第十四届全国人民代表大会财政经济委员会关于2025年中央决算草案审查结果的报告

基于North的制度变迁理论，预算编制制度存在强烈的路径依赖：既有预算基数构成"制度资产"，部门利益固化形成"资产专用性"。零基预算要求每年从零开始论证支出合理性，与增量预算惯例产生高交易成本。H1：部门预算基数越大，决算偏差率越高；H2：预算编制人员流动率越低（利益固化），零基预算试点效果越差；H3：审计强度越高，预算偏差率收敛越快。

利用2018年机构改革作为外生冲击——机构合并与拆分改变了部门预算基数的连续性，构成准自然实验。以未受改革影响的部门作为对照组，采用双重差分法（DID）识别机构重组对预算偏差率的因果效应。核心假定为改革部门的预算偏差变化与对照组在改革前趋势平行，通过事件研究法检验该平行趋势假定。

基准模型为多期DID：BudgetDeviation_it = α + β₁·Reform_i × Post_t + β₂·Reform_i + β₃·Post_t + γ·X_it + μ_i + λ_t + ε_it。其中BudgetDeviation_it为部门i第t年决算与预算的偏离度（绝对值/预算额），Reform_i为是否经历机构重组的处理变量，Post_t为改革后时期虚拟变量，X_it为控制变量向量（部门规模、支出结构、领导更替等），μ_i和λ_t分别为部门和年份固定效应。

被解释变量为预算偏差率，细分为收入偏差与支出偏差两类。核心解释变量Reform取1表示该部门在2018年机构改革中被合并或拆分。控制变量包括：部门预算规模（对数）、人员编制数、项目支出占比、领导任期、审计频次。数据来自财政部部门决算公开数据（约100个中央部门，2015—2025年面板），审计频次手工整理自审计署年度公告。

第一，倾向得分匹配DID（PSM-DID），以改革前部门特征匹配对照组，缓解选择偏差。第二，安慰剂检验：将改革时间虚拟前移至2016年，检验伪处理效应是否为零。第三，替换被解释变量为决算完成率（决算/预算），检验核心结论对指标构造方式的敏感性。第四，排除2020—2022年疫情冲击年份，避免非常规财政支出干扰基准结果。

---

凯恩斯框架下，政府支出通过乘数效应放大总需求。超长期特别国债因期限长（20—50年）、用途定向（"两重"项目），理论上具有更高的乘数：其一，长期限降低当期偿债压力，挤出效应更小；其二，定向投资于基础设施和战略领域，资本形成率高。H1：超长期特别国债的财政乘数（约1.5—2.0）高于常规国债（约0.8—1.2）；H2：经济下行期乘数显著高于正常期；H3：投向基础设施的乘数高于投向消费补贴的乘数。

采用Ramey（2011）叙事法思路，以全国人大批准的超长期特别国债发行额度作为外生财政冲击——该额度在年初确定，不受当期经济波动反向影响，满足外生性假定。同时结合省级面板，利用各省获得超长期国债资金份额的差异作为工具变量（以各省"两重"项目储备数作为IV），识别资金配置对省级GDP增长的因果效应。

省级面板局部投影模型：Y_{i,t+h} - Y_{i,t-1} = α_h + β_h · Shock_{i,t} + γ_h · X_{i,t-1} + μ_i + δ_t + ε_{i,t+h}，其中h = 0,1,...,8为脉冲响应期数，Y为省级实际GDP（对数），Shock_{i,t}为省份i第t年获得的超长期特别国债资金（占GDP比例），X为控制变量（常规财政支出、货币政策指标、外贸依存度等）。财政乘数由累积脉冲响应函数计算：M(h) = β_h / (国债/GDP)。

核心变量为各省获得的超长期特别国债资金规模，数据来自财政部国债管理司公告及各省财政厅转贷数据（2024—2025年月度/季度）。被解释变量为省级实际GDP增长率（季度），固定资产投资完成额和社会消费品零售总额作为传导渠道变量。控制变量包括：一般公共预算支出、M2增速、出口额、房价指数。样本覆盖31个省级单位，2020—2025年季度面板。

第一，使用SVAR叙事法识别的全国层面财政冲击替代省级变量，检验宏观层面乘数估计的一致性。第二，以各省历史基础设施投资密度（2010—2019年均值）作为工具变量进行2SLS估计，缓解资金分配的内生性。第三，分经济周期（以HP滤波产出缺口正负划分）估计状态依赖乘数，验证H2。第四，排除直辖市样本，检验结论对样本构成的敏感性。

---

在中国央地财政体制中，转移支付分配存在双重逻辑：经济需要（人均财力缺口）与政治影响力（地方领导与中央的关联强度）。基于周黎安晋升锦标赛理论，具有更强政治关联的地方领导可能为辖区争取更多转移支付资源，形成"政治溢价"。H1：省委书记具有中央任职经历的省份获得的人均转移支付更高；H2：政治关联效应主要体现在专项转移支付而非一般性转移支付；H3：反腐力度加强后（2018年后），政治关联效应显著减弱。

以省级领导换届作为外生冲击——省委书记/省长更替导致的政治关联变化近似随机（中央组织调配，非地方选择），构成处理效应。采用事件研究法追踪换届前后转移支付变化轨迹。辅以省界边界RDD：比较相邻两省边界两侧经济发展水平相近的县，但因所属省份不同而面临不同的省级政治关联强度，识别省级政治因素对县级转移支付的因果效应。

基准模型为双向固定效应面板模型：Transfer_{it} = α + β₁·PoliticalConn_{it} + β₂·FiscalNeed_{it} + β₃·PoliticalConn_{it} × Post2018_t + γ·X_{it} + μ_i + λ_t + ε_it。其中Transfer_{it}为省份i第t年人均转移支付（对数），PoliticalConn_{it}为政治关联指数（省委书记中央任职年限+是否中央委员的加权得分），FiscalNeed为财政缺口率，Post2018为反腐加强期虚拟变量。事件研究法模型以换届年为事件点，估计动态处理效应。

政治关联指数综合三个维度：省委书记是否有中央部委任职经历（0/1）、是否中央委员/候补委员（0/1/2）、与现任政治局常委的"同事网络"距离（基于履历重叠计算）。财政需要以"（标准支出-自有收入）/标准支出"衡量。控制变量包括：人均GDP、城镇化率、少数民族人口比例、自然灾害频次。数据涵盖31省2015—2025年面板，官员数据手工整理自官方简历。

第一，以省长（而非省委书记）的政治关联作为替代变量，检验核心变量选择敏感性。第二，省界边界RDD使用不同带宽（20km、50km、100km）进行估计，验证RDD结论的稳健性。第三，Shapley-Owen值分解量化政治关联、经济需要、人口规模等因素对转移支付分配的解释力贡献，评估政治因素的相对重要性。第四，使用2018年后新增的"财政资金直达机制"作为安慰剂检验——直达资金分配由算法驱动，政治关联不应对其产生影响。

---

新古典理论预测，资本应从边际产出低的地区流向边际产出高的地区，最终实现MPK均等化。但政府投资受政治目标（区域均衡、社会稳定）驱动，可能系统性地偏离效率原则。H1：中西部省份的公共资本MPK低于东部省份，存在"逆向配置"；H2：中央预算内投资中"战略性错配"（如西部大开发、东北振兴）占主导，"摩擦性错配"占比随审计加强而下降；H3：公共资本错配每增加1个标准差，省级TFP下降约2—4个百分点。

采用反事实模拟方法：以各省私人资本的MPK分布作为"效率基准"，与公共资本的MPK分布进行比较——若公共资本配置是效率最优的，两者应高度正相关。进一步利用2019年《政府投资条例》实施作为外生制度冲击（要求政府投资决策更加科学化），构建DID模型检验该条例是否降低了公共资本错配程度。对照组为不受该条例约束的私人投资配置。

第一步，估计各省公共资本MPK：ln(Y_{it}) = α_i + β_K·ln(K_pub_{it}) + β_L·ln(L_{it}) + β_A·ln(A_{it}) + ε_{it}，MPK_{it} = β_K · Y_{it} / K_pub_{it}。第二步，错配对TFP的影响回归：ln(TFP_{it}) = γ + δ₁·Misallocation_{it} + δ₂·X_{it} + μ_i + λ_t + u_{it}，其中Misallocation为基于MPK离散度构造的错配指数（省内公共-私人MPK之差的绝对值），X为控制变量（人力资本、开放度、制度质量等）。

省级公共资本存量采用永续盘存法估算（折旧率9.6%，基期2000年），数据来自各省统计年鉴固定资产投资数据。TFP通过增长核算法（索洛残差）计算。错配指数Misallocation_it = |MPK_pub_{it} - MPK_priv_{it}| / MPK_priv_{it}，其中私人资本MPK来自规模以上工业企业数据库分省汇总。样本覆盖31省2010—2025年年度面板。中央预算内投资分省数据来自国家发改委公告。

第一，使用不同折旧率（5%、7%、10.6%）重新估算资本存量，检验MPK和错配指数的稳健性。第二，以OP方法（Olley & Pakes, 1996）替代索洛残差法估算TFP，验证核心回归结论。第三，使用空间杜宾模型控制省际空间溢出效应（邻省投资对本省TFP的影响），排除空间相关性对基准结果的干扰。第四，按"两重"项目投向领域（基础设施 vs. 科技创新 vs. 民生保障）分组回归，检验错配效应的行业异质性。

---

基于Tversky & Kahneman锚定理论，预算编制者倾向于以上年实际支出作为"锚"进行调整，且调整幅度不足——形成"支出刚性"。同时，预算执行率考核（≥95%为合格）构成前景理论中的"参考点"，部门面临"花不完即损失"的损失厌恶激励，导致Q4突击支出。H1：部门预算与上年决算的相关系数显著高于与当年经济需要的相关系数（锚定效应）；H2：12月支出占比显著高于月均水平（≥15% vs. 8.3%）；H3：预算规模越大的部门，锚定效应越强（调整惰性）。

利用两个准自然实验识别锚定效应的因果性。第一，2018年机构改革导致部门合并/拆分，合并后新部门的历史基数"重置"，构成锚定中断的处理组。第二，以预算执行率考核线（95%）为断点，对执行率在93%—97%区间的部门进行RDD分析——刚低于95%的部门在下一年度更可能被压缩预算，形成"为达标而突击花钱"的因果机制。实验部分招募80名政府财务人员，随机分配"高锚"和"低锚"条件，比较预算编制结果差异。

锚定效应检验模型：ln(Budget_{it}) = α + β₁·ln(Actual_{i,t-1}) + β₂·ln(Need_{it}) + β₃·Reform_i × Post_t + γ·X_{it} + μ_i + λ_t + ε_it。其中β₁反映锚定强度（若β₁接近1则为强锚定），Need_{it}以部门职能工作量指标代理。RDD模型：Y_{it} = f(ExecRate_{i,t-1}) + τ·1(ExecRate_{i,t-1} ≥ 95%) + γ·X_{it} + ε_{it}，其中Y为Q4支出占比（突击花钱指标），τ为考核线处的断点处理效应。

锚定强度指标为上年决算对当年预算的弹性系数β₁。突击花钱指标为12月单月支出占全年支出的比例。预算执行率 = 决算/预算 × 100%。部门职能工作量以"审批项目数""出台政策文件数"等产出指标代理。数据来自财政部国库司月度预算执行报告（约100个中央部门，2015—2025年），Q4支出数据从审计署审计报告手工提取。实验数据在公共管理院校实验室采集。

第一，使用不同带宽（94%—96%、92%—98%）进行RDD估计，检验断点效应对带宽选择的敏感性。第二，以"人员经费"（刚性支出，不受锚定影响）作为安慰剂结果变量，验证锚定效应仅存在于"项目支出"类别。第三，实验室实验采用between-subjects设计，随机分配锚定值，控制个体风险偏好和认知能力差异。第四，排除2020—2022年疫情年份（非常规支出扭曲预算行为），确保锚定效应不是疫情冲击的伪相关。

---