我国造船业三大指标保持全球领先

H1：造船业地理集聚通过劳动力池共享、中间投入品专业化分工和技术溢出三条渠道提升企业TFP。H2：散货船等标准化程度高的船型集聚效应弱于油轮等高技术复杂度船型，因后者对知识溢出的依赖更强，集聚带来的Marshall外部性更显著。H3：集聚对TFP的提升效应存在最优集聚度，过度集聚引致要素价格（尤其是岸线资源和熟练焊工工资）上升，形成倒U型关系。

核心识别挑战在于集聚与生产率之间的双向因果和企业自选择问题。采用两阶段策略：第一阶段使用历史港口水深和岸线长度作为工具变量（相关文献如Rosenthal & Strange, 2004，历史自然禀赋决定初始集聚但不受当前TFP影响）；第二阶段利用2008年金融危机后船舶工业调整规划引起的企业退出作为外生冲击，构建集聚度变化的差分设计，分离出企业搬迁而非淘汰引起的集聚变动效应。

基准回归：lnTFP_it = α + β·Agglomeration_jt + γ·X_it + δ_t + μ_i + ε_it。其中Agglomeration_jt为j区域t年的区位熵或EG指数，X_it为企业控制变量（规模、年龄、所有制、出口占比），δ_t和μ_i分别为年份和企业固定效应。中介效应采用Baron & Kenny三步法结合Sobel检验：第一步验证集聚→TFP总效应，第二步验证集聚→资本错配度和劳动错配度，第三步纳入错配变量观察β衰减程度。

TFP采用Levinsohn-Petrin（2003）半参数法估计，以中间投入为代理变量解决同时性偏误；劳动错配度参照Hsieh & Klenow（2009）以企业工资与边际产出价值的偏离衡量；资本错配度以企业资本边际产出与行业均值的离散度衡量。样本覆盖1998—2025年中国工业企业数据库中CSIC分类3731（金属船舶制造）和3759（船舶配套设备制造）全部企业，共计约8.6万条企业—年观测。

第一，替换核心变量：将区位熵替换为Herfindahl指数和DO指数（Duranton & Overman, 2005）重新回归；将LP法TFP替换为OP法和ACF法估计值。第二，更换工具变量：以明代漕运港口遗址到现代造船基地的距离作为历史工具变量的替代（延续马歇尔集聚的历史路径依赖逻辑）。第三，排除极端值：剔除TFP分布两端各2.5%的观测值，检验结果对异常值的敏感性；第四，分时段检验：分别对2009—2015年（调整期）、2016—2020年（复苏期）和2021—2025年（绿色转型期）子样本回归，检验结构稳定性。

---

H1：绿色船舶补贴政策显著提升了企业绿色专利数量，但对企业总体创新质量（专利被引次数、权利要求数、技术宽度）的提升效果弱于数量效应，存在"重数量轻质量"的策略性创新倾向。H2：排放标准型政策（命令控制型）比研发补贴型政策（市场激励型）更能引致突破性创新，因前者设定了不可回避的技术硬约束而补贴可被挪作他用。H3：国有造船企业因预算软约束和更强的政策信号响应，其绿色专利增长幅度大于民营企业，但后者专利的市场转化率更高。

以IMO EEXI/CII规则2023年1月生效作为全局外生冲击，同时利用国内研发补贴的省份差异构建交叠DID。处理组为企业注册地所在省份在2021—2023年间实际获得工信部高技术船舶科研计划绿色船舶专项立项的企业；对照组为同一时期未获立项的企业。关键识别假定：补贴立项的省份选择主要由该省造船产业基础和历史科研绩效决定，而非企业当期的绿色创新水平，在控制历史绩效后满足条件平行趋势。

交叠DID + 事件研究法：Y_it = α + Σ_k β_k·Treat_i·I(t = event_year + k) + γ·X_it + δ_t + μ_i + ε_it，其中k∈[-3,3]，以政策冲击前一年为基期。Y_it分别为绿色专利数量（extensive margin）和专利知识宽度（intensive margin）。采用Callaway & Sant'Anna（2021）方法处理交叠处理组的组间异质性偏误，并使用Sun & Abraham（2021）估计量进行稳健性对比。进一步引入连续型DID，以企业获得的补贴金额（对数）作为处理强度变量。

绿色专利识别采用两步法：先用IPC分类号B63B（船舶）、B63H（推进装置）和F01N（排放控制）筛选船舶技术专利池，再以专利摘要文本中绿色关键词（LNG动力、甲醇燃料、氨燃料、碳捕获、能效优化、风帆助航等）训练BERT分类器进行二轮标注。创新质量以专利家族规模、前向引用次数（排除自引）、权利要求数量和IPC分类广度构建综合指数。样本期为2018—2025年，覆盖A股及新三板上市船舶及配套企业47家。

第一，替换DID估计量：分别使用Gardner（2021）两阶段估计、Borusyak et al.（2024）插补法估计量，排除交叠偏误的干扰。第二，安慰剂检验：将政策冲击时间随机分配至各年重复500次，比较真实估计系数在随机分布中的位置；以非绿色IPC分类（如传统柴油动力船舶技术）的专利作为虚假被解释变量。第三，剔除纯组装型企业仅保留具备研发部门的制造企业，检验创新行为是否由研发基础设施驱动而非政策激励。第四，排除2020—2022年疫情期间观测值，检验结果对异常时段的敏感性。

---

H1：市委书记更替后的第一至第二年为新增产能集中释放期，源于新官员上任后迅速推动大项目落地的"新官效应"，以在任期内实现可观的GDP增量。H2：异地调任官员比本地晋升官员更倾向于推动产能扩张，因其不受原有政企关系网络的约束且更需要通过上项目树立政绩可信度。H3：在中央明确强调去产能的调控期内（如2013年船舶工业化解产能过剩意见出台后），政治激励驱动的产能扩张效应减弱但未消失，表现为"明退暗进"——表内投资增速下降而隐性债务融资支持的产能仍在增长。

官员更替在任期届满和中央人事调整背景下具有外生性，尤其在非换届年份的突发更替（如反腐调查引起的非正常更替）与地方造船业投资决策无关。构建两类处理：官员正常更替（任期届满/年龄到线）作为第一类处理组，非正常更替作为第二类处理组，比较二者效应方向验证晋升激励渠道。利用地级市层面造船业资质审批数据（由省级工信部门审批，不完全由市级控制）构建投资先行指标，在审批环节即捕捉扩张意图。

动态面板 + 交互项设计：Capacity_mt = α + β·Turnover_mt + γ·Turnover_mt×SectoralImportance_m + θ·X_mt + δ_t + μ_m + ε_mt。SectoralImportance_m为该地级市造船业产值占工业总产值比重（官员任前三年均值），检验产业重要度如何放大政治激励效应。进一步加入Turnover_mt×TenurePosition（任期第1、2、3、4年虚拟变量）交互项，捕捉政治商业周期的时序特征。因变量和部分控制变量使用滞后一期处理同期内生性。

官员数据来源：手工整理全国286个地级市2000—2025年市委书记和市长的任职轨迹，包括出生年份、学历、来源地（本地晋升/省直调任/外省调任/中央下派）、离职去向（晋升/平调/降职/退休/被查）。造船产能以地级市年度新增造船完工能力（载重吨）衡量，取自中国船舶工业年鉴各年公布的产能统计。控制变量包括地级市GDP增速、财政自主度（本级财政收入/支出）、第二产业占比、固定资产投资增长率、是否沿海港口城市虚拟变量。

第一，排除非制造型沿海城市（如三亚、厦门等以旅游为主业的城市），仅保留有造船工业基础的地级市子样本。第二，将官员更替变量替换为年龄断点回归设计，以官员距退休年龄（60岁）的前后3年窗口识别晋升压力高峰期的行为变化。第三，以省级数据替代市级数据重新回归，检验加总层面对结论的影响。第四，替换因变量为造船业土地使用出让面积（来自自然资源部土地出让数据库），以物理指标交叉验证产能扩张。

---

H1：中国造船业技术赶超遵循"路径跟随→路径跳跃→路径创造"三阶段模式：2000—2010年在散货船领域通过模仿和学习完成路径跟随；2011—2020年在超大型集装箱船和VLCC领域借助国内市场规模实现路径跳跃；2021年以后在绿色船舶领域因率先布局甲醇/氨/氢动力技术开辟路径创造。H2：绿色转型使中国在全球造船价值链中从"制造代工"（OEM）向"设计+制造+标准"（ODM+标准输出）升级，出口单位价值（unit value）与韩国、日本的差距从2015年的-35%收窄至2025年的-8%。H3：国内市场需求（尤其是沿海和内河LNG动力船舶更新需求）作为试验场加速了技术迭代，"母国市场效应"（Linder, 1961）在绿色造船领域得到新验证。

核心识别挑战在于区分绿色先发优势究竟来自技术能力提升还是要素成本优势。采用双重差分法，以2008—2025年全球各船型市场份额变动为分析单元，处理组为中国绿色船舶（LNG/甲醇/氨/氢动力），对照组同时段中国非绿色船舶和韩国同类船型。利用国际海事组织法规（如2023年EEXI/CII）的全球强制合规要求作为外部需求冲击，分离政策冲击与竞争力趋势的交互效应。技术复杂度以船型层面的研发投入密度（R&D占产值比）、关键专利密度（每艘船平均专利数）和高端供应商国产化率（如LNG薄膜围护系统的国产化进展）三维度衡量。

船型层面出口技术复杂度：PRODY_k = Σ_i (x_ik/X_i)/(Σ_i x_ik/X_i) · GDPpc_i，其中x_ik为i国k船型的出口额，X_i为i国总出口。中国各船型的ESI指数：EXPY_i = Σ_k (x_ik/X_i) · PRODY_k。动态面板模型：ΔEXPY_it = α + β·GreenPolicyShock_t×PreLead_i + γ·DomesticDemand_it + θ·R&DStock_it + δ_t + μ_i + ε_it，其中PreLead_i为i船型在绿色转型前的技术储备水平（5年绿色专利存量）。使用系统GMM（Blundell & Bond, 1998）处理滞后因变量内生性。

船型技术复杂度PRODY基于HS 6位码（8901.20客船、8901.90货船、8904.00拖船等）计算，以2019年不变价美元计价的各国人均GDP为收入权重。绿色船舶技术前沿以甲醇/氨/氢/电池/风帆五大技术路线在每艘交付船舶中的渗透指数（0~1连续变量）衡量。样本覆盖2000—2025年全球前十大造船国（中韩日意德法芬西土）的船型—年面板，约520条观测。国内市场需求以中国远洋海运集团等主要船东的年度新船订单公告数据加总构造。

第一，替换技术复杂度计算方法：以Rodrik（2006）修正的EXPY指数替代Hausmann原版，排除加工贸易对出口复杂度的虚高效应。第二，更换对照组：以日本替代韩国作为对照组，检验对标国选择不影响结论。第三，以造船业全员劳动生产率（人均载重吨产出）替代出口复杂度作为因变量，从生产端而非贸易端验证技术赶超。第四，控制同期汇率波动和钢材价格波动，因船价受原材料成本和汇率影响较大，纳入实际有效汇率和船板钢价格指数作为额外控制变量。

---

H1：绿色船舶订单占比每提升10个百分点，企业内高技能工人（船舶设计工程师、LNG系统技工、电气自动化工程师）的工资溢价上升5%—8%，而传统焊工和装配工的工资增速下降，呈现"技能溢价极化"效应。H2：绿色转型通过新增"抽象任务"（系统集成设计、数字化调试）和减少"常规体力任务"（钢板切割、基本焊接）改变企业内部任务结构，高学历员工因比较优势在于抽象任务而获益。H3：企业培训投入在技能转换中发挥缓冲作用：自主培训投入高于行业中位数的企业，低技能工人通过"任务转型"（从传统焊工转为LNG管道焊工）保留就业的概率显著更高。

核心内生性来源：高技能工人比例较高的企业本身更可能承接绿色订单，造成反向因果。采用双重差分法，以IMO 2023年EEXI/CII法规作为外生需求冲击，利用企业在2018—2020年（法规出台前）的船型技术定位（以绿色专利存量衡量）作为分组变量：高绿色专利存量企业为处理组，低存量为对照组。DID本质是比较法规出台前后，处理组与对照组的技能需求变化差异。附加Bartik工具变量法：以企业所在省份造船业的全国-省份层面绿色订单增长率交互项（剔除本企业后计算）作为企业层面绿色订单的工具变量，因省级层面的需求冲击与企业个体技能结构在短期内不相关。

个体层面Mincer扩展：lnWage_ijt = α + β·GreenShare_jt + γ·GreenShare_jt×Skill_i + θ·X_ijt + δ_t + μ_j + ε_ijt，其中GreenShare_jt为企业j在t年的绿色船舶订单占新接订单比重，Skill_i为个体i的技能水平（受教育年限/职业资格等级）。交互项系数γ为核心参数，捕捉绿色转型对不同技能工人的差异化工资效应。企业层面方程以用人需求中高技能岗位占比的变化作为替代因变量：ΔHighSkillShare_jt = α + β·ΔGreenOrderShare_jt + γ·Z_jt + δ_t + ε_jt，采用一阶差分消除企业不随时间变化的不可观测因素。

技能分类参照Autor et al.（2003）的三分法：高技能（船舶总体设计、动力系统集成、自动化控制——抽象认知任务）、中技能（数控切割操作、焊接机器人编程——常规认知任务）、低技能（手工电弧焊、钢板搬运——常规体力任务）。利用BOSS直聘2020—2025年造船业约1.2万条岗位JD文本，通过LDA主题模型提取15个技能需求主题，构建"绿色技能需求指数"作为产能之外的技能需求侧面验证。个体层面数据来自CLDS（2014/2016/2018/2022）四轮调查制造业工人中行业代码为"金属船舶制造"的子样本，约340个个体观测。

第一，替换技能分类方法：采用Spitz-Oener（2006）基于工作任务的技能分类替代教育年限分类，以个体自报的日常工作任务比例（如"是否每天操作计算机超过2小时"）构建任务内容指标。第二，以企业平均工资（来自上市公司年报）替代个体工资进行企业层面加总回归，消除个体自选择偏误。第三，排除国有企业子样本单独检验民营和外资企业，因国有企业的工资决定机制（受工资总额管理约束）与市场机制不同。第四，使用Heckman两步法纠正样本选择偏误，估计工人留在造船业（vs流出到其他制造业）的probit选择方程作为第一步。

---