习近平同纳米比亚总统恩代特瓦会谈

基于Anderson & van Wincoop（2003）的多边阻力贸易模型，零关税政策降低了非洲国家对华出口的贸易成本，理论上应增加双边贸易流量。但由于非洲国家供给能力差异和市场准入的非关税壁垒，政策效果可能呈现显著异质性。提出假说：H1——零关税政策显著提升受惠国对华出口额；H2——资源禀赋丰富的国家受益更大；H3——政策对贸易的促进效应随时间递增。

利用53个非洲国家实施零关税的时间差异构造多期DID设计。处理组为受惠国家，对照组为未受惠或尚未实施的经济体。关键识别假定是平行趋势假定——在零关税实施前，处理组与控制组的对华出口增长趋势无显著差异。通过事件研究法绘制动态效应图检验该假定，同时排除同期其他贸易政策（如中非合作论坛其他举措）的混淆影响。

采用结构引力方程：$X_{ij,t} = \frac{Y_i Y_j}{Y_W} \left(\frac{\tau_{ij,t}}{P_i P_j}\right)^{1-\sigma} \cdot \exp(\beta \cdot \text{ZeroTariff}_{ij,t} + \gamma Z_{ij,t})$。使用PPML估计量（Silva & Tenreyro, 2006）处理零贸易值和异方差问题。纳入出口国-时间、进口国-时间和国家对固定效应，以控制多边阻力项和时变不可观测因素。

被解释变量为双边HS 6位码贸易流量。核心解释变量为ZeroTariff虚拟变量（零关税实施后取1）。控制变量包括GDP、人口、地理距离、共同语言、殖民关系、区域贸易协定等标准引力变量。数据来自UN Comtrade（2015-2025年）、世界银行WDI、CEPII数据库。样本涵盖53个非洲国家及主要贸易伙伴国，使用月度或季度数据提高统计精度。

第一，安慰剂检验——将政策实施时间提前2年进行伪回归，验证结果非趋势驱动。第二，替换对照组——分别使用非非洲发展中国家和全部贸易伙伴作为对照组，检验结果稳健性。第三，考虑贸易转移效应——检验零关税是否导致非洲国家从其他市场（如欧盟）转移出口至中国。第四，使用Heckman两阶段模型区分贸易广延边际和集约边际。

---

Williamson（1985）指出，资产专用性高的交易需要更完善的治理结构来降低机会主义行为风险。跨国矿业投资具有极高的资产专用性和政治风险，传统市场契约难以有效治理。中非"三原则"构成一种关系型治理与市场化原则相结合的混合治理结构。假说：H1——"三原则"框架降低了中非矿业合作中的契约执行成本；H2——政治互信水平高的国家对华矿业合作绩效更优；H3——市场化商业化原则的引入提升了合作效率。

利用不同非洲国家矿业制度质量和对华政治互信水平的截面差异构造识别策略。以矿业合同条款的细化程度、争端解决频率、项目完成率为交易成本的可观测代理变量。通过与西方矿业公司在非洲的投资项目进行倾向得分匹配（PSM），控制资源禀赋、基础设施等混淆因素。关键假定为：在控制可观测特征后，合作制度安排的差异能够解释投资绩效差异。

构建面板回归模型：$\text{Performance}_{it} = \alpha + \beta_1 \text{Institution}_{it} + \beta_2 \text{Trust}_{it} + \beta_3 (\text{Institution} \times \text{Trust})_{it} + \gamma X_{it} + \mu_i + \lambda_t + \epsilon_{it}$。其中Institution衡量制度安排完善度，Trust衡量政治互信水平。纳入国家固定效应$\mu_i$和年份固定效应$\lambda_t$，$X_{it}$为控制变量向量。

被解释变量为矿业合作绩效（项目投产率、投资回报率）。制度安排变量采用矿业合作协议条款完整度指数（自编）。政治互信变量采用双边高层互访频率和联合国投票一致度代理。控制变量包括矿石储量、基础设施指数、法治水平、腐败感知指数等。数据来自世界银行WGI、Fraser Institute、中国商务部及各国矿业部门公开数据，覆盖2010-2025年。

第一，工具变量法——以历史殖民关系作为制度安排的工具变量，处理内生性问题。第二，替换被解释变量——分别使用矿业FDI流入量、矿产出口增长率、项目就业创造量进行替代检验。第三，分样本回归——按资源类型（稀土、铜矿、铀矿等）和国家收入水平分组，检验结论的普适性。第四，案例比较分析——选取纳米比亚、刚果（金）、赞比亚三国进行深度案例比较。

---

Hirschman（1958）的产业关联理论指出，矿业部门通过前向关联（加工制造）和后向关联（设备服务）可带动上下游产业发展。中国对非矿业合作强调基础设施配套和技术转移，不同于西方纯粹的"采掘-出口"模式，可能创造更强的产业关联效应。假说：H1——中国矿业合作显著提升东道国制造业增加值占比；H2——基础设施配套是资源转化发展的关键中介渠道；H3——技术溢出效应随合作年限递增。

采用合成控制法（Abadie et al., 2010），为每个深度对华矿业合作国家构造"未合作"的反事实对照组。利用合作前经济特征（GDP水平、产业结构、制度质量等）加权组合未合作国家，使得合成控制组在合作前与合作国的经济轨迹高度吻合。比较合作后实际经济结构变化与反事实预测的差异，识别中国矿业合作的结构转型效应。关键假定为没有未观测的时变混淆因素。

合成控制法核心方程：$Y_{1t} = \sum_{j=2}^{J+1} w_j Y_{jt} + \epsilon_t$，其中$Y_{1t}$为合作国家的制造业占比，$w_j$为最优权重，使合作前预测误差最小化。进一步构建面板VAR模型：$\Delta \text{Manufacturing}_{it} = \sum_{k=1}^p A_k \Delta \text{Manufacturing}_{i,t-k} + \sum_{k=0}^p B_k \text{MiningCoop}_{i,t-k} + \mu_i + \epsilon_{it}$，利用脉冲响应函数分析动态效应。

核心被解释变量为制造业增加值占GDP比重、工业就业占比、出口复杂度指数（EXPY）。核心解释变量为中国矿业合作强度（投资额、项目数、承包工程额）。中介变量包括基础设施质量指数、技术工人比例、R&D支出。控制变量涵盖制度质量、贸易开放度、人力资本等。数据来自UNIDO INDSTAT、世界银行WDI、非洲发展银行，时间跨度2005-2025年。

第一，安慰剂检验——对合成控制组中的每个"捐助国"依次进行伪处理检验，确认效应非随机波动。第二，排列检验（Permutation Test）——通过排列p值评估处理效应的统计显著性。第三，替换发展指标——使用夜间灯光数据、人类发展指数、贫困率等替代指标验证结论。第四，排除干扰事件——控制同期西方援助、IMF项目、大宗商品价格波动等因素。

---

Evans（1995）提出发展型国家的"嵌入式自主性"概念——国家既保持政策自主性，又与市场主体保持紧密联系。中国对非零关税政策体现了国家主动构建市场的战略逻辑：通过单方面市场开放吸引非洲国家融入中国经济圈，同时推动全球南方力量重组。假说：H1——零关税政策是中国发展型国家能力的外在投射；H2——该政策增强了受惠国的国家治理能力（通过贸易收入增加财政空间）；H3——政策推动全球南方在国际贸易治理中的话语权提升。

采用混合方法设计：定性部分通过过程追踪分析政策制定过程和制度传导机制，定量部分利用零关税政策的跨国实施差异构造DID分析。以53个受惠国的政策实施时间差异为外生变异，以非受惠发展中国家为对照组。关键识别假定为：政策实施时间差异与各国先验经济趋势不相关（通过比较政策出台时间的外生性进行验证）。

定量部分：$\text{StateCapacity}_{it} = \alpha + \beta_1 \text{ZeroTariff}_{it} + \beta_2 \text{TradeIntensity}_{it} + \beta_3 (\text{ZeroTariff} \times \text{TradeIntensity})_{it} + \gamma X_{it} + \mu_i + \lambda_t + \epsilon_{it}$。被解释变量StateCapacity包括税收占GDP比重、营商环境指数、政府效能指标。利用交互项检验贸易深化对国家能力的放大效应。

被解释变量涵盖三个维度：财政能力（税收/GDP）、规制能力（营商环境排名）、分配能力（基尼系数变化）。核心解释变量为ZeroTariff虚拟变量。贸易深化变量包括对华出口依存度、出口产品多元化指数。控制变量包括民主指数、冲突虚拟变量、自然资源租金占比、ODA流入等。数据来源为世界银行WDI、V-Dem数据库、UNCTAD TRAINS，样本期2015-2025年。

第一，排除替代解释——控制同期欧盟EBA（Everything But Arms）和AGOA等其他优惠贸易安排的影响。第二，替换国家能力测量——使用税收努力指数（Tax Effort）、国家脆弱性指数（Fragile States Index）等替代指标。第三，机制检验——采用中介效应模型验证"贸易收入→财政空间→国家能力"的传导路径。第四，案例比较——选取政策响应积极和消极的非洲国家各2个进行深度过程追踪。

---

Keynes（1936）乘数理论指出，投资注入通过收入-消费循环产生倍数放大效应。Aschauer（1989）进一步证明基础设施投资具有较高的社会回报率。中国对非基础设施投资作为外生需求注入，应通过直接效应（建设阶段就业和收入）和间接效应（降低运输成本、提升私人投资回报）产生乘数效应。假说：H1——基础设施投资乘数大于1，即每单位投资带来超过一单位的GDP增长；H2——乘数效应在基础设施缺口大的国家更大；H3——存在显著的私人投资"挤入效应"。

利用中国对非基础设施投资的外生性特征——投资决策主要由中方战略考量驱动，与东道国短期经济波动关联较弱（通过Granger因果检验验证）。构造SVAR模型识别投资冲击的脉冲响应函数。采用Blanchard & Perotti（2002）的符号限制法（Sign Restrictions）识别基础设施投资冲击，设定投资对产出的同期弹性为正、对利率的同期影响为正等符号约束条件。

构建面板SVAR模型：$A_0 y_{it} = \sum_{k=1}^p A_k y_{i,t-k} + \mu_i + \epsilon_{it}$，其中$y_{it} = [\text{InfraInvest}, \text{GDP}, \text{PrivateInvest}, \text{Employment}, \text{GovRevenue}]'$。通过Cholesky分解结合经济理论确定变量排序。估计投资乘数$m = \frac{\Delta GDP}{\Delta \text{InfraInvest}}$，并计算累积乘数曲线。使用系统GMM处理动态面板偏误。

核心变量包括：中国对非基础设施投资额（AidData数据库）、东道国GDP（不变价）、私人投资/GDP、工业就业人数、政府财政收入。辅助变量包括运输成本指数、电力可获得性、公路密度。样本涵盖30个主要对华合作非洲国家，时间跨度2008-2025年，使用年度数据。对缺失值采用多重插补法处理。所有货币变量以2015年美元不变价衡量。

第一，替换识别假定——采用叙事法（Narrative Approach）识别外生基础设施投资冲击事件，与SVAR结果交叉验证。第二，检验乘数的非线性特征——按基础设施缺口大小分组估计，验证H2。第三，区分投资类型——将基础设施投资细分为交通、能源、通信三类，比较各自乘数差异。第四，长期效应评估——将分析窗口延长至投资后10年，分解需求侧短期效应和供给侧长期效应。

---