今年"两重"建设项目清单全部下达完毕

凯恩斯乘数理论（Keynes, 1936）指出，在经济存在闲置产能时，政府投资通过收入-支出循环产生放大效应，使GDP增量大于初始财政投入。Auerbach & Gorodnichenko（2012）进一步论证，财政乘数在经济下行期显著大于扩张期——当前中国经济面临有效需求不足，正是乘数效应较大的窗口期。然而，超长期特别国债的投向领域差异（科技创新的长期回报 vs. 传统基建的短期拉动）可能导致乘数异质性。此外，中西部地区边际消费倾向高于东部，乘数效应可能更强。

据此提出以下假说：
- H1：超长期特别国债资金对地方GDP的财政乘数大于1，且在获批项目资金密度较高的城市更为显著。
- H2：投向科技创新领域的国债资金乘数（长期）高于传统基建领域，但传统基建的短期乘数更大。
- H3：中西部地区的乘数效应显著大于东部地区，反映边际消费倾向的地区差异。

本文利用"两重"项目分三批下达的时间差异和各城市获批项目资金规模的空间差异作为准自然实验。核心识别逻辑为：同一省份内不同城市获批时间和资金规模的差异，由项目规划的技术属性和审批节奏决定，对城市层面的短期经济波动而言具有近似外生性。采用Bartik工具变量法——以各城市初始禀赋（如2020年基建存量、科研机构密度）与全国层面国债拨付总额的交互项作为城市获得资金规模的IV，解决资金分配可能存在的内生性（经济较差的城市可能获批更多项目）。关键识别假定：Bartik IV中份额权重（初始禀赋）与当期不可观测冲击不相关。

基准多期DID模型设定为：

Y_it = α + β Treat_it × Post_it + γ X_it + μ_i + λ_t + ε_it

其中 Y_it 为城市 i 在 t 季度的实际GDP增速或固定资产投资增速；Treat_it 为处理强度变量（城市 i 截至 t 季度累计获批"两重"项目资金/GDP）；Post_it 为各批次下达后的时间虚拟变量；X_it 为控制变量向量（地方财政收入增速、人口规模对数、产业结构、金融发展水平）；μ_i 为城市固定效应，λ_t 为时间固定效应。关键参数 β 的经济学含义为：单位国债资金强度对GDP增速的因果效应，预期方向为正。

被解释变量：地级市实际GDP同比增速（Wind，经价格平减），季度频率；固定资产投资完成额同比增速（Wind）。核心解释变量：城市层面"两重"项目资金强度 = 累计获批资金额 / 上年GDP，数据来源为发改委逐批公布的项目清单匹配到地级市。控制变量：地方一般公共预算收入增速、第二产业占比、金融机构贷款余额/GDP（金融发展）、常住人口对数（均来源Wind和国家统计局）。样本区间：2024年Q1—2026年Q2，约290个地级市，季度频率，约2900个观测值。

• **平行趋势与事件研究**：以首批项目下达前4个季度为基期，绘制事件研究图检验处理组与对照组在政策前是否具有平行趋势，排除系统性选择偏误。
• **安慰剂检验**：将三批项目下达时点分别前移2个季度，构造虚假处理时点重新估计DID，预期系数不显著，排除预期效应和同期其他政策干扰。
• **替换工具变量**：以城市到省会城市的地理距离和历史基建密度（1990年铁路里程）作为替代IV重新估计，检验Bartik IV结论的稳健性。
• **排除同期政策干扰**：在回归中控制同期地方政府专项债发行规模、减税降费力度等财政变量，确保识别出的是超长期特别国债的净效应。

Williamson（1985）的交易成本理论指出，多层级治理结构中的信息不对称和有限理性会导致契约执行成本上升。"两重"项目涉及中央发改委统筹、行业主管部门审核、地方政府执行、项目单位实施四个层级，委托-代理链条越长，资金使用中的信息损耗和激励扭曲越严重（Holmström, 1979）。同时，配套体制机制改革（如铁路投融资改革、水价改革）本质上是通过明晰产权和价格信号来降低项目运营阶段的交易成本。据此推论，配套改革先行推进的领域和地区，资金使用效率应更高。

据此提出以下假说：
- H1：审批层级越多（以项目涉及的部门数量衡量），项目资金拨付到实际开工的时滞越长，资金使用效率越低。
- H2：配套改革已推进的领域（如已实施水价改革的城市），"两重"项目的投资完成率显著高于未推进改革的同类城市。
- H3：委托-代理链条较短的直达型项目（资金直达项目单位）的效率高于需多层转拨的传统型项目。

本文利用配套改革在不同城市和不同领域推进时序的差异作为准自然实验。例如，污水处理收费模式改革仅在长江沿线部分城市先行试点，形成了处理组（试点城市）与对照组（非试点城市）的自然对照。采用Callaway & Sant'Anna（2021）的多期DID估计量，解决交错处理中异质性处理效应导致的偏误（Goodman-Bacon, 2021）。审批复杂度的识别则利用项目类型的外生差异：科技创新项目涉及科技部+发改委双重审核，而交通基建项目主要由发改委+交通部审核，形成审核层级数量的自然变异。关键识别假定：配套改革试点城市的选择与项目执行效率的不可观测因素不相关。

基准模型为多期DID：

ATT(g,t) = E[Y_t - Y_{g-1} | G_g = 1] - E[Y_t - Y_{g-1} | C = 1]

其中 G_g 为城市首次实施配套改革的年份队列（cohort），C 为从未实施改革的对照组城市，Y 为"两重"项目资金拨付使用率（已拨付资金/获批资金总额）。总体处理效应为各期ATT的加权平均。审批复杂度效应通过以下固定效应模型估计：

Efficiency_ij = α + β ApprovalLayers_ij + γ Controls_ij + μ_province + δ_field + ε_ij

其中 Efficiency_ij 为项目 j 在城市 i 的资金使用效率（开工率或投资完成率），ApprovalLayers_ij 为项目涉及的审批部门数量，预期 β 显著为负。

被解释变量：项目资金使用效率，以"资金拨付使用率"（已实际拨付金额/获批金额，来源中国债券信息网资金使用报告）和"项目开工率"（已开工项目数/获批项目数，来源发改委项目进度公告）两个维度测度。核心解释变量：（1）审批复杂度——手工编码各"两重"项目涉及的主管部门数量（1-4个）；（2）配套改革虚拟变量——某城市在某领域是否已推进对应改革（通过手工收集各省政策文件编码）。控制变量：城市财政自给率、政府债务率、项目规模对数、所在省份营商环境评分。样本覆盖2024-2026年获批的1417个项目，按项目-城市层面观测。

• **Bacon-Decomp分解**：对交错DID进行Goodman-Bacon分解，报告2×2、staggered vs. not-yet-treated各组权重，确保结论不被异质性处理效应偏误主导。
• **排除同期其他改革干扰**：在回归中控制同期该城市是否实施了营商环境优化、减税降费等其他改革虚拟变量，分离配套改革的净效应。
• **替换效率测度**：以"项目完工率"替代"资金使用率"作为被解释变量重新估计，检验结论是否对效率定义敏感。
• **文本分析交叉验证**：利用项目批复文本的词频分析构建"审批文本复杂度"指标（以文件页数、审批条款数量测度），作为审批部门数量的替代变量进行回归。

晋升锦标赛理论（周黎安, 2007）指出，中国地方官员围绕经济增长展开竞争，而获取上级财政资源是竞争中的一项重要策略。超长期特别国债作为中央主导的大规模财政工具，其项目分配虽以技术标准为名，但地方官员的政治关联和游说能力可能影响实际分配结果（Fisman, 2001; Tullock, 1980）。同时，Qian & Weingast（1997）的中国式财政联邦主义理论提示，中央在分配资金时也面临平衡效率与公平、激励地方努力的考量。政治关联强的城市可能因信息优势（更早获知申报要求）和游说能力而获得更多资金。

据此提出以下假说：
- H1：与中央决策层存在政治关联（籍贯关联或履历关联）的地级市，获批"两重"项目资金规模/GDP 显著高于无关联城市。
- H2：主官处于晋升关键窗口期（任期第3-4年、年龄临近晋升上限）的城市，获批资金的概率和规模更大。
- H3：政治关联对资金分配的影响在项目审批自由度较大的领域（如城市管网、生态保护）更为显著，在技术标准刚性的领域（如重大水利工程）不显著。

核心挑战在于政治关联的内生性——有政治关联的城市可能本身经济条件更好。本文采用三重识别策略：第一，以官员籍贯/出生地作为政治关联的工具变量——官员的出生地对其任职城市的经济基本面而言是外生的，但通过"老乡"网络可能影响资源获取（Fisman et al., 2014）。第二，利用省界断点设计——比较相邻省份边界两侧经济发展水平相近、但分属不同省份（因而政治关联网络不同）的城市，在资金分配上的差异。第三，利用官员调动的外生冲击——当具有中央关联的主官调任新城市时，比较该城市在调动前后的资金获取变化（事件研究法）。关键识别假定：官员籍贯不通过经济基本面以外的渠道影响城市资金获取。

基准Tobit模型（因部分城市获批资金为零）：

FundShare_i = α + β PoliticalConn_i + γ EconFundamentals_i + δ ProvinceFE + ε_i

其中 FundShare_i 为城市 i 获批资金占全省"两重"资金的份额；PoliticalConn_i 为多维政治关联指数（籍贯关联 + 履历关联 + 校友关联的加权综合），EconFundamentals_i 包括GDP规模、人口规模、基建缺口指标。IV估计中以官员籍贯距离（城市主官籍贯所在市到项目审批决策中心的距离）作为工具变量。省界断点回归：

FundShare_i = α + β Border_i + f(Distance_i) + γ X_i + ε_i

其中 Border_i 为是否属于特定省份一侧的虚拟变量，Distance_i 为城市到省界的距离，f(·) 为多项式函数。

被解释变量：地级市获批"两重"项目资金总额/GDP（来源发改委项目清单匹配地级市）。核心解释变量：多维政治关联指数——（1）籍贯关联：城市市委书记/市长的籍贯是否为中央部委现任/前任领导的籍贯所在地（CCER官员履历数据库）；（2）履历关联：城市主官是否曾在中央部委任职（虚拟变量）；（3）校友关联：城市主官是否与发改委关键决策者毕业于同一院校（手工收集）。控制变量：GDP规模对数、人口对数、基建投资缺口（人均公路里程与全国中位数之差）、财政自给率、上年度中央转移支付依赖度。样本覆盖290个地级市，2024-2026年度面板。

• **安慰剂检验**：以官员配偶籍贯替代官员本人籍贯作为"虚假"政治关联指标重新估计，预期系数不显著，排除地理因素的混杂效应。
• **排除经济性替代解释**：在回归中逐步加入城市经济增速、财政缺口、基建需求等经济基本面变量，观察政治关联系数是否依然显著——若加入后系数大幅下降，说明关联效应部分反映的是经济基本面差异。
• **样本限制检验**：仅保留省界两侧50公里内的城市对进行断点回归，确保比较对象在经济地理特征上高度可比。
• **替换政治关联测度**：分别使用单一维度关联（仅籍贯、仅履历、仅校友）和综合指数进行回归，检验结论对不同关联定义的一致性。

Barro & Sala-i-Martin（1992）的条件收敛理论预测，在控制稳态特征后，初始人均收入较低的地区增速更快。超长期特别国债向西部和中西部地区倾斜投资，通过改善基础设施存量（Hulten, 1996）和降低运输成本，理论上应加速区域经济收敛。然而，Krugman（1991）的新经济地理学警告，交通改善可能反而强化中心-外围格局——便捷的通道使要素向中心城市集聚（"虹吸效应"）。Hirschman（1958）的不平衡增长理论则提示，不同类型投资的区域效应可能不同：交通基建短期促进连通但可能加剧虹吸，科技创新投资通过培育本地创新能力增强"涓滴效应"。

据此提出以下假说：
- H1：西部陆海新通道沿线城市在"两重"投资后与东部城市的人均GDP差距收窄，存在β-收敛加速效应。
- H2：交通基础设施投资短期（1-2年）存在"虹吸效应"——沿线中小城市的经济活动向通道节点城市集中；科技创新投资的区域收敛效应更为持久。
- H3：超长期特别国债投资的区域收敛效应存在门槛——当城市人力资本存量高于某一阈值时，投资对本地增长的促进作用显著更大（吸收能力约束）。

本文采用空间杜宾模型（SDM）结合系统GMM估计。西部陆海新通道沿线城市作为处理组，其获得"两重"资金的规模和时序由通道规划的技术线路决定，对单个城市的短期经济波动而言具有外生性。空间杜宾模型通过引入空间滞后项（W × Y）和空间误差项（W × ε），捕捉投资的空间溢出效应和虹吸效应。系统GMM解决动态面板中被解释变量滞后项与个体效应相关的Nickell偏误。关键识别假定：通道线路走向基于地理和工程技术因素而非短期经济表现，沿线城市获得资金的外生性成立。以夜间灯光数据作为GDP的替代测度，减轻欠发达地区GDP统计可能存在的测量偏误（Henderson et al., 2012）。

空间收敛模型：

(1/T) ln(Y_{i,t+T}/Y_{i,t}) = α + β ln(Y_{i,t}) + γ FundIntensity_i + δ W·(1/T) ln(Y/Y) + ρ FundIntensity_spatial + μ_i + ε_i

其中左侧为城市 i 在 T 期内的平均增速；ln(Y_{i,t}) 为初始人均GDP对数（β < 0 表示收敛）；FundIntensity_i 为"两重"资金强度；W 为空间权重矩阵（基于地理距离和经济距离）；δ 为空间自回归系数。空间杜宾模型中 ρ 捕捉邻域城市资金强度对本地增长的溢出效应——若 ρ 显著为负，支持"虹吸效应"假说。系统GMM动态面板：

g_it = α g_{i,t-1} + β FundIntensity_it + γ X_it + μ_i + λ_t + ε_it

以 FundIntensity 的滞后项和邻域城市平均 FundIntensity 作为工具变量。

被解释变量：（1）人均实际GDP增速（国家统计局，经GDP平减指数调整）；（2）夜间灯光亮度均值变化率（NASA VIIRS月度合成数据，2024-2026年），作为经济活动的替代测度。核心解释变量：城市"两重"资金强度 = 获批资金/GDP，区分交通基建、科技创新、生态保护三个子类别。空间权重矩阵：（1）地理距离矩阵（城市间球面距离的倒数）；（2）经济距离矩阵（人均GDP差异的倒数）。控制变量：初始人力资本（大专以上人口占比，第六次人口普查）、产业结构（第二/三产业占比）、城镇化率、财政自给率、FDI/GDP。样本：西部陆海新通道沿线约60个地级市 + 对照组约100个同区域非沿线城市，2024-2026年度面板。

• **替换空间权重矩阵**：分别使用地理距离矩阵、经济距离矩阵和邻接矩阵三种设定估计SDM，检验空间溢出/虹吸效应的符号和显著性是否一致。
• **门槛效应检验**：以人力资本存量为门槛变量，使用Hansen（1999）面板门槛模型检验投资效应的非线性——预期在人力资本高于门槛值时系数更大，验证H3。
• **排除特定城市干扰**：逐一剔除通道节点枢纽城市（如重庆、成都、昆明）重新估计，排除个别大城市驱动整体结论的可能。
• **替代被解释变量**：以夜间灯光亮度增长率替代GDP增速进行收敛回归，检验结论是否对官方统计数据的测量偏误稳健。

Hamermesh（1993）的劳动需求理论指出，投资扩张通过资本-劳动互补关系带动劳动需求增加。超长期特别国债支持的重大项目建设在施工阶段直接创造建筑岗位，在运营阶段通过产能扩张间接增加用工需求（Auerbach & Gorodnichenko, 2012）。然而，不同投向领域的劳动密集度差异显著——城市管网和水利工程的施工劳动密集度高于科技创新项目，就业乘数可能更大。Moretti（2011）的地方劳动力市场均衡理论进一步预测，大型项目落地会提高本地均衡工资水平，尤其对低技能劳动者的工资产生"向上拉动"效应。但Acemoglu（2002）的技能偏向型技术变革理论提示，科技创新类项目可能增加高技能岗位需求、减少对低技能劳动的依赖。

据此提出以下假说：
- H1："两重"项目获批后，所在城市建筑业和制造业就业人数显著增加，就业弹性约为0.1-0.3（每亿元投资带动的就业增量）。
- H2：劳动密集型领域（城市管网、水利工程）的就业乘数显著大于资本密集型领域（科技创新、生态保护）；前者主要拉动低技能就业，后者主要拉动高技能就业。
- H3：重大项目落地对本地建筑业和制造业的平均工资产生正向溢出效应，且溢出效应对低工资分位（P25）的影响大于高工资分位（P75），缩小工资不平等。

核心挑战是联立性偏误——就业增长的城市可能本身就更容易获批项目。本文采用两阶段识别：第一阶段，利用"两重"项目的国家规划属性——项目选址和资金分配由中央部委根据战略需要和技术论证决定，对地方短期就业波动而言具有外生性。以城市获批资金/GDP作为处理强度变量。第二阶段，为应对可能的自选择偏误（如劳动者选择迁移到项目所在城市），采用Heckman两步法校正：第一步probit模型估计劳动者迁入项目的概率，计算逆米尔斯比率；第二步将其纳入就业和工资回归中。对于工资溢出效应，利用Mincer工资方程的分位数回归，在不同工资分位上估计项目对工资的影响。关键识别假定：项目规划决策不受城市短期就业市场波动的影响。

就业效应基准DID模型：

EmpGrowth_it = α + β FundIntensity_it × Post_t + γ X_it + μ_i + λ_t + ε_it

其中 EmpGrowth_it 为城市 i 在 t 季度的就业增速（分建筑业、制造业、服务业）；FundIntensity_it 为累计获批资金强度；Post_t 为项目下达后的虚拟变量；X_it 包括GDP增速、产业结构、最低工资标准对数、人口净流入。μ_i 和 λ_t 分别为城市和时间固定效应。预期 β > 0。

工资溢出效应的分位数Mincer方程：

ln(Wage_ijt) = α + β_q FundIntensity_it × Post_t + γ Educ_ij + δ Exper_ij + θ X_ij + μ_i + λ_t + ε_ijt

其中 q 为分位数（P10, P25, P50, P75, P90），β_q 在不同分位上的差异反映项目对工资分布的异质性影响。Heckman两步法第一步：

P(Migrate_ij = 1) = Φ(Z_ij γ)

其中 Z_ij 包括户籍制度约束（城市落户门槛积分）、房价收入比等迁移成本变量；第二步将逆米尔斯比率 λ_ij 加入就业/工资方程。

被解释变量：（1）就业增速——建筑业和制造业城镇单位就业人数季度同比增速（国家统计局/Wind）；（2）工资水平——城镇单位在岗职工平均工资对数（国家统计局）；（3）就业结构——高技能（大专以上）和低技能（初中以下）就业占比（劳动统计年鉴）。核心解释变量：城市"两重"资金强度 = 获批资金/GDP，按投向领域分拆为交通基建、水利工程、城市管网、科技创新四个子变量。控制变量：GDP增速、最低工资标准（对数）、常住人口净流入率、第二/三产业占比、高等教育在校生密度。样本：290个地级市，2024Q1—2026Q2季度面板。个体层面补充分析使用CFPS第7轮数据（2024年）中涉及建筑/制造业劳动者的子样本。

• **替换就业测度**：以城镇调查失业率的变化（替代就业人数增速）和新增市场主体注册数（替代就业需求代理）分别作为被解释变量重新估计，检验就业效应的测度稳健性。
• **Heckman vs. 面板固定效应**：分别使用Heckman样本选择校正和面板固定效应两种方法处理自选择偏误，比较估计结果差异——若两者结论一致，增强因果推断的可信度。
• **排除最低工资政策干扰**：在回归中控制各城市最低工资标准的调整时点和幅度，排除同期最低工资变动对就业和工资的混杂影响。
• **分样本估计**：按城市规模（大/中/小城市）和区域（东/中/西部分样本估计就业乘数，检验就业效应的异质性是否支持H2中劳动密集型领域的预测。