我国利用外资结构持续优化

负面清单缩减通过两条渠道提升高技术 FDI 占比：一是降低外资进入的制度壁垒，减少审批不确定性与寻租成本（North 效应）；二是向市场发送制度可信承诺信号，吸引对产权保护敏感的高技术跨国公司（Acemoglu 效应）。据此提出 H1：负面清单条目减少与高技术 FDI 占比正相关；H2：该效应在产权保护基础较弱的地区更强；H3：制度改善通过"进入广度"（新设企业数）而非"在位深度"（单企增资）发挥作用。

以负面清单修订年份构建多期 DID，将受缩减影响较大的行业作为处理组、受影响较小的行业作为对照组。核心挑战在于处理变量可能内生于前期外资结构——政策制定者可能根据已有外资水平选择性开放。采用 Bartik 工具变量：以该行业在其他发展中国家的平均开放程度与基期行业特征的交乘项作为负面清单缩减的预测值，剥离内生政策反应。

Y_{ijt} = α + β × NegList_{jt} + γ × X_{ijt} + μ_i + λ_t + ε_{ijt}，其中 Y_{ijt} 为省份 i 行业 j 在年份 t 的高技术 FDI 占比，NegList_{jt} 为负面清单条目数（连续变量），X_{ijt} 包括省份 GDP 增速、市场规模、基础设施等控制变量，μ_i 和 λ_t 分别为省份和年份固定效应。进一步加入省份-行业交互固定效应以控制不可观测的时变异质性。

被解释变量：高技术产业实际使用外资额占该省份 FDI 总额的比重，按国标《高技术产业（制造业）分类》与《高技术产业（服务业）分类》归并行业。核心解释变量：负面清单条目数取对数。控制变量包括人均 GDP（反映市场吸引力）、高速公路密度（基础设施）、大专以上人口占比（人力资本）。数据跨度为 2015—2026 年，覆盖 31 个省份、18 个制造业与服务业行业。

第一，替换被解释变量为高技术 FDI 的绝对规模（对数值）以排除分母驱动效应；第二，使用 Goodman-Bacon 分解检验多期 DID 的处理效应异质性，剔除"坏比较"的污染；第三，以负面清单修订前的行业外资开放度历史值作为安慰剂处理年份，执行伪政策时点检验（placebo timing test）；第四，剔除北京、上海等外资政策先行先试城市以排除政策叠加干扰。

---

发展经济学的核心命题是后发国家能否通过对外开放实现技术收敛。高技术 FDI 通过三路径推动技术追赶：供应链后向关联迫使内资供应商提升标准（垂直溢出）；前向关联为下游内资企业提供高质量中间品（效率提升）；跨国公司人才向内资企业流动形成知识携带效应。据此提出 H1：高技术 FDI 密度提升显著正向影响内资企业 TFP；H2：技术差距适中的行业溢出效应最强（倒 U 形）；H3：前向关联溢出效应大于后向关联。

核心挑战在于外资进入的内生选择性——高技术外资本身倾向进入生产率更高的行业和地区。采用两阶段策略：第一阶段以汇率变动和母国经济周期作为 FDI 的工具变量（满足相关性与外生性）；第二阶段构建行业层面的 FDI 渗透率指标，以该行业在 OECD 国家的技术成熟度与中国的技术差距作为交互项，识别吸收能力对溢出效应的调节作用。

TFP_{it} = α + β₁ × HFDI_{jt} + β₂ × HFDI_{jt} × Gap_{jt} + γ × Z_{it} + η_i + λ_t + ε_{it}。其中 TFP_{it} 为企业 i 的 LP 全要素生产率对数值，HFDI_{jt} 为行业 j 的高技术外资企业产值占比，Gap_{jt} 为中国与 OECD 国家在该行业的技术差距（专利密度比值），交互项捕捉技术差距的调节效应。Z_{it} 包括企业规模、年龄、所有制等控制变量。

被解释变量 TFP 使用 Levinsohn-Petrin 半参数法估算，解决传统 OLS 的同时性偏差，中间投入作为代理变量。核心解释变量 HFDI 按两位码行业分解为高技术制造业和高技术服务业两个子样本。技术差距 Gap 使用该行业中国与 OECD 国家的人均专利授权量的比值。数据清洗剔除从业人数少于 8 人的微型企业及关键变量缺失样本。

第一，替换 TFP 估算方法为 Wooldridge (2009) 一阶段 GMM 法；第二，使用行业层面的专利引用数据替代专利授权量作为技术差距的代理变量；第三，以相邻省份同行业的高技术 FDI 作为本省 FDI 的工具变量（利用空间邻近性带来的竞争效应）；第四，将样本限定为内资非国有企业以排除国有企业特殊政策的干扰。

---

新古典框架下，资本最优配置的条件是各行业边际资本产出（MRPK）相等。外资结构优化——即资本从低技术回报递减行业撤出并流入高技术高回报行业——本质上是在降低行业间的 MRPK 离散度，推动经济向生产可能性边界收敛。据此提出 H1：高技术产业 FDI 占比提升与行业间 MRPK 离散度降低正相关；H2：外资再配置的配置效率增益大于国内资本再配置；H3：外资进入增加本土竞争压力，迫使低效企业退出，间接提升行业平均效率。

以 Hsieh-Klenow 框架计算每年各行业的 MRPK 离散度（TFPR 的方差），然后将该离散度对高技术 FDI 占比回归。核心内生性来源是 FDI 流向可能受行业要素扭曲程度的反向影响。工具变量策略：利用该行业在全球价值链（GVC）中的上游度指数——上游度高的行业吸引高技术 FDI 的自然倾向不同，但与国内短期的资本错配程度无直接关联。

Dispersion_{jt} = α + β × HFDI_Share_{jt} + γ × GVC_Up_{jt} + δ × HHI_{jt} + η_j + λ_t + ε_{jt}。其中 Dispersion_{jt} 为行业 j 在年份 t 的 MRPK 对数离散度，HFDI_Share_{jt} 为高技术 FDI 占该行业 FDI 的比重，GVC_Up_{jt} 为行业全球价值链上游度指数，HHI_{jt} 为行业集中度（Herfindahl 指数）以控制市场势力对错配的独立影响。

MRPK 基于工业数据库企业层面数据计算：ln(MRPK_{i}) = ln(行业产出弹性 × 企业营收 / 企业固定资产)，行业离散度为各企业 MRPK 的 90-10 分位数差。高技术 FDI 占比根据商务部分行业 FDI 数据与高技术产业分类标准交叉比对。行业上游度指数取自 Antràs 等（2012）的方法，利用中国投入产出表更新至 2025 年。

第一，将 MRPK 离散度替换为 MRPL（边际劳动产出）离散度，检验结论是否对要素类型敏感；第二，以 75-25 分位数差替代 90-10 分位数差作为错配度量；第三，排除金融危机及疫情年份（2015—2016、2022）以消除极端波动干扰；第四，使用两阶段 Bartik 工具变量（行业初始外资份额与全国 FDI 增速的交互项）替代上游度工具变量进行交叉验证。

---

在晋升锦标赛框架下，地方官员的考核长期以 GDP 增速为核心指标。外资流入在短期内能直接拉动固定资产投资和工业产值，因此官员有强烈动机竞相降低引资门槛以做大外资总量。然而，高技术外资对制度环境、人力资本等"慢变量"的依赖更强，与官员短期政绩时间偏好存在结构性张力。据此提出 H1：晋升激励越强，外资总量增速越快但高技术占比越低；H2：经济治理能力较强的官员更能平衡总量与质量；H3：邻近城市的引资竞争通过空间策略互动加剧本地的外资质量妥协。

核心识别挑战在于官员晋升激励与外资结构可能存在反向因果——外资质量高的地区官员晋升概率本身就不同。采用两个策略：空间杜宾模型可直接估计辖区间的策略互动参数（ρ），将相邻城市的引资行为作为本地官员决策的函数输入而非内生变量。断点回归利用"58 岁现象"——省级官员在 58 岁前后晋升概率骤降，形成晋升激励的准外生断点，在断点附近比较外资质量的变化。

HFDI_Quality_{it} = α + β₁ × Promotion_{it} + β₂ × W × HFDI_Quality_{jt} + γ × Officer_{it} + δ × City_{it} + μ_i + λ_t + ε_{it}。其中 W 为空间权重矩阵（逆距离矩阵或经济距离矩阵），W × HFDI_Quality_{jt} 项刻画邻近城市外资策略的溢入效应；Promotion_{it} 为官员晋升概率（基于年龄和任期的预测值）；Officer_{it} 为官员个体特征向量。

外资质量指标：高技术产业 FDI 占 FDI 总额比重、单位外资企业研发投入、外资企业平均劳动生产率。晋升激励指标：官员年龄（距 58 岁的距离取二次项）、任期长度（距平均任期 3.7 年的距离）、是否处于"晋升窗口期"。控制变量包括财政自主度、土地出让收入占比、产业结构多样化指数。官员数据通过手工收集省委书记/省长/市委书记简历构建。

第一，替换空间权重矩阵为经济距离矩阵（以人均 GDP 差距倒数加权）和行政邻接矩阵进行敏感性分析；第二，以 FDI 实际到位率（合同外资与实际使用外资之比）替代高技术 FDI 占比作为外资质量的替代指标；第三，采用系统 GMM 处理空间滞后项与误差项的相关性（Kelejian-Prucha 方法）；第四，限定于地级市子样本以排除省级官员与市级官员考核体系的差异。

---

凯恩斯乘数的核心逻辑是外生投资增加通过多轮收入-消费循环放大总需求。高技术 FDI 与传统 FDI 在乘数大小上存在结构性差异：高技术 FDI 向研发密集型活动倾斜，单位投资对国内设备和中间品的采购比例较低，初始漏出较大；但其带来的人力资本升级和本土供应链建设可能在中长期产生更高乘数。据此提出 H1：短期内传统 FDI 的投资乘数大于高技术 FDI；H2：中长期（2—3 年）高技术 FDI 的累积乘数反超；H3：外资结构优化通过提升就业质量（高工资岗位）放大消费乘数渠道。

使用 SVAR 模型识别 FDI 冲击。基于 Mundell-Fleming 框架，施加 Blanchard-Quah 长期约束：假设 FDI 冲击在长期对实际汇率无影响（长期中性约束），以分离 FDI 冲击与其他宏观经济冲击。短期约束采用 Cholesky 分解：假设 FDI 在同月内对 GDP 和消费无同期反应（决策时滞），外生性由经济理论支撑而非纯统计假设。

SVAR 包含五个内生变量：FDI 流入额、工业增加值、社会消费品零售总额、固定资产投资、人民币实际有效汇率。识别约束矩阵 A（同期关系）与 B（长期累积效应）根据 Mundell-Fleming 理论推导施加。在此基础上，使用局部投影法（Jordà, 2005）直接估计不同 FDI 类型对产出和就业的累积脉冲响应函数：y_{t+h} = α_h + β_h × FDI_Shock_t + γ × X_t + ε_{t+h}。

将 FDI 总冲击按行业分解为"高技术 FDI 冲击"和"传统 FDI 冲击"两个正交分量（主成分分解）。乘数计算：累积乘数 = 产出累积变化 / FDI 初始变化。数据采用 2015 年 1 月至 2026 年 5 月的月度时间序列，经 X-13 ARIMA 季节调整和 HP 滤波去趋势。消费乘数、投资乘数和净出口乘数分别以社会消费品零售总额、固定资产投资和贸易差额作为对应等式变量。

第一，改变 SVAR 的识别假设，使用符号约束（sign restrictions）替代长期约束——假设正向 FDI 冲击在同期抬高产出、就业和投资，放宽对汇率的中性假设；第二，以季度数据替代月度数据重新估计，检验结论对数据频率的敏感性；第三，使用叙事法（narrative approach）构建 FDI 政策冲击序列——以重大外资政策出台月份作为外生工具变量进行单方程 IV 局部投影估计；第四，限定后疫情样本（2023—2026）单独估计以评估结构性变化。

---