前5个月我国工程机械海内外市场快速增长

基于 Gereffi 全球价值链治理理论，后发国家企业沿"组装代工（OEM）→ 自主设计（ODM）→ 自主品牌（OBM）"路径攀升。H1：中国工程机械出口的市场份额增长伴随出口单位价值提升，而非单纯低价扩张。H2：电动化技术突破为后发企业提供了"技术轨道切换"窗口，加速了 GVC 攀升进程。H3：海外绿地投资与本地化服务网络密度正向调节出口绩效。

以企业首次推出电动工程机械产品并实现出口的年份作为处理时点，构建多期 DID 模型。处理组为在样本期内推出电动产品出口的企业，对照组为同期仅出口传统工程机械的企业。核心识别假定：电动化产品推出的时机在企业层面是"不可预期的"，即企业无法精确预判电池技术成本下降至商业化临界点的确切时间，从而满足平行趋势条件。

设定双向固定效应模型：ln(ExportUnitValue_{it}) = α + β·ElectricExport_{it} + γ·X_{it} + μ_i + τ_t + ε_{it}，其中 ElectricExport_{it} 为企业 i 在 t 年是否实现电动产品出口的虚拟变量。进一步构建中介效应方程：ElectricExport_{it} → PatentStock_{it} → ExportUnitValue_{it}，检验"电动化→技术能力积累→价值链攀升"的传导路径。

被解释变量为出口单位价值（美元/吨）与目的国市场份额。核心解释变量为电动产品出口虚拟变量及电动产品出口占比。控制变量包括企业规模（资产总额对数）、研发强度（研发支出/营收）、海外经营年限、目的国 GDP 增长率、汇率波动等。数据时间窗口为 2018-2026 年，覆盖电动工程机械从导入期到快速成长期的全周期。

第一，替换核心被解释变量为产品层面"出口技术复杂度"（基于 Hausmann 方法计算 PRODY 指数）。第二，使用企业电动工程机械专利存量作为工具变量，通过 2SLS 处理企业是否推出电动产品的自选择偏误。第三，更换对照组为 PSM 匹配后的非电动出口企业，消除处理组与对照组的事前系统性差异。第四，安慰剂检验：随机分配处理时间，验证基准估计系数不显著。

---

Coase 指出企业边界取决于内部组织成本与市场交易费用的权衡。在中国行政分权体制下，地方政府通过招标倾斜、环保标准设定、售后服务准入等非关税壁垒制造事实上的市场分割。H1：省际边界对工程机械销售的抑制效应显著大于省际地理距离效应，表明存在制度性分割。H2：统一大市场政策实施后，制度性边界效应显著下降。H3：地方政府财政自主度越高，市场分割动机越强。

采用"边界效应"分析框架，以省界虚拟变量捕捉制度分割。其次利用各省出台统一大市场相关政策的时序差异，构建交错 DID 模型。识别假定：各省出台政策的时间在很大程度上受中央部署节奏和省份自身行政效率驱动，而非直接由本地工程机械市场景气度决定——这一假定通过事件研究法的前定趋势检验来验证。

借鉴 Anderson & van Wincoop 引力模型框架，在省际贸易引力方程中引入"省内虚拟变量"：ln(Trade_{ij}) = α + β·Within_{ij} + γ·ln(Dist_{ij}) + δ·MarketPolicy_{it} + X_{ij}·θ + ε_{ij}。系数 β 衡量省际边界效应。进一步设定交错 DID：ln(Sales_{pt}) = α + τ·MarketPolicy_{pt} + μ_p + λ_t + ε_{pt}，其中 MarketPolicy_{pt} 为省份 p 在 t 年是否已实施政策的虚拟变量。

被解释变量为省份 p 从省份 q"调入"的工程机械销售占比。核心解释变量包括省内虚拟变量（Within=1 表示省内交易）、统一市场政策虚拟变量、市场化指数、地方保护分项得分。控制变量包括省际地理距离、是否邻省、省际 GDP 差异、产业同构度指数等。样本覆盖 2017-2026 年全国 31 个省份。

第一，替换被解释变量为挖掘机与装载机的分机型省际贸易数据，检验不同品类边界效应的异质性。第二，使用 Goodman-Bacon 分解检验交错 DID 中处理效应的时变异质性，评估"坏比较"占比。第三，加入省份-年份联合固定效应控制各省随时间变化的不可观测特征。第四，动态空间面板模型（SAR）纳入空间溢出效应。

---

Jorgenson 的资本服务价格模型指出，最优资本存量取决于资本品的租赁价格（user cost of capital），后者包含折旧率、利率、税率和能源运营成本。电动挖掘机的运营成本（电费）显著低于柴油机（燃料费），因此其资本服务价格更低。H1：电动工程机械占比每提升 1 个百分点，行业整体资本服务价格下降，引致最优资本存量上升。H2：这种替代修正了因未将能源成本内化而导致的资本错配，行业 TFP 因此提升。H3：效应在电力价格较低的省份更为显著。

利用各省份电价差异作为外生变异来源，识别电动工程机械渗透率对行业 TFP 的因果效应。识别假定：省际电价差异主要由发电结构（水电/火电）和电网基础设施决定，与工程机械行业 TFP 的残差异动不直接相关。采用工具变量策略：以省份火力发电占比作为电力价格的工具变量。

构建行业-省份面板固定效应模型：TFP_{it} = α + β·ElectricShare_{it} + γ·Z_{it} + μ_i + τ_t + ε_{it}。其中 ElectricShare_{it} 以火力发电占比作为 IV 进行 2SLS 估计。第一阶段：ElectricShare_{it} = π₁·CoalShare_{it} + π₂·Z_{it} + ω_i + ρ_t + ν_{it}。进一步使用 Hsieh-Klenow 框架分解 TFP 变化中"配置改善效应"与"技术进步效应"的各自贡献。

被解释变量为省级工程机械相关制造业 TFP（以 OP/LP 方法测算）。核心解释变量为电动工程机械销量占比。工具变量为省份火力发电占总发电量的比例。控制变量包括行业集中度（HHI）、人力资本水平、FDI 渗透率、基础设施密度（高速公路里程/面积）等。时间窗口为 2020-2026 年，对应电动工程机械市场导入至快速放量的关键期。

第一，替换 TFP 测算方法：分别使用 OP 法、LP 法、ACF 法和 Wooldridge 代理变量法重新估计。第二，排除"可再生能源大省"的子样本分析，检验结果是否仅由水电资源禀赋驱动。第三，替换 IV 为"电网峰谷电价差"，捕捉充电成本差异的另一维度。第四，安慰剂检验：使用其他不相关行业的柴油/电动替代数据作为"伪处理变量"。

---

Keynes 的资本边际效率理论指出，企业投资决策取决于对未来收益的主观预期，而"动物精神"使得投资波动具有内在不稳定性。工程机械作为衍生需求，其采购决策直接反映企业对未来工程量的预期。H1：挖掘机销量 Granger 引起固定资产投资，且领先约 3-6 个月。H2：挖掘机销量的预测能力在经济衰退期（资本边际效率急剧下降时）显著减弱，表现出"信号失灵"特征。H3：相对于基建投资，挖掘机销量对房地产投资的预测力更强（因开发商基于预期利润率决策）。

采用递归演变算法估计 TVP-VAR，允许系数矩阵和方差-协方差矩阵随时间平滑演变。在每个时点 t，估计挖掘机销量增长率对固定资产投资增长率（及 GDP 增长率）的脉冲响应函数。识别假定：变量之间同期因果关系通过 Cholesky 分解（排序为：政策利率→挖掘机销量→固定资产投资→GDP）识别，挖掘机销量对宏观政策利率的响应在当期吸收。

设定 TVP-VAR(p)：y_t = c_t + B_{1,t}·y_{t-1} + B_{2,t}·y_{t-2} + ... + B_{p,t}·y_{t-p} + ε_t，ε_t ~ N(0, Σ_t)。其中 y_t = [PolicyRate_t, Excavator_t, FAI_t, GDP_t]'。时变系数 β_t = [c_t, vec(B_{1,t}), ..., vec(B_{p,t})] 服从随机游走过程 β_t = β_{t-1} + u_t。使用贝叶斯 MCMC 方法估计后验分布。

核心变量为挖掘机国内销量的月度同比增速，固定资产投资完成额月度同比增速（区分基建、房地产、制造业三分项），实际 GDP 季度增速（经 Denton 方法插值为月度）。政策利率采用 7 天逆回购操作利率。样本期为 2012 年 1 月至 2026 年 5 月，覆盖两个完整的建筑投资周期。所有序列经 X-12-ARIMA 季节调整。

第一，替换为频域 Granger 因果检验，检验短周期（<1 年）与长周期（>3 年）分量上的因果关系差异。第二，以装载机销量替代挖掘机作为备选先行指标，比较两者的预测能力。第三，滚动窗口 Granger 检验（36 个月窗口）作为时变因果关系的非参数替代。第四，将基准模型与线性 VAR 的预测误差（RMSE）进行 Diebold-Mariano 检验。

---

国家-市场关系理论认为，中国企业的国际化深度嵌入国家战略框架，"一带一路"提供了独特的制度优势——双边投资协定降低征用风险，政策性银行提供低于市场利率的信贷。Dunning 的 OLI 范式指出，进入模式取决于所有权优势（O）、区位优势（L）和内部化优势（I）的交互。H1：东道国加入"一带一路"倡议后，中国企业选择绿地投资（高承诺模式）的概率相对于出口显著上升。H2：国有企业对政治协调信号更为敏感，更倾向于在"一带一路"国家进行绿地投资；民营企业则对融资信号更敏感。H3：东道国制度质量越低，政策性金融缓解进入壁垒的边际效应越强。

以"一带一路"合作文件的签署时点在国家-年份层面对进入模式选择形成外生冲击。识别挑战在于"一带一路"国家并非随机选择——部分国家本身对中国工程机械产品需求增长快。采用倾向得分匹配（PSM）：以双边贸易额、人均 GDP、制度距离、地理距离等变量估计一个国家在 t 年签署合作文件的概率，为每个处理观察匹配对照组，然后在匹配样本中估计进入模式差异。

设定多项 Logit 模型：Pr(Mode_{ijt} = k) = exp(X_{ijt}·β_k + δ_k·BRI_{jt} + γ_k·SOE_j + λ_k·BRI_{jt}×SOE_j) / Σ_m exp(...)。其中 Mode 取值为 1（出口）、2（绿地投资）、3（并购）。核心解释变量为 BRI_{jt}（东道国是否已签署"一带一路"文件）与 SOE_j（企业是否为国有企业）及其交互项。控制变量包括东道国市场规模、制度质量（WGI）、资源禀赋、文化距离等。

被解释变量为中国工程机械企业对特定东道国的年度进入模式（以项目为单位）。核心解释变量 BRI 以双边合作文件签署日期编码。企业所有制以 CSMAR 数据库最终控制人性质判定。数据覆盖 2013-2026 年所有中国工程机械企业海外投资项目。控制变量还包括东道国基础设施得分、双边高访频率（外交部公报统计）。

第一，使用条件 Logit 模型替代多项 Logit，利用"无关选择独立性"检验（Hausman-McFadden 检验）验证模型设定。第二，以"东道国与中国双边政治关系得分"（清华大学大国关系数据库）替代 BRI 虚拟变量进行连续测度。第三，工具变量法：以东道国到中国的海运距离作为 BRI 签署概率的工具变量（地缘邻近度影响政策覆盖），处理政策内生性。第四，倾向得分匹配后的子样本分析，排除企业自选择偏误。

---