【作者】沈陽1，吳璟1，吳淑萍2，鄭嘉欣1

1. 清華大學(xué)恒隆房地產(chǎn)研究中心

2. 北京交通大學(xué)經(jīng)濟管理學(xué)院

【通訊作者郵箱】

shpwu@bjtu.edu.cn

【原文信息】Shen, Y., Wu, J., Wu, S., & Zheng, J. (2026). Disrupted Development: Urban Productivity Under Changing Place‐Based Industrial Policies in China. Journal of Regional Science.

https://doi.org/10.1111/jors.70050

內(nèi)容導(dǎo)讀

吳璟教授團隊及其合作者的研究論文“Disrupted Development: Urban Productivity Under Changing Place‐Based Industrial Policies in China”（被扭曲的發(fā)展：中國區(qū)位導(dǎo)向性產(chǎn)業(yè)政策變動下的城市生產(chǎn)力），在SSCI期刊Journal of Regional Science在線發(fā)表。盡管學(xué)術(shù)界對城市政策穩(wěn)定性的重要性已達成共識，但頻繁的政策變動對城市發(fā)展的負面影響卻鮮有準確評估。本研究旨在通過實證分析區(qū)位導(dǎo)向性政策對應(yīng)目標區(qū)域的變動對城市生產(chǎn)力的影響并探討其內(nèi)在機制，以彌補這一研究空白。研究利用2008年至2016年間中國285個地級市的319,276宗工業(yè)用地數(shù)據(jù)，通過分析市政府工業(yè)用地供應(yīng)空間分布的偏移來評估這些政策的變動。研究結(jié)果表明，在市政府政治動機的驅(qū)動下，區(qū)位導(dǎo)向性政策目標區(qū)域的頻繁變動抑制了創(chuàng)新，導(dǎo)致技術(shù)進步和全要素生產(chǎn)率（TFP）下降。分解分析進一步發(fā)現(xiàn)，這種負面影響主要源于過度的政策調(diào)整，特別是“短暫”工業(yè)園區(qū)的建立。雖然這些頻繁的政策變動提升了政府官員的晉升前景，且由于要素投入的增加在短期內(nèi)并未降低GDP的增長，但由此導(dǎo)致的TFP下降卻威脅到了長期經(jīng)濟增長的可持續(xù)性。

制度背景

區(qū)位導(dǎo)向型政策（place-based policies）是一種政府有意將資源定向配置到特定地理區(qū)域的政策工具，在大多數(shù)經(jīng)濟體中被廣泛運用，用以推動產(chǎn)業(yè)發(fā)展，例如設(shè)立經(jīng)濟特區(qū)或工業(yè)園區(qū)。然而，在中國，區(qū)位導(dǎo)向型政策目標區(qū)域的變動較為頻繁。以經(jīng)濟特區(qū)為例，中國地方政府在2003年前建立了近7000個經(jīng)濟特區(qū)；大多數(shù)于2004年關(guān)閉，2006年僅剩1568個。到2018年底，國家和省級經(jīng)濟特區(qū)數(shù)量再次增加至2544個。頻繁的政策變動較大程度上源于中國獨特的政治激勵結(jié)構(gòu)。中國城市領(lǐng)導(dǎo)人的頻繁更換以及晉升錦標賽制度賦予了官員極強的動機去通過“新政”來彰顯個人貢獻，前任官員在舊區(qū)域創(chuàng)造的產(chǎn)出常被視為“政治遺產(chǎn)”，新任官員更傾向于推動新區(qū)域的工業(yè)發(fā)展以彰顯其貢獻獲取上級認可進行晉升。區(qū)位導(dǎo)向型政策目標區(qū)域反復(fù)經(jīng)歷“設(shè)立—廢除—再開發(fā)”的過程，意味著工業(yè)與經(jīng)濟活動需要不斷在空間上重新配置。在此背景下，這種區(qū)位導(dǎo)向型政策的頻繁變動是否會系統(tǒng)性地影響企業(yè)行為及生產(chǎn)率結(jié)果，是一個亟需深入研究的重要問題。

研究方法

本研究主要結(jié)合土地出讓數(shù)據(jù)、城市年度數(shù)據(jù)，構(gòu)建了城市層面的年度面板數(shù)據(jù)。土地出讓數(shù)據(jù)來自中國土地市場網(wǎng)，涵蓋285個地級市2008–2016年共計319,276塊工業(yè)用地；城市年度數(shù)據(jù)中城市出口價值來源于中國海關(guān)總局，其他信息來源于中國城市統(tǒng)計年鑒。

(1) 構(gòu)建核心解釋變量PC_c,t

在中國，由于城市土地為國有，實施區(qū)位導(dǎo)向型政策涉及市政府向目標區(qū)域分配新的工業(yè)用地資源，因此工業(yè)用地供應(yīng)是市政府實施區(qū)位導(dǎo)向型政策的關(guān)鍵抓手，市政府通過將工業(yè)用地配置給企業(yè)主導(dǎo)城市產(chǎn)業(yè)布局。因此，采納Shen等（2022）的方法，利用地級市政府的工業(yè)用地供給行為，通過衡量市政府工業(yè)用地供應(yīng)空間分布的變化，反映區(qū)位導(dǎo)向型政策目標區(qū)域的變化。公式如下：

n是城市c中區(qū)縣級行政區(qū)的數(shù)量。IND_i,c,t是城市c中區(qū)縣i在年份t供應(yīng)的工業(yè)用地總面積，Area_i,c是城市c中區(qū)縣i的行政區(qū)域面積。Rank(.)是城市c在年份t中所有區(qū)縣從最大到最小排序后區(qū)縣i獲得排名的計算器。最終計算得到的PC_c,t越大表示城市c在年份t中區(qū)縣級行政區(qū)在連續(xù)年份間排序變化越大。

(2) 構(gòu)建核心被解釋變量TEP_c,t

通過DEA-Malmquist（數(shù)據(jù)包絡(luò)分析—指數(shù)法）測算城市i在年份t的全要素生產(chǎn)率（TFP）。該方法基于DEAP 2.1軟件（Coelli，1996）實現(xiàn)，通過對各城市內(nèi)微觀企業(yè)層面的投入與產(chǎn)出數(shù)據(jù)進行加總，捕捉城市層面生產(chǎn)率的動態(tài)演變，從而反映城市整體的運行效率與技術(shù)進步。

(3) 實證策略

本文通過如下回歸估計區(qū)位導(dǎo)向型政策目標區(qū)域的變動程度對城市全要素生產(chǎn)率的影響。

其中，TEP_c,t表示通過DEA-Malmquist法測算的城市i在年份t的全要素生產(chǎn)率。城市級 TFP是捕捉外部沖擊對城市經(jīng)濟增長影響時最常用的結(jié)果變量之一（Kahn et al.，2021）。PC_c,t-1代表城市i在上一年度t-1的政策變動。為了消除極端值的影響，對政策變動變量進行了2%的縮尾處理。影響TEPPC的其他城市級時變經(jīng)濟變量在向量_c,t-1中。其他城市特定性和年份特定的不可觀測異質(zhì)性均被城市固定效應(yīng)(和年度固定效應(yīng)(吸收。_c,t指按城市聚類的誤差。

研究結(jié)果

本研究的主要結(jié)果分為三個部分：首先展示城市內(nèi)區(qū)位導(dǎo)向型政策目標區(qū)域的變動程度對城市全要素生產(chǎn)率的影響，并且進行機制分析；其次進一步提供了更詳細的空間層面政策變動影響全要素生產(chǎn)率的直接證據(jù)。最后從市政府領(lǐng)導(dǎo)人的政治動機解釋市政府為何頻繁實施政策變更。

（1）城市內(nèi)區(qū)位導(dǎo)向型政策目標區(qū)域的變動程度對城市全要素生產(chǎn)率的影響

表1匯報了估計結(jié)果。第(1)至(3)列匯報了政策變動滯后一期對全要素生產(chǎn)率（TFP）的影響估計。第(1)和(2)列展示了初步的模型設(shè)定，僅包含年份固定效應(yīng)和城市固定效應(yīng)，未加入其他控制變量。兩者的唯一區(qū)別在于標準誤的聚類方式：第(1)列在城市層面進行聚類；而第(2)列采用了城市和年份的雙向聚類標準誤，以允許擾動項在年份和城市內(nèi)部存在相關(guān)性。這兩列中政策變動變量的系數(shù)均顯著為負，且至少在5%的水平上顯著。具體而言，上一年的政策變動每增加10個百分點，當年的TFP將下降0.38%。為了緩解遺漏變量偏差問題，第(3)列對同時影響政策變動與生產(chǎn)率的其他城市—年度層面因素進行了控制，結(jié)果上，政策變動對TFP的負面影響依然成立，且該效應(yīng)的數(shù)值甚至有所擴大：上一年度政策變動每增加10個百分點，本年度TFP將下降0.43%。

表1 區(qū)位導(dǎo)向型政策目標區(qū)域的變動程度對城市全要素生產(chǎn)率的影響（對應(yīng)原文中表2）

穩(wěn)健性上，本研究使用替代變量來評估政策變動、利用企業(yè)年度層面的TFP分別作為穩(wěn)健性檢驗。通過考察非工業(yè)土地供應(yīng)變化對TFP的影響，進行安慰劑檢驗。通過多種方法討論并解決內(nèi)生性問題。最后，結(jié)合空間分析考慮空間溢出效應(yīng)，并在排除此類效應(yīng)后驗證結(jié)果?；鶞驶貧w通過以上所有檢驗。

進一步地，研究發(fā)現(xiàn)隨著政策變動的增加，其對TFP負面影響的大小和重要性都會增加，呈現(xiàn)非線性關(guān)系。機制檢驗上，通過將TFP變化分解為三部分——技術(shù)進步（TP）、規(guī)模效率（SE）和技術(shù)效率（TE），分析哪些TFP組成部分受政策變更影響。結(jié)果見表2，在第（1）和（2）列中，系數(shù)不顯著，而第（3）列結(jié)果顯示政策變動對TP的負面影響是其對TFP影響的主要來源。為了進一步解釋政策變化對TP的影響，本研究從國家知識產(chǎn)權(quán)局收集了所有制造業(yè)企業(yè)（年銷售額超過500萬元）的專利申請數(shù)據(jù)。如第（4）列所示，上一年度城市層面的政策變動阻礙了該城市制造企業(yè)的創(chuàng)新產(chǎn)出。

表2 TEP分解下影響機制分析（對應(yīng)原文中表3）

（2）更詳細的空間層面政策變動影響全要素生產(chǎn)率的直接證據(jù)

本研究在更微觀的空間尺度上提供了政策變動的直接證據(jù)。利用Getis-Ord Gi*統(tǒng)計分析，將城市年度級政策在考慮空間集中度后變更細分為區(qū)縣層面的空間尺度。關(guān)注兩種特定類型的細微政策變動：新“熱”工業(yè)園區(qū)的出現(xiàn)和之前“熱”工業(yè)園區(qū)的消退。對熱工業(yè)園區(qū)的分析顯示，新熱工業(yè)園區(qū)平均持續(xù)1.7年，其中超過60%的持續(xù)時間不超過1年。這表明政府經(jīng)常建立新工業(yè)園區(qū)后又放棄，導(dǎo)致“短暫”工業(yè)園區(qū)現(xiàn)象。通過對這些區(qū)縣層面的變化進行企業(yè)年度層面的TFP回歸，發(fā)現(xiàn)“短暫”工業(yè)園區(qū)作為典型的“過度”政策變動形式，最終阻礙了TFP的增長。

（3）市政府頻繁實施政策變更的原因

本研究進一步解釋了市政府為何會做出這些政策變更。解釋主要集中在市政府領(lǐng)導(dǎo)人的晉升激勵機制上。在中國，地方領(lǐng)導(dǎo)人的晉升取決于兩個因素：其所轄城市的實際經(jīng)濟增長率（第一個因素）和上級政府對其貢獻的看法（第二個因素）。受第二個因素的激勵，現(xiàn)任地方領(lǐng)導(dǎo)人經(jīng)常做出政策調(diào)整，旨在區(qū)別于前任，并提高上級當局的認可度。因此，這些政策變動往往顯得“過度”。然而，優(yōu)先考慮第二個因素，即使犧牲了TFP下降，也不一定意味著犧牲第一個因素。政府可以通過增加勞動力和資本投入來抵消這一點。研究結(jié)果顯示，政策變動對地方就業(yè)、投資和GDP有積極（但統(tǒng)計學(xué)上不顯著）的影響。同時，回歸結(jié)果也驗證了更頻繁的政策變動能顯著提高現(xiàn)任市政府領(lǐng)導(dǎo)人晉升的可能性。

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。