"废品"变"资源" 以旧换新激发循环经济新活力

基于Marshall供需均衡与Pigou外部性内部化理论，补贴提高废旧品回收价格，可在短期内扩大供给量；但若补贴偏离边际社会成本，则可能造成资源错配。不同品类价格弹性差异显著，低值废弃物对补贴更敏感。据此提出：H1，补贴强度与规范回收量显著正相关；H2，回收需求弹性高于供给弹性，均衡变动由需求端驱动；H3，补贴对旧家电等低值耐用品的回收刺激效果强于高值数码产品。

采用城市—月度面板数据，以政策试点城市作为准自然实验，利用双向固定效应模型控制地区时变与不随时间变化的特征。为缓解补贴强度与回收量之间的反向因果，引入工具变量，如地方财政压力或试点批次排序。关键识别假定包括：试点城市选择外生于未观测的回收市场冲击，处理组与对照组在政策前满足平行趋势，且无其他同步政策干扰。

基准简化式模型为 lnQ_it = π₀ + π₁Subsidy_it + π₂Controls_it + μ_i + λ_t + ε_it，其中Q_it为城市i在t期的规范回收量，Subsidy_it为补贴强度，μ_i与λ_t分别为城市与月度固定效应。核心参数π₁衡量补贴对均衡回收量的净效应。进一步可估计供给方程 lnQ_it^s = α₀ + α₁lnP_it + α₂Subsidy_it + FE + ε_it 与需求方程 lnQ_it^d = β₀ + β₁lnP_it + γX_it + FE + u_it，联立求解均衡价格与数量。

被解释变量为规范回收废旧家电数量（万台）或再生资源回收价格指数；核心解释变量为以旧换新补贴强度，可用补贴金额除以销售额或试点虚拟变量测度；控制变量包括人均可支配收入、社会消费品零售总额、垃圾处理费与环保执法力度。数据来自商务部试点名单、再生资源协会及国家统计局，样本期为2020—2026年地级市月度或季度面板。

①替换核心解释变量，以补贴覆盖率或人均补贴金额替代补贴强度，检验结论对变量测度的敏感性；②采用PSM-DID匹配试点与非试点城市，排除选择偏差；③加入省份—时间联合固定效应，控制区域层面的时变冲击；④使用工具变量2SLS重新估计，比较OLS与IV结果差异，验证内生性处理的可靠性。

---

凯恩斯主义认为，政府补贴可提高居民可支配收入与边际消费倾向，通过乘数效应放大总需求。以旧换新降低新品购置成本，不仅刺激耐用品消费，还带动上游生产与回收产业链。据此提出：H1，政策使试点城市耐用品销售额平均提升8%—15%；H2，政策对低收入地区与家电品类的消费乘数更大；H3，上游钢铁、有色金属、塑料等产业产出在政策实施后滞后1—2季度显著上升。

利用2024年以来多批次以旧换新试点扩围作为准自然实验，构建多期DID模型。控制城市与月度固定效应，并通过事件研究法检验政策前趋势是否平行。关键识别假定包括：未试点地区在政策前与试点地区具有平行趋势，且无其他同步消费刺激政策干扰；通过控制变量与安慰剂检验缓解遗漏变量问题。

基准模型为 Y_it = α + βD_it + γX_it + μ_i + λ_t + ε_it，其中Y_it为城市i在t期的耐用品零售额（对数）或产业增加值；D_it为以旧换新政策实施虚拟变量；μ_i、λ_t分别为城市与月度固定效应；β为政策处理效应。进一步利用投入产出表的Leontief逆矩阵测算完全消耗系数，将直接效应与间接乘数效应分离，量化产业链传导强度。

被解释变量包括限额以上家电音像器材零售额、汽车类零售额（取对数）；核心解释变量为政策虚拟变量，试点城市在政策实施月份取1；控制变量为GDP增速、人均可支配收入、人口规模与房地产销售面积。投入产出数据用于测算上游行业对耐用品生产的完全消耗系数。样本为2023M1—2026M6地级市面板数据。

①安慰剂检验：随机抽取伪处理组500次，比较β估计值的分布是否以0为中心；②排除其他消费刺激政策干扰，加入消费券发放变量与新能源汽车购置补贴变量；③替换被解释变量为快递业务量、上游行业产量或上市公司营收；④分样本回归：按人均GDP三分位与城市等级划分，检验乘数效应的异质性。

---

根据Coase定理，清晰的产权界定与较低的交易成本可促进资源流向最高价值用途。EPR制度将废旧产品回收责任配置给生产者，激励其建立正规回收网络，降低搜寻、谈判与履约成本。据此提出：H1，EPR执行强度越高，废旧家电进入正规拆解渠道的比例越高；H2，回收网络密度（社区回收点/人口）显著降低单位交易成本；H3，以旧换新补贴通过提高正规企业收购价，压缩非正规回收者市场份额。

以省级EPR政策出台时间与以旧换新试点扩围作为双重差分，比较正规回收企业在政策前后的处理量变化。采用随机前沿分析（SFA）控制随机误差与无效率差异。关键识别假定包括：政策实施时间外生于企业效率冲击，地区间经济环境差异通过固定效应与匹配方法控制，处理组与对照组在政策前满足平行趋势。

基准模型为 RecyclingRate_it = α + βEPR_it + γNetwork_it + θ(EPR_it × Network_it) + δX_it + μ_i + λ_t + ε_it，其中RecyclingRate为规范回收率，EPR为政策虚拟变量，Network为回收网点密度，X为控制变量向量。交互项系数θ捕捉回收网络整合对制度效果的调节作用；若θ显著为正，则表明网络完善能够放大EPR制度的回收激励效果，印证交易成本降低是制度有效运行的关键渠道。

被解释变量为企业或地级市废旧家电规范回收率，以规范回收量除以理论报废量计算；核心解释变量为EPR政策强度，可用基金补贴标准或立法指数测度，回收网络密度以社区回收点数除以常住人口衡量；控制变量包括人均GDP、环保处罚力度、制造业比重与物流成本。样本为2019—2026年省—年度面板及回收企业横截面数据。

①替换回收率测度，以处理基金补贴申领量除以销售量重新估计；②采用工具变量法，以中央环保督察强度作为EPR执行力度的工具变量；③引入PSM-DID，平衡处理组与对照组可观测特征；④剔除北京、上海等超大城市后重新回归，检验结论对样本选择的敏感性。

---

心理账户理论认为，消费者会将补贴视为"意外之财"而非可支配收入的等价增加，从而提升换新概率；旧品回收价形成参考点，低于参考点会引致损失厌恶。据此提出：H1，直接抵扣型补贴比现金券更能提高换新意愿；H2，较高的旧品折价锚定显著提升消费者对新品支付意愿；H3，强调环保收益的信息框架对高环境意识群体效果更强，呈现态度—信息框架的交互效应。

采用随机化离散选择实验，通过正交属性设计控制产品属性、价格与品牌等混淆因素。受访者被随机分配到不同补贴形式与信息框架组别，利用随机分配排除自选择偏差。通过混合Logit模型估计个体层面的偏好异质性。关键识别假定包括：实验样本对真实购买决策具有代表性，属性正交设计有效避免多重共线性，实验干预不存在显著需求效应。

随机效用函数设定为 U_nj = β₀ + β₁Price_j + β₂SubsidyType_nj + β₃TradeInValue_nj + β₄InfoFrame_nj + β₅(SubsidyType_nj × EcoAttitude_n) + ε_nj，其中β₁捕捉消费者对价格的边际负效用，β₂与β₃分别度量补贴形式与锚定价的影响。选择概率为P_nj = exp(U_nj)/Σ_k exp(U_nk)。交互项系数β₅检验环保态度对信息框架的调节效应，若显著为正，则表明绿色信息框架对高环保意识消费者更具说服力。

被解释变量为受访者在每一选择集中选择"以旧换新购买新品"的概率；核心解释变量包括补贴形式（现金券=0，直接抵扣=1）、补贴金额、旧品折价金额与信息框架（经济收益=0，环保收益=1）；控制变量包括收入、年龄、教育程度与环境态度得分。计划收集800—1200名有家电购买经历的消费者样本，覆盖一线至三线城市。

①改变选择集设计，将属性水平重新随机组合，检验结果对实验设计的稳健性；②分别估计Logit、Probit与Mixed Logit模型，比较系数方向与显著性；③排除无换新计划受访者，聚焦潜在需求样本重新估计；④开展真实田野实验：与电商平台合作比较不同补贴呈现方式的实际点击率与转化率，验证实验结论的外部效度。

---

Porter假说认为，适当的环境规制与产业政策可激励企业通过技术创新实现"创新补偿"，推动产业结构从低端回收向高值化再利用升级。以旧换新扩大再生资源流量，结合技术创新可提升绿色全要素生产率。据此提出：H1，试点城市再生资源产业增加值占比显著提升；H2，政策通过提高绿色专利数量促进GTFP提升；H3，高值化转型效应在资源型城市与制造业基础较强城市更为明显。

采用渐进式DID，比较不同批次试点城市与未试点城市的GTFP变化。使用中介效应模型识别技术创新与产业结构的中介路径，并采用Bootstrap检验间接效应。进一步利用空间杜宾模型捕捉邻近城市的技术溢出或污染转移效应。关键识别假定包括：试点城市选择满足条件平行趋势，空间权重矩阵基于地理距离与经济距离构建，且无其他重大环境政策同时干扰。

空间杜宾模型为 GTFP_it = α + ρΣ_j W_ij GTFP_jt + βD_it + γX_it + μ_i + λ_t + ε_it，其中D_it为试点虚拟变量，W为空间权重矩阵。中介模型为 GTFP = c' + ab + c，其中M为绿色专利数量或高值化产业占比。核心参数β衡量政策对GTFP的平均处理效应，ρ反映空间溢出强度，帮助判断政策效果是否存在区域间传导。

被解释变量为城市绿色全要素生产率，采用超效率SBM-ML指数测算；核心解释变量为以旧换新试点虚拟变量；中介变量为绿色专利授权量（对数）与再生资源精深加工产业产值占比；控制变量包括人均GDP、工业比重、研发投入强度与环境规制强度。样本为2015—2026年地级市面板数据，覆盖多轮试点扩围。

①替换GTFP测算方法，采用EBM-GML指数重新估计，检验生产率测算方式对结论的影响；②采用合成控制法（SCM）为每个试点城市构建反事实，比较DID与SCM结果；③排除同时期碳排放权交易试点与新能源汽车补贴政策的混杂影响；④将空间权重矩阵从地理距离替换为经济距离与邻接矩阵，检验空间效应的稳健性。

---