所有计量经济圈方法论
丛的code程序
, 宏微观
数据库和各种软
件都放在社群里.欢迎到计量经济圈社群交流访问
.
教科书可能又需要修改了，小诺奖得主TOP5刊对教科书中关于产业政策的结论提出了质疑或否定的看法。
相关，1.
又要推翻一个学界或公众普遍“信以为真”的结论！又需要改写经济学教科书了?
2.
重磅: 计量经济学教科书可能都需要重新修订了！ECM说二乘估计量是BUE！
教科书中描述的产业政策案例耳熟能详，它们通常主张，当某些行业受益于外部规模经济，而其他行业则不然时，政府应优先扶持前者，即便这意味着要削减对后者的支持。
然而，这类政策干预具体能带来多大的福利增益，却鲜有定论。本文提出了一套实证研究方案，巧妙地利用普遍可获取的贸易数据，结合现有的部门层面贸易弹性评估，以此来量化各部门的规模经济效应，并在一般均衡的框架下，衡量出最优工业政策所能产生的经济效益。
本文的研究揭示，制造业领域确实存在着明显的规模经济现象。
不过，即便是在那些贸易开放度最高的经济体中，实施产业政策所能带来的经济收益，也远未达到颠覆性的程度，其效果可能并不如预期那般显著。
在全球范围内，工业政策已经实施了数个世纪，而它一直是经济学界争论的焦点。它是否是经济增长奇迹的催化剂？或者，即便在市场失灵被准确识别且政府全心致力于纠正这些失灵的理想状况下，工业政策的潜在收益是否也仅是适中？本文旨在对这些问题及其他相关问题进行深入探讨并取得进展。
本文专注于教科书中提到的一个典型案例：在某些部门存在外部规模经济的经济体中实施工业政策。由于私人生产的边际成本高于社会成本，这就为提供庇古补贴提供了理论基础，其补贴额度应等于两者之间的差额。这种补贴所带来的福利收益，可以量化为需求曲线和社会边际成本曲线之间的哈伯格三角形区域的面积，如图1所示。本文进一步提出，将这些经典理念应用于实际数据，以首次量化教科书中提到的工业政策所带来的收益。
首先，本文开放经济的背景下，对经典理论进行了现代的一般均衡分析。通过理论分析，本文对最优工业政策及其福利效果进行了深入探讨，并将其作为部门层面规模弹性的函数，进行了精确到二阶的近似计算。
其次，本文展示了如何利用广泛可获取的贸易数据和现有的部门贸易弹性估计，来估算关键的弹性参数。本文的实证分析揭示了制造业部门中显著的规模经济现象，这为私人成本与社会成本之间可能存在较大差异提供了实证基础。
最后，本文将理论与实证研究相结合，对工业政策的潜在收益进行了量化分析。尽管制造业部门展现出显著的规模经济特征，但本文的估算结果表明，工业政策所带来的收益并不具有变革性。这一发现反映出，即便是在最为开放的经济体中，最优工业政策也很少引发部门间的大规模资源重新配置。
第二部分详细阐述了本文的理论架构。本文的基准分析构建在多部门的李嘉图经济模型之上，每个部门均受到外部规模经济的影响。选择这一情形作为研究对象，既是因为其深厚的历史渊源——从马歇尔1920年的研究到Graham 1923年著名的贸易保护论点，再到Chipman 1970年和Ethier 1982年对外在规模经济的正式探讨——也是因为李嘉图模型近年来在定量研究中的广泛应用。
本文首先阐明，在存在最优贸易政策的情况下，最优工业政策的形式表现为就业补贴，其额度仅与生产率相对于部门规模的弹性，即“规模弹性”有关，这与庇古1920年的逻辑相吻合。随后，本文进一步阐释，按照二阶近似的方法，工业政策的福利收益可以量化为规模弹性与其引起的部门规模比例变化量的一半的乘积，这一乘积在所有部门中求和，并根据每个部门在GDP中的比重进行加权，即相当于各部门中哈伯格三角形面积的总和。
第三部分详细阐述了本文用于估算规模弹性的实证策略。这一策略建立在两个直观的观察之上。首先，如果一个部门存在正向的规模经济，那么这个部门往往能够以较低的价格销售其产品。其次，产品价格的降低往往会带来需求量的增加。基于这两个观察，本文可以通过分析部门规模的外生变化（即由需求所驱动）对均衡数量的影响，来估计规模弹性。本文采用了以下两个假设来具体化这一思路：(i) 每个部门的生产率是总部门就业的对数线性函数，这意味着本文假定存在一个恒定的规模弹性；(ii) 不同国家对某一产品的需求是该产品价格的对数线性函数，这表明本文假定存在一个恒定的贸易弹性。在这些假设的前提下，一个国家的（对数）出口价格与其部门规模（对数）成正比，其比例系数由规模弹性决定；同时，（对数）出口价格与其双边出口量（对数）成正比，其比例系数由贸易弹性的倒数决定。鉴于现有文献中已有的部门层面贸易弹性估计，本文可以通过对双边出口进行对数线性回归，并调整贸易弹性的影响，来估算部门层面的规模弹性。
由于不同国家和部门之间存在的特异性（idiosyncratic）生产率差异，这些差异会影响部门规模和双边出口，因此，准确识别规模弹性需要借助需求侧的工具变量（IV）。这些工具变量应与部门规模相关，但与生产率的冲击无关。为了构建这样的工具变量，本文采用了一种创新的方法：利用各国人口和偏好的变化。具体来说，本文将人口变动与每个国家-部门对中（pair）结构需求残差估算值相乘，从而生成工具变量。本文策略的逻辑基础在于：在每个部门内，那些人口较多或对该部门产品有更强烈偏好的国家，其就业水平应当更高。在假设人口和需求残差与特异性生产率冲击不相关的前提下，这一方法为国家的部门规模提供了有效的工具变量。重要的是，本文的识别策略有意识地仅依赖于横截面数据的变异，这样做的目的是为了隔离教科书中提到的工业政策的长期规模经济效应。
第四部分呈现了本文对规模弹性的估算结果。本文基于2010年全球最大的61个国家的横截面数据进行分析，发现在每个2位数制造业部门中，规模弹性均呈现出统计上的显著性，平均值为0.21。这表明规模经济在各个部门内普遍存在，需求驱动的规模与双边贸易流量之间呈现出正相关性，且这一相关性在不同样本和模型规格下均表现出良好的稳健性。进一步的分析还揭示了部门间显著的异质性，规模弹性的估算值从0.11到0.31不等。这种异质性主要受到现有部门层面贸易弹性估算的影响。在数据中，需求驱动的部门规模与双边贸易流量之间的关系在不同部门中保持了相当的稳定性。从模型的角度来看，本文发现贸易弹性较高的部门（即对价格变化更为敏感的销售额）往往是那些规模弹性较低的部门。这意味着这些部门的价格对部门规模的响应较小。因此，不同的贸易弹性估算可能会导致对规模弹性的不同估算结果，进而对最优工业政策的结构和建议产生显著的影响。
第五部分利用本文的实证估算结果，对工业政策的潜在收益进行了评估。本文所关注的是理想情况下的政府行为：政府旨在最大化社会福利，对经济有深入的了解，并且能够充分利用贸易政策来抵消单独实施工业政策可能带来的不利贸易条件效应。即便在这些较为乐观的假设条件下，本文的研究发现，在基准情景的校准中，工业政策带来的收益占GDP的比例介于0.59%到2.06%之间，对于更为开放的经济体，这一收益比例更高，平均达到1.08%。这些收益虽然适度，但并不直接反映出工业政策所能带来的"楔子"效应的大小。根据本文对规模弹性的估算，如果劳动力能够完全重新配置到规模弹性最大的制造业部门，哈伯格三角形面积所预测的平均福利收益可能高达12.4%。然而，实际收益之所以适度，是因为劳动力从“低楔子”部门向“高楔子”部门的重新配置程度有限。这主要是由于国内需求的弹性较低（由于部门间替代弹性的估算值较小）以及国外需求的弹性也较低（由于贸易弹性的估算值同样较小）。从图形上看，即便是对于最开放的国家，哈伯格三角形的高度虽然很高，但其底部却相对较窄。这表明，尽管工业政策在理论上可以带来显著的福利改善，但在实践中，由于需求弹性的限制，其实际效果可能并不如预期那样显著。有趣的是，尽管最优工业政策的具体结构对贸易弹性的选择非常敏感，但本文的发现表明，不同选择下的福利收益结果都显示出相当的稳健性。
第六部分进一步扩展了本文的理论和实证分析，涵盖了更广泛的生产要素和部门间的投入-产出联系。本文发现，在给定的贸易弹性条件下，最优工业政策的结构与基准情形中的结构非常相似，两种情形下估算的最优工业政策之间的相关性高达0.98。然而，在福利收益方面，引入投入-产出联系显著提升了工业政策的平均收益，从1.08%增加到4.06%。这一提升既归因于税基的机械性增加——因为此时补贴的是总产出而非增加值，也归因于部门间更大规模的资源重新配置——因为对某一部门的补贴现在也倾向于降低该部门投入品的价格。
在学术界，关于工业政策的合理性和潜在后果已有大量文献进行探讨。例如，Harrison和Rodríguez-Clare（2010）、Lane（2020）、Juhasz等（2023）以及Juhasz和Steinwender（2023）都对这一主题进行了综述。近期的研究还包括对拿破仑封锁后果的简化实证分析（Juhasz，2018）、韩国向军事独裁过渡的研究（Lane，2017），以及基于文本的分析以衡量各种类型的工业政策（Juhasz等，2023）。此外，还有在金融摩擦存在情况下最优工业政策的理论研究（Itskhoki和Moll，2019；Liu，2019）。尽管工业政策在经济增长的讨论中占据重要地位，并且近年来在许多国家的经济议程中频繁出现——从中国的“中国制造2025”到欧盟的“欧洲绿色协议工业计划”，再到美国的“CHIPS and Science Act”和“Inflation Reduction Act”——但将理论和数据结合起来评估工业政策潜在收益的研究仍然不多见。
一个显著的例外是Lashkaripour和Lugovskyy（2018）的研究，他们探讨了克鲁格曼（1980）提出的垄断竞争模型，其中国内不同品种之间的替代弹性可能与国内外品种之间的替代弹性有所区别。在这一模型框架下，规模弹性间接取决于国内品种间的替代弹性，而贸易弹性则由国内与外国品种间的替代弹性所决定。因此，通过分析哥伦比亚月度汇率波动所获得的这两种需求弹性的估算值，可以用来评估最优政策的效果。与此相对照，本文的实证策略采用了一种更为直接的方法来识别规模弹性，即通过观察出口数据所揭示的部门层面生产率对国内需求长期变化引起的部门规模变化的反应。
本文的研究与大量运用引力模型进行反事实分析的文献紧密相关，尤其是Kucheryavyy等（2017）的工作。他们扩展了李嘉图模型，引入了行业层面的规模经济，这正是本文用来估算工业政策收益的关键因素。正如Kucheryavyy等（2017）所指出的，引力模型的定量预测主要依赖于两个关键的弹性参数：贸易弹性和规模弹性。尽管贸易弹性在实证研究中受到了广泛的关注（参见Head和Mayer，2013），但规模弹性却往往被忽视。
在引力模型中引入规模经济时，通常需要借助垄断竞争环境下商品替代弹性的信息进行间接校准，这一点由Costinot和Rodríguez-Clare（2014）所强调。本文的目标之一，就是提供更直接且可靠的规模弹性证据，以供多部门引力模型的定量分析使用。
与上述定量贸易文献一致，本文专注于国家-部门对（pair）层面的规模效应估算，这与工业政策最常实施的层面相吻合。同时，城市和区域经济学的相关文献则在国家以下层面估算集聚效应，Rosenthal和Strange（2004）以及Combes和Gobillon（2015）的综述为本文提供了这方面的理论基础。根据这些集聚效应是区域特定还是区域和部门特定，这为地方性政策（如Kline和Moretti，2014所述）或所谓的集群政策（如Duranton，2011所述）提供了额外的理论支持。
本文的研究聚焦于国家及部门层级的实证分析，与Caballero和Lyons（1992）以及Basu和Fernald（1997）的工作形成紧密联系，他们曾深入探讨了美国制造业在细分层面的规模收益问题。本文的独特之处在于，它并未沿用传统路径，依赖官方统计机构发布的实际产出或价格指数，而是创新性地运用了现有的贸易弹性估计值来间接推测这些价格指标。这种方法不仅为处理同一部门内不同来源间可能存在的质量差异提供了理论依据，正如Bartelme等（2019）所详尽阐述的，而且构建了一种在全球范围内众多国家皆适用的对称性评估框架。然而，其有效性仍需基于现有贸易弹性估计的可靠性。值得注意的是，该方法仅能应用于可贸易部门的规模弹性评估。尽管如此，可贸易制造业部门作为工业政策的核心关注点，无论是从上世纪的日本、韩国和台湾，还是到本世纪的中国，都显示出该方法的重要性和局限性。为缓解这一局限，本文在反事实分析中将考虑涵盖更广泛部门的规模弹性范围。
最终，本文通过贸易数据来推论规模经济的策略，这与本土市场效应的实证研究紧密相关。正如Head和Ries（2001）、Davis和Weinstein（2003）以及Costinot等（2019）的研究所展示的，本土市场效应—即国内市场需求对出口产生的正面影响—实际上揭示了行业层面的规模经济特性。此外，本文所采用的实证分析方法与先前关于揭示比较优势的研究不谋而合，如Costinot、Donaldson和Komunjer（2012）以及Levchenko和Zhang（2016）的研究所示。这些研究与本文的出发点有着共同之处，即贸易流动中蕴含着关于生产成本相对优势的关键信息，这一点也被Antweiler和Trefler（2002）所强调。
*
群友可直接在社群下载原文PDF。
关于工具变量，参看
1.
内生性问题操作指南, 广为流传的22篇文章
，2.
看完顶级期刊文章后, 整理了内生性处理小册子
，3.
如何寻找工具变量？得工具者得实证计量
，4.
内生性处理的秘密武器－工具变量估
，5.
工具变量在社会科学因果推断中的应用
，6.
为你的"工具变量"合理性进行辩护, 此文献可以作为范例
，7.
没有工具变量、断点和随机冲击，也可以推断归因
，8.
工具变量与因果推断, 明尼苏达Bellemare关于IV的分析
，9.
工具变量IV与内生性处理的精细解读
，10.
我的"工具变量"走丢了，寻找工具变量思路手册
，11.
面板数据里处理多重高维固定效应的神器, 还可用工具变量处理内生性
，12.
豪斯曼, 拉姆齐检验，过度拟合，弱工具和过度识别，模型选择和重抽样问题
，13.
工具变量先锋 Sargan，供参考
，14.
AEA期刊的IV靠不靠谱？
15.
计量大焖锅: iv, clorenz, rank, scalar, bys, xtile, newey, nlcom
，16.
GMM是IV、2SLS、GLS、ML的统领，待我慢慢道来
，17.
IV和GMM相关估计步骤，内生性、异方差性等检验方法
，18.
因果推断IV方法经典文献，究竟是制度还是人力资本促进了经济的发展？
19.
内生变量的交互项如何寻工具变量, 交互项共线咋办
，20.
面板数据、工具变量选择和HAUSMAN检验的若干问题
，21.
IV和Matching老矣, “弹性联合似然法”成新趋势
，22.
IV回归系数比OLS大很多咋回事, 怎么办呢?
，23.
不用IV, 基于异方差识别方法解决内生性, 赐一篇文献
，24.
找不到IV, RD和DID该怎么办? 这有一种备选方法
，25.
内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS
，26.
内生性, 工具变量与 GMM估计, 程序code附
，27.
GMM和工具变量在面板数据中的运用
，28.
关于工具变量的材料包, 标题,模型,内生变量,工具变量
，29.
必须使用所有外生变量作为工具变量吗？
30.
工具变量精辟解释, 保证你一辈子都忘不了
，31.
毛咕噜论文中一些有趣的工具变量！
33.
前沿: 删失数据分位数工具变量(CQIV)估计, 做删失数据异质性效应分析
，
34.
不需要找工具变量, 新方式构建工具变量, 导师再也不用担心内生性问题了！
35.
关于顶级外刊工具变量的使用最全策略, 不收藏反复读就不要谈IV估计！
36.
如何通过因果图选择合适的工具变量？一份关于IV的简短百科全书
，
37.前沿: nature刊掀起DAG热, 不掌握就遭淘汰无疑！因果关系研究的图形工具!
38.最清晰的内生性问题详解及软件操作方案！实证研究必备工具！
39.中国女学者与其日本同行在JPE上发文了！利用独特数据, 地理断点RDD和IV研究中国环境议题！
40.双胞胎样本解决遗漏变量和测量误差, LIV解决选择偏差
，
41.内生性处理的秘密武器－工具变量估计
，
42.工具变量IV必读文章20篇, 因果识别就靠他了
，
43.看完顶级期刊文章后, 整理了内生性处理小册子
，
44.“内生性” 到底是什么鬼? New Yorker告诉你
，45.
Heckman两步法的内生性问题
(IV-Heckman)
，46.最全估计方法，解决遗漏变量偏差，内生性，混淆变量和相关问题
，
47.非线性面板模型中内生性解决方案
，
48.内生性处理方法与进展
，
49.内生性问题和倾向得分匹配
，
50.你的内生性解决方式out, ERM独领风骚
，
51.面板数据是怎样处理内生性的
，
52.计量分析中的内生性问题综述
，
53.一份改变实证研究的内生性处理思维导图
，
54.Top期刊里不同来源内生性处理方法
，
55.面板数据中heckman方法和程序
(xtheckman)，
56.控制函数法CF, 处理内生性的广义方法
，
57.二值选择模型内生性检验方法
，
58.2SRI还是2SPS, 内生性问题的二阶段CF法实现
，
59.非线性模型及离散内生变量处理利器, 应用计量经济学中的控制函数法！
60.
最全利用工具变量控制内生性的步骤和代码—在经管研究中的应用
，61.
如何选择合适的工具变量, 基于既有文献的总结和解释！
62.
中介效应最新进展: 中介效应中的工具变量法使用方法及其代码！
63.
弱工具变量的稳健性检验, 附上code和相关说明！
64.
工具变量对因果效应的识别和外推, 大牛的顶级评述！
65.
刚2022年, Acemoglu就在QJE上发文了！OLS+IV走遍天下都不怕！
66.
如何在AER上用OLS发经济史研究, 这篇道出了验证IV合理性的标准范式! 必读
，67.
怎样找到一个巧妙的工具变量, IV在公共政策评估中的应用
，68.
Bartik工具变量是什么? 份额移动法IV应用越来越多
，69.
阿西莫格鲁又一篇使用IV做因果推断的经典文献, 拿起小板凳一睹为快！
70.
AER教你两种论证IV合理性的实证策略, 以及如何对IV做安慰剂检验
，71.
我们应该在多大程度上相信工具变量估计, 基于63份顶刊复制结果的操作建议
，72.
Heckman模型和工具变量IV之间的差异？
73.
IV与Y在理论上无直接关系, 但用Y对IV做回归发现IV是显著的, 这是咋回事？
74.
10份TOP期刊中shock-based IV的详细总结！
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
7年，计量经济圈近2000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题
,
Econometrics Circle
