韩正出席第七届跨国公司领导人青岛峰会开幕式并致辞

基于新经济地理学（Krugman, 1991），企业区位选择是市场准入效应（market access）与成本分散效应（production cost dispersion）权衡的结果。大城市提供更大市场需求，但要素成本更高；产业集聚区提供知识溢出的正外部性，但竞争效应可能压缩利润空间。根据Dunning的OLI范式，跨国公司的区位优势（Location advantage）取决于东道国市场规模、要素禀赋和集聚经济三者的综合作用。产业内集聚（MAR外部性）通过专业化劳动力和供应商网络降低生产成本；产业间集聚（Jacobs外部性）通过多样化知识溢出促进创新。

据此提出以下假说：
- H1：市场规模每扩大1个标准差，跨国公司选址该城市的概率提升15%—20%，且在消费导向型行业中更强。
- H2：MAR外部性对制造业FDI的吸引力强于Jacobs外部性，而服务业FDI则相反。
- H3：集聚外部性的边际效应随集聚水平先增后减，存在"最优集聚度"（倒U型关系）。

本文采用条件Logit模型识别跨国公司区位选择的决定因素。核心识别逻辑为：每家跨国公司在所有候选城市中选择其一，选择概率取决于城市特征变量的差异——这一框架天然控制了企业层面不可观测异质性。关键识别假定为无关选择独立性（IIA），即两个城市的选择概率比不受第三城市特征影响。通过Hausman-McFadden检验验证IIA假定；若被拒绝，则使用混合Logit模型放松该假定。内生性主要来自集聚度与FDI之间的反向因果（FDI→集聚），通过使用历史集聚度（1990年代工业普查数据构造的Bartik式预测集聚度）作为当期集聚度的工具变量来缓解。

基准条件Logit模型设定为：

P(Y_ij = 1 | X_j) = exp(V_ij) / Σ_{k=1}^{J} exp(V_ik)

其中 V_ij = β₁·MarketSize_j + β₂·MAR_j + β₃·Jacobs_j + β₄·Wage_j + β₅·LandPrice_j + β₆·Infra_j + ε_ij。Y_ij为指标变量（企业i选择城市j=1）。关键参数β₁衡量市场规模对FDI区位吸引力的半弹性；β₂和β₃的比较揭示两种集聚外部性的相对重要性。为处理零FDI流入城市可能导致的偏误，使用PPML估计替代基准模型，被解释变量为城市-行业-年份层面的新增FDI项目数。

被解释变量：城市-年份层面的FDI项目新增数量（商务部《外商投资企业名录》2010—2025年，按企业注册地址和年份汇总至城市层面）。核心解释变量：（1）市场规模——城市GDP和人均社会消费品零售总额的复合指数；（2）MAR外部性——同一2位码行业内企业数量的城市区位商；（3）Jacobs外部性——城市内不同2位码产业的熵指数（Entropy Index）。控制变量：最低工资（市级人社局公告）、工业用地出让均价（自然资源部）、高速公路密度（交通运输部）。样本区间：2010—2025年，覆盖282个地级以上城市。

• **替换集聚测度**：以Duranton-Overman（2005）核密度方法替代区位商重新计算MAR和Jacobs外部性指数，检验集聚效应的测度敏感性。
• **工具变量回归**：以1995年工业普查数据构造的城市历史产业构成与全国产业增长率交互的Bartik式预测值作为当期集聚度的工具变量，缓解反向因果导致的内生性偏误。
• **子样本分析**：剔除北上广深四个一线城市重新估计，检验结论是否被超大城市样本驱动——因为这些城市的FDI存量和集聚度均处于极端值。
• **替代估计方法**：以混合Logit替代条件Logit，放松IIA假定，检验估计结果对模型设定的敏感性。

全球供应链"安全化"（securitization）趋势——以美国芯片出口管制、欧盟"去风险"政策为代表——增加了跨国公司在华投资的政治不确定性。根据政治风险理论（Henisz, 2000），跨国公司的投资决策不仅取决于东道国当前的制度环境，更取决于其对未来政策变动的预期。领导人峰会作为高层政策信号（Spence, 1973），通过公开承诺"开放合作""产业链供应链稳定"，可以降低信息不对称，缓解跨国公司的感知风险。然而，信号的有效性取决于承诺的可信度——若跨国公司认为"开放承诺"与"产业安全"之间存在政策张力，信号效应可能被削弱。

据此提出以下假说：
- H1：跨国公司领导人青岛峰会召开后，参会跨国公司对华新增投资在随后两个季度内显著增长，且增幅高于同期未参会跨国公司。
- H2：峰会致辞中的"开放承诺"词汇密度每增加1个标准差，跨国公司对华投资的政治风险溢价（以股价隐含波动率衡量）下降约10—15个基点。
- H3：在地缘政治紧张事件（如美国对华出口管制升级）后召开峰会，其信号效应比平静期增强约50%，即峰会具有"风险缓冲器"功能。

核心识别挑战是内生性——峰会的召开本身可能被跨国公司投资意愿所影响（政府在经济下行期更可能召开峰会）。采用三重策略：（1）利用峰会召开日期的外生性——峰会日期通常提前数月设定，与当期投资波动无关；（2）事件研究法以峰会召开日为事件日，检验跨国公司股价的短期异常收益，短期窗口排除了其他混杂政策干扰；（3）以地缘政治冲击（GDELT数据库中美国对华技术管制事件计数）作为外生调节变量，检验峰会在不同外部风险环境下信号效应的非对称性。关键识别假定：峰会召开前不存在系统性信息泄露；短期事件窗口内无其他重大政策发布。

基准面板回归模型设定为：

FDI_it = α + β₁·PostSummit_t + β₂·DiscourseOpenness_t + β₃·GeoRisk_t + β₄·(PostSummit_t × GeoRisk_t) + γ·X_it + μ_i + λ_t + ε_it

其中FDI_it为跨国公司i在t季度对华投资额（对数）。PostSummit_t为峰会召开后两季度的指示变量。DiscourseOpenness_t为峰会致辞中"开放合作"主题词汇占比（由STM主题模型估计）。GeoRisk_t为GDELT数据库中美国对华技术出口管制事件数的对数。核心参数β₄衡量地缘政治风险对峰会信号效应的调节效应——预期β₄ > 0（风险越高，峰会的安抚效应越强）。μ_i为企业固定效应，λ_t为季度固定效应。

被解释变量：跨国公司对华季度投资额（fDi Markets绿地投资数据库 + Orbis并购数据库，2015Q1—2026Q1面板）。核心解释变量：（1）峰会信号强度——基于历届青岛峰会及其他在华MNC领导人峰会致辞全文，使用结构主题模型（STM）无监督学习识别"开放承诺""产业合作""风险化解"等主题，以各主题词汇占比作为信号强度度量；（2）地缘政治风险——GDELT数据库中以中国为目标国、以美国为发起国的"技术管制""经济制裁"类事件月度计数，取季度平均。控制变量：跨国公司母公司市值（对数）、行业固定效应、中国季度GDP增速、人民币兑美元汇率。

• **替换信号测度**：以BERT预训练语言模型替代STM主题模型重新编码致辞文本的"开放承诺"得分，检验结果对文本量化方法是否敏感。
• **安慰剂检验**：将峰会时间前移4个季度作为虚假事件日重新进行事件研究，验证峰会前的投资变动不能归因于虚假事件——若安慰剂检验不显著，则信号效应可信。
• **排除特定国家样本**：分别剔除美国、欧盟、日本母公司样本重新回归，检验结论是否被某一来源国的政治关系特征所驱动。
• **替代被解释变量**：以跨国公司中国子公司雇员数量的变化替代FDI金额，检验投资调整反映的是真实经营扩张还是财务再配置。

根据交易成本经济学（Williamson, 1985），跨国公司选择独资还是合资取决于两类治理成本的权衡：独资模式面临更高的信息成本和制度适应成本，但避免了合资伙伴的机会主义行为；合资模式利用本地伙伴的关系网络降低制度壁垒，但面临利润分成和技术泄露风险。外商投资负面清单本质上是一组行业层面的"制度壁垒"——限制或禁止外商独资的行业清单。当负面清单缩减（特定行业从"合资限制"降级为"完全开放"），跨国公司在该行业以独资模式进入的制度成本下降，内化交易（独资）的边际收益超过外化交易（合资）。

据此提出以下假说：
- H1：某行业从负面清单中移除后，跨国公司在当年及随后两年内以独资模式进入的概率提升20—30个百分点。
- H2：制度壁垒降低对独资模式的促进效应在技术密集型行业中更强——因为技术泄露风险增加了合资模式的机会成本，壁垒一旦降低，企业更强地倾向独资。
- H3：负面清单缩减后，跨国公司中国子公司的利润留存率提升（因不再需要向合资伙伴分配利润），以内部留存收益增长率作为代理变量。

本文采用多期DID设计，利用外商投资负面清单在不同行业、不同年份的差异化缩减作为准自然实验。核心识别变异来自：负面清单的修订由国家发改委和商务部联合发布，具有自上而下的政策外生性——跨国公司无法预期也无法影响特定行业何时被移除清单。使用Callaway & Sant'Anna（2021）的多期DID估计量，以"从未处理"行业作为对照组，解决双向固定效应估计量在多期处理下的负权重问题。关键识别假定：（1）处理组行业与对照组行业在负面清单缩减前进入模式趋势平行；（2）负面清单缩减不存在行业层面的预期效应（anticipation effects）。以事件研究法图示检验平行趋势。

基准事件研究回归方程为：

EntryMode_ijt = α + Σ_{k=-4}^{4} β_k · D_{jt}^k + γ·X_ijt + μ_j + λ_t + ε_ijt

其中EntryMode_ijt为企业i在行业j年份t的进入模式（独资=1，合资=0）。D_{jt}^k为相对负面清单缩减时点的指示变量（k为相对于缩减年份的期数，k=-1为基准组）。β_k的估计值在k<0期间应不显著异于零（平行趋势），在k≥0期间应显著为正且递增。X_ijt为企业-行业-年份控制变量：母公司规模、东道国市场经验（以在华已存续年数度量）、来源国制度距离。μ_j为行业固定效应，λ_t为年份固定效应。

被解释变量：（1）进入模式二值变量——外资企业注册时的外方持股比例是否≥95%（独资）；（2）连续股权比例——外方持股比在0—100%间的连续取值，以捕捉制度壁垒的边际效应。核心解释变量：负面清单缩减指示变量——基于历次负面清单修订文本（2013、2014、2015、2017、2018、2019、2020、2021、2024年版），编码每个4位码行业在每一年是否属于"禁止/限制外资进入"类别，构建行业-年份制度壁垒面板。控制变量：母公司资产规模（Orbis数据库）、来源国与中国的制度距离（世界银行全球治理指标WGI差值绝对值）。样本区间：2010—2025年，覆盖制造业和服务业共约80个2位码行业。

• **Bacon-Decomp分解**：计算Goodman-Bacon分解统计量，检验多期DID估计量是否被"先处理组 vs. 后处理组"的不当比较所驱动——若存在显著负权重，改用堆叠DID（stacked DID）方法。
• **替换对照组定义**：以"始终未缩减"行业替代"尚未缩减"行业作为对照组，排除处理时点差异对估计的干扰。
• **排除同期政策干扰**：控制自贸试验区虚拟变量和行业层面外资股比限制的其他调整（如金融业开放），将负面清单效应从同期其他制度变革中分离出来。
• **子样本行业异质性**：分别对制造业和服务业进行子样本回归，检验制度自由化的效应是否在不同行业间存在结构性差异。

跨国公司进入对本地劳动力市场的影响存在两条竞争性机制。一方面，技能偏向型技术变革（SBTC）理论预测，跨国公司携带更先进的生产技术和更资本密集型的生产方式进入东道国，对高技能劳动力的相对需求上升，从而扩大技能溢价。另一方面，FDI也可能通过扩大本地生产规模带动低技能工人就业扩张，缩小技能溢价。劳动力市场的搜寻匹配模型进一步预测，跨国公司的工资溢价（高于市场出清水平）会引发劳动者从内资企业向外资本企业的重新配置，影响整体工资分布。根据韩正副主席的致辞，跨国公司被期望"提供优质的商品和服务""深化在华产业合作""充分利用中国创新资源"——这些诉求暗示FDI将强化对高技能劳动的引致需求。

据此提出以下假说：
- H1：跨国公司进入强度（以外资企业就业份额度量）每提高1个百分点，制造业高技能-低技能工人工资比上升0.8%—1.5%。
- H2：外资企业的工资溢价主要集中于高技能岗位（技能溢价效应），而低技能岗位的工资溢价较小甚至不显著。
- H3：跨国公司对本地同行业内资企业的工资溢出效应（spillover）随内资企业的技术吸收能力强弱而呈正向梯度。

内生性挑战来自三方面：（1）跨国公司并非随机选择进入地点——可能偏好工资水平本身较高的地区（反向因果）；（2）高技能工人可能自选择进入外资企业（样本选择）；（3）外资进入的时间和行业选择与不可观测的地区-行业特征相关（遗漏变量）。本文采用Bartik工具变量（Bartik, 1991）：以跨国公司来源国GDP增长率和双边汇率变化与基期中国各城市外资存量份额的交互项作为当期FDI流入的工具变量。来源国经济波动外生于中国本地劳动力市场条件，满足排他性约束。同时，使用Heckman两步法校正工人自选择进入外资企业的偏误。

基准两阶段回归设定为：

第一阶段：FDI_share_jt = π₁·BartikIV_jt + π₂·X_jt + μ_j + λ_t + υ_jt

第二阶段：ln(Wage_ijt) = β₁·FDI_share_jt + β₂·Skill_i + β₃·(FDI_share_jt × Skill_i) + γ·Z_ijt + μ_j + λ_t + ε_ijt

其中FDI_share_jt为城市j年份t的外资企业就业份额。Skill_i为工人i的技能水平（按受教育年限和职业类别划分）。核心参数β₃衡量FDI对技能溢价的边际效应——预期β₃ > 0。Z_ijt为个体层面控制变量（年龄、性别、婚姻状况、户籍类型）。μ_j为城市固定效应，λ_t为年份固定效应。标准误在行业层面聚类。

被解释变量：个体小时工资（对数）——CFPS成人问卷自报月工资和月工作小时数计算得出，取10%和90%分位数截尾。核心解释变量：（1）城市-行业层面FDI就业份额——中国工业企业数据库中港澳台及外资企业年末从业人数占该城市-行业从业总人数的比重；（2）个体技能水平——CFPS中受教育年限（连续变量）和基于ISCO-08编码的职业技能等级（高/中/低三类）。工具变量BartikIV_jt = Σ_s(基期外资存量份额_{js, 2004} × 来源国s在t年的GDP增速)。控制变量：个体人口特征、企业规模（对数从业人数）、企业年龄。样本区间：2004—2025年，非平衡面板，覆盖约150个地级以上城市。

• **替换工具变量构造**：以来源国股票市场指数收益率替代GDP增速重新构造Bartik工具变量，检验工具变量的排他性是否对来源国的经济变量选择敏感。
• **替换技能测度方式**：以职业类别（管理人员 vs. 一线工人 vs. 技术人员）替代受教育年限作为技能的代理变量，检验技能溢价的度量方式是否影响结论。
• **替代工资测度**：以企业层面人均薪酬（应付职工薪酬/从业人数）替代个体层面小时工资，在宏观维度验证外资工资溢价的存在性和规模。
• **Heckman vs. 面板固定效应**：比较Heckman两步法校正和面板固定效应模型对自选择偏误的处理效果——若两者结果接近，则自选择偏误有限；若差异较大，则优先报告Heckman校正结果。

发展经济学中的技术追赶理论（Gerschenkron, 1962）指出，发展中国家可以通过引进外国先进技术实现"蛙跳式"赶超，但这一后发优势的实现以本国具备足够的"社会能力"为前提（Abramovitz, 1986）。吸收能力假说（Cohen & Levinthal, 1989）进一步阐明，本地企业能否有效吸收外资带来的技术溢出，取决于其自身R&D投资和人力资本积累水平——R&D不仅产生创新，更构建了识别、消化和利用外部知识的能力。韩正副主席在峰会上提出"希望跨国公司充分利用中国创新资源，携手打造更具韧性的创新生态"，这一表述隐含的假设正是中国已具备一定水平的吸收能力，可以承接并转化跨国公司的技术溢出。

据此提出以下假说：
- H1：FDI对制造业全要素生产率（TFP）增长的影响存在双重门槛——当本地R&D投入强度低于第一门槛时，FDI的技术溢出效应不显著甚至为负（竞争挤出效应）；跨越第二门槛后，每单位FDI对TFP的边际贡献显著提升。
- H2：人力资本水平的门槛值决定FDI是促进"工艺升级"（过程创新）还是"产品升级"（产品创新）——前者所需吸收能力门槛较低，后者较高。
- H3：市场导向型FDI（以中国市场为销售目的地）的技术溢出效应强于出口导向型FDI（以中国为加工出口基地）——因为服务于本地市场的跨国公司更倾向于进行技术本地化适配。

核心识别挑战是FDI与产业升级之间的双向因果关系——产业升级快的地区可能吸引更多FDI流入（反向因果）。本文采用三重策略应对：（1）使用面板门槛回归（Hansen, 1999）将FDI的技术溢出效应建模为吸收能力的非线性函数，门槛模型本身将样本按吸收能力水平分层，缓解了线性回归中全样本混合估计的偏误；（2）使用系统GMM估计，以因变量和内生变量的滞后值作为内部工具变量，控制反向因果和遗漏变量；（3）以各省份距离海岸线的距离与全国FDI增长率的交互项作为FDI的Bartik工具变量——地理距离外生于当期产业升级，满足排他性约束。关键识别假定：门槛变量（R&D强度、人力资本）在样本期内不存在度量系统性偏差。

Hansen（1999）面板门槛回归模型设定为：

TFP_it = α + β₁·FDI_it · I(Threshold_it ≤ γ₁) + β₂·FDI_it · I(γ₁ < Threshold_it ≤ γ₂) + β₃·FDI_it · I(Threshold_it > γ₂) + δ·X_it + μ_i + ε_it

其中TFP_it为省份i年份t的制造业全要素生产率（LP方法测算）。I(·)为指示函数。Threshold_it为门槛变量——可分别设定为R&D投入强度（R&D支出/GDP）、人力资本（人均受教育年限）或制度质量（市场化指数）。γ₁和γ₂为待估计的门槛值，通过网格搜索最小化残差平方和确定。F临界值检验（Bootstrap重复500次）判断门槛效应是否统计显著。β₁、β₂、β₃分别衡量低吸收能力区制、中等区制和高区制下FDI对TFP的边际效应——若存在吸收能力门槛，应观测到β₁不显著、β₂边际显著、β₃显著为正的梯度模式。X_it为控制变量：物质资本投资率、出口依存度、基础设施水平。

被解释变量：制造业全要素生产率TFP——使用Levinsohn-Petrin（2003）方法以中间投入作为不可观测生产率冲击的代理变量，基于中国工业企业数据库企业层面生产函数估算后取省份中位数。核心解释变量：（1）FDI开放度——实际利用外资额（经CPI平减）占GDP比重；（2）门槛变量：R&D投入强度（规模以上工业企业R&D经费内部支出/主营业务收入）、人力资本（6岁及以上人口平均受教育年限，CHLR中国人力资本指数）、制度质量（国民经济研究所市场化指数分省得分）。控制变量：固定资本形成占GDP比重、高速公路密度、外贸依存度。样本区间：2000—2025年，省级年度面板，31个省份。

• **替换TFP测算方法**：分别以Olley-Pakes（1996）、Ackerberg-Caves-Frazer（2015）方法替代LP方法测算TFP，检验门槛回归结论对不同生产率估计方法的敏感性。
• **替换门槛变量**：以专利授权密度（每万人发明专利授权数）替代R&D投入强度作为吸收能力的代理变量，检验吸收能力这一概念在操作化层面的稳健性。
• **排除极端样本**：依次剔除直辖市、西部省份样本后重新估计门槛模型，检验结论是否被特定区域的极端值驱动。
• **时间子样本检验**：以2010年为界（中国跨越"刘易斯拐点"、人口红利消退的转折点），分两段样本分别进行门槛回归，检验FDI-产业升级关系是否因发展阶段不同而存在结构性变化。