全国人民代表大会常务委员会关于批准2025年中央决算的决议

在委托-代理框架下，人大作为委托人通过决算审议对政府形成事后约束。基于North的制度变迁理论，2015年新《预算法》实施后，人大审议从程序性审查转向实质性审查，降低了信息不对称。提出假说：H1：决算审议的实质化程度与预算偏差率负相关；H2：审计问题整改率随人大审议强度提高而上升；H3：该治理效应在转移支付比重高的年份更显著。

利用2015年《预算法》修订作为外生制度冲击，采用双重差分（DID）设计：以新预算法实施前后各省份决算偏差率变化为处理效应，以各省人大财经委专业化程度（委员中经济学/财政学背景比例）作为连续处理变量。核心假定为各省人大专业化程度与新预算法实施前预算偏差率趋势无关（平行趋势假定），通过事件研究法验证。

基准模型为：BudgetDeviation_it = α + β₁Post_t × Expertise_i + γX_it + μ_i + λ_t + ε_it，其中BudgetDeviation_it为省份i在年份t的决算偏差率（|决算数-预算数|/预算数），Post_t为新预算法实施虚拟变量，Expertise_i为人大财经委专业化程度，X_it为控制变量（GDP增速、财政自给率、转移支付依赖度），μ_i和λ_t为省份和年份固定效应。

被解释变量：决算偏差率，来源于各省年度决算报告。核心解释变量：Post×Expertise交互项，Expertise用人大财经委委员中具有经济学、财政学、审计学专业背景的人数占比衡量。控制变量包括经济发展水平（人均GDP对数）、财政压力（收支缺口/GDP）、政治周期（换届年份虚拟变量）。样本覆盖31个省份2010-2025年面板数据，数据来自各省人大公报和《中国财政年鉴》。

第一，安慰剂检验：将政策冲击时点前移至2012年，检验虚假处理效应是否显著。第二，替换被解释变量：用审计发现违规金额占财政支出比重替代决算偏差率。第三，工具变量法：以各省历史上（1950年代）政协委员中财经学者比例作为人大专业化程度的工具变量，满足排他性约束。第四，倾向得分匹配+DID，排除省份选择性偏误。

---

凯恩斯乘数理论指出政府支出通过总需求渠道放大产出效应，但乘数大小取决于经济状态和支出结构。Auerbach & Gorodnichenko（2012）证明衰退期乘数大于扩张期。结合决算数据，提出假说：H1：基建类支出的财政乘数大于经常性支出乘数；H2：在经济下行期执行进度前倾的支出乘数更高；H3：决算执行中的"年底突击花钱"现象显著降低财政乘数。

采用Blanchard & Perotti（2002）的SVAR方法识别财政支出冲击：利用财政制度信息设定同期约束（税收对产出弹性为1，政府支出对产出的同期弹性为0），从残差中提取外生财政冲击。进一步用Jordà（2005）局部投影法估计脉冲响应，避免SVAR误设定偏误。以外生军事支出和自然灾害救助支出作为工具变量进行稳健性验证。

SVAR模型：A₀Y_t = A₁Y_{t-1} + ... + AₚY_{t-p} + ε_t，其中Y_t = [GDP增速, 财政收入增速, 分类支出增速, 利率, CPI]'。通过Cholesky分解和短期约束识别结构性冲击。局部投影法：Y_{t+h} - Y_{t-1} = α_h + β_h·Shock_t + γ_h·Z_t + u_{t+h}，其中h为预测步长（1-12个月），β_h即为累积乘数。

产出变量：实际GDP季度同比增速（国家统计局）。财政收入：一般公共预算收入月度同比（财政部）。分类支出：将决算支出细分为基建投资、社会保障、科技教育、国防四类。控制变量：货币政策立场（M2增速、Shibor利率）、外部冲击（出口增速）。样本期2015-2025年月度数据，GDP用混频方法（MIDAS）转换为月度频率。

第一，替换识别方案：用叙事法（Ramey 2011）识别外生财政政策事件，以国务院常务会议重大支出决策作为叙事冲击。第二，分样本检验：按经济周期（HP滤波产出缺口正负）分组估计状态依赖乘数。第三，排除货币政策干扰：加入央行公开市场操作净投放量作为控制变量，检验财政乘数独立性。第四，用年度决算数据重复估计，验证月度频率结果的稳健性。

---

在Persson & Tabellini（2000）的财政问责框架中，代议机关的信息获取能力决定了政府行为的约束程度。人大在决算审议中面临双重信息不对称：财政部门掌握详细支出信息，审计部门发现违规但缺乏惩罚权。提出假说：H1：审计报告措辞严厉度与下一年度同类问题整改率正相关；H2：人大专题询问频次与预算透明度提升正相关；H3：当审计署长与财政部长任期重叠较短时，审计报告独立性更高。

利用审计署长更替作为外生冲击：不同审计署长的专业背景和独立倾向不同，影响审计报告的信息揭示程度。以侯凯2020年上任为处理时点，比较前后审计报告的文本特征变化和对应问题整改率。核心假定为审计署长更替时点与同期预算执行质量无直接因果关系（排他性约束），通过检验更替前后经济基本面连续性来验证。

整改率模型：RectifyRate_jt = α + β₁Severity_jt + β₂Inquiry_t + β₃Severity×Inquiry + γX_t + δ_j + ε_jt，其中RectifyRate_jt为审计发现第j类问题在t年的整改完成比例，Severity_jt为审计报告文本严厉度指数（基于情感分析和关键词频率构建），Inquiry_t为人大专题询问次数，δ_j为问题类型固定效应。

被解释变量：各类审计问题整改完成率，来源于审计署年度整改报告。核心解释变量：文本严厉度指数，对审计报告原文进行自然语言处理，提取"违规""挤占""挪用""损失浪费"等负面关键词频率，加权构建综合指数。人大监督强度：全国人大财经委召开决算审查会议天数和专题询问次数。数据涵盖2010-2025年审计报告中16类财政问题的面板数据。

第一，替换文本分析方法：使用大语言模型（如BERT中文模型）对审计报告段落进行语义嵌入，以嵌入向量距离度量历年报告语气变化。第二，控制宏观经济：加入GDP增速、财政收入增速等变量排除经济周期对整改率的影响。第三，利用省级审计机关数据做平行分析，检验中央层面结论的外部有效性。第四，断点回归：以新预算法实施日（2015年1月1日）为断点检验预算透明度的跳跃性变化。

---

新古典增长理论预测，在资本自由流动条件下，资本应从边际产出低的地区流向高的地区，直至均等化。中央转移支付作为政府主导的资源再分配，理论上应弥补市场失灵、促进区域收敛。但Hsieh & Moretti（2019）指出，空间配置扭曲会导致总量效率损失。提出假说：H1：专项转移支付的分配与各省资本边际产出负相关（符合收敛逻辑）；H2：一般性转移支付中"基数法"成分导致对低效率地区的过度补贴；H3：转移支付的空间错配使GDP总量损失约2-5%。

采用反事实测算方法：首先估计各省生产函数（Cobb-Douglas），计算各省资本边际产出（MPK），然后构造"效率最优"转移支付分配方案（使加权MPK均等化），将实际分配与最优分配的差距量化为错配程度。因果识别利用2016年"营改增"后中央-地方收入划分调整作为外生冲击，该改革改变了中央可支配财力规模，影响转移支付总量但不应直接影响各省MPK。

生产函数估计：lnY_it = α + β_K·lnK_it + β_L·lnL_it + ω_it，各省MPK_i = β_K·Y_i/K_i。错配度量：Misallocation_t = Σ_i(MPK_i - MPK̄)²·K_i/Y，其中MPK̄为加权平均边际产出。转移支付效率回归：TransferShare_it = γ₀ + γ₁·MPK_it + γ₂·FiscalGap_it + γ₃·PopShare_it + δ_t + ε_it，若γ₁显著为负则表明转移支付向高MPK省份倾斜不足。

产出变量：各省实际GDP（国家统计局，2000年不变价）。资本存量：采用永续盘存法，基期资本存量用单豪杰（2008）方法，折旧率9.6%。劳动力：各省就业人数（统计年鉴）。转移支付：区分一般性转移支付和专项转移支付，来源于财政部决算报告分省数据。财政缺口：各省一般公共预算收支差额。样本覆盖31个省份2010-2025年。

第一，替换生产函数形式：用超越对数（Translog）生产函数允许要素替代弹性变化，检验MPK估计的稳健性。第二，考虑人力资本差异：加入各省平均受教育年限作为劳动质量调整，重新计算效率基准。第三，动态面板GMM：用Arellano-Bond方法控制转移支付的动态依赖性和内生性。第四，蒙特卡洛模拟：在反事实测算中引入测量误差，评估错配度量的置信区间。

---

前景理论（Kahneman & Tversky 1979）预测决策者在面临"损失"时风险偏好逆转。在预算执行中，部门将未使用预算视为"损失"（因为下一年预算可能被削减），从而在年末产生突击支出的动机。锚定效应（Tversky & Kahneman 1974）使部门以上年预算为锚，不愿偏离。提出假说：H1：12月财政支出占比显著高于时间均匀基准（8.33%），且该现象在预算结余大的部门更突出；H2：当年结余越多的部门，下一年预算被削减的概率越高（强化损失厌恶）；H3：引入"预算结转"制度改革后，年末突击行为显著缓解。

利用2015年新预算法允许"预算结转"（未用完资金可结转下年使用）作为外生政策冲击，该改革降低了部门"不用即失去"的损失厌恶压力。采用断点回归（RDD）：以日历月份为运行变量，12月为断点，比较改革前后12月支出跳跃幅度的变化。核心假定为在11-12月交界处，除"年末效应"外不存在其他导致支出不连续的因素，通过McCrary密度检验验证操纵行为不存在。

断点回归模型：lnExpenditure_it = α + β₁·Dec_t + β₂·Post_t + β₃·Dec×Post + f(Month_t) + γX_it + δ_i + ε_it，其中Dec_t为12月虚拟变量，Post_t为预算结转改革后虚拟变量，f(Month_t)为月份的多项式函数（控制季节性），δ_i为部门固定效应。β₃为核心系数，预期显著为负（改革缓解年末激增）。RDD模型：Y_im = α + τ·1[m≥12] + g(m) + ε_im，m为月份（1-12），τ为12月断点处理效应。

被解释变量：各部门月度支出金额的对数（财政部国库支付数据）。核心变量：12月虚拟变量、预算结转改革虚拟变量（2015年后=1）、交互项。控制变量：部门预算规模、部门类型（经济管理部门vs社会管理部门）、当年GDP增速。辅助变量：各部门预算执行进度通报中的季度累计执行率。样本涵盖中央96个一级预算单位2010-2025年月度支出面板数据。

第一，排除1月效应：检验1月支出是否存在"年初低谷"（与年末高峰对称），若存在则支持行为解释而非纯粹的季节性项目周期。第二，安慰剂断点：在6月、9月设定虚假断点，检验不存在支出跳跃。第三，省级验证：用各省12月支出占比数据重复分析，检验中央结论是否适用于地方。第四，实验室实验：招募MPA学员进行预算分配实验，操纵"结转vs不结转"条件，验证损失厌恶的微观机制。

---