丁薛祥出席第四届中国国际供应链促进博览会开幕式并作主旨讲话

基于 Krugman 中间品贸易模型，引入碎片化摩擦参数 τᵢⱼ 刻画两国间供应链壁垒强度。H1：碎片化风险上升导致中间品贸易成本增加，全球资源错配指数（Allocative Efficiency Index）显著上升，偏离帕累托最优。H2：碎片化冲击下全球生产网络呈现"区域化集聚"特征，网络模块度（Modularity）显著上升，跨区域连接密度下降。H3：碎片化程度每提高一个标准差，全球总福利损失相当于 GDP 的 0.8%-2.3%，发展中国家因替代弹性较低承受更大比例损失。理论模型推导封闭解并刻画均衡条件。

利用 2018 年中美贸易摩擦与 2022 年俄乌冲突作为碎片化冲击的外生事件，采用双重差分（DID）设计：处理组为高度依赖跨境中间品的行业（中间品进口强度高于中位数），对照组为国内中间品占主导的行业。事件窗口分别设定为 2017-2020 与 2021-2024。平行趋势检验使用事件前 3 年数据。此外利用各国对华技术出口管制清单的行业差异构造工具变量，识别碎片化政策对中间品贸易的因果效应。

基准回归方程：Yᵢⱼₜ = β₁Fragⱼₜ + β₂Fragⱼₜ × Intensityᵢ + γControlsᵢⱼₜ + μᵢ + μⱼ + μₜ + εᵢⱼₜ。其中 Yᵢⱼₜ 为国家 i 对 j 的中间品贸易流量（取对数），Fragⱼₜ 为国家 j 面临的碎片化风险指数（基于 GTA 贸易干预数据库构建），Intensityᵢ 为行业 i 的全球价值链参与强度，μᵢ、μⱼ、μₜ 分别为行业、国家、年份固定效应。标准误在行业-国家层面聚类。

核心被解释变量为双边中间品贸易流量（来源：OECD TiVA 2024），核心解释变量碎片化风险指数由三个子指标加权合成：贸易救济措施密度（GTA 数据库）、外国直接投资审查强度（UNCTAD 投资政策监测）、出口管制事件频次（BIS 实体清单）。全球价值链参与强度以后向参与度与前向参与度均值衡量（WIOD）。控制变量包括关税水平（WITS）、汇率波动、物流绩效指数（世界银行 LPI）、制度质量差异（WGI）。

（1）替换核心解释变量：以文本分析法构建的"供应链不确定指数"（基于各国官方政策文件中供应链相关关键词频次）替代碎片化风险指数。（2）更换识别策略：使用合成控制法（Synthetic Control Method）分别对受碎片化冲击最大的半导体、汽车行业构建反事实贸易流量路径。（3）样本重构：剔除中美、中欧等主要贸易摩擦双方样本，仅考察第三方国家间的溢出效应。（4）滞后处理：将核心解释变量滞后 2-4 期，检验碎片化冲击的时间衰减特征与长期效应。

---

将全球产业链供应链定义为一种"俱乐部公共产品"——具有非竞争性但可排他性，供给者面临二阶集体行动困境。H1：霸权国供给意愿下降（Kindleberger 命题）导致供应链公共品供给不足，碎片化程度与霸权国相对经济实力下降正相关。H2：Rodrik 三元悖论在供应链领域的具体化——供应链效率、国家经济安全与政策自主性三者不可兼得，各国被迫在"效率-安全"谱系中做出取舍。H3：在无中央权威条件下，供应链治理可遵循 Ostrom 自主治理逻辑，但前提是参与者数量有限、信息透明与可信承诺机制，三个维度缺失则治理失灵。

以 2018 年美国《出口管制改革法案》（ECRA）和 2020 年《外国投资风险审查现代化法案》（FIRRMA）为外生政策冲击，构建交错 DID 框架。处理组定义为受美国出口管制"实体清单"影响的全球供应链节点行业（半导体、通信设备、AI 芯片），对照组为未被纳入管制的制造业行业。利用产品层面的 HS 编码与实体清单的技术领域映射进行精准匹配，在行业-国家-年份三维面板中进行因果识别。

采用动态面板 GMM 估计：SupplyChainConcentrationᵢₜ = α + ρSupplyChainConcentrationᵢ₍ₜ₋₁₎ + β₁WeaponizationIndexⱼₜ + β₂(GDPshareⱼₜ × WeaponizationIndexⱼₜ) + γXᵢⱼₜ + μᵢ + μₜ + εᵢⱼₜ。SupplyChainConcentration 以 HHI 指数衡量各国对特定供应来源的依赖度，WeaponizationIndex 以出口管制事件加权频次代理，交互项捕捉霸权国相对实力下降的调节效应。

供应链集中度 HHI 以一国某产品从各来源国的进口份额平方和计算（UN Comtrade 6 位码）。武器化指数综合出口管制事件（BIS 实体清单更新频次）、经济制裁事件（Peterson Institute 制裁数据库）与投资审查案例（UNCTAD 投资政策监测），通过主成分分析降维合成。工具变量选择：利用各国军费开支占 GDP 比重（SIPRI 数据库）作为地缘竞争强度的外生代理，与特定行业技术敏感性交叉构造行业层面 IV。控制变量包括贸易依存度、政治制度距离（Polity V）、军事同盟关系（ATOP 数据库）。

（1）更换供应链集中度度量方式：以"进口来源国数量"替代 HHI 指数，检验集中度降维后结论是否稳健。（2）排除美国样本：鉴于美国是供应链武器化的主要实施者，剔除美国及其紧密盟友（Five Eyes）样本后重新估计，考察武器化行为的第三方溢出效应。（3）安慰剂检验：将出口管制事件发生时间随机提前 3 期构造伪冲击，验证基准结果不由其他趋势性因素驱动。（4）替代估计方法：采用系统 GMM（Blundell-Bond）和偏差校正 LSDV 两种方法对比，验证动态面板估计的一致性。

---

基于 Williamson 的资产专用性-治理结构匹配框架与 Hart 的不完全契约理论，将跨国供应链关系视为存在专用性资产投资的契约安排，由于司法管辖权分割与执行成本高昂，正式契约的完备性严重不足。H1：制度信任水平高的国家间供应链专用性资产投资规模更大（North 效应），交易的事后治理成本更低。H2：制度信任通过降低"敲竹杠"（Hold-up）风险增强供应链韧性，表现为双边贸易在外部冲击后的恢复速度更快。H3：正式制度信任（司法效率、合同执行）与非正式制度信任（双边政治关系、文化距离）存在替代效应，在正式制度薄弱时非正式信任的边际效应增强。

以"投资者-国家争端解决机制（ISDS）改革"和"双边投资协定（BIT）重新谈判"为外生制度冲击。当两国签署新一代 BIT 并纳入投资便利化条款时，双边制度信任发生正向跳跃。利用 BIT 签署时间的交错性质构建多期 DID：处理组为签署新一代 BIT 的国家对，对照组为未签署或仍沿用旧版 BIT 的国家对。在行业层面利用资产专用性强度（R&D 密集度、中间品定制化程度）构建连续型处理强度。

基准方程：Yᵢⱼₖₜ = α + βBITⱼₖ₍ₜ₋₂₎ + γAssetSpecificityₖ + δ(BITⱼₖ₍ₜ₋₂₎ × AssetSpecificityₖ) + λControlsᵢⱼₖₜ + μᵢⱼ + μₖ + μₜ + εᵢⱼₖₜ。Yᵢⱼₖₜ 为企业 i 对伙伴国 j 在行业 k 的中间品采购额变化率，BIT 变量滞后 2 期以缓解反向因果，交互项 δ 为核心识别参数，捕捉制度改善对高资产专用性行业供应链的差异化影响。标准误在国家对-行业层面双重聚类。

制度信任分为正式制度信任（WGI 法治指数差异、ICSID 仲裁案件胜诉率、合同执行天数差异）与非正式制度信任（UNGA 联大投票一致性、高层互访频次、双边文化产品贸易额），采用偏最小二乘法（PLS）拟合为综合指数。资产专用性以行业 R&D 强度（OECD STAN 数据库）、中间品定制化率（基于 HS 6 位码产品差异化指数）与转换成本（行业平均供应商搜寻时间）三维度衡量。供应链韧性以冲击后 12 个月贸易恢复率与方差波动衡量。

（1）工具变量法：以两国法律渊源（普通法系 vs 大陆法系）的相似性与历史殖民关系作为制度信任的工具变量，满足相关性与排他性条件。（2）替换制度信任度量：以国际国别风险指南（ICRG）的综合风险评分替代 WGI 指标。（3）改变处理变量：以两国是否同为 WTO《政府采购协定》（GPA）签署方替代 BIT 签署，检验多边制度框架与双边制度安排的效应差异。（4）样本选择检验：剔除欧盟内部单一市场成员样本，仅在非区域一体化国家间估计制度信任的独立效应。

---

基于新结构经济学"要素禀赋-比较优势-产业结构"的分析框架，创新链（知识生产系统）与产业链（物质生产系统）的融合程度决定了发展中国家能否突破"要素禀赋锁定"并向更高附加值环节跃迁。H1：双链融合度高的国家，比较优势演化的速度更快——出口产品复杂度的年均增长率显著高于双链脱节国家。H2：存在一个"融合门槛"——只有当人均 GDP 达到约 4000-6000 美元（2015 年不变价）时，双链融合对技术追赶的边际效应才会显著增强，低收入国家因吸收能力不足而效应微弱。H3：国际供应链嵌入深度（GVC 参与度）正向调节双链融合效应，嵌入全球创新网络的发展中国家获得显著的技术外溢红利。

以各国实施"研发超级扣除"税收优惠政策（如 200%+ R&D 税收减免）作为创新链活跃度的外生冲击，该政策直接影响企业研发投入而对产业链结构无直接效应（排他性成立）。利用政策实施的国别与时间差异构造工具变量——以 R&D 税收激励强度（B-index，OECD 测算）作为双链融合度的工具变量。第一阶段：双链融合度 = f(税收激励强度)；第二阶段：技术追赶 = f(双链融合度_hat, GVC 参与度, 交互项)。

面板门槛回归（Panel Threshold Regression, Hansen 1999）：TechUpgradeᵢₜ = β₁Fusionᵢₜ · 1(GDPpcᵢₜ ≤ γ) + β₂Fusionᵢₜ · 1(GDPpcᵢₜ > γ) + δControlsᵢₜ + μᵢ + μₜ + εᵢₜ。TechUpgrade 为出口技术复杂度 EXPY 的一阶差分，Fusion 为双链融合度，门槛变量为人均 GDP，γ 门槛值由网格搜索与 Bootstrap 999 次确定。同时引入 GVC 参与度与 Fusion 的交互项，检验全球价值链嵌入的调节作用。

被解释变量：出口技术复杂度 EXPY 基于 Hausmann et al. (2007) 方法计算，以产品层面 PRODY（收入加权平均的出口国人均 GDP）按一国出口份额加权。核心解释变量双链融合度：将一国居民在 WIPO 申请的 PCT 专利 IPC 大类分布与该国出口 HS-2 位码产品的技术复杂度分布进行余弦相似度计算（CosSim），并取 3 年移动平均平滑。控制变量包括人力资本指数（Barro-Lee 教育年限）、FDI 净流入、基础设施质量、制度质量。样本覆盖 1995-2023 年 120 个发展中国家。

（1）替换被解释变量：以 UNIDO 工业竞争力指数（CIP）替代 EXPY，从工业生产能力维度而非仅出口维度衡量技术追赶。（2）变更融合度计算方式：以"产学研合作专利占比"（大学-企业联合申请 PCT 专利占总专利申请比重）替代余弦相似度指标。（3）排除中国样本：鉴于中国作为"世界工厂"可能对结果产生超额影响，剔除中国后重新估计。（4）动态面板 GMM：引入技术追赶的滞后项并使用系统 GMM 估计，处理可能的内生性与惯性问题。

---

基于 Simon 的"满意人"而非"最优人"假设，企业在面临供应链重构的复杂决策时依赖启发式规则（Heuristics）而非完全理性优化。H1（锚定效应）：企业管理者在评估"母国供应链安全风险"时，锚定于近期记忆显著的地缘政治事件，权重分配函数对 3 年内事件的事后概率高估达 40%-60%。H2（损失框架效应）：在"损失框架"（强调不回流将面临断供损失）下，企业选择供应链回流的概率显著高于"收益框架"（强调回流将获得补贴收益），体现前景理论中的损失厌恶。H3（信息级联）：大企业先行宣布回流决策后，同行业中小企业表现出显著的"羊群效应"，即使企业自身的客观供应链中断风险未发生变化。

通过在线情境实验实现随机化因果识别。实验设计为 2×3 被试间因子设计：Factor A（锚定信息类型）——A₁ 提供近 1 年内的供应链中断案例、A₂ 提供 5 年前的中断案例、A₃ 无锚定信息（控制组）；Factor B（决策框架）——B₁ 收益框架（"回流可获得 15% 成本补贴"）、B₂ 损失框架（"不回流将面临 15% 关税惩罚"）。因变量为企业"选择回流的概率"（0-100 分制 Likert 量表）与"最低愿意接受的补贴金额"（WTA）。以随机分组保证组间均衡性，组间对比即为平均处理效应。

实验数据分析采用 ANCOVA 框架：Yᵢ = α + β₁Anchori + β₂Framei + β₃(Anchori × Framei) + γControlsᵢ + εᵢ。其中 Anchor 为锚定信息处理的因子变量（以无锚定组为基准），Frame 为决策框架的二元变量（收益框架=0，损失框架=1），交互项 β₃ 检验两种行为偏差的叠加效应。Controls 包括被试者的企业规模、行业类型、国际化经验（出口年限）、风险偏好量表得分（DOSPERT 量表）。同时采用结构估计方法，基于 Quasi-Bayesian 学习模型估计锚定权重参数 α（理论值 α=0 表示无锚定，α=1 表示完全锚定）。

实验因变量为企业回流决策概率（0-100）与最低接受补贴金额（开放式作答）。控制变量通过实验前问卷采集：企业特征（员工规模、所有制、出口占比）、决策者特征（职位层级、行业工作年限、海外经历）。外部验证数据：利用中国海关数据库 2019-2025 年的企业层面出口中间品采购来源国变化，以 DID 方法验证实验结论的外部有效性——"锚定效应"更强的企业是否在实际决策中也表现出更大幅度的供应链来源国结构调整。进一步以企业年报 MD&A 部分"供应链风险"关键词频次（文本分析）构建企业层面的供应链焦虑指数。

（1）更换实验样本：将实验从制造业采购经理拓展至物流行业供应链规划师，验证行为偏差是否在非制造业供应链决策中同样存在。（2）激励兼容性设计：引入真实货币激励——告知被试者其决策将与最终抽选的 5% 参与者所获奖励挂钩，检验假设性偏差是否影响行为参数的估计。（3）锚定刺激变换：使用不同的锚定案例（自然灾害中断 vs 政策制裁中断），检验锚定效应的信息来源特异性。（4）外部有效性检验：利用自然实验——2020 年新冠疫情作为外生冲击，检验该冲击后企业回流决策概率的实际变化是否与实验预测的行为偏差模式一致。

---