技术扩散、可再生能源消费以及供应链数字化作为美国工业价值创造的长期决定因素：基于ARDL方法的分析

《Energy Conversion and Management-X》：Technology diffusion, renewable energy consumption, and supply chain digitalization as long-run determinants of industrial value creation in the United States: An ARDL-based analysis

　　

工业价值创造（INV）已成为当代研究的重要优先事项。理解在美国哪些长期决定因素与其相关至关重要。本研究调查了工业价值创造（INV）的几个决定因素，如基于专利的技术扩散（PTD）、可再生能源消费（REC）、供应链数字化能力（SCDC）、GDP增长（GDPG）和自然资源租金（NRR）的动态关联，分析了美国1990年至2023年的国家层面数据。在方法论方面，研究人员采用了自回归分布滞后（ARDL）方法，并整合了几种稳健性检验，包括完全修正普通最小二乘法（FMOLS）、动态普通最小二乘法（DOLS）、典型协整回归（CCR）、异方差和自相关一致性（HAC）以及因果分析。边界检验确认了协整关系（F = 31.021，超过1%临界边界）。长期来看，所有决定因素均显示与工业价值创造（INV）显著正相关：基于专利的技术扩散（PTD）（0.322）、可再生能源消费（REC）（0.127）、自然资源租金（NRR）（0.092）、GDP增长（GDPG）（0.052）和供应链数字化能力（SCDC）（0.015），所有均在1%水平上显著。误差修正项（?0.389，p < 0.01）表明每年有38.9%的短期偏差得到修正。格兰杰因果分析也表明变量之间存在混合预测方向性。稳健性检验，包括完全修正普通最小二乘法（FMOLS）、动态普通最小二乘法（DOLS）和典型协整回归（CCR），进一步证实了主要发现，尽管GDP增长（GDPG）和供应链数字化能力（SCDC）表现出一定敏感性。本研究的创新之处在于同时考察了技术扩散、可再生能源消费、数字化、自然资源收入以及经济增长，与美国工业价值创造（INV）的结果相关联，在一个统一的时间序列框架内针对美国进行分析。研究结果为美国工业、能源和技术政策提供了分析指导。

工业价值创造（INV）已成为当代经济研究的核心议题，其长期决定因素的理解对于发达国家如美国至关重要。尽管已有文献分别探讨了技术创新、能源转型、数字化、自然资源和宏观经济增长的作用，但存在以下问题：第一，现有研究碎片化，多单独考察各因素，缺乏统一框架；第二，多采用跨国面板分析，忽略单个经济体的特定动态，平均效应掩盖了国家内部异质性；第三，测量方法不一致，尤其是数字化指标；第四，对发达经济体内部复杂交互作用分析不足。因此，Arafat Hossain等研究人员开展本研究，旨在通过统一时间序列框架，同时考察基于专利的技术扩散（PTD）、可再生能源消费（REC）、供应链数字化能力（SCDC）、GDP增长（GDPG）和自然资源租金（NRR）对美国工业价值创造（INV）的长期动态关联。论文发表在《Energy Conversion and Management-X》。

研究人员采用了自回归分布滞后（ARDL）方法，通过边界协整检验确认长期关系；使用单位根检验（ADF、KPSS、Zivot-Andrews）确认变量整合阶数；基于AIC和BIC选择最优滞后；进行稳健性检验包括完全修正普通最小二乘法（FMOLS）、动态普通最小二乘法（DOLS）、典型协整回归（CCR）以及异方差自相关一致性（HAC）估计；并使用格兰杰因果检验分析预测方向。数据来源为世界发展指标（WDI）和经合组织（OECD）数据库，涵盖美国1990-2023年国家层面数据。

在结果部分，研究人员首先呈现了“趋势与多重共线性评估的汇总统计”（Summary statistics with trend and multicollinearity assessment）。描述性统计显示INV呈稳定上升趋势，PTD自1990年代末快速增长，REC强劲上升，SCDC呈下降趋势，GDPG波动大，NRR略有下降。方差膨胀因子（VIF）检验显示所有变量VIF值低于10，不存在严重多重共线性。

在“单位根检验与ARDL边界检验结果”（Unit root test and ARDL bound test results）部分，ADF、KPSS和ZA检验表明变量具有混合整合阶数（I(0)和I(1)），无I(2)变量。边界检验F统计量31.021超过1%临界值，确认存在长期协整关系。ZA检验还识别了结构断点年份，如INV在2011年、PTD在2006年等，与全球金融危机等背景事件一致。

在“ARDL主要输出结果讨论”（Discussion of the ARDL main outputs）部分，长期估计显示所有决定因素均与INV显著正相关，系数分别为PTD 0.322、REC 0.127、NRR 0.092、GDPG 0.052、SCDC 0.015（均在1%水平显著）。短期中，PTD、REC、SCDC的滞后项有负系数，表明调整成本。误差修正项-0.389（p<0.01）表明每年38.9%的短期偏差被修正。模型R²为0.918，调整R²为0.866。

在“CUSUM图与事后检验诊断”（CUSUM plots and postestimation diagnosis）部分，CUSUM和CUSUMSQ图显示参数稳定。Breusch-Godfrey LM检验无显著自相关（除滞后2阶边缘显著），Breusch-Pagan检验无异方差，残差正态，无ARCH效应，残差单位根检验确认协整。

在“稳健性与因果检验结果”（Robustness and causality test results）部分，FMOLS、DOLS、CCR稳健性检验基本一致，PTD、NRR、REC在所有模型中显著，GDPG和SCDC部分显著。HAC估计进一步确认长期正关联，所有95%置信区间排除零。格兰杰因果显示PTD和SCDC单向预测INV，GDPG、NRR、REC与INV双向预测。

讨论部分总结了这些发现：长期中所有决定因素的正向关联表明，技术创新、可再生能源转型、数字化、资源租金和经济增长共同促进美国工业价值创造。短期调整成本反映了转型过程中的暂时性压力。稳健性检验支持核心结论，但部分变量敏感，提示需结合背景解读。

研究结论部分（5.1 Summary）翻译如下：本研究使用ARDL方法和美国1990-2023年国家层面数据集，调查了INV及其关键决定因素（包括PTD、GDPG、NRR、REC和SCDC）之间的长期协整关系。实证结果表明，这些决定因素与预测变量之间存在稳定的长期协整关系。结果显示，技术创新、可再生能源消费、供应链数字化能力、GDP增长和资源租金在长期内均与INV正相关。然而，其大小和短期动态因规格而异。误差修正机制表明，在短期偏差后能稳定调整至长期均衡。所有诊断检验、稳定性检验和稳健性分析进一步支持结果的信度与稳健性。此外，格兰杰因果分析显示变量间存在混合预测模式。总体而言，研究强调美国INV受到技术、能源、数字化、GDP增长和资源相关因素相互关联的影响，这些因素随时间共同作用。研究结果强调，这些决定因素在特定背景下具有重要意义，共同促进了该国的工业价值创造。