5月汽车出口延续快速增长态势

基于林毅夫新结构经济学，经济体按照要素禀赋结构选择技术与产业是动态比较优势的核心来源。中国在锂电池材料、电机制造等领域已形成全球最完整产业链条，这构成一种"内生制度性优势"。提出三个假说：H1（产业链深度假说）：产业链垂直整合度越高，出口竞争力越强；H2（环节非对称假说）：上游资源加工和下游整车组装对出口拉动的边际效应高于中游零部件；H3（规模门槛假说）：产业链完整度对出口的促进存在最小有效规模门槛，超过该门槛后呈加速效应。

核心挑战在于产业链深度（自变量）与出口竞争力（因变量）之间的双向因果：出口增长本身也会促进产业链投资从而提升整合度。采用两阶段策略：第一，以各省锂矿探明储量与早期（2015年前）汽车产业园区规划面积作为产业链深度的工具变量，前者外生于当期出口需求，后者体现政策历史路径；第二，构建DID设计，将2019年新能源汽车补贴退坡作为准自然实验——退坡对不同产业链完整度的企业形成差异化冲击，检验产业链完整度是否缓冲了政策冲击。平行趋势检验使用事件研究法验证。

基准模型设定为：
$$\text{Export}_{it} = \alpha + \beta_1 \text{CVII}_{it} + \beta_2 \text{CVII}_{it}^2 + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$$
其中CVII为产业链垂直整合指数（通过投入产出表计算的各环节关联密度加权），二次项捕捉门槛效应。工具变量一阶段回归：
$$\text{CVII}_{it} = \alpha + \delta_1 \text{Resource}_i + \delta_2 \text{Policy}_{i,2015} + \theta X_{it} + \mu_i + \lambda_t + \nu_{it}$$
DID模型设定：$$\text{Export}_{it} = \alpha + \beta \text{Treat}_i \times \text{Post}_t + \gamma \text{Treat}_i \times \text{Post}_t \times \text{CVII}_{i} + \theta X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$$

核心被解释变量为各省月度汽车出口额（对数），来自海关总署HS编码8703与8702的出口统计。核心解释变量CVII的构造分三步：第一步，利用2017、2020、2023年国家投入产出表识别汽车产业链上下游42个细分行业；第二步，计算每对上下游行业的中间品投入份额，构建加权关联矩阵；第三步，按省份汇总各环节企业数量与产值占比，形成省-年面板的CVII得分。控制变量包括：R&D经费占GDP比重、新能源充电桩密度、港口吞吐能力、外商直接投资存量。数据跨度为2018-2025年，共31个省级行政区，形成约3000个有效观测。

第一种：替换被解释变量，使用出口数量（辆）替代出口金额，消除汇率波动和单价变化的影响。第二种：替换核心解释变量，用产业链企业数量赫芬达尔指数替代CVII——产业集聚度也是一种产业链优势的代理，检验不同度量方式下结论是否一致。第三种：安慰剂检验，将政策冲击时点前移3年（2016年），若此时处理效应不再显著，则表明2019年的效果并非时间趋势的伪回归。第四种：剔除极端样本，逐一剔除出口量最大的广东、上海、浙江三省后重新回归，排除个别大省的杠杆效应。第五种：使用系统GMM估计处理面板固定效应模型中可能存在的动态面板偏误，引入滞后一期出口量作为解释变量。

---

在中国新能源汽车出口的供给弹性较高的前提下，全球汽车市场供给曲线向右移动，均衡价格下降。根据Armington假设，不同来源国的汽车产品并非完全替代，消费者对中国新能源汽车的需求受品牌认知、质量信号和价格敏感度共同决定。提出三个假说：H1（全球降价假说）：中国新能源汽车出口增长显著压低了中低收入国家市场的汽车平均进口价格，因这些国家的消费者价格弹性更高；H2（品种增益假说）：品牌和车型种类的增加（extensive margin）带来的消费者福利增益在中高收入国家更显著；H3（替代效应假说）：中国新能源汽车出口每增长10%，替代了目标市场传统燃油车进口约2-3个百分点，替代效应在排放标准较严的欧洲市场更强。

核心识别难点在于：目标市场价格变化可能并非完全由中国出口所致，可能是全球需求波动或第三国竞争所致。采用双重策略：第一，利用中国汽车出口的月度波动作为供给端冲击的来源——中国春节假期和港口拥堵导致的出口量季节外生波动，为各国市场提供了一个天然的供给冲击工具变量；第二，运用份额转移法（shift-share IV），以各国期初从中国进口汽车的初始份额乘以中国汽车出口总量的增长率，构造Bartik工具变量，在控制各国国内市场固定效应的前提下识别供给冲击的因果效应。反事实模拟方面，固定模型估计参数，改变中国出口增长率从5%到200%，计算各国价格和福利分布的弹性。

基准Armington需求的结构引力方程：
$$\ln M_{ijt} = \alpha + \beta_1 \ln P_{ijt} + \beta_2 \ln Y_{jt} + \beta_3 \ln \tau_{ijt} + \gamma Z_{ijt} + \mu_{it} + \lambda_{jt} + \varepsilon_{ijt}$$
其中M为中国到j国的汽车出口量，P为出口价格（单位价值），Y为目标国GDP，τ为贸易成本（关税+非关税壁垒），Z为控制变量（汇率、电动汽车补贴力度等），μ为产品-时间固定效应，λ为目标国-时间固定效应。工具变量为一阶段：$$\ln P_{ijt} = \alpha + \delta \text{Bartik}_{ijt} + \theta X_{ijt} + \eta_{it} + \nu_{jt} + \xi_{ijt}$$。福利分析使用精确价格指数变化（exact price index change）框架，计算消费者剩余的等值变化（equivalent variation）。

双边贸易数据来自CEPII BACI数据库（HS 6位码层面），覆盖2018-2025年中国对180个贸易伙伴的汽车出口。Armington替代弹性通过Feenstra方法利用海关月度数据估计。目标市场价格指数分为两个维度：进口平均单价反映价格变化，各国CPI中汽车分项反映零售端价格传导。关税数据来自WTO Tariff Data和各国海关官网；非关税壁垒使用Kee等人（2009）的覆盖率和频数指数加以更新；汇率数据来自IMF IFS。电动汽车补贴数据手工收集各国财政部和交通部政策文件。数据为i（出口品种）×j（目标国）×t（月度）的三维面板，预期总计约50万观测。

第一种：替换贸易弹性的估计方法，分别使用不同层级的聚合（HS 4位码、HS 6位码）和不同的替代弹性估计策略（Broda-Weinstein方法、Soderbery方法），检验参数估计的稳健性。第二种：考虑动态调整，将基准静态模型替换为包含滞后项的动态引力方程，允许市场对供给冲击的反应存在滞后和惯性。第三种：分样本异质性分析，按目标国收入分组（高收入、中高收入、中低收入）和地理区域（欧盟、东盟、拉美、非洲）分别估计。第四种：反事实模拟的不确定性分析，使用自举法（bootstrap）构造模拟结果的置信区间。第五种：排除欧盟反补贴调查的影响，在2024年后的样本中加入欧委会临时关税作为额外的贸易成本项。

---

根据North的制度变迁理论，制度通过界定激励结构来引导经济绩效。中国地方政府在新能源汽车领域展开了激烈的招商引资竞争——提供专项补贴、零地价工业用地、企业所得税"三免三减半"等，构成了一组"制度性产业集群租金"。这种制度安排有效降低了企业进入的固定成本和交易成本，但也制造了区域间的政策"逐底竞争"风险。提出三个假说：H1（制度聚集假说）：地方产业政策力度（补贴强度+税收优惠+土地供应）每提高一个标准差，城市新能源汽车产业集群度提高0.3-0.5个标准差；H2（空间竞逐假说）：相邻城市的产业政策力度存在显著的正向空间自相关，即一地加码会引发周边城市的模仿性跟进；H3（可持续性假说）：产业政策退出（如补贴退坡）后，具有更强内生集聚经济的产业集群衰减幅度更小。

核心识别挑战有三：第一，产业政策的制定本身就是内生的——政府倾向在已有产业基础的城市加大政策力度；第二，空间相关性使得传统OLS估计有偏；第三，政策工具之间存在高度相关性（补贴、用地、税收优惠往往打包实施）。采用三层识别策略：第一，以各城市省级以上工业园区数量和面积作为产业基础设施的历史工具变量——这些园区大多规划于新能源汽车产业兴起之前（2010年前），与当前政策倾向度相关但外生于当期产业绩效；第二，采用空间杜宾模型（SDM）将空间溢出效应分解为直接效应和间接效应，解决政策竞争的空间干扰；第三，以2019年补贴退坡和2023年购置税减免调整作为准自然实验，使用连续DID设计（以各城市补贴依赖度作为处理强度连续变量），检验政策退出的差异化影响。

空间杜宾模型基准：
$$Y_{ct} = \rho W Y_{ct} + \beta_1 \text{Policy}_{ct} + \beta_2 W \text{Policy}_{ct} + \gamma X_{ct} + \alpha_c + \lambda_t + \varepsilon_{ct}$$
其中Y为城市c在t年的新能源汽车产业集群度，Policy为制度变量向量（补贴/税收/土地），W为经济地理距离加权的空间权重矩阵（基于相邻距离和GDP相似度构建）。连续DID模型：
$$Y_{ct} = \alpha + \beta \text{Intensity}_c \times \text{Post}_t + \gamma X_{ct} + \mu_c + \lambda_t + \varepsilon_{ct}$$
其中Intensity为城市在政策退坡前的新能源汽车产业补贴依赖度，β衡量产业政策依赖度对退坡冲击的异质性影响。

被解释变量"新能源汽车产业集群度"采用区位熵（LQ）方法：城市新能源车企就业人数占该城市总就业的比重，除以全国新能源车企就业占全国总就业的比重。制度变量中，"补贴力度"以各城市每年公开发布的新能源汽车产业发展专项资金除以GDP标准化；"税收优惠幅度"以当地新能源汽车企业实际税负率与法定税率之差的累计值衡量；"土地优惠"以新能源产业园区工业用地出让均价与同区域商住用地均价之比衡量。数据涵盖2015-2025年290个地级市，核心数据来自各市财政局预决算公开平台、中国土地市场网出让结果公告、企业纳税信用评级数据。共构造约290×11=3190个城市-年观测。

第一种：替换空间权重矩阵，分别使用地理邻接矩阵、反距离矩阵和经济距离矩阵（以人均GDP之差的倒数为基础），检验空间自相关模式的稳健性。第二种：替换被解释变量，使用城市新能源汽车专利申请数量作为创新产出角度的产业集聚度量。第三种：排除省会城市和计划单列市——这些城市享有政策资源优势，可能主导整体结果，剔除后重新估计以检验政策竞争在普通地级市层面的有效性。第四种：安慰剂检验，将政策退坡时间随机化（随机分配一个伪退坡年份重复1000次），构造经验分布检验真实估计系数的统计显著性。第五种：使用合成控制法（SCM）对少数典型城市（深圳、合肥、柳州）进行案例深入的制度效应评估。

---

Evans（1995）的"嵌入式自主性"理论认为，成功的产业政策需要国家官僚机构保持决策自主性的同时又深度嵌入产业网络。中国新能源汽车产业的崛起典型地体现了这一模式：国家通过制定长期技术路线图（《新能源汽车产业发展规划》）、投入公共研发基金和充电基础设施来行使"自主性"，同时通过地方政府的产业链招商和企业家政策协商保持"嵌入性"。在国际维度上，这种协同机制的出口有效性受制于目标国的政治经济关系。提出三个假说：H1（嵌入式自主性假说）：国家战略嵌入度更高的省份，新能源汽车出口增速更高且抗风险能力更强；H2（政治关系调节假说）：在与中国政治关系更密切的国家（以UN投票一致性度量），出口反应函数更陡峭，同样的供给能力能带来更多的出口；H3（贸易摩擦缓冲假说）：国家战略嵌入度可以部分缓冲目标国发起的反补贴调查和惩罚性关税冲击，嵌入式自主性越强，企业越能通过多元化布局和外交斡旋恢复出口。

政治经济学研究的核心识别难题在于：国家战略、市场行为和政治关系三者高度互为因果，且许多政治变量难以精确量化。采用三阶段策略：第一，使用纵向过程追踪法（process tracing），梳理2009年至2025年间中央层面新能源汽车政策的演变逻辑，识别关键政策节点（2012年产业规划、2017年双积分政策、2019年补贴退坡、2023年出口支持转向），建立因果过程证据链；第二，利用领导人双边互访和建交周年作为政治关系的外生冲击源——首脑互访通常由外交战略驱动而非某类商品贸易需求驱动，可作为政治关系改善的工具变量；第三，利用欧盟2024年对中国电动汽车发起的反补贴调查作为外生贸易摩擦冲击，在Differences-in-Discontinuities框架下（比较调查宣布前后120天的出口轨迹差异，同时区分高战略嵌入度省份与低战略嵌入度省份的反应差异）。

基准面板模型：
$$\ln \text{Export}_{ipt} = \alpha + \beta_1 \text{Embed}_p + \beta_2 \text{Relation}_{pt} + \beta_3 \text{Embed}_p \times \text{Relation}_{pt} + \gamma X_{pt} + \mu_i + \nu_t + \varepsilon_{ipt}$$
其中Embed为省份p的国家战略嵌入指数（国家专项基金支持、国有企业产业链参与度、部省联席次数三者加总标准化），Relation为政治关系指数（UN大会投票理想点距离取倒数）。工具变量一阶段：
$$\text{Relation}_{pt} = \alpha + \delta \text{Visit}_{pt} + \theta \text{Anniversary}_{pt} + \pi Z_{pt} + \xi_{pt}$$
Differences-in-Discontinuities模型：
$$\ln \text{Export}_{ipt} = \alpha + \beta_1 \text{Post}_t + \beta_2 \text{HighEmbed}_p + \beta_3 \text{Post}_t \times \text{HighEmbed}_p + \gamma X_{ipt} + \varepsilon_{ipt}$$
其中样本限定在欧盟反补贴调查宣布日窗口期前后120天，以时间距离处理日的Bandwidth进行局部线性回归。

国家战略嵌入指数的构造包含三个维度：（1）来自国家重大科技专项和产业基金的资金支持力度（工信部、科技部项目财务公开数据）；（2）省份内国有企业在新能源汽车产业链各环节的产值占比（体现国家资本嵌入深度）；（3）省部级联席工作会议的频次（政府工作报告和工作纪要中"新能源汽车"议题出现频次）。政治关系变量使用联合国大会投票理想点距离、双边高层互访次数、以及是否签署自由贸易协定三个指标的加权组合。贸易摩擦数据来自WTO反补贴/反倾销案件数据库和Global Trade Alert。样本包含31个省份、前10个最大出口目标国的国别-年份面板，覆盖2018-2025年。

第一种：替换政治关系指标，分别使用Gartzke亲和力指数、Bailey理想点估计、以及中国外交部网站上的"双边关系陈述"情感分析得分作为替代度量，检验政治关系调节效应的稳健性。第二种：将基准模型中的欧盟反补贴调查替换为2025年美国《通胀削减法案》中的外国敏感实体（FEOC）条款——美国政策冲击具有不同性质（非调查型、立法型），检验国家战略嵌入是否对不同类型的贸易壁垒具有不同的缓冲作用。第三种：分品牌所有制类型（国有车企 vs. 民营车企 vs. 外资在华合资车企）进行异质性分析——理论预期嵌入式自主性对国有车企的保护效应更显著。第四种：构造"伪嵌入指数"安慰剂，随机打乱省份的国家战略嵌入度排序，重复1000次形成β3的经验分布，检验真实交互项系数的统计显著性。第五种：工具变量有效性检验，使用Anderson-Rubin检验在弱工具变量情况下仍能提供稳健的置信区间。

---

根据开放经济凯恩斯理论，净出口是总需求（AD=C+I+G+NX）的组成部分。出口增加通过乘数效应扩大总产出：第一轮，出口企业收入和雇员收入增加；第二轮，收入增加引发消费支出增加，带动零售、服务业等；第三轮及以后，消费和投资的连锁反应在各部门层层传导。在投入产出框架下，这一乘数等于Leontief逆矩阵的行和，其大小取决于经济的中间品投入结构密集度和家庭边际消费倾向。新能源汽车产业链长、中间品投入密集的特征意味着其出口乘数可能高于传统制造业。提出三个假说：H1（乘数大小假说）：新能源汽车出口乘数显著高于传统燃油汽车出口乘数，因为前者产业链更长、国产中间品使用率更高、技术溢出效应更强；H2（非对称就业效应假说）：出口带动的就业创造主要集中在电池制造（资本密集型、就业弹性相对低）和充电设施建设运营（劳动密集型、就业弹性高），两部门之间的就业弹性差异可达5倍以上；H3（区域乘数差异假说）：出口乘数效应在新能源汽车产业集群度高、本地配套率高的省份（如广东、安徽、上海）更强，在产业链参与度低的省份则通过区域间贸易漏出而衰减。

识别出口冲击对国内产出和就业的因果关系面临三个挑战：第一，出口和国内产出同时受到全球需求和国内供给的共同冲击；第二，乘数效应需要分离出口冲击与同期其他冲击（如国内消费刺激政策、基建投资）；第三，行业内溢出使得传统OLS低估乘数。采用三管齐下的策略：第一，利用中国汽车出口的季度外部需求冲击——选择与中国新能源汽车贸易最密切但自身汽车市场需求主要由国内因素驱动的国家（选取非中国的本地消费变化作为工具变量），这种需求由目标国的收入增长和政策驱动，与中国国内的供给条件无直接关联；第二，构建SVAR模型，通过符号约束识别出口需求冲击（要求冲击使出口数量和价格同向变动，区别于供给冲击下两者反向变动），再通过脉冲响应函数累积计算乘数效应；第三，在投入产出表中嵌入边际消费倾向的参数校准，利用CFPS（中国家庭追踪调查）数据估算汽车行业从业人员的边际消费倾向，代入Keynes-Leontief乘数模型进行参数化模拟，并与SVAR估计结果进行交叉验证。

SVAR模型设定（包含5个内生变量）：
$$A_0 Y_t = \alpha + A_1 Y_{t-1} + A_2 Y_{t-2} + \ldots + A_p Y_{t-p} + \varepsilon_t$$
其中内生向量Y=[汽车出口量、汽车国内销量、汽车行业就业、制造业增加值、CPI]，识别约束包括：出口需求冲击使出口量和出口价格同向变动（符号约束），且出口冲击对国内销售的同期影响为正（不影响符号约束）但对CPI的同期影响为0（零约束，价格粘性假设）。脉冲响应函数追踪到第24期，累积出口量冲击对各内生变量的总影响，计算出口乘数 = 累积制造业增加值变化 / 累积出口量变化。

投入产出乘数模型：
$$\text{Multiplier} = e'(I - M)^{-1}$$
其中e为单位向量，(I-M)-1为调整进口漏出和部门关联后的Leontief逆矩阵（国内关联部分）。扩展为就业乘数：
$$\text{EmpMultiplier} = l'(I - M)^{-1}$$
其中l为各部门直接就业系数向量。两个模型并行估计后，用最小距离法整合参数。

出口变量来自海关月度HS 6位码出口数据，以数量指数和价格指数（Fisher理想指数）的形式纳入SVAR。国内汽车销售来自中国汽车工业协会月度批发数据。汽车行业就业数据来自国家统计局"制造业从业人员及工资总额"季度调查（细分汽车制造业代码36），辅以58同城、BOSS直聘在线招聘数据作为高频代理。制造业增加值月度数据来自国家统计局工业增加值快报。CPI月度来自国家统计局。投入产出乘数计算使用国家统计局2020年竞争型投入产出表（153部门），从中提取汽车制造（部门代码93）、电气机械和器材（电池归属，代码85）、计算机通信和其他电子设备（电控归属，代码86）等关联部门。家庭边际消费倾向参数来自CFPS 2020和2022年调查中的消费与收入模块。样本跨度为2019年1月至2025年12月（月度频率），共84期。

第一种：改变SVAR识别策略，将符号约束替换为零约束的递归识别（Cholesky分解），并以不同的变量排列顺序检验结果的敏感性。第二种：不同滞后阶数选择——使用AIC、BIC和HQ准则分别选取最优滞后阶数，检验脉冲响应函数在不同滞后长度下的稳定性。第三种：替代乘数的度量——不使用脉冲响应累积值，而是在SVAR中引入历史分解（historical decomposition），将特定时期（如2023-2025年出口爆发期）的实际GDP增长分解为出口冲击贡献和其他冲击贡献，直接量化特定阶段的出口冲击经济贡献率。第四种：使用省级月度面板数据替代全国总量时间序列——省级维度可以充分利用横截面差异（各省产业链参与度的差距）来识别出口乘数的异质性，验证H3。第五种：替换出口需求冲击的工具变量，使用全球（不含中国）新能源汽车月度销量增长率作为中国汽车出口需求的Bartik工具，排除需求内生性问题。

---
---
date: 2026-06-10
field: 宏观经济 — 就业与物价
source: https://www.gov.cn/yaowen/liebiao/202606/content_7071779.htm
topics_count: 5
---