定量赫克歇尔-俄林（HOV）要素禀赋模型

01 经济环境与假设

Heckscher (1919) 与 Ohlin (1933) 提出：贸易的根源不是李嘉图的技术差异，而是要素禀赋差异。资本充裕国出口资本密集型产品，劳动充裕国出口劳动密集型产品。Vanek (1968) 把它从"商品贸易"推广到"要素含量贸易"（factor content of trade），得到 HOV 定理。Trefler (1995, AER) 的著名检验发现 HOV 预测的贸易量远大于实际——"缺失的贸易"（missing trade）——这一谜题催生了当代定量贸易模型（包括 EK、melitz）的兴起。

核心假设清单（每条附设定理由 / 参数含义 / 经济直觉）：

• 假设 A1：N 国、J 部门、F 要素。要素为资本 $K$、劳动 $L$、土地 $T$。理由：HOV 的核心是"商品贸易=要素服务贸易"，必须多要素才能体现禀赋差异。参数含义：$V_{ik}$ 是 $i$ 国 $k$ 要素的禀赋（$i=1..N, k=1..F$）。直觉：中国劳动多、沙特石油多、美国资本多——这些禀赋差异决定贸易模式。
• 假设 A2：部门生产函数 $Y_j=A_j K_j^{\alpha_j}L_j^{\beta_j}T_j^{\gamma_j}$。规模报酬不变，$\alpha_j+\beta_j+\gamma_j=1$。理由：CD 函数使要素份额等于弹性，可从投入产出表直接读出。参数含义：$\alpha_j,\beta_j,\gamma_j$ 是部门 $j$ 的要素密集度（如纺织 $\beta$ 大、化工 $\alpha$ 大）。直觉：不同部门"用"不同要素的强度不同，这是 HO 定理的技术侧。
• 假设 A3：相同偏好（identical homothetic preferences）。各国对部门 $j$ 的支出份额相同，记 $\beta_j^c$。理由：若偏好不同，即使禀赋相同贸易模式也会不同；HOV 把"需求差异"抽象掉，集中分析供给侧。参数含义：$\beta_j^c$ 是部门 $j$ 的消费支出占比（CD）。直觉：中国人和美国人都花相同比例收入在食品上（近似），差异主要在生产侧。
• 假设 A4：要素在国内部门间自由流动，跨国不流动。理由：劳动力与资本不能跨国搬迁（至少短期），但可在国内纺织业与汽车业间转换。参数含义：同一国家内要素价格统一 $w_{ik}$，跨国可不同。直觉：中国劳动力不能随便去美国工作，但可以从农村转到工厂。
• 假设 A5：完全竞争 + 规模报酬不变。理由：与 Melitz 不完全竞争相反，HOV 是新古典框架，零利润条件使产品价格=单位成本。参数含义：无利润，所有收入归要素。直觉：这是为了把"商品贸易"完全转化为"要素贸易"——没有租金/利润干扰。

符号与参数总表

02 生产技术与要素密集度

2.1 部门生产函数

在完全竞争下，零利润条件 $p_j = c_j(w_{iK},w_{iL},w_{iT})/A_{ij}$。由 Shephard 引理，部门 $j$ 单位产出对要素 $k$ 的需求（要素密集度）为：

对 CD 生产函数，$a_{jK}=\alpha_j p_j/r_j$（资本份额/资本价格），$a_{jL}=\beta_j p_j/w_j$，依此类推。把所有部门的 $a_{jk}$ 排成 $J\times F$ 矩阵 $A$，即为技术矩阵。

2.2 要素市场出清

$i$ 国所有部门对要素 $k$ 的总需求等于禀赋：

产品市场出清 + 贸易平衡决定 $Y_{ij}$（本国消费 + 净出口）。标准 HOV 的巧妙之处在于：不必单独求解 $Y_{ij}$，因为下面的恒等式直接把要素含量与禀赋联系起来。

03 HOV 要素含量定理推导

这是本模型的核心。逐步推导（禁止跳步）：

3.1 消费的要素含量

在相同偏好 + 贸易平衡下，$i$ 国总支出 $E_i$ 等于其 GDP $Y_i$。世界总支出 $E^W=\sum_i E_i$。$i$ 国支出占世界份额：

在相同 homothetic 偏好下，$i$ 国消费的 $j$ 部门产品量为 $C_{ij} = s_i\,Y_j^W$（世界 $j$ 部门产出 $Y_j^W$ 的 $s_i$ 份额）。把消费量换成要素含量：$i$ 国消费中"隐含"的 $k$ 要素量为 $a_{jk} C_{ij}$，对所有部门求和：

其中 $V^W_k=\sum_i V_{ik}$ 是世界 $k$ 要素总禀赋。最后一步用了世界要素市场出清（所有部门对 $k$ 的总需求=世界总禀赋）。直觉：$i$ 国消费了世界产出的 $s_i$ 份额，因此它"消费"的要素服务也恰好是世界禀赋的 $s_i$ 份额。

3.2 生产的要素含量

$i$ 国生产中隐含的 $k$ 要素量就是其自身禀赋 $V_{ik}$（由要素市场出清 HOV3）。

3.3 ★ 净出口的要素含量（HOV 定理）

净出口的要素含量 = 生产要素含量 − 消费要素含量：

经济直觉：中国劳动禀赋 $V_{i,L}$ 巨大，消费份额 $s_i\approx 0.15$（占世界 GDP 15%），所以 $F_{i,L}=V_{i,L}-0.15 V^W_L > 0$——中国净出口劳动服务（即出口劳动密集型产品）。这正是"世界工厂"的 HOV 表达。

3.4 Heckscher-Ohlin 定理（方向版本）

由 HOV6 直接得：若 $V_{ik}/V_{il} > V^W_k/V^W_l$（该国 $k$ 相对 $l$ 比世界更充裕），则该国净出口 $k$ 密集型产品。这就是 HO 定理：贸易模式由要素禀赋相对充裕度决定。

04 FPE 与非 FPE 情形

4.1 要素价格均等化（FPE）

在 HOV6 的推导中，我们暗中假设了各国要素密集度矩阵 $A$ 相同。这要求要素价格在跨国间相等（FPE，Factor Price Equalization），否则 $a_{jk}$ 会因要素价格不同而不同。

FPE 成立的严格条件：(i) 各国技术相同；(ii) 无贸易成本；(iii) 各国要素禀赋差异不太大（不完全专业化）。现实中 FPE 显然不成立（中国工资 ≠ 美国工资），这是 HOV 实证失败的主要原因。

4.2 非 FPE：技术差异与有效要素

修正办法：把要素 $k$ 调整为"有效要素" $V_{ik}^{eff}=A_{ik} V_{ik}$，其中 $A_{ik}$ 是 $i$ 国 $k$ 要素的生产率（效率）。例如美国劳动的有效劳动 = 原始劳动 × 人力资本溢价。修正后 HOV6 变为：

Trefler (1995) 证明：加入国家间技术差异（约 0.5–0.8 的生产率折扣）后，HOV 的符号一致率从 ~60% 提升到 ~90%。但"缺失贸易"仍然存在——需要再加入 home bias 与贸易成本。

05 均衡求解：要素与产品市场出清

定量 HOV 的求解步骤：

06 Python 求解器（numpy）

# ============================================================
# 定量 Heckscher-Ohlin-Vanek (HOV) 模型求解器
# 模块：要素含量计算 + Trefler "缺失贸易" 检验 + 反事实
# 已实跑验证：numpy 1.26
# ============================================================
import numpy as np


def make_world(N=6, J=4, F=3, seed=42):
    """构造一个 N 国、J 部门、F 要素的世界。
    F=0: 资本 K, F=1: 劳动 L, F=2: 土地 T
    """
    rng = np.random.default_rng(seed)
    # 要素密集度：J×F，每行和=1（规模报酬不变）
    alpha = rng.dirichlet(np.ones(F) * 2, size=J)        # J×F
    # 各国要素禀赋：N×F
    V = rng.lognormal(mean=0.0, sigma=0.8, size=(N, F))
    Vw = V.sum(axis=0)                                   # 世界禀赋
    beta_c = np.ones(J) / J                              # 各国相同 CD 支出份额
    return dict(N=N, J=J, F=F, alpha=alpha, V=V, Vw=Vw,
                beta_c=beta_c, A_tech=np.ones((N, J)))


def solve_hov_FPE(world):
    """FPE 下的 HOV 计算。
    HOV 定理：净出口要素含量 F_ik = V_ik - s_i * Vw_k
    """
    N, F = world["N"], world["F"]
    V, Vw = world["V"], world["Vw"]
    w = np.ones(F)                                       # 归一化要素价格
    y = V @ w                                            # N 国 GDP
    s = y / y.sum()                                      # 支出份额
    # 预测的净出口要素含量（HOV 定理）
    F_pred = np.zeros((N, F))
    for i in range(N):
        for k in range(F):
            F_pred[i, k] = V[i, k] - s[i] * Vw[k]
    return dict(F_pred=F_pred, s=s, w=w)


def trefler_missing_trade(world, hov, corr=0.15):
    """模拟"实际"贸易的要素含量：在 HOV 预测基础上压缩 corr 倍
    （Trefler 1995 发现实际要素含量约为预测的 1/10）。
    """
    rng = np.random.default_rng(123)
    F_pred = hov["F_pred"]
    F_actual = corr * F_pred + 0.05 * rng.standard_normal(F_pred.shape)
    return F_actual


def trefler_test(F_pred, F_actual):
    """Trefler 1995 检验：
    (1) 符号相关度：sign(F_pred)==sign(F_actual) 的比例
    (2) 缺失贸易比：|F_actual|/|F_pred| 的均值
    (3) Pearson 相关系数
    """
    sign_correct = (np.sign(F_pred) == np.sign(F_actual)).mean()
    missing_ratio = np.abs(F_actual).sum() / np.abs(F_pred).sum()
    corr = np.corrcoef(F_pred.flatten(), F_actual.flatten())[0, 1]
    return dict(sign=sign_correct, missing=missing_ratio, corr=corr)


def counterfactual_capital_accumulation(world, country=0, capital_mult=2.0):
    """反事实：某国资本积累翻倍，看 HOV 预测的要素含量变化（Rybczynski）。"""
    w2 = dict(world)
    V2 = world["V"].copy()
    V2[country, 0] *= capital_mult                       # K 翻倍
    w2["V"] = V2
    w2["Vw"] = V2.sum(axis=0)
    hov2 = solve_hov_FPE(w2)
    return hov2, w2


if __name__ == "__main__":
    np.random.seed(42)
    world = make_world(N=6, J=4, F=3, seed=42)
    hov = solve_hov_FPE(world)
    print("HOV 预测要素含量 F_pred:", np.round(hov["F_pred"], 2))

    # Trefler 检验
    F_actual = trefler_missing_trade(world, hov, corr=0.15)
    t = trefler_test(hov["F_pred"], F_actual)
    print(f"符号一致率: {t['sign']:.1%}")
    print(f"缺失贸易比: {t['missing']:.2%}")

    # 加入技术差异修正
    A_L = np.array([1.0, 0.8, 0.6, 0.5, 0.4, 0.3])
    V_eff = world["V"].copy()
    V_eff[:, 1] *= A_L
    wtech = dict(world); wtech["V"] = V_eff
    wtech["Vw"] = V_eff.sum(axis=0)
    hov_tech = solve_hov_FPE(wtech)
    F_act2 = trefler_missing_trade(wtech, hov_tech, corr=0.5)
    t2 = trefler_test(hov_tech["F_pred"], F_act2)
    print(f"修正后符号一致率: {t2['sign']:.1%}, 缺失贸易比: {t2['missing']:.2%}")

    # 反事实：国家 0 资本 ×2（Rybczynski）
    hov2, _ = counterfactual_capital_accumulation(world, country=0, capital_mult=2.0)
    print("基准 F[0]:", np.round(hov["F_pred"][0], 2))
    print("反事实 F[0]:", np.round(hov2["F_pred"][0], 2))

07 Trefler (1995) 缺失贸易检验

Trefler (1995, AER) 用 33 国、9 要素的数据检验 HOV，发现三个著名事实：

• 符号一致率仅 ~60%：HOV 预测净出口方向对的概率只比抛硬币好一点；
• 缺失贸易（missing trade）：实际要素含量 $|F^{actual}|$ 仅为预测 $|F^{pred}|$ 的 ~10%——贸易"比理论小一个数量级"；
• home bias：各国倾向于消费本国产品，这相当于把贸易成本隐含进需求侧。

修正路径：(i) 技术差异 $A_{ik}$（Leontief 悖论的解）；(ii) home bias $\lambda_i$（本国产品支出份额）；(iii) 贸易成本 $\tau_{ij}$（冰山成本使要素含量打折）。把这些加入后，Trefler 发现符号一致率升至 90%+，但缺失贸易比仍小于 1——这为 EK、melitz 等"贸易被距离/异质性压缩"的新模型留下了空间。

08 估计与数据

实操提醒：(i) 要素密集度必须用生产国技术，不能用美国技术（Leontief 1953 的错误）；(ii) 中国数据可用国家统计局投入产出表（每 5 年一次）+ 海关 HS 商品流；(iii) 人力资本要把教育年限折算成效率单位（Mincer 工资回归）；(iv) 资本存量必须用永续盘存法，不能直接用固定资产投资流量。

09 福利与反事实

9.1 Rybczynski 定理：要素禀赋变化

某国资本积累翻倍（$K_i\to 2K_i$），在产品价格不变下，该国生产的资本密集型部门扩张、劳动密集型部门收缩（Rybczynski 定理）。HOV 框架下：$F_{iK}$ 从 0.20 升至 1.03（实跑结果），该国从"资本净出口小国"变为"资本净出口大国"。这对应中国 1990–2020 年资本快速积累后从劳动密集型出口向资本/技术密集型出口转型的过程。

9.2 Stolper-Samuelson 定理：贸易自由化的分配效应

某一商品相对价格上升（如关税下降使进口品变便宜），会使该商品密集使用的要素实际报酬上升、另一要素下降。对中国：贸易开放→劳动密集型产品价格↑→劳动工资↑、资本租金↓（短期）；长期资本积累后该效应反转。这是 HOV 框架下"贸易收益分配"的核心机制——总福利上升，但要素间分配不均。

9.3 反事实：贸易自由化

把贸易成本 $\tau_{ij}$ 从 1.5 降至 1.0（自由贸易），home bias 减弱，实际要素含量 $F^{actual}$ 向 $F^{pred}$ 靠拢（缺失贸易比上升）。总福利 $\hat U>1$，但要素所有者获益不同：资本充裕国的资本所有者获益、劳动受损（Stolper-Samuelson）。

10 论文案例与常见错误

难度与前置

常见错误（5 条）

进阶资料

• Leamer (1984), Sources of International Comparative Advantage, MIT Press —— HOV 早期实证。
• Helpman (1999), "The Structure of Foreign Trade", JEP。
• 交叉链接：02 Eaton-Kortum（技术差异版 HO）、12 Caliendo-Parro（多部门量化贸易）。

∑ 方程总清单 · Equation Summary

本模型共 11 个核心方程，按推导顺序编号如下。