前5个月我国工程机械海内外市场快速增长

根据加速数原理（Clark, 1917），投资品的需求本质上是终端投资需求的派生需求。工程机械作为基础设施和房地产投资的核心投资品，其销售变动应当前瞻性地反映建筑业和固定资产投资活动的预期变化。根据领先指标理论（Stock & Watson, 1989），高频的工程机械月度销售数据可以提前捕捉到季度频率宏观投资数据的转折信号。国际市场销售反映了海外基建需求的先行信息，国内市场销售则直接关联国内投资周期。

据此提出以下假说：
- H1：工程机械销售增速是固定资产投资增速的先行指标，最优预测窗口为2-4个月。
- H2：挖掘机销售增速的宏观预测能力强于装载机销售增速，因为挖掘机更多用于基建和矿山等大型投资场景，与宏观投资周期关联更紧密。
- H3：国内市场销售增速对国内投资的预测能力在经济上行期更强（顺周期信号放大效应），而国际市场销售增速提供了独立于国内周期的额外信息增量。

本文采用混频VAR（MF-VAR）模型处理频率不匹配问题——工程机械销售为月度数据，而建筑业增加值和GDP为季度数据。MF-VAR避免了传统方法中将月度数据加总为季度而损失高频信息的缺陷。核心识别逻辑为：若工程机械销售的滞后项在固定资产投资方程中联合显著，且Granger因果检验拒绝"销售不Granger-cause投资"的原假设，则工程机械销售具有先行预测效力。关键识别假定：MF-VAR系统中变量顺序反映经济传导时序——销售→新开工→投资→产出；残差序列为白噪声过程；变量间不存在长期结构性断裂（通过Bai-Perron检验验证）。

基准混频VAR(p)模型设定为：

Y_t = c + Σ_{i=1}^{p} A_i Y_{t-i} + ε_t, ε_t ∼ N(0, Σ)

其中 Y_t = [SALES_t^M, INV_t^Q, GDP_t^Q, PMI_t^M]′，SALES_t^M 为工程机械月度销售增速（可观测每月），INV_t^Q 和 GDP_t^Q 为季度变量（仅在季末有观测，季中为缺失值）。通过 Kalman 滤波在状态空间框架下估计缺失的月度观测值，实现对混频联合似然的最大化。关键参数为 SALES 对 INV 的累积脉冲响应系数——若在季度频率上显著为正，则证实先行预测能力。

• **核心预测变量**：工程机械综合销售增速（月同比），以挖掘机和装载机销量按销售额加权合成综合指数；另分别检验挖掘机销售增速和装载机销售增速的分项预测能力
• **被预测变量**：固定资产投资完成额月度同比增速（国家统计局）；建筑业增加值季度同比增速（国家统计局）；GDP季度同比增速
• **控制变量**：PMI建筑业分项（反映行业景气）、水泥产量同比增速（替代基建活动）、信贷脉冲（新增社会融资规模同比变化）
• **样本区间**：2012年1月—2026年5月，月度频率，共173个观测值

• **替换预测变量**：以工程机械出口交货值（海关总署月度数据）替代协会销售数据作为国际市场销售的代理变量，检验预测关系是否对数据来源和统计口径敏感。
• **滚动窗口检验**：以60个月为固定窗口进行滚动MF-VAR估计，观察Granger因果检验p值在时间维度上的稳定性，排除特定子样本期间（如2020年疫情冲击）驱动整体结论的可能。
• **非线性门限VAR**：以固定资产投资增速的中位数作为门限变量，检验工程机械销售的预测能力是否在经济高增长期和低增长期呈现非对称性，验证H3的顺周期信号放大假说。
• **样本外预测评估**：以2012M1-2023M12为训练集、2024M1-2026M5为测试集，比较含/不含工程机械销售数据的模型在RMSE和Diebold-Mariano检验下的预测精度差异。

---

根据凯恩斯乘数理论，政府基建投资通过扩大总需求，经由产业链传导至上游的工程机械行业——投资增加→施工需求上升→机械采购增加→行业产出扩大。根据新凯恩斯投资加速效应（Caballero & Engel, 1999），乘数效应的大小取决于经济所处的周期阶段和企业面临的调整成本：在需求旺盛期，企业产能利用率高，投资乘数更大。根据区域支出乘数理论（Nakamura & Steinsson, 2014），中西部地区的乘数可能因经济开放度低（进口漏出少）而高于东部沿海地区。

据此提出以下假说：
- H1：专项债发行规模每增加1%，本地工程机械销售增速提升0.3-0.6个百分点，乘数效应在2-3个季度后达到峰值。
- H2：中西部地区的基建投资对工程机械销量的乘数效应大于东部沿海地区（因为进口替代和本地供应链自给率更高），但东部地区对新能源工程机械的乘数效应更强（绿色采购政策倾斜）。
- H3：新能源工程机械的需求对绿色基建投资（如新能源基建、环保工程）的弹性显著高于对传统基建投资的弹性，呈现结构性需求分化。

本文的核心识别挑战在于：基建投资与工程机械销量之间可能存在反向因果（地方政府可能在机械需求旺盛时加大投资）和遗漏变量（省级经济增长潜力同时驱动投资和机械需求）。为此，采用合成控制法（SCM）：以专项债发行规模在各省的分配差异作为外生变异来源——专项债额度受中央分配规则影响，具有较强的外生性。通过为每个"高投资"省份构建一个由"低投资"省份加权合成的反事实对照组，比较实际工程机械销量与反事实销量的差异来识别因果效应。关键识别假定：处理组省份在政策冲击前与合成对照组具有平行的工程机械销售趋势（通过事件研究法检验预处理期平行趋势）；不存在省级层面的同期其他政策冲击（如产业补贴或自贸区政策）。

基准SCM分析框架为：对于处理组省份 i（专项债增速前25%分位），构建合成控制权重向量 W = (w_1, ..., w_J)'，使得在政策冲击前（t < T_0），处理组省份的工程机械销量和经济特征与合成控制组尽可能匹配：

Ŷ_{it}^{CF} = Σ_{j=1}^{J} w_j^* Y_{jt}, for t ≥ T_0

处理效应：τ_{it} = Y_{it} - Ŷ_{it}^{CF}，即实际销量与反事实销量的差值。为补充SCM的推断，同时估计双向固定效应面板模型：

SalesGrowth_{it} = α + β · BondIssuance_{it} + γ · X_{it} + μ_i + λ_t + ε_{it}

其中，关键参数 β 是专项债发行增速对工程机械销售增速的边际效应（投资乘数的简化形式）。μ_i 和 λ_t 分别吸收省份固定效应和年份固定效应。

• **被解释变量**：工程机械销售增速（分省月度同比），涵盖挖掘机和装载机两类产品
• **核心解释变量**：省级专项债发行规模同比增速（滞后1-3期）；省级基建投资完成额同比增速（剔除电力热力）
• **控制变量**：省级GDP增速、房地产开发投资增速、社会融资规模增速、地方财政收入增速（反映地方财政能力）
• **异质性变量**：区域虚拟变量（东/中/西部）、新能源基建投资占比（以风电、光伏、充电桩等新基建投资占比衡量）
• **数据来源**：Wind数据库、各省统计年鉴、中国工程机械工业协会、财政部
• **样本区间**：2018年1月—2026年5月，省级月度面板数据，31个省份共约3100个观测值

• **替换处理组定义**：分别以专项债增速前20%、前30%分位以及基建投资总量绝对水平前25%分位定义处理组，检验SCM结果对处理组划分标准的敏感性。
• **安慰剂检验**：将政策冲击时点前移12个月（虚假冲击时点），若虚假时点的SCM估计不显著，则支持因果效应来自真实的投资扩张而非趋势；此外，对每个控制组省份执行"伪处理"迭代安慰剂检验，构建置换分布以评估处理效应的统计显著性。
• **排除竞争性解释**：在回归中控制各省份同期的房地产调控政策力度（以限购/限贷指数衡量）和产业补贴政策（以省级财政产业扶持支出占比衡量），排除其他政策同期干扰。
• **工具变量检验**：以中央对地方的均衡性转移支付分配公式构造的预测值作为专项债发行的工具变量，采用IV-2SLS进一步处理专项债额度可能存在的内生分配问题。

---

根据交易成本经济学（Williamson, 1985），企业进入海外市场面临信息搜寻成本、谈判成本、合规成本等交易成本。目标市场国的制度环境直接影响这些成本的高低——监管质量低、产权保护弱的东道国增加了合约执行的不确定性和事后机会主义风险。根据制度距离理论（Kostova, 1999），中国与目标市场国之间的制度差异越大，企业越需要投入额外资源来理解和适应当地规则，导致"外来者劣势"（liability of foreignness）。但根据乌普萨拉模型的最新扩展，制度距离也可能是竞争优势的来源——中国的工程机械在制度环境与中国相似的发展中国家可能更容易复制其商业模式。

据此提出以下假说：
- H1：目标市场国的制度质量与中国工程机械出口正相关——监管质量每提高1个标准差，出口额增加约15-20%，因为可预期的制度环境降低了交易成本。
- H2：制度距离（中国与目标市场国制度质量之差的绝对值）对工程机械出口的影响呈倒U型——适度的制度差异促进了差异化竞争（中国的性价比优势在中等制度质量国家最突出），但过大的差异显著增加适应成本。
- H3：制度距离对出口模式选择有显著影响——制度距离越大的目标市场国，企业越倾向选择轻资产的出口模式而非重资产的本土化生产和合资，以降低制度性资产的沉没风险。

核心识别挑战在于：制度质量可能是内生的——经济发展水平高的国家同时有好的制度和高的进口需求。本文采用两种策略处理：（1）以目标市场国的殖民历史法律起源（英国普通法/法国民法/德国法系）作为制度质量的工具变量——法律起源具有深厚的历史外生性（La Porta et al., 2008），与当前制度质量高度相关但不直接影响中国工程机械的当期出口需求；（2）加入目标市场国GDP和人均收入控制经济发展水平，分离制度的独立效应。此外，采用Heckman两步法处理零贸易流量带来的样本选择偏误——首先用probit模型估计出口参与概率（选择方程），然后在第二步的引力模型中纳入逆Mills比率校正选择偏误。

基准引力模型设定为：

ln(Export_{ijt}) = α + β · InstQuality_{jt} + γ · InstDistance_{ijt} + δ · (InstDistance_{ijt})^2 + θ · ln(GDP_{jt}) + ρ · ln(Distance_{ij}) + Σ_k ζ_k · Z_{k,ijt} + λ_t + ε_{ijt}

其中，Export_{ijt} 为中国对目标市场国 j 在 t 年的工程机械出口额；InstQuality_{jt} 为制度质量（WGI六维度均值）；InstDistance_{ijt} 为制度距离（中国与j国WGI之差的绝对值）；Z_{k,ijt} 包括是否签订FTA、是否"一带一路"沿线国、共同语言、共同边界等标准引力变量。关键参数 β 预期为正（制度质量→降低交易成本→促进出口），γ 预期为正而 δ 预期为负（倒U型关系）。工具变量第一阶段方程为：

InstQuality_{jt} = π_0 + π_1 · LegalOrigin_UK_j + π_2 · LegalOrigin_FR_j + π_3 · X_{jt} + ν_{jt}

• **被解释变量**：中国对目标市场国工程机械出口额（HS编码8429、8430等，海关总署贸易数据库，2010-2025年年度数据，取自然对数）
• **核心解释变量**：制度质量——WGI六维度（话语权与问责、政治稳定、政府效能、监管质量、法治水平、腐败控制）的等权均值，标准化为z-score；制度距离——中国与目标市场国WGI均值之差的绝对值
• **控制变量**：目标市场国GDP（世界银行WDI，控制市场规模）、双边地理距离（CEPII）、是否签订FTA（商务部）、是否"一带一路"沿线国（中国一带一路网）
• **样本国家**：中国工程机械前50大出口目的国，2010-2025年，共约800个观测值

• **替换制度变量测度**：以世界银行Doing Business营商环境排名和Fraser Institute经济自由度指数替代WGI作为制度质量的替代测度，检验结论是否对制度变量的测度方式敏感。
• **替换工具变量**：以目标市场国的定居者死亡率（Acemoglu et al., 2001）和纬度作为制度的替代工具变量，检验IV估计的敏感性和排他性约束的合理性。
• **分组异质性检验**：按企业进入模式（出口/合资/独资子公司）分组估计制度距离的差异化效应，验证H3；按目标市场国收入水平（高/中/低收入）分组，检验制度效应是否因发展阶段而不同。
• **排除"一带一路"政策同期干扰**：在模型中加入"一带一路"倡议启动年份（2013年）之后的时间虚拟变量与沿线国虚拟变量的交互项，排除"一带一路"政策同期冲击对制度效应估计的污染。

---

根据技术能力积累理论（Lall, 1992），发展中国家的技术追赶遵循"引进→消化→改进→创新"的阶梯路径。中国工程机械行业在传统柴油动力领域已完成了初步的技术追赶（市场份额和出口量领先），进入新能源领域意味着开启新一轮更高起点的技术跃迁。根据演化经济学的技术范式转型理论（Dosi, 1982），向新能源动力的转型不仅涉及动力系统的替代，更涉及整个产品架构的重塑——电池管理系统、电驱系统、热管理系统等全新技术模块的引入，为后发企业提供了"换道超车"的窗口。根据环境技术创新的双重外部性理论（Jaffe et al., 2005），新能源工程机械同时产生正的知识溢出（技术外部性）和正的环境外部性（减排），政府的绿色政策支持是纠正双重市场失灵的必要条件。

据此提出以下假说：
- H1：企业在传统工程机械领域积累的技术能力（以存量专利数量衡量）对新能源工程机械的技术转型具有U型影响——中低水平的传统技术积累提供互补基础，但过度锁定于传统技术路径会抑制新能源转型。
- H2：地方政府的绿色采购政策和新能源补贴力度每增加1个标准差，当地企业新能源工程机械销售占比提高2-3个百分点，政策效应主要通过降低转型的前期沉没成本来实现。
- H3：新能源转型显著提升了企业的全要素生产率——转向新能源工程机械的企业，其TFP在转型后3年内平均提升5-8%，主要源自新产品的高附加值溢价和电池技术的学习曲线效应。

核心识别挑战有三个方面：（1）企业新能源转型决策是内生的——高生产率企业可能更早转型（自选择偏误）；（2）政策效应与企业转型之间存在反向因果——新能源产业发达的地区可能获得更多政策支持；（3）TFP估计中的生产函数识别问题。针对（1），采用Heckman两步法校正自选择偏误，选择方程以企业的传统技术存量和历史出口经验作为排他性约束变量。针对（2），以地方政府的新能源政策强度（以省级新能源汽车推广目标的完成压力指数作为IV——该指数由中央对各省的考核压力决定，对企业个体行为是外生的）。针对（3），分别采用OP法、LP法和ACF法估计企业层面TFP，确保生产函数估计的稳健性。

企业新能源转型效应的基准模型：

NewEnergyShare_{it} = α + β₁ · TechCapability_{it-1} + β₂ · (TechCapability_{it-1})^2 + γ · PolicyIntensity_{pt} + θ · X_{it} + μ_i + λ_t + ε_{it}

其中，NewEnergyShare_{it} 为企业 i 在 t 年的新能源工程机械销售占比（%），TechCapability_{it-1} 为滞后一期的技术能力（企业累计工程机械专利数量取对数），PolicyIntensity_{pt} 为省份 p 在 t 年的新能源政策强度。关键参数 β₂ 若为正，则证实U型关系（H1）。进一步估计TFP效应：

TFP_{it} = δ₀ + δ₁ · NewEnergyShare_{it} + δ₂ · X_{it} + μ_i + λ_t + u_{it}

δ₁ 预期为正（H3）。为避免自选择偏误，使用Heckman校正和倾向得分匹配（PSM）辅助估计。

• **被解释变量**：新能源工程机械销售占比——企业每年新能源（电动）工程机械销售额/总工程机械销售额×100%
• **核心解释变量**：技术能力——企业在工程机械领域的累计发明专利申请量（取自然对数），同时区分传统技术专利（IPC分类中柴油机、液压系统等）和新能源技术专利（电池、电机、电控等IPC分类）；省级新能源政策强度——以各省份年度新能源工程机械政府采购金额占一般公共预算支出的千分比衡量
• **控制变量**：企业规模（总资产对数）、企业年龄、出口依存度（海外销售占比）、ROA（资产回报率）、省级GDP增速、省级制造业占比
• **数据来源**：CSMAR数据库（上市公司财务）、国家知识产权局专利数据库、中国工程机械工业协会、各省财政预算报告
• **样本区间**：2015-2025年，上市公司工程机械行业企业年度面板数据，约35家企业共约350个观测值

• **替换TFP估计方法**：分别使用OP法（以投资作为不可观测生产率的代理变量）、LP法（以中间投入作为代理变量）和ACF法（纠正劳动投入的共线性问题）估计企业TFP，比较δ₁估计值在不同TFP测度下的稳定性。
• **替换技术能力测度**：以企业年度研发支出占营收比例（研发强度）替代专利存量作为技术能力的测度；同时以专利被引次数（而非专利数量）构建质量加权的技术能力指标，检验U型关系是否对测度方式敏感。
• **排除产业补贴的同期效应**：在回归中加入企业获得的产业补贴（政府补助/营业收入×100%）和税收优惠（实际税率），排除新能源转型效应与产业补贴效应的混杂。
• **产品空间密度检验**：以全球工程机械贸易的产品空间密度（proximity density）作为产业结构升级的宏观指标，验证企业层面的新能源转型与行业层面的产品空间位置跃升是否一致，提供微观-宏观交叉验证。

---

根据地缘经济学理论（Luttwak, 1990），国家在经济领域的竞争日益以地缘政治逻辑展开——贸易和投资不仅是纯粹的市场行为，更是国家战略意图的体现。中国工程机械在海外的快速增长，除了产品竞争力提升的市场因素外，还可能受到地缘经济战略的系统性驱动。"一带一路"倡议所推动的基础设施互联互通直接创造了工程机械的需求，而中国的对外承包工程和开发性金融（如进出口银行优惠贷款）则可能通过"捆绑效应"将工程项目与中国工程机械出口关联起来。根据公共选择理论，工程机械行业的出口利益集团可能通过行业组织游说，促使政府在双边经贸谈判中为本国机械出口争取有利条件。

据此提出以下假说：
- H1：双边政治关系的改善显著促进了中国工程机械出口——中国领导人对东道国的国事访问次数每增加1次，随后两年的工程机械出口额增加约8-12%。
- H2：中国在东道国的对外承包工程营业额是双边政治关系促进机械出口的关键中介渠道——政治关系改善→获取更多工程项目合同→工程所需机械从中国进口（捆绑效应），中介效应占比约30-45%。
- H3：地缘经济驱动效应在资源型东道国（非洲、中亚资源国）最强，在制造业型东道国（东南亚新兴工业国）次之，在消费驱动型东道国（发达国家）最弱——因为资源型国家对中国的发展融资依赖度最高。

核心识别挑战在于：双边政治关系和工程机械出口之间存在严重的反向因果问题——出口量大的国家可能反过来促进了更多的政治互动。本文采用以中国领导人对东道国的国事访问次数为核心解释变量的面板固定效应模型，同时采用以下策略处理内生性：（1）以东道国是否为中国邻国、是否联合国安理会非常任理事国在当年的轮值状态等外生于工程机械产业的政治因素作为政治关系的工具变量；（2）利用中央党校主办的省部级干部研修班中涉及"国际合作"主题的培训次数作为中国对外基础设施合作意愿的时间序列工具变量——该变量反映国家层面对外合作的重视程度，但不直接受企业出口业绩影响；（3）面板固定效应吸收不随时间变化的东道国特征（如地理距离、历史联系等），缓解遗漏变量问题。

基准面板固定效应模型：

ln(Export_{ijt}) = α + β · PoliticalRelation_{ijt} + γ · ln(ProjectValue_{ijt}) + θ · ln(GDP_{jt}) + ρ · X_{ijt} + μ_j + λ_t + ε_{ijt}

其中，PoliticalRelation_{ijt} 为中国与东道国 j 在 t 年的双边政治关系（以过去3年内国事访问次数的移动平均衡量）；ProjectValue_{ijt} 为中国在 j 国 t 年的对外承包工程完成营业额（取对数）。关键参数 β 预期为正（H1）。

中介效应检验（Baron & Kenny, 1986 + 自助法置信区间）：
- Step 1: ln(Export) → PoliticalRelation（总效应，预期显著为正）
- Step 2: ln(ProjectValue) → PoliticalRelation（政治关系促进工程项目获取）
- Step 3: ln(Export) → PoliticalRelation + ln(ProjectValue)（控制中介变量后，政治关系的直接效应应衰减）

• **被解释变量**：中国对东道国 j 年度工程机械出口额（HS编码8429、8430、8474等大类，海关总署贸易数据库，取自然对数）
• **核心解释变量**：双边政治关系——中国国家主席和国务院总理对东道国的国事访问次数（3年移动窗口，中国外交部官方网站记录）；对外承包工程营业额（中国商务部年度统计，取对数）
• **控制变量**：东道国GDP（控制市场规模）、东道国基础设施投资占GDP比重（控制基础设施需求）、双边贸易总额/GDP（控制经贸往来密度）、是否签订双边投资协定（BIT）
• **数据来源**：海关总署、商务部、AidData、世界银行WDI、CEPII
• **样本区间**：2010-2025年，80个"一带一路"沿线国家和主要工程机械出口目的国，约1280个观测值

• **替换政治关系测度**：以联合国大会投票相似度（理想点距离）作为双边政治关系的替代测度（Bailey et al., 2017）；以中国媒体（《人民日报》）对东道国的正面报道频次作为舆论层面的政治关系测度，检验结论对政治关系操作化方式的敏感性。
• **差分GMM估计**：采用 Arellano-Bond 差分GMM估计处理出口的持续性（滞后因变量）和政治关系的弱内生性，以政治关系的滞后2-4期作为内部工具变量。
• **替换中介变量**：以中国对东道国的开发性金融承诺金额（AidData数据库）替代对外承包工程营业额作为中介变量，检验"融资→采购→机械进口"的替代传导渠道。
• **排除贸易转移效应**：在模型中控制东道国从其他国家（日本小松、美国卡特彼勒、韩国斗山等）的工程机械进口额，检验中国机械出口增长是增量创造还是存量替代，明确地缘经济驱动是"创造新市场"还是"夺取现有市场份额"。