上半年物价运行总体平稳

基于 Hayek 价格信号理论，PPI 上涨快于 CPI 意味着上游要素价格信号被放大，下游企业面临"成本推升"但终端价格受抑制的非均衡状态。H1：CPI-PPI 剪刀差扩大显著降低下游制造业的资本配置效率；H2：剪刀差对低 TFP 企业的扭曲效应大于高 TFP 企业；H3：价格传导通畅的行业（如石油化工）资源配置效率损失较小。

利用 2020-2026 年月度行业层面 PPI 分项数据与 CPI 分项数据的变异，构建行业层面的剪刀差指标（上游 PPI 涨幅 − 对应下游 CPI 涨幅）。以 2022 年俄乌冲突导致的国际大宗商品价格外生冲击作为工具变量，识别剪刀差对行业 TFP 离散度的因果效应，满足排他性约束——国际油价冲击仅通过 PPI 传导影响国内资源配置。

基准模型：$TFP\_dispersion_{jt} = \alpha + \beta \cdot Scissors_{jt} + \gamma X_{jt} + \mu_j + \delta_t + \varepsilon_{jt}$，其中 $Scissors_{jt} = PPI^{up}_{jt} - CPI^{down}_{jt}$ 为行业 j 在 t 月的上下游价格剪刀差，$TFP\_dispersion$ 以 OP 协方差衡量资源配置效率，$X_{jt}$ 为行业控制变量，$\mu_j$、$\delta_t$ 为行业和月份固定效应。IV 估计使用国际原油价格变动作为工具变量。

被解释变量：行业层面 TFP 离散度（OP 协方差法，基于工企数据库计算）。核心解释变量：CPI-PPI 剪刀差，利用投入产出表匹配上下游行业对。控制变量：行业集中度（HHI）、国有资本占比、出口依存度、行业杠杆率。工具变量：Brent 原油期货月度均价。样本覆盖 2020-2026 年 35 个二位码制造业行业月度面板。

（1）替换被解释变量为 HK 框架下的 TFP 离散度（90 分位 / 10 分位比值）；（2）使用 Bartik 工具变量替代国际油价，以基期行业投入结构加权国际价格变动；（3）排除 2022-2023 年疫情扰动期样本；（4）加入行业 × 时间趋势项控制未观测的时变因素；（5）安慰剂检验——随机打乱上下游行业配对关系。

---

凯恩斯理论指出，在有效需求不足、物价粘性较强的低通胀环境中，财政支出增加不会引发价格大幅上涨，产出对需求的响应更大。H1：当 CPI 同比涨幅低于 2% 时，政府消费支出的财政乘数显著高于 CPI 涨幅在 2%-5% 区间时的乘数；H2：物价粘性越强的省份（以价格调整频率衡量），低通胀区乘数溢价越大；H3：食品价格稳中有降时，非食品领域的财政扩张乘数更高。

采用 Blanchard & Perotti（2002）的 SVAR 识别策略，利用财政支出对 GDP 和 CPI 的时序先后关系进行 Cholesky 递归识别——假设政府消费支出在季度内对产出和物价具有外生性（决策时滞）。结合 Jordà（2005）局部投影法，在 Auerbach-Gorodnichenko 平滑转换框架下，以 CPI 作为阈值变量估计状态依赖乘数。

状态依赖局部投影模型：$y_{i,t+h} - y_{i,t-1} = \alpha_h^L \cdot I(CPI_{it} < \bar{c}) \cdot g_{it} + \alpha_h^H \cdot [1 - I(CPI_{it} < \bar{c})] \cdot g_{it} + \sum_{k=1}^{p} \beta_k Z_{i,t-k} + \mu_i + \delta_t + \varepsilon_{i,t+h}$。其中 $g_{it}$ 为政府消费支出冲击（SVAR 残差），$I(\cdot)$ 为 CPI 状态指示函数，$\bar{c}$ 为阈值（取 CPI = 2%），$h$ 为预测步长，$\alpha_h^L$ 和 $\alpha_h^H$ 分别为低、高通胀状态的累积乘数。

核心变量：（1）实际 GDP（季度，各省 GDP 平减指数折算）；（2）政府消费支出（财政支出中的一般公共服务、教育、卫生支出合计）；（3）CPI 同比涨幅（国家统计局分省月度数据，季度取均值）。控制变量：广义货币供应量 M2、实际利率、进出口总额。样本为 2010-2025 年 31 个省份季度面板，共约 1984 个观测值。

（1）替换阈值变量为 GDP 平减指数或核心 CPI（剔除食品和能源）；（2）使用 Ramey（2011）叙事法识别的财政冲击替代 SVAR 残差；（3）采用平滑转换模型（STAR）替代离散状态划分，检验乘数随 CPI 连续变化的非线性特征；（4）排除转移支付占比超过 50% 的省份以控制财政内生性。

---

"保供稳价"是一种典型的行政发包制安排：中央设定 CPI 目标并向下分解，地方政府承担属地责任。依据 Williamson 交易成本理论，该制度通过纵向一体化（政府直接介入储备与调运）替代市场交易，降低了价格波动的"市场交易成本"，但产生了行政协调成本。H1："菜篮子"市长负责制显著降低了城市食品 CPI 波动率；H2：地方财政压力越大的城市，保供稳价政策的执行效果越差（激励不相容）；H3：行政干预带来的交易成本节约在生鲜品类大于耐储品类。

利用 2021 年国务院修订"菜篮子"市长负责制考核办法的外生政策冲击，构建交错 DID 模型。处理组为考核指标更严格的城市（新增"应急保供"考核项），对照组为考核变化较小的城市。利用考核权重变化的外生变异（部分城市被选为应急保供试点）识别因果效应。平行趋势假定通过政策实施前食品 CPI 波动率的趋势比较进行验证。

交错 DID 模型：$CV_{it} = \alpha + \beta \cdot Treat_i \times Post_t + \gamma X_{it} + \mu_i + \delta_t + \varepsilon_{it}$，其中 $CV_{it}$ 为城市 i 在 t 月的食品 CPI 变异系数（衡量价格波动），$Treat_i$ 为是否纳入应急保供试点城市，$Post_t$ 为政策实施后虚拟变量。进一步加入调节效应：$\beta_1 \cdot Treat_i \times Post_t \times Fiscal\_pressure_i$，检验财政压力对政策效果的调节作用。

被解释变量：食品 CPI 月度变异系数（过去 12 个月滚动标准差 / 均值）。核心解释变量：应急保供试点城市 × 政策后虚拟变量。调节变量：地方财政压力（一般公共预算支出 / 收入比值）。控制变量：城市 GDP、常住人口、城镇化率、农贸市场数量、冷链物流覆盖率。数据覆盖 2019-2026 年 36 个大中城市月度面板。

（1）采用 Callaway & Sant'Anna（2021）异质性稳健 DID 估计量，处理交错处理时点的异质性处理效应偏误；（2）使用合成控制法（SCM）为每个试点城市构建反事实对照；（3）以非食品 CPI 波动率作为安慰剂检验（保供稳价不应影响非食品价格）；（4）替换被解释变量为食品价格环比波动幅度和极端价格事件发生频率。

---

根据 Tversky & Kahneman 锚定启发式，居民通胀预期的形成依赖于"锚"——过去的物价经历（经验锚）和媒体/官方公布的 CPI 数据（信息锚）。当 CPI 长期处于 1% 附近的低通胀区间时，居民可能过度锚定于低通胀，形成"通缩心态"，推迟消费决策。H1：低通胀环境下居民通胀预期的锚定强度显著高于高通胀时期；H2：强锚定者（预期接近当前 CPI）的边际消费倾向低于弱锚定者；H3：依据前景理论，低通胀锚定使消费者在"损失域"（实际收入增长低于锚定通胀预期）表现出更强的风险规避。

利用央行城镇储户问卷中"未来物价预期"调查项构建个体层面的通胀预期锚定强度指标（预期通胀 − 实际 CPI 的绝对偏差的倒数）。以 2020-2021 年疫情冲击导致的 CPI 剧烈波动（2020 年初 CPI 一度超过 5%，后迅速回落）作为外生冲击，识别锚定强度变化对消费行为的因果效应。使用疫情前（2018-2019）CPI 波动较小时期作为基期对照，满足 DID 平行趋势假定。

消费决策模型：$\Delta C_{it} = \alpha + \beta_1 \cdot Anchor_{it} + \beta_2 \cdot Anchor_{it} \times Low\_CPI_t + \gamma X_{it} + \mu_i + \delta_t + \varepsilon_{it}$，其中 $\Delta C_{it}$ 为个体 i 在 t 期的消费增长率，$Anchor_{it} = 1/|E_{it}[\pi] - \pi_t^{actual}|$ 为锚定强度，$Low\_CPI_t$ 为低通胀状态虚拟变量（CPI < 2%）。$\beta_2$ 衡量低通胀环境下锚定对消费的额外抑制效应。利用面板 VAR 的脉冲响应函数追踪通胀预期冲击对消费的动态效应。

核心变量：（1）通胀预期——央行问卷"未来三个月物价预期"扩散指数转换为点估计（利用概率法）；（2）锚定强度——预期与实际 CPI 偏差的倒数；（3）消费增长率——CFPS 家庭消费支出年际变化。控制变量：家庭收入、财富（房产价值）、受教育程度、年龄、风险态度。样本覆盖 2018-2025 年约 16000 户家庭面板数据。

（1）替换锚定强度指标为经验加权法（过去 3 年 CPI 的指数衰减加权）；（2）使用工具变量法，以同城市其他居民的平均锚定强度作为个体锚定的 IV（同伴效应作为外生变异来源）；（3）将样本限制为收入未发生大幅变化的家庭（排除收入冲击的混淆效应）；（4）利用 CFPS 数据中的实验模块（彩票选择实验）验证锚定对风险偏好的直接影响。

---

发展经济学认为结构转型的核心是资源从低生产率部门向高生产率部门流动。PPI 行业分化可视为市场机制对结构转型的价格信号：涨幅领先的行业（有色金属、电气机械）代表需求扩张和技术追赶方向。依据 Aghion-Howitt 创造性破坏理论，价格上升带来的利润预期激励企业加大 R&D 投入。H1：PPI 涨幅领先的行业在后续 2-3 年内实现了更高的出口技术复杂度（EXPY）；H2：价格信号对高技术行业的升级效应大于低技术行业（门槛效应）；H3：PPI 分化促进了行业内企业间的资源再配置（从低 TFP 企业向高 TFP 企业流动）。

利用国际大宗商品价格变动构建 Bartik 工具变量：以基期（2015 年）各行业对国际原材料的投入依赖度加权国际价格变动，生成行业层面的外生 PPI 冲击。该策略满足排他性——国际价格变动仅通过影响国内 PPI 进而作用于行业技术升级，不直接影响国内企业研发决策（排除进口技术设备渠道后进行检验）。以 2022 年俄乌冲突导致的全球能源与金属价格飙升作为外生冲击的强化检验。

产业升级模型：$\Delta TECH_{j,t+2} = \alpha + \beta \cdot \Delta PPI_{jt} + \gamma \cdot \Delta PPI_{jt} \times HighTech_j + \theta X_{jt} + \mu_j + \delta_t + \varepsilon_{j,t+2}$，其中 $\Delta TECH_{j,t+2}$ 为行业 j 在 t+2 期的技术复杂度变化（EXPY 或行业内专利强度），$\Delta PPI_{jt}$ 为 PPI 涨幅，$HighTech_j$ 为高技术行业虚拟变量。IV 估计使用 Bartik 工具变量 $Z_{jt} = \sum_k \omega_{jk,2015} \cdot \Delta P^{intl}_{kt}$，其中 $\omega$ 为基期投入权重。

被解释变量：（1）出口技术复杂度 EXPY——基于海关 HS 6 位码数据，利用 Hausmann et al.（2007）方法计算行业出口技术含量；（2）行业内 R&D 强度（R&D 支出 / 主营业务收入）；（3）企业间资源再配置效率（OP 协方差）。核心解释变量：行业 PPI 同比涨幅。控制变量：行业资本密集度、FDI 渗透率、出口依存度、行业集中度。样本覆盖 2015-2026 年 40 个二位码制造业行业年度面板。

（1）替换被解释变量为行业发明专利授权量和全要素生产率增长率；（2）使用国际竞争对手国家（韩国、日本）同行业 PPI 作为我国行业 PPI 的工具变量（国际技术扩散渠道）；（3）采用门槛回归模型检验价格信号的非线性效应——PPI 涨幅超过一定阈值后升级效应是否递减；（4）排除加工贸易占比高的行业（其价格更多反映国际转口而非国内技术升级）；（5）利用 2018 年中美贸易摩擦作为额外外生冲击进行子样本检验。

---

> 选题来源：paper-topic-analyzer | 新闻日期：2026-07-09