图片来源：百度图片
原文信息：Surana, K., Doblinger, C., Anadon, L. D., & Hultman, N. (2020). Effects of technology complexity on the emergence and evolution of wind industry manufacturing locations along global value chains. Nature Energy, 5(10), 811-821.
全球风能理事会（GWEC）发布的《全球风能报告2024》显示，2023年，全球各个国家风电装机容量高速增长，新增风电装机容量达到117GW，较2022年同比增长50%，创下了新的记录。这一增长不仅凸显了风能市场的快速发展，也体现了风能技术在全球范围内的广泛应用和其日益增强的重要性。
全球风能市场的扩大有助于为国内制造业产业链“增链补链”，从而创造相应的就业机会，实现环境保护和经济发展的双重目标。例如，英国的离岸风电行业协议以及巴西和中国的陆上风电本地化要求，都同时推动了能源、气候与经济发展目标。通过大力发展风能市场，不仅有助于促进传统能源转型和绿色发展，还能够增加当地就业机会。
在过去二十年里，中国和印度等新兴经济体在工业技术领域取得了显著进步，逐步追赶上了欧洲和美国等传统工业强国。随着大型原始设备制造商（OEMs）的制造和部署网络从西方国家扩展到中国和印度等发展中国家，全球风能产业经历了重大变革。然而，目前仍然缺乏相应研究理解中国等发展中国家的产品技术变化，以及产品技术变化与全球化关系。这种研究空白不仅存在于风电领域，同样也存在于火电、水电等清洁能源领域。
为了考察全球风电行业供需关系变化，文章分析了技术复杂性与上游供应商位置的关系。技术复杂性包括设计、工艺、技能、资源和制度等多个方面，这些因素共同决定了风力发电机组件的制造、运输和整合难度。有研究表明，风力发电机的技术创新和成本降低主要发生在单个组件层面，而非最终产品层面，因此文章主要探讨了不同零部件技术复杂性和上游供应商的关系，还考察了技术复杂性对供应商全球化程度影响。
（1）上游零部件供应商：
文章从Supply Chain Assessment —Wind Energy 2006-2014报告之中搜集了2006-2016年389家上游风电产业组件制造商数据，包括企业主营产品、营业收入等企业基本信息，以及国际专利数量和国内专利数量等专利信息。文章将上游供应商的供应零件分为9类，具体见表1。
（2）下游大型设备制造商。
文章从Supply Chain Assessment —Wind Energy 2006-2014报告之中搜集了13家全球大型设备制造商数据。13家全球大型设备制造商分别位于德国（西门子、诺德、恩力、再生/森维昂）、丹麦（维斯塔斯）、西班牙（加美萨）、美国（通用电气）、日本（三菱）、中国（金风、明阳、东方、联合电力）和印度（苏兹隆）。数据包括企业财务信息以及上游产品的制造外包信息。
（3）技术复杂度。
为考察上游风电产业组件制造商的产品技术复杂度和产品竞争力的关系，文章参考Hausmann et al.（2002），构建了9种产品的产品技术复杂度，再根据每家上游供应商的产品份额比重作为权重，与产品技术复杂度进行相乘再加总，从而得到上游供应商的技术复杂度。文章采用2002年HS6位数分类码的出口商品贸易数据测算供应商出口产品技术复杂度，在稳健性检验之中，文章还使用Fleming & Sorenson（2001）和Broekel（2019）的方法重新计算产品复杂度。
（4）上游供应商全球化程度。
在给定的年份t中，如果该供应商仅与来自同一国家的下游制造商合作，则赋值为0，否则为1。由于企业合作具有滞后性，因此文章计算了t和t+2年哑变量的差值以衡量上游供应商全球化程度。例如，若在t年i上游供应商只与国内下游厂商合作，则赋值为0，而在t+2年其同时与国内和国外厂商合作，赋值为1，则t年上游供应商全球化程度则为1。最终该变量范围为−1到1，其中负值表示全球化程度下降，0表示没有变化，1表示全球化程度增加。
（5）控制变量。
①风能专业化。这是一个哑变量，若衡量供应商专门从事风能行业则赋值为1，否则为0。此数据搜集于供应商网页和Bloomberg等数据库。②零件多样化。由供应商向下游制造商（OEMs）供应的风能零部件种类来衡量，数据来自于Supply Chain Assessment —Wind Energy 2006-2014报告。③国际专利数量。若专利首次注册的国家与供应商所在国家不同，则该专利被认定为国际专利。④国内专利数量。若专利首次注册的国家与供应商所在国家相同，则该专利被认定为国内专利。⑤供应商规模。由供应商员工数量衡量，并取对数进行回归。⑥供应商年龄。由企业成立年限衡量，并取对数进行回归。⑦卖方依赖性。该变量衡量了下游制造商（OEMs）对供应商的依赖性，取值范围为0（上游企业是下游企业的子公司）到1（上游企业与下游企业为外包关系），该数据来自于Supply Chain Assessment —Wind Energy 2006-2014报告。描述性统计见附表4。
文章参考Hausmann et al.（2002），计算了9种风力涡轮机零部件的技术复杂性，结果如图2所示。
箱形图中，粗水平线表示中位数，红点表示2006-2016年的平均值。方框中的底线表示第25百分位，顶部表示第75百分位。竖线表示在四分位数范围的1.5倍范围内的观测值，黑点表示异常值。从图2中可以看出，叶片和变速箱的PCI值超过了1，这表明它们属于较为复杂的技术。相比之下，塔的PCI值最低，因此被认定为最简单的技术。文章还使用Fleming & Sorenson（2001）和Broekel（2019）的方法重新计算产品复杂度。从附图1可知，不同方法计算出来的技术复杂度相似，但是由Hausmann et al.（2002）方法计算得到的技术复杂度异常值更少，因此后续实证检验则采用Hausmann et al.（2002）技术复杂度作为解释变量。
为从总体上分析不同零件的国际供应商变化，文章使用冲积层图来可视化上游供应商和下游制造商在2006-2016间的供需关系，结果显示于图3。
