上半年GDP同比增长4.7% 中国经济持续向新向优

基于Baumol（1967）的非平衡增长模型，经济中存在"进步部门"（制造业）与"停滞部门"（服务业）的结构性差异。当劳动力和资本从制造业流向服务业时，由于服务业技术进步率较低且产品难以标准化，总量TFP增速趋于下降。但Acemoglu & Restrepo（2018）指出，AI和自动化技术正在改变这一格局——通过"任务替代"使部分服务业具备制造业的规模经济特征。由此提出三个假说：H1——服务业占GDP比重上升对总量TFP的影响呈倒U型，初期生产性服务业扩张通过知识溢出提升效率，后期生活性服务业过度扩张导致效率损失；H2——数字化渗透率越高的服务业子行业，其劳动生产率的"成本病"效应越弱；H3——人力资本水平较高的地区，服务业结构转型的效率损失更小，因为高技能劳动力更容易在服务业中实现高边际产出。

核心识别策略采用行业层面的增长核算框架与资源配置效率分解的双层结构。第一层：对总量TFP增长率进行分解，将"结构变迁效应"（劳动力从低生产率行业流向高生产率行业的贡献，即Denison效应）与"行业内部增长效应"分离，通过Shift-Share分析量化二者的相对贡献。第二层：利用Hsieh-Klenow（2009）框架，计算各行业劳动和资本边际产出（MRPL与MRPK）的截面离散度作为资源配置效率的逆指标——离散度越大，错配越严重。识别结构变迁对配置效率的因果效应时，以省级"最低工资上调幅度"和"数字基础设施投资"作为服务业就业占比的工具变量。前者通过推高制造业用工成本加速劳动力向服务业释放，后者通过降低服务交付成本扩大服务业需求，二者与服务业结构变迁相关，但不受当期配置效率的反向影响。

基准模型设定为双向固定效应模型：TFPG_it = α + β₁×ServiceShare_it + β₂×ServiceShare²_it + γ×Digital_it + δ×(ServiceShare_it × Digital_it) + θ×Control_it + μ_i + λ_t + ε_it。其中TFPG为行业i在t年的TFP增长率，ServiceShare为服务业占GDP比重，平方项捕捉倒U型非线性关系，Digital为行业数字化渗透率，交互项检验数字化对结构转型效应的调节机制。进一步采用Hansen（1999）门限面板模型，以数字化水平和人力资本为门限变量，识别结构转型效应发生方向性转换的临界值。内生性处理采用滞后一期核心解释变量和Arellano-Bond系统GMM估计，以差分方程和水平方程的矩条件联合识别参数。

被解释变量——行业TFP增长率：采用增长核算法，TFP = ΔlnY - s_L×ΔlnL - s_K×ΔlnK，其中Y为行业增加值，L为从业人员数×平均受教育年限，K为资本存量（永续盘存法，基期资本存量按Harberger方法确定，折旧率取9.6%）。核心解释变量——服务业占比（增加值口径与就业口径双指标）、数字化渗透率（行业ICT资本服务投入占总资本服务投入比重）。资源配置效率指标：MRPL离散度 = sd(lnMRPL_i)/mean(lnMRPL_i)。控制变量包括行业集中度（HHI）、对外开放度（FDI占比）、国有企业增加值占比、研发投入强度。样本覆盖2010—2026年31省份的行业年度面板数据。

第一，替换资源配置效率的度量方式：将MRPL/MRPK离散度替换为OP协方差项（Olley & Pakes, 1996），后者直接捕捉市场份额与生产率的协方差，更直观地反映"高生产率企业是否获得更多资源"。第二，改变服务业占比的测度口径：分别使用增加值占比、就业占比和最终消费占比进行对比估计，检验结论是否对度量方式敏感。第三，采用工具变量法：以各城市2000年人口普查时的商业网点密度作为当前服务业发展的工具变量——历史商业密度与当前服务业规模相关（路径依赖），但不受当前TFP的反向影响。第四，剔除北京、上海、深圳等服务业高度集中的一线城市进行子样本回归，排除极端值对结论的驱动。第五，进行反事实模拟——假设服务业占比维持在2010年水平，推算2026年的总量TFP水平并与实际值对比，量化结构变迁的净效率效应。

---

在标准凯恩斯乘数模型中，财政支出乘数 = 1/(1 - c(1 - t) + m)，其中c为边际消费倾向，t为税率，m为边际进口倾向。服务消费具有两个区别于商品消费的关键特征，使其通过两个渠道放大乘数：一是本地化生产属性——医疗、教育、餐饮等服务难以跨境贸易，面向服务的财政支出的进口漏出（m_service）显著低于商品（m_goods），接近零；二是劳动密集性——服务业的劳动收入份额（约55%）显著高于制造业（约40%），劳动者获得更多收入份额后形成更强的"收入-消费"循环（c更大）。由此提出三个假说：H1——面向服务消费的财政支出乘数显著大于面向商品消费的支出乘数，差额约为0.3—0.5个乘数单位；H2——当服务消费占居民消费比重超过50%的"结构拐点"后，总量财政乘数趋于上升；H3——数字消费和绿色消费等新型服务消费领域，财政补贴不仅产生直接需求效应，还通过"示范效应"引导消费偏好改变，带来额外的需求创造。

采用Blanchard-Perotti（2002）的SVAR递归识别策略作为基准。核心逻辑：利用财政支出决策的"制度惯性"——国务院和财政部在季度内无法根据当期GDP变动即时调整支出计划（预算编制、审批和执行存在制度性时滞），因此将财政支出变量置于Cholesky分解的第一位，假定财政支出对GDP和消费的同期冲击反应为零。在基准识别之上，进一步将财政支出分解为三类——投资性支出（基建投资）、转移性支出（社保与就业补助）、购买性支出（政府消费服务支出），利用地方政府预算报告中"年初预算数"与"实际执行数"的偏差构建外生支出冲击序列。辅助识别策略借鉴Ramey（2011）的叙述法，通过检索国务院常务会议中关于"促进服务消费""扩大数字消费"的政策部署时点，构建离散的外生政策冲击事件（共识别2015年以来约15个政策冲击时点），纳入事件研究框架进行交叉验证。

基准模型为5变量SVAR(p)：Y_t = [G_invest_t, G_transfer_t, G_service_t, C_goods_t, C_service_t, GDP_t]'。短期约束矩阵A₀设定：三类财政支出对GDP和消费的同期反应为零（递归识别约束），商品消费对服务消费冲击的同期反应为零（消费习惯刚性约束）。采用贝叶斯方法估计，以Minnesota先验分布收缩过度参数化风险，并通过MCMC抽取10,000个后验样本构建脉冲响应函数的中位数和68%/90%可信区间。进一步构建Jorda（2005）局部投影模型：y_{t+h} - y_{t-1} = α_h + β_h×Shock_t + Σγ_{h,k}×X_{t-k} + ε_{t+h}，其中Shock_t为SVAR中识别出的三类财政支出冲击，h = 0,1,...,8个季度，β_h为h期累积乘数。状态依赖扩展：以服务消费占比是否超过50%作为状态变量，采用Auerbach & Gorodnichenko（2012）的平滑转换（Smooth Transition）局部投影，估计不同消费结构状态下的乘数差异。

财政支出分解——服务性支出 = 一般公共服务支出 + 教育支出 + 社会保障支出 + 卫生健康支出；投资性支出 = 城乡社区支出 + 交通运输支出；转移性支出 = 社会保障中的补助支出 + 农林水事务中的补贴支出。当月数据来自财政部官网月度收支公告，季度聚合后使用。消费变量——商品零售额同比实际增速（名义增速 - CPI商品分项）和服务零售额同比实际增速，来自国家统计局月度贸易报告。所有名义变量用GDP平减指数转换为2015年不变价，并进行X-12-ARIMA季节调整。控制变量包括M2同比增速、7天SHIBOR利率、居民可支配收入实际增速、消费者信心指数。样本为2015M1—2026M6的138个月度观测值，SVAR分析中聚合为46个季度观测值。

第一，改变SVAR识别策略：将递归约束替换为Uhlig（2005）的纯符号约束——假定扩张性财政支出冲击在4个季度内不降低GDP、不降低消费、不降低通胀——检验脉冲响应在全符号约束条件下的符号和形状稳定性。第二，将月度数据聚合为季度数据估计，并以年度数据作为更低频基准进行比较，检验结论对数据频率的敏感性。第三，采用叙述法构建的离散政策冲击序列替代连续SVAR冲击，进行"事件研究"式的外生冲击分析，减少识别假定依赖。第四，在SVAR中纳入M2增速和7天SHIBOR利率以控制货币政策的交互效应，检验货币政策立场（宽松vs紧缩）对财政乘数的调节作用。第五，排除2020Q1—2023Q4疫情特殊时期重新估计，检验结论是否受极端异常波动驱动。

---

集成电路产业具有极高的资产专用性——芯片设计工具（EDA）、制造产线（光刻机等）和封装设备均为高度定制化且沉没成本巨大的投资，一旦投入即面临"套牢"（hold-up）风险。根据Williamson（1985）的治理结构理论，资产专用性越高，纯粹市场交易的成本越大（包括搜寻成本、议价成本和合同执行成本），需要有效的制度安排来保护专用性投资并降低交易的不确定性。知识产权制度的完善降低了技术被侵权的风险（降低事后交易成本），数据确权制度明确了数据要素的产权边界和交易规则（降低事前交易成本），税收优惠直接降低了投资的固定成本门槛。由此提出三个假说：H1——知识产权法院（法庭）设立后，所在省份的集成电路企业研发投入和专利产出显著增加，且这一效应在民营企业样本中比国有企业更大（因后者享有更多的非正式保护替代）；H2——数据交易所的成立通过降低数据获取的事前交易成本，对AI芯片设计企业的促进作用大于传统制造环节，因为前者对数据要素的依赖度更高；H3——知识产权保护与数据确权存在制度互补效应——在知识产权保护较强的地区，数据交易所对产业产出的促进效应更强，因为清晰的知识产权界定为数据交易提供了可信的法律后盾。

采用交错DID（Staggered DID）设计：以2014年以来各地陆续设立的18个知识产权法院和专门知识产权法庭为第一个处理变量，以2020年以来各地陆续成立的约40家数据交易所为第二个处理变量。两类制度创新的推进时点在不同省份间存在显著差异（最早2014年北京/上海/广州，最晚2025年中西部省份），形成了多期交错的准自然实验格局。核心识别假定为平行趋势——在制度创新发生之前，处理组与对照组在集成电路产量增长趋势上应具有平行路径。识别策略的技术处理：采用Sun & Abraham（2021）的交互权重（Interaction-Weighted）估计量处理交错DID中"已处理单位被当作对照组"导致的负权重偏误问题——传统TWFE估计量在交错处理时存在"坏比较"问题，Sun-Abraham方法通过按处理时点分组估计各组动态效应再加权平均，避免了这一偏误。同时采用事件研究法（Event Study）直观展示处理效应的动态演化路径，检验制度创新前3期的系数是否联合不显著异于零（平行趋势检验）。

基准模型设定为双向固定效应交错DID：ln(IC_Output_{it}) = α + β₁×IP_Court_{it} + β₂×DataExchange_{it} + β₃×(IP_Court_{it} × DataExchange_{it}) + γ×X_{it} + μ_i + λ_t + ε_{it}。其中IC_Output_{it}为i省t年集成电路产量（万块）取对数，IP_Court_{it}为知识产权法院设立后取1的虚拟变量（精确到半数处理——若法院在7月之前设立，则当年起取1；若在7月之后，则下一年起取1），DataExchange_{it}为数据交易所成立后的虚拟变量（同理半数处理），交互项β₃捕捉制度互补效应——预期显著为正。控制变量X_{it}包括人均GDP（对数）、科技支出占财政支出比重、R&D人员全时当量（对数）、FDI占GDP比重、电子信息产业园区数量、省会城市与北京的高铁通达时间。标准误在省份层面聚类以处理省内序列相关。Sun-Abraham估计量按处理时点分组估计后加权平均得到稳健ATT。

被解释变量——集成电路产量：国家统计局公布的各省年度集成电路产量（万块），部分省份缺失值以中国半导体行业协会（CSIA）的会员企业产量推算补全。处理变量——IP_Court的设立时间从最高人民法院公告获取，精确到月；DataExchange的成立时间从各省数据交易所官网和企业信用信息公示系统获取。交易成本中介变量——各省技术合同成交额占GDP比重（科技部火炬中心年度统计），反映技术市场交易活跃度；各省知识产权侵权案件数量与胜诉率（中国裁判文书网文本挖掘），反映知识产权保护的执行强度。控制变量来源——国家统计局统计年鉴、各省统计年鉴、科技部科技统计年鉴。样本覆盖2010—2026年31个省份的年度面板数据，共计527个观测值。

第一，采用Goodman-Bacon（2021）分解法分析传统TWFE-DID估计量的构成——将总估计量分解为所有可能的2×2 DID比较组的加权平均，识别其中"已处理单位作为对照组"的比较组（即"坏比较"）所占权重，评估其对结论的干扰程度。第二，进行动态事件研究法的平行趋势检验——将制度创新前3期的虚拟变量纳入回归，进行联合F检验。第三，安慰剂检验——将知识产权法院和数据交易所的设立时间向前随机推移2—3年（500次随机置换），构建"伪处理效应"的经验分布，检验真实估计系数是否落在分布尾部。第四，替换被解释变量——用集成电路行业全要素生产率（OP方法估计）替代产量指标，检验制度对效率（而非仅仅是规模扩张）的影响。第五，采用合成控制法（SCM）对北京、上海、广州等首批设立知识产权法院的城市逐一构建合成对照组（由未在同期设立法院的省份加权合成），验证处理效应的个体异质性和外部有效性。

---

Gerschenkron（1962）指出，技术落后的国家可以通过引进、消化和模仿先进技术以较低成本实现快速增长——后发优势的核心机制在于技术知识具有非竞争性和部分非排他性特征，模仿成本远低于原始创新成本。但后发优势并非永续存在：随着技术距离缩小，可模仿的技术池缩小，模仿难度上升，进一步增长需要转向自主前沿创新。Aghion-Howitt（1992）的熊彼特增长模型区分了"追赶型创新"（通过模仿和学习提高技术水平）与"前沿型创新"（通过创造性破坏推动技术前沿外移），二者对政策环境的要求有本质差异——追赶阶段需要降低学习成本（补贴技术引进和消化吸收），前沿阶段需要保护创新租金（强化知识产权和竞争中性）。由此提出三个假说：H1——技术距离越大（越落后于全球前沿），以研发补贴衡量的产业政策对TFP增长的促进作用越强，因为补贴降低了模仿和学习的固定成本；H2——存在一个最优策略转换的"临界区间"：当技术距离缩小到全球前沿60%—70%时，直接研发补贴的边际效应开始递减，而功能性政策（如基础研究投入、人才培养和竞争政策）的效应开始上升；H3——在AI相关领域（集成电路设计、智能车载设备），中国已进入或接近"临界区间"，不宜继续使用追赶阶段的补贴型政策，而应转向以保护创新租金和促进基础研究为主的前沿阶段政策组合。

核心识别挑战在于产业政策强度与技术距离之间存在双向因果——政府可能对技术差距更大的行业投入更多政策资源（"扶弱"倾向），但也可能对技术接近前沿的行业追加投入以求率先突破（"促强"倾向），导致OLS估计有偏。识别策略采用双重方法：第一，利用国家科技重大专项（"02专项"——极大规模集成电路制造装备及成套工艺、"核高基"——核心电子器件等）的立项时间和行业覆盖作为外生政策冲击——重大专项的行业选择主要由中长期技术战略（2006年《国家中长期科技发展规划纲要》）决定，受短期行业波动的影响较小。构建行业层面是否受重大专项覆盖的虚拟变量以及覆盖后的年度政策资金强度，作为产业政策的外生变异来源。第二，利用OECD国家同行业年度TFP增长率作为"国际技术前沿外生进步率"的工具变量。核心逻辑：OECD国家的行业技术进步主要由其国内研发投资和市场竞争驱动，不受中国产业政策的影响（排他性）；但OECD国家的前沿进步通过改变中国行业面临的"技术距离"，影响中国行业的增长表现（相关性）。以OECD前沿TFP增长率的5年滚动窗口作为工具变量，缓解技术距离的内生性。

基准模型采用Hansen（1999）门限面板回归：TFPG_{it} = α + β₁×Policy_{it}×I(Dist_{it} ≤ τ) + β₂×Policy_{it}×I(Dist_{it} > τ) + γ×X_{it} + μ_i + λ_t + ε_{it}。其中TFPG_{it}为行业i在t年的TFP增长率（DEA-Malmquist指数），Policy_{it}为产业政策强度（行业收到的政府研发补贴/行业增加值），Dist_{it}为技术距离 = 1 - (TFP_China_it/TFP_Frontier_t)，τ为待估计的门限值，I(·)为指示函数。采用Hansen的自助法（Bootstrap，300次重抽样）检验门限效应的显著性（H0: β₁ = β₂）。进一步采用交互项连续模型作为门限模型的补充：TFPG = α + β₁×Policy + β₂×Dist + β₃×Policy×Dist + β₄×Policy×Dist² + γ×X + ε，通过Policy的一次和二次交互项连续捕捉政策效应随技术距离的非线性变化，避免门限模型的离散假设限制。工具变量2SLS估计中，第一阶段的F统计量报告以验证工具变量的相关性（预期F > 10）。

技术距离（Dist）——分子为中国行业TFP（采用DEA-Malmquist方法，以增加值、劳动投入和资本存量为投入产出变量），分母为全球前沿TFP的P95分位数（OECD国家中该行业TFP的前5%，每年动态确定）。前沿国家样本包括美、日、德、韩、荷、中国台湾等10个经济体，数据来自OECD STAN和KLEMS数据库，经购买力平价转换后进行跨国比较。产业政策强度（Policy）——来自上市公司年报中"政府补助"科目的明细，按企业主营行业汇总后取行业层面的政府研发相关补贴/行业增加值。控制变量包括行业竞争度（HHI，企业营业收入计算的赫芬达尔指数）、行业平均企业规模（行业增加值/企业数）、R&D强度（R&D内部支出/行业增加值）、出口依存度（出口交货值/工业总产值）、外商资本占比。样本覆盖2008—2026年14个高技术制造业细分行业（含医药、航空航天、电子通信设备、计算机、医疗器械、仪器仪表等）的年度面板数据。

第一，改变技术距离的度量方式：分别使用PCT专利申请量比值（中国行业PCT申请量/全球PCT申请量的行业P95值）、论文引用量比值和研发人员人均产出比值作为技术距离的替代度量，检验门限值的一致性。第二，改变产业政策的度量方式：用高新技术企业认定享受的15%优惠税率对应的税收减免额替代直接研发补贴，或用"研发费用加计扣除比例"的省际差异作为政策变量，检验不同政策工具的门限效应一致性。第三，采用动态面板系统GMM估计处理内生的产业政策变量——使用滞后2—3期的政策变量作为当期值的工具变量，同时进行Hansen过度识别检验。第四，进行逐行业剔除检验——依次剔除半导体、生物医药、航空航天等单一行业后重新估计模型，检验门限值τ是否由某个特定行业驱动。第五，采用条件β收敛模型（Barro & Sala-i-Martin, 1992）：TFPG_{it} = α + β×ln(TFP_{i,t-1}) + γ×X_{it} + ε_{it}，检验技术追赶的收敛速度（β的绝对值）是否随时间推移而下降（后发优势递减趋势），并通过滚动窗口估计展示收敛速度的时变特征。

---

Evans（1995）的比较政治经济学研究揭示，成功的产业转型国家（如日本通产省、韩国经济企划院、巴西计算机产业）共享一个关键制度特征——"嵌入式自主性"：国家官僚机构既要保持相对于特定利益集团（如大型能源国企、高耗能产业游说集团）的自主性，以制定符合长远战略的能源政策；又要通过与能源企业和地方政府的制度化联系（如国资委的干部交流制度、国家能源委员会的部际协调机制）获取政策执行所需的信息和协调能力。在中东地缘冲突冲击全球能源市场的背景下，中国能源治理面临两难：增大国内产能需要协调央地利益——地方政府可能偏好高耗能产业以保增长和就业，与中央"双碳"目标存在张力；扩大海外进口则需要动用外交资源和提升国际谈判能力。由此提出三个假说：H1——能源进口来源集中度（HHI指数）越低的时期，中国在国际能源市场中的议价能力越强，国际油价波动向国内能源价格的传导系数越小；H2——地方政府对中央能源政策的执行力度存在系统性偏差——地方财政压力越大、产业结构中高耗能制造业占比越高的省份，其新能源装机增速和化石能源产量调控力度越偏离中央政策目标；H3——嵌入式自主性较强的制度安排（如国资委系统内央企-地方国企的人事轮换频率较高的省份），在能源安全受到外部冲击时的产能响应速度更快且更符合中央政策的方向指引。

采用过程追踪法（Process Tracing）与定量面板分析相结合的混合研究设计，以"方法三角验证"增强研究结论的内部有效性和外部可推广性。过程追踪部分：选取2026年1—6月中国能源政策体系应对中东地缘冲突的决策过程作为关键案例（critical case），按照Beach & Pedersen（2013）的因果机制过程追踪方法论，追踪"外部地缘冲突升级→国际油价剧烈波动→国家能源局与发改委的政策选项评估→国务院常务会议的决策形成→央企与地方政府的执行落地→能源市场实际响应"的完整因果链条。收集多类型过程证据：包括国家能源局月度《能源形势分析》报告中的决策叙事文本、国务院常务会议新闻稿中的政策优先级排序、发改委价格司政策解读中的工具选择论证、以及中石油/中石化/中海油季度运营报告中的策略执行叙事。对政策文件进行结构化编码——将政策表述按"自主生产导向""多元进口导向""价格干预导向"和"需求抑制导向"四个维度进行内容编码，构建月度政策导向指数序列。定量分析部分：以国际Brent原油价格的周度波动作为外部能源冲击的外生变量——国际油价主要由OPEC+供给决策、中东地缘事件和全球宏观经济周期驱动，中国单月的能源需求变化对国际油价的影响可忽略不计（排他性），因此Brent油价变动对中国而言可视为外生冲击。进一步使用Caldara & Iacoviello（2022）的全球地缘政治风险指数（GPR Index）作为替代工具变量，捕捉中东冲突的"纯地缘冲击"成分，分离出地缘冲击对国内能源政策响应的净效应。

定量分析采用面板误差修正模型（Panel ECM），同时捕捉能源市场调整的短期动态与长期均衡关系：ΔEnergyProd_{it} = α + β₁×ΔOilPrice_{t-1} + β₂×ImportHHI_{i,t-1} + β₃×(ΔOilPrice_{t-1} × ImportHHI_{i,t-1}) + γ×(EnergyProd_{i,t-1} - θ×OilPrice_{t-1} - δ×ImportHHI_{i,t-1}) + φ×FiscalPressure_{it} + μ_i + ε_{it}。其中ΔEnergyProd_{it}为i省在t月的国内能源产量（原油+天然气当量+发电煤当量）的月度同比变化率；ΔOilPrice_{t-1}为滞后一期Brent油价月度同比变化率；ImportHHI_{i,t-1}为i省在t-1期的能源进口来源赫芬达尔指数（HHI = Σ(share_k)²，k为进口来源国）；交互项β₃检验进口多元化是否增强了国内生产对外部价格冲击的响应能力（若β₃为负，说明进口来源集中降低了国内生产的自适应弹性）；括号内为误差修正项，反映国内能源产量对长期均衡关系（油价和进口集中度共同决定的均衡产量水平）偏离的短期修正速度（γ预期为负）。进一步加入省份财政压力（FiscalPressure = 本级财政一般预算收入/一般预算支出）及其与油价冲击的交互项，检验H2——财政压力大的省份，能源产量对油价冲击的响应是否更偏离中央政策导向。

被解释变量——国内能源产量变化率：各省原油、天然气和发电量的月度产量转换为标准煤当量（原油1.43吨标准煤/吨、天然气1.33吨标准煤/千立方米、电力0.1229吨标准煤/万千瓦时）后加总的月度同比增速。核心解释变量——能源进口来源集中度HHI：根据海关总署HS 2709（原油）和HS 2711（天然气）编码的月度进口来源国明细数据，计算各省从各国的进口份额，再计算HHI = Σfrom_k(share_k)²，取值范围[1/N, 1]，值越大表示进口来源越集中。省级层面需要根据炼厂归属和管道分配规则将海关报关地数据分配到实际消费省份。控制变量：省级财政压力（一般预算收入/支出）、产业结构（工业增加值/GDP）、新能源装机容量增速（风电+光伏并网容量增速）、冬季供暖虚拟变量。定量分析样本为2015M1—2026M6的31个省份月度面板数据。过程追踪部分的政策文本数据来自约50份国家能源局、发改委和国务院的政策文件与会议纪要，以及30余篇新华社和《经济日报》的深度政策报道，采用NVivo软件进行结构化编码。

第一，定量分析替换外部能源冲击的外生度量：使用Caldara & Iacoviello（2022）构建的全球地缘政治风险指数（GPR Index，月度频率，基于报纸文本挖掘）替代Brent油价作为外部冲击变量——GPR指数更直接捕捉中东冲突等地缘政治事件的"不确定性冲击"成分，分离油价波动中由地缘政治（外生）vs供需基本面（部分内生）驱动的部分。第二，采用合成控制法（SCM）分析能源进口多元化策略的效果——以2018年中美贸易摩擦后中国加速推进能源进口多元化的转折点为处理时点，以能源进口高度集中（HHI > 0.4）的省份为处理组，进口来源本就多元（HHI < 0.25）的省份为对照组，构建反事实的国内能源价格传导路径，量化多元化的因果减震效应。第三，过程追踪部分采用"反向过程追踪"——选取预测的反面案例（预期应产生某结果的案例实际未产生，如某些能源高对外依存度省份通过大力发展新能源实现了显著的产能自主），检验理论机制的边界条件和适用范围。第四，进行格兰杰因果检验——以1—6个月滞后期检验进口集中度HHI的变化是否在时间上先于（Granger-cause）国内产能扩张的调整，为因果链的时序方向提供统计证据。第五，将标准误的聚类层级从省份层面改为六大区域（华北、东北、华东、中南、西南、西北）层面，检验结论对聚类假设的敏感性。

---
---
date: 2026-07-15
news_index: 3
title: 习近平在上海考察时强调 全面践行人民城市理念 高质量推进城市更新
topics_count: 5
---