中朝多领域合作为两国友好注入源源动力

根据Anderson & van Wincoop（2003）的结构引力模型，双边贸易流量由出口国供给能力、进口国需求规模和双边贸易成本共同决定。中朝贸易因朝鲜受国际制裁而具有独特性——政治关系可能通过降低非正式贸易壁垒（通关便利、合同执行保障）显著影响贸易成本。Rose（2007）发现高层互访对贸易有正面效应，但效应大小因国家对的制度特征而异。中朝之间因缺乏正式的贸易争端解决机制，政治互信的贸易促进作用可能更为突出。

据此提出以下假说：
- H1：中朝高层互访（总书记/委员长级别）对次年双边贸易额产生15-25%的正效应，该效应随互访时间衰减，半衰期约2年。
- H2：政治关系的贸易促进效应在差异化产品（如化妆品、纺织品）中强于同质化产品（如矿产品），因为前者更需要政治信任保障合同执行。
- H3：政治关系的贸易促进效应在对朝制裁收紧年份减弱但不消失，说明「关系」可作为制裁环境下的替代性贸易保障机制。

核心挑战是反向因果——贸易增加可能导致更多高层互访。本文采用两种策略：一是事件研究法，以高层互访公告日（外生于贸易商预期）作为事件窗口，估计互访前后贸易流量的超常变化，短期窗口内反向因果可能性低。二是工具变量法，以中国领导人出访他国的路线逻辑作为IV——若出访日韩后顺访朝鲜，则该次互访的时机由外交行程逻辑决定而非贸易需求驱动。关键识别假定：中国领导人出访路线规划独立于中国企业对朝贸易的短期需求。

PPML扩展引力模型：

Trade_{ijt} = exp(α + β₁·Visit_{ij,t-1} + β₂·lnGDP_{it} + β₃·lnGDP_{jt} + β₄·lnDist_{ij} + β₅·Sanctions_t + β₆·(Visit × Sanctions)_{ij,t-1} + μ_{ij} + λ_t) + ε_{ijt}

其中 Trade_{ijt} = 中国（i）对朝鲜（j）在HS 6位码产品k在t年的贸易额（进口+出口）。Visit_{ij,t-1} 为t-1年是否有高层互访（0/1）。Sanctions_t 为对朝制裁强度指数（基于联合国决议增量编码）。β₁ 为关心的政治关系效应。μ_{ij} 为国家对固定效应。因仅有中朝一对国家对，产品维度提供识别变异，改为产品-年份面板设定。

被解释变量：中国对朝鲜HS 6位码产品层面年度贸易额（UN Comtrade, 2000-2025）。核心解释变量：高层互访虚拟变量（手工编码自中国外交部领导人出访记录，总书记/总理/委员长级别=2，部长级=1），取滞后一期。制裁强度指数：以联合国安理会涉朝决议案数量逐年累计构造。控制变量：中国年度GDP（WDI）、朝鲜GDP（韩国央行估计数据）、两国首都距离（CEPII）。产品数约1200个HS 6位码 × 26年 ≈ 31000观测值。

• 替换估计方法：以负二项回归替代PPML，检验零贸易流处理方式对结论的影响（PPML在零值较多时更优，负二项为备择）。
• 替换政治关系变量：以联合国大会投票相似度（理想点距离）作为政治关系的连续变量替代高层互访虚拟变量，检验不同测度方式下的结论一致性。
• 排除矿产品贸易：剔除HS第25-27章（矿产品），因矿产品贸易受国际价格波动影响大，检验政治关系效应是否在非资源品类中持续存在。
• 时间安慰剂检验：将互访事件前移3年构造伪互访变量，若伪变量效应不显著，则加强真实互访因果关系推断。

---

根据Grossman & Helpman（1994）的贸易政治经济学模型，政府贸易政策是各利益集团政治献金博弈的均衡结果。在中朝关系中，由于朝鲜经济的特殊性，高层互访的政治信号具有极强的市场塑造力——互访公告不仅影响对朝贸易便利化的实际政策（通关、运输通道开放），更重要的是重塑市场参与者对未来政策方向的预期（Bernanke & Kuttner, 2005）。这种预期效应可能先于实际政策落地而体现在企业市场价值上。

据此提出以下假说：
- H1：中朝高层互访公告发布后，涉朝贸易上市公司在[-1, +3]日窗口内累积异常收益率（CAR）显著为正，幅度约2-4%。
- H2：拥有边民互市贸易区运营权或边境物流资产的企业，CAR显著高于仅有一般贸易业务的涉朝企业（渠道垄断的价值）。
- H3：互访公告对涉朝贸易企业的正向CAR效应在制裁加剧期不降反升，反映市场将政治互信视为制裁环境下的稀缺避险价值。

事件研究法以官方互访公告日为事件日（t=0），估计窗口[-5, +10]日内的累积异常收益率。核心识别依赖公告日的外生性——高层出访的精确日期由外交礼宾安排决定，企业无法提前精确预测。以市场模型（Market Model）在估计窗口[-120, -6]日内估计正常收益率参数，计算CAR。对于利益集团差异的分析，建立分组t检验和截面回归：CAR_i = α + β₁·BorderZone_i + β₂·Infrastructure_i + γ·Controls_i + ε_i，BorderZone和Infrastructure为涉朝企业业务类型虚拟变量。

事件研究市场模型：

R_{it} = α_i + β_i · R_{mt} + ε_{it} （估计窗口 t ∈ [-120, -6]）

AR_{it} = R_{it} - (α̂_i + β̂_i · R_{mt}) （异常收益）

CAR_i(τ₁, τ₂) = Σ_{t=τ₁}^{τ₂} AR_{it} （累积异常收益率）

截面回归分析差异化获益：

CAR_i(-1, 3) = γ₀ + γ₁·TradeZone_i + γ₂·Logistics_i + γ₃·Size_i + γ₄·Leverage_i + ν_i

其中 TradeZone_i = 企业是否直接参与边民互市贸易区运营，Logistics_i = 是否拥有中朝跨境物流资产。

被解释变量：涉朝贸易上市公司日度股票收益率（CSMAR股票市场交易数据库）。核心解释变量：互访公告事件虚拟变量。涉朝企业筛选：Wind概念板块「中朝贸易」+ 年报中提及「朝鲜」业务收入的A股上市公司，约25-35家。控制变量：企业规模（总资产对数）、资产负债率、账面市值比、行业固定效应。样本区间：2010-2025年，共约15次高层互访事件，每家企业的日度交易数据约3800个交易日。

• 替换正常收益模型：以Fama-French三因子模型替代市场模型，控制规模因子和价值因子的影响，检验CAR估计对基准模型的敏感性。
• 随机化事件日：将互访事件日随机分配到非实际事件日的前后60天内各进行500次置换检验，构造CAR的经验分布，检验真实CAR是否落在置换分布的尾部。
• 排除其他政策干扰：在事件窗口内排除同时有重大贸易政策公告（关税调整、制裁升级）的互访事件，检验CAR是否由外交事件本身而非同期政策驱动。
• 非参数符号检验：以Wilcoxon符号秩检验替代参数t检验，不依赖CAR正态分布假定，检验中位数异常收益率是否显著异于零。

---

根据North（1990）的制度变迁理论，互市贸易区作为一种制度创新，通过提供一个受规管的交易场所（明确的产权界定、标准化合同、集中通关），降低了跨境贸易中的三类交易成本：搜寻与信息成本（买卖双方更易匹配）、谈判与合同成本（标准化流程减少履约不确定性）、执行与合规成本（集中通关替代分散报关）。Williamson（1985）预测，交易成本的降低应同时表现为参与主体数量增加（扩展边际）和单主体交易额扩大（集约边际），但制度创新初期以扩展边际为主。

据此提出以下假说：
- H1：丹东国门湾互市贸易区的设立使丹东口岸对朝贸易额增长30-50%，显著高于合成控制组的反事实贸易额。
- H2：互市贸易区对扩展边际的促进效应（新增贸易商数量增长60-80%）大于对集约边际的效应（单笔交易金额增长15-25%），制度创新的主要贡献在于降低市场进入壁垒。
- H3：互市贸易区的贸易创造效应存在空间衰减——距丹东200公里以内的企业获益显著大于200公里以外的企业。

采用合成控制法（Abadie & Gardeazabal, 2003; Abadie et al., 2010），以丹东互市贸易区作为处理单元，利用其他中国边境口岸（珲春、绥芬河、满洲里、凭祥等）构造反事实的丹东口岸对朝贸易路径。通过预处理期（2000-2015年）的贸易趋势匹配权重，使合成控制单元在政策实施前与丹东的贸易走势高度吻合。政策效应 = 实际贸易额 - 合成控制贸易额。稳健性使用空间安慰剂检验——将处理单元替换为未实施互市贸易区政策的其他口岸。

合成控制法估计量：

τ̂_t = Y_{1t} - Σ_{j=2}^{J+1} w_j^* · Y_{jt} (t > T₀)

其中 Y_{1t} 为丹东口岸在 t 年的对朝贸易额，Y_{jt} 为第 j 个对照口岸，w_j^* 为通过预处理的约束优化得到的权重向量。权重选择最小化预处理期 MSPE = (1/T₀) · Σ_{t=1}^{T₀} (Y_{1t} - Σ w_j Y_{jt})²。

扩展边际分析使用企业层面DID：

NewEntrant_{it} = α + β·Post_t + γ·(DanDong_i × Post_t) + δ·X_{it} + λ_i + θ_t + ε_{it}

其中 NewEntrant_{it} 为口岸 i 在 t 年新增的活跃贸易商数量。

被解释变量：丹东口岸对朝年度进出口总额（海关总署口岸统计）、口岸活跃贸易商数量、平均单笔交易额。核心解释变量：国门湾互市贸易区设立虚拟变量（2015年设立，年度数据中2015年起取1）。对照单元：珲春、绥芬河、黑河、满洲里、凭祥、瑞丽、霍尔果斯等7个边境口岸。预测变量：口岸省份GDP、口岸所在市人口、口岸距朝鲜/邻国首都距离、对朝贸易占总贸易比重（预处理期均值）。样本区间：2000-2025年，年度面板。

• 空间安慰剂检验：将处理单元替换为未设立互市贸易区的其他口岸，每次一个，检验估计效应是否仅在丹东口岸显著（置换检验）。
• 时间安慰剂检验：将互市贸易区设立时间提前至2008年（伪设立），检验合成控制法估计的效应是否在伪设立时间点出现（效应应为零）。
• 排除「一带一路」政策干扰：在预测变量集中加入「一带一路」倡议启动年份虚拟变量（2013年）作为同步政策控制，检验互市贸易区效应的增量贡献。
• 替换对照池：排除与朝鲜有贸易的口岸（仅保留对俄、对越、对缅口岸），检验对照池的选择是否驱动结论。

---

Glaeser et al.（1992）的城市增长模型预测，贸易开放通过扩大外部需求和引入外部知识促进口岸城市增长。但中朝口岸城市面临特殊约束——朝鲜市场规模有限、贸易结构单一。Corden & Neary（1982）的「荷兰病」模型预测，贸易部门的繁荣可能通过资源转移效应（劳动力和资本向贸易部门集中）和支出效应（贸易收入推高本地不可贸易品价格）挤出制造业和其他可贸易部门。丹东近年贸易增长迅速，但制造业占比是否在下降值得实证检验。

据此提出以下假说：
- H1：中朝贸易额每增长10%，丹东的夜间灯光亮度（GDP替代）增长2-3%，该弹性大于辽宁省非口岸城市的平均水平。
- H2：口岸城市对朝贸易繁荣存在「荷兰病」效应——贸易依存度每提高10个百分点，制造业就业占比下降1-2个百分点。
- H3：中朝国际旅客列车恢复和中朝间全面复通（2026年3月）后，口岸城市的服务业增长效应（餐饮、住宿、零售）将超过货物贸易部门。

核心挑战是口岸城市GDP与贸易的联立性。本文构造Bartik工具变量：以朝鲜各类进口商品（HS 2位码）在全球市场的需求增速作为外生冲击，以口岸城市在基准年（2000年）的这些商品的出口占比作为暴露权重（share），两者的交互项（shift-share）构成口岸城市对朝贸易的工具变量。该IV的识别变异来自朝鲜进口商品结构在全球市场上的外生需求变化，不受单个口岸城市经济表现的影响。

基准2SLS方程：

一阶段：TradeGrowth_{ct} = θ·Bartik_{ct} + δ·X_{ct} + μ_c + λ_t + ν_{ct}

二阶段：LightGrowth_{ct} = α + β·TradeGrowth_{ct} + γ·X_{ct} + μ_c + λ_t + ε_{ct}

其中 TradeGrowth_{ct} 为口岸城市 c 在 t 年的对朝贸易额同比增速，LightGrowth_{ct} 为夜间灯光亮度对数差分（GDP替代），Bartik_{ct} 为工具变量。X_{ct} 包括省级GDP增速、省会城市距离等。μ_c 为城市固定效应。β 为关心参数。

Bartik工具变量构造：

Bartik_{ct} = Σ_{k} (ExportShare_{ck,2000} × GlobalDemandGrowth_{kt})

其中 ExportShare_{ck,2000} 为2000年口岸城市 c 对朝出口中商品 k 的份额，GlobalDemandGrowth_{kt} 为商品 k 在 t 年的全球进口额增速（不包括中国）。

被解释变量：夜间灯光亮度对数差分（NPP-VIIRS年度合成数据，500m分辨率，取城市行政边界内像素均值）。核心解释变量：城市对朝贸易额同比增速（海关总署口岸统计匹配到城市）。工具变量：Bartik IV 如上构造。控制变量：城市人口增速、省级GDP增速、是否为边境经济合作区。样本区间：2012-2025年，8个中朝口岸城市 + 12个非中朝口岸边境城市作为对照，年度面板约20城市 × 14年 = 280观测值。

• 替换GDP度量：以增值税发票金额（国家税务总局企业销售收入数据，地级市口径）替代夜间灯光亮度，排除卫星数据空间溢出导致的测量偏误。
• Bartik IV有效性检验：进行过度识别检验（Sargan-Hansen J test），利用不同基准年的出口份额构造多个Bartik IV，检验工具变量的外生性。
• 排除省会城市效应：剔除丹东和延吉（州府）后仅分析县级口岸（图们、集安、临江等），检验增长效应是否集中在高行政级别城市。
• 「荷兰病」机制的补充检验：以新增制造业企业注册数（工商登记数据）替代制造业就业占比，检验贸易繁荣是否抑制了制造业创业活动。

---

根据前景理论（Kahneman & Tversky, 1979），个体在不确定性下的决策取决于相对于参照点的变化而非绝对水平，且对损失比对收益更敏感（损失厌恶）。中朝贸易的特殊之处在于其极高的政治不确定性——制裁升级可能在数周内关闭贸易通道。在这种极端环境下，企业家的风险感知和决策可能出现系统偏差：在「关系好」时期过度乐观（锚定于近期互访的积极信号而低估尾部风险），在制裁期过度悲观（锚定于最新制裁而忽视长期贸易关系的韧性）。

据此提出以下假说：
- H1：在情景实验中，贸易商在得知近期有「高层互访」信息后，对未来12个月贸易量的预测值显著高于仅知道「贸易数据」的控制组（锚定效应，幅度约30-40%）。
- H2：涉朝贸易经验丰富的企业家（从业>10年）受锚定效应的影响显著小于新进入者（从业<3年），因老手拥有更多历史参照事件来校准预期。
- H3：在损失框架（「可能损失已有市场份额」）下，企业家的风险承担意愿显著高于收益框架（「可能获得额外市场份额」），符合前景理论的损失厌恶预测。

采用被试间情景实验设计（Between-Subject Design），随机将受访企业家分配到不同的信息处理组：
- 处理组A（锚定组）：先看到「总书记即将访问朝鲜」的虚拟新闻，再评估贸易前景
- 处理组B（损失框架组）：问题措辞强调「如果现在退出将损失X%的朝鲜市场份额」
- 处理组C（收益框架组）：问题措辞强调「如果现在追加投资可能获得Y%的市场份额增长」
- 对照组：直接根据客观贸易数据评估前景

因随机分组消除选择偏差，组间平均贸易前景预测值的差异即为行为偏差的因果效应。离散选择实验（DCE）进一步在多变属性场景下测度风险-收益权衡参数。关键识别假定：随机分组有效（通过预处理协变量平衡检验验证）。

基准ANOVA：

TradeForecast_{i} = α + β₁·AnchorGroup_{i} + β₂·LossFrame_{i} + γ·Experience_{i} + δ·(Anchor × Experience)_{i} + θ·Controls_{i} + ε_{i}

其中 TradeForecast_{i} 为企业 i 对未来12个月中朝贸易额变化的预测值（%变化），AnchorGroup 为锚定处理虚拟变量，LossFrame 为损失框架虚拟变量，Experience 为企业家从业年限。交互项 Anchor × Experience 检验 H2。

DCE分析使用混合logit模型（Mixed Logit）：

U_{ij} = β_risk·Risk_{j} + β_return·Return_{j} + β_political·PoliticalStability_{j} + ... + ε_{ij}

其中 U_{ij} 为企业 i 在情景 j 中的潜在效用，通过选择观察反推风险偏好参数。

数据来源：通过丹东市商务局和朝鲜中国商会协助，向丹东地区涉朝贸易企业发放问卷。预计回收有效问卷150-200份。问卷设计包括：（1）3个随机情景实验；（2）6组离散选择任务（每组2个选项）；（3）企业基本特征（从业年限、贸易规模、产品类别、是否参与互市贸易区）。被解释变量：贸易前景预测值（情景实验）、选择结果（DCE）。核心解释变量：实验分组虚拟变量（随机分配）。控制变量：企业家年龄、教育程度、企业规模（贸易额）、损失经历（是否曾因制裁蒙受损失，0/1）。

• 平衡性检验：对处理组和对照组在年龄、从业年限、贸易规模、教育程度等可观测特征上进行t检验，若均不显著则支持随机化成功。
• 排除「实验者需求效应」：在问卷末尾加入需求效应检测问题（「你认为本研究的目的是什么？」），排除企业家的回答受到社会期望偏差的污染。
• 替换行为参数的引致方式：在DCE之外额外加入一个「真实激励」彩票选择任务，以小额奖金引导真实风险偏好，与DCE估计的风险参数进行收敛效度检验。
• 分位数回归：以贸易前景预测值的25%、50%、75%分位数进行分位数回归，检验行为偏差效应是否在不同乐观程度的子群体中一致（异质性分析）。

---