企业层面(firm-level)的数据及相关的模型上面。因此，本文的一大目的就是指出AGE模型本身仍有可改进之处，尤其是基于AGE模型在过去预测贸易改革对产业层面的产量和贸易流量影响时效果并不理想这一情况。本文认为AGE模型的可以通过两个的改进来极大提升其预测能力等效果，这两个改进也都要求着理论和实证双方面上的改进。首先，我们需要对进口和国内产品间相互替代的理论机制进行改进，同时也运用微观数据来实证这一替代的程度大小。从AGE模型建模角度来说，即更好地测量Armington弹性。关于这一方面如何进行改进，本文运用了Kehoe et al.(2015)所提出LTP方法来进行体现，这一方法关注了各个产业内产品层面的双边贸易数据。其次，我们也需要改进对于贸易改革如何降低双边贸易成本的理论建模和实证测量。本文主要围绕三个主题来进行讨论。首先，在第2部分和第3部分，本文回顾了AGE模型的发展和使用方法，并且概述了如何运用该模型来研究贸易政策改革的经济影响。其次，在第4部分，本文回顾且详述了关于评估AGE模型在预测历史上的贸易改革效果的研究，并且指出了这些模型在预测产业层面产量及贸易模式受到贸易改革冲击后的变化上的失败。特别地，本文发现了在贸易自由化前存在贸易但量非常小的商品的贸易量在贸易自由化后会得到比模型所预测到的更大的贸易量提升。最后，在剩余的部分中，本文讨论了近期贸易理论的新进展并评估了将其纳入AGE模型后对于上述缺点的改进程度。本文关于AGE模型的观点在整体上仍是非常乐观的。尽管本文模型显示AGE模型在预测哪个产业将在贸易自由化后得到最大扩张上表现不佳，但贸易理论自AGE模型出现以来已经取得了长足发展。本文认为，如果能够将这些发展纳入到AGE模型架构中，则能够提升其用于政策分析时的精准度和可靠程度。作者同时建议AGE模型的使用者们应经常本文所采用的方法来对模型表现进行评估，以求了解模型预测效果和明确未来改进方向。2 AGE模型的发展及运用
AGE模型在国际贸易领域的黄金发展时期出现于上世纪八十年代早期到九十年代中期之间。正如Kehoe & Prescott (1995)所解释的那样，“AGE分析可定义为利用根据数据校准后一般均衡模型进行数量分析的分析方法：一个AGE模型是一国经济体或多国经济体的计算机模拟，每个经济体模型都包含了消费者、生产者，或许还有一个政府”。在国际贸易领域，AGE模型被广泛运用于定量估计政策改革的经济影响，尤其是贸易自由化政策的影响。Dervis et al. (1982)和Shoven & Whalley (1984)回顾了早期的AGE文献，而Whalley (1985), Shoven & Whalley (1992)以及Kehoe & Kehoe (1994)则说明了如何运用AGE模型评估贸易自由化影响。一个典型的国际贸易AGE模型包含相互贸易的各个国家；每个国家拥有多个产业，各个产业间通过IO结构联系。在每个产业中，将资本和劳动结合在一起(通常运用柯布-道格拉斯技术函数)以体现产业的增值过程。这一点也往往与来自于其他产业的中间品投入相结合(通常利用给出一个对应的固定系数的建模方法)以体现产业的总产出。每个国家都存在一个代表家庭(representative household)最大化其效用函数(通常为位似函数)，这一函数基于消费者在各个产业、公共产品以及投资品上的消费。家庭利用其出租给企业而获得的劳动和资本收入以及源于本国关税的再分配收入来进行消费。最终，模型还会通过市场出清条件来确定模型的工资和商品价格变量。需要明晰的是，学者们建立AGE模型的根本目的是为了复现所关注国家数据的关键特征。譬如，在效用函数中引入投资商品就使得静态模型能够体现投入产出表中的投资项。类似的，所建立的模型也必须复现出大多数产业的商品都是同时存在进口和出口这一事实；而引入与Armington设定(Armington, 1969)一致的个人效用和生产函数就能够让模型体现这一事实，同时保留其能够模拟出各个产业间不同的替代弹性这一特点。随着AGE模型的不断发展，关于贸易的学术研究整体上呈现出一种复兴传统的态势。随着Grubel & Lloyd (1971)开创性的工作，贸易理论从基于完全竞争框架转向了基于不完全竞争框架和规模经济来开展研究。Krugman (1980)利用Dixit & Stiglitz (1977)的偏好框架构建了第一个垄断竞争模型以解释国际贸易。Harris (1984)将这些理论创新融入了一个体现加拿大经济的小型开放经济体AGE模型，这一模型随后被Smith & Venables (1988)用于研究基于欧洲单一市场即将形成这一初步判断上，移除欧共体内部贸易壁垒的影响。这些研究都体现了将贸易理论发展嵌入AGE模型以更好理解政策改革后果和回应政策制定者关注的问题这一长期传统。许多AGE模型取得的卓越成果都来自于关于北美自由贸易协定(North American Free Trade Agreement，后称NAFTA)影响的研究；在NAFTA被履行的1994年，NAFTA是当时世界上最大的自由贸易区。举例来说，第一个纳入Dixit & Stiglitz (1977)偏好形式的AGE模型是由Brown & Stern (1989)建立的，其使用该模型评估了NAFTA前身美加自由贸易协定(Canada–US Free Trade Agreement, 后称CUSFTA)对于消费者福利的影响，尤其是关注了消费者接触到了更多的产品种类这一点在其中的作用。Kehoe & Kehoe (1994)进一步强调了NAFTA的成立在AGE建模上的促进作用，其比较和总结了包括Brown et al. (1992), Cox & Harris (1992), Markusen et al. (1995)和Sobarzo (1995)在内的诸多研究NAFTA影响的文献在建模上的贡献，在NAFTA之后，学术界关于使用AGE模型评估贸易改革效果的热情逐渐褪去，而政策分析者却仍然倚重这一模型。举例来说，Narayanan et al.(2016)回顾了政策制定者在评估几个最近的贸易协定时的建模策略，进一步证实了AGE模型在政策评估中的主流地位。事实上，AGE模型在学术研究中的冷门化和其在政策制定方面的火热这一对比正是驱使作者写作本文的关键因素。AGE模型在两个领域的不同境遇似乎体现了其成功，即似乎AGE模型本身已经不再需要作出更多改进了。然而，本文的第4部分说明了这一认识是错误的。Kehoe et al.(2015)的研究揭示了AGE模型在确认贸易自由化将有利于哪些产业这一问题上的失败，而这一点可以算是运用AGE模型分析贸易政策问题的首要目的。作者同时也指出，这一点并不代表政策制定者应当放弃AGE模型，毕竟目前还没有解决类似政策问题的替代选择。因此，本文力图呼吁研究者应当重新拾起将贸易理论其他领域的发展纳入到AGE建模这一传统。在接下来的部分，本文描述了AGE模型在实践中是如何运用的，其表现应当如何评估和如何提升其表现。3 使用AGE模型预测贸易改革的产业层面影响
在改进AGE模型表现时，我们必须要明确哪些因素在其中发挥了关键作用。Kehoe et al. (1995)关于西班牙税制改革影响和Kehoe (2005)关于NAFTA影响的研究都评估了基于不同模型设计和不同校准机制的AGE模型的预测能力。其结论显示，不同的模型设计和校准机制对于AGE模型的评估结果改变影响甚微，即这两点并非影响AGE模型表现的关键因素。这一结论的重要性在于，其强调了用于评估AGE模型表现的方法应该能够适用于一大类模型中，而非只能局限地应用于某个模型上。这同时也引出了一个问题：如果有着不同机制的AGE模型的表现都已经相似了，那我们又该在何处着手以提升其表现？答案在于两点：出于预测目的使用AGE模型时，我们需要确保模型设定能够使模型参数变化正确地反映贸易改革的措施，即在模型中引入了能够反映冲击的正确机制和能够反映给定参数变化的正确弹性。出于理解AGE模型估计冲击和弹性背后机制的需要，本文将首先讨论AGE模型的结构及其对于参数的校准。3.1 AGE模型的建立与校准
AGE模型中校准系数(除去政策冲击和弹性，这两项将在后文讨论)的标准方式是在体现的各变量间关系的模型均衡基础上利用给定基期的数据来确定系数值。这意味着模型需要与基期数据相匹配，且模型的许多参数都可通过国民经济核算和IO数据来直接估计得到。生产要素的总供给可通过将各要素的基期价格标准化为1并将劳动力、资本及中间投入品的供给设为与从国民经济核算中得到的对应要素报酬相等来得到。效用函数和生产函数则通常设定为柯布-道格拉斯形式或固定系数形式以求能够直接从投入产出表中校准要素和需求强度的数值。Kehoe & Kehoe (1994)的研究可作为一个范例，其展示了如何利用一个三产业投入产出表来校准基于不同的竞争和规模收益框架下的AGE模型。投入产出表数据传统来源包括各国的国民经济核算(比如美国经济分析局制出了一系列的美国投入产出表)和经合组织(OECD)记录OECD成员国相关数据的Structural Analysis(STAN)投入产出数据库。这些数据集往往只包含了部分国家，且不同数据集在编制方法上的不同也阻碍了研究者的使用。相比之下，作者更为推荐由Timmer et al.(2015)所引荐的World Input-Output Database(WIOD)和由Hertel(2013)所引荐的Global Trade Analysis Project(GTAP)这两个数据库，因其都包含了更多的编制方法一致的投入产出表，以便研究者进行比较研究。根据AGE模型中的Armington specification, 同一产业中不同国家的产出也是不同的(如德国制造的车有别于日本制造的车)，这一点保证了生产者在生产最终产品时将同时使用国内和国外的中间投入品，而消费者将同时消费国内外的最终产出品。然而，IO的相关数据往往不能为研究者提供关于进口中间投入品为哪个产业所用的问题；譬如我们可以知道美国从加拿大进口的机器数量，但我们并不知道这些机器被用于了哪些产业或行业。为了在建模上避开这个问题，同时也为了避免模型过于复杂，不妨假设投入品在用于投入生产前首先组合成了一个复合(composite)商品。对照例子来说，就是假设美国从各个国家进口的机器都通过Armington aggregator组成了一个复合机器，并将这一复合机器按照此前所确定的生产函数来作为投入品应用于美国其他行业的生产。基于这一假设的模型不但不失一大类模型所共有的许多性质，而且也变得更易于校准。Armington aggregator是一个将各国的同一类产品产出量结合到一个加总指标的CES函数，其形式如下：
其中，是国家从国家进口的行业产出品，则是国家中所有的行业产品的总量，既可用于消费也可用于中间投入，而则代表着每种产品的相对需求。该CES函数的弹性，，即所谓的Armington弹性；其决定了不同国家产品间的区分度，也在决定贸易流量和消费行为是如何收到生产力参数和贸易成本影响方面起到了关键作用。由于Armington弹性无法直接通过投入产出表和国民经济核算数据校准得到而是要通过关于贸易流量受到贸易成本变化冲击后如何变化的跨期数据来得到，故AGE模型通常直接引用来自于贸易领域文献中的弹性数值。一旦给定Armington弹性的数值，份额参数即可通过使模型与观测到的实际进出口支出份额相匹配来进行校准。Armington弹性可通过多种方法校准或估计得到，比如基于一个与Armignton模型相似但对于弹性有其他解释、可利用已知数据进行弹性估计的模型来进行校准。但目前来说，学界对于Armington弹性尚未有一个统一的校准或估计策略。就本文而言，作者在第4部分第2小节评估了从基于已有文献中Armington弹性的AGE模型且指出该模型在预测受到贸易自由化冲击后产业层面的贸易流量变化上并不理想。作者也提供了关于改进Armington弹性的估计可以提升AGE模型的表现的证据，同时在第5小节讨论了最近的贸易理论创新可以被如何运用于解决该问题。因为大部分的AGE模型是静态的，贸易不平衡的加总往往在模型中被设定为外生参数，其数值根据对应的实际数据所得到。尽管总体的贸易不平衡是外生给定的，更为具体的各产业及双边贸易不平衡却可在模型中内生体现。举例来说，一个描述美国经济体的AGE模型将会被给定一个总的贸易逆差值，但各个国家的对于美国的双边贸易逆差值和美国各个行业的净出口值却并不会被给定。尽管在静态模型中很难将贸易不平衡的总和内生处理(或者将存在国际借贷的模型中的经常账户不平衡内生处理)，但Dekle et al.(2008)和Kehoe et al.(2013)的研究仍然显示去除经常账户不平衡的加总可能会引起一个较大的贸易和非贸易产业间的再分配效应，即使此时实际GDP并不受影响。”本土偏好(home bias)“也是一个在AGE建模中值得关注的问题。作为一个可靠的实证结果，本土偏好指消费者更倾向于消费同种产品中的国产商品而非进口商品，以及生产者也更倾向于使用本国的中间投入品。这一现象一般归因于贸易成本和其他贸易壁垒的存在(Obstfeld & Rogoff, 2001)，但这一关联并未直接地体现于AGE模型中。AGE模型一般通过Armington aggregator中的份额参数来体现本土偏好，即假设本土偏好的存在单纯决定于偏好结构和生产技术。这一建模的策略问题在于其无法模拟本土偏好如何受到贸易政策的影响。最新的研究已经开始在建模中解决这个问题，主要包括两个研究：Hanson & Xiang (2004) 通过建立一个产品差异化内生模型来使得本土偏好的产生源于产业间运输成本的变化；Yi (2010)则考察了垂直关联(vertical linkage)和分散化生产(production of fragmentation)在引起本土偏好中的作用。此外，Wolf(2000)还指出本土偏好也存在于省级/洲级层面上。随着对于本土偏好的了解逐渐深入，研究者们已逐渐放弃Armington specification转而直接建立能够通过贸易成本变动引起本土偏好的模型。Corsetti et al. (2007)的研究提供了一个例子：在其模型中通过贸易成本引起的本土偏好会在定量上显著影响宏观经济冲击的传导和福利效应。关于贸易成本本身取得的一个进步则是在校准时直接估计模型推导所得贸易成本(model-derived trade costs)而非借用如关税等贸易壁垒的数值作为参数值。然而，值得注意的是，模型推导所得贸易成本的估计方法仍然没有完全解决需要将本土偏好体现于偏好结构和生产函数中这一问题。这是因为这些方法往往无法确定贸易成本的确切组成，或着说无法确定贸易成本随贸易政策变化而变化的程度。因此，即使利用模型推导所得贸易成本作为校准对象是一个正确的方向，但仍需改进其估计方法以求更好的应用于AGE建模中。最后，政策参数(policy parameter)也是一组必须要进行校准的参数。这些的参数的重要性体现在模型可通过改变其数值来做反事实分析。尽管原则上任何外生参数都可改动，但就国际贸易领域而言，一般是将税收、贸易成本以及行业生产力参数作为政策参数。在用于评估贸易政策效果的AGE模型中，关键的政策参数一般是关税和贸易成本，体现为模型中各国关税数值统一调低、完全移除所有关税以及在可行的情况下将关税参数从最初校准的水平调整为改革后预估达到的水平以进行反事实分析。尽管AGE模型通常将贸易政策的改变设置为外生，但仍然有大量文献研究了关税和贸易政策的内生性以及关于如WTO之类的国际组织的政治经济学。Bagwell & Staiger (1999)解释了WTO的两个关键原则即互惠原则和非歧视原则在抑制贸易条件外生性及其衍生的囚徒困境方面的作用，这两点在各国单边设置关税时会内生地引起高筑贸易壁垒的现象。同时，也有大量的理论文献检验了关税和补贴是如何与一国产业结构相互影响的。例如Broda et al. (2008)讨论了市场力量和集中是如何影响一国最有关税率的，Costinot et al.(2015)则研究了比较优势是如何影响最优关税的。另一方面，Demidova & Rodriguez-Clare (2009)指出出口补贴将引起生产率提高。这些相关的研究都揭示了所观测到的实际关税包含了比单纯的关税率本身更多的信息。Baier & Bergstrand (2007)的研究显示在引力模型框架下，内生化贸易政策能够将所估计的自由贸易协定对贸易流量的影响放大五倍。然而，AGE模型却极少考虑到这一类信息，这也从而成为AGE模型的一大有待改进的缺陷。3.2 贸易改革落于何处：关税与贸易成本
AGE模型中的关税参数可通过两种方法进行校准。第一种方式是通过关税收益方面的数据来计算关税率，示例如Kehoe & Kehoe (1994)。这种方法的好处在于能够使模型所预测的关税收益与国民账户数据一致。此外，模型中关于对各种产品施加一样的关税这一点往往是不符合现实的。为了解决这一问题，作者指出我们可以根据联合国贸发会的Trade Analysis Information System(TRAINS)数据库中的关税率数据来校准出模型中的产品层面或产业层面的关税率。TRAINS数据库包含了基于六位HS编码分类的各类商品的双边关税率，且也提供了基于其他分类系统或不同层级的关税率估计值。实际中的关税协定，包括由WTO安排或其他各类双边和多边贸易协定，通常是通过设定关税率的最大值而非要求降低多少关税率来进行关税削减。实践中，这些最大值往往并不具有约束力。Maggi & Rodriguez-Clare (2007)在模型中使用了关税率最大值而非关税率本身从而可以在模拟出在一次性的大规模削减关税后继续逐渐削减的情况。因此，我们运用应用有效关税率(effectively applies tariffs rates，一般是不同贸易协定中所规定的最小的关税率上限)在AGE模型中对关税率进行校准。由于应用有效关税率是从价的，这类关税率可以以消费者和生产者的税收楔子的形式嵌入到AGE模型中。现今，绝大多数的国家已经是WTO的成员国，而降低关税所带来的好处也已在过去的30年中所显现。因此，除去AGE模型外的众多贸易模型已经将贸易成本而非关税设定为贸易政策所影响的目标。正如Samuelson (1954)所指出，冰山贸易成本(Iceberg trade costs)与关税在AGE建模上几乎只有一个区别：关税所得收益将会回馈给政府部门或消费者部门，而冰山成本将无此后果。正如Felbermayr et al. (2015)定量证实的那样，因为不再存在关税收益的损失，故削减成本将比削减关税有着更大的贸易自由化收益。相对于关税而言，非关税成本是一个更难定义也更难在数据中观测到的变量。一个例外是在国际贸易中由海运公司所收取的运输成本费用。最近的研究已经开始使用与此相关的数据(Adao et al. 2015, Shapiro 2016)。然而，其他研究(McCallum 1995, Wolf 2000)运输成本似乎并不构成能观测到的运输成本的主要部分。最近的研究也强调了运输成本的内生性及其会随关税变化而变化的特点。这一系列研究也显示传统的贸易成本的衡量变量如距离与运输成本并无太大相关性。还有许多东西也包含在了贸易成本中，包括非关税贸易壁垒和限制性政策(Dean et al. 2009, Goldberg & Pavcnik 2016)，扩张市场所需的额外营销成本(Arkolakis 2010)，运输成本(Limao & Venables 2001)，运输时间(Hummels & Schaur 2013)，汇率套期保值成本(Allayannis & Ofek 2001)以及为开拓国外市场所需的固定成本(Krugman 1980, Melitz 2003)。还有一些更为隐蔽但仍可在模型中模拟的贸易成本，如信息不对称(Allen 2014)和信贷约束(Manova 2013, Leibovici 2015, Kohn et al. 2016)。Anderson & van Wincoop (2004)对此提供了更为详细的综述。当然，此处所提到的贸易成本种类远非全部，但上述的列举体现了根据数据直接衡量非关税贸易成本的困难，从而限制了AGE模型在这方面的使用。因此，研究者通常不使用通过数据直接校准得到的贸易成本参数，而是使用与估计生产函数强度时所用的相同理论模型均衡方程来间接校准它们。Anderson & van Wincoop (2003)由基于Armington模型引力模型回归估计了美加边境所引起的贸易成本。同时，使用模型推导所得贸易成本而非从数据中直接观测到的贸易成本也在研究经济一体化问题中发挥了重要作用(Donaldson, 2015)。如Comerford & Rodriguez-Mora (2015)以此方法研究了苏格兰(意欲脱离英国独立)和加泰罗尼亚(意欲脱离西班牙独立)地区独立的成本，Ottaviano et al. (2014) 以此方法研究了英国脱欧的经济影响。在这些类型的研究中，引力模型回归方程中代表经济一体化虚拟变量的系数即为经济一体化引起的贸易成本变动效应的估计值。然而，这一方法显然忽视了经济一体化决策本身的内生性；而且，由于上述的独立等去一体化行为很少发生在发达经济体，使得我们很难有足够的真实数据来判断相关预测是否精准。在过去的几十年中，关于通过引力模型校准模型推导所得贸易成本和弹性的许多方面都取得了长足进展。如由Head et al. (2010)所引荐的CEPII引力模型数据库包含了许多使用引力模型时所需的数据。同时，关于如何估计由理论模型所得的均衡方程的方法也得到了不断发展。Egger (2000)指出引力方程最好使用面板数据进行估计，而Santos Silva & Tenreyro (2006)则提供了一种无需取对数且避免了詹森不等式(Jensen's inequality)所引起偏误的估计方法。Head & Mayer (2014) 则详述了关于引力方程估计的进展。尽管一般做法是使用一国贸易流量总和来估计贸易成本，但Irarrazabal et al. (2015)使用了企业层面贸易数据进行了贸易成本的微观层次估计，同时也关注了将贸易成本设定为乘数的定量含义。另外，尽管贸易成本通常假设为国与国之间对称，但Hummels et al. (2009)和Waugh (2010)认为贸易成本实际上是不对称的，并随贸易国的收入水平而变化。经济史学研究表明，传统的贸易成本代表如关税在近些年已大幅减少，许多国家和产品的关税甚至已经趋近于0，但若根据理论模型所衡量出的贸易成本仍旧不小。Jacks et al. (2008)的研究估计了1870年至2000年间双边贸易成本的大小， Jacks et al. (2011)则表明这一时期贸易成本的变化与贸易流量的总变化有强烈的相关性。Estevadeordal et al. (2003)研究了运输成本、关税和金本位制能够在多大程度上解释1870至1939年间世界贸易总额变化。Donaldson(2017)则以地区间价格差异作为贸易成本的代理变量研究殖民时期印度由铁路建设所引起的运输成本下降。尽管AGE模型在评估和校准贸易成本方面的进展使模型变得更为有用，但如何将这些进展用于通过AGE模型预测贸易改革效果仍然是一个难题。对于政策执行后的贸易成本，可以通过引力模型估计并通过将数值代入模型以检验模型是否复现了实际数据。但对于尚未执行的政策来说，预测其对贸易成本的影响就是不可能的。总的来说，虽然如税率表(tariff schedules)变动等贸易成本的变化是很容易预测到的，还有一些贸易成本的变化可以通过引力模型进行估计，但预测政策效果仍然就需要AGE模型校准方法的进一步改进。4.评估AGE模型的实际表现
作为政策分析的重要工具，AGE模型的预测能力自然是本文所关注的重点。评估AGE模型预测能力的主要方式就是通过对比其预测结果和实际改革后的效果之间的差距。在评估AGE模型表现过程中，首先要面对的一个问题就是应当如何处理改革发生作用后相关数据受到了改革之外因素(尤其是这些因素并未纳入到模型中)干扰的情况。一个策略是将改革前后的数据变化分解为受贸易改革影响的部分和不受贸易改革影响的部分，然后将受改革影响的部分与模型预测结果来对比。这一策略的缺点在于这种分解往往无法实现，尤其是无法清晰识别除改革外的外生冲击是什么的情况下更加没有可行性。当然，若外生冲击可以被识别，则完全可以通过在模型中纳入这些因素来提升模型进行反事实分析的能力。如Kehoe et al. (1995)就是在研究西班牙税制改革时在模型中引入了世界油价大跌和干旱引起的农业生产率降低这两项外生冲击从而提升了其预测表现。另一个方法则是给定一个基准模型，通过比较新模型与基准模型之间谁的预测结果与实际数据更加匹配来确定其表现。这也是Kehoe et al. (2015)使用与后文即将采用评估AGE模型表现的方法。此外，这一方法也能够帮助研究者认识到基准模型的不足及进一步的改进方向。4.1 以往是如何评估AGE模型的
NAFTA是一个能够用于检验AGE模型预测能力的经典实例。NAFTA成员国的平均有效应用关税率从NAFTA成立前的9%降为了成立后的趋近于0，且NAFTA成员国都是彼此的重要贸易伙伴。此外，AGE模型也是当时政策执行者用于预测NAFTA影响的主要工具。Fox (1999), Kehoe (2005), Shikher (2012), 和 Kehoe et al. (2015) 的研究都发现AGE模型在预测NAFTA对于产业层面的双边贸易流量影响上的失败。事实上，这些模型在很多方面都做出了与事实相反的预测。这显然是个大问题：如果AGE模型在预测现代历史上效果最为显著的贸易自由化协定之一——NAFTA——的影响上都失败了，那么其用于政策评估的可靠性就要大打折扣了。作者同时强调，这些研究仅仅讨论了AGE模型在预测NAFTA影响上的预测准度与精度，并不涉及是否支持或反对NAFTA，关于后者的讨论可见Burfisher et al. (2001)。那么，为何AGE模型在预测NAFTA影响上表现的如此之差？尽管文章并未得到确切结论，但作者检验了AGE模型在预测其他贸易自由化政策影响上的表现，同时也通过检验AGE模型中尚未纳入的数据特征来考察AGE模型在应用中的具体缺陷。值得注意的是，也许AGE模型的失败仅仅局限于其对于贸易改革的评价，但模型在预测其他类型的政策改革时仍然有较好的表现。如Kehoe et al. (1995)运用AGE模型很好地预测了西班牙税制改革对于产业层面产出和价格的影响。因此，作者认为AGE模型在贸易政策预测上的失败有部分原因可以归为对忽视了产业内产品层面的贸易，尤其是忽视了对于扩展边际(extensive margin)的衡量。下述的几项研究揭示了关于分解后的贸易流量(disaggregated trade flows)的信息在增进模型预测总贸易流量能力上的重要性。Rmalis (2007)基于AGE模型的研究显示，NAFTA成员国间贸易量的大幅上升主要是源于NAFTA内部贸易替代了原本成员国与非成员国间的贸易。Romalis也进而强调了识别贸易政策带来的冲击、正确估计贸易弹性以及利用分解数据研究两类边际的重要性。Trefler (2004)的研究则显示根据CUSFTA协定大幅削减了关税的行业都出现了工厂生产率大幅上升的情况，并伴随着低生产力工厂的大幅裁员。Hillberry & McDaniel (2002)的研究则显示美墨贸易的主要增长源于那些此前没有进行贸易的商品。Kehoe et al. (2015)则指出在AGE模型中纳入扩展边际因素能够提升其预测表现，这也是后文将要进一步考察的地方。扩展边际没有在AGE模型发展之初体现于其中的一个原因是当时缺乏对应的理论基础，但近15年来的理论发展已经考察了贸易政策是如何影响扩展边际这一问题，许多理论创新也考察了在AGE模型中如何通过弹性来体现扩展边际的变化。基于现有AGE模型对NAFTA影响预测不佳的事实，作者也提出必须要考虑两个问题：这一缺陷是否仅存在于此前的特点模型中？现在所广泛运用于政策分析的AGE模型是否已经克服了这一缺陷？也许AGE模型确实已经得到了改进，一个证据是AGE模型中的弹性估计方式的计量经济学基础已经得到了改进。McKitrick (1998)质疑了AGE模型早期运用中函数形式假设与计量结果的匹配程度，而Hertel et al. (2007)则指出AGE模型建模方法的改进已经部分乃至于完全地打消了几个关于计量方面的顾虑。4.2 评估GTAP模型
为了回答前文所述第二个问题，本文选择比较由GTAP数据库所直接观测到的近期几个双边贸易协定的变化(包括2005年美国-澳大利亚、2004年美国-智利、2006年中国-智利-2008年中国-新西兰四个双边贸易协定)与基于GTAP数据库的AGE模型的预测结果。选用GTAP的主要原因是因为其正在被众多如WTO和世界银行等政策导向机构的研究者用以进行政策分析，其也被政策制定者实际运用于诸多双边贸易协定影响的预测，如2003年美国国际贸易委员会报告与2004年中国-新西兰贸易伙伴关系评估。为了让GTAP模型能够统一适用于上述的贸易协定，本文采用了GTAP9数据库以及Hertel (2013)所使用的标准GTAP模型进行了预测。标准的GTAP模型是一个完全竞争、规模报酬不变的AGE模型，且利用各国不同行业的生产、关税及IO数据来生成外生系数冲击影响的预测。作者将数据划归为三方，包括参与双边贸易的两个经济体以及将剩余国家(Rest-of-world,后称ROW)看作一个整体。产业层面的Armington弹性的数值直接借用Hertel et al. (2007)等文献的数据，其值最低为其他未分类矿物的1.8，最高为天然气的34.4，平均值约为7。作者选用2004年为校准所用数据的年份，并以将参与双边协定的两国相互之间所有商品关税设为0，同时维持两国与ROW关税不变的方式模拟双边贸易协定的履行。当然，由于现实中关税和贸易壁垒并不会被贸易自由化完全清除，故此处有一定的失真。
表1中的"Average 2002 tariffs"列和"Average 2015 tariffs"列分别报告了2002和2015年各国对其双边贸易协定伙伴的全商品(基于6位HS编码)平均有效应用关税率(以百分比记，数据来源于TRAINS数据库)。显然，贸易自由化显著降低了签署国双边关税率，各国的双边关税率在签署协定后都已趋向于0。此处还有一个问题，那就是这些国家在同一时期内也与其他国家签署了许多双边贸易协定，故在模型中假设ROW关税率不变显然是不真实的，从而可能引起模型预测的偏差。然而，在后文第5部分第2小节中，作者进一步研究表明改进这一假设对AGE模型预测NAFTA影响的精确度的提升微乎其微。为了计算贸易自由化后各个行业具体的贸易增长，作者根据United Nations Commodity Trade Statistics Database的6位HS2002编码数据，将这一商品层面贸易流量数据按GTAP中行业分类加总为行业层面数据。利用上述数据，作者计算了，即在 t期到期期间从i国出口至j国的k行业产品出口变动百分比，其表达式形如:
其中，为以美元计的t期从i国出口至j国的k行业产业产品价值总量。需要注意的是，由于此节主要目的是为了根据模型结果与实际数据间的相关性来检验模型对于哪个行业在贸易自由化后能够最快增长这一问题的预测能力，所以此处作者没有按惯例对贸易流量做按出口国GDP平减或调整的处理，因为这一处理对于上述相关性分析没有影响。仿照Kehoe (2005)的做法，本文在此处也将计算贸易流量基期设为比关税基期提前2年，这是因为告示效应(announcement effects)会导致贸易流量的改变早于贸易协定实际执行的日期。由于在贸易政策的制定过程中，贸易自由化对于本国规模较大的行业的影响往往是核心议题，故此处作者通过对数据进行加权处理以体现这一点。具体来说，即首先以行业出口总值的基期与末期平均值体现行业规模，再以各行业基期末期平均值作为各行业受到贸易自由化影响后贸易流量变化的权重，最后求得模型中与实际数据中加权调整后的各行业贸易流量变化间的相关系数，即作者所谓的加权相关(weighted correlation)，以实现检验模型预测能力的目的。当然，作者也通过不同的加权方式进行了稳健性检验，但结果变化不大。为了计算这一加权相关，作者计算了根据实际数据所得的贸易流量加权平均增长率，根据GTAP模型所得的反事实估计贸易流量变化率以及其各自的加权方差和加权协方差。根据实际数据所得贸易流量加权平均增长率的计算公式形如:
这一指标随后用于实际变化和预测变化间加权协方差的计算:
其中，体现行业规模的各行业出口值进行算数平均加权的基期和末期分别为2004年(t=2004)和2015年。作为加权相关权重的行业出口份额计算公式为:
作为本文用于评价模型的关键指标，实际数据结果与模型预测结果的加权相关，其公式为：
由于权重的存在，当贸易增长的估计值偏离了其实际增长值时，模型对进行更多贸易的行业的估计偏误将在其中扮演更重要的角色。表1“Correlation of GTAP with data”一列报告了根据式(6)所得的2002年与2015年期间贸易流量实际变化与GTAP模型所估计的变化之间的加权相关。在计算过程中，若有无贸易发生的行业，则将其对应的权重设为0。同时，作者也排除了一些异常值，包括由水力压裂引起的美国汽油行业对智利出口异常和由疯牛病引起的澳大利亚牛肉行业对美国出口异常。由表1结果可知，模型预测变化与实际变化之间的加权相关数值较低，反映了原始模型在预测上的失败。然而，这一模型仍然有改进的可能。作者指出，可按照Kehoe et al. (2015)的方法将LTP贸易份额相关的信息纳入到模型中来，从而极大地改善模型表现。事实上，即使是纳入了关于税收、生产和投入产出联系的相关因素的模型，其表现也不如纳入LTP贸易份额这一单一因素的模型的表现。LTP贸易份额在预测行业出口增长方面的重要性可由Kehoe & Ruhl (2013)和Kehoe et al. (2015)的研究所表明：前者的研究指出受到贸易改革推动贸易量增长最为迅速的行业正是那些此前有贸易但贸易量不大的行业，而后者研究表明LTP贸易额的快速增长广泛存在于各个行业，且难以被贸易成本的变化所解释。这一点在某种意义上印证了LTP的贸易弹性(即其贸易流量的贸易成本弹性)大于非LTP的贸易弹性的假设，而这一假设又与扩展边际增长模型联系紧密。作者将所有产品从2002年到2004年期间的平均贸易总值从低到高排序，并计算了2002年到2004年期间贸易量较少的所有产品在2002年的贸易总值累计值，最终将从拥有最低平均贸易总值起的商品起恰好占2002年贸易量10％的商品组合定义为LTP组合。根据多年平均值来排序的好处是避免将具有块状贸易(lumpy trade，即不频繁发生的贸易，如汽车贸易)特征的商品排除在LTP之外。同时，没有贸易的商品不会算在LTP中，从而保证了LTP代表了有贸易但贸易量很小的商品。Kehoe et al. (2015)研究表明10%这一上限值的变化对于结果的显著性影响不大，但仍需注意这一值不能过小或过大以免遗漏应该属于LTP的商品或囊括了不属于LTP的商品。需要强调的是，尽管所有LTP的总值占了总贸易额贸易量最少的那10%，但由于其是各个产品直接加总而非按行业来区分的，因此各行业LTP的贸易总值未必占该行业贸易总额的10%。表1的“Correlation of LTP with data”一列报告了模型预测LTP变化和实际数据变化间的加权相关。即可得到表1最后一列的结果。显然，更大的加权相关值体现了基于LTP方法改进的模型(后文简称LTP模型)比原始的GTAP模型有着更好的预测表现。因此，LTP模型对于改进AGE模型的表现有着很大的指导意义。作者指出，AGE模型预测失败可能有三点原因。第一点是模型结构，或者说Armington specification并未强调产品之间的替代性或模型的IO结构并未正确反应产业间的联系。此处，作者认为这一点不是主要原因，因为AGE模型在其他经济学领域如公共财政方面的预测仍然是比较成功的，说明其模型本质结构没有大问题。第二个点则可能是因为模型所模拟的反事实冲击可能并未正确体现贸易自由化所导致的贸易成本变动。作者认为这是一个确实存在的问题，因为可观测到的贸易成本如关税和运输成本懂与模型推导所得贸易成本关系甚小。然而，作者在本节的工作并未致力于解决这一问题。第三点则是贸易弹性估计的不对，这一点则在本节工作中有所体现。事实上，本节结果反映了LTP的贸易弹性可能会更大一些这一情况，如Arkolakis (2010)所指出的那样，这可能是因为市场份额较小的商品拥有更低营销成本的原因。如果这一点的确成立，则各国双边贸易中的产业层面的贸易弹性都应当是不尽相同的，从而使得以往的AGE建模失真了。5 国际贸易领域中的“扩展边际革命”
更微观层面数据的运用使得国际贸易领域再次提高了对于企业异质性的关注，一些早期的研究包括对智利 (Tybout et al. 1991, Pavcnik 2002), 哥伦比亚 (Roberts & Tybout 1997), 和韩国 (Feenstra et al. 1999)出口企业的研究。这些研究考察了企业是如何做出出口决策和受到贸易改革影响，同时发现了一些重要的特征事实，如即使是在出口导向型经济体中也只有一小部分企业选择出口，而出口企业通常规模更大，雇佣更多受教育工人，也通常比不出口的企业拥有更高的生产率。当然，其中对于贸易理论影响最大的发现是扩展边际的增长和生产要素在企业间的再分配，特别是当某国经历贸易自由化后，其中一些企业开始出口而另一些企业干脆完全停产。Hummels & Klenow (2005)衡量了126个出口国的扩展边际，并发现它们占据了约60%的大型经济体的出口增长。Hillberry & McDaniel (2002)的研究则发现美国在NAFTA履行后增长的大部分贸易都包括来自于墨西哥的新商品种类。Kehoe & Ruhl (2013)则在产品层面进行了扩展边际的分解，其结果显示贸易的增长有大部分是由一开始贸易量较小的贸易品所驱动的，从而为本文改进AGE基准模型的预测能力提供了改进的方向。5.1 新的贸易模型，新的贸易弹性
为回应这些实证结论，贸易理论进行了关于这些特征事实的创新。其中最有影响力的模型自然是Melitz (2003)的垄断竞争框架下企业异质贸易模型和Eaton & Kortum (2002)的完全竞争框架下多维贸易模型。Arkolakis et al. (2012)的研究则指出这些模型在某种意义上与旧的Armington模型是等价的，因为其福利结果都单纯取决于贸易弹性和国内贸易份额的变化。Simonovska & Waugh (2014)的研究则指出，这些模型为如何估计贸易弹性提供了不同的思路和方法。在讨论这些新的估计方法前，作者回顾了AGE模型中的Armignton弹性是如何估计的。早期研究中，AGE模型的Armington弹性往往是通过合理猜测来确定(Stern et al.,1976)。系统估计弹性的首次尝试则依赖于对局部均衡需求关系中价格变化与贸易流量变化之间的关联，如Shiells et al. (1986)采用的存量调整模型(stock-adjustment model)，且这一方法的结果通常与早期猜测一致。然而，这些早期的估计值往往都低估了实际的弹性，因为其产生了过大的贸易条件效应(terms of trade effects)。McDaniel & Balistreri (2003)也指出这些估计方法与AGE模型的结构不符，因为其忽视了供给侧的因素。为了得到与AGE模型的一般均衡结构相匹配的弹性估计，Hummels (1999)运用横截面数据而非早期研究常用的时间序列数据，其研究在运输费率的数据和根据引力方程得到的模型推导估计的基础上，用各国的进口变动和贸易成本变动来估计贸易弹性。这一方法得到了比此前研究更高的弹性，且也被Erkel-Rousse & Mirza (2002)以工具变量法和时间序列数据所复现。这些研究强调了用与对弹性进行建模的模型相匹配的估计方法的重要性。Ruhl (2008)强调了确保弹性与研究中考虑的冲击相对应的重要性，其研究表明，暂时的商业周期冲击比永久的冲击会导致更低的贸易弹性，因此研究者不能使用短期弹性来估算贸易改革的影响。总而言之，这些研究强调了考虑外生冲击、弹性以及模型结构间关系的重要性。当AGE模型的使用者对此较为清楚了后，便开始了其对于贸易弹性估计方法的更新，如Hertel et al. (2007)以Hummels (1999)的工作为基础利用GTAP模型给出了新的弹性估计值。但是，即使有了这些改进和新估计的弹性，我们对GTAP模型的评估也表明其表现仍然不佳。相比之下，这些最新的贸易模型则为研究者们提供了对于贸易弹性的另一种解释。Chaney (2008)指出，企业生产率分布为Pareto分布的Melitz(2003)模型的贸易弹性是由Pareto分布的尾部参数确定的。同样，Eaton＆Kortum(2002)指出其模型的贸易弹性是由反映产品层面生产力的Frechet分布的离散参数(dispersion paramter)所给定的。这些理论创新使得使用不依赖于产业层面贸易流量和关税横向或纵向变动的方法来校准贸易弹性成为可能。作者在此前对于LTP预测和GTAP模型表现间的比较结果也为进一步使用企业层面或产品层面数据改进弹性的校准方式提供了支持。在实践中，基于这些新兴贸易模型的弹性的估计仍然是通过行业层面的引力方程得到的(Romalis, 2007; Caliendo & Parro, 2015)。这些研究通常会通过使用复杂的差分方法以避免对国内生产数据的需求并消除对称贸易壁垒(symmetric trade barriers)的影响。正如Simonovska & Waugh (2014)指出的那样，这些估计并不受理论模型特定结构的限制，且基于不同模型的引力方程的结果是相等的。然而，Simonovska & Waugh也指出，当将贸易流量数据与微观层面的价格变化相结合后，这些新的贸易模型给出了与早期Armington模型和其他模型不同的贸易弹性值。不过，当给定贸易弹性值时，各模型所反映的经济关系及其变动是相似的。Feenstra et al. (2014)则进一步考察了微观层面和宏观层面的贸易弹性，发现有约一半的商品的微观贸易弹性和宏观贸易弹性的值有显著差距。上述这些研究都得到与以往Armington模型所估计的弹性值不同的弹性值，从而为利用新的贸易模型来改进AGE模型表现提供了基础。另一个与作者关于贸易弹性可能取决于贸易流量的产品层面构成这一观点相关的问题则是固定贸易弹性假设(constant trade elasticity)的成立性。Fieler(2011)指出，不同的产品具有不同的贸易弹性，因此整体贸易弹性应随贸易构成的变化而变化。同样，Simonovska (2015)利用网络零售的相关数据实证研究了非位似偏好的存在，即各国贸易弹性应当随其收入水平而变化。Jung et al. (2015)也指出了摒弃固定贸易弹性假设在正确复现数据特征中的重要性。上述观点强调了进一步估计各产业及各个双边贸易关系的贸易弹性而非寻求一个通用的固定贸易弹性的重要性。5.2 评估Caliendo-Parro的AGE模型
近期几个将上述贸易理论创新(主要是Eaton & Kortum (2002)的模型)纳入到多行业、多国且行业间存在IO联系的传统模型的工作包括Aliendo & Parro (2015), Heerman et al. (2015), and Shikher (2012)。这些模型与传统AGE模型的主要区别在于其模型中产生本土偏好效应的决定性因素是贸易成本而非是偏好或生产函数上的设定。将传统AGE模型与Eaton & Kortum (2002)模型合并的好处在于其能够建模出可以用于引力模型估计的均衡条件方程，从而易于进行福利预测，且不再像AGE模型一样简化了许多经济行为。为了评估这一类新模型是否在预测能力方面超过了原有的AGE模型，作者在此评估了Caliendo & Parro (2015)的模型预测能力。该模型的工作主要是基于NAFTA生效前美加墨三国及其他28个国家的的贸易流量、产量及IO联系数据来分解NAFTA的福利效应。而该研究中的一项关键创新则在于利用产业层面各国间的非对称关税、贸易成本和贸易流量来进行贸易弹性的校准。通过重复本文第4部分第2小节的流程，作者计算了Caliendo-Parro (后称CP)模型与其对应的LTP模型预测结果与实际数据的加权相关。本节在数据处理上与前文的GTAP模型有不同之处。首先，原始的CP模型包括20个贸易行业和20个非贸易行业，此处作者仅关注CP模型的20个贸易行业。其次，原始CP模型是基于2位ISIC Rev. 3行业编码的数据开展研究的，此处作者运用World Bank’s World Integrated Trade Solution (WITS)数据库所提供的一种方法将基于HS1988/1992编码的数据与CP模型的行业分类相匹配。第三，CP模型使用了对数差分(log differences)而非百分比来刻画变量的变动，但两种方式的选择对最终结果影响不大，此处作者也使用了对数差分刻画了数据中变量变动幅度以求与CP模型一致。最后，由于Caliendo & Parro (2015)已经运用其模型做了NAFTA政策影响的反事实分析，故此处作者可以直接使用其结果。为了应用对数差分来表示出口量的变动，作者重新定义了
即在t=1991年和年间i国k行业向j国出口商品的以美元计总值。关于LTP的计算则与前文无异。
表2报告了CP模型及其对应LTP模型的加权相关，其结果显示与传统AGE模型相比，CP模型的预测能力尚未做到全面超越。第1列“CP correlation with data”和第4列"LTP correlation with data"分别报告了CP模型和LTP预测的贸易流量变化与实际数据中体现的变化的加权相关。事实上，第1列的加权相关的算术平均数接近于0，且还略低于GTAP模型加权相关的平均数，这一点似乎说明纳入近期的贸易理论创新对提升AGE模型表现作用不大。然而，就两个模型与其对应的LTP模型相比来说，有一半的双边协定的CP模型预测结果优于对应LTP模型的表现，但GTAP模型对于所有双边贸易协定的预测却都不如其对应LTP模型。同时，CP模型中关于美墨和美加双边贸易协定的预测也全面优于GTAP模型对各个双边贸易协定的预测。这都可视作CP模型在改进AGE模型预测表现上的作用。由于CP模型中考虑了各国所面对的所有关税，而GTAP模型仅考虑了自由贸易协定成员国间的关税变化，这可能替代纳入贸易理论创新成为CP模型在上述方面表现更好的原因。但表2第2列“CP correlation with data(only NAFTA tariffs)”报告了在CP模型中仅考虑NAFTA关税变化下的反事实估计的加权相关，可见其值并未显著变化，故有理由排除上面的原因。
然而，CP模型对于如加拿大-墨西哥等双边协定的贸易流量变化预测仍然是失败的。作者将这一点归因于CP模型对LTP边际的忽视。Caliendo & Parro (2015) 在校准其模型中重要的Frechet系数时使用了与其他研究者校准Armington弹性相同的方法，从而导致其模型仍未完全摆脱Armington模型缺陷的桎梏。因此，作者在此特别强调了产品层面扩展边际的重要性，而这一点正是如Eaton & Kortum (2002)和Melitz (2003)的仅仅关注了企业层面扩展边际的研究的不足之处。CP模型所对应的LTP模型在预测加拿大-墨西哥双边贸易协定效应上表现最佳，这一点恰恰论证了上述结论。事实上，在1992年到2006年期间的墨西哥对加拿大出口中，LTP贸易总值的增长比GDP多增长了206%，而非LTP仅仅比GDP多增长了55.8%。LTP的贸易量相对于非LTP贸易量的更快增长显然是Eaton & Kortum (2002)和Melitz (2003)一类的模型所无法模拟出来的。Arkolakis(2010)通过设定一个非线性的营销成本在模型中模拟出了小公司比大公司增长地更快这一与Kehoe & Ruhl (2013)研究所强调的扩展边际类似的现象。此外，与之相关的研究还包括Ruhl & Willis (2017)与Schmeiser (2012)：前者的研究还显示出口商一般以小规模发家并随后不断扩展，但后者研究则显示出口商开拓市场的速度较为缓慢。表2中“CP correlation with data (no IO structure)” 一列则报告了在剔除模型中关于IO结构的部分后CP模型的预测效果。然而，结果显示剔除IO结构前后CP模型表现差异不大，这明显与作者所强调的行业间联系在理解贸易改革的产业层面影响上的重要性相悖。作者认为，此处CP模型的IO结构未起到作用的主要原因是其建模方式并未足够体现真正的行业间IO联系，因此这一点也是未来需要改进的一个方向。总的来说，本节与本文第4部分第2小节的比较体现了纳入贸易理论创新于AGE模型中对提升AGE模型预测能力的作用，同时也指出了未来有待进一步改进的方向。其中，基于不同模型结构能够得到不同贸易弹性的校准方法已经由Simonovska & Waugh (2014)进行了探索，而LTP方法在GTAP模型中的优异表现和在CP模型中的不稳定效果则意味着其有待进一步发展。最后，进行行业层面不同双边国家之间以及行业内不同产品之间的估计显然也是效果极佳的改进方法。6 确定贸易收益的大小以及AGE模型的未来发展方向
正如Shoven & Whalley (1984)所指出的那样，AGE模型的目的“在于将瓦尔拉斯一般均衡结构由对经济运行的抽象简化转化为对真实经济体的确切模拟”以求“通过这些模型来确定生产和需求参数、纳入反映真实经济体状况的数据来进行政策评估”。AGE模型的终极目的始终是帮助研究者们考察政策改革的福利影响。正如前文所述，近些年贸易理论最大的创新就是由Arkolakis et al. (2012)所提出来的计算贸易福利收益的公式，也称ACR公式。其研究显示，对于一大类模型来说，计算贸易改革的福利影响仅需要两个变量：贸易改革引起的贸易量变动与贸易弹性。ACR公式的具体形式如下:
其中代表改革所引起的国民花费在国内商品上支出占总支出的变动，而则代表贸易弹性，代表福利变动。这一结论因其计算福利影响的便捷性，已经被广泛地运用于最近的研究中，尤其是运用于考察经济体由自给自足(autarky)转向开放时的影响。Costinot & Rodriguez-Clare (2014)运用ACR公式定量地考察了全球化的福利影响。在关于NAFTA的研究中，这一公式计算了由冰山贸易成本变化而非关税变化所引起的福利变动。Felbermayr et al. (2015)认为这一选择对于福利结果研究的影响是显著的，因为关税会被再分配给消费者。Goldberg & Pavcnik (2016)则进一步指出，尽管现时世界各国都已保持了较低的关税率，但贸易政策在降低与非关税壁垒有关的贸易成本方面仍然有很大的政策空间。在ACR公式本身的研究方面，Adao et al. (2015)提出了一种不需要具体函数形式即可评估贸易的福利影响的方法；Brooks & Pujolas (2014)则提出了一个基于可变贸易弹性的需求结构的更一般的ACR公式。此外， Alvarez & Lucas (2007)也已较早地利用Eaton & Kortum (2002)模型研究了贸易的福利影响。然而，ACR公式与AGE模型相比有一个显著缺点，即其没有考虑行业层面的影响。为何我们仍然需要多行业的AGE模型？首先，许多政策在制定时不是仅仅关注总体贸易流量变化或者福利变化就可以的。其次，即使我们仅仅对福利变化感兴趣，且模型能够准确预测双边贸易总量上的变化，对贸易结构的考察仍然是非常重要的，因为贸易的行业构成决定了总体的贸易弹性。Ossa (2015)研究表明在估计中纳入行业间贸易弹性的差异能够有效改进对贸易福利收益的估计准度，因为低贸易弹性商品如汽车的贸易能够更大地提升进口国福利(因为本国在商品生产上的无效率)。French (2016)的研究则进一步揭示了行业间比较优势是如何影响福利及贸易壁垒的影响。总而言之，即使仅仅考虑福利和贸易流量在总量上的变化，纳入行业层面的数据或建模也是非常有必要的。AGE模型的另一个特点则是其对经济体IO结构的关注。由于中间品贸易在世界贸易中占据了较大比重，故与之对应的IO结构也在理解贸易流量影响方面起到了重要作用。如Yi (2003)和Ramanarayanan (2012)的研究都表明，中间品贸易的存在使得关税和其他贸易成本将造成更大的影响，这主要是因为贸易成本不仅直接体现于最终商品中，也间接包含于中间品。这一结果也与产业组织理论中的双重边际化(double marginalization)或双重加价所呼应。尽管中间品贸易也可在单部门模型中建模出来，如Eaton & Kortum (2002)，但在模型中纳入IO联系可以使得模型更好地模拟一行业关税变动对于其他行业的影响。本文到目前为止所讨论的对象一直是静态的AGE模型(static AGE models)。然而，动态AGE模型在近年来也逐渐兴起(Diao et al. 1998, Ianchovichina 2012)，尽管其还有待进一步发展。在贸易模型中引入动态结构往往能得到与静态模型不同的结果。如ajona & Kehoe (2010)的研究显示，当将标准的静态贸易模型如H-O模型纳入到动态框架中时，许多结论都发生了变化，如要素报酬在长期中趋同不再成立。Baldwin (1992)和Anderson et al. (2015)则研究则显示由于资本和人力资本积累的存在，贸易在动态结构下体现出更大的收益。基于这一论断，Brooks & Pujolas (2016)的研究指出由资本积累所引起的贸易收益是非常大的，尽管在刚刚开放时其收益会短暂地为负。关于贸易改革对于新企业创立的影响则主要体现于Alessandria et al. (2014)和Alessandria & Choi (2015) 的研究中，其结论演示在由封闭到开放过程中也存在较大的贸易收益。尽管改进静态AGE模型是接下来要做的首要任务，但将动态框架引入到AGE模型中必然会提升关于贸易自由化结果的预测表现。7 结语
本文主要回顾了AGE模型在用于评估政策贸易效果上的缺陷，并强调了其缺陷并不能成为放弃使用其的理由。AGE模型仍然是现今唯一的一类能够评估贸易政策在产业层面影响的模型。本文认为，在模型中引入LTP的相关因素能够有效提升其表现，但单纯使用AGE模型所对应的LTP仍然有许多局限：LTP模型无法预测贸易将如何影响工资、如何影响各产业间联系乃至于贸易的技术溢出效应。作者指出，Arkolakis (2010)一文中关于引入企业市场营销成本的思路可能是对LTP进行建模的有效方法。当然，还有其他关于LTP建模方式也有待探究，并需要通过与实际数据进行比较(如利用本文的加权相关方法)来判断哪种方式最能复现实际数据结果。同时，作者也指出，AGE模型在贸易政策改革效果预测上表现不佳不能成为说明贸易对福利没有影响乃至有负面影响的理由。毕竟贸易具有正面的福利影响已经成为了一种共识：自由贸易降低了消费者所面对的价格，增多了商品种类，且使得更具有生产力的企业得到了更大扩张。即使贸易没有提升GDP，其也能够提升社会福利(Kehoe & Ruhl, 2010)。事实上，标准AGE模型也许还低估了贸易自由化的福利收益。根据作者的计算，如果LTP商品的贸易量能够以非LTP商品贸易量增长速率来进行增长，则GTAP模型中所涉及到的双边贸易协定的双边贸易量将在平均意义上比现在多增长18.9%；对于NAFTA成员国而言，这一数字则是27.2%。这一结果更加强调了没有考虑LTP因素的AGE模型将低谷贸易自由化的福利收益。这同时也说明，贸易自由化还带来了此前尚未预料到的行业层面的福利收益。鉴于非专业人士与经济学者在贸易政策影响上的认识往往是脱节的，因此，我们有必要向政策制定者与社会公众清晰地说明贸易所产生的收益，而改进AGE模型将帮助经济学者达成这一目的。关于一些计量方法的合辑，各位学者可以参看如下文章：①“实证研究中用到的200篇文章, 社科学者常备toolkit”、②实证文章写作常用到的50篇名家经验帖, 学者必读系列、③过去10年AER上关于中国主题的Articles专辑、④AEA公布2017-19年度最受关注的十大研究话题, 给你的选题方向，⑤2020年中文Top期刊重点选题方向, 写论文就写这些。后面，咱们又引荐了①使用CFPS, CHFS, CHNS数据实证研究的精选文章专辑！，②这40个微观数据库够你博士毕业了, 反正凭着这些库成了教授，③Python, Stata, R软件史上最全快捷键合辑！，④关于(模糊)断点回归设计的100篇精选Articles专辑！，⑤关于双重差分法DID的32篇精选Articles专辑！，⑥关于合成控制法SCM的33篇精选Articles专辑！⑦最近80篇关于中国国际贸易领域papers合辑！，⑧最近70篇关于中国环境生态的经济学papers合辑！⑨使用CEPS, CHARLS, CGSS, CLHLS数据库实证研究的精选文章专辑！⑩最近50篇使用系统GMM开展实证研究的papers合辑！关于相关计量方法视频课程，文章，数据和代码，参看 1.面板数据方法免费课程, 文章, 数据和代码全在这里, 优秀学人好好收藏学习！2.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习！3.工具变量IV估计免费课程, 文章, 数据和代码全在这里, 不学习可不要后悔！4.各种匹配方法免费课程, 文章, 数据和代码全在这里, 掌握匹配方法不是梦！5.断点回归RD和合成控制法SCM免费课程, 文章, 数据和代码全在这里, 有必要认真研究学习！6.空间计量免费课程, 文章, 数据和代码全在这里, 空间相关学者注意查收！7.Stata, R和Python视频课程, 文章, 数据和代码全在这里, 真的受用无穷！下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。