赵乐际主持召开十四届全国人大常委会第六十八次委员长会议 决定十四届全国人大常委会第二十三次会议6月23日至26日在京举行

基于引力模型（Anderson & van Wincoop, 2003），省际贸易量取决于各省经济规模和多边阻力项。边界效应理论（McCallum, 1995）指出，即便在统一主权国家内部，省际边界仍会产生显著的贸易摩擦。全国统一大市场建设的核心目标是消除地方保护主义、统一市场规则、降低跨区域交易的制度性成本。若政策有效，边界效应系数应随时间下降。

据此提出以下假说：
- H1：在全国统一大市场政策推进后，中国省际贸易的边界效应系数显著下降，省际贸易量相对于省内贸易量上升。
- H2：边界效应下降在制造业产品（可贸易品）中更为显著，在服务业中效果较弱——因为服务贸易更多受制于地理距离而非制度壁垒。
- H3：统一大市场政策对省际贸易的促进效应在市场化程度较低的省份之间更强，即存在"制度追赶"效应。

本文利用全国统一大市场建设政策在不同省份的推进节奏差异进行渐进DID识别。国务院《关于加快建设全国统一大市场的意见》于2022年发布后，各省陆续出台实施方案，时间上存在先后差异。以各省出台统一大市场实施方案的时间作为政策冲击时点，构建处理组（已出台方案省份）和对照组（未出台省份）。关键识别假定为：在控制省份固定效应和年份固定效应后，政策出台时间的先后与不可观测的省际贸易趋势无关——即平行趋势假定。通过事件研究法动态图示检验政策前趋势是否平行，并利用Callaway & Sant'Anna（2021）估计量处理多期DID中的异质性处理效应问题。

基准引力模型设定为：

ln Trade_{ijt} = β₀ + β₁ UnifiedMarket_{ijt} + β₂ ln GDP_{it} + β₃ ln GDP_{jt} + β₄ ln Dist_{ij} + γ X_{ijt} + μ_i + μ_j + λ_t + ε_{ijt}

其中 Trade_{ijt} 为t年i省向j省的贸易流量；UnifiedMarket_{ijt} 为i省和j省是否均已出台统一大市场实施方案的指示变量（双方均出台取1，否则取0）；Dist_{ij} 为省际地理距离；X_{ijt} 为其他双边控制变量（是否有高铁直连、是否同属一个经济区等）；μ_i、μ_j 为省份固定效应；λ_t 为年份固定效应。β₁ 为关键参数，预期为正——双方均实施统一大市场政策后贸易流量上升。

边界效应估计通过在引力模型中引入省内贸易虚拟变量（Border_{ij} = 1 若 i ≠ j）及其与统一大市场政策的交互项实现。

• 被解释变量：省际贸易流量 Trade_{ijt}，利用省际投入产出表（2012、2017、2022）和省际铁路/公路货运数据插值得到年度双边贸易流估计。省内贸易量以省内GDP减去省际净调出近似。
• 核心解释变量：UnifiedMarket_{ijt} 为二元变量，基于各省政府官网公布的统一大市场实施方案发布日期构建。
• 控制变量：各省GDP（国家统计局，经GDP平减指数调整为2012年不变价）、省际地理距离（省会城市间球面距离）、是否同属一个经济区域（长三角/珠三角/京津冀等指示变量）、高铁连通情况（12306数据）。
• 样本区间：2010—2025年省级面板，31个省份，最大双边观测数为 31×30×16 = 14,880。

• **替换省际贸易测度**：以增值税发票数据（国家税务总局，省际交易流向）替代投入产出表推算的省际贸易流量，检验结论对贸易数据来源的敏感性。增值税发票数据覆盖全行业交易，可捕捉服务业省际贸易，验证H2中商品与服务差异的稳健性。
• **排除同期其他政策干扰**：在回归中额外控制"长三角一体化""粤港澳大湾区"等区域一体化政策的指示变量，检验统一大市场效应是否由这些区域性政策驱动而非全国性政策。
• **更换政策时点定义**：不以省级实施方案出台日期而以国务院《意见》发布日（2022年4月）作为统一的政策冲击时点，估计全国层面的平均处理效应，检验结论对政策时点定义的稳健性。
• **非线性距离效应**：在引力模型中使用省际公路货运时间（而非球面距离）作为距离变量，检验运输成本代理变量对边界效应估计的影响。

---

根据公共采购理论（Klemperer, 2004），采购的竞争性直接决定价格加成和财政资金使用效率。当投标人数增加时，中标价格更接近成本，财政资金节约率上升。政府采购法和招标投标法修订的核心目标正是增强采购透明度、降低准入门槛、促进公平竞争。在新凯恩斯框架下，若政府采购效率提升（单位财政支出的实际采购量增加），则同等名义支出产生更大的实际需求冲击，财政乘数随之增大。

据此提出以下假说：
- H1：法律修订后，政府采购项目的平均投标人数显著增加，中标价相对于预算价的折扣率上升（即财政资金节约率提高）。
- H2：竞争性提升带来的财政资金节约率在地方层级采购中改善幅度大于中央层级——中央采购原本竞争程度较高，边际改善空间有限。
- H3：采购效率的提升通过增强财政乘数效应传导至宏观层面——在法律修订实施较快的省份，GDP增速对财政支出的弹性更大。

本文采用渐进DID设计，利用各省在政府采购法和招标投标法修订后出台配套实施细则的时间差异进行因果识别。两项法律于202X年通过后，各省需制定地方配套细则，其出台时间存在先后（通常跨度为12-24个月），形成了良好的准自然实验变异。以各省配套细则实施日期为政策冲击时点，比较同一省份在细则实施前后政府采购项目的竞争性变化，同时以同期未实施细则省份的项目作为对照组，消除时间趋势的混淆效应。关键识别假定：在控制项目特征（采购类型、采购金额）和采购人固定效应后，细则出台时间的先后与采购项目的不可观测质量无关。

基准DID模型设定为：

Competition_{ipt} = α + β Post_{pt} + γ Controls_{ipt} + μ_i + λ_t + ε_{ipt}

其中 Competition_{ipt} 为i采购项目在p省t时间的竞争程度（投标人数或中标折扣率）；Post_{pt} 为p省在t时期是否已实施配套细则的指示变量；Controls_{ipt} 包括项目预算金额对数、采购方式（公开招标/竞争性谈判等）、是否面向中小企业等；μ_i 为采购人固定效应；λ_t 为年月固定效应。β 为关键参数，预期为正（法律修订后竞争程度上升）。标准误聚类到省份层面。

宏观乘数效应检验使用省级面板：GDPGrowth_{pt} = α + β₁ FiscalExp_{pt} + β₂ Post_{pt} × FiscalExp_{pt} + Controls + μ_p + λ_t + ε_{pt}，其中 β₂ 捕捉法律修订对财政乘数的增量效应。

• 被解释变量：采购竞争性，包括投标人数（连续变量）和中标折扣率（中标价/预算价，取值0-1，越小越节约）。
• 核心解释变量：Post_{pt} 根据各省政府或财政厅官网发布的招标投标/政府采购配套细则实施日期构建。
• 控制变量：项目预算金额对数、采购品目分类（货物/工程/服务）、采购方式类型、是否专门面向中小企业、采购人类型（行政/事业/国企）。
• 数据来源：中国政府采购网公开数据（通过API或爬虫获取2018—2026年全部公开招标和竞争性谈判项目的中标公告，预计覆盖100万条以上采购记录）。
• 宏观层面数据：省级GDP增速、一般公共预算支出增速（国家统计局、财政部）。

• **平行趋势检验 + 安慰剂检验**：以事件研究法图示法律修订前各期的处理效应，检验政策实施前处理组与对照组是否存在差异趋势。同时将各省政策时点前移6个月和12个月进行安慰剂检验，若虚假时点效应不显著，则增强因果推断可信度。
• **替换核心被解释变量**：以"有效投标人比例（实际投标/资格预审通过）"替代绝对投标人数，以排除因资格预审放松导致的投标人数机械增加（而非实质性竞争增加）对结论的干扰。
• **限制样本**：仅保留公开招标项目（排除竞争性谈判、单一来源等采购方式），检验在采购方式固定的前提下竞争性是否仍因法律修订而改善——排除采购方式转换的混淆效应。
• **Heckman样本选择校正**：政府采购公告仅包含最终成交的项目，流标项目信息不可观测。利用采购人特征作为选择方程排除变量，校正样本选择偏误对竞争性估计的影响。

---

根据制度互补性理论（青木昌彦, 2001），经济体中各项制度之间存在互补关系——一项制度的效能依赖于其他配套制度的完善程度。金融法、中国人民银行法和注册会计师法分别规范金融市场行为、货币当局运作和审计鉴证三大领域，三者构成金融法治体系的有机整体。若单部法律先行修订而其他配套法律未同步更新，将产生制度摩擦——例如金融监管权限调整与货币政策工具创新的法律依据可能冲突。从交易成本经济学视角，打包推进降低了立法过程中的跨部门协调成本和在法律实施阶段的法律解释与适用不一致成本。

据此提出以下假说：
- H1：金融立法打包推进模式显著降低了法律间的条文冲突和制度摩擦，表现为修订后的法律文本中"参照适用""另有规定除外"等交叉引用条款数量减少。
- H2：当金融立法以打包方式推进时，金融市场对立法进程公告的正向反应更强——因为投资者预期制度不确定性更快消除。
- H3：打包推进模式下的立法后实施周期（从法律通过到配套细则全部出台的时间）短于逐次推进模式——因为制度互补性减少了重复协调需求。

本文采用多方法混合策略进行制度效率的比较分析。第一层：文本量化分析——对金融法、中国人民银行法、注册会计师法三部法律草案进行逐条编码，识别制度衔接条款（如监管权限交叉界定、信息共享机制、处罚协调条款），计算"条款衔接密度"作为制度一致性的代理变量。第二层：事件研究法——以全国人大常委会公报和委员长会议公告中各法律草案纳入审议的日期为事件日，检验金融市场（银行、证券、保险行业指数）对立法进展的异常收益率。若打包推进降低了制度不确定性，市场应对单次公告（覆盖多部法律）的异常收益率大于逐次推进时的单部法律公告异常收益率之和——体现协调增益效应。第三层：国际比较——选取美国《多德-弗兰克法案》（2010，一次打包金融改革）和日本金融体系改革（1996-2001 "金融大爆炸"，逐步推进）作为对比案例，分析不同立法模式下的制度摩擦成本和实施周期差异。

事件研究法的基准设定如下：

AR_{it} = R_{it} - (α_i + β_i R_{mt})

其中 AR_{it} 为金融行业i在交易日t的异常收益率，R_{it} 为行业指数日收益率，R_{mt} 为沪深300指数日收益率，α_i 和 β_i 由估计窗口（事件前 [-120, -11] 交易日）的市场模型估计。累计异常收益率 CAR_{i}(t₁, t₂) = Σ_{τ=t₁}^{t₂} AR_{iτ} 度量立法事件对金融资产价格的累积影响。

跨事件比较：定义"效率增益" G = CAR_{bundle} - Σ_j CAR_{single,j}，其中 CAR_{bundle} 为打包公告日的行业累计异常收益率，CAR_{single,j} 为假设逐次推进时第j部法律单独公告的预期累计异常收益率（以历史上类似金融法律单独审议事件的平均CAR估计）。若 G > 0，则打包模式具有正向效率增益。

• 制度一致性变量：对三部法律草案进行条款级编码，构建"制度衔接条款比例""交叉引用密度"和"权限界定模糊条款比例"三个文本指标。编码标准参考La Porta et al.（1998）的法律条文分析方法。
• 市场反应变量：Wind行业指数日收益率数据（银行指数、非银金融指数、多元金融指数），匹配CSMAR中国上市公司财务数据库中的个股数据用于稳健性检验。
• 事件日数据：全国人大官网公报发布时间、委员长会议公报发布时间，手工整理2018—2026年所有金融立法相关公告作为事件样本。
• 国际比较数据：美国《多德-弗兰克法案》立法进程中关键公告日的S&P 500金融板块指数收益率、日本金融大爆炸期间关键公告日的日经指数金融板块收益率。

• **更换事件窗口**：分别使用 [-1, +1]、[-2, +2]、[-5, +5] 三种事件窗口估计累计异常收益率，检验结论对窗口长度的敏感性；使用非参数秩检验替代参数t检验进行事件效应显著性检验。
• **排除宏观信息干扰**：在事件研究法的市场模型中额外控制当日的宏观经济公告（央行货币政策、CPI/PPI发布、GDP数据发布等），以指示变量排除宏观信息对CAR的干扰——确保市场反应确实来源于立法公告而非同日其他经济信息。
• **替换文本编码标准**：邀请两位独立编码员对法律草案进行双盲编码，计算编码者间信度（Cohen's κ），排除编码员主观性对制度一致性指标的影响；同时以机器学习的自然语言处理（NLP）方法自动识别法律条款间的引用和衔接关系作为补充验证。
• **时间序列稳健性**：以月度频率构建金融立法进展指数（累计通过的法律数量×每部法律的条款覆盖面），与金融业增加值增速进行格兰杰因果检验，验证立法进展对金融发展的时序预测关系。

---

基于委托代理理论（Holmström & Milgrom, 1991），中央政府（委托人）推动全国统一大市场建设以提升整体经济效率，但地方政府（代理人）面临多维任务——既要执行中央的统一市场政策，又要维护本地税收、就业和利益集团关系。在中国式财政联邦主义框架下（Qian & Weingast, 1997），地方政府保留部分经济自主权，当统一市场政策威胁本地支柱产业或税收基础时，地方政府有激励采取隐蔽形式的地方保护。晋升锦标赛理论（周黎安, 2007）则认为，当中央将统一大市场纳入考核时，官员的晋升激励可能扭转地方保护行为。

据此提出以下假说：
- H1：地方政府对统一大市场政策的执行力度与本地财政自给率负相关——财政越困难的省份越有激励通过地方保护维持本地税基。
- H2：当中央明确将统一大市场建设纳入官员考核体系后，地方政府的政策执行力度显著提升——晋升激励可以部分克服地方保护主义。
- H3：本地国有企业占比较高的省份，统一大市场执行力度更低——国有企业作为地方利益集团，对政策执行构成利益集团阻力（规制俘获效应）。

本文面临的核心内生性问题是：政策执行力度与本地经济发展特征之间存在双向因果关系。为应对内生性，本文采用两个识别策略。第一，利用官员任期和政治周期的外生变异——市级/省级主要领导干部的任期由中央组织部门决定，与本地当前的市场一体化水平无直接关系。以官员是否处于"晋升关键期"（任期第2-4年）作为工具变量，识别晋升激励对统一大市场执行力的因果效应。第二，利用国务院《关于加快建设全国统一大市场的意见》于2022年4月发布形成的全国性外生冲击，比较冲击前后省级执行力度的变化。关键识别假定：2022年4月的政策发布时机与各省此前的市场分割程度无关，满足外生性条件。

基准面板固定效应模型：

Executive_{pt} = α + β₁ FiscalPressure_{pt} + β₂ PromotionIncentive_{pt} + β₃ SOE_Share_{pt} + γ Controls_{pt} + μ_p + λ_t + ε_{pt}

其中 Executive_{pt} 为p省在t年的统一大市场政策执行力度（由文本分析构建的连续指标）；FiscalPressure_{pt} 为省级财政自给率（一般公共预算收入/支出）；PromotionIncentive_{pt} 为省委书记/省长是否处于晋升关键期（任期第2-4年取1）的指示变量；SOE_Share_{pt} 为国有工业企业产值占工业总产值比重；Controls_{pt} 包括GDP增速、人均GDP对数、第二产业占比等；μ_p 为省份固定效应，λ_t 为年份固定效应。标准误聚类到省份层面。

工具变量估计中，以官员晋升关键期作为 PromotionIncentive_{pt} 的工具变量，第一阶段回归：PromotionIncentive_{pt} = δ₀ + δ₁ TenureKey_{pt} + ...，其中 TenureKey_{pt} 为任期是否在2-4年的二元变量（与考核晋升周期相关但不直接影响市场一体化水平）。

• 被解释变量：省级统一大市场执行力度 Executive_{pt}，通过对每年31省《政府工作报告》的文本分析构建。"统一大市场""市场准入""公平竞争""地方保护""要素流动"等关键词的出现频率、上下文情感倾向（正面/负面）、具体措施条款数量（是否提及清理地方保护政策、建立公平竞争审查机制等）综合加权计算。两位独立编码员进行双盲编码，编码者间信度需达到 κ > 0.75。
• 核心解释变量：财政自给率 = 一般公共预算收入/一般公共预算支出（各省财政厅决算数据）；官员晋升关键期根据省委书记/省长任职起始日期计算任期（省级官员履历数据库，来自公开人事任免公告）；国有企业占比 = 国有控股工业企业主营业务收入/规模以上工业企业主营业务收入（国家统计局）。
• 控制变量：人均GDP、GDP增速、第二产业占比、外商直接投资对数（国家统计局）；官员年龄、学历、是否有中央工作经历（手工编码）。
• 样本区间：2018—2026年省级年度面板，31个省份，最多279个观测。

• **替换执行力指标构建方法**：以省级发布的"清理废除妨碍统一市场和公平竞争的政策措施"数量替代文本分析指标（市场监管总局各省分站公告），检验文本指标与实际政策行动的一致性。同时以机器学习NLP（BERT中文预训练模型）自动编码替代人工编码，排除编码员主观性。
• **工具变量的排他性检验**：若官员晋升关键期通过其他渠道（如更激进的基建投资拉动GDP）影响市场一体化而非仅通过政策执行，则工具变量违反排他性假定。在回归中额外控制省级基建投资增速，检验IV估计系数是否因控制变量增加而显著变化。
• **排除直辖市特殊效应**：剔除北京、上海、天津、重庆四个直辖市后重新估计——直辖市因其特殊政治地位，央地关系与普通省份存在本质差异，检验结论是否由直辖市驱动。
• **政治周期安慰剂检验**：将"晋升关键期"定义前移两年（假设官员一上任即进入晋升关键期），若此虚假定义下工具变量效应不显著，则支持任期第2-4年确为晋升激励的关键窗口。

---

根据法律与金融理论（La Porta et al., 1997, 1998），投资者权益的法律保护是金融发展的制度基础——法律保护越强，外部融资越便利，企业投资和创新越活跃。金融法、中国人民银行法和注册会计师法的同步修订，在三个维度上完善了金融法治体系：金融市场行为规范（金融法）、货币政策与金融稳定（央行法）、信息质量与审计监督（注册会计师法）。三者协同，增强了债权人和股东的法律保护，降低了金融交易的信息不对称和契约执行成本。根据McKinnon-Shaw金融深化理论，法治完善应促进储蓄向投资的转化效率，提升资本配置效率，最终推动全要素生产率增长。

据此提出以下假说：
- H1：金融法治完善程度越高的省份，信贷资源从低效率企业向高效率企业再配置的速度越快——即信贷配置效率显著改善。
- H2：金融法治完善通过提升信贷配置效率渠道，显著促进了制造业企业的全要素生产率（TFP）增长——中介效应成立。
- H3：金融法治的TFP促进效应在民营企业和小微企业中更强——因为这类企业原本受金融抑制和信息不对称的约束更严重，法治改善的边际受益更大。

本文面临的核心挑战是：金融法治建设程度本身可能与经济发展水平相关（经济发达地区更倾向于推进法治），导致反向因果。为应对内生性，本文构造省级"金融法治建设强度"作为连续处理强度变量——以各省是否在金融相关地方性法规/政府规章中率先纳入与金融法修订方向一致的条款来衡量实际法治落地程度，而非仅依赖国家层面的法律通过时间。国家层面金融法的修订对各省级政府构成了外生制度压力，但各省响应速度和落实强度存在差异（取决于地方立法资源、金融业态需求、既有法制基础），这种差异构成本文的核心识别变异来源。

采用连续DID模型：各省金融法治建设强度的差异决定其在国家金融法律修订后的"处理强度"——强度更大者应观察到更大的金融深化和TFP增长效应。关键识别假定：在国家法律修订前，高处理强度省份与低处理强度省份在金融深化和TFP趋势上平行。通过事件研究法动态图检验平行趋势。同时以各省距离北京的直线距离（度量与中央立法中心的物理距离）、各省是否有全国人大常委会法工委基层立法联系点作为工具变量——这两个变量与省级响应金融立法的强度相关（信息获取和参与便利性），但与省级经济增长残差无直接关系。

基准连续DID模型：

Y_{pft} = α + β (Intensity_p × Post_t) + γ Intensity_p + δ Post_t + θ Controls_{pft} + μ_p + λ_t + ε_{pft}

其中 Y_{pft} 为p省f企业在t年的TFP对数或信贷配置效率指标；Intensity_p 为p省的金融法治建设强度（连续变量，取0-1，根据地方金融法规与上位法修订方向的一致性程度构建）；Post_t 为金融法草案首次提交全国人大常委会审议后（2026年6月以后）取1的指示变量；β 为关键参数，捕捉金融法治建设强度高的省份在国家法律修订后是否经历了更大的TFP提升，预期为正。μ_p 为省份固定效应，λ_t 为年份固定效应。标准误聚类到省份层面。

中介效应分析（Baron & Kenny, 1986 + 自举法置信区间）：
- 第一阶段：CreditAlloc_{pt} = α + β₁ (Intensity_p × Post_t) + ... → β₁ 应显著为正
- 第二阶段：TFP_{pft} = α + β₂ (Intensity_p × Post_t) + β₃ CreditAlloc_{pt} + ... → 若 β₃ 显著且 β₂ 相对于未控制中介变量时的系数下降，则中介效应成立

• 被解释变量：企业全要素生产率（TFP），使用LP法（Levinsohn & Petrin, 2003）和OP法（Olley & Pakes, 1996）分别测算，以中间品投入作为LP法的代理变量、以投资作为OP法的代理变量，交叉验证。数据来源为CSMAR中国上市公司数据库（2012—2026，年频）和中国工业企业数据库（规模以上工业企业）。
• 处理强度变量：金融法治建设强度 Intensity_p，基于各省地方性法规和政府规章与金融法/PBOC法修订方向的契合度编码。具体包括：是否出台地方金融监督管理条例、是否在条例中纳入与上位法一致的投资者保护条款、是否建立金融纠纷多元化解机制等维度。数据来源为北大法宝法律法规数据库，手工编码。
• 中介变量：信贷配置效率，以外资和非国有企业贷款余额占全部企业贷款余额的比例变化率度量（人行区域金融运行报告），或采用Olley-Pakes协方差分解法——以企业TFP与企业贷款份额的协方差度量信贷是否流向高效率企业。
• 控制变量：企业规模（资产对数）、企业年龄、资产负债率、所有制类型（国有/民营/外资）、行业固定效应；省级层面控制GDP增速、金融业增加值占比、金融从业人员占比。
• 样本区间：2014—2026年，覆盖约5,000家A股上市制造业企业和3万家规模以上工业企业的年度非平衡面板。

• **替换TFP测算方法**：以ACF法（Ackerberg, Caves & Frazer, 2015）替代LP法和OP法测算TFP，解决劳动投入系数估计中的函数依赖问题；同时以索洛残差法作为最简化的TFP度量进行对比，检验结论对TFP测算方法选择的敏感性。
• **工具变量估计**：以各省距离北京的地理距离和是否有全国人大常委会基层立法联系点作为工具变量，进行2SLS估计，检验OLS/DID估计是否因金融法治强度的测量误差或遗漏变量而偏误。报告第一阶段F统计量和过度识别检验（Sargan/Hansen J统计量）的结果。
• **排除特殊行业和企业**：剔除金融业和房地产业上市公司（这些行业受金融法治影响机制与制造业本质不同）、剔除央企（央企的信贷获取不受地方金融法治影响），检验结论是否由特定行业或企业类型驱动。
• **安慰剂检验**：将金融法首次审议的时间前移3年（虚假冲击时点设为2023年6月），若虚假时点下处理效应不显著，则支持2026年法律修订的真实因果效应。
• **异质性分析**：按企业所有制（国有vs.民营）、企业规模（大型vs.中小微）、区域（沿海vs.内陆）进行分组回归，检验H3——金融法治完善的TFP促进效应是否在民营和中小微企业中更强。