【前沿文献】为出口机会作准备

企业参与出口市场的程度取决于为准备出口而进行的投资和产品升级（López，2009；Iacovone & Javorcik，2012）。但企业是否也会从劳动力视角为进入出口市场做好准备？如果是，在准备出口时最需要的是哪种类型的工人？理论观点认为，企业应为进入出口市场培养劳动力（Coşar等，2016；Fajgelbaum，2020）。对此，文章提供了支持这些论点的直接证据。并且我们发现，这种机会不仅会出现在非出口商身上，促使他们进入出口市场；也可能会出现在寻求向新目的地扩张的在位出口商身上；亦或是以现有目的地的新客户群为目标的在位出口商群体中。

文章基于巴西出口企业的特征事实分析发现：第一，巴西出口商在出口表现上存在较大差异。最成功出口商的平均发货量是“边缘”出口商（通常是指出口参与程度较低或不稳定的企业）的16倍，他们雇佣的工人是边缘”出口商的4倍。第二，如果按照巴西出口企业在出口市场上参与的持久性进行排序，那么这个排序结果与按照企业的出口量和员工数量进行排序的结果非常相似。即出口规模较大、员工人数较多的企业往往能够在出口市场上保持更长时间、更加稳定的参与。第三，最成功的出口企业比最不成功的企业更有可能从其他出口企业招聘经验丰富的员工，这种通过招募有经验的人才来把握不断变化的出口机会，可能是它们长期成功和持续参与出口市场的一个重要原因。

实证方面，文章采用了一种新颖的识别策略，以分离企业在国内的招聘决策是如何响应国外产品需求外生变化所带来的出口机会。结合巴西的出口商数据和雇主-雇员关联数据，文章主要有如下研究发现。第一，当国外产品市场条件发生有利变化时，企业会通过招聘专家（即具有在其他出口企业工作经验的员工）来积极准备出口。这种效应在专家聘用的广延边际和集约边际层面都十分显著。第二，企业主要是通过雇佣技术熟练的蓝领工人来做好这一准备工作。制造业中的熟练蓝领工人包括流水线生产中的工具准备员和机器操作员、计算机数控机床操作员以及许多特定工艺中的职业。对这一结果的一种可能解释是，熟练生产工人携带着可转移的生产知识和设计专长，而这些知识和专长以前是在出口商处磨练出来的，对新雇主企业参与出口市场非常重要。第三，如果国外产品市场条件预示着企业参与出口市场的可能性很高，但后来企业却未能成功出口，那么这些企业将解雇最近招聘的专家。

文章研究的数据来源主要有三个。第一，巴西出口商的研究数据，数据结构为企业-目的地国家-年份。第二，正规企业及其正规雇佣工人的数据，数据维度是企业（雇主）-工人（雇员）-年份。第三，文章基于全球行业层面的贸易流量数据所构建出的工具变量数据（IV）。这三个数据共同存在的区间为1994-2009年。为了排除大衰退对贸易和劳动力市场的潜在扭曲，文章将分析集中在1994-2007年。

（一）出口商数据

SECEX出口商数据来源于巴西对外贸易秘书处，包含了巴西所有企业的商品出口报关单，出口值（离岸价）以美元现值报告。文章利用企业在雇主-雇员关联数据中申报的行业归属，将研究样本限定为制造业企业。

（二）雇主-雇员关联数据

文章的雇主-雇员数据来源于Rais（Relação Anual de Informações Sociais），这是一份关于在巴西任何经济部门正式就业的工人的综合行政登记册，记录了巴西所有正规企业，包括非出口企业的信息，如工人特征的信息、受教育程度、职位分类、企业所属行业、企业的法律形式（包括外资所有权）以及工人的收入。文章在实证研究中将工资数据按照1994年8月作为基期进行平减。在490,444家制造业企业（2,773,097个企业年观测值）中，有7,200万个工人年观测值。鉴于样本量较大，文章报告的回归统计显著性水平分别为0.1%、1%和5%。

将SECEX海关信息与雇员雇主关联数据进行匹配后，文章发现有30,044家制造业企业至少有一年的出口记录（135,805个出口商年观测值）。这些制造业出口企业约占正规制造业企业的5%，但其就业人数占样本期内巴西正规制造业就业人数的47%。

文章对企业雇佣的工人进行追踪，追溯该工人前三年在正规部门的最后一次就业，并获得前雇主的出口状况。这样，文章就可以将从出口商处雇佣的工人识别为在过去三年内最近一次正规部门就业是在出口企业的工人。为了进行稳健性检验，文章还以类似方式识别了从非出口企业雇佣的工人。对于这些工人，文章还提取了他们之前就业的职业信息，将其区分为五个ISCO-88类别：专业或管理职业、技术或监督职业、其他白领、熟练蓝领和非熟练蓝领职业（见附录）。最后，文章还对工人的未来进行了跟踪。具体来说，文章将近期出口商的招聘情况跟踪到下一个日历年，并识别随后的离职情况。

（三）按行业划分的全球贸易流量

在第4节中，文章使用了按3分位ISIC分行业划分的巴西以外来源国的进口数据。进口数据来自1994年至2007年双边贸易流量的世界贸易流量（World Trade Flow，WTF）数据集（Feenstra等，2005）。文章考虑了七个目的地组：亚太发展中国家（Asia-Pacific Developing，APD）、中东欧国家（Central and Eastern European，CEE）、拉丁美洲和加勒比国家（Latin America and Caribbean，LAC）、北美国家（North American，NAM，不包括墨西哥）、其他发展中国家（Other Developing，ODV）、其他工业化国家（Other Industrialized，OIN）和西欧国家（Western European，WEU）。

（一）跨期角度下出口商的异质性

表1的特征事实显示，首先，不仅出口商和非出口商之间存在相当大的异质性，而且出口商之间在不同时期的参与情况以及劳动力规模和出口额方面也存在相当大的异质性。例如，长期不出口的企业平均雇佣11名员工，最近退出出口的企业平均雇佣64名员工，最近开始出口的企业平均雇佣88名员工，而持续出口的企业平均雇佣341名员工。其次，90%的正规制造业企业在1994-2007年间从未出口。退出或开始出口的86765家企业占1994年至2007年间至少一年出口企业总数的一半左右，但只占全部出口销售额的5.2%。此外，持续出口企业的发货量接近巴西出口总量的95%，雇佣了约五分之四的出口企业工人和五分之二的巴西制造业工人。出口成功在主要出口商中持续存在，这促使我们寻找不需要公司层面变化的IV。

（二）横截面视角下的出口商异质性

表2基于横截面视角的统计中，从企业出口目的地数量和每个目的地的出口金额来看，出口商之间存在实质性的异质性。与开始出口的企业相比，持续出口企业服务的目的地数量增加了2.7倍，每个目的地的出口额增加了4.6倍。表1显示的出口商规模差异也反映在表2的就业平均值中。为了反映就业岗位的更替情况，表2还报告了就业岗位随时间的变化情况，以及平均岗位破坏率（t年的离职人数相对于年终就业人数）、平均岗位创造率（t年的雇用人数相对于年终就业人数）和平均岗位更替率（公司t年雇佣和离职的平均人数）。出口企业的员工增长速度是普通企业的6倍，而在出口企业中，初创企业的员工增长速度是持续出口企业的7倍，而退出企业的员工则在减少。出口商和非出口商之间的工作岗位破坏率、创造率和更替率比较接近。然而，在出口企业中，退出企业的工作岗位破坏率往往较高，而初创企业的工作岗位创造率往往较高。

除了技能和职业类别外，雇主-雇员数据还允许文章了解劳动力背景的各个方面，包括工人以前在出口商处工作时的专家身份。表2显示，不仅出口企业与非出口企业之间，甚至出口企业自身在人才雇佣的频率和规模上都存在实质性差异。在一般企业中，出口人才招聘占总聘用人数的比例约为七分之一，而在一般出口企业中则为一半，在连续出口企业中超过一半，在退出出口市场的企业中约为三分之一。但相对于企业整体的员工规模而言，出口人才的招聘数量占比有限，表明这少数的出口人才可能是塑造企业出口竞争优势的重要来源。

04

识别策略

在一个动态决策框架下，为了能从因果关系上分离出企业在准备抓住出口市场机会时的劳动力需求，文章转而采用一种基于企业无法控制的国外产品市场条件且独立于国内劳动力市场条件的识别策略。

（一）实证模型

文章分两步对不确定性条件下的企业就业和出口决策建立实证模型。第一步，企业i 观察其行业或部门s 在时间t 的出口市场条件。企业利用国外条件来预测自身在T ≥ t 时的出口市场参与状况，同时考虑自身特点和其他市场条件。文章假设，国外市场条件只通过预期的出口市场参与状况影响企业对人才招聘的选择，而不是通过任何国内产品或劳动力市场。下面文章将对这一假设进行实证分析，并排除其他渠道的干扰。在不确定条件下的企业选择动态模型中，状态变量和构成了预测出口市场参与状况的信息集。这一模型设定与Fajgelbaum（2020）的确定性模型有共同之处，即相对于进入成本而言，出口回报率越高、企业生产率越高，则进入出口市场的速度越快，从而提高了特定阶段参与出口市场的频率。

对于第一步预测的估计，当企业评估其预期的出口市场参与状况时，文章使用线性概率模型：

对T ≥ t 的情况而言，文章采用单一变量来衡量出口市场条件。下一小节将进一步讨论海外进口如何为巴西企业参与出口市场提供外生工具。一些现有研究利用重大宏观经济冲击（如实际汇率贬值）或大规模政策变化（如消除贸易壁垒）来捕捉出口市场参与状况的外生变化来源。文章方法允许分析出口商在一般时期的行为。

文章将出口市场参与状况定义为企业向至少一个海外目的地发送货物。基准检验中，作者不对单个的出口目的地进行区分。一个原因是，企业对目的地的选择是一个内生结果，因此通过对目的地选择的条件来划分样本会导致有偏估计。另一个原因是，考虑到所有目的地的出口市场参与情况，文章就能考虑到企业内部不同目的地之间潜在的知识溢出效应，这与出口路径方面的证据（如Morales等，2019）是一致的。根据国外一个目的地有利的出口市场条件雇用专家，可以使公司也向相关目的地出口。

为了控制企业特征和市场条件，在第一步和第二步中，文章在估计方程中加入了一个综合控制向量。同时，使用企业固定效应来调节企业的初始特征。为了控制上文分析中提到的出口商绩效持续性，文章在t-1 和t-2 期加入了反映企业出口状况的指标。此外，加入从t-1 期到t 期一般就业人数的变化（不包括专家招聘），以消除其他潜在的招聘影响。模型中加入了企业规模、按教育和职业类别划分的就业比例、高技能密集度指标三项控制变量，以控制相关因素干扰。此外，研究控制行业层面的线性趋势、年份固定效应和行业层面的国内吸收量（生产加进口减出口）。

在第二步中，企业i 使用式（1）中预测的出口状况

来做出雇佣决策：

文章主要的研究假设是，上式中的系数显著为正。当企业观察到有利的国外进口需求冲击时，它们期望有更多的出口机会，并为其做好劳动力的雇佣准备。基准回归中，我们主要关注企业雇佣那些曾在出口企业正式工作的专家。在稳健性检验中，文章还考虑了雇佣之前在非出口企业工作的工人的情况。文章同时考虑了广延边际和集约边际的雇佣决策。其中，广延边际主要是指企业是否雇佣曾在出口企业工作的专家，集约边际则重点关注其雇佣人数（估计中将该人数取对数），并且只存在于非零雇佣的情况。文章对企业固定效应进行了控制，因此我们识别到的变动主要取决于企业内部出口状况预测随时间的变化。这些预测在持续出口企业中也会受到影响，但在改变出口状况的企业中可能最为明显。

基于观察到的企业和行业状况在t 时间点的前瞻性行为，我们也可以在公式（1）中使用未来时期的出口市场参与状况（T > t ）及其在式（2）中的预测结果（）。在分析中，文章考虑了预测出口状况的1年、2年和3年——、、，在t 时刻与出口市场条件信息到达时的因变量以及模型（1）和（2）中相同的右侧变量相结合。文章使用了年度数据，而企业可能会在较短的季度或数月的时间内共同做出出口市场参与和专家招聘决策，因此作者考虑了一年内伴随时间的基准规范T = t 。

无论具体时间如何，文章两步经验研究都是基于这样一个因果逻辑，即从企业现在对国外市场状况的观察到企业的出口状况预测，然后再回到企业现在的招聘决策，该决策与同时出现的出口市场信息相匹配——因此文章强调专家招聘是为出口机会做准备。

（二）作为工具的出口市场冲击

文章的描述性分析为工具变量的选择提供了两个重要启示。第一，出口状况的持续性表明，企业的信息集要素（如外贸流量）很可能是出口市场参与的驱动因素。第二，出口能力随时间的持续性要求工具变量必须与企业层面的持续性特征独立才会有效。因此，文章将作为出口参与的备选工具变量，是指观察到的行业s 和年份t 的货物贸易流向国外的任何一组目的地，其中进口可以来自世界上除巴西以外的任何国家。文章将企业归入其首次出现在Rais中的行业，以解决企业退出或进入某一行业的内生性问题。

为从国外进口流量中找到能预测巴西企业出口状况的工具变量，文章考虑了国外六个国家组（如第2.3节所述），提供了六个备选IV。文章将拉丁美洲和加勒比国家（LAC）的非巴西进口排除在潜在工具之外。由于在地理位置上靠近巴西，这些国家在巴西的贸易和移民流量中占有很大份额。因此，拉加地区产品需求的变化可能会同时影响巴西的出口需求和具有出口经验工人的可用性，从而给工具的有效性带来潜在问题。

鉴于东亚新兴经济体和东欧转型经济体的贸易在1994-2007年期间迅速扩张，APD和CEE预计会产生强劲的进口需求增长。从1994年到2007年，巴西的实际出口总体增长了2.7倍，但对APD的出口增长了4.4倍，对CEE的出口增长了3.7倍。2007年，巴西出口的15.4%运往APD，但只有1.6%运往CEE。在文章样本期内，对ODV的出口也在快速增长，但相对于对ODV的出口，对APD的出口在总体出口中所占的份额更大（见附录）。这些观察结果使APD地区的需求成为文章设定相关工具的主要备选。

为了选择相关工具变量，文章首先将出口指标与六个备选IV和企业控制向量进行回归。文章发现，只有APD的进口才能预测巴西企业在样本期间的出口市场参与情况（见附录）。由于APD以外其他地区的进口并不能预测出口状况，因此文章在分析中排除了这些备选工具变量，以避免过度识别模型中弱工具带来的偏差（相关文献见原文）。由于文章只有一个相关的工具变量，因此无法分别估计持续出口者、开始出口者和退出出口者的效应。

行业层面工具变量的有效性要求，在其他企业特征和国内市场条件既定下，一个行业和拉丁美洲以外目的地的国外市场条件必须仅通过出口市场参与影响巴西对专家的聘用。因此，文章从三个方面增强工具变量的有效性。第一，扩张中的企业可能会内生地在国外需求较好的行业推出产品。这种行业层面的变化会在企业的就业增长和工具变量之间产生虚假的相关性。为此，文章将每家公司归入其首次出现在数据中的行业。时间不变的行业隶属关系可以防止工具捕捉到企业主要行业在贸易冲击下的潜在变化。第二，行业层面的全球市场趋势可能会同时影响巴西对专家的需求和某一行业的全球进口需求。为此，文章在研究中加入了大量行业相关效应的控制因素。第三，劳动力需求的一般性变动也可能会干扰文章的估计结果。因此，文章使用IV估计了出口市场参与对非出口企业雇佣工人的影响，并发现不存在显著的促进效应。

最后，文章还从以下两个方面对于IV有效性进行了讨论。一方面，如果巴西的专家招聘导致全球对亚太地区的进口发生巨大变化，那么可能会存在反向因果问题。但附录结果表明，巴西企业较高的出口频率与APD的非巴西进口呈现显著的正相关关系，因此排除了这一干扰。另一方面，移民群体中具有出口经验的工作也可能会干扰文章的估计结果。但文章的基准回归发现，在排除从任何拉美国家（不仅仅是巴西）进口到APD国家的情况下结果都是稳健的。因此移民不太可能成为文章识别的主要问题。

（一）挖走出口商的工人

表4显示了进入出口市场对人才招聘广延边际（第1-3列）和集约边际（第4-6列）的影响。文章在第2列和第5列中报告了式2的IV估计值，在第1列和第4列中报告了不使用工具变量的OLS估计值。第3列和第6列是直接根据工具变量对人才招聘的简约式回归结果。其中，A组采用当期的出口市场参与状况作为招聘的回归变量，B组则使用未来的出口市场参与状况，文章主要以A组作为基准。此外，无论是对于A组还是B组，都不存在明显的弱工具变量问题。

A组的估计结果显示，预测的出口市场参与会显著提升企业的人才招聘（前出口商工人），无论是在广延边际视角（第1列和第2列）还是集约边际视角（第4列和第5列）均是如此。第2列IV估计的系数意味着，出口市场参与概率每增加10%，人才招聘的概率便会提高22%，而平均概率为19%。在至少从出口企业雇佣一名工人的条件下，出口市场参与概率每增加10%，出口企业的雇佣人数就会增加17%（第5列）。这一增长相当于平均每家企业多雇佣0.36名员工，平均每家出口企业多雇佣约1名员工。在至少雇佣一名前出口商工人的条件下，一般企业雇佣2.09名工人，而一般出口商雇佣5.38名工人。

在数值上，IV估计的系数值要严格大于OLS估计的系数值。一个可能的原因是，OLS估计值中掺杂了生产率提升带来的积极效应，这种影响会促使企业进入出口市场并从节约生产中的劳动投入来获益，进而导致IV的估计值更大。此外，也或许是由于IV估计考察的是出口市场参与对易受国外有利需求条件影响的处理企业的局部平均处理效应。与此相反，OLS估计则估计出的是对全部企业的平均处理效应，其中包括大部分从不出口的企业，而它们很难受到有利外需机会的影响。

表4的B组显示了未来一年预测的出口参与（t + 1 ）对现有出口商目前雇佣工人的估计影响。与A组类似，在人才招聘的集约边际和广延边际视角下，估计效应均为正数且在统计上显著。证据表明，与文章在第4.1节中的概念性考虑一致，巴西企业在预期出口市场机会出现之前就开始雇佣专家。它们在广延边际上的影响最为显著（第2列），而在集约边际上的影响显著性相对较低（第5列）。这种预期行为仅限于一年的窗口期，在更长的年份中（t + 2 和t + 3 ）IV估计会不再具备统计意义。

（二）按职业雇佣出口人才

当企业为准备出口而挖走人才时，它们可能会根据人才类别而采取差异化的做法，具体的估计结果汇报于表5中。早期研究表明，聘用总经理和高薪人才对于促进出口市场表现具有正向影响，同时最近的证据也表明雇佣技术经理和熟练的蓝领工人也会对企业的出口扩张十分重要。

文章使用国际通用ISCO-88分类下的五个主要职业类别，并绘制了Rais报告的1994-2007年间巴西职业分类CBO（见附录附录A.3）。在OLS回归中，人才雇佣指标（列1）与所有职业的预测出口状况呈显著的正相关关系，但其对数（第3列）与预测出口状况仅在熟练的蓝领人才组别中显著。熟练蓝领职业人才的这种特殊性在基于IV估计的因果识别中依然显著（第2列和第4列）。这表明，为出口机会做准备而雇佣的人才完全集中在熟练蓝领工人组别中（组D）。

巴西职业分类中的熟练蓝领职业包括流水线生产中的工具准备员和机器操作员、计算机数控机床操作员以及许多特定工艺的工人。相比之下，CBO中与市场营销和销售相关的职业被视为白领技术活动。Artopoulos等（2013）基于其采访案例提出了三种经典的出口业务实践：（1）产品实践，出口商通过设计产品来满足海外市场的消费需求；（2）生产实践，通过改进管理和新型设备来提高质量和创新工艺技术；（3）营销实践，除广告宣传外，还涉及质量一致性、及时交货和包装。这三种实践中，除了与市场营销相关的活动外，无一例外与熟练蓝领工人的工作任务相关。因此，文章关于从熟练蓝领职业中聘用人才的证据与所报道的成功出口商业惯例背后的规律性是一致的。

文章进一步探究了出口商经理对企业参与出口市场的潜在重要性，这在早期的研究中已有记载（Mion & Opromolla，2014；Masso等，2015）。文章调查了熟练蓝领（skilled blue-collar，SBC）工人被挖走与是否存在具有出口经验的经理人之间可能存在的关联。文章将出口商经理过去的聘用情况（一年前出口商经理的聘用情况）作为出口商聘用熟练蓝领工人的预测因素。文章还研究了出口商经理的存在与出口状况之间的交互作用，以此作为额外的预测因素。表6给出了结果。在A组中，文章使用巴西以外国家的APD进口量作为预测出口状况的单一IV，结果发现在任出口商之前聘用经理人会显著促进企业当期聘用更多的熟练蓝领职业人才（第4列）。然而，在OLS估计下，雇佣先前任职于出口企业的经理人与广延边际的人才雇佣之间并不存在显著关系（第2列）。文章在B组进一步探讨了先前受雇的出口商经理与预测出口状况之间的交互作用，以及APD进口与受雇出口商经理指标之间的交互作用是否增加了预测专家雇佣的解释力。综合来看，出口商经理的存在与更多地从以前的出口商那里挖走熟练蓝领工人密切相关。

（三）雇佣非出口商工人

一个潜在的担忧是，文章所采用的行业层面IV可能与产品需求的总体变化有关，即对人才雇佣的估计结论或许仅仅是反映了劳动力需求的普遍增长，而非具有特定出口技能工人的需求提高。为了排除这一干扰，文章估计出口市场条件的变化对非出口企业工人雇佣的影响。倘若出口需求冲击对非出口企业的工人雇佣影响较小或不显著，则表明我们的IV有效。

表7显示，在广延边际层面（第2列），根据APD行业进口水平预测的出口市场参与对非出口企业工人雇佣的影响较小，且仅有微弱的显著性。在集约边际层面（第4列），与表4中对从出口商招聘的影响相比，表7（第4列）中从非出口商招聘的系数在所有职业中都较低。与表5中的熟练蓝领职业相比，从非出口商招聘的系数也更低。这些检验结果表明，有利的出口市场条件促使潜在出口商主要从现有出口商那里挖走工人。

（四）在出口意外失败时解雇新近雇佣的出口商工人

迄今为止的回归模型为以下假设提供了证据：当企业可以预期实现出口市场机会时，就会雇佣出口商工人。这一假设的一个推论是，如果一个行业的国外需求条件有利，预示着企业参与出口市场的可能性会增加，那么如果该企业意外地未能成为出口商，那么该企业就应该解雇目前从出口商挖走的员工。为了采用这种类似安慰剂的处理方法，文章将出口商雇佣的离职人员定义为当年从出口商雇佣的人员，其新的雇佣关系在次年12月31日之前终止。然后，文章从两个方面对企业样本进行限制。第一，文章只保留式（1）中预测的第𝑡年出口指标高于样本中位数的企业观测值，这与企业参与出口市场的良好预期相一致。在这些企业观测值中，文章只保留那些在当年被观测为非出口企业的观测值。第二，只保留预测出口状况高于第75百分位数的企业观察值，其中只保留当年观察到的非出口企业观察值。

对于意外失败的出口商的每个限制性样本，文章复制方程（2），并在广延边际（公司至少有一个出口商工人离职的指标）和集约边际（出口商工人离职对数）上对公司出口状况预测和控制变量进行回归。

表8报告了预测出口状况的OLS回归结果。结果支持文章安慰剂式推论。在广延解雇边际（第1列）和密集解雇边际（第2列），出口预测因子的系数估计值严格为正且显著。这一证据表明，如果出口预测因子促使出口商在当年挖走更多的出口商工人，那么意外失败的出口商就会解雇最近雇佣的出口商工人。对于高于中位数（A组）和高于预测出口概率第75百分位数（B组）的意外失败出口商来说，情况就是如此。将表8中的估计值与同一样本企业的招聘估计值进行比较，可以发现意外失败的出口企业与50%到65%的近期被挖走的专家分离。

然而，表8结果可能反映了失败出口企业离职率的普遍上升，而不是具有出口技能工人离职率的上升。为了区分专家和从非出口企业招聘的人员之间的影响，表9重复了表8分析，对以前从非出口企业招聘的人员（非专家）的离职情况进行了分析。与不成功出口企业从不再需要的专家中离职的假设一致，文章发现在解雇的广延边际（第1列）和集约边际（第2列）上，非专家对离职率的影响较小，且大多不显著。

（五）工资变化与出口商工人雇佣

表10展示了为准备出口机会而雇佣的工人是否在新公司获得了更高的工资。具体而言，对于每个从出口商处雇佣的工人j ，文章计算当前工作与上一份工作的工资（对数化）差距，并将其作为因变量。为了确定工资增长的来源，文章还开展了Mincer对数工资回归：

以分离出每位工人的三个对数工资组成部分：首先是可观察特征（如教育、职业、劳动力经验、性别和年龄）能够解释部分；其次是由企业固定效应所能解释的部分；最后是残差部分。文章将以工厂i中专家的平均薪酬差异作为方程（2）的被解释变量。OLS估计发现，参与出口市场对有出口经验工人的薪酬的确存在显著为正的影响（第1列）。这一影响主要是由工厂固定效应驱动的（在95%置信水平上显著），这表明与出口技能相关的工资溢价源于新雇主在工厂范围内进行的工资调整。文章发现，工厂固定工资部分的增加反过来又与新雇主产生的出口盈余大于前雇主的盈余相一致。这一结果也与具有出口技能的管理人员存在工资溢价的研究结果一致（如Mion & Opromolla，2014）。但基于IV估计时并未发现由工厂固定效应所解释的工资部分发生了显著变化。

（六）高生产率企业的出口知识与经验

出口企业的生产率相对较高（参见Clerides等，1998）。迄今为止的分析还没有解决这样一个问题，即企业是否会通过雇佣具有出口企业经验的工人来为出口机会做准备，而不是雇佣具有高生产率企业工作经验的工人。为了区分这两种工人专业技能的来源，文章进一步分析了企业对工人技能选择问题。但Rais中并未统计企业生产率的常用指标，如销售额或人均增加值。为此，文章使用从Mincer对数工资回归中得到的工厂固定工资效应来近似替代企业的生产率水平。在Rais的企业样本中，这些工厂固定工资效应与每名员工的销售额密切相关，而这些样本可以与包含销售额的制造业调查数据联系起来（Menezes-Filho等，2008）。对于多工厂企业，文章以各工厂的平均值来衡量生产率。附录B.4显示，出口商预备雇佣的系数与高生产率企业招聘数量的系数大小相似，在统计上也具有显著性。这一结果表明，在为出口准备而招聘人才时，企业会加积极的寻求出口知识，而非与生产率相关的专业知识。

文章通过匹配合并微观企业层面的出口信息及与之相关的雇主-雇员数据，发现更成功的出口商倾向于雇佣更多具有出口工作经验的人才。为了衡量企业为准备出口对劳动力进行的调整程度，作者使用亚太发展中国家对非巴西商品的进口需求作为工具变量。研究发现，企业在出口前雇佣工人主要是为了应对积极的外部需求，并为预期的出口市场机会做准备。这种从出口商那里提前招聘引进的专家，主要集中在技术熟练的蓝领职业中。基于文章的研究结论，那些阻碍工人自由流动的因素可能会降低企业招聘人才的能力，并进一步影响其提升海外市场竞争力的可能性。这些发现能够为劳动力市场政策和相关机构的制度设计提供信息。

本文仅作学术交流，版权归原作者及原发刊所有，如需转载本文，请联系授权