谌贻琴在陕西调研时强调 促进养老事业和养老产业发展 持续做强做大文旅产业

North（1990）指出制度框架决定了经济主体的交易成本和激励结构。中国养老服务领域存在"公办事业"与"民办产业"并行的双轨体制，Williamson（1985）的交易成本框架表明，行政审批复杂度、资质认定标准和补贴获取难度构成了民间资本进入的主要制度性交易成本。Acemoglu等（2005）进一步论证了制度环境对长期投资激励的决定性作用。据此提出：H1：制度性交易成本每降低1个标准差，民间养老机构进入率提高15%-20%；H2：公办养老机构密度越高的地区，民间资本进入的"挤出效应"越显著；H3：地方养老服务条例的细化程度（制度供给质量）正向调节民间资本进入意愿。

利用各省养老服务条例修订时间的差异构建多期DID。以各省出台促进社会资本进入养老服务业政策的时间节点为外生冲击，比较政策出台前后民间养老机构注册数量、床位数和投资额的变化。识别假定为：各省政策出台时间与该省养老服务市场潜在增长趋势不存在系统性相关（平行趋势假定），通过事件研究法检验。同时，利用养老机构"公建民营"改革试点城市的分批推进构建RDD，以试点资格分数线作为断点，比较获得试点资格与未获得城市之间的民间资本进入差异。

基准DID模型：Entry_{it} = α + β₁Post_t × Treat_i + γX_{it} + μᵢ + δₜ + ε_{it}，其中Entry_{it}为城市i第t年民间养老机构新注册数（或新增床位数），Post_t为政策实施后虚拟变量，Treat_i为政策实施强度（以制度性交易成本降幅衡量）。X_{it}为控制变量向量（老年人口比例、人均可支配收入、财政养老支出、城镇化率等），μᵢ和δₜ分别为城市和时间固定效应。RDD模型：Entry_{it} = α + β₁Pilot_i + f(Score_i) + γX_{it} + ε_{it}，Pilot_i为试点资格虚拟变量，Score_i为评分得分，f(·)为多项式函数。

被解释变量包括：(1)民间养老机构年新注册数（工商注册数据库按经营范围筛选）；(2)民间养老床位数增量（民政部养老机构信息系统）。核心解释变量"制度性交易成本指数"通过以下步骤构建：从北大法宝提取各省养老服务条例，统计审批环节数、资质要求条目数、补贴申请流程步骤数，主成分分析法合成综合指标。"挤出效应"变量以公办养老机构床位占比衡量。控制变量包括65岁以上人口比例、人均GDP对数、城镇居民可支配收入、财政社会保障支出占比、每万人口卫生技术人员数等。样本覆盖2018-2026年地级市面板数据。

第一，替换核心解释变量：以世界银行营商环境评估中"办理建筑许可"和"获得信贷"分项得分作为制度性交易成本的代理变量，验证指标构建的稳健性。第二，采用倾向得分匹配DID（PSM-DID），以城市经济特征预测政策实施概率，匹配后重新估计处理效应，排除选择性偏差。第三，进行安慰剂检验：将政策实施时间虚拟前移2年，验证不存在虚假效应。第四，使用Bartik工具变量法，以全国层面养老政策强度×本省历史养老机构密度作为交互项工具变量，处理政策实施的内生性问题。

---

Kahneman和Tversky（1979）的前景理论表明，个体在不确定性下的决策受信息呈现框架影响：收益框架下偏好风险规避，损失框架下偏好风险寻求。Thaler（1985）的心理账户理论进一步指出，老年人将养老消费归入不同心理账户（医疗、照护、娱乐），影响其支付意愿。Beshears等（2008）发现有限理性在退休金融决策中尤为突出。据此提出：H1：收益框架（"提升生活质量"）比损失框架（"避免失能风险"）更能提高老年人对养老服务的支付意愿，但效应因服务类型而异；H2：价格锚定效应显著——高锚点组支付意愿高于低锚点组，且锚定强度随年龄增长而增强；H3：数字素养是行为偏差的关键调节变量，高数字素养老年人受框架效应影响更小。

采用2×3因子随机对照实验设计：因子一为信息框架（收益框架/损失框架/中性对照组），因子二为价格锚点（高锚/低锚/无锚对照组）。在陕西省城乡社区随机招募60岁以上老年人1200名，随机分配至6个实验组。每位受试者面对标准化养老服务套餐描述（居家护理、社区日间照料、机构养老三种场景），报告其支付意愿和选择偏好。因果识别依赖于随机分配假设：各组受试者在可观测和不可观测特征上无系统性差异，通过平衡性检验确认。

支付意愿模型：WTP_{ij} = α + β₁GainFrame_i + β₂LossFrame_i + β₃HighAnchor_i + β₄LowAnchor_i + β₅GainFrame_i × HighAnchor_i + γZ_i + ε_{ij}，其中WTP_{ij}为受试者i对服务j的支付意愿，GainFrame和LossFrame为框架虚拟变量，HighAnchor和LowAnchor为锚点虚拟变量，Z_i为个体特征向量。离散选择模型采用条件Logit：P(Choose_k) = exp(V_k) / Σexp(V_j)，其中V_k = β₁Price + β₂Service + β₃Quality + β₄Framework + 交互项。使用混合Logit模型纳入个体偏好异质性。

被解释变量包括：(1)支付意愿（连续变量，单位元/月）；(2)服务选择偏好（类别变量：居家/社区/机构）。核心解释变量为实验操控变量：框架虚拟变量和锚点虚拟变量。调节变量包括数字素养得分（基于标准化量表）、教育年限、年龄、城乡分类、家庭收入。控制变量包括健康状况（ADL评分）、子女数量、婚姻状况、退休前职业类型。田野实验数据于2026年8-10月在陕西省西安、咸阳、宝鸡三地城乡社区采集，配合CHARLS第六轮追踪数据（2026）进行外部效度验证。

第一，更换实验场景：将养老服务套餐替换为养老金融产品（如养老目标基金、长期护理保险），检验框架效应和锚定效应是否跨场景一致。第二，利用子样本分析检验异质性：按城乡、性别、年龄段（60-70 vs. 70+）分组估计，验证调节效应的稳定性。第三，采用工具变量法处理可能的内生性：以受试者所在社区的平均智能手机普及率作为数字素养的工具变量。第四，进行重复实验（replication），在不同省份（如四川、河南）重复相同实验设计，验证结论的外部有效性。

---

Xu（2011）的中国式分权理论指出，地方官员在以经济增长为核心的晋升锦标赛中倾向于将财政资源投向短期内可量化、可展示的领域。养老事业（如敬老院建设、居家养老服务）投入周期长、产出难量化，与官员短期晋升激励存在结构性矛盾。Oates（1972）的财政分权定理则表明，地方政府在本地公共品供给上具有信息优势。Besley和Coate（2003）进一步分析了集中决策与分散决策的权衡。据此提出：H1：地方官员在任期前半段更倾向于投资"养老产业"（市场化、可展示）而非"养老事业"（公共服务），呈现"重产业轻事业"偏差；H2：财政压力越大的地区，养老支出占比越低，且偏向补贴性支出而非建设性支出；H3：中央考核压力增强（如纳入政绩考核指标后）可显著纠正执行偏差。

利用省级主官（省委书记、省长）更替作为准自然实验，构建官员更替的DID模型。以新任官员上任前后养老财政支出结构的变化为被解释变量，检验官员晋升激励对银发经济政策执行的影响。同时利用2024年国务院将养老服务纳入地方政府绩效考核的政策冲击，构建连续型DID：以各地此前养老支出占比与考核目标的差距作为处理强度变量。识别假定为：官员更替时间与养老支出趋势不存在系统性关联（通过平衡性检验和安慰剂检验验证），且官员更替为外生安排（非因养老领域表现而调任）。

官员更替DID模型：PensionStruct_{it} = α + β₁Post_t × Turnover_i + β₂Tenure_{it} + β₃FiscalPressure_{it} + γX_{it} + μᵢ + δₜ + ε_{it}，其中PensionStruct_{it}为省份i第t年养老产业支出占养老总支出的比重（"重产业轻事业"偏差指标），Post_t为官员更替后虚拟变量，Turnover_i为更替类型（跨省调任vs.本省晋升），Tenure_{it}为在任年限。考核压力模型：PensionStruct_{it} = α + β₁Post_t × Gap_i + γX_{it} + μᵢ + δₜ + ε_{it}，Gap_i为纳入考核前养老支出占比与考核目标的差距。空间溢出模型加入邻近省份养老支出的空间滞后项。

被解释变量"养老支出结构偏差"以养老产业相关支出（产业园补贴、企业税收优惠、招商引资支出）与养老事业支出（敬老院运营、居家养老服务、低保老人补贴）之比衡量。核心解释变量包括：(1)官员更替虚拟变量（CSMAR官员数据库）；(2)在任年限及其平方项（捕捉任期非线性效应）；(3)考核差距变量（实际支出占比与考核目标的差值）。控制变量包括老龄化率、人均GDP对数、财政自给率、转移支付依赖度、城镇化率等。文本分析变量：利用BERT模型分析各省政府工作报告中"养老"相关词汇的语义倾向（事业导向vs.产业导向）。数据覆盖2015-2026年省级面板。

第一，采用安慰剂检验：随机生成虚假的官员更替时间1000次，构建伪估计系数分布，验证真实估计值的统计显著性。第二，使用官员个人特征（籍贯、教育背景、前任经历）作为更替类型选择方程的控制变量，排除"选择性调任"偏误。第三，替换被解释变量为养老服务覆盖率（每千名老人床位数）和居家养老服务覆盖率，检验支出结构偏差是否传导至服务供给层面。第四，引入工具变量法：以中央政治局常委与该省主官的"同乡关系"虚拟变量作为晋升激励强度的工具变量（参照Shih等2012的方法），处理晋升激励的内生性。

---

Stigler（1971）的管制经济学指出，价格管制（如公办养老机构低收费）在短期内保护了特定消费者群体，但长期内通过压低市场价格信号抑制了供给扩张。Akerlof（1970）的信息不对称理论表明，养老服务市场的质量信息不透明加剧了"柠檬市场"问题。Glaeser和Scheinkman（2003）进一步论证了价格管制导致的非价格配给（如排队等候）的效率损失。据此提出：H1：公办养老机构价格每低于市场均衡价格10%，民办机构进入率下降3%-5%，总体床位供给缺口扩大2%-3%；H2：城乡养老服务市场的均衡特征显著不同——农村市场以"低水平均衡陷阱"为特征（低收入-低需求-低供给），城市市场以"结构性失衡"为特征（公办过度需求-民办供给不足）；H3：从供给侧补贴转向需求侧补贴（养老券）可提升市场总体效率和消费者剩余。

利用各省市养老服务机构收费指导价（政府定价或政府指导价）的差异和变动构建识别策略。以各省公办养老机构收费指导价与市场价格的差距（"价格扭曲度"）为核心解释变量，利用收费指导价的调整事件作为外生冲击。识别假定为：收费指导价的调整主要由中央政策导向和地方财政能力驱动，而非当地养老市场供需状况的同期变化（即供给方不是因市场过热而降价）。利用省级层面的养老补贴政策改革（从"补床头"到"补人头"的转型）作为辅助自然实验。

供给方程：lnQ^S_{it} = α_s + β_s lnPrice_{it} + γ_s PubRatio_{it} + δ_s Subsidy_{it} + θ_sZ_{it} + μᵢ + τₜ + ε^S_{it}；需求方程：lnQ^D_{it} = α_d + β_d lnPrice_{it} + λ_d lnIncome_{it} + φ_d AgingRate_{it} + η_dW_{it} + μᵢ + τₜ + ε^D_{it}。联立模型通过2SLS估计，以政策变量（收费指导价调整、补贴方式变更）作为价格的工具变量。PubRatio_{it}为公办机构床位占比（衡量价格管制覆盖度），Subsidy_{it}为人均养老补贴金额。市场均衡条件为Q^S = Q^D，求解均衡价格和数量，并进行反事实模拟。

被解释变量包括：(1)养老机构总床位数（对数）；(2)民办养老机构床位数；(3)养老机构入住率。核心解释变量为"价格扭曲度"（公办机构收费指导价÷同地区民办机构平均价格-1，取绝对值）。供给侧工具变量为省级财政养老补贴方式和标准调整文件。需求侧变量包括：CHARLS微观数据计算的各城市老年人支付能力中位数、65岁以上人口比例。控制变量包括：人均GDP、城镇化率、土地成本、护理人员工资水平、每万人口医疗机构数。养老服务机构普查数据（民政部2019-2026年）和CHARLS（2011-2026年六轮数据）为核心数据来源。

第一，使用Henderson（1965）的成本函数方法替代供需联立模型，从供给侧估计养老服务的边际成本和规模经济，验证挤出效应的成本渠道。第二，进行反事实模拟：估算若取消公办机构价格管制（或改为需求侧补贴），市场均衡数量、价格和消费者剩余的变化幅度，并与实际观测值对比。第三，利用空间均衡模型（Roback 1982）纳入跨区域老年人流动因素，检验价格管制导致的跨区需求溢出效应。第四，采用bootstrap方法估计均衡价格和福利变化的置信区间，评估结构估计的精度。

---

Moretti（2011）的地方乘数理论表明，一个 tradable sector（如文旅产业）的就业增长通过本地消费需求渠道带动 non-tradable sector（如零售、餐饮）的就业增长。Acemoglu和Autor（2011）的任务模型预测，技术进步和产业升级会导致劳动力市场极化：常规中等技能任务被自动化替代，高技能抽象任务和低技能手动服务任务同步增长。Baumol（1967）的非平衡增长理论指出，服务业（包括文旅）的生产率增长慢于制造业，但需求增长可能弥补生产率劣势。据此提出：H1：乡村旅游收入每增长10%，当地总就业增长2%-3%（就业乘数约为2.5-3.0）；H2：文旅产业升级加剧就业极化——管理策划类（高技能）和保洁保安类（低技能）岗位增长显著快于中等技能岗位；H3：文旅就业扩张对农村女性就业的拉动效应显著大于男性。

采用Bartik（1991）工具变量法（shift-share IV）识别文旅产业扩张对就业的因果效应。以各县域基准年份的旅游从业人员占比（份额）×全国层面旅游产业增长率（冲击）构建县域层面的预测旅游就业增长，作为实际旅游就业增长的工具变量。份额变量反映各县域对旅游产业的暴露度（exposure），冲击变量为全国层面的行业趋势，两者交互构成外生变异。识别假定为：全国旅游产业增长趋势不受单个县域经济状况影响（排他性约束），基准年份的旅游从业份额与当期不可观测的就业冲击不相关（通过检验基期特征平衡性验证）。

第一阶段：ΔTourEmp_{it} = π₀ + π₁Z_{it} + γX_{it} + μᵢ + δₜ + ν_{it}，其中Z_{it} = Share_{i,2018} × ΔNationalTour_t 为Bartik工具变量。第二阶段：ΔEmp_{it} = β₀ + β₁ΔTourEmp̂_{it} + γX_{it} + μᵢ + δₜ + ε_{it}，其中ΔEmp_{it}为县域i第t年总就业增长率（或分技能就业增长率）。就业极化检验：ΔEmp^k_{it} = α_k + β_k ΔTourEmp̂_{it} + γX_{it} + μᵢ + δₜ + ε_{it}，k∈{高技能, 中技能, 低技能}，检验β_高 > β_中 < β_低的极化模式。就业分解：ΔTotalEmp = ΔDirect + ΔIndirect + ΔInduced，利用投入产出表计算间接和引致效应。

被解释变量包括：(1)县域总就业人数增长率；(2)分技能等级就业人数（CLDS微观数据按职业分类编码映射至高中低技能）；(3)就业结构指标（服务业就业占比、女性就业占比、返乡农民工就业人数）。核心解释变量为县域旅游就业增长量（文旅部乡村旅游监测数据）。Bartik工具变量中，份额变量取自2018年经济普查微观数据中的县域旅游从业人数占比，冲击变量取自全国旅游总收入年增长率。控制变量包括县域GDP增速、固定资产投资增速、转移支付金额、交通基础设施（高速公路通车里程）、互联网普及率等。样本覆盖2018-2026年约800个旅游重点县域面板数据。

第一，使用Goldsmith-Pinkham等（2020）的替代IV方法：以基期份额本身作为工具变量（利用份额间的截面变异识别），与Bartik结果交叉验证。第二，进行Borusyak等（2022）的IV诊断检验：检验份额外生性（exclusion restriction）和冲击外生性，确保工具变量有效性。第三，替换被解释变量为微观劳动供给指标（CLDS个体层面的工资收入、工作时长、职业流动），验证宏观就业效应在微观层面的映射。第四，利用2020年新冠疫情作为外生负向冲击，检验文旅就业乘数的对称性——旅游衰退时的就业损失是否与扩张时的就业增长呈对称关系。

---

> 📌 生成时间：2026-07-04
> 📰 新闻来源：CCTV新闻联播 / 中国政府网
> 🎯 视角覆盖：🏛️ 制度经济学 | 🧠 行为经济学 | ⚖️ 政治经济学 | 📊 新古典 | 👷 劳动经济学
---
date: 2026-07-04
news_index: 4
field: 产业经济 / 消费与服务业
topics_count: 5
---