前4个月我国新兴产业和未来产业新设企业37.3万户

基于林毅夫新结构经济学，要素禀赋结构升级（人力资本积累、数字基础设施完善）降低新兴产业进入门槛，企业大量进入加速产业内技术复杂度提升。Hausmann & Hidalgo 产品空间理论表明企业进入密度越高，"能力邻近性"越强，技术跃迁概率越大。由此提出：H1：新兴产业企业进入数量与地区制造业技术复杂度正相关；H2：未来产业企业进入通过知识外溢渠道对传统产业技术升级产生正向溢出；H3：该效应在数字基础设施较好的东部地区更为显著。

核心挑战在于企业进入与技术复杂度之间的双向因果：技术复杂度高的地区天然吸引更多企业进入。采用 Bartik 工具变量：以各城市初始年份（2015年）的产业份额与全国层面新兴产业增长率（剔除本省）的交乘项作为企业进入的工具变量。排他性约束：历史产业份额仅通过影响当前企业进入来影响技术复杂度，与当期技术冲击无关。此外，控制省份×年份联合固定效应以吸收时变省级政策冲击。

基准回归设定为：Complexity_{it} = α + β·Entry_{it} + γ·X_{it} + μ_i + λ_t + ε_{it}，其中 Complexity_{it} 为城市 i 在年份 t 的技术复杂度指数（基于 RCA 加权），Entry_{it} 为新兴产业新设企业数（对数），X_{it} 包括人力资本、外资依存度、金融发展水平等控制变量，μ_i 为城市固定效应，λ_t 为年份固定效应。中介效应模型以全要素生产率（OP法估计）为被解释变量，技术复杂度为中介变量，检验"企业进入→技术复杂度→TFP"传导链。

被解释变量技术复杂度：基于出口产品 RCA 加权构建城市级 ECI 指数，参照 Hausmann 等（2007）方法。核心解释变量：市场监管总局分城市、分产业的企业注册数据，区分"8大新兴产业"与"9大未来产业"两个子样本。控制变量：城市人均受教育年限（人口普查）、数字基础设施（宽带接入率）、金融发展（年末贷款余额/GDP）、外资利用（实际利用外资/GDP）。样本覆盖 285 个地级市，时间跨度 2015-2026 年。

（1）替换被解释变量：以专利复杂度（发明专利占比加权）替代出口技术复杂度，检验结论对技术测度方式的敏感性；（2）替换工具变量：采用 Shift-Share 构造的"leave-one-out"增长率 IV，排除本地冲击对 IV 有效性的干扰；（3）排除直辖市样本：剔除北京、上海、天津、重庆四个直辖市后重新回归，排除行政级别和资源集聚效应带来的估计偏误；（4）安慰剂检验：将企业进入时间随机提前 3 年，观察伪处理效应是否消失。

---

North 认为制度通过界定产权、降低交易成本来激励生产性创业活动。新兴产业（如高端装备制造）高度依赖契约执行与知识产权保护，而未来产业（如生成式 AI）对市场准入自由度和人才流动制度更为敏感。Acemoglu & Robinson 强调包容性制度是创新驱动增长的前提。据此提出：H1：营商环境综合得分每提升 1 个标准差，新兴产业企业进入率提高 X%；H2：产权保护对资本密集型新兴产业的影响大于对知识密集型的未来产业，而人才流动制度的影响恰好相反；H3：制度改善存在门槛效应——仅当制度水平越过某一临界值后，其创业激励效应才显著释放。

制度与创业之间存在严重内生性：创业活跃的地区可能有更强的改革动力，导致反向因果。核心识别借助两项准自然实验：（1）自贸区设立（2013-2023 年分批）作为营商环境改善的外生冲击，采用渐进 DID；（2）"营商环境创新试点城市"（2022 年首批 6 城）的政策冲击。通过事件研究法检验平行趋势假设，并以 Goodman-Bacon 分解诊断处理效应异质性。此外，使用同省份相邻城市的制度得分均值作为工具变量以增强识别可信度。

门槛回归模型设定为：Entry_{it} = α + β₁·Institution_{it}·I(Institution_{it} ≤ γ) + β₂·Institution_{it}·I(Institution_{it} > γ) + δ·X_{it} + μ_i + λ_t + ε_{it}，其中 Institution_{it} 为营商环境综合指数，γ 为待估计门槛值，I(·) 为示性函数。DID 设定为：Entry_{it} = α + θ·Treat_i × Post_t + γ·X_{it} + μ_i + λ_t + ε_{it}，事件窗口取政策前后各 4 年。所有回归在城市层面聚类标准误。

核心解释变量"营商环境制度供给"分四个维度：（1）行政效率（企业开办时间倒数、行政审批事项压缩率）；（2）产权保护（知识产权案件结案率、专利侵权赔偿均值）；（3）市场准入（负面清单条目数倒数、民营资本准入行业占比）；（4）法治环境（律师万人比、合同纠纷审理周期倒数）。采用主成分分析法合成综合指数及各维度得分。被解释变量为各城市年度新兴产业新设企业数。样本：285 个地级市 × 2015-2026 年非平衡面板。

（1）替换制度度量：以世界银行 B-READY 中国城市分报告的制度得分替代自建指数，检验国际可比框架下的稳健性；（2）排除超大城市干扰：剔除 4 个直辖市和 15 个副省级城市后重新门槛回归，检验制度-创业关系是否在行政级别较低城市同样成立；（3）变换 DID 对照组：以倾向得分匹配（PSM）筛选与处理组特征最接近的对照组后，重新执行 DID，降低选择偏误；（4）安慰剂时间置换：将自贸区设立年份分别提前 2 年和 3 年，若伪处理效应不显著则增强因果推断可信度。

---

Hsieh & Klenow（2009）证明中国制造业资源错配若消除可使 TFP 提升 30-50%。新兴产业企业进入通过两个渠道改善配置效率：一是竞争选择——高效率新进入企业迫使低效率存量企业收缩或退出（Melitz 选择效应）；二是要素再配置——劳动力和资本从低生产率企业流向高生产率的新进入者。由此提出：H1：新兴产业企业进入密度越高的行业，其 TFP 离散度（错配程度）下降幅度越大；H2：新进入企业在进入后 3 年内平均生产率高于在位企业，且生产率差距逐年缩小（学习效应）；H3：企业进入对总合 TFP 的贡献中，选择效应占比大于多样化效应。

将行业层面的企业净进入率作为核心解释变量，利用不同行业进入壁垒的差异构造识别策略。关键挑战在于区分"企业进入改善配置效率"与"配置效率高的行业吸引企业进入"的反向因果。识别方案：（1）以行业上游中间品关税下降（中国加入 WTO 后续减让及 RCEP 实施）作为下游行业进入成本的外生冲击；（2）利用各省最低工资标准调整时间差异，将其与企业进入的行业-省份层面交互，作为劳动力市场摩擦的代理冲击项。行业×年份和省份×年份联合固定效应分别吸收时变的行业特性与省份政策冲击。

两步回归法：第一步，在四位码行业-年份层面计算 TFP 离散度（90-10 分位差、标准差、Theil 指数）作为资源错配的度量；第二步，回归模型：Misallocation_{jt} = α + β·NetEntry_{jt} + γ·HHI_{jt} + δ·SOE_share_{jt} + φ_j + λ_t + ε_{jt}，其中 NetEntry_{jt} 为行业 j 在 t 年的新进入企业数减去退出企业数（除以总企业数标准化），HHI 控制市场集中度，SOE_share 为国企产值占比控制所有制结构。OP 协方差分解将行业生产率分解为：均值效应 + 协方差（配置效率）+ 进入效应 + 退出效应。

核心变量企业 TFP：采用 Olley-Pakes 半参数法估计，以投资作为不可观测生产率冲击的代理变量，解决 OLS 估计中的联立性偏误。企业进入定义：首次出现在工商注册数据库且连续经营超过 12 个月的企业。退出定义：连续 2 年以上无纳税记录或工商注销。错配测度：以行业内企业间 ln(TFPR) 的离散度衡量，参照 Hsieh & Klenow 框架中 TFPR ∝ MRPL^α·MRPK^(1-α) 的关系。数据覆盖制造业二分位至四位码行业。

（1）替换 TFP 估计方法：以 Levinsohn-Petrin 法（中间品投入代理）、ACF 法（劳动投入代理）分别替换 OP 法，检验 TFP 估计方法选择对结果的影响；（2）更换错配测度：以企业规模与生产率的 Spearman 相关系数替代离散度指标，衡量"配置质量"而非"错配程度"；（3）排除国有企业样本：国有企业退出更多受行政指令而非市场竞争驱动，剔除后检验市场机制主导的再配置效应；（4）子样本分析：分别对"8大新兴产业"和"9大未来产业"两个子样本重复分析，识别两类产业资源配置效率差异的来源。

---

Acemoglu & Autor（2011）任务模型预测技术变革替代中等技能 routine 任务，导致就业极化——高技能抽象任务岗位和低技能手工服务岗位扩张、中等技能岗位萎缩。新兴产业（新一代信息技术、AI）密集使用抽象任务（研发、算法设计），同时未来产业（人形机器人）可能替代部分制造业常规任务。Katz & Murphy SBTC 框架预测技能需求上升推高教育溢价。据此提出：H1：新兴产业企业进入密度每增加 1%，该城市高技能岗位占比上升 0.3-0.5%，中等技能岗位占比下降 0.2-0.4%（就业极化）；H2：从传统制造业流向新兴产业的劳动者获得 15-25% 的工资溢价，但该溢价随年龄增长而递减（技能折旧效应）；H3：城市层面的人力资本错配（教育-岗位匹配度）在新兴产业快速扩张期先加剧后缓解，呈倒 U 型。

核心识别以全国层面新兴产业增长率与城市初始产业结构的交乘项作为城市层面新兴产业扩张的 Bartik 工具变量。该 IV 的有效性依赖：全国产业趋势不通过除本地就业以外的渠道影响个体工资（排他性），且初始产业结构不直接决定当期工资变化（外生性）。个体层面追踪回归利用 CLDS 追踪数据，控制个体固定效应以消除不随时间变化的能力偏误。此外，以各城市距最近"国家新一代人工智能创新发展试验区"的距离作为未来产业就业冲击的额外 IV。

城市-产业-技能组层面三重差分模型：Y_{cjs} = α + β·Emerging_{cj}·Post_t + γ·Skill_s·Emerging_{cj}·Post_t + δ·X_{cjs} + μ_{cj} + μ_{js} + μ_{cs} + ε_{cjs}，其中 c 为城市，j 为产业，s 为技能组（高/中/低），Emerging_{cj} 为城市 c 新兴产业份额，Post_t 为时间虚拟变量（2020 年后 = 1），三重交互项 Skill_s·Emerging_{cj}·Post_t 捕捉对技能组的差异化效应。个体层面 Mincer 方程：ln(wage_{it}) = α + θ·Switch_{it} + ρ·Switch_{it}·Age_{it} + γ·X_{it} + μ_i + λ_t + ε_{it}，Switch_{it} 为是否发生产业间流动的虚拟变量。

技能组划分：按职业编码将劳动者分为高技能（管理、专业技术）、中等技能（文员、销售、技工）、低技能（服务、操作工）三类。任务内容测度：以招聘广告文本 NLP 分解抽象/常规/手工任务关键词频率，构造岗位级任务强度指数。核心被解释变量：个体小时工资（对数）、就业状态虚拟变量、职业 ISCO 编码。城市层面解释变量：新兴产业新设企业数占城市总企业数比重。样本：CLDS 三轮追踪个体约 15,000 人 × 3 期，匹配招聘平台约 200 万岗位级数据点。

（1）替换技能测度：以受教育年限和职业资格证书等级替代职业编码的技能分组，检验非学历技能维度的溢价效应；（2）排除平台经济干扰：剔除外卖骑手、网约车司机等零工经济从业者，专注制造业内部的新旧产业劳动力转移；（3）子样本异质性：分东部/中西部、分年龄组（35 岁以下 vs. 以上）、分性别执行分析，验证劳动力流动壁垒的群体差异；（4）工具变量置换：以全国层面 AI 相关专利申请数增长率替代企业注册增长率作为 IV，捕捉技术创新而非企业注册驱动的劳动力需求冲击。

---

周黎安晋升锦标赛理论指出中国地方官员在以 GDP 增长为核心的相对绩效考核下，存在强烈的产业政策模仿动机——当一个城市高调布局某新兴产业时，邻近城市出于竞争压力将迅速跟进（"标尺竞争"）。周飞舟指出分税制下地方财力紧张，土地出让和税收优惠成为吸引企业落户的核心工具，可能导致"逐底竞争"。据此提出：H1：某城市新兴产业企业进入数量与其邻近城市的产业政策强度正相关（空间策略互补效应）；H2：地方政府对中央文件中首次出现的产业关键词（如"低空经济""具身智能"）响应速度越来越快，响应周期从 2015 年的平均 18 个月缩短至 2026 年的 5 个月；H3：地方之间产业政策同质化程度越高，该区域企业存活率越低——锦标赛竞争导致的"一拥而上"造成重复建设和资源浪费。

识别面临三重挑战：企业的空间选择同时受市场因素（集聚经济、要素价格）、政策因素（补贴、税收优惠）和地理因素（距离、交通）影响，地方产业政策本身又内生于本地经济结构。核心识别方案：（1）空间杜宾模型直接估计邻近城市产业政策对本城市企业进入的溢出效应（ρ 系数）；（2）以省级官员换届年份作为地方产业政策调整的外生冲击，检验新上任官员为"出新政"而加码新兴产业政策的效应；（3）国家级新区边界断点回归：比较新区边界两侧相邻街道（一侧享受国家级政策优惠，另一侧不享受）的企业进入差异，隔离政策效应与地理/集聚效应。

空间杜宾模型设定为：Entry_{it} = ρ·W·Entry_{jt} + β₁·Policy_{it} + β₂·W·Policy_{jt} + γ·X_{it} + θ·W·X_{jt} + μ_i + λ_t + ε_{it}，其中 W 为空间权重矩阵（分别采用地理邻接、地理距离倒数、经济距离三种权重），ρ 为企业进入的空间自相关系数，Policy_{it} 为城市 i 的产业政策强度指数。W·Policy_{jt} 的系数 β₂ 是核心关注——捕捉邻近城市政策对本城市企业进入的溢出方向（互补或替代）。断点回归模型：Entry_{ik} = α + τ·Inside_k + f(Distance_k) + ε_{ik}，其中 Inside_k 为是否位于新区内的虚拟变量，f(·) 为距离边界的灵活多项式。

产业政策强度指数构建：（1）从地级市政府工作报告中提取新兴产业关键词频次（基于"8+9"产业关键词词典），以 TF-IDF 加权计算年度政策注意力得分；（2）以该城市累计发布的产业专项政策文件数量（去除无实质内容的转发文件）作为政策密度的客观度量；（3）以产业引导基金规模（对数）和产业用地出让面积作为政策力度的财政维度补充。空间权重矩阵：地理邻接（W₁）、距离倒数（W₂，带宽 300km）、GDP 差距倒数（W₃）三种。被解释变量为每个城市每季度新兴产业新设企业数（对数），精确到街道/乡镇级以支撑断点回归的空间精度。

（1）替换空间权重矩阵：依次以高铁通勤时间矩阵、产业链投入产出关联矩阵替代地理距离矩阵，检验空间溢出渠道的异质性（是地理邻近重要还是经济联系重要）；（2）政策文本量化方法替换：以 Word2Vec 词嵌入相似度替代关键词词典匹配，降低词典构建的主观性；（3）安慰剂空间断点：在国家级新区边界外随机生成 500 条伪边界，比较真实断点的处理效应在伪边界分布中的分位数位置，若真实效应位于分布尾端（p < 0.05），则增强因果推断；（4）排除省会城市样本：省会城市同时具有行政中心和经济中心双重属性，可能放大政策效应，剔除后检验普通地级市间的横向竞争效应。

---