EQUATION AUDIT · 公式审计
本页共 9 个核心方程(IO 恒等式 $Y=AY+FD$、Leontief 逆 $(I-A)^{-1}$、增加值系数 $v$、VAX 增加值出口、KWW 总出口分解、前向/后向参与度、垂直专业化 VS、Antràs-Chor 上下游)。核心警示:总出口 ≠ 增加值出口——一颗 iPhone 出口报关 800 美元,中国增加值可能只有 150 美元。

01 经济环境与假设

传统贸易统计按总价值记录:中国向美国出口 iPhone 800 美元,账面上记 800 美元顺差。但这 800 美元里,屏幕来自韩国、芯片来自中国台湾、相机来自日本、组装在中国深圳——中国实际获得的增加值可能只有 100–150 美元。全球价值链(Global Value Chain, GVC)/ 增加值贸易(Value-Added Trade)这一文献,就是要把"总出口"拆开,看清楚每一段生产环节、每一个国家真正赚了多少增加值。

核心假设清单(每条附设定理由 / 参数含义 / 经济直觉):

  • 假设 A1:多国家、多部门投入产出框架。世界由 $G$ 个国家、每个国家 $S$ 个部门组成,共 $N=G\times S$ 个"国家-部门"生产单元。理由:生产分割意味着中间品跨国流转,必须用"国家-部门"为行/列的世界投入产出表(WIOT)才能追踪。参数含义:$Z_{ij}$ 是从单元 $i$ 卖给单元 $j$ 作中间投入的流量,$F_{ig}$ 是卖给国家 $g$ 作最终消费的流量。直觉:没有 WIOT 就看不到"韩国屏幕→中国组装→美国消费"这条链。
  • 假设 A2:固定技术系数(Leontief 生产函数)。每个部门用固定比例的中间投入与增加值要素生产。理由:这是投入产出分析的传统假设,使"完全消耗系数"有闭式(Leontief 逆)。参数含义:直接消耗系数 $A_{ij}=Z_{ij}/X_j$,假定不随价格变。直觉:这是强假设——现实中相对价格变了企业会替代投入,但在"核算"目的下足够。
  • 假设 A3:增加值 = 国内要素报酬。每个国家-部门的增加值 $V_j=X_j-\sum_i Z_{ij}$,即产出减全部中间投入,等于工资+利润+折旧+税收。理由:增加值法是 GDP 核算的标准,把"出口里多少是本国赚的"转化为"本国要素收入占比"。参数含义:增加值率 $v_j=V_j/X_j$。直觉:加工贸易的增加值率极低(组装环节 $v\approx 10\%$),一般贸易高。
  • 假设 A4:GVC 参与有前向 / 后向两个方向。前向(forward)=本国增加值嵌在第三国的出口里;后向(backward)=本国出口里用了多少外国增加值。理由:两个方向对应两种"嵌入方式"——上游原料国(前向)vs 下游组装国(后向)。参数含义:前向参与度、后向参与度两个比率。直觉:澳大利亚(铁矿石)是前向嵌入,中国(组装)是后向嵌入。
  • 假设 A5:生产环节的互补性/替代性决定企业边界(Antràs-Chor)。上下游环节若互补,企业倾向一体化;若替代,倾向外包。理由:GVC 不仅是核算问题,也是企业组织问题。参数含义:参数 $\eta$ 度量上下游投入的互补/替代。直觉:iPhone 各环节互补性强,苹果垂直整合;而纺织各环节替代性强,外包遍布全球。

符号与参数总表

符号含义维度
$Z_{ij}$中间品流量:单元 $i$→单元 $j$$N\times N$
$F_{ig}$最终品流量:单元 $i$→国家 $g$$N\times G$
$X_j$单元 $j$ 总产出$N\times 1$
$A_{ij}$直接消耗系数 $=Z_{ij}/X_j$$N\times N$
$B=(I-A)^{-1}$Leontief 逆(完全消耗系数)$N\times N$
$v_j$增加值率 $=V_j/X_j$$N\times 1$
$VAX_{ng}$$n$ 国增加值被 $g$ 国吸收$G\times G$
$DVA/FVA$国内/国外增加值含量
$\eta$Antràs-Chor 上下游互补/替代参数

02 投入产出恒等式与 Leontief 逆

每个国家-部门 $j$ 的总产出 $X_j$,一部分卖给其他部门作中间投入,一部分卖给最终需求(消费/投资/出口)。按行平衡:

(GVC2) ★ 投入产出恒等式
$$\mathbf X = A\mathbf X + \mathbf F \qquad\Longleftrightarrow\qquad \mathbf X=(I-A)^{-1}\mathbf F$$

$A_{ij}=Z_{ij}/X_j$ 是直接消耗系数(生产一单位 $j$ 的产出要消耗多少 $i$ 的中间品);$\mathbf F$ 是最终需求向量。$(I-A)^{-1}$ 即 Leontief 逆矩阵 $B$,其元素 $B_{ij}$ 表示:为满足 $j$ 一单位最终需求,经济在 $i$ 地直接 + 间接需要多少总产出——这是"完全消耗"概念的数学化。

设定理由:Leontief 逆是整个 GVC 核算的引擎。直接消耗 $A$ 只算"第一轮",但你生产汽车需要钢,生产钢需要铁矿石、电力……这些"间接"投入都被 $(I-A)^{-1}$ 的无穷级数 $I+A+A^2+A^3+\cdots$ 完整捕捉。没有它,就无法把最终需求一路追溯到最上游的增加值来源。

经济直觉:最终需求 1 美元 iPhone,经 Leontief 逆一层层放大,变成"需要多少韩国屏幕、中国组装、日本相机"的全部投入——再乘以各国增加值率 $v_j$,就把 1 美元的最终需求分解成各国的增加值贡献。这正是增加值贸易核算的核心机械。

03 增加值系数与 VAX 出口

定义增加值率向量 $\mathbf v$(每个国家-部门的增加值/总产出)。给定最终需求 $\mathbf F$,各国增加值为 $\mathbf v\circ \mathbf X$(Hadamard 乘)。增加值出口(Value-Added eXports, VAX)度量:$n$ 国创造的增加值,最终被 $g$ 国吸收的部分。

(GVC3) ★ VAX 增加值出口(Johnson-Noguera 2012)
$$VAX_{ng}=\sum_{i\in n} v_i\,\big[(I-A)^{-1}\mathbf F_{g}\big]_{i}$$

$\mathbf F_g$ 是 $g$ 国最终需求向量;$(I-A)^{-1}\mathbf F_g$ 是为满足 $g$ 国最终需求,各单元需要生产多少总产出;乘以 $n$ 国各单元的增加值率 $v_i$,加总即 $n$ 国被 $g$ 国吸收的增加值。

VAX 比率(Johnson-Noguera 2012)是 GVC 研究的核心指标:

VAX 比率
$$\text{VAX ratio}_n=\frac{\text{被国外吸收的本国增加值}}{\text{总出口}_n}=\frac{\sum_{g\ne n}VAX_{ng}}{EX_n}$$

经济直觉:总出口 $EX_n$ 里,真正是本国增加值的比例就是 VAX ratio。VAX ratio 越接近 1,说明出口几乎全是本国创造的(传统贸易);越小于 1,说明出口里大量是"进口中间品再出口"(GVC 嵌入深)。中国加工贸易的 VAX ratio 长期低于 0.5,这就是"中国 800 美元 iPhone 只赚 150"的量化表达。

04 KWW 总出口分解

Koopman-Wang-Wei (2014, AER) 把一国总出口 $EX_n$ 完整分解为三大块:

(GVC4) ★ KWW 分解(Koopman-Wang-Wei 2014)
$$EX_n = \underbrace{DVA_n}_{\text{国内增加值}}+\underbrace{FVA_n}_{\text{国外增加值}}+\underbrace{DC_n}_{\text{重复计算}}$$

DVA:本国创造、出口到国外吸收的增加值(又分被直接进口国吸收 + 经第三国再出口 + 回流本国);FVA:本国出口里包含的外国增加值;DC:同一增加值因中间品多次跨国流动而在总贸易统计里被重复计算的部分。

为什么会有"重复计算 DC"?因为中间品跨国多次流转:日本钢材→中国冲压→美国车→美国钢材废料……同一吨钢的增加值,在"日本出口钢材""中国出口冲压件""美国出口整车"三个环节都被计入总出口。总贸易统计把这同一吨钢算了三遍,而增加值贸易只算一遍。DC 就是这个差额。

KWW 的革命性贡献

在此之前,Hummels-Ishii-Yi (2001) 的"垂直专业化 VS"只能算 FVA(外国增加值含量),KWW 第一次把总出口完全拆成 DVA + FVA + DC,并把 DVA 再细分为被吸收/回流/再出口,使"贸易顺差"可以从增加值视角重估。这直接改变了中美贸易失衡的量化结论。

05 前向 / 后向 GVC 参与度

Koopman-Powers-Wang-Wei (2010) 提出两个方向的参与度,刻画一国在 GVC 中是"上游"还是"下游":

(GVC5) ★ GVC 参与度(Koopman et al.)
$$\text{Forward participation}_n=\frac{\text{国内增加值间接出口(嵌在第三国出口中)}}{\text{总出口}_n}$$ $$\text{Backward participation}_n=\frac{\text{国外增加值含量(FVA)}}{\text{总出口}_n}$$

前向高:本国主要出口中间品/原料,增加值嵌在别人的出口里(澳大利亚铁矿石、中东石油);后向高:本国出口大量用了外国中间品(中国加工贸易)。两者之和即"GVC 参与度"。

经济直觉:微笑曲线——上游(研发、核心零部件)和下游(品牌、售后)高附加值,中游组装低附加值。前向参与度高的国家站在微笑曲线左端(上游),后向参与度高的国家站在中游(组装)。中国过去几十年以后向嵌入为主,近年逐步向前向攀升——这正是"中国在 GVC 中位置演变"文献的核心叙事。

06 Antràs-Chor 上下游框架

GVC 不仅是宏观核算,也是企业组织问题。Antràs & Chor (2013, Econometrica) 把生产建模成一条有序的价值链:上游环节 $s\in[0,1]$ 先发生,下游环节后发生。企业要决定每个环节是一体化(own production,纵向合并)还是外包(arm's length)。

(GVC6) Antràs-Chor 组织边界
$$\text{若上下游环节}\begin{cases}\text{互补 }(\eta>0)\Rightarrow\text{ 倾向上游外包、下游一体化}\\\text{替代 }(\eta<0)\Rightarrow\text{ 倾向上游一体化、下游外包}\end{cases}$$

核心机制是顺序投资的剩余索取权:上游环节的投资会影响下游环节的边际收益。互补时,让上游独立承包商"先投够",再由总部一体化控制下游;替代时反之。这决定了 GVC 中企业边界的位置。

经济直觉:为什么苹果自己掌握芯片设计(下游/核心环节一体化)而把组装外包给富士康(上游/标准化环节外包)?因为互补性下,核心环节需要强控制权。这一理论把"为什么中国只能做组装"从比较成本上升到了产权理论高度。Antràs (2020, JEP) 综述了整个 GVC 理论与实证。

07 Python 核算代码(numpy)

下面用一个模拟的多国家-多部门投入产出表,完整实现:Leontief 逆 → 增加值系数 → VAX 矩阵 → 总出口 → DVA/FVA 分解 → GVC 参与度。替换 Z, F 为真实 WIOD 数据即可直接使用。

Python · numpy · GVC 增加值核算
# ============================================================
# GVC / 增加值贸易核算 (Leontief 逆 + VAX + KWW 分解)
# 参考: Johnson-Noguera (2012); Koopman-Wang-Wei (2014, AER)
# 仅依赖 numpy; 替换 Z,F 为真实 WIOD 即可
# ============================================================
import numpy as np

def build_wiot(G=3, S=2, seed=1):
    """构造模拟世界投入产出表: G国×S部门"""
    rng = np.random.default_rng(seed)
    n = G * S
    # Z[i,j] = 中间品从单元 i 流到单元 j (j 生产用)
    Z = rng.uniform(0.1, 1.0, (n, n))
    # F[i,g] = 最终品从单元 i 流到国家 g
    F = rng.uniform(0.5, 2.0, (n, G))
    x = Z.sum(axis=1) + F.sum(axis=1)          # 总产出(行和)
    A = Z / x[None, :]                          # 直接消耗系数 A[i,j]=Z[i,j]/x_j
    Lmat = np.linalg.inv(np.eye(n) - A)         # Leontief 逆 (I-A)^-1
    va = x - Z.sum(axis=0)                      # 总增加值(列: 产出-中间投入)
    v = va / x                                  # 增加值率 v[j]=VA_j/x_j
    return Z, F, x, A, Lmat, v

def gvc_accounting(Z, F, G, S):
    """核心核算: VAX矩阵 + 总出口 + DVA/FVA + 参与度"""
    n = G * S
    x = Z.sum(axis=1) + F.sum(axis=1)
    A = Z / x[None, :]
    Lmat = np.linalg.inv(np.eye(n) - A)
    va = x - Z.sum(axis=0); v = va / x
    idx = np.array([[g, s] for g in range(G) for s in range(S)])  # 每个单元所属国家

    def mask(g):
        return idx[:, 0] == g                    # 单元 g 的行索引

    # --- 1. VAX[g,m] = g国增加值被m国最终需求吸收 ---
    VAX = np.zeros((G, G))
    for g in range(G):
        for m in range(G):
            out = Lmat @ F[:, m]                 # 满足m最终需求所需总产出
            VAX[g, m] = v[mask(g)] @ out[mask(g)]

    # --- 2. 总出口 EX[g]: 卖给国外的中间品 + 最终品 ---
    EX = np.zeros(G)
    for g in range(G):
        rows = mask(g)
        foreign_col = ~np.isin(idx[:, 0], [g])  # 国外部门
        mid = Z[np.ix_(rows, foreign_col)].sum()
        fin = F[rows][:, [m for m in range(G) if m != g]].sum()
        EX[g] = mid + fin

    # --- 3. g国按来源部门的出口向量 e[g,i] ---
    e = np.zeros((G, n))
    for g in range(G):
        for i in range(n):
            if idx[i, 0] == g:
                mid = Z[i, ~np.isin(idx[:, 0], [g])].sum()
                fin = F[i, [m for m in range(G) if m != g]].sum()
                e[g, i] = mid + fin

    # --- 4. KWW 分解: DVA / FVA / 重复计算 ---
    DVA = np.zeros(G); FVA = np.zeros(G)
    for g in range(G):
        b = Lmat @ e[g]                        # 为生产g出口所需总产出
        for h in range(G):
            va_h = v[mask(h)] @ b[mask(h)]
            if h == g:
                DVA[g] = va_h                   # 本国增加值
            else:
                FVA[g] += va_h                  # 外国增加值
    DC = EX - DVA - FVA                        # 重复计算(会计恒等式)

    # --- 5. GVC 参与度 ---
    vax_ratio = np.array([(VAX[g, :].sum() - VAX[g, g]) / EX[g] for g in range(G)])
    backward = FVA / EX                        # 后向: 外国增加值/总出口
    forward = np.array([(VAX[g, :].sum() - VAX[g, g] - DVA[g] + FVA[g]) / EX[g]
                        for g in range(G)])  # 前向(间接增加值出口)近似
    return dict(VAX=VAX, EX=EX, DVA=DVA, FVA=FVA, DC=DC,
                vax_ratio=vax_ratio, backward=backward, forward=forward)

# ------------------------------------------------------------
if __name__ == "__main__":
    G, S = 3, 2
    Z, F, x, A, Lmat, v = build_wiot(G, S)
    res = gvc_accounting(Z, F, G, S)
    print("VAX 矩阵 (行g=来源国, 列m=吸收国):")
    print(np.round(res["VAX"], 2))
    print("\n总出口 EX:", np.round(res["EX"], 2))
    print("DVA 国内增加值:", np.round(res["DVA"], 2))
    print("FVA 国外增加值:", np.round(res["FVA"], 2))
    print("DC 重复计算:", np.round(res["DC"], 4))
    print("校验 EX = DVA+FVA+DC:", np.allclose(res["EX"], res["DVA"] + res["FVA"] + res["DC"]))
    print("\n--- GVC 参与度 ---")
    for g in range(G):
        print(f"国家{g}: VAX率={res['vax_ratio'][g]:.3f} "
              f"后向参与={res['backward'][g]:.3f}")
代码要点与从模拟到真实 WIOD
  • 会计恒等式:$EX=DVA+FVA+DC$ 必须精确成立(本代码 np.allclose 校验),否则 $A$ 或 $v$ 算错;
  • Leontief 逆用 np.linalg.inv:$n=G\times S$,WIOD 为 $43$ 国 $\times$ $56$ 部门 $\approx 2400$ 维,求逆秒级;
  • 换成真实 WIOD:把 OECD ICIO / WIOD 的 .xlsx 读成 $Z$(中间用)与 $F$(最终用)两个矩阵,维度对齐后直接跑;
  • Stata/R:Stata 用 iop=...(OECD 提供),R 用 decompr 包做 KWW,概念框架与本代码一致。

08 数据来源与行业匹配

数据库覆盖用途
WIOD(世界投入产出表)43 国 + ROW,56 部门,1995–2014(2016 版)学术界最常用,免费下载
OECD ICIO60+ 国,36 部门,年度面板OECD 官方,更新到近年
Eora MRIO189 国,高部门数覆盖最全但估计成分多
GTAP140 国,57 部门可与 CGE 模型联动
中国国家统计局 IO 表全国 139 部门,逢 2、7 年编制中国国内分解
中国海关数据库HS8 位企业-产品-目的地微观 GVC、加工贸易
中国工业企业数据库规模以上工业企业匹配企业层面生产/贸易

行业分类匹配是最大工程:WIOD 用 ISIC Rev.4,中国 IO 表用 GB/T 4754,海关用 HS。三者必须做跨版本映射(HS↔ISIC↔GB/T)。OECD 提供官方 concordance,但中国海关的"加工贸易 vs 一般贸易"在 WIOD 里被合并,做中国细分研究时要回到海关数据单独拆。

09 应用:中国 GVC 位置与贸易战

9.1 GVC 参与度跨国比较

小国(新加坡、马来西亚)后向参与度高(出口里大量外国中间品),大国(美国、日本)前向参与度高(出口中间品给别人)。中国介于两者之间,后向参与度在 2005 年峰值后持续下降——意味着出口里本国增加值比例上升,即"国内供应链替代进口中间品"。

9.2 中国在 GVC 中的位置演变(微笑曲线攀升)

1995–2023 年,中国出口的国内增加值率从约 70% 升至 85% 以上(尤其 2010 年后),同时前向参与度上升。这反映两件事:(i) 加工贸易占比下降,一般贸易占比上升;(ii) 国内中间投入替代日韩进口中间品。中国正从微笑曲线中游向两端(研发/品牌)攀升,但在高端芯片、核心软件上仍依赖前向参与的发达国家。

9.3 贸易战对 GVC 的影响与增加值视角的顺差

按总贸易统计,中美 2018 年顺差约 4200 亿美元;按增加值贸易重估(把中国出口里的韩国、日本增加值剔除,把美国转口剔除),中美顺差缩水约 30–40%。这说明"贸易失衡"很大程度是统计假象——iPhone 在中国组装、最终卖美国,但增加值遍布全球。贸易战若按总出口征税,会误伤韩国、日本、德国的增加值,这正是 GVC 核算的政策含义。

10 论文案例、常见错误与难度

10.1 英文经典论文

EN · 奠基
Vertical Specialization and the Changing Nature of World Trade
Hummels, Ishii & Yi (2001), Journal of International Economics 54(1): 75-96
"垂直专业化 VS"概念的开山之作:第一次用 IO 表测出口里的外国中间品含量。GVC 文献的起点。
EN · 里程碑
Tracing Value-Added and Double Counting in Gross Exports
Koopman, Wang & Wei (2014), American Economic Review 104(2): 459-494
KWW 分解的原始论文:把总出口完整拆成 DVA+FVA+DC,本页 (GVC4) 的直接来源。
EN · 经典
Gains from Trade and the Division of Production in the Global Economy / Accounting for Intermediates
Johnson & Noguera (2012), Journal of International Economics 86(2): 224-236(VAX ratio)
VAX 比率的系统测度:跨国比较增加值贸易占总贸易的比例,量化 GVC 深化。
EN · 理论
Property Rights Bias of Multinational Firms / Organizational Design and the Global Value Chain
Antràs & Chor (2013), Econometrica 81(6): 2127-2204;Antràs (2020), JEP 综述
上下游互补/替代决定企业一体化 vs 外包,把 GVC 从核算升级为产权理论。
EN · 经典
How Global are Global Value Chains? A New Approach to Estimate International Production Fragmentation
Los, Timmer & de Vries (2015), Journal of Economic Geography 15(4);Wang-Wei-Zhu (2013) NBER 后续分解
用 WIOD 测 GVC 跨国生产分割,是经验核算的标准流程。

10.2 中文顶刊与中国应用

中文 · GVC 位置
中国在全球价值链中的位置变化及驱动因素
彭水军等(《世界经济》2022);获省级社科优秀成果奖
用 WIOD/KWW 框架系统测算中国 GVC 位置的长期演变及其驱动因素,是中国 GVC 地位测算的代表作。
中文 · 出口价值创造
中国式出口的价值创造之谜:基于全球价值链的解析
基于 KWW 方法,区分加工贸易与一般贸易,重估中国出口价值构成
识别中国加工贸易/一般贸易二元结构下的不同价值创造机制,是中国情境下 KWW 分解的标准应用。
中文 · 分工收益
中间品贸易、价值链嵌入与国际分工收益:基于中国的分析
《世界经济与政治》/ 社科院世经所(2017)
从中间品贸易与价值链嵌入测度中国与世界互相获得的分工收益,量化中国 GVC 嵌入的福利含义。

10.3 常见错误

错误 1:把总出口当增加值出口

最根本的错。800 美元 iPhone 不是 800 美元中国增加值。任何"出口规模=本国利益"的判断都要先做 VAX/KWW 分解。

错误 2:假设固定系数却做反事实比较静态

Leontief 生产函数假定投入比例不随价格变。用它做"关税变化后的 GVC 重组"会误导——现实中企业会替代投入。纯核算可以,反事实要接结构模型。

错误 3:行业分类没对齐就直接算

WIOD(ISIC Rev.4)、中国 IO 表(GB/T 4754)、海关(HS)三套编码直接合并,结果会把"汽车制造"和"汽车零部件"混在一起,VAX 全错。必须先用官方 concordance 映射到同一口径。

错误 4:忽略转口贸易

中国经香港转口的贸易在海关数据里记为"出口香港",但实际目的地是美国。不做转口调整会高估中国对香港的出口、低估对美出口,进而扭曲双边 VAX。

错误 5:DVA+FVA ≠ 总出口,漏掉 DC

只算 DVA 和 FVA 就声称"分解完毕",会计恒等式 $EX=DVA+FVA+DC$ 不闭合。重复计算项必须单独列出,否则总量对不上。

10.4 难度与前置

难度:★★★☆☆(概念清晰,工程繁琐)。需要掌握:投入产出表基本概念、矩阵运算(Leontief 逆)、EK 贸易结构引力前置:先读 03 引力02 EK,理解贸易流怎么记录;本页回答"流的里面多少是真本国造的"。与 贸易成本估计互补:成本决定流多少,增加值分解决定流的内容。