上半年服务消费增势好，外贸外资显韧性——"买体验、买服务"倾向上升

H1：服务消费的总体收入弹性显著大于1，商品消费收入弹性小于1，跨越人均GDP一万美元门槛后消费结构加速向服务倾斜，Baumol非均衡增长价格效应被高收入弹性需求效应所抵消。H2：体验型服务的收入弹性最高（约1.5—1.8），功能型次之（约1.1—1.3），数字型服务的弹性因零边际成本特征而介于两者之间，呈现"中间弹性+高替代弹性"组合。H3：服务消费占比每提高1个百分点，通过投入产出后向拉动（住宿、交通、餐饮）和前向推动（数字平台、金融支付），合计拉动第三产业增加值占比上升约0.25—0.35个百分点。

核心内生性来自消费结构与家庭收入的同步决定——高收入家庭天然倾向于更多服务消费，反向因果导致OLS高估。采用两阶段工具变量策略：第一阶段以省份层面最低工资年度调整幅度（由省级政府根据物价和就业综合确定，与个体消费偏好无关）作为家庭收入的外生冲击。第二阶段以"宽带中国"示范城市政策（2014—2016年分批实施）作为数字服务供给侧的准自然实验，利用交叠DID估计数字基础设施改善对家庭服务消费份额的外生推动，将供给侧识别与需求侧弹性估计分离。

QUAIDS需求份额方程：w_iht = α_i + Σ_j γ_ij ln p_jt + β_i ln(x_ht / a(p_t)) + λ_i [ln(x_ht / a(p_t))]² + θ·Digital_h + η_h + ε_iht。其中w_iht为家庭h在t期第i类消费的支出份额，x_ht为家庭总支出，a(p_t)为超越对数价格指数。以省份最低工资上调幅度×家庭初始收入分位作为IV，2SLS估计β_i（收入弹性参数）。服务消费增速与GDP占比的面板回归：ΔServiceShare_ct = α + β·ΔIncomePC_ct + γ·DigitalPenetration_c + δ·X_ct + ε_ct，以地级市—年面板进行加总层面验证。

服务消费分类采用两步法：第一步根据CHFS消费模块将家庭支出归入三大类10小类；第二步将网上服务零售额增速（统计局公布6%）按省级数字支付渗透率分配到各家庭。核心变量：家庭可支配收入（对数）、各类消费支出份额、家庭特征向量（户主年龄及平方项、教育年限、家庭规模、城乡虚拟变量、住房产权）。产业关联效应以投入产出表中各服务消费类别的前向关联系数和后向关联系数加权计算。样本覆盖CHFS 2011—2025共5轮调查中可匹配的非平衡面板约2.2万户家庭。

第一，替换需求系统——以EASI需求系统（Lewbel & Pendakur, 2009）替代QUAIDS，允许更灵活的恩格尔曲线形态和支出内生性处理。第二，替换数据来源——以CFPS面板替代CHFS，检验调查抽样设计差异对弹性估计的影响，并使用国家统计局住户收支调查汇总数据作为宏观基准校准。第三，排除疫情扰动——分别剔除2020年、2022年数据后重新估计，检验消费结构变化是否被疫情加速。第四，以省级加总面板（统计年鉴消费结构数据）替代微观数据，检验生态学谬误风险。第五，工具变量有效性检验——以失业保险金上调幅度作为替代IV，验证第一阶段F统计量和过度识别约束。

---

H1：以旧换新补贴的财政乘数呈现显著品类异质性——家电类最高（0.65—0.80），汽车次之（0.40—0.55），家装类最低（0.25—0.35），因家电更新周期短、家庭预算弹性大而汽车和家装受信贷约束更强。H2：低收入家庭的消费补贴乘数是中高收入家庭的1.5—2倍，因前者面临更紧的流动性约束使得补贴对当期消费的释放效应更大，验证Keynes基本心理法则中边际消费倾向随收入递减的推论。H3：撬动比提升的三重机制中，供给端产品丰富度（国补目录从15类扩至22类）贡献最大（约40%），制度端"一站式申领"减少交易成本次之（约35%），消费信心改善再次之（约25%）。

以各省份以旧换新政策的不同启动时点构建交叠DID。核心识别挑战在于政策启动时间可能与地方消费景气度相关（非随机选择），产生选择偏误。采用两阶段策略：第一阶段以省级财政预算中消费补贴科目的年初预算数（上一年11月由省人大批准，与当期消费波动不存在同期相关）作为政策启动强度和时机的工具变量。第二阶段利用2025年底国补标准全国统一调整（家电补贴上限从2000元提至3000元）作为全国性外生冲击，在品类层面估计补贴金额变化的消费弹性，彻底规避省份自选择问题。使用Callaway & Sant'Anna（2021）的组—时期平均处理效应处理交叠偏误。

动态交叠DID事件研究：C_ct = α + Σ_k β_k·Treat_c·I(t - t*_c = k) + γ·X_ct + δ_t + μ_c + ε_ct。C_ct为c省t月剔除汽车和石油后的社零同比增速，t*_c为c省以旧换新政策启动月份，k∈[-6, +12]覆盖政策前后18个月窗口。品类层面交互项模型：Sales_jct = α + β·SubsidyAmt_jct + θ·SubsidyAmt_jct×IncomeQ_c + φ·SubsidyAmt_jct×GreenVariety_jt + δ_t + μ_jc + ε_jct，其中j为品类（家电/汽车/家装），SubsidyAmt_jct为c省j品类t月补贴支出（对数），三重交互项分别识别收入异质性和供给端机制的调节效应。

被解释变量：省级月度社零同比增速（总社零及家电/汽车/家装三个子品类）；CHFS家庭层面耐用品消费支出（是否购买、消费金额）。核心解释变量：品类层面月度补贴支出金额（由商务部以旧换新平台交易记录汇总）。工具变量：省本级年初预算"商业服务业等支出—消费补贴"科目金额（对数）。控制变量：居民人均可支配收入增速、CPI、城镇调查失业率、房地产销售面积同比增速（家装消费的控制变量）、汽车保有量增速（汽车消费的饱和程度控制）。样本期2024年1月至2026年6月，31省份月度面板。

第一，替换DID估计量——分别使用Gardner（2021）两阶段估计、Borusyak et al.（2024）插补法、de Chaisemartin & D'Haultfoeuille（2020）动态处理效应，排除交叠偏误干扰。第二，以地级市月度数据替代省级数据，以200个地级以上城市为分析单元进行加总层面稳健性验证。第三，控制同期其他消费刺激政策——以有奖发票试点启动时间和离境退税2.0政策实施时间为额外控制变量，剔除政策叠加效应。第四，使用合成控制法为每个处理省份构建反事实消费路径。第五，以支付平台（支付宝/银联）高频消费指数替代社零统计数据作为替代被解释变量，排除统计口径调整的影响。

---

H1：有奖发票制度通过"消费者索票激励→商家被动开票→增值税链条完整→税收征管效率提升"的链条降低征税的交易成本——试点城市增值税实际征收率（实际税收/潜在税基估计值）上升2—3个百分点。H2：有奖发票的消费激励存在两条渠道——"索票转消费效应"（消费者为获得抽奖资格而索票时，中奖后增加实际消费）和"合规披露效应"（商家因开票率上升不得不将此前不开票的灰色交易纳入正规统计），其中前者对社零增长的贡献约为后者的0.3—0.5倍，即信息披露效应大于真实消费刺激效应。H3：44.5%中奖率与小额分散化奖金的设计存在激励相容最优解——过高中奖率增加财政成本而未显著提升索票率（边际效用递减），过低则不足以改变消费者行为，最优区间约为35—50%。

以50个试点城市分批次启动的外生变异构建渐进DID。由于试点选择不完全随机（通常经济较发达、数字化基础较好），采用三重识别强化策略：第一，以城市是否为2015年批设的"国家信息消费示范城市"作为试点选择的工具变量（与有奖发票试点间隔10年，但奠定了税收数字化基础设施），相关性与排他性均较强。第二，在发票层面利用中奖规则的外生随机性——发票号码末位是否匹配中奖数字是一个纯粹随机的Bernoulli试验，以中奖者在获奖前后的消费变化构造个体层面的事件研究。第三，利用部分城市中途调整中奖规则（如从固定中奖率调整为消费额阶梯中奖率）作为额外的"政策内变异"，识别制度参数变化的边际效应。

渐进DID基准回归：Y_ct = α + β·Lottery_ct + γ·X_ct + δ_t + μ_c + ε_ct。Y_ct包括三个维度：c城市t月的消费开票金额（对数）、增值税收入增速和社会消费品零售总额增速。Lottery_ct为处理虚拟变量（城市开始试点后=1）。采用Sun & Abraham（2021）交互加权估计和de Chaisemartin & D'Haultfoeuille（2020）瞬时处理效应估计解决交叠偏误。中介效应联立方程：第一步，有奖发票→索票率（以增值税发票开具率衡量）；第二步，索票率→消费开票金额和增值税收入；第三步，纳入索票率后观察有奖发票直接效应β的衰减程度，以Baron & Kenny三步法结合Sobel-Goodman检验分解消费扩张与信息改善的相对贡献。

被解释变量：（1）增值税发票开具率=当月有票消费笔数/当月银联卡+移动支付总消费笔数（以支付数据为分母校准）；（2）增值税实际征收率=实际增值税收入/（社零总额×适用税率加权均值）；（3）剔除汽车和石油后的社零增速。核心解释变量：有奖发票试点虚拟变量及试点时长（月数）。控制变量：城市人均GDP、第三产业占GDP比重、移动支付渗透率（支付宝/微信支付用户占常住人口比）、税源集中度（前10%纳税大户的税收占比）、国家信息消费示范城市虚拟变量。试点城市数据来自国家税务总局配合的有奖发票管理平台逐月脱敏汇总数据（2025年1月—2026年6月）。

第一，以发票开具率而非开票金额作为被解释变量，将消费扩张效应与合规披露效应分离——若仅开票率上升而消费金额未同步上升，则合规披露渠道占主导。第二，使用三重差分法（DDD），以批发零售和住宿餐饮行业为处理组、制造业为对照组（后者不直接面向消费者开票），排除同期其他经济政策对开票行为的干扰。第三，随机置换试点城市启动时间进行500次安慰剂检验，生成经验p值。第四，以个税中工资薪金所得增速（工资个税不存在逃税空间）作为增值税之外不受有奖发票影响的税收遵从替代指标。第五，使用合成DID（Arkhangelsky et al., 2021）允许处理前后不同线性趋势的估计量。

---

H1：根据Kahneman-Tversky概率权重函数，消费者主观权重π(0.445)≈0.50—0.55，显著高于客观概率0.445（中等概率区间应被低估，但44.5%接近0.5的均匀锚点导致锚定高估），使得有奖发票的索票行为比期望效用理论预测高出约10—15%。H2：中奖经历触发"热手谬误"——消费者在某次中奖后7天内索票率提高15—20%（认为"手气好"），但该效应在30天后完全消退至基线水平，呈现行为偏误的暂时性特征，符合Barberis（2013）赌场效应的短期兴奋逻辑。H3：小额中奖（5—50元红包）的再消费转化率（约60—70%）显著高于大额中奖（200元以上，约20—30%），因小额奖金被归入"零花钱"心理账户而大额奖金被归入"储蓄"心理账户，分别对应Thaler（1985）心理账户理论中的不同支出倾向。

以发票号码末位数字决定中奖的随机性构建精确断点回归。若中奖规则为发票号码末位匹配特定数字即中奖，则末位数字从非中奖→中奖的切换构成一个完全随机的Bernoulli试验分界。比较同一消费者在中奖发票获取前后7/14/30天的消费金额变化，需纳入消费者个体固定效应以控制个人消费习惯差异。第二个识别维度是中奖金额的离散跳跃——部分试点城市将中奖金额从30元提至50元，在50元处可能触发心理账户边界切换，以RD估计金额阈值处消费行为的非连续性。行为实验维度的补充识别：在在线平台上随机分配被试阅读不同中奖概率（20% vs 44.5% vs 70%）的有奖发票方案描述，测量其主观索票意愿和主观中奖概率估计值，分离概率权重的因果效应。

个体固定效应事件研究：C_it = α + β₁·Win_it + β₂·Win_i,t-7 + β₃·Win_i,t-30 + η·X_it + μ_i + δ_t + ε_it。C_it为消费者i在第t日的消费金额（对数），Win_it为当日是否中奖的虚拟变量，滞后项Win_i,t-7与Win_i,t-30分别捕捉7天内和30天内中奖经历的行为效应衰减模式。中奖金额阈值RD模型：C_it = α + β·I(PrizeAmt_it ≥ c) + f(PrizeAmt_it − c) + γ·I(PrizeAmt_it ≥ c)×f(PrizeAmt_it − c) + μ_i + δ_t + ε_it，其中c为心理账户切换候选阈值（50元），以Calonico-Cattaneo-Titiunik（2014）最优带宽选择方法估计局部处理效应。行为实验的结构估计：以实验数据拟合Kahneman-Tversky概率权重函数π(p) = p^δ / (p^δ + (1-p)^δ)^{1/δ}，使用非线性最小二乘法估计δ参数，比较不同中奖概率方案下消费者行为预测的准确度。

有奖发票平台层面：对消费者ID做脱敏哈希处理后提取消费日期、消费金额、行业代码、是否中奖、中奖金额、索票方式（主动索票vs被动推送），构造消费者×日期层面的面板数据（日均约250万条记录）。移动支付高频数据：在获得用户授权的前提下，以支付宝/微信支付数据匹配同一脱敏消费者ID在有奖发票平台之外的日常消费轨迹，构建"发票消费/总消费"比率作为索票率指标。行为实验数据：通过见数（Credamo）平台招募2000名被试，随机分为6组（3种中奖概率×2种中奖金额方案），测量其主观索票意愿（1—7 Likert量表）和概率估计值。控制变量：消费者历史月均消费金额、周末与节假日虚拟变量、所在城市日度平均气温和降水（控制天气对出行的干扰）。

第一，以中奖概率微小变化作为概率权重的识别变异——选择在样本期内将中奖率从44.5%调整至40%或50%的试点城市子样本，直接估计概率权重函数参数δ的边际变化，与行为实验的结构估计结果进行交叉验证。第二，以从未中奖的消费者子样本作为安慰剂对照组——将其消费行为与随机分配的"伪中奖日"绑定进行事件研究，检验中奖效应的真实性。第三，替换行为模型框架——以累积前景理论（Tversky & Kahneman, 1992）替代原版前景理论，引入秩相依概率权重和参考点内生化处理，比较两个模型的行为预测力（似然比检验）。第四，排除高频消费者（日均消费超过95分位数的前5%样本），检验极端消费习惯对估计结果的拉动效应。第五，将分析迁移至有奖发票政策之外的行为激励场景——利用支付宝线下支付随机红包数据（金额小、频率高、中奖规则近似）进行外部效度检验。

---

H1：《关于对外投资的规定》从商务部部门规章升格为国务院行政法规后，省级商务主管部门在对外投资备案/核准中的自由裁量空间显著收缩——核准类项目占比上升、审批周期平均延长12—18个工作日，且审批权限出现向中央集中的趋势（重大项目最终审批权上移至商务部）。H2：审批收紧对不同投资类型具有差异化抑制效应——对"制度敏感型"投资（房地产、酒店、娱乐、体育俱乐部等非主业领域）的抑制效应显著强于"战略鼓励型"投资（新能源、数字经济、新基建、矿产资源），体现中央"有保有压"的差别化监管意图。H3：地级市官员的晋升预期调节省级审批的实际执行力度——晋升预期高的地方官员倾向于更宽松地从快审批以保GDP和税收增长，而距退休年龄近的官员更严格遵从中央收紧信号，形成央地之间的"策略性执行"博弈。

《关于对外投资的规定》在全国层面同时生效，无法使用传统处理组/对照组DID，改采以下多层识别策略：第一，以各省在法规出台前12个月的月均审批数量和审批通过率作为连续处理强度变量——审批事前宽松的省份受法规收紧冲击更大，构建连续DID（Continuous DID）。第二，以法规中对不同投资类型的差异化约束条款为依据，在投资行业×时间的交互维度构建DID——法规明列限制类的房地产、娱乐等行业作为处理组，鼓励类的新能源、数字经济等行业作为对照组，比较二者的审批周期分化程度。第三，以审批项目是否位于自贸试验区（自贸区内享有简化审批的特殊政策）作为额外变异，构建三重差分识别自贸区的制度缓冲效应。关键识别假定：法规出台时机由国务院长期立法规划决定，各省无法在2025年底前提前预期法规具体条款并调整审批行为。

连续DID：Y_pit = α + β·Post_t × PreLeniency_p + γ·Post_t + θ·X_pit + μ_p + ε_pit。Y_pit为p省i项目在t月的审批天数和审批结果（核准/备案/不予核准的ordered logit）；PreLeniency_p为p省在法规出台前12个月的月均审批证照发放量（对数），衡量事前审批宽松度；Post_t为2026年法规生效后的时间虚拟变量（法规于2026年由国务院发布并施行）；β为连续DID估计量。行业层面的DID：Y_pijt = α + β·Post_t × Sensitive_j + γ_j + δ_t + μ_p + ε_pijt，Sensitive_j为敏感行业虚拟变量，β预期为负且显著（敏感行业审批天数上升或通过率下降）。三重差分扩展（DDD）：纳入项目是否位于自贸试验区虚拟变量FTZ_i，估计Y_pijt = α + β₁·Post_t×Sensitive_j + β₂·Post_t×Sensitive_j×FTZ_i + β₃·Post_t×FTZ_i + ...，β₂的符号和显著性揭示自贸区的制度缓冲角色。

商务部对外投资电子证照管理系统7.2万份证照记录，提取字段：项目名称、投资目的地国家/地区、投资金额（美元对数）、行业分类（以国民经济行业分类4位码归入敏感/中性/鼓励三类）、审批类型（备案/核准）、审批提交日期与批准日期（计算审批周期=批准日-提交日，以工作日为单位）、审批结果。PreLeniency_p以p省证照发放量的月均值（对数）衡量——事前发放量越高的省份，法规收紧后的调整空间越大。官员晋升预期以地级市市委书记距退休年龄（60岁）的倒数作为晋升压力的连续指标，纳入省级均值。控制变量：省级GDP增速、实际利用外资同比增速、出口依存度（出口额/GDP）、是否为自贸试验区所在省份、财政自主度（本级财政收入/支出）。样本期2025年1月—2026年6月，涵盖法规前14个月和后6个月的逐月审批记录。

第一，以商务部宏观月度对外投资流量数据（总额及分目的地、分行业）替代逐笔审批微观数据，在加总层面进行时序断点分析（以2026年法规生效为断点），检验加总数据和微观数据的结论一致性。第二，以项目是否最终完成实际投资汇出（而非仅获得审批）作为被解释变量——若审批收紧仅改变了前端审批行为而未影响实际投资执行，说明制度的"信号功能"大于"约束功能"。第三，以同期对"一带一路"共建国家的投资项目作为处理子样本（"一带一路"投资受鼓励、审批从宽），与非"一带一路"投资对比，检验制度方向性。第四，排除中央企业（国务院国资委直管企业）的对外投资项目仅保留地方企业项目子样本，以更精确地识别央地审批博弈机制（中央企业可能通过其他渠道影响审批）。第五，使用合成控制法为审批宽松度最高的前5个省份构建反事实投资审批路径，以法规前趋势拟合法规后的反事实预测值并与实际值比较。

---