前5月国家铁路发送货物16.7亿吨 同比增长1.8%

在铁路货运市场上，不同货种的需求价格弹性和社会边际成本存在显著差异。根据 Ramsey-Boiteux 定价原理，次优定价要求弹性较低的货种承担较高的加价，以最小化无谓损失。提出三个假说：H1——高附加值制成品（新能源汽车）的铁路运输需求弹性低于大宗散货，因此最优运价应较高，吸引运力向该板块边际转移；H2——铁水联运价格协调机制的引入降低了多式联运链条上的双重加价问题，提高联合运输均衡产出；H3——"一单制"通过压缩交易环节的搜寻与签约成本，使铁水联运的有效价格下降，扩大市场规模。

核心识别挑战在于运价调整与货运结构转型之间存在双向因果：运力过剩倒逼降价，而价格信号又引导货源结构调整。采用两个外生冲击：一是"一单制"物流产品在主要港口的错层推广作为准自然实验，构建交错 DID 识别铁水联运价格协调对集装箱运量的因果效应；二是以新能源汽车出口关税调整作为工具变量——该冲击直接影响出口商品车运输需求，但通过铁路货运系统之外的政策渠道发挥作用，满足外生性条件。

建立三重差分模型（DDD）：以货种类型（高附加值 vs. 大宗散货）、通道类型（铁水联运通道 vs. 纯铁路通道）、政策时间（"一单制"推广前后）的三维交互项作为核心解释变量。基准方程：Y_{irt} = α + β (HighValue_i × Intermodal_r × Post_t) + γX_{irt} + μ_i + λ_r + δ_t + ε_{irt}，其中 Y 为货种 i 在通道 r 在时间 t 的货运周转量对数，控制变量 X 包括始发地-目的地 GDP、公路运价指数、季节性虚拟变量。同时对运价方程使用似不相关回归（SUR），联立估计各货种的需求价格弹性。

核心被解释变量：铁路分货种货运周转量（吨公里）及通道层面的铁水联运集装箱吞吐量（TEU）。关键解释变量：货种层面的实际执行运价率（元/吨公里），区分协议运价和公示运价；"一单制"推广的虚拟变量（处理组 = 已开通"一单制"服务的港口-铁路节点对）。控制变量：始发地-目的地公路货运价格指数（来自中国物流与采购联合会）、通道层面的运力饱和度（实际装车数/区段通过能力上限）、季节性与极端天气虚拟变量（国家气象局数据）。

一是替换被解释变量为货运量（吨）而非周转量，排除运距变化对结果的干扰。二是使用 Goodman-Bacon（2021）分解法检验交错 DID 中处理效应的时间异质性，剔除"坏比较组"的污染。三是执行安慰剂检验：随机分配"一单制"推广时间 500 次，观察基准估计量在随机分布中的位置。四是以公路货运价格指数为替代参照组，构建合成控制法（SCM）为每个处理通道构造反事实运量路径。五是排除极端样本——剔除 2025 年 5 月创单日装车历史新高的周次，检验结果对异常值的敏感性。

---

铁路物流投资在凯恩斯框架下通过三重渠道拉动总需求：直接效应（钢铁、水泥、装备制造等上游采购）、间接效应（物流效率提升降低下游制造业运输成本，提高企业利润和投资意愿）、金融加速器效应（铁路物流金融服务缓解中小物流企业的融资约束，放大投资乘数）。提出三个假说：H1——铁路物流投资每增加 1 元，引致的地方工业增加值增加幅度（财政乘数）大于 1，且在制造业密集省份更高；H2——物流总包合同的长期锁定机制降低了托运企业的不确定性预期，刺激其提前扩大产能投资；H3——铁路物流金融服务通过缓解信贷约束，对中小制造企业的产出弹性显著为正。

铁路物流投资的省级分配并非随机，可能存在内生性——经济活跃省份更容易获得铁路投资。采用 Bartik 工具变量（Bartik, 1991）构造策略：以全国铁路投资增长率乘以各省初始铁路网密度（滞后五年），作为省级铁路物流投资的外生预测值。该 IV 的核心排除限制是：历史铁路网密度通过当前投资增量影响产出，而与同期省级经济冲击不直接相关。同时利用国铁集团年度物流总包合同招标的审批节奏（受行政流程驱动，与短期经济波动无关）作为额外识别变异。

采用局部投影法（Local Projections）直接估计脉冲响应：y_{i,t+h} − y_{i,t−1} = α_i^h + γ_t^h + β^h InvestShock_{i,t} + θ^h X_{i,t} + ε_{i,t}^h。其中 y 为省份 i 的工业增加值对数，h = 0, 1, …, 12 为预测步长，InvestShock 为铁路物流投资冲击（Bartik IV 拟合值），X 为控制变量向量（地方财政支出增速、M2 增速、出口增速）。系数 β^h 即 h 步乘数效应。同时使用两阶段最小二乘法（2SLS）估计物流金融规模对中小制造企业产出的融资加速效应。

核心脉冲变量：省级月度铁路物流固定资产投资完成额（亿元），经 CPI 平减并取对数差分。核心结果变量：省级月度规模以上工业增加值同比增速（%）、制造业 PMI（中国物流与采购联合会）。信贷渠道变量：铁路物流金融服务当月融资发放金额与存量余额（国铁集团财务数据），作为针对物流领域的定向信贷扩张度量。控制变量：地方一般公共预算支出增速、金融机构贷款余额增速、全国货运需求指数（交通运输部）。

一是替换局部投影法为结构向量自回归（SVAR），通过 Cholesky 分解与符号约束（sign restrictions）识别投资冲击的传导路径。二是使用 Oster（2019）系数稳定性检验，评估不可观测选择偏误对 β^h 估计的威胁程度。三是以公路货运投资作为安慰剂处理变量，检验铁路物流投资效应的特异性。四是分样本检验：按制造业占 GDP 比重中位数划分高/低两组，验证乘数效应的横截面异质性。五是剔除 2026 年新能源汽车出口运量暴增的特殊月份，检验结果的异常值敏感性。

---

在多式联运链条中，铁路与港口分属不同运营主体和信息系统，形成高昂的交易成本：货主需在铁路、港口、船公司间反复确认订舱信息（信息搜寻成本）；多段运输的责任分割导致货损索赔困难（合同执行成本）；不同运输方式的时间衔接不良造成等待和转运损耗（协调成本）。"一单制"作为制度创新，通过一份合同、一次结算、一票到底的治理结构，将多边交易内部化。提出三个假说：H1——"一单制"推广后，铁水联运全程物流时间平均缩短 X%，且时间缩短主要来源于转运等待环节而非运输环节；H2——"一单制"订舱量规模越大的节点，其托运人流失率（churn rate）越低，即制度锁定效应越强；H3——省级政府配套政策力度越强的节点，"一单制"的推广采纳速度越快，体现了行政推动在制度扩散中的主导作用。

核心识别挑战在于"一单制"试点节点的选择可能非随机——本身货运量大、效率高的节点更可能被选为试点。采用匹配方法：首先使用倾向得分匹配（PSM）为每个试点节点匹配一个非试点但货运规模、航线结构、腹地经济相似的对照节点，然后在匹配样本上执行 DID。倾向得分使用节点层面的货运吞吐量、腹地 GDP、港口等级、是否沿海枢纽等特征进行 Logit 估计。进一步使用 CIC（Changes-in-Changes）方法放松 DID 的平行趋势假定，允许处理效应的分布变化。

事件研究法（Event Study）：Y_{it} = α_i + γ_t + Σ_{k=-6}^{12} β_k D_{it}^k + ε_{it}，其中 Y_{it} 为节点 i 在月份 t 的铁水联运集装箱吞吐量对数，D^k 为"一单制"推广前后的月度虚拟变量（k 为相对事件时间），β_k 捕捉制度创新的动态效应轨迹。同时估计制度扩散的风险模型：h_{it} = h_0(t) exp（δ PolicySupport_i + φ ImitationPressure_{it} + ωX_i），其中 h_{it} 为节点 i 在 t 期末采纳"一单制"的离散时间风险率，PolicySupport 为省级政策力度编码，ImitationPressure 为省内或邻近省份已采纳节点占比。

被解释变量：铁水联运集装箱吞吐量（TEU，月度）；制度扩散分析的二值采纳变量。核心解释变量："一单制"推广虚拟变量（处理组×事件时间交互）；全程物流时间（订舱至签收总小时数，含各环节分段计时）；单证流转数量（电子运单 vs. 传统提单的份数差异）。政策力度变量：对各省发布的铁水联运"一单制"配套文件（意见、方案、通知）进行文本分析，按"强制性规定数量""财政补贴力度""考核指标硬性程度"三维编码合成政策支持度指数。控制变量：节点腹地 GDP、制造业 PMI、季节性虚拟变量。

一是使用 Callaway & Sant'Anna（2021）方法处理交错 DID 中因处理时间异质性导致的估计偏误，报告组别-时间特定的处理效应（group-time ATT）及其聚合。二是进行证伪检验：将"一单制"推广时间人为前移 6 个月，观察是否仍有显著效应，若无则增强因果推断可信度。三是以纯铁路货运（无铁水联运衔接）节点作为安慰剂组，检验"一单制"效应的特异性。四是进行工具变量估计：以同省份其他节点的"一单制"采纳率作为本节点采纳概率的工具变量（利用省内行政推动的溢出效应）。五是替换全程物流时间的测度方式，使用中位数替代均值以降低极端延误的干扰。

---

国铁集团作为国务院直管的大型央企，同时承载两项使命：一是作为国家宏观调控工具，保粮食、保煤炭、保民生；二是作为市场竞争主体，追求物流总收入增长和利润最大化。这种"双目标"嵌入形成制度性张力。提出三个假说：H1——在迎峰度夏等关键节点，国家保供指令对电煤运力的强制配置会挤出高附加值制成品（新能源汽车）的运力分配，导致铁路物流收益率下降；H2——随着物流总包合同制的推广，国铁集团的运力配置从"行政指令驱动"向"合同履约驱动"转型，国家直接干预的空间被压缩，体现 Evans（1995）"嵌入式自主性"的制度演进；H3——在市场化程度较高的铁水联运通道上，行政干预的挤出效应弱于依赖单一铁路节点的内陆通道，呈现空间异质性。

迎峰度夏期间的煤炭保供指令形成非连续的干预强度变化，为断点回归设计提供天然实验场景。具体而言，以国家发改委每年发布的"迎峰度夏电煤保供方案"中明确的各省电煤日供量"红线指标"为分配变量，当省份的日均电煤产量缺口超过某一阈值时，触发强制运力调配机制。以该阈值作为断点，比较断点两侧国铁集团的制成品运量变化。同时，利用物流总包合同运量（11.5 亿吨）作为市场化力量的连续度量，在合同中嵌入的保供条款比例作为合同市场化纯度的角度量，构建交乘项分析制度互动的边际效应。

精确断点回归（Sharp RDD）：Y_{pt} = α + β D_{pt} + f(Gap_{pt}) + γX_{pt} + ε_{pt}，其中 Y_{pt} 为省份 p 在时间 t 的铁运制成品运量对数，D_{pt} 为是否触发保供强制调配的二值变量，Gap_{pt} 为电煤缺口占红线指标的比例作为驱动变量，f(·) 为局部线性或二次多项式。带宽选择使用 Calonico, Cattaneo & Titiunik（2014）的 MSE 最优带宽。进一步构造交乘项模型：Y_{pt} = α + β_1 Mandate_{pt} + β_2 Contract_{pt} + β_3 Mandate_{pt}×Contract_{pt} + γX_{pt} + ε_{pt}，检验合同制推广是否削弱了保供指令的挤出效应。

被解释变量：省份 p 月度铁路高附加值制成品运量（辆/吨），包括商品车、机电产品、集装箱货物。驱动变量（RDD）：电煤缺口比 = （保供指令日供应目标 − 实际日供应量）/ 保供指令日供应目标，正值为缺口。处理变量：触发强制调配 = 1（缺口比 > 0，即未达标）。调节变量：省份 p 物流总包合同履约运量占铁路货运总量的比例（市场化程度指标）。控制变量：省份工业增加值增速、气温异常指数（度日数）、水力发电量（替代能源对电煤需求的调节）。

一是使用 Donut Hole RDD 排除断点附近的观测值，检验断点附近的"操纵"行为是否存在——若国铁集团有意将缺口比控制在下临界值以下以规避调配，则断点附近密度将不连续，需校正。二是进行带宽敏感性分析：在 MSE 最优带宽的 50%、75%、125%、150% 上重复 RDD 估计。三是改变断点位置进行证伪检验：人为将断点设为红线指标的 80% 和 120%。四是以公路煤炭运输作为铁路运力调配的外部替代弹性变量，重新估计挤出效应（若公路可替代，则铁路挤出效应弱）。五是使用模糊断点回归（Fuzzy RDD），以指令触发概率而非确定性触发作为处理强度。

---

中欧班列作为"一带一路"倡议的关键基础设施，通过压缩运输时间（相较于海运缩短 15—20 天）和提升运输可靠性，改变了沿线国家面临的贸易成本结构。根据异质性企业贸易理论（Melitz, 2003），贸易成本下降更多惠及时间敏感性高、产品差异化程度大的制成品，而对标准化大宗商品的促进效应较弱。提出三个假说：H1——中欧班列线路开通后，始发城市的出口产品技术复杂度（PRODY 加权平均值）显著提升，且提升幅度与班列频次正相关；H2——技术复杂度跃迁遵循产品空间网络的邻近性原则——中欧班列首先促进沿线城市出口与其现有比较优势产品"邻近"的新产品（产品空间密度高），然后才扩展到更远的产品节点；H3——新能源汽车（高复杂度制成品）通过中欧班列的出口增长（110.3%）不仅源于成本下降，还源于铁路运输的温控与安全优势降低了高价值商品的途中风险，体现了基础设施质量对产品升级的非线性促进效应。

中欧班列的线路开通决策并非完全外生——经济发达、出口基础好的城市更可能开通班列。采用双重策略处理内生性：一是使用历史铁路网络密度（1920 年代的铁路线路分布）与中欧班列规划线路的交集作为工具变量——历史铁路网影响当代班列路线选择（路径依赖），但与当代出口技术复杂度的残差无关。二是利用国家发改委中欧班列集结中心示范工程的批次审批节奏作为外生变异，比较入选城市（处理组）与未入选但条件相似城市（控制组）的出口结构变化。使用 Callaway & Sant'Anna（2021）的组别-时间平均处理效应处理交错采纳的异质性问题。

扩展引力模型（PPML 估计）：X_{ijkt} = exp(α + β_1 CRExpress_{it} + β_2 CRExpress_{it} × Sophistication_k + γ Z_{ijt} + δ_i + θ_j + λ_k + μ_t) + ε_{ijkt}。其中 X_{ijkt} 为中国城市 i 对国家 j 在产品类别 k（HS-2 位码）在年份 t 的出口额，CRExpress_{it} 为城市 i 在 t 年的中欧班列联通指数（线路数对数），Sophistication_k 为产品 k 的技术复杂度（PRODY），交互项 β_2 捕捉铁路联通对高复杂度产品的差异化促进效应。同时估计城市层面的 DID：TechIndex_{it} = α + τ Treat_{it} + γX_{it} + δ_i + μ_t + ε_{it}，Treat_{it} = 1 表示城市 i 在 t 年已开通中欧班列。

被解释变量：中国城市-国家-产品层面的出口额（美元，HS-6 位码），加总到 HS-2 位码和城市层面。核心解释变量：中欧班列联通指数 = Σ（该城市始发班列线路数 × 月度班列频次）取对数。产品技术复杂度：使用 Hausmann et al.（2007）的方法计算 PRODY：PRODY_k = Σ_j (x_{jk}/X_j)/Σ_j(x_{jk}/X_j) × GDPpc_j，即按显性比较优势加权的出口国人均 GDP。产品邻近度：φ_{kl} = min{P(RCA_k|RCA_l), P(RCA_l|RCA_k)}，衡量产品 k 和 l 在产品空间的共现概率。控制变量：城市 GDP、外商直接投资、高速公路密度、是否国家级开放平台。

一是使用 Helpman, Melitz & Rubinstein（2008）的两阶段估计处理零贸易流的自选择偏误，第一阶段 Probit 估计扩展边际（是否出口），第二阶段 PPML 估计集约边际（出口额）。二是以中欧班列规划线路长度而非实际开行列数作为联通度的替代度量，缓解"开通更多班列是因为出口需求旺盛"的反向因果。三是进行安慰剂检验：在中欧班列开通前 2 年和开通后 0 年设定虚假处理时点，验证事前趋势的平行性。四是以海运集装箱运价指数（SCFI）作为替代运输方式的成本控制变量，分离中欧班列的增量效应与全球运输成本的共同趋势。五是分产品技术复杂度五分位数进行分组回归，验证 β_2 在不同复杂度区间的单调性。

---