“抵制日货”有效吗？——来自汽车销售市场的证据

１本文受中央高校基本科研业务费专项资金（暨南远航计划１２ＪＮＹＨ００２、暨南跨越计划１２ＪＮＫＹ００１、暨南启明星计划１５ＪＮＱＭ００１）资助。感谢陆毅博士、王乐博士及两位审稿人的批评意见，感谢北汽集团李永前先生的帮助。

２周泳宏，暨南大学经济学院副教授，Ｅ－ｍａｉｌ：[e-mail]。

３谭海泉，暨南大学经济学院政治经济学专业硕士研究生，Ｅ－ｍａｉｌ：[e-mail]。

本文发表于《经济学报》2017年第4卷第3期，页码：108-126

摘 要

已有研究表明，政治冲突影响经济行为。本文以２０１２年９月中日钓鱼岛争端引发的“抵制日货”为例，使用我国２００９—２０１４年汽车销售月度数据，识别政治冲突对型号层面汽车销售的影响并估计其规模。分析表明，日本品牌汽车的销售确实受到抵制影响，并在前４个月最为显著。稳健性检验表明，日本品牌汽车销量的下跌并非来自销售的季节性波动、地区差异和企业差异等因素。本文关于短期抵制效应的证据显示，事件中的观望效应显著。

关键词

抵制；政治冲突；汽车；销售；出口

0 引  言

政治对经济的影响一直以来都获得国外学者们的关注。国家间由于宗教、领土、历史等问题所引发的冲突影响两国经济往来，包括贸易、销售等。识别及度量政治冲突对经济运行的影响，将有利于宏观经济运行的管理和政策监控。但在国内，相关的实证分析尚属空白。近年来，我国与周边国家在围绕领土争端上不断爆发冲突，随之而来的是贸易壁垒的提高、民众的抵制等行为，这无疑对经济造成了影响。例如，中日钓鱼岛领土争端爆发的“抵制日货”可能对日本产品的销售等造成影响。

双重差分模型（ｄｉｆｆｅｒｅｎｃｅ－ｉｎ－ｄｉｆｆｅｒｅｎｃｅｓ，ＤＤ）已经被学者们大量用于政策效应的分析，例如Ｅｉｓｓａ ａｎｄ Ｌｉｅｂｍａｎ（１９９６）、Ａｕｔｏｒ（２００３）、Ｗａｌｄｉｎｇｅｒ（２０１０）、Ｌｕ ａｎｄ Ｙｕ（２０１５）等。本文以２０１２年９月日本“国有化”钓鱼岛所引起的“抵制日货”为拟自然实验，将在中国市场销售的日本品牌汽车视为处理组，将不受“抵制日货”影响的出口汽车视为控制组，利用ＤＤ识别政治冲突对“日货”销售的影响并估计其规模。研究发现了抵制效应存在的证据，而前４个月最为显著。本文对这些经济后果进行识别和估计有利于把握政治冲突与经济的关系，为宏观经济管理提供经验支持，同时为量化中日政治关系对经济影响提供了方法借鉴。本文以下部分的安排为：第１部分是文献回顾；第２部分描述“抵制日货”发生的背景；第３部分介绍本文实证分析所使用的数据；第４部分为抵制效应的初步识别；第５部分是基于ＤＤ的分析；最后是结论。

1 文献回顾

关于政治冲突对经济的影响，双边贸易的变化是该领域研究中最为活跃的部分。Ｄｉｘｏｎ ａｎｄ Ｍｏｏｎ（１９９３）、Ｍｏｒｒｏｗ ｅｔ ａｌ．（１９９８）和Ｋａｓｔｎｅｒ（２００７）等均发现具有相同政治利益或低政治冲突的国家之间的贸易量较高。Ｍａｒｔｉｎ ｅｔ ａｌ．（２００８）基于１９５０—２０００年的研究发现军事冲突对双边贸易具有负面影响，当然，贸易也有利于双边发展和平的军事关系。类似地，Ｇｏｗａ ａｎｄ Ｍａｎｓｆｉｅｌｄ（１９９３）基于１９０５—１９８５年的军事联盟的研究、Ｇｌｉｃｋ ａｎｄ Ｔａｙｌｏｒ（２０１０）基于１８７０—１９９７年的战争的分析，均发现军事冲突对贸易、国民收入和全球福利有负面影响。Ｇｕｉｓｏ ｅｔ ａｌ．（２００９）使用国际贸易编码数据ＳＩＴＣ（ＳｔａｎｄａｒｄＩｎｔｅｒｎａｔｉｏｎａｌ Ｔｒａｄｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）的研究表明，具有长期战争历史的国家间缺乏信任，而这种信任的缺乏减少了双边贸易。Ｆｕｃｈｓ ａｎｄ Ｋｌａｎｎ（２０１３）的分析则发现国家政治领袖在会见了达赖以后，该国向中国的出口减少。基于冷战这一迄今为止国与国之间最大的政治冲突，Ｂｅｒｇｅｒ ｅｔ ａｌ．（２０１３）使用ＣＩＡ（美国中央情报局）和前苏联ＫＧＢ（苏联国家安全委员会）在冷战时期的资料构建了１６６个国家的ＣＩＡ干预指数，发现ＣＩＡ的干预竟然也影响了与贸易伙伴之间的贸易，从而说明政治影响的复杂性。基于１９３７—１９４５年的侵华历史，Ｃｈｅ ｅｔ ａｌ．（２０１５）发现日本侵华期间的各地区平民死亡率和２００１年日本在该地区的ＦＤＩ及双边贸易存在负的关系。Ａｃｅｍｏｇｌｕ ａｎｄ Ｙａｒｅｄ（２０１０）关于１９８５—２００５年的跨国经验研究发现军事化和国际贸易之间存在相对稳定的关系，由此强调全球化存在政治上的限制。

除了贸易以外，政治冲突对经济的影响还表现在产品的抵制、投资和ＧＤＰ等方面。Ｆｅｒｓｈｔｍａｎ ａｎｄ Ｇａｎｄａ（１９９８）的研究发现，当阿拉伯对以色列的抵制结束后，汽车市场购买方的人均福利增加２３４３美元，这被作者称为“和平红利”（ｐｅａｃｅ ｄｉｖｉｄｅｎｄ）。Ａｂａｄｉｅ ａｎｄ Ｇａｒｄｅａｚａｂａｌ（２００３）的研究发现在１９６０年代后期，恐怖主义冲突的爆发使得巴斯克（Ｂａｓｑｕｅ）国家的ＧＤＰ相对于无恐怖主义国家少增长１０个百分点。Ｆｉｅｌｄｉｎｇ（２００３）对北爱尔兰的研究发现，给定年份内冲突中的伤亡人数和暴力事件的规模影响了当年的投资。由于在２００３年早期，法国在伊拉克战争的立场上与当时美国布什政府相左，美国对法国红酒进行了抵制。Ｃｈａｖｉｓ ａｎｄ Ｌｅｓｌｉｅ（２００９）发现２００３年当年的抵制使得每周法国红酒的销售较高峰期下降了２６％，而在６个月的抵制期内则平均减少１３％。同样地，中日之间的战争和日本侵华历史以及由此遗留至今的冲突也使得两国之间在贸易、贷款、援助和投资等交往上具有政治负担或存在负面影响（Ｗｈｉｔｉｎｇ，１９９２；Ｆｉｓｍａｎ ｅｔ ａｌ．，２０１４）。

国内针对政治冲突对经济影响的实证研究较少，相关的研究主要集中于国际政治关系与经济的关系的阐述。例如，张建红和姜建刚（２０１２）指出双边的外交关系、友好活动能促进对外直接投资，周喆和王孝松（２０１３）认为政治制度和意识形态的差异、历史因素以及全方位的政治经济竞争是美日、美中贸易摩擦的原因，王伟等（２０１３）认为东亚国家之间的政治冲突是阻碍区域金融一体化进程的原因之一。与本文内容最为接近的一篇文章来自胡伟民等（２０１０）的研究，他们发现，北京奥运期间的抵制法货运动使得法国品牌车月均销量下降至少４０％。

虽然许多研究证明政治冲突对经济具有负面影响，这也符合人们的直观认识，但也有部分文献发现，这种影响并不确定或并不显著。例如，虽然Ｍｏｒｒｏｗｅｔ ａｌ．（１９９８）发现相同的利益和民主制度促进两国贸易，但并没有发现军事冲突影响贸易的证据。类似地，虽然Ｋａｓｔｎｅｒ（２００７）证明政治利益的冲突不利于两国经济交往，但在国际化带来的利益足够大的情况下，这种不利影响并不严峻，例如中国大陆和台湾的关系。与Ｃｈａｖｉｓ ａｎｄ Ｌｅｓｌｉｅ（２００９）的研究不同，Ａｓｈｅｎｆｅｌｔｅｒ ｅｔ ａｌ．（２００７）发现２００３年美国对在对伊拉克萨达姆政权的行动中采取不同态度的法国产品进行的抵制并没有作用。Ｄａｖｉｓ ａｎｄ Ｍｅｕｎｉｅｒ（２０１１）对美国、日本及其１５２个的贸易伙伴的分析说明，负面的冲击并没有影响双边经济关系，特别是美法关系和日中关系。Ｌｉ ａｎｄ Ｓａｃｋｏ（２００２）则从预期和事前事后关系的角度对这种不确定的影响给出了解释，从而说明了这些不确定效应发生的范畴。

综合以上研究，我们发现，大部分文献接受政治冲突对经济存在负向影响的机制，这也符合人们的直观理解。但是，由于国与国之间，或者冲突双方之间存在既有的经济往来，这种关联有可能缓解或抵消政治冲突的负向影响。改革开放以来，中日经济关系已经成为我国最重要的对外经济关系之一，那么，中日政治冲突是否会影响中日经济关系？如果存在，规模和持续效应多大？本文基于目前文献的共识，以２０１２年９月开始的“抵制日货”为例，做进一步的分析。

2　背景介绍

钓鱼岛是中国固有领土，近年来，中日两国围绕钓鱼岛争端日趋激烈。这些争端，源自于“二战”以后对于该岛管辖权的不合理安排，而美日军事同盟为日本对钓鱼岛问题的主张提供了政治和军事支持，增加了日本在与中国谈判中的筹码；另一方面，“二战”期间日本的侵华战争，给中国造成了极大的伤害，使得钓鱼岛的争端具有了历史记忆及浓厚的民族主义色彩。２０１２年９月１０日，日本政府宣布“购买”钓鱼岛及其附属的南小岛和北小岛，实施所谓“国有化”^①（①参见新华网（ｈｔｔｐ：／／ｎｅｗｓ．ｘｉｎｈｕａｎｅｔ．ｃｏｍ／ｗｏｒｌｄ／２０１２－０９／１０／ｃ＿１１３０２６２８８．ｈｔｍ）“中国外交部就日本宣布‘购岛’发表声明”。）。为了抗议日本政府“购岛”行为，不少群众走上街头游行示威，并开展“抵制日货”行动。回忆起日本在侵华时期的战争杀戮行为，“抵制日货”迅速升温，并在北京、上海、广州、深圳各大城市蔓延。日资企业、中日合资企业产品均成为抵制的对象，涉及的产业包括家电、旅游、对外贸易、汽车等。由于汽车已成为我国居民家庭的重要耐用消费品，并且较为容易进入街头示威群众的视线，抵制日系车便成为“抵制日货”中的重要组成部分，日系车销量迅速下滑。^②（②参见新浪网２０１２年０９月１４日报道（ｈｔｔｐ：／／ｆｉｎａｎｃｅ．ｓｉｎａ．ｃｏｍ．ｃｎ／ｒｏｌｌ／２０１２０９１４／１１３５１３１４０６２６．ｓｈｔｍｌ）。）

在此，我们必须对“抵制日货”前提下的“日本品牌汽车”进行定义。在中国市场上出售的各种外来品牌汽车，除了少部分直接从国外进口外，大部分来自于中外合资企业生产的汽车。例如，日本品牌汽车“马自达６”由中国一汽轿车股份有限公司和日本马自达汽车株式会社合资生产，使用日本马自达的商标。在“抵制日货”行动中，群众并不关心，也不去识别某个使用日本商标的汽车是来自本国合资企业的生产还是进口产品。由于本文的数据并不包括进口，因此，本文使用的“日本品牌汽车”是指使用了日本品牌汽车公司商标但却在国内生产的汽车。

3　数 据

本文的汽车销售和出口数据来自于中国汽车工业协会的月报数据。我们的分析是基于本地销售的汽车与出口的汽车之间的比较进行的，而由于该协会从２００９年５月起系统公布出口的数据，因此选取的样本为２００９年５月至２０１４年１２月的汽车型号级别数据。分析中使用到的美国道琼斯指数数据来源于雅虎财经网站，人民币汇率中间价来源于中国外汇交易中心。

汽车销售和出口的数据包括轿车、ＳＵＶ、ＭＰＶ和交叉型乘用车这４种乘用车类型数据，其结构可描述为“公司—品牌—型号”３个级别，３级数据上下层之间是严格覆盖的关系。例如，日本马自达汽车株式会社在中国的合资企业包括一汽轿车股份有限公司和长安马自达汽车有限公司。一汽轿车股份有限公司生产一汽品牌和马自达品牌汽车，其中，马自达品牌汽车包括马自达６、马自达８等多个型号，一汽品牌拥有奔腾等型号汽车。而长安马自达汽车有限公司只生产长安马自达品牌汽车，包括马自达２和马自达３等多个型号。因此在这个例子中，存在２家公司（一汽轿车股份有限公司和长安马自达汽车有限公司）、３个品牌（一汽、一汽马自达、长安马自达）、５个型号（奔腾、马自达６、马自达８、马自达２、马自达３）汽车。我们的面板分析是基于型号级别的月度数据进行。

表１为样本的统计性描述。从表中的销售数量（Ｓａｌｅ）（辆）可以看出，日本在中国有１４家合资企业，旗下有１５个品牌、９３个型号的汽车。出口的汽车则属于５３个公司的８２个品牌，共３３１个车型。其中，销售数据出现的负值是由于某种原因企业在上报时进行的调整^①（①这些调整的原因很多，包括产品返回厂家、订单调整、错误等。在回归分析中，我们忽略这些观察值。）。由于涉及到出口，因此在分析中，我们还使用到美国道琼斯指数每个月第一个交易日的收盘价（ＤＪＩ）和人民币对美元汇率中间价（Ｅｘｃｈａｎｇｅ）数据。在回归中，为了控制行业规模的变化等因素，我们还加入了每个月日本品牌汽车和出口汽车的企业总数量（Ｎｕｍｂｅｒ_{Ｃｏｍｐａｎｙ}）和型号总数量（Ｎｕｍｂｅｒ_{Ｍｏｄｅｌ}）。

4  初步识别

“抵制日货”对日本品牌汽车销售的影响来自于两种行为：响应“抵制日货”而拒绝购买日本品牌汽车，或者由于担心汽车被群众损坏而停止购买日本品牌汽车。这两种行为均造成日本品牌汽车销售数量的下滑。２０１２年９月之前，日本品牌汽车月度销售量呈现上升的趋势，从２００９年５月份的约１３万辆增长到２０１２年８月份的２２万辆左右。但到了２０１２年日本宣布“购岛”的９月份，销售量下降至１５万辆左右，到１０月份更下降到９万辆左右。我们基于残差平方和的对比来认识“抵制日货”下日本品牌汽车销售量变化的显著性。具体方程如下：

其中，ｙ_{Ｊａｐａｎ，ｉｔ}为型号为ｉ的日本品牌汽车在时间ｔ的销售数量。Ｄｕｍｍｙ_ｔ为虚拟变量，当ｔ处于以我们所设定的虚拟事件时间起的３个月内，Ｄｕｍｍｙ_ｔ＝１，否则为０。虚拟事件时间的设定依次从２００９年１０月至２０１４年７月（由此保证事件时间前后分别至少有５个月的样本量）。 表示月度固定效应（Ｍｏｎｔｈ ＦＥ），以隔离月度波动的影响。如果２０１２年９月销售数量的下跌最显著，那么以该月度为事件时间的回归拟合效果最好，则残差平方和最小。图１描绘了残差平方和对比图，附录给出了几个代表性回归结果。图１表明，以２０１２年９月为事件时间的回归获得最佳的拟合效果，残差平方和最小。这说明，２０１２年９月开始的３个月内，日本品牌汽车销售量的下跌在整个样本期内是最显著的。这符合我们的直观理解。但为了获得更为具体和稳健的结果，我们需要基于ＤＤ展开进一步的分析。

5 基于双重差分模型的分析

本部分，我们采用ＤＤ来具体测算２０１２年９月开始的“抵制日货”对日本品牌汽车销售的影响。目前，ＤＤ被广泛应用于各类公共政策的评估中，它有助于解决传统模型中常见的内生性问题。ＤＤ运用中最关键的部分，就是对不受事件影响而与处理组具有同趋势的控制组的选择。由于现实分析往往受到样本和数据的可获得性的限制，控制组的选择也成为ＤＤ中最具挑战的部分。就本分析而言，中国汽车工业协会的月报数据包括３种数据，在中国销售的日本品牌汽车数量，在中国销售的其他汽车数量和汽车出口数量。目前我国汽车市场的竞争程度已经较高，不同厂家的产品基本都会覆盖到各个子市场，产品之间替代性较高。因此，消费者通常在国产车或外国车，日本车或其他外国车之间进行选择。当“抵制日货”行为削弱了消费者购买日本品牌汽车的意愿，一部分消费者将转移到其替代品的消费上，因此在中国市场上销售的其他国家或地区品牌的汽车也受到“抵制日货”的影响，只不过影响的方向与日本品牌汽车相反而已。而出口汽车的目标群体是国外消费者，并且２０１２年９月世界其他地区并没有爆发“抵制日货”的行为。基于这样的现实情况，出口汽车是可选的，也是合理的控制组。

5.1 同趋势分析

ＤＤ适用的前提是处理组与控制组具有同样的趋势。首先，图２显示了２００９年５月至２０１４年１２月日本品牌汽车月度销售量与汽车出口量的差值（作自然对数处理）。不难看出，２０１２年９月前，两者的差值虽然有所波动，但总体来说保持在１２上下的一个稳定的水平，两组数值的差异随时间变动不大；然而到了２０１２年９月之后，两者的差值急剧下降，即日本品牌车的月度销量下降程度明显高于出口量下降程度。由此可以判断，两组汽车的销售量在事件发生前大致符合同趋势特征，而在事件发生之后发生了一些改变。

进一步地，我们基于方程（２）对同趋势进行一个量化的分析。

在回归（２）中，ｙ_ｉｔ采用两个指标分别进行：首先，采用销售量的自然对数Ｌｏｇ（Ｓａｌｅ_ｉｔ），即型号ｉ的汽车在时间ｔ的销售量或出口量的自然对数。但此时将丢失部分非正数据，为此，我们对于非负销售量调整为Ｌｏｇ（Ｓａｌｅ_ｉｔ＋１）。 为时间虚拟变量，我们分别考察每年１—１２月的月度虚拟变量（Ｍｏｎｔｈ^ｍ，１≤ｍ≤１２）和年度虚拟变量（Ｙｅａｒ^ｍ，２００９≤ｍ≤２０１２）两种情况。当观察值为日本品牌汽车时，Ｊａｐａｎ_ｉ＝１，否则为０。为时间固定效应，相应地也包括１—１２月的月度固定效应（Ｍｏｎｔｈ ＦＥ）和年度固定效应（Ｙｅａｒ ＦＥ）两种情况。Ｚ_ｉｔ为其他控制变量向量。首先，由于控制组为出口汽车，因此，我们加入（１－Ｊａｐａｎ_ｉ）×ＤＪＩ_ｔ和（１－Ｊａｐａｎ_ｉ）×Ｅｘｃｈａｎｇｅ_ｔ来控制时间ｔ国际经济环境变动所引起的市场波动和人民币汇率波动对出口的影响；再者，Ｎｕｍｂｅｒ_{Ｃｏｍｐａｎｙ}，_ｔ和Ｎｕｍｂｅｒ_{Ｍｏｄｅｌ，ｔ}分别表示观察值所属的组别（处理组或控制组）在时间ｔ所拥有的企业数量和型号数量，用以控制生产规模的调整、行业整体发展的波动等影响因素。α为常数项，ε_ｉｔ代表随机误差项。在模型（２）中，我们关心的系数是β_ｍ。如果在使用２０１２年９月以前的观察值的回归中，这些系数均不显著，则说明处理组和控制组在事件前具有同趋势特征，从而满足ＤＤ的运用前提。

表２报告了同趋势分析结果。第１、２列为基于１—１２月的月度固定效应的同趋势检验，分别对Ｌｏｇ（Ｓａｌｅ）和Ｌｏｇ（Ｓａｌｅ＋１）进行回归。由结果可知，对应于每个月的Ｍｏｎｔｈ×Ｊａｐａｎ的系数并不显著。第３、４列为基于年度固定效应的同趋势检验。由结果可知，无论被解释变量是Ｌｏｇ（Ｓａｌｅ）还是Ｌｏｇ（Ｓａｌｅ＋１），对应于每年的Ｙｅａｒ×Ｊａｐａｎ系数也不显著。由此说明，在２０１２年９月事件前，处理组和控制组具有同趋势的特征。

5.2 基准回归

本文运用以下基准方程来识别“抵制日货”对日本品牌汽车在中国的销量的影响。

被解释变量ｙ_ｉｔ同上文所述。我们关心的核心变量是Ｂｏｙｃｏｔｔ_ｉｔ，当型号ｉ属于日本品牌汽车而时间ｔ处于２０１２年９月及以后则为１，否则为０。其系数β反映了日本品牌汽车在事件点前后的变化和出口汽车数量在事件点前后变化的差异，可解释为抵制效应。λ_ｉ表示汽车型号固定效应（Ｍｏｄｅｌ ＦＥ）， 和 分别表示月度固定效应（Ｍｏｎｔｈ ＦＥ）和年度固定效应（Ｙｅａｒ ＦＥ）。Ｚ为控制变量向量，控制可能影响销售数量波动的同期宏观变动因素，如上文所述，包括：（１－Ｊａｐａｎ）×ＤＪＩ、（１－Ｊａｐａｎ）×Ｅｘｃｈａｎｇｅ、Ｎｕｍｂｅｒ_{Ｃｏｍｐａｎｙ}和Ｎｕｍｂｅｒ_{Ｍｏｄｅｌ}。α为常数项，ε_ｉｔ代表随机误差项。

ＤＤ基准回归结果见表３。第１、３列对Ｌｏｇ（Ｓａｌｅ）进行回归，第２、４列对Ｌｏｇ（Ｓａｌｅ＋１）进行回归。根据第１、２列的回归结果，我们可以看出，在不加入任何控制变量的情况下，Ｂｏｙｃｏｔｔ的系数在５％水平上显著为负，在加入控制变量以后系数依然为负，显著性水平达到１％。这初步表明２０１２年９月的“抵制日货”对日本品牌汽车销量的负向影响是显著的。对于这一结果，我们在下一部分开展稳健性讨论。

5.3 稳健性检验

5.3.1 基于政策时间的检验 

以上部分，我们对２０１２年９月开始的“抵制日货”效应进行了识别，结果发现，抵制效应是显著的。但我们仍要进行一定的稳健性检验，以提高这一结论的可信度。在汽车销售上，一直存在“金九银十”的说法，即每年９月份开始的秋季是汽车销售的旺季。由于出口所瞄准的国际市场并不存在“金九银十”效应，那么，２０１２年９月以后日本品牌汽车的显著下滑是否源于本土市场的这一季节性波动？为此，我们开展Ｐｌａｃｅｂｏ（安慰剂）检验，即将事件点假设为２００９年９月、２０１０年９月和２０１１年９月，进行ＤＤ回归，并将样本期截止为２０１２年８月。此时，如果Ｂｏｙｃｏｔｔ依然显著，则说明２０１２年９月以后日本品牌汽车销量的下滑包括了“金九银十”的季节性波动的影响；但若Ｂｏｙｃｏｔｔ不显著，则排除“金九银十”的季节性波动因素，由此提高本文分析的稳健性。

由表４的稳健性检验结果可知，在所有的回归中，Ｂｏｙｃｏｔｔ的系数均不显著，说明２０１２年９月的“抵制日货”效应不是“金九银十”季节性波动引起，由此，关于抵制效应的结论稳健性提高。

5.3.2 基于企业因素的检验

进一步地，我们希望表３结果所显示的抵制效应不是来自企业因素的影响。企业的生产、销售、管理、研发等战略的调整也可能影响销售数量的变化。如果这些因素的作用时间和“抵制日货”时间重叠，那么表３所示的结果就存在偏误。为此，我们需要确定这些因素是否存在。具体而言，我们采用出口汽车作为分析的样本，将其中所有的来自中日合资企业（即在国内生产日本汽车的企业）生产的汽车视为处理组，其他汽车作为控制组进行分析。如果企业因素同样在时间点２０１２年９月发生作用，那么这些因素也会影响出口产品，此时回归Ｂｏｙｃｏｔｔ也将是显著的；相反，若Ｂｏｙｃｏｔｔ不显著，则说明表３所示的结果并不来自企业个体因素的影响，因而稳健性得到提高。表５的第１、２列报告了该稳健性检验的结果，结果显示，Ｂｏｙｃｏｔｔ并不显著，说明表３给出的“抵制日货”效应并不来自企业个体因素的影响，因而稳健性得到提高。

5.3.3 基于地区因素的检验

同样地，我们也希望表３结果所显示的抵制效应不是来自地区差异的影响。由于企业所在的城市不同，可能会由于不同地区的消费改变、地方政策调整、区域经济变化等因素影响企业的生产和销售。为此，我们也需要确定这些因素是否存在。具体而言，我们根据日本汽车生产企业主页上标明的地址来确定企业所在城市。同样地，采用出口汽车作为分析的样本，将其中所有的来自上述城市的企业生产的汽车视为处理组，其他汽车作为控制组进行分析。同理，我们希望Ｂｏｙｃｏｔｔ是不显著的。结果见表５的第３、４列。结果显示，Ｂｏｙｃｏｔｔ并不显著，说明表３给出的“抵制日货”效应并不来自区域差异的影响，因而稳健性得到提高。

5.3.4 基于随机设置处理组和控制组的检验

在本部分的Ｐｌａｃｅｂｏ检验中，我们选择２０１２年９月份以前的样本依次将每个时间点人为假定政策时间，并随机划分处理组和控制组，运用方程（３）进行回归并与基准回归结果比较。显然，由于此时样本并不包含２０１２年９月以后的观察值，那么，如果本文的结果是稳健的，这一系列回归中Ｂｏｙｃｏｔｔ的系数将与基准回归结果有较大差异。具体而言，我们依次将２００９年１０月至２０１２年３月人为设定为政策时间^①（①由于本文的样本期是从２００９年５月至２０１２年８月的样本，因此这样的设置可以保证政策时间前和政策时间后至少存在５个月的样本。），基于每个假定的政策时间展开５０次回归，每次的回归都根据一个随机数来划分处理组和控制组^②（②具体而言，在每一次回归中，我们针对每一个观察值产生一个位于０和１之间的随机数，如果该数值大于或等于０．５，则该观察值划归处理组，否则划归控制组。），这样一共进行了１５００次回归，回归结果的系数分布见图３和图４。其中，虚线为基准回归中的系数范围（见表３）。

首先，图３为对Ｌｏｇ（Ｓａｌｅ）进行回归的Ｂｏｙｃｏｔｔ系数的密度分布图，所有系数均大于－１．１２（基准回归的表３第１列结果），９９．９３％的回归系数大于－０．５６（基准回归的表３第３列结果）。图４为对Ｌｏｇ（Ｓａｌｅ＋１）进行的回归的Ｂｏｙｃｏｔｔ系数的密度分布图，所有系数均大于－０．９９（基准回归的表３第２列结果），９８．８０％的回归系数大于－０．４４（基准回归的表３第４列结果）。由此，随机设置处理组和控制组下的回归的Ｂｏｙｃｏｔｔ系数基本上大于基准回归系数。我们判定，抵制效应的偶然性得到进一步的降低。

5.4 持续时间分析

在我们对“抵制日货”效应进行识别以后，希望知道该效应最显著的时期持续多长。为此，我们采用以月度形式表示的ＤＤ回归模型进行分析，如式（４）。

在式（４）中，我们对前文的Ｂｏｙｃｏｔｔ进行了拆解。对于日本品牌汽车在遭受抵制的第ｍ个月，为１，否则为０。由此，ｍ取值１到１２，表示抵制后一年内的月度效应。日本品牌汽车在遭受抵制的第１３个月以后，为１，否则为０。我们关注的是β_ｍ，它衡量的是每个月的平均效应（２０１２年９月到２０１３年８月）。结果见表６。根据表６第１、２列的回归结果，２０１２年９月到２０１２年１２月系数均在１％的水平上显著为负，但在２０１３年１月以后不再出现连续的显著性。由此我们判断，“抵制日货”的前４个月内，抵制效应最为显著，之后减弱。

6 结  论

政治冲突与经济的关系一直以来都是发展经济学和国际经济学学者们关注的重点。本文以２０１２年９月日本政府通过对钓鱼岛实施“国有化”而引发的“抵制日货”行动为例，使用我国２００９—２０１４年汽车销售月度数据，识别政治冲突对产品销售层面的经济影响并估计其规模。

在方法上，我们将在中国市场上销售的日本品牌汽车视为处理组，将不受“抵制日货”影响的出口汽车视为控制组，展开ＤＤ分析。研究结果表明“抵制日货”确实对日本品牌汽车在我国的销售造成负的影响，并在开始抵制的前４个月内最为显著。稳健性分析证明这一效应并不来自汽车销售的季节性波动、企业差异和地区差异等因素。本文为“抵制效应”及政治冲突的影响提供了最新的证据。

进一步地，我们的实证分析说明，抵制效应在４个月的短期内较为显著。实际上，日本品牌汽车的销售在不长的时间后出现反弹。为此，我们尝试展开分析和推断。我们认为，当“抵制日货”发生时，原本打算购买日本品牌汽车的消费者面临两个决策：购买其他品牌汽车或者延迟购买日本品牌汽车。而在下期购买日本品牌汽车的效用需要通过贴现来与当期购买其他汽车的效用进行评判。主观贴现因子反应了家庭在本期购买其他品牌汽车和延迟购买日本品牌汽车两种消费的效用之间的评价。在现实中，我们观察到，停止购买日本品牌汽车的消费者有两类：一类是相对坚定的“抵制日货”者；另一类则是害怕自己所拥有的日本品牌汽车遭到“抵制”引起的损坏而暂时停止购买的观望者。显然，对于观望者，它们希望在抵制行为降温后再购买日本品牌汽车，因此对延迟购买所获得的效用有较高的评判，主观贴现因子的取值相对较大。由此，“反弹”反应出的是观望者的购买行为。我们对此的推断是：由于日本品牌汽车的销售数量在较短的时期内出现反弹，因此，观望者数量较多。我们相信，在抵制行为中存在一定的“观望效应”。

附  录

参考文献

英文摘要部分

往期推送，点击红色文章题目阅读：

经济学报

China Journal of

Economics(CJE)