今年前五个月我国高端船型出口量大幅增长

基于Balassa比较优势理论和要素禀赋模型，中国造船业经过数十年资本积累与技术学习，要素禀赋结构已从劳动力丰裕转向资本与技术相对丰裕。由此推导：H1：中国高端船型（LNG船、LPG船、大型集装箱船）的RCA指数呈显著上升趋势；H2：比较优势升级与造船业资本深化正相关；H3：高端船型出口单价溢价反映质量升级而非低价竞争。

采用出口复杂度（EXPY）分解法，将船舶出口增长分解为"集约边际"（现有船型量增）与"扩展边际"（新船型进入），并构建Bartik工具变量，以全球LNG贸易量作为外生需求冲击，识别比较优势变化对出口结构的因果效应。平行趋势假定依赖全球能源转型的外生性。

基准模型：$RCA_{it} = \alpha + \beta_1 K/L_{it} + \beta_2 RD_{it} + \beta_3 LNG\_Trade_t \times Post_t + \gamma_i + \delta_t + \epsilon_{it}$，其中$RCA_{it}$为船型i在t期的显示性比较优势，$K/L$为资本劳动比，$RD$为研发投入强度，交互项为工具变量，$\gamma_i$和$\delta_t$分别为船型和时间固定效应。

被解释变量RCA按Balassa公式计算，数据源自UN Comtrade HS 8901-8906细分编码。资本劳动比来自《中国工业统计年鉴》造船业分行业数据，研发投入用R&D经费/主营业务收入衡量。全球LNG贸易量来自GIIGNL年度报告和Clarksons数据库。样本覆盖2010-2025年主要造船国（中、韩、日、欧）面板数据。

第一，替换比较优势指标为对称性显示性比较优势（SRCA）和出口国内附加值率（DVAR）重新估计；第二，以全球造船产能周期作为替代工具变量进行2SLS估计；第三，剔除2020-2022年疫情冲击期样本进行子样本回归；第四，采用PSM-DID方法匹配韩国同类型船型出口数据作为对照组。

---

凯恩斯乘数理论表明，出口作为外生需求注入将沿产业链逐级放大。高端船型的产业链更长、中间品投入更复杂，其乘数效应应显著高于普通散货船。据此提出：H1：液货船出口的后向关联乘数显著高于散货船（>2.5倍）；H2：出口需求冲击在2-3个季度内传导至钢铁、电子等上游行业产出；H3：高端船型出口的就业乘数高于行业均值。

利用投入产出表的结构性外生冲击模拟方法（Hypothetical Extraction Method），假设移除船舶出口部门后测算各关联产业的产出损失，以此识别关键传导路径。同时以国际LNG现货价格波动作为出口需求的外生冲击源，构建SVAR模型验证乘数传导的动态时序特征，假定LNG价格由全球供需决定而非国内造船业驱动。

投入产出乘数模型：$X = (I-A)^{-1}Y$，其中$X$为总产出向量，$A$为直接消耗系数矩阵，$(I-A)^{-1}$为Leontief逆矩阵。SVAR动态模型：$B_0 Z_t = c + \sum_{k=1}^{p} B_k Z_{t-k} + u_t$，其中$Z_t$包含LNG价格、船舶出口额、钢铁产量、就业人数等变量，通过Cholesky分解施加递归识别约束。

投入产出数据取自国家统计局2020年基准表（153部门），将"船舶及相关装置制造"部门细分为高端船型和普通船型子类。船舶出口额来自海关月度数据（HS 8901），钢铁产量来自中国钢铁工业协会分品种数据，就业数据来自《中国劳动统计年鉴》。时间序列覆盖2015-2025年季度频率。

第一，分别使用2015、2018、2020年三张基准投入产出表进行跨期比较，检验乘数系数稳定性；第二，采用Ghosh供给驱动模型替代需求驱动模型进行对照分析；第三，以全球船舶新签订单量替代实际出口额作为需求冲击变量；第四，进行Monte Carlo模拟评估技术系数扰动对乘数估计的敏感性。

---

North制度变迁理论指出，产权安排决定经济主体的创新激励。国有船企面临"政策性负担"与"商业化激励"的双重目标冲突。混合所有制改革通过引入非国有资本降低了委托代理成本，增强了市场化创新激励。据此：H1：实施混改的国有船企高端船型出口增速显著高于纯国有企业；H2：军品技术溢出（军工背景船企）与高端船型突破正相关；H3：地方政府对船企的补贴强度与创新产出呈倒U型关系。

以国资委2016年以来分批公布的混合所有制改革试点名单作为准自然实验，试点船企为处理组，未入选的同类国有船企为对照组，构建多期DID模型。平行趋势假定依赖试点选择与前期出口绩效无系统性差异的检验，并通过PSM匹配降低选择性偏误。军工背景以企业是否具有军工资质作为外生标识。

多期DID模型：$Export_{it} = \alpha + \beta_1 Reform_i \times Post_t + \beta_2 Military_i + \beta_3 Subsidy_{it} + \beta_4 Subsidy_{it}^2 + X_{it}\gamma + \mu_i + \lambda_t + \epsilon_{it}$，其中$Reform_i$为混改试点标识，$Military_i$为军工资质虚拟变量，$Subsidy$为补贴强度，$X$为企业层面控制变量（规模、年龄、研发人员占比），$\mu_i$和$\lambda_t$为企业和时间固定效应。

被解释变量为企业层面高端船型（LNG/LPG/大型集装箱船）出口金额，来自海关微观交易数据与Clarksons交付记录匹配。混改试点信息来自国资委公开文件，军工资质来自国防科工局许可名录。企业财务数据取自工业企业数据库和上市公司年报，补贴数据来自企业年报附注中政府补助明细。样本为2012-2025年约80家规模以上船企面板。

第一，采用合成控制法（SCM）为每家混改船企构造反事实对照组进行稳健性验证；第二，利用安慰剂检验将改革时点前移2-3年检验虚假效应；第三，以倾向得分匹配（PSM）重新构造处理组与对照组后重复DID估计；第四，替换被解释变量为专利数量（高端船型相关发明专利）进行机制验证。

---

Gerschenkron后发优势理论认为，技术落后的国家可通过模仿和引进实现更快增长，但接近技术前沿时增速放缓。中国造船业从散货船（低复杂度）向LNG船（高复杂度）的追赶路径应呈S型曲线特征。H1：中国造船业与韩国的技术距离呈显著收敛趋势，收敛速度在2015年后加快；H2：技术引进（许可生产）对早期追赶贡献大，自主创新对近期突破贡献大；H3：中国追赶速度快于日韩同期历史经验（压缩式追赶）。

采用"技术距离"指标（中国船企专利被引频次与韩国现代重工、日本今治造船等前沿企业的差距）作为技术水平的代理变量，利用日韩1970-2000年追赶期的历史数据构建跨国面板，通过技术收敛方程估计追赶速度参数。外生性假定基于全球航运技术标准的统一性，各国面临相同的技术机会集。

技术收敛模型：$\ln(T_{ct}/T_{ft}) = \alpha + \beta \ln(T_{c,t-1}/T_{f,t-1}) + \gamma_1 Import_{ct} + \gamma_2 RD_{ct} + \gamma_3 FDI_{ct} + \delta_t + \epsilon_{ct}$，其中$T_{ct}/T_{ft}$为中国与前沿国家的技术距离，$\beta$为收敛速度参数（$\beta < 0$表示收敛），$Import$为技术引进支出，$RD$为自主研发投入，$FDI$为外资技术溢出指标。

技术水平$T$以企业层面船舶专利质量加权指数衡量（综合被引频次、专利族规模、技术覆盖度），数据来自WIPO IPC B63类专利。技术引进以船舶技术许可合同金额（商务部技术进出口统计）衡量，自主研发以R&D支出和发明专利申请量衡量。日韩历史数据取自日本造船工业协会年报和韩国造船海洋工业协会统计。时间跨度1990-2025年。

第一，以出口单价（单位载重吨价格）作为技术水平的替代指标进行稳健性检验；第二，采用分位数回归捕捉不同技术水平企业的异质性追赶速度；第三，利用断点回归设计（RDD）检验2008年金融危机对追赶路径的外生冲击效应；第四，以随机前沿分析（SFA）估算技术效率变化，替代专利指标验证收敛趋势。

---

Grossman-Helpman保护待售模型表明，政府贸易政策是政治捐献与社会福利的权衡结果。在造船业，中央政府追求战略性产业自主（国家安全目标），地方政府追求GDP与就业（晋升激励），二者形成多层级委托代理关系。H1：地方补贴强度与造船业对地方GDP贡献度正相关（晋升锦标赛驱动）；H2：中央补贴更集中于战略性高端船型，地方补贴偏向劳动密集型船型；H3：补贴强度过高引发贸易伙伴反补贴调查的概率显著增加。

利用各省造船业产值占比的差异构建连续型DID，以2018年中美贸易摩擦升级作为外生冲击节点，比较造船大省（江苏、上海、广东）与小省的补贴政策调整差异。同时以WTO争端案件中涉及中国造船补贴的案件（DS542等）作为制度冲击，识别国际贸易规则约束对补贴行为的规训效应。假定贸易摩擦升级的外生性不受单一省份补贴政策影响。

央地博弈模型：$Subsidy_{pt} = \alpha + \beta_1 GDP\_Share_{pt} + \beta_2 Employment_{pt} + \beta_3 Central_{pt} + \beta_4 Trade\_Dispute_t \times Post_t + \gamma_1 GDP\_Share_{pt} \times Central_{pt} + \mu_p + \lambda_t + \epsilon_{pt}$，其中$Subsidy_{pt}$为省份p在t期的造船补贴总额，$GDP\_Share$为造船业占省GDP比重，$Central$为中央转移支付占比，交互项捕捉央地协同效应。

补贴数据通过手工收集各省政府工作报告、船舶产业扶持政策文件以及中国船舶、中国重工等上市公司年报中的政府补助明细，区分中央与地方来源。造船业GDP占比来自各省统计年鉴，就业数据来自《中国劳动统计年鉴》。贸易摩擦指标以对中国造船业的反补贴调查案件数量和WTO争端案件编码衡量。样本覆盖2010-2025年11个沿海造船省份的面板数据。

第一，以文本分析方法自动提取地方政府工作报告中涉船补贴关键词频次作为补贴强度的替代指标；第二，利用工具变量法，以各省军工产值占比（与造船相关但非补贴直接决定）作为补贴的工具变量进行2SLS估计；第三，进行跨国比较，将韩国、日本的造船补贴政策纳入同一分析框架作为基准参照；第四，以断点回归检验WTO裁决公布日前后补贴行为的即时变化。

---