我国开展东西部协作30年 成效显著

基于Solow-Swan增长模型，资本从边际回报低的东部流向边际回报高的西部应加速条件收敛。但Hsieh & Klenow（2009）指出，政策扭曲可能导致资本配置偏离效率边界。本文提出三条假说：H1—东西部协作引导的资本流入显著提升西部TFP增速；H2—资本配置效率在劳动密集型行业高于资本技术密集型行业；H3—政策引导型资本流动的配置效率低于市场自发性流动，但差距随时间缩小。

以2016年东西部扶贫协作座谈会作为准自然实验，将协作结对关系深化视为外生政策冲击。处理组为承担协作任务的西部县市，对照组为同省未纳入协作重点的县市。识别假定：在政策强化前，处理组与对照组的TFP增长趋势平行，且无其他同期政策对西部投资形成系统性干扰。采用事件研究法验证平行趋势，以处理前3期为基期。

采用渐进DID双向固定效应模型：Y_{it}=α+βTreat_{it}+γX_{it}+μ_i+λ_t+ε_{it}。其中Y_{it}为i地区t年的TFP（OP法测算），Treat_{it}为协作结对虚拟变量，X_{it}为控制变量（人力资本、基础设施密度、市场化指数）。进一步引入行业维度构建三重差分模型：Y_{ijt}=α+βTreat_{it}×LaborIntensive_j+…，识别行业异质性。标准误在县市层面聚类。

被解释变量为LP法和OP法测算的企业层面TFP，按县市加总。核心解释变量Treat_{it}分两层构造：二元虚拟变量（是否为协作县）和连续型变量（人均协作投资额）。工具变量采用地理距离×政策年份的交互项。控制变量包括：人均受教育年限、公路密度、市场化指数（樊纲等）、财政支出结构。样本覆盖1998-2025年832个脱贫县中的东西部协作县。

其一，替换被解释变量为劳动生产率（人均增加值）和资本产出比，排除TFP测度方法敏感性。其二，采用Goodman-Bacon（2021）分解诊断渐进DID的"坏比较"问题，剔除晚期处理组与早期处理组的负权重比较。其三，安慰剂检验：将政策时点随机提前3-5年，验证基准结果非偶然。其四，PSM-DID匹配后重新估计，排除样本选择偏差。其五，排除深圳等东部城市对口帮扶特别密集的样本。

---

Williamson（1985）指出，资产专用性、不确定性和交易频率共同决定最优治理结构。西部地区农产品在品牌认知、质量标准和物流体系上面临高交易成本。本文提出：H1—行政化采购在初期通过降低搜寻成本和信息不对称显著促进交易量，但边际效应递减；H2—电商平台渠道在降低谈判成本和执行成本上优于行政采购渠道；H3—"地理标志+协作背书"制度安排通过信号传递缓解Akerlof型柠檬市场问题，提升价格溢价。

利用不同协作结对关系采纳电商对接的时间差异构建渐进DID设计。处理强度以消费帮扶渠道数字化程度（电商交易占比）衡量。核心识别威胁在于：渠道选择可能存在自选择偏误——农产品质量好的地区更倾向电商渠道。通过Heckman两步法和工具变量（协作省电商基础设施的历史水平）予以缓解。

基准模型：PricePremium_{ipt}=α+βDigitalChannel_{pt}+γQuality_i+δX_{ipt}+μ_p+λ_t+ε_{ipt}。其中i为农产品品类，p为脱贫县，t为年份。被解释变量为价格溢价（成交价与批发市场基准价之差），核心解释变量DigitalChannel为电商交易占比。中介效应分析（Baron-Kenny三步法）检验品牌建设是否为渠道效应的重要中介路径。采用Bootstrap法进行中介效应的统计推断。

被解释变量构造价格溢价率（(成交价−同期批发价)/批发价）。核心解释变量为消费帮扶渠道结构向量：行政采购占比、工会福利采购占比、电商平台占比。控制质量等级、包装标准化程度、物流时效等交易特征。工具变量使用协作省份的电子商务发展指数（2015年基期值），满足排他性约束。样本覆盖2019-2025年832个脱贫县的农产品交易记录。

其一，替换被解释变量为交易频率（复购率）和退货率，检验渠道影响的稳健性。其二，限定样本至高标准化品类（如米面粮油）和低标准化品类（如鲜果蔬菜）分别回归，检验资产专用性的调节效应。其三，工具变量更换为县域到杭州（电商中心）的公路距离与年份交互项。其四，采用PSM对电商渠道采纳与非采纳地区进行匹配后回归。其五，安慰剂检验随机分配渠道采纳时间后观察基准效应是否消失。

---

东西部协作本质是一种嵌入政治考核体系的"非正式转移支付"。周黎安（2007）的晋升锦标赛理论预测协作考核会激励东部省份竞争性增加帮扶投入；但Oates的财政联邦主义理论提示，这种非制度化转移可能扭曲支出效率。本文提出：H1—协作考核排名对东部省份次年的帮扶投入有正向激励效应，尤其在排名靠后的省份中更为显著；H2—西部接受省份存在"协作依赖"——协作资金挤出了自有财政的产业培育支出；H3—央地共同出资的协作项目（如产业园）财政效率高于单一省级出资项目。

利用协作考核评价的等次划分（好、较好、一般、较差）构造断点回归设计。将连续考核得分标准化后，以"好/较好"等次临界值为断点，识别考核激励对后续帮扶投入的局部处理效应。关键识别假定：考核得分在阈值附近无精确操纵行为（McCrary检验）。东部省份无法完全控制其排名位置，因为考核结果还取决于西部省份的评价反馈。

基准模型采用系统GMM动态面板：Y_{pt}=α+ρY_{p,t−1}+βRank_{p,t−1}+γGovCapacity_{pt}+δX_{pt}+μ_p+λ_t+ε_{pt}。其中被解释变量Y_{pt}为东部省份p在t年的人均帮扶支出，Rank为协作考核排名。断点回归模型：Y_{pt}=α+τD_{pt}+f(Score_{pt})+γX_{pt}+ε_{pt}，D_{pt}=I(Score_{pt}≥c)，f(·)为局部线性或二次函数，带宽采用Calonico et al.（2014）最优带宽选择。

核心被解释变量为东部省份人均帮扶支出及其结构（产业投资、劳务协作支出、消费采购、人才交流四类）。解释变量包括协作考核排名（连续得分和离散等次）、中央统筹协调力度（国务院相关文件频次）。控制变量：省级财政收入、转移支付依赖度、经济发展水平、书记省长任期剩余。面板数据覆盖31个省份2016-2025年，构建省份-年份面结构。

其一，替换断点回归带宽为CCT最优带宽的一半和两倍，检验带宽敏感性。其二，将考核得分替换为剔除了主观评价部分的客观指标排名（投资额、采购额、就业人数的加权），排除评分操纵的影响。其三，对动态面板采用差分GMM和偏差校正LSDV估计，与系统GMM结果交叉验证。其四，工具变量采用东部省份地理上最近西部协作省的历史贸易联系（1985年省际铁路货运量），缓解协作投入的内生性。其五，排除直辖市样本后重新估计。

---

林毅夫新结构经济学主张产业升级应遵循比较优势的动态变化，东部劳动力成本上升驱动劳动密集型产业向西部转移符合"国内雁阵"逻辑。但Krugman的新经济地理学指出，集聚的向心力（前后向关联）可能抵消成本优势。本文提出：H1—东西部协作显著提升西部目标产业的区位熵和EG集聚指数；H2—转移产业在西部形成集群的驱动因素中，劳动力成本差异的解释力大于技术溢出的解释力；H3—有协作产业园承载的产业转移比无产业园的转移更易形成集聚。

以地级市是否设立省级以上协作产业园作为处理变量，构建多期DID模型。利用各市获得产业园审批时间的差异进行识别。潜在内生性在于：产业园选址可能优先选择产业基础好的地区。通过以下策略缓解：（1）控制基准期产业集聚水平；（2）工具变量采用城市到最近东部结对城市的高速公路通行时间，该变量受地理外生给定；（3）边界断点分析——比较协作产业园边界两侧的企业密度梯度。

基准模型：Cluster_{ikt}=α+βPark_{it}+γW×Cluster_{ikt}+δX_{it}+μ_i+λ_t+ε_{it}。其中Cluster_{ikt}为i地级市k产业t年的空间基尼系数和EG指数，Park_{it}为产业园虚拟变量，W为反距离空间权重矩阵。中介效应检验路径：Park→CostGap(劳动力成本)→Cluster与Park→TechnologyDiffusion(专利引用)→Cluster，识别成本驱动与技术溢出两条路径的相对重要性。

被解释变量构造EG指数（控制企业规模分布后的集聚程度）和产业区位熵。核心解释变量Park取值为产业园设立后的累积年限，允许边际效应随时间释放。中介变量包括：劳动力成本差距（东西部同行业人均工资比）、技术溢出（协作双方企业间专利引用频次）。控制变量涵盖交通基础设施、人力资本存量、市场化水平和地方保护主义程度。数据覆盖2010-2025年地级市-产业二维面板。

其一，替换产业集聚指标为Duranton-Overman（2005）的DO指数，该指数基于企业间地理距离的核密度估计，对空间尺度选择不敏感。其二，采用合成控制法（SCM）为每个设立产业园的地级市构造"未设立"的反事实路径，排除时间趋势的干扰。其三，安慰剂检验将产业园设立时间随机提前3年。其四，控制同期西部大开发、乡村振兴等其他政策变量的影响。其五，限定纺织服装、电子组装等劳动密集型行业进行子样本分析，检验成本驱动假说的行业约束条件。

---

Todaro模型预测迁移决策取决于预期城乡收入差距与城市就业概率的乘积。劳务协作通过提供就业信息、技能培训和交通补贴降低迁移成本并提升预期就业概率。但人力资本视角下有相反效应：Becker的一般性培训理论提示协作提供的岗前培训具有准公共品属性，企业缺乏承担培训成本的激励。本文提出：H1—劳务协作显著提升西部农村劳动力的外出务工概率（广延边际），但降低自发外出者的搜寻成本优势；H2—协作渠道就业在初期工资水平上高于自发就业但增长率更低（培训-锁定效应）；H3—协作输出劳动力的回流创业概率高于自发外出者（技术与管理经验带回效应）。

利用劳务协作服务站的空间覆盖不连续性构建地理断点回归。以协作服务站服务范围的边界（通常为县界或30公里半径）为断点，比较边界两侧村庄劳动力的就业差异。此外，利用某县被纳入劳务协作重点县的年份差异构建渐进DID。两项策略的识别假定分别是：边界两侧的劳动力特征无系统性差异（空间连续性），以及协作覆盖的时序选择与劳动力市场自发趋势无关。

个体层面Probit模型：Migrate_{ijt}=α+βLaborCoop_{jt}+γX_{ijt}+δZ_{jt}+μ_j+λ_t+ε_{ijt}。其中Migrate为二元迁移变量，LaborCoop为劳务协作强度（协作站覆盖×人均有组织输出人数）。用Heckman两步法修正就业质量方程中的选择偏误：第一阶段估计迁移概率并计算逆米尔斯比，第二阶段估计工资方程：lnWage_{ijt}=α+θCoopChannel_{ijt}+ρIMR_{ijt}+γH_{ijt}+ε_{ijt}。进一步区分有组织输出（CoopChannel=1）与自发外出（CoopChannel=0）。

迁移变量构造多维度：是否外出务工、外出务工持续时间（月/年）、省内/省外迁移类型。就业质量变量包括小时工资、签订劳动合同概率、社会保险覆盖率。核心解释变量为劳务协作强度的多层次构造：县级协作覆盖率（有组织输出占劳动力总量比重）和个体层面是否通过协作渠道就业。人力资本代理变量为岗前培训天数和在职培训次数。数据构建CMDS 2015-2025年西部农村户籍劳动力的面板追踪。

其一，替换地理断点回归的带宽为最优带宽的0.5倍和2倍，采用三角核密度估计。其二，使用村庄到最近协作服务站的距离倒数作为工具变量估计个体迁移决策。其三，倾向得分匹配（PSM）后估计协作渠道就业与自发就业的工资差异，控制可观测特征的选择效应。其四，利用协作服务站因人事调整导致的临时性服务中断作为外生冲击（工具变量估计）。其五，剔除在协作政策实施前已有大量外出务工传统的劳务输出大县样本。