【视频】李强出席2026年夏季达沃斯论坛开幕式并致辞

在Aghion-Howitt熊彼特增长模型框架中引入"市场规模-创新"的交互机制：大市场通过分摊研发固定成本降低创新门槛，但市场规模本身并不自动转化为创新红利，需要跨越人力资本积累和制度质量的双重门槛。提出三个假说：H1（红利叠加假说）——当一国人均GDP超过中等收入门槛后，市场规模的TFP增长效应递减，而R&D投入的TFP增长效应递增，增长动力从规模驱动转向创新驱动。H2（规模化应用渠道）——超大规模市场通过降低新技术从实验室到市场的"达尔文之海"跨越成本，加速通用技术（如AI）在各行业的扩散应用，形成有别于前沿创新的"应用型TFP增长"。H3（门槛条件假说）——市场红利向创新红利的成功转换必须以基础研究投入占比超过GDP的0.6%和STEM毕业生占比超过总就业的8%为前提条件。

增长动力转换的识别面临两大挑战：其一，TFP增长中市场规模效应与技术创新效应难以分离；其二，跨国比较中的遗漏变量偏误（制度、文化等不可观测因素）。采用双重策略：（1）在行业层面，利用中国不同行业在市场规模敏感度和技术密集度上的差异，构建行业-年份面板的交互固定效应模型，以行业初始技术密集度为分类变量，识别两类效应在不同行业组中的相对重要性变化趋势；（2）在跨国层面，以1970年代石油危机和2008年全球金融危机作为外生的"增长压力冲击"——外部负向需求冲击加速了各国增长动力转换压力，但不同国家因初始要素禀赋差异而呈现异质性响应，以此构造准自然实验。

建立如下增长核算与计量模型：TFPGrowth_{it} = α + β₁R&DIntensity_{it} + β₂MarketSize_{it} + β₃(R&DIntensity_{it} × IncomeLevel_{it}) + β₄(R&DIntensity_{it} × STEMShare_{it}) + γ'X_{it} + μ_i + λ_t + ε_{it}。其中i为行业（或国家），t为年份；被解释变量为TFP增长率（以增长核算法测算）；R&DIntensity为研发经费占增加值比重；MarketSize以行业国内销售额衡量；IncomeLevel为人均GDP的对数；STEMShare为理工农医毕业生占就业人口比重；交互项β₃检验是否随收入水平提高R&D效应增强（动力转换），β₄检验人力资本门槛效应。模型采用系统GMM估计处理滞后被解释变量内生性，以滞后二阶以上变量为工具变量。

核心被解释变量TFP增长率采用两种方法测算并交叉验证：（1）以增长核算法从增加值增长中扣除资本和劳动贡献后的Solow残差；（2）以Olley-Pakes半参数方法在企业层面估计生产函数后加总为行业TFP。核心解释变量"市场红利强度"以行业国内最终需求规模（投入产出表测算）衡量，"创新红利强度"以行业R&D资本存量（永续盘存法，折旧率15%）衡量。跨国数据：Penn World Table 10.1覆盖1950—2025年183个国家，中国分行业数据来自国家统计局投入产出表（1987—2025）和R&D资源清查数据。门槛变量STEM毕业生占比以UNESCO教育统计年鉴与教育部数据为依据。

(1) 替换TFP测算方法：使用Wooldridge (2009) 的GMM生产函数估计替代OP方法，重新计算行业TFP并重跑模型；(2) 剔除"异常创新"行业：剔除计算机与电子通信行业后检验结论是否由少数超高研发行业驱动；(3) 更改增长动力转换的结构断点识别方法：使用Bai-Perron多重结构断点检验替代交互项设定，识别TFP增长中R&D效应系数发生结构变化的年份；(4) 安慰剂检验：将R&D效应系数发生变化的假定年份提前或推后5年，验证仅在实际转换时点附近系数变化才具有统计显著性；(5) 排除"国际化红利"竞争性假说：控制FDI流入强度、贸易开放度、知识产权进口额，排除市场红利和创新红利实际由国际技术溢出驱动而非内生于国内市场规模的解释。

---

在North制度变迁理论基础上构建分析框架：创新活动因其高度的资产专用性、不确定性和信息不对称，是典型的"交易成本密集型"活动。产学研合作中存在大学-企业之间的成果定价困难（测度成本高）、技术秘密保护的信任问题（监督成本高）、合作剩余分配的不完全契约问题（执行成本高）。因此，知识产权法院、技术合同仲裁机制、风险投资退出渠道等"创新制度基础设施"的完善程度直接决定了创新集群中合作发生的频率和质量。提出三个假说：H1（IP保护假说）——在知识产权司法保护强度更高的城市，企业间和产学研之间的研发合作密度更高，合作专利产出占比更大。H2（契约效率假说）——合同执行效率（以知识产权案件平均审理周期衡量）与产业集群内技术许可和技术转让交易规模正相关。H3（风险分担假说）——政府引导基金和科技保险等制度安排通过降低创新失败的个人成本，显著提升早期技术创业的进入率。

制度与创新之间的内生性是核心挑战：创新活跃地区更可能推动制度建设。为此利用两个外生制度冲击：（1）2014—2020年间分三批设立的32个知识产权法庭（院）——其选址标准为案件量负担和地理均衡性，与当地当期创新水平不完全内生，采用多期DID（staggered DID）设计；（2）各城市获批"国家自主创新示范区"的年份——获批时间由省级政府申报节奏和国务院审批周期决定，对企业个体创新行为具有准外生性。对staggered DID采用Sun & Abraham (2021) 和Callaway & Sant'Anna (2021) 方法处理处理效应的异质性偏误。

采用如下渐进DID模型：Innovation_{ct} = α + β₁IPCourt_{ct} + β₂InnovZone_{ct} + γ'X_{ct} + μ_c + λ_t + ε_{ct}。其中c为城市，t为年份。Innovation依次取发明专利申请数（对数）、产学研联合专利申请数占比、技术市场合同成交额（对数）；IPCourt为城市设立知识产权法庭后的虚拟变量；InnovZone为国家自主创新示范区虚拟变量；控制变量X包括城市R&D支出占GDP比重、高校在校生数、FDI占GDP比重、第二产业占比和市场化指数。标准误聚类到城市层面。同时采用Goodman-Bacon分解检验处理效应异质性，确保双向固定效应估计量的一致性。

核心解释变量"制度基础设施"从三个维度构建综合指标：（1）知识产权保护强度——以知识产权一审案件胜诉率×案件审理周期倒数×法定赔偿支持率（判赔金额/诉请金额）三者标准化后的加权平均衡量；（2）产学研契约效率——以大学和科研院所技术转让合同纠纷率（纠纷数/合同数）的倒数衡量；（3）创新风险分担制度——以政府引导基金实缴规模占城市GDP比重和科技保险保费收入衡量。数据来源：北大法宝司法案例数据库（2010—2025年地级市知识产权案件）、科技部技术市场统计年报、清科私募通政府引导基金数据库。城市层面，以高新技术企业数据库中的联合专利申请识别产学研合作。

(1) 平行趋势检验：绘制知识产权法庭设立前后各城市的发明专利增长率动态图，验证处理组与控制组在设立前趋势一致（Sun-Abraham事件研究估计量）；(2) 替换制度冲击变量：以各省份人大常委会通过《专利保护条例》修订版的时间作为替代性制度冲击，重复DID分析；(3) Goodman-Bacon分解：将多期DID估计量分解为不同处理组-对照组组合的2×2 DID估计量，检验是否存在"坏比较"（已处理组作为对照组的情况）导致的估计偏误；(4) 空间溢出检验：以邻接城市是否设立知识产权法庭作为空间交互项，检验制度改善是否存在空间溢出（创新活动从制度落后城市向制度先进城市转移）；（5）剔除直辖市与省会城市样本，检验结论是否由行政级别较高城市驱动。

---

在Mundell-Fleming-Dornbusch开放宏观模型框架下，单边降低进口关税在浮动汇率制下将导致进口增加→贸易收支恶化→本币贬值→出口回升，最终净效应取决于进出口价格弹性和汇率传递率。但中国的制度特征改变了标准预测：人民币汇率管理浮动使汇率传导渠道受限，进口扩张更直接地转化为国内可支配消费品的增加。由此提出三个假说：H1（消费扩张假说）——消费品进口关税削减通过降低国内消费品价格、增加品种多样性，提高了实际可支配收入和消费者选择空间，净效应为总消费增加而非挤出，消费乘数大于1。H2（投资结构效应）——资本品和中间品进口关税下降通过降低企业设备投资成本和技术引进门槛，显著提升了制造业设备投资和研发型投资占比，贸易逆差中的"投资品进口"成分对供给侧具有正向外溢。H3（经常账户调整假说）——进口扩张在短期内扩大经常账户顺差的收窄幅度，但在2—3年后通过投资品进口提升的生产率改善出口竞争力，经常账户恢复自我再平衡。

进口与国内宏观变量之间的双向因果是最核心的识别挑战。解决策略为利用中国零关税政策的"分步实施"特征构造工具变量：中国对不同国家和不同产品逐步实施零关税（从最不发达国家开始，逐步扩展至63国），这一政策推进节奏由中国外交战略和自贸区谈判进程决定，独立于中国当期的宏观需求波动。以"某国-某产品对是否已纳入中国零关税安排"作为该产品进口量的工具变量，该变量影响进口量但不通过除进口渠道之外的路径直接影响国内消费和投资。同时，利用Bartik方法构造"预测进口冲击"：以初始期进口结构为权重，对贸易伙伴国的出口供给能力增长进行加权——贸易伙伴国供给能力（如产能扩张、技术突破）构成了中国进口的外生"推力"因素。

采用工具变量-局部投影法（IV-LP）估计进口冲击的动态脉冲响应：y_{t+h} - y_{t-1} = α_h + β_h Shock_t + γ'X_t + ε_{t+h}，其中h = 0, 1, ..., 12个季度为脉冲响应期；y依次为实际消费支出增长率、固定资产投资增长率、经常账户余额/GDP比率；Shock_t为进口价格冲击，以零关税政策覆盖率变化×贸易伙伴国出口供给增长率的交互项为工具变量在第一阶段预测；X_t为控制变量（GDP增长率、CPI通胀、M2增长率、全球需求指数）。相比之下传统SVAR需要施加短期零约束以实现恰好识别，IV-LP方法通过工具变量排他性实现识别，避免了Cholesky分解的排序敏感性。

核心冲击变量"进口价格冲击"的构造分三步：（1）计算每月每个HS-6位码产品从63个零关税伙伴国的进口渗透率变化；（2）以本国进口价格指数对进口渗透率回归得到进口价格对零关税的弹性；（3）将该弹性乘以月度零关税覆盖广度的变化率，得到外生进口价格冲击序列。被解释变量包括：社会消费品零售总额实际增速（月度）、固定资产投资完成额实际增速（月度）、社会融资规模增量（月度）、经常账户余额（季度）。控制变量包括工业增加值增速、CPI通胀率、M2增速、人民币名义有效汇率、全球PMI。数据跨度为2015年1月至2026年6月的月度/季度频率。

(1) 更换冲击识别策略：使用符号约束的SVAR替代IV-LP——对进口价格冲击施加"进口量增加、进口价格下降"的符号约束，对国内需求冲击施加"进口量和国内价格同时上升"的符号约束，以此分离外生进口冲击；(2) 排除供应链转移效应：控制中美贸易摩擦期间从中国转移至越南、墨西哥的订单量（以美国从上述国家的进口份额变化衡量），排除进口扩张部分源于转口贸易而非真实最终需求变化的可能性；(3) 样本压缩：排除2020—2022年新冠疫情年份，检验结论对极端事件干扰的稳健性；(4) 替换工具变量：以中国与贸易伙伴国是否签订FTA升级版（在零关税基础上增加服务贸易开放）作为补充工具变量进行过度识别检验；(5) 反事实模拟：假设零关税政策未实施，基于控制组国家-产品的进口趋势外推预测中国进口路径，与事实路径对比计算政策贡献度。

---

Lucas (1988) 指出人力资本外部性——个体教育不仅提高自身生产率，还通过知识溢出提高周围人生产率——是长期增长的引擎。在中国的制度情境下，STEM人力资本影响创新的机制可能不同于发达国家：一方面，大规模STEM毕业生供给降低了企业研发活动的劳动力成本，使创新活动的"有效工资"下降；另一方面，如果制度环境（知识产权保护、职业流动性、创业友好性）不完善，STEM人才可能被配置到低创新性的模仿型岗位，产生"高学历-低创新"的匹配失效。提出三个假说：H1（人力资本创新效应）——一个城市STEM毕业生占就业人口比重每提高1个百分点，城市人均发明专利授权量提高0.3%—0.8%，该效应在对人力资本制度环境更好的城市更强。H2（技能错配调节效应）——在知识产权保护弱、国有企业占比高（职业流动性低）的城市，STEM人才供给对创新的转化效率显著降低，"教育-创新"弹性打折。H3（空间溢出效应）——STEM人才的创新贡献不仅限于其所在城市，还通过高铁网络和人口流动向邻近城市产生知识溢出，人才集聚区域形成"创新场"。

核心识别问题：创新需求旺盛的城市既吸引STEM人才流入又产生更多专利，OLS估计存在严重向上偏误。识别策略利用1999年高等教育扩招作为"人才供给冲击"的准自然实验：（1）中国在1999年将高等教育招生规模一年内扩大47%，这一政策由中央政府在亚洲金融危机后为刺激内需和缓解就业压力而决策，与各城市当期的创新需求无关；（2）各省受扩招冲击的强度取决于其1998年的高等教育机构数量——大学多的省份扩招后毕业生增量更大——由此构造"预测STEM人才供给增量"作为工具变量。具体而言：IV_c = STEMGrads_{c,1998}/Pop_{c,1998} × NationalExpansionRate_t，即以各省1998年STEM毕业生占人口比重乘以全国扩招率推算该省各年STEM毕业生预测量。采用4年滞后（本科培养周期），将1999年扩招冲击映射到2003年起的毕业生供给冲击。

建立如下工具变量模型（2SLS）：第一阶段：STEMShare_{ct} = α + θ(ExpansionShock_{c} × Post2003_{t}) + φ'X_{ct} + μ_c + λ_t + ν_{ct}；第二阶段：Innovation_{ct} = α + β STEMShare_{ct} + γ'X_{ct} + μ_c + λ_t + ε_{ct}。其中c为城市，t为年份。STEMShare为STEM毕业生占城市就业人口比重；ExpansionShock为1998年城市大学在校生数/人口数（扩招前基准）；Post2003为2003年以后年份虚拟变量（扩招后首批毕业生进入劳动力市场）；Innovation为城市人均发明专利申请量（对数）；控制变量X包括城市FDI占GDP比重、固定资产投资率、第二产业占比、市场化指数和城市行政级别。标准误聚类到省份层面。一阶段F统计量预期超过Stock-Yogo弱工具变量10%临界值。

被解释变量"区域创新产出"以人均发明专利申请量（数量维度）和专利被引次数（质量维度）双指标衡量。核心解释变量"STEM人才供给"的度量：以教育部《中国教育统计年鉴》每年各省各学科本专科及研究生毕业生数据加总理工农医四类毕业生数，除以各省就业人口，同时考虑跨省就业流动——以百度迁徙大数据和人口普查"五年前常住地"信息校正毕业生省际流动矩阵。中介变量"技能匹配质量"以CFPS追踪调查中个体"学历-岗位匹配度"信息的省份均值衡量：受教育程度超过岗位要求的个体占比为"过度教育率"，低于岗位要求为"教育不足率"。数据跨度2000—2025年，覆盖除西藏外的30个省份及约285个地级市。

(1) 替换工具变量构造方式：以1995年高校在校生数（扩招前更早的基准年份）替代1998年基准计算扩招冲击，检验工具变量构造对基准年份选择的敏感性；(2) 缩减样本：仅保留非省会城市样本，排除直辖市和省会城市因优质高等教育资源集中而可能造成的估计偏误；(3) 排除"千禧年效应"：在模型中控制1960—1990年人口出生队列效应——扩招一代与上几代人在人口规模上的差异可能通过其他渠道（住房需求、基础设施）影响城市经济——以排除人口结构而非人力资本驱动的替代解释；(4) 反事实检验：假设扩招冲击仅影响非STEM学科毕业生（以文科扩招规模构造"伪STEM冲击"），检验该伪冲击是否也有显著创新效应——如果文科扩招冲击的估计系数不显著而STEM冲击显著，则强化了识别策略的排他性；(5) 替换被解释变量：以高新技术企业新增数量和科创板上市公司数量替代专利数量作为创新产出的替代度量。

---

Shiller的叙事经济学认为，像病毒一样传播的流行叙事能够显著改变个体的经济信念和行为决策。在中国情境下，总理在达沃斯论坛等国际场合发表的创新叙事（"中国机遇2.0"、"规模化创新"、"创新红利"）通过官方媒体和社交网络的放大传播，构成了一种特殊的"信心叙事冲击"。前景理论预测，在创新投资这类高不确定性决策中，企业家的风险偏好受到"参考点"的影响：如果叙事将全球创新竞争框定为"不进则退"的损失框架，企业家将表现出风险追求（损失厌恶的镜像效应）；如果叙事强调"中国创新生态日益完善"的收益框架，反而可能降低紧迫感。提出三个假说：H1（叙事效应假说）——在达沃斯论坛等重大创新叙事发布后的1—3个月内，A股上市公司研发支出预算调整幅度显著高于其他月份，企业家调研中的创新信心指数出现正向跳跃。H2（框架效应调节假说）——叙事中以"不进则退""紧迫感"等损失框架表述为主的年份，创新投资增速高于以"成绩斐然""前景光明"等收益框架为主的年份，前景理论的价值函数不对称性在宏观叙事层面有所体现。H3（锚定从众效应）——行业龙头企业在叙事发布后率先宣布加大研发投入，形成"创新锚定"信号，中小企业在3—6个月的滞后期内出现跟随性创新投资增加，呈现出创新决策中的信息级联特征。

叙事影响创新投资的识别面临叙事内生性（好经济形势引发积极叙事）和预期自我实现（叙事带来的乐观预期通过消费者需求变化间接影响创新投资）的双重挑战。识别策略：（1）利用达沃斯论坛每年在固定时间（6月底）举行的制度特征——论坛召开日期由中国与世界经济论坛协商确定，独立于当月中国经济数据的短期波动，构成准外生时点；（2）利用"叙事强度"的年度差异——在外部环境更严峻、经济下行压力更大的年份，总理致辞中的创新叙事反而更加有力（"逆势创新叙事"），这一反周期特征使叙事强度与中国当期GDP增速负相关，有助于分离叙事的外生成分；（3）构建高频面板——以月度甚至周度为频率，比较达沃斯论坛开幕前后上市公司的研发支出公告数量和分析师"创新"主题研报数量的变化，利用高频特征排除缓慢变化的宏观经济因素的干扰。

采用事件研究法结合三重差分模型（DDD）：R&DChange_{it} = α + β₁PostDavos_{t} × HighNarrative_{y} × HighAttention_{i} + β₂PostDavos_{t} × HighNarrative_{y} + β₃PostDavos_{t} × HighAttention_{i} + β₄HighNarrative_{y} × HighAttention_{i} + γ'X_{it} + μ_i + λ_t + ε_{it}。其中i为企业，t为季度；PostDavos为每年6月达沃斯论坛后的3个季度的虚拟变量；HighNarrative为叙事强度年虚拟变量（以总理致辞中"创新""机遇"等关键词频次的中位数为界分为高叙事年份和低叙事年份）；HighAttention为企业对叙事的高关注度虚拟变量（以企业总部所在地的"达沃斯"百度指数排名前50%或企业是否曾被领导人视察/提及为标准）；三重交互项系数β₁捕捉高叙事年份中高关注度企业在论坛后的创新投资增量。控制变量包括企业规模、年龄、行业竞争度、杠杆率、托宾Q。

核心解释变量"创新叙事强度"的构造分三步：（1）收集2015—2026年总理在达沃斯论坛、博鳌论坛、进博会等重大国际场合的演讲全文，形成叙事语料库；（2）采用预训练BERT模型对每篇演讲逐句进行"叙事维度"标注——收益框架/损失框架、确定性/不确定性、竞争/合作——计算每年的多维度叙事指数；（3）同时以百度指数和微信指数中"中国机遇2.0""创新红利""达沃斯"等关键词的年度平均搜索量作为叙事传播广度的补充度量。被解释变量"创新投资"以季度R&D支出/营业收入比率变化、研发人员季度净增数和新立项研发项目数衡量。企业关注度以总部城市百度指数和企查查中企业被官方媒体报道提及频次综合衡量。数据来源为CSMAR、Wind和CNRDS中国研究数据服务平台。

(1) 替换叙事冲击时点：以全国两会政府工作报告发布日期（每年3月初）作为替代性叙事冲击时点——政府工作报告同样包含年度经济目标与创新政策表述，但发布时间固定于3月、与达沃斯论坛形成季节性对照，检验叙事效应是否仅为"年初计划效应"；(2) 排除行业政策混淆：在模型中加入行业-年份固定效应，控制同期产业政策（如新能源汽车补贴退坡、半导体大基金投资节奏）对企业创新投资的直接影响；(3) 随机置换叙事年份标签：将高/低叙事年份的标签在时间序列上随机置换500次进行安慰剂检验，观察真实标签下的三重交互系数是否位于随机分布的上尾；(4) 更换叙事度量方法：使用LDA主题模型提取演讲中的"创新"主题概率替代BERT标注得分，检验结论对文本分析方法的敏感性；(5) 分析样本限制：仅保留制造业企业、或仅保留民营企业，检验叙事效应是否因行业和所有制差异而呈现显著异质性。

---