我国船舶海工装备产业加速提质升级

Lee（2013）的"中等技术陷阱"理论指出，发展中国家在达到全球中端技术前沿后可能停滞——因为高端技术的进入壁垒（专利、品牌、客户关系）比中端技术高一个数量级。中国造船业70%的全球份额表面看是"世界第一"——但若将份额按船型分解：散货船（中国份额~75%）、集装箱船（~65%）、LNG运输船（~25%）、豪华邮轮（~5%），则呈现清晰的"技术梯度"——份额随技术复杂度上升而下降。Hidalgo et al.（2007）的产品空间理论预测，一国的比较优势在"产品空间"中沿关联度最高的产品逐步扩散——中国从散货船→集装箱船→LNG船→邮轮的跃迁速度，取决于各船型之间的技术关联密度。

假说：
- H1：中国造船业全球份额从2015年的35%升至2026年的70%，但约60%的份额增长来自散货船和集装箱船（中低端），LNG船和豪华邮轮仅贡献约10%——存在显著的结构性偏态。
- H2：中国造船业的产品空间密度指数（Proximity）在LNG船领域从2015年的0.25升至2026年的约0.45——正处于从"相关产品"向"主导产品"跃迁的临界点。
- H3：与韩国造船业（2000年代从散货船→LNG船的成功跃迁）相比，中国造船业当前的跃迁速度略慢（因韩国当时的LNG船技术处于全球空白期，而中国面临成熟竞争格局）。

本文采用出口复杂度的时序分解和产品空间跃迁概率方法。以Clarksons全球船舶数据库的订单级数据为基础，计算各船型的PRODY指数（以建造国的人均GDP加权该船型在全球订单中的份额）。分析中国造船业PRODY的时间趋势及其与韩国的差距收窄速度。Shift-Share分解：ΔChina_Share = Σ_i Share_{i,2015} × ΔGlobal_i（全球需求增长效应） + Σ_i ΔShare_i × Global_i,2026（竞争力提升效应） + Σ_i ΔShare_i × ΔGlobal_i（交互项）。产品空间跃迁：计算中国在不同船型之间的"技术邻近度"——若两种船型常在同一船厂建造，则它们共享技术和设计能力，跃迁概率更高。

Shift-Share分解（船型i-年份t）：

ΔChinaShip_i = Σ_i ω_{i0}·ΔGlobal_i + Σ_i Δω_i·Global_{iT} + cross_term

出口复杂度：PRODY_i = Σ_c (Share_{ci}/Σ_c Share_{ci})·GDPpc_c（以建造国人均GDP加权）。中国造船业EXPY = Σ_i (Share_{China,i})·PRODY_i。ΔEXPY分解为船型内升级（within）和船型间转移（between）。

被解释变量：中国在各船型的全球新接订单份额（%）。核心变量：船型技术层级——以LNG运输船 = 5、大型集装箱船 = 4、汽车运输船(PCTC) = 3、散货船 = 2、杂货船 = 1 的主观编码或PRODY连续评分。数据来源：Clarksons Research全球船舶数据库（含船型/船厂/载重吨/价格/交付年份）、中国船舶工业行业协会年报、韩国造船海洋工程协会（KOSHIPA）数据。样本为2000-2026年全球造船订单数据。

• 替换技术复杂度测度：以船型的"合同价格/载重吨"（单位价值作为质量的代理）替代PRODY编码，检验"价格=质量"的代理有效性。
• 替换竞争国对照组：以日本（而非韩国）作为技术赶超的对照组，检验结论对参照系选择的敏感性。
• 产品空间密度测试：以不同关联阈值构建高/低密度产品空间，检验跃迁概率估计对网络构建参数的稳健性。
• 国际专利验证：以中国在LNG船核心专利（MARK III围护系统、再液化装置等）的全球占比替代订单份额，检验技术能力与市场能力的匹配。

---

Baker & Bresnahan（1988）的残余需求弹性方法将单个厂商（或一国）面临的需求弹性分解为行业总需求弹性和其他厂商的供给反应弹性之和——即使一国拥有高份额，若竞争对手（韩国）的供给弹性大，仍无法行使显著的定价权。中国造船业的定价权约束来自两方面：（1）韩国在LNG船和大型集装箱船领域仍是质量的标杆——船东在高端船型上的替代选择有限但关键，约束了中国在这些细分市场的定价权；（2）在散货船上中国面临内卷——国内船厂竞争白热化，削弱了集体定价能力。Khandelwal（2010）的"质量梯度"理论预测，中国在高技术船型上定价权弱于韩国（质量劣势压倒成本优势），但在中技术船型上定价权最强。

假说：
- H1：中国造船业整体残余需求弹性约为-2至-3（绝对值），意味着成本上升10%仅能转嫁约5-7%至船价——定价权有限，与70%的份额数字形成反差。
- H2：在大型集装箱船（12000+TEU）领域，中国的定价权最强（残余需求弹性绝对值最小），因为在该细分市场韩国产能已饱和，中国是唯一可快速扩产的供应方。
- H3：中国船厂间的竞争效应（国内内卷）约抵消了30-40%的市场份额带来的集体定价收益——内部竞争约束比外部竞争更严重。

NEIO残余需求弹性两步法：（1）以全球航运市场景气度（BDI波罗的海干散货运价指数、CCFI中国集装箱运价指数）作为行业总需求的外生驱动；（2）以韩国船厂的产能利用率（受其劳动力供给和船坞排期约束）作为竞争对手供给弹性的外生限制；（3）以中国船厂新船坞投产时间（外生于当前船价——造船周期3-4年，投产决定在3年前做出）作为中国供给侧的识别变量。De Loecker-Warzynski（2012）生产函数法补充估计中国船厂层面的markup。

残余需求函数：

ln(P_{it}) = α + β₁·ln(Q_China_{it}) + β₂·ln(BDI_t) + β₃·CapUtil_Korea_{it} + γ·ShipType_FE + λ_t + ε_{it}

其中 P_{it} 为船型 i 的新船合同价格指数，Q_China_{it} 为中国在该船型的年度交船量。β₁ 为中国的（负向）残余需求弹性——其绝对值越小，定价权越强。CapUtil_Korea_{it} 为韩国船厂该船型的产能利用率（%），控制竞争约束。

被解释变量：各船型新船合同价格指数（Clarksons Newbuilding Price Index），以2015年为基期平减。核心解释变量：中国年交船量（百万修正总吨CGT）；韩国船厂产能利用率——（年实际交船量CGT/年理论最大产能CGT）×100%。控制变量：BDI/CCFI运价指数、全球新船订单/全球船队运力的比率（供需比）、美元/人民币汇率。数据来源：Clarksons SIN、中国/韩国主要上市船厂年报（中国船舶、中船防务、现代重工、三星重工等）。样本为2005-2026年年度船型（散货船/集装箱/LNG/油轮）面板。

• 替换市场势力测度：以De Loecker-Warzynski方法的企业层面markup中位数替代NEIO的残余需求弹性，检验两种市场势力指标的一致方向。
• 剔除中国-韩国间"联合定价"疑云：以中日韩三国船厂的集中度（HHI指数）作为竞争强度的替代解释变量。
• 成本冲击工具变量：以中国船用钢板价格（造船最大单项成本，由国内钢铁市场决定，与国际船价外生）作为成本冲击的IV识别。
• 排除2007-2009年全球航运"超级周期"和2020-2022年疫情供应链紊乱期，检验正常周期下的定价权。

---

Acemoglu & Autor（2011）的任务模型预测，技术变革替代执行常规任务的劳动者并增强执行非常规任务的劳动者。在造船业中，散货船的建造是高度标准化的常规任务——焊接、切割、装配、涂装——一个经验焊工和一个新手的差异主要在速度而非精度。但LNG船的MARK III围护系统安装要求亚毫米级的精度和超洁净环境——这不再是常规任务，而是需要专业培训的复杂认知-操作混合任务。这导致造船业出现"技能极化"——高端船型高技能工程师和技师的工资溢价扩大，常规焊工的工资增长停滞甚至被自动化替代。

假说：
- H1：在LNG船/豪华邮轮建造船厂，高技能岗位（船舶设计、系统集成、精密装配）占员工总数的比例从2015年的15%升至2026年的约25-30%，且其工资溢价从1.5倍升至2.0-2.5倍（相对于同厂生产工人）。
- H2：中国造船业面临"老龄化危机"——45岁以上的焊工占总焊工人数的比例超过40%，而25岁以下新入行焊工比例不足15%，技能梯队存在断层。
- H3：国有船厂在技能培训（人均培训支出）上的投入是民营船厂的2-3倍，但在高端人才的吸引上（船舶设计+IT复合人才的招聘成功率）劣于民营船厂——存在"所有制差异的人力资本错配"。

DID + 招聘数据高频追踪：（1）以船厂接获首艘LNG船订单为处理时点，比较处理前后该船厂对高技能岗位的需求增长和工资变化。处理组：2019-2025年间首次接获LNG船/高端船型订单的船厂；对照组：同期仅建造常规船型的船厂。以招聘平台的岗位描述NLP分析提取技能标签（焊接/切割/设计/仿真/系统集成…）和学历要求，构建岗位技能指数的时间序列。工资回归采用扩展Mincer方程 + Oaxaca-Blinder分解技能溢价的构成。

DID（企业-职业-年月面板）：

ln(Wage_{ijt}) = α + β·LNG_Order_{jt} × HighSkill_i + γ·X_{ijt} + μ_j + λ_t + ε_{ijt}

其中 Wage_{ijt} 为船厂 j 中职业 i 在时间 t 的月薪中位数（来自招聘平台）；LNG_Order_{jt} = 1（船厂 j 已接获LNG船订单后时期）；HighSkill_i = 1（高技能职业——设计/集成/精密装配类别）。β 捕捉船型升级对高技能岗位工资溢价的因果效应。三重差分加入船厂所有制（国有/民营）和员工年龄段。

被解释变量：职业-船厂-月度薪资中位数（对数化）。核心解释变量：LNG_Order × HighSkill × Post。技能分类：以O*NET中国化映射 + 招聘描述NLP聚类将造船职业分为高技能（船舶设计、集成系统、精密焊接/低温装配）、中技能（常规焊接、机械加工、电气安装）、低技能（打磨、清洁、搬运）。数据来源：BOSS直聘/前程无忧船舶制造大类岗位数据（以企业名称匹配船厂，月度频率 2020-2026年）、中国船舶工业行业协会会员企业人力资源统计年报。样本覆盖约50家规模以上船厂。

• 替换技能分类：以招聘广告中的学历要求（本科及以上占比）替代NLP技能编码——学历是技能的可观测代理。
• 排除新一线城市：上海、大连、青岛等沿海船厂集中城市的劳动力市场竞争激烈，剔除后检验造船业专用技能溢价而非城市工资溢价。
• 日韩对标：将中国船厂的技能溢价轨迹与韩国现代重工和三星重工（通过LinkedIn和Saramin等招聘平台数据）进行比较。
• Hecker-2SLS：以1995年造船专业高校毕业生的船厂分配（历史人力资本的地理惯性）作为当前高技能岗位密度的IV。

---

Laffont & Tirole（1993）的政府采购与规制激励理论指出，当政府与企业的信息不对称时（政府不知企业的真实成本和技术能力），最优产业政策应在"激励强度"（高能激励→企业有动力降成本）和"信息租金"（政府向企业让渡的利润）之间权衡。中国船舶产业政策经历了三阶段演化：（1）1990s-2000s：出口退税和优惠信贷——高能激励，但信息租金高（补贴了大量低端产能）；（2）2010s：研发补贴和首台套保险——中能激励，试图引导企业向高端船型研发；（3）2020s：绿色船舶专项和"造船强国"战略——中高能激励，但条件是必须达到特定技术指标。每一阶段的激励强度和信息租金不同。

假说：
- H1：1990-2010年的出口退税政策对中国造船产能扩张的贡献约为40-50%，但对技术升级的贡献仅为10-15%——高能激励推动了量而非质。
- H2：2015年后的首台套保险政策使中国船厂接获LNG船等高端船型订单的概率提高约20-30%（DID效应显著），因为该政策直接降低了船东对"首次建造"质量风险的担忧。
- H3：2020年后的绿色船舶专项政策（甲醇/氨/氢燃料船舶研发补贴）的早期效果已显现——中国在替代燃料船舶订单中的全球份额从2020年的15%升至2026年的约35%，增速快于同期任何其他造船国家。

三重识别策略：（1）政策冲击DID——以各阶段代表性政策发布时间为处理时点，比较中国与对照组国家（印度、越南、菲律宾等新兴造船国，以及日本这一成熟竞争者）在造船指标上的差异变化；（2）合成控制法——以全球其他造船国家的加权组合构建"无中国政策"的反事实；（3）政策文本量化编码——对30年间约200份船舶产业政策文件进行NLP结构化编码（政策工具类型、激励强度、技术条件），构建时间序列的"政策强度指数"（Policy Intensity Index）。

政策强度DID：

ln(Y_{ct}) = α + β·PolicyIndex_{ct} + γ·X_{ct} + μ_c + λ_t + ε_{ct}

其中 Y_{ct} 为国家 c 第 t 年的造船完工量（CGT）或高端船型接单量；PolicyIndex_{ct} 为基于政策文本编码的政策强度指数。中国作为处理组（同时接受全球需求冲击和国家产业政策冲击），以固定效应吸收国家异质性。β > 0 且显著表明政策工具有效。分阶段回归估计不同政策工具类型（出口退税/研发补贴/首台套/绿色专项）的β异质性。

被解释变量：（1）造船舱完工量（百万CGT）；（2）高端船型（LNG/邮轮/深远海装备）新接订单量；（3）船厂层面的TFP（De Loecker-Warzynski方法）。核心解释变量：政策强度指数——由三部分组成：财政激励强度（补贴金额/GDP比例）、技术条件严格性（是否要求达到特定国产化率或技术指标）、政策工具多样化（税收/信贷/保险/研发/采购等工具种类数），编码为0-10分。数据来源：国务院公报、工信部工政司文件库、OECD造船工作组造船政策评估数据库（2005-2026）。国家面板样本为全球前15大造船国 × 1990-2026年。

• 替换政策编码方法：以OECD造船工作组的独立政策评估评分（第三方）替代自编码政策强度指数，消除编码主观偏差和内生性担忧。
• 排除韩国：韩国也具有强大的造船产业政策——剔除韩国后以"无强政策"的造船国为对照组，检验中国政策效应的净估计。
• 安慰剂政策时点：在各真实政策时点前3年设置虚假政策冲击，检验是否有预先趋势或市场预期导致的效应提前。
• 工具变量：以"中国加入WTO的时间"作为出口退税政策强度变化的外生工具——WTO规则逐渐约束了造船出口补贴，形成了政策强度的外生下降。

---

Farrell & Newman（2019）的"武器化相互依赖"理论指出，在全球价值链中占据关键节点（chokepoint）的国家可以将这一网络位置"武器化"——通过切断供应或市场准入来施压。中国造船业的悖论在于：它既是全球船舶供应的"关键节点"（70%份额），又在高端船用发动机（MAN/WinGD低速机）、导航系统（GPS/INS）和LNG围护系统（GTT MARK III专利）上依赖欧洲和日韩的技术供应。这形成了"双向依赖"：全球船东依赖中国船厂的交船能力，中国船厂依赖欧洲/日韩的关键设备供应。地缘政治的激化可能同时冲击这两端。

假说：
- H1：中美地缘政治距离每增加1个标准差，欧洲船东在中国船厂下单的概率下降5-8个百分点——"友岸外包"效应在高端船型上更显著（欧洲船东对供应链安全更敏感）。
- H2：中国造船业对进口船用低速发动机的依赖度已从2015年的40%降至2026年的约15%（国产替代进展），但高端LNG围护系统的对外依赖度仍超过80%——"卡脖子"风险高度集中于特定技术。
- H3：日本和韩国在中国面临地缘贸易壁垒时获得了"替代订单"——中韩造船业的订单量与中美关系紧张程度呈反比（ρ ≈ -0.3至-0.5）。

引力模型 + 地缘政治距离交互项：（1）以Clarksons船东-船厂匹配数据为基础，构建船东国 j → 造船国 c 的年度新船订单流量面板；（2）核心解释变量为船东国 j 与中国的UN大会投票相似度（地缘政治距离） × 中国造船份额；（3）以中美关系事件（GDELT冲突事件数、关税加征、实体清单公告）作为地缘政治紧张度的外生冲击。三重差分：地缘政治距离 × 船型技术复杂度 × 贸易摩擦时期。

引力-地缘政治模型（PPML估计）：

Order_{jct} = exp(α + β₁·GeoDist_{jc} + β₂·GeoDist_{jc}×PostFriction_t + β₃·lnGDP_jt + β₄·lnDist_jc + δ·Controls) + ε_{jct}

其中 Order_{jct} 为船东国 j 在造船国 c 的第 t 年新船订单（CGT）；GeoDist_{jc} = 1 - UN投票相似度（0-2）；β₂ < 0 表明在地缘摩擦加剧后，与中国地缘政治距离远的船东国显著减少在中国的下单。PostFriction_t = 1（t ≥ 2018中美贸易摩擦元年）。

被解释变量：船东国-造船国-年度新船订单（CGT，来自Clarksons）。核心解释变量：UN大会投票相似度（以中国为基准的标准分）、中美关系事件极性指数（GDELT AvgTone的季度均值）。供应链依赖度：中国在HS 4位码船舶设备（发动机/推进器/导航/围护系统/通信）上的进口依存度——进口额/（国内产量+进口-出口）。数据来源：Clarksons SIN、UN Comtrade、GDELT、Voeten UN投票数据库。样本为全球前30造船国 × 2000-2026年年度面板。

• 替换地缘政治距离测度：以Ideal Point Distance（Bailey et al., 2017）替代投票相似度，检验连续地缘距离指标敏感性。
• 排除中国-一带一路国家间"政策订单"：剔除一带一路沿线国家（可能受政府间协议推动的订单），仅以市场化船东的订单决策检验地缘政治效应。
• 替代供应链依赖度：以"关键设备的全球HHI指数"替代中国单方面的进口依存度——若全球供应HHI > 2500（高度集中），则全球也存在供应中断风险。
• 情景模拟：基于估计的β₂系数和当前地缘政治趋势，模拟中美关系进一步恶化（降至俄罗斯-美国水平）对中国造船订单的潜在冲击幅度。