6月份我国制造业PMI为50.3%

在Hsieh & Klenow (2009)资源错配框架下，若要素市场运行良好，行业间边际产出应趋于收敛。然而高技术制造业PMI持续高于高耗能行业，暗示再配置进程尚未完成。由此提出：H1——行业间PMI差距越大，跨行业要素再配置对TFP的贡献越高；H2——随着再配置推进，PMI分化程度将逐步收窄；H3——政策引导（如绿色转型约束）加速了高耗能行业的要素流出。

利用2016—2026年月度行业PMI面板数据，以"双碳"政策提出（2020年9月）为准自然实验，采用双重差分法（DID）识别政策冲击对高耗能行业要素流出强度的因果效应。处理组为高耗能行业，控制组为消费品行业。关键识别假定为平行趋势：在"双碳"政策前，处理组和控制组的要素流动趋势无系统性差异，可通过事件研究法进行检验。

基准模型：$$\Delta FactorFlow_{it} = \alpha + \beta_1 (PMI\_Gap_{it} \times Post_t) + \beta_2 PMI\_Gap_{it} + \beta_3 Post_t + X_{it}'\gamma + \mu_i + \delta_t + \varepsilon_{it}$$ 其中 $\Delta FactorFlow_{it}$ 为行业i在t月的要素净流入率，$PMI\_Gap_{it}$ 为行业i的PMI与制造业总体PMI之差，$Post_t$ 为政策虚拟变量，$X_{it}$ 为行业层面控制变量（出口依存度、资本密集度等），$\mu_i$ 和 $\delta_t$ 分别为行业和月份固定效应。

被解释变量：行业月度就业变动率和固定资产投资增速（来自国家统计局）。核心解释变量：行业PMI与制造业总体PMI的差值。工具变量：全球同行业PMI（来自J.P. Morgan全球制造业PMI）以缓解内生性。控制变量包括行业出口交货值增速、PPI分行业指数、信贷增速（WIND）。样本覆盖30个制造业二位码行业，时间跨度2016—2026年。

第一，替换被解释变量为行业新增注册企业数（企查查数据）作为要素流入的代理变量。第二，采用倾向得分匹配DID（PSM-DID）缓解处理组和控制组系统性差异。第三，使用Bacon分解（Goodman-Bacon, 2021）检验交错DID中异质性处理效应的偏误。第四，进行安慰剂检验，将政策时点前移24个月验证伪效应是否显著。

---

依据Auerbach & Gorodnichenko (2012)的状态依赖乘数理论，当经济处于需求不足状态时，闲置产能较大，财政刺激的挤出效应较小，乘数较高。6月PMI新订单从49.9%跃升至51.2%，恰好跨越荣枯线，提供了一个需求状态切换的天然实验场景。提出：H1——收缩期需求刺激的产出乘数显著高于扩张期；H2——以旧换新类定向消费补贴的乘数高于一般性财政转移；H3——乘数大小与产能利用率负相关。

采用SVAR框架下的短期递归识别（Blanchard & Perotti, 2002），排序为：财政支出→PMI新订单→工业增加值。以财政支出的"预测误差"作为外生财政冲击——利用年初预算与月度实际支出的偏差作为工具变量（参照Ramey, 2011的叙事法）。状态依赖通过门槛SVAR实现，以PMI是否低于50%划分景气状态。关键假定为财政支出在月度频率上对当期产出无同期反应。

门槛SVAR模型：$$Y_t = \begin{cases} C_1 + \sum_{j=1}^{p} A_{1j} Y_{t-j} + B_1 \varepsilon_t & \text{if } PMI_{t-d} < 50 \\ C_2 + \sum_{j=1}^{p} A_{2j} Y_{t-j} + B_2 \varepsilon_t & \text{if } PMI_{t-d} \geq 50 \end{cases}$$ 其中 $Y_t = [\Delta G_t, \Delta NOD_t, \Delta IP_t]'$ 分别为财政支出增速、新订单指数变化、工业增加值增速，$d$ 为门槛滞后阶数。财政乘数通过累积脉冲响应函数 $\sum_{h=0}^{H} \frac{\partial IP_{t+h}}{\partial \varepsilon_{G,t}}$ 计算。

财政支出月度数据来自财政部国库司月度报告，需进行季节性调整（X-13ARIMA-SEATS）。PMI新订单指数来自国家统计局。工业增加值月度同比增速来自国家统计局。控制变量包括社会融资规模增量（央行）、出口交货值（海关总署）、PPI（国家统计局）。样本期间2010—2026年，共约190个月度观测值。

第一，替换财政冲击识别策略为Ramey (2011)叙事法，利用政策文件确定外生财政冲击日期。第二，采用Jordà (2005)局部投影法（Local Projections）替代SVAR估计脉冲响应，减少模型误设风险。第三，将门槛变量从PMI替换为产出缺口（HP滤波），检验状态划分的稳健性。第四，利用Bayesian VAR（Minnesota先验）缓解小样本下的过参数化问题。

---

North (1990)指出，制度变迁对经济主体的影响并非均质的——大企业凭借规模优势和政治关联可以"绕开"制度摩擦，而小企业则承受更高的人均合规成本。Coase (1937)的交易成本理论进一步预测，当外部市场交易成本过高时，小企业更倾向于内化功能，导致效率损失。提出：H1——制度性交易成本与PMI呈负相关，且小企业敏感性更强；H2——融资壁垒是造成大小企业PMI分化的最大制度因素；H3——营商环境改革对中型企业PMI的提升效应最大（中型企业处于"政策敏感区间"）。

利用各省"放管服"改革推进时序差异作为准自然实验。以各省行政审批局成立时间为处理变量，构建多期DID模型。处理强度以"审批事项压缩比例"衡量（来自各省政务办年度报告）。识别假定为：行政审批局成立时间与各省PMI趋势不直接相关（排除经济发展水平对改革先后的影响），可通过Granger因果检验和事件研究法验证外生性。

多期DID模型：$$PMI_{ist} = \alpha + \beta_1 (Reform_{st} \times Small_i) + \beta_2 Reform_{st} + \beta_3 Small_i + X_{ist}'\gamma + \mu_{is} + \delta_t + \varepsilon_{ist}$$ 其中 $PMI_{ist}$ 为省份s行业i在t月的企业PMI（或企业景气度替代指标），$Reform_{st}$ 为省份s在t月的改革强度，$Small_i$ 为小企业虚拟变量，$\mu_{is}$ 为省份-行业固定效应，$\delta_t$ 为时间固定效应。核心系数 $\beta_1$ 捕捉改革对小企业的差异化效应。

被解释变量：企业景气度指数（国家统计局企业景气调查，按规模分组）。核心解释变量：省级制度摩擦指数——综合行政审批平均时长（天）、企业开办环节数、获得信贷便利度（世界银行Doing Business/ BEE数据）三维度，通过主成分分析（PCA）合成。控制变量包括企业年龄、行业集中度（CR4）、省级GDP增速、信贷增速。样本覆盖31省份×30制造行业，2015—2026年面板。

第一，替换制度摩擦指数构造方法为等权重平均和熵权法，检验指数合成的稳健性。第二，使用CPES微观企业数据中"企业感知营商环境"主观评分作为制度成本的替代变量进行验证。第三，采用Callaway & Sant'Anna (2021)异质性稳健DID估计量，处理多期DID中处理效应异质性问题。第四，对融资壁垒变量进行中介效应分析（Baron & Kenny, 1986），检验融资渠道的传导机制。

---

Tversky & Kahneman (1974)发现人们倾向于将整数作为认知锚点。50%作为PMI的荣枯线已被媒体和决策者广泛使用，成为市场参与者的"心理参考点"（Kahneman & Tversky, 1979）。当PMI从49.7%变动到50.3%时，尽管绝对变化仅0.6个百分点，但"从收缩到扩张"的框架效应（framing effect）可能导致预期的非连续跳跃。提出：H1——PMI跨越50%时，预期指数存在显著正向跳跃（RDD估计）；H2——下穿50%时的负面跳跃幅度大于上穿时的正面跳跃（损失厌恶的体现）；H3——锚定效应在信息环境较差（如分析师覆盖少）的行业中更为显著。

采用精确断点回归（Sharp RDD），以PMI=50%为断点。驱动变量（running variable）为PMI距50%的距离（$PMI_t - 50$），结果变量为同月预期指数的变化量。关键假定为PMI在50%附近不存在精确操纵（manipulation）——可通过McCrary密度检验验证PMI在50%两侧的密度连续性。由于PMI由统计局基于企业调查数据计算，单个企业难以操纵加总结果，操纵假设较难成立。

RDD模型：$$E[\Delta Expect_t] = f(PMI_t - 50) + \tau \cdot \mathbb{1}(PMI_t \geq 50) + \varepsilon_t$$ 其中 $f(\cdot)$ 为局部多项式函数（采用Calonico, Cattaneo & Titiunik (2014) 的稳健偏差校正法选择最优带宽和多项式阶数），$\tau$ 为断点处的跳跃效应（即锚定效应的因果估计）。进一步扩展为局部线性模型：$$\Delta Expect_t = \alpha + \tau \cdot D_t + \beta_1 (PMI_t - 50) + \beta_2 D_t \times (PMI_t - 50) + \varepsilon_t$$ 其中 $D_t = \mathbb{1}(PMI_t \geq 50)$。

驱动变量：PMI实际值减50（国家统计局）。结果变量：制造业生产经营活动预期指数的月度变化量。辅助结果变量：中国人民银行企业家信心指数季度变化、沪深300制造业板块月度异常收益率（CSMAR/CRESS）。协变量包括当月CPI、PPI、社融增量，用于检验断点处协变量连续性。样本为2005年1月至2026年6月，约258个月度观测。最优带宽由MSE最小化确定。

第一，更换带宽选择方法（IK带宽 vs CCT带宽），检验RDD估计对带宽的敏感性。第二，在断点两侧±2个百分点范围内进行Donut Hole RDD（排除恰好等于50%的月份），避免精确操纵的干扰。第三，利用安慰剂断点（如48%、52%）检验伪断点处是否不存在显著跳跃。第四，用模糊RDD（Fuzzy RDD）处理PMI分项中部分子项跨越50%而总体未跨越的情况，验证处理依从性。

---

Baumol (1967)的经典模型指出，若"进步部门"的生产率增长不能带动"停滞部门"同步提升，经济总体增长将被拖累（鲍莫尔病）。但Romer (1990)内生增长理论认为技术外溢和人力资本积累可以使进步部门的增长效应持续扩散。中国高技术制造业PMI持续领先，可能意味着技术扩散正在发生。提出：H1——PMI双轨指数越大，制造业总体TFP增长越快（结构红利效应）；H2——双轨分化存在门槛值，超过后技术扩散效应加速（非线性）；H3——人力资本密度是调节双轨分化与结构转型关系的关键变量。

利用2015年"中国制造2025"战略实施作为外生冲击，以高技术制造业密集度（高技术行业增加值占比）作为行业层面的处理强度，构建连续型DID（continuous DID）。处理强度高的行业在政策后应经历更快的PMI双轨分化和TFP增长。识别假定为：政策前，不同技术密集度行业的TFP增长趋势平行。可利用2010—2014年数据进行事前趋势检验，排除"中国制造2025"试点城市的干扰。

面板门槛模型（Hansen, 1999）：$$\Delta TFP_{it} = \mu_i + \delta_t + \begin{cases} \beta_1 Dual\_Track_{it} + X_{it}'\gamma_1 + \varepsilon_{it} & \text{if } Dual\_Track_{it} \leq \theta \\ \beta_2 Dual\_Track_{it} + X_{it}'\gamma_2 + \varepsilon_{it} & \text{if } Dual\_Track_{it} > \theta \end{cases}$$ 其中 $Dual\_Track_{it} = PMI\_HT_{it} - PMI\_HE_{it}$（高技术制造业PMI减高耗能行业PMI），$\theta$ 为内生门槛值，$X_{it}$ 包括人力资本密度、研发强度、FDI渗透率等控制变量。$\beta_2 > \beta_1$ 验证结构转型的非线性加速效应。

被解释变量：行业TFP增长率（利用OP法或LP法基于中国工业企业数据库估计）。核心解释变量：PMI双轨指数=高技术制造业PMI−高耗能行业PMI（国家统计局月度数据取年度均值）。门槛变量：同上。调节变量：行业人力资本密度（本科及以上就业占比，来自经济普查和劳动力调查）。控制变量：研发强度（R&D/营收）、FDI渗透率、出口强度、资本产出比。跨国比较使用UNIDO数据（20国制造业分行业）。

第一，替换TFP估计方法为ACF法（Ackerberg, Caves & Frazer, 2015），缓解OP/LP法中的共线性偏误。第二，采用Timmer & Szirmai (2000)的"偏离-份额"分解法独立计算结构红利，验证PMI双轨指数与结构红利的相关性。第三，将样本扩展至OECD国家进行跨国面板回归，检验PMI双轨指数对结构转型的普适性。第四，进行Granger因果检验，确认PMI双轨指数领先TFP结构变化的时序关系而非反向因果。

---

> 本期选用视角：📊 新古典 | 💰 凯恩斯 | 🏛️ 制度经济学 | 🧠 行为经济学 | 🌏 发展经济学
> 未选用视角：⚖️ 政治经济学 | 👷 劳动经济学