统计研究

参考文献

[1]崔晓敏,熊婉婷,杨盼盼,等.全球供应链脆弱性测度——基于贸易网络方法的分析[J].统计研究, 2022, 39(8):38–52.

[2]胡国良,王继源.全球产业布局调整背景下中国制造业外迁问题研究[J].财贸经济, 2020, 41(1):50–64.

[3]黄鹏,汪建新,孟雪.经济全球化再平衡与中美贸易摩擦[J].中国工业经济, 2018(10):156–174.

[4]刘景卿,车维汉,夏方杰.全球价值链贸易网络分析与国际风险传导应对[J].管理科学学报, 2021, 24(3):1–17.

[5]刘维刚.生产投入结构变动与企业创新:基于生产网络内生化的分析[J].经济研究, 2022, 57(4):50–67.

[6]倪红福.中国间接税的效率损失——基于中国生产网络结构一般均衡模型方法[J].管理世界, 2022, 38(5):36–75.

[7]唐宜红,张鹏杨,梅冬州.全球价值链嵌入与国际经济周期联动:基于增加值贸易视角[J].世界经济, 2018, 41(11):49–73.

[8]陶锋,王欣然,徐扬,等.数字化转型、产业链供应链韧性与企业生产率[J].中国工业经济, 2023(5):118–136.

[9]王春宇,王海成.我国产业链安全风险特征及应对策略[J].经济学家, 2023(5):57–67.

[10]王君,王璐瑶.保障产业链安全稳定研究[J].宏观经济研究, 2023(10):76–83.

[11]王群勇,李月,薛彦.国内国际双循环生产网络的冲击传播:特征与模拟[J].中国工业经济, 2023(7):26–45.

[12]谢谦,金才淇.生产网络视角下的产业结构升级:逻辑解构和实现路径[J].首都经济贸易大学学报, 2023, 25(3):32–42.

[13]杨子晖,陈雨恬,张平淼.重大突发公共事件下的宏观经济冲击、金融风险传导与治理应对[J].管理世界, 2020, 36(5):13–35, 7.

[14]杨子晖,王姝黛,梁方.产业链结构新视角下的尾部风险跨行业传染[J].经济学（季刊）, 2023, 23(1):212–227.

[15]叶初升,任兆柯.生产网络视角下宏观波动的微观来源研究进展[J].经济学动态, 2019(5):104–118.

[16]张杰,陈容.中国产业链供应链安全的风险研判与维护策略[J].改革, 2022(4):12–20.

[17]张群,朱佳青,韩立岩.重大突发事件冲击下产业出口竞争力的波动研究[J].统计研究, 2023, 40(5):90–102.

[18]Acemoglu D, Akcigit U, Kerr W. Networks and the Macroeconomy:An Empirical Exploration[J]. NBER Macroeconomics Annual, 2016, 30(1):273–335.

[19]Acemoglu D, Azar P D. Endogenous Production Networks[J]. Econometrica, 2020, 88(1):33–82.

[20]Acemoglu D, Carvalho V M, Ozdaglar A, et al. The Network Origins of Aggregate Fluctuations[J]. Econometrica, 2012, 80(5):1977–2016.

[21]Atalay E. How Important Are Sectoral Shocks?[J]. American Economic Journal:Macroeconomics, 2017, 9(4):254–280.

[22]Auer R A, Levchenko A A, Saure P. International Inflation Spillovers Through Input Linkages[J]. Review of Economics&Statistics, 2019,101(3):507–521.

[23]Baqaee D R, Farhi E. The Macroeconomic Impact of Microeconomic Shocks:Beyond Hulten’s Theorem[J]. Econometrica, 2019, 87(4):1155–1203.

[24]Baqaee D R, Farhi E. Networks, Barriers, and Trade[J]. Econometrica, 2024, 92(2):505–541.

[25]Bigio S, La’O J. Distortions in Production Networks[J]. The Quarterly Journal of Economics, 2020, 135(4):2187–2253.

[26]Boehm C E, Flaaen A, Pandalai-Nayar N. Input Linkages and the Transmission of Shocks:Firm-level Evidence from the 2011 Tōhoku Earthquake[J]. Review of Economics and Statistics, 2019, 101(1):60–75.

[27]Bonadio B, Huo Z, Pandalai-Nayar N. Global Supply Chains in the Pandemic[J]. Journal of International Economics, 2021, 133(133):103534.

[28]Caliendo L, Parro F, Tsyvinski A. Distortions and the Structure of the World Economy[J]. American Economic Journal:Macroeconomics, 2022,14(4):274–308.

[29]Carvalho V M. From Micro to Macro via Production Networks[J]. Journal of Economic Perspectives, 2014, 28(4):23–48.

[30]Carvalho V M, Makoto N, Saito Y U, et al. Supply Chain Disruptions:Evidence from the Great East Japan Earthquake[J]. The Quarterly Journal of Economics, 2020, 136(2):1255–1321.

[31]Carvalho V M, Tahbaz-Salehi A. Production Networks:A Primer[J]. Annual Review of Economics, 2019, 11(1):635–663.

[32]Eaton J, Kortum S, Neiman B, et al. Trade and the Global Recession[J]. American Economic Review, 2016, 106(11):3401–3438.

[33]Gabaix X. The Granular Origins of Aggregate Fluctuations[J]. Econometrica, 2011, 79(3):733–772.

[34]Gabaix X. Comment on‘Networks and the Macroeconomy:An Empirical Exploration’[J]. NBER Macroeconomics Annual, 2016, 30(1):336–345.

[35]Herrendorf B, Rogerson R, Valentinyi A. Two Perspectives on Preferences and Structural Transformation[J]. American Economic Review, 2013,103(7):2752–2789.

[36]Jones C I. Intermediate Goods and Weak Links in the Theory of Economic Development[J]. American Economic Journal:Macroeconomics,2011, 3(2):1–28.

[37]Liu E. Industrial Policies in Production Networks[J]. The Quarterly Journal of Economics, 2019, 134(4):1883–1948.

[38]Liu E, Tsyvinski A. Dynamical Structure and Spectral Properties of Input-Output Networks[R]. NBER Working Papers, 2020.

[39]Long J B, Plosser C I. Real Business Cycles[J]. Journal of Political Economy, 1983, 91(1):39–69.

[40]Long J B, Plosser C I. Sectoral vs. Aggregate Shocks in the Business Cycle[J]. The American Economic Review, 1987, 77(2):333–336.

(1)资料来源为https://www.miit.gov.cn/xwdt/gxdt/ldhd/art/2024/art_74daabc03b974e26a7ad09d8ebda12b4.html,https://www.gov.cn/yaowen/liebiao/202509/content_7039821.htm。

(1)文章参考联合国工业发展组织（UNIDO）对制造业的分类，维持低技术制造业分类方式不变，并将UNIDO分类中的中低技术制造业作为中技术制造业，中高技术制造业和高技术制造业合并为高技术制造业。

(1)因篇幅所限，详细推导过程以附录1展示，见《统计研究》网站所列附件。下同。

(1)因篇幅所限，详细推导过程以附录2展示。

(1)数据来源为https://www.stats.gov.cn/。

(2)因篇幅所限，合并后的部门分类以附表1展示。本文将20个主要工业部门进行编号，1为煤炭开采和洗选产品，2为石油和天然气开采产品，3为金属矿采选产品，4为非金属矿及其他矿采选产品，5为食品制造及烟草加工品，6为纺织产品，7为纺织服装鞋帽皮革羽绒及其制品，8为木材加工及家具制品，9为造纸印刷及文教体育用品，10为石油加工、炼焦及核燃料加工品，11为化学产品，12为非金属矿物制品，13为金属冶炼和压延加工品，14为金属制品，15为通用和专用设备，16为交通运输设备，17为电气机械和器材，18为计算机、通信及其他电子设备，19为仪器仪表及文化办公用机械制品，20为工艺品及其他制造产品（含废品废料）。

(1)考虑到2023年投入产出调查首次与全国经济普查统筹开展，与以往逢2、7的年份开展的惯例不同，为确保时间间隔一致，本文采用2020年之前的投入产出表数据。鉴于2020年之前投入产出表基准表和延长表按照2年和3年的时间间隔交替编制，本文将5年作为一期间隔，即2020年对应的上一期为2015年，2017年的上一期为2012年，以此类推。这样不仅保证了两期投入产出表之间的年份差距相同，而且足够长的时间跨度也让两期间的生产结构变化更为显著。

(2)由于中间投入的形式为CES函数，中间产品中xij的投入份额实际并不等于aij，但二者相关性较强，且在ε=1 、τ=0和φ=0处，均有pi x ij=(1-αi)aij pi yi。其中，τ是第i个元素为τi的N维向量。

(3)本文中的产业链冲击–影响效应，为产业链各部门受到不同类型冲击后，通过生产网络对关联部门产出带来的边际影响。

(1)因篇幅所限，单个部门之间保留影响方向的冲击–影响效应以附图1~3展示。同时，为重点考察部门间的影响关系，下文在计算影响系数时，剔除了部门在受冲击时自身产出受到的影响。从测算结果来看，各个部门的供给冲击和需求冲击对产出的影响基本为负向，生产结构冲击对产出的影响方向在2012年前基本为正向，2012年后基本为负向。这可能由于2012年后生产结构的变化更多源于分工细化和技术进步。

(2)因篇幅所限，各部门的多马权重以附图4和附表2展示，各部门的影响效应排名以附表3展示，正文中各部门后面括号内数值为多马权重，下同。

(3)增加值率变化能够一定程度反映技术变化，将20个工业部门的增加值率变化绝对值从大到小排名，仪器仪表及文化办公用机械制品为16名、纺织产品为20名、木材加工及家具制品为18名。

(1)因篇幅所限，工业与服务业的影响效应变化趋势对比结果以附图5展示。

(1)考虑到不同类型和不同方向的产业链冲击的交叉组合会产生多种影响效果，存在相互抵消的情况，对此下文将影响效果取绝对值保证了冲击对产出的影响方向是相同的，因此下文实际上测算的是多种类型冲击下的最大影响效果以及部门间的最强关联性。

(1)本文参考联合国工业发展组织（UNIDO）和国家统计局对制造业技术等级的划分，具体分类以附表4展示。

(2)“高影响–高影响”表示两个部门相互间的冲击–影响关系均为高影响，以此类推。

(1)因篇幅所限，各个部门产业链下游度与扩散效应和感应效应的相关性结果以附图6展示，产业链下游度与不同类型冲击的关系拟合结果以附图7~8展示。