我国持续优化完善农村公路网络

基于Aschauer（1989）公共资本理论，交通基础设施作为公共资本投入，应能提升私人资本和劳动力的边际生产率。农村公路通过降低运输成本、扩大市场可达性和促进劳动力流动，对县域经济产生正的边际效应。但不同类型投资的生产率效应可能存在差异：新建公路扩展交通网络的边际效应遵循Barro（1990）的拥挤效应逻辑——在路网密度较低的县域，新建的边际效应更大；养护投资则通过维持存量资本的生产率发挥作用。

据此提出以下假说：
- H1：农村公路投资对县域GDP具有正的边际产出弹性，弹性系数在0.05-0.15之间。
- H2：在路网密度低于全国中位数的县域，新建公路的边际产出效应显著高于路网密集的县域（网络效应的边际递减规律）。
- H3：养护投资对县域GDP的正效应存在1-2年的滞后，而新建投资的效应在当期即显著。

核心识别挑战是公路投资的内生性——经济发达的县可能获得更多投资。本文采用系统GMM（Blundell & Bond, 1998），以投资的滞后值作为水平方程的工具变量、差分值作为差分方程的工具变量，同时控制县域固定效应和年份固定效应消去不可观测的时不变异质性。对于投资结构效应，建立交互项模型，通过增量投资的边际效应差异识别最优结构。关键识别假定：投资的滞后值仅通过当期投资影响当期产出，不存在直接的滞后效应路径。

基准超越对数生产函数模型：

lnY_it = α + β₁lnK_new,it + β₂lnK_reno,it + β₃lnK_maint,it + γlnL_it + δX_it + μ_i + λ_t + ε_it

其中 Y_it 为县 i 在 t 年 GDP，K_new、K_reno、K_maint 分别为新建、改建、养护三类投资存量（永续盘存法，折旧率 5%），L_it 为劳动力，X_it 为控制变量向量（产业结构、城镇化率、人力资本）。μ_i 为县域固定效应，λ_t 为年份固定效应。β₁-β₃ 是核心参数，其相对大小揭示最优投资结构。

被解释变量：县域 GDP 不变价（国家统计局县域统计年鉴，以2000年为基期平减）。核心解释变量：三类农村公路投资存量，由交通运输部年度投资流量经永续盘存法（K_t = I_t + (1-δ)K_{t-1}）构造，折旧率 δ=0.05。控制变量：第二三产业占比、常住人口城镇化率、人均受教育年限（1%人口抽样调查）。样本区间：2010-2025年，全国约1800个县的面板数据，共约28800个观测值。

• 替换被解释变量：以夜间灯光亮度（DMSP/OLS和NPP/VIIRS卫星数据）替代县域GDP，检验投资效应是否对经济测度方式敏感。
• 替换核心解释变量构造方法：将折旧率分别调整为3%和7%重新计算投资存量，检验结论对折旧率假设的稳健性。
• 排除极端值影响：剔除GDP增速最低和最高各5%的县域，检验结论是否由少数异常县份驱动。
• 空间溢出效应检验：引入空间杜宾模型（SDM），检验相邻县域的公路投资是否对本县产生空间溢出效应。

---

根据新凯恩斯DSGE框架（Christiano et al., 2011），政府投资通过两个渠道影响总需求：一是直接效应——投资本身构成GDP的一部分；二是间接效应——通过增加就业、提高收入和引致消费产生乘数放大。农村公路投资因其劳动密集型特征（建设+养护吸纳本地劳动力），间接效应可能尤为显著。但在经济下行期，预防性储蓄动机增强可能削弱消费引致效应，使乘数低于扩张期。

据此提出以下假说：
- H1：农村公路投资的1年期财政乘数在1.2-1.8之间，即每1元投资拉动1.2-1.8元GDP增量。
- H2：新建投资乘数大于养护投资乘数（因新建更多使用本地劳动力和建材），但养护投资的就业弹性更高。
- H3：经济下行期（GDP增速低于趋势值）的财政乘数系统性低于扩张期（非对称性），幅度差约0.3-0.5。

核心挑战是投资与GDP的联立性——GDP影响财政能力进而影响投资。本文采用局部投影法（Jordà, 2005），以农村公路投资冲击为自变量，逐期投影到未来h期的GDP，直接估计脉冲响应。同时构造工具变量：中央对各省交通专项转移支付中「农村公路」占比与全国农村公路投资增长率的交互项，利用中央转移支付的外生跨省差异识别投资冲击。关键识别假定：中央专项转移支付的省际分配变化与各省当期经济波动不直接相关。

局部投影法基准方程：

y_{i,t+h} - y_{i,t-1} = α_h + β_h · ΔInv_{i,t} + γ_h · X_{i,t} + μ_i^h + λ_t^h + ε_{i,t+h}

其中 y_{i,t+h} 为省 i 在 t+h 期的 GDP 对数，ΔInv_{i,t} 为期农村公路投资对数差分（投资冲击），β_h 即 h 期累积乘数。X_{i,t} 包括滞后2期GDP增速和投资增速以控制前期动态。2SLS的一阶段方程：ΔInv_{i,t} = θ · Z_{i,t} + ...，Z_{i,t} 为工具变量（中央交通专项占比 × 全国农村公路投资增速）。

被解释变量：省级季度GDP不变价对数差分（国家统计局）。核心解释变量：省级农村公路投资（交通运输部年度数据经Chow-Lin方法插值为季度频率）。工具变量：财政部中央对地方交通专项转移支付决算数中农村公路占比。控制变量：省级一般公共预算支出（剔除交通）、社会消费品零售总额增速、M2同比增速。样本区间：2010Q1-2026Q1，31个省份，约2000个观测值。

• 替换乘数估计方法：以Blanchard-Perotti（2002）的SVAR方法替代局部投影法，检验乘数估计的方法敏感性。
• 替换工具变量构造：以「相邻省份农村公路投资均值」作为本省投资的IV（利用空间相关性），排除转移支付IV可能的内生性。
• 子样本稳健性：分别估计东部、中部、西部三大区域的子样本乘数，检验地域异质性是否改变总体结论。
• 滞后阶数敏感性：将局部投影法的控制变量滞后阶数从2期调整为1期和3期，检验β_h估计对滞后设定的稳健性。

---

根据Holmström & Milgrom（1991）的多任务委托代理模型，当代理人（路长）面临多个可替代的任务时，其努力分配取决于各任务的边际激励强度。路长制将养护责任明确到人，降低了委托-代理链条中的信息不对称（道路质量可由上级定期巡检观测），理论上应提升养护努力。但跨层级的路长（县-乡-村）面临的激励结构不同：县级路长直接受绩效问责约束，而村级路长更多依赖社会规范与声誉机制，两者的养护努力可能存在系统差异。

据此提出以下假说：
- H1：路长制的推行使农村公路优良路率（RQI ≥ 80）提升3-5个百分点。
- H2：在财政透明度较高的县，路长制的养护提升效应更强（财政透明强化了上级监督的可行性）。
- H3：县级路长管护路段的养护质量改善幅度显著大于村级路长管护路段，反映了激励强度的层级差异。

路长制在各省分批推广形成天然的准自然实验。采用Callaway & Sant'Anna（2021）的渐进DID估计量，处理异质性处理效应和「坏比较」问题——将已处理的县与尚未处理的县进行匹配，通过逆概率加权（IPW）消除选择偏差。核心识别假定：条件于可观测特征（基线道路质量、财政能力、路网密度），路长制的推广时点与潜在养护质量变化趋势无关（条件平行趋势）。事件研究法验证事前趋势。

渐进DID基准模型（CS2021估计量）：

ATT(g,t) = E[Y_{i,t}(g) - Y_{i,t}(0) | G_i = g]

其中 G_i 为县 i 实施路长制的时间组别，Y_{i,t} 为 t 年的优良路率，ATT(g,t) 为组别 g 在 t 年的组别-时间平均处理效应。汇总参数：

θ = Σ_{g} w_g · ATT(g, g+τ)

其中 w_g 为各处理组在样本中的份额权重，τ 为处理后相对时间。通过双重稳健估计（DR）同时修正倾向得分和结果模型的设定偏误。

被解释变量：优良路率（RQI ≥ 80的路段占该县管养农村公路总里程的百分比），数据来自交通运输部农村公路技术状况评定系统。核心解释变量：路长制实施虚拟变量（政策文件发布日期所在年份起取1）。匹配变量：基线（政策前一年）优良路率、人均GDP、一般公共预算收入、路网密度、地形起伏度。样本区间：2015-2025年，覆盖已实施路长制的约1600个县。

• Bacon-Decomp分解：将CS2021估计量与Goodman-Bacon分解对比，检验异质性处理效应的严重程度，排除「坏比较」驱动的偏误。
• 安慰剂检验：将各处理组的政策实施时点提前2年，构造伪处理变量重新估计DID，验证处理效应的因果来源。
• 替换被解释变量：以路面损坏状况指数（PCI）替代RQI作为养护质量度量，检验结论对道路质量指标选择的稳健性。
• 排除同期政策干扰：控制同期推行的「四好农村路」示范县创建对养护质量的潜在影响，在回归中加入示范县虚拟变量。

---

周黎安（2007）的晋升锦标赛理论预测，地方官员为在相对绩效考核中胜出，会策略性地将财政资源配置于短期增长效应最显著的项目。农村公路投资——尤其是新建项目——因其「看得见」的政绩效应，可能被过度分配到经济基础较好的县（提升边际效应以优化整体考核指标），而亟需公路的偏远贫困县反而被忽视。中央交通专项转移支付理论上可作为纠偏机制，但其分配本身也可能受政治因素影响（Qian & Weingast, 1997）。

据此提出以下假说：
- H1：在其他条件相同的情况下，县委书记处于晋升关键期（任期第3-4年）的县，获得的农村公路新建投资比其他县高出15-25%。
- H2：中央交通专项转移支付的「戴帽」资金有效地纠正了晋升激励驱动的投资偏向，使偏远贫困县的人均投资额提升。
- H3：县委书记籍贯为本县的县，公路投资更倾向于养护和改建（长期导向），而非新建（短期政绩导向）。

核心挑战是晋升激励与投资分配之间的内生性——投资多的县更容易出政绩，官员因而更可能晋升。本文利用中国县级官员的任期制度和年龄限制作为外生变异：55岁以上的县委书记因年龄「红线」晋升概率显著降低，晋升激励弱化；任期第3-4年恰好处于考核窗口期。采用工具变量法，以「县委书记年龄是否超过55岁」和「任期是否在第3-4年」作为晋升压力的IV，估计晋升激励对投资分配的影响。同时控制县委书记固定效应消除不可观测的个人能力差异。

基准2SLS模型：

一阶段：PromotionPressure_{it} = θ₁·AgeOver55_{it} + θ₂·Tenure3to4_{it} + θ₃·Z_{it} + ν_{it}

二阶段：InvPerCapita_{it} = α + β·PromotionPressure_{it} + γ·X_{it} + μ_i + λ_t + ε_{it}

其中 InvPerCapita_{it} 为县 i 在 t 年的人均农村公路投资（万元/人），PromotionPressure_{it} 为晋升压力（合成指标），X_{it} 包括路网密度、人均GDP、地形起伏度。μ_i 为县固定效应，控制地理等时不变因素。β 为正表示晋升激励显著增加投资额。

被解释变量：县级人均农村公路投资额（交通运输部农村公路建设投资统计 + 县常住人口）。核心解释变量：晋升压力指标，以县委书记年龄（是否≥55岁）和任期（是否在3-4年）两个虚拟变量的第一主成分构造。工具变量：年满55岁虚拟变量、任期3-4年虚拟变量。控制变量：路网密度、人均GDP、财政自给率、是否为国家级贫困县。官员数据手工编码自人民网地方领导资料库，样本区间：2010-2025年，约1800县 × 16年。

• 替换核心解释变量：以「县委书记是否在任期内获得提拔」替代晋升压力指标，改为Logit模型分析获得更多投资是否提升晋升概率（反向因果检验）。
• 空间竞争效应检验：引入空间自回归模型（SAR），以相邻县的投资均值作为空间滞后项，检验是否存在「邻居修路我也修」的标尺竞争。
• 安慰剂IV检验：以县委书记年龄52岁（非关键年龄）作为伪工具变量，检验IV策略是否捕捉了真实的晋升压力效应而非年龄本身的效应。
• 子样本稳健性：分别对东部、中部、西部地区进行子样本回归，检验晋升激励效应是否存在区域性制度差异。

---

根据Lewis（1954）的结构转型理论，劳动力从低生产率的农业部门向高生产率的非农部门转移是经济发展的核心机制。交通基础设施通过降低通勤成本扩大了农民的就业选择集（Duranton & Turner, 2012），使农村劳动力可以「离土不离乡」地参与非农就业——白天进城务工，晚上返乡居住。然而，公路改善也可能产生「虹吸效应」——使偏远农村的劳动力和消费进一步向中心城镇流失。

据此提出以下假说：
- H1：农村家庭到最近县级公路的时间每缩短10分钟，家庭非农就业比例提高2-4个百分点。
- H2：公路可达性改善对中低收入家庭非农就业的促进效应大于高收入家庭（边际效应递减），有助于缩小收入差距。
- H3：公路可达性改善通过非农就业渠道使家庭人均收入提高5-8%，且这一效应在女性劳动力中更为显著。

核心识别挑战是公路选址的内生性——新建公路可能优先选择经济条件较好的区域。本文采用两种策略：一是利用CFPS家庭面板数据的固定效应，以家庭内部的变化识别公路可达性效应（消除家庭时不变特征）；二是利用「农村公路通达工程」分批次推进的规则（以行政村人口规模为硬性门槛），构造模糊断点回归（RDD），在人口门槛附近比较恰好达标与恰好未达标村庄的家庭就业差异。关键识别假定：人口门槛附近的村庄在其他不可观测特征上连续。

家庭固定效应基准模型：

NonfarmShare_{hvt} = α + β·TravelTimeReduction_{vt} + γ·X_{hvt} + η_h + λ_t + ε_{hvt}

其中 NonfarmShare_{hvt} 为村庄 v 家庭 h 在 t 年的非农就业人数占劳动力的比例，TravelTimeReduction_{vt} 为村庄到最近县级公路驾车时间的缩短量（分钟，通过GIS路网分析计算）。η_h 为家庭固定效应，λ_t 为年份固定效应。X_{hvt} 为时变家庭特征（家庭规模、抚养比、受教育程度均值）。β 为关心的因果效应。

中介效应模型（三步法）：Step 1 — TravelTimeReduction → Income；Step 2 — TravelTimeReduction → NonfarmShare；Step 3 — TravelTimeReduction + NonfarmShare → Income，计算经非农就业的间接效应占比。

被解释变量：家庭非农就业比例（CFPS成人问卷中就业类型为非农就业者占劳动年龄人口的比例）、家庭人均收入（CFPS家庭问卷，经CPI平减）。核心解释变量：公路可达性变化——GIS计算家庭所在村庄到最近县级公路（县道及以上）的最短驾车时间变化（基于2014、2018、2022三期路网）。控制变量：家庭规模、平均受教育年限、户主年龄、耕地面积。样本区间：2014-2022年CFPS四轮追踪调查，约8000个农村家庭。

• 替换可达性定义：以到最近乡镇中心公交站点的步行距离替代驾车时间，检验就业效应是否对可达性度量方式敏感。
• 模糊RDD估计：以行政村人口规模（通达工程门槛200人）作为驱动变量，在门槛附近比较，排除公路选址内生性。
• 排除外出务工干扰：将常年外出务工（每年在外≥6个月）的家庭成员从分析中剔除，聚焦本地非农就业，分离「公路效应」和「外出务工效应」。
• 安慰剂检验：以样本中未实际新建公路的县的伪公路改善时间点进行虚构处理检验，验证估计效应是否仅来源于真实的公路改善而非趋势性变化。

---