全球价值链与增加值贸易:投入产出、Leontief 逆与 KWW 分解
本页自包含:多国家多部门投入产出框架 → Leontief 逆 → 增加值系数 → VAX 增加值出口 → KWW 总出口分解(DVA/FVA/重复计算)→ 前向/后向 GVC 参与度 → Antràs-Chor 上下游框架 → 完整 Python 核算代码 + 数据来源 → 中国在 GVC 的位置 + 论文案例。
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:
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。
VAX 比率(Johnson-Noguera 2012)是 GVC 研究的核心指标:
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:
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。
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":
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)。
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。
# ============================================================
# 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}")
- 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 ICIO | 60+ 国,36 部门,年度面板 | OECD 官方,更新到近年 |
| Eora MRIO | 189 国,高部门数 | 覆盖最全但估计成分多 |
| GTAP | 140 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
10.2 中文顶刊与中国应用
10.3 常见错误
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。
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。
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。
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。
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 贸易与 结构引力。前置:先读 03 引力与 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。