国务院印发《现代化应急体系建设"十五五"规划》

Healy & Malhotra（2009）对美国自然灾害支出的研究发现：选民对灾后救济的"可见性"远高于灾前预防——导致政治激励偏向灾后支出，即使灾前预防的投入产出比更高。这一"预防性投资不足之谜"在中国语境下因官员任期制而更加复杂：地方政府官员在其任期内承担预防投资的全额财政成本，但减灾效果（事故率的降低）可能在任期结束后才显现——形成了"任期-收益错配"。规划提出的"治理模式转型"需要通过制度设计改变这一激励结构。

假说：
- H1：省级官员剩余任期越短（<2年），预防性应急支出占比越低——官员在任期临近结束时更偏好"可见"的灾后支出而非"隐性"的预防投资。
- H2：《规划》实施后，省级应急支出中预防性支出的占比提升幅度约为5-10个百分点（DID系数显著为正），表明制度约束有效扭转了激励结构。
- H3：发生过重大事故的省份在事故后1-2年内预防性支出显著上升（"亡羊补牢"效应），但3年后回落至事故前水平——注意力的暂时性转移而非永久性制度变革。

核心识别策略为渐进DID：以规划发布年（2026）为处理时点，各省作为处理组（所有省同时进入处理）。但由于没有天然的对照组（全国统一实施），采用"处理强度"设计：对制度激励约束不同的省份——以财政透明度、政府审计整改率、人大监督强度等制度质量指标衡量——规划的效果应在制度质量更高的省份更强。以省以下的事故风险暴露指数（地理和产业结构决定的灾害基线风险）作为应急支出需求的工具变量。断点回归补充识别：以重大事故（≥30人死亡）作为外生冲击，比较事故前后该省+相邻省的预防性支出跳跃。

处理强度DID：

PreventionShare_{it} = α + β·Post2026_t × InstitutionQuality_i + γ·X_{it} + μ_i + λ_t + ε_{it}

其中 PreventionShare_{it} 为省份 i 第 t 年应急支出中预防性支出占比（%）；Post2026_t = 1（t ≥ 2026）；InstitutionQuality_i 为省级制度质量的基线测度（以规划前2023-2025年的财政透明度和审计整改率综合评分衡量）。β > 0 且显著表明制度质量越高的省份，规划实施的预防转型效应越强。μ_i 和 λ_t 分别为省份和年份固定效应。

被解释变量：预防性应急支出占比——从省级应急管理厅（局）决算报告的"按功能分类"科目中，将"灾害预防与应急准备"资金占总应急支出的比例编码为连续变量（%）。核心解释变量：Post2026 × InstitutionQuality。制度质量：以省级财政透明度指数（来自上海财经大学财政透明度报告）和审计整改率（来自审计署省级审计结果公告）的标准化平均分衡量。控制变量：人均GDP、第二产业占比（工业事故风险代理）、地质灾害风险指数。数据来源：各省应急管理厅决算报告、财政部预算公开平台、应急管理部统计年报、中国统计年鉴。样本：31个省 × 2018-2030年，年度面板。

• 替换制度质量测度：以省级政府效率排名（北师大政府管理研究院）或反腐败立案数替代财政透明度，检验制度质量的测度敏感性。
• 排除直辖市：剔除京津沪渝4个直辖市（应急管理体量和结构显著不同于一般省份），检验结论是否由特大城市驱动。
• 安慰剂处理时点：将规划实施时点前移3年（虚假2023年规划），检验处理前的趋势是否存在已存的预防转型。
• 替换预防支出定义：将"预防性支出"的科目范围扩大（纳入安全监管执法支出）和缩小（仅保留减灾工程支出），检验结论对支出分类的敏感性。

---

Oates（1972）的财政联邦主义理论指出，公共品的最优供给层级取决于受益范围。应急管理中的减灾工程（如防洪堤、地震监测网）具有跨区域外部性——一个省的减灾工程保护邻省免受灾害蔓延——因此中央应承担更大比例。但Kornai（1986）的软预算约束理论警告：当地方政府预期中央会"兜底"救灾时，其在预防性工程上的配套资金承诺可能不可信。"粘蝇纸效应"（Hines & Thaler, 1995）进一步预测，中央转移支付会"粘"在地方预算中——地方政府倾向于将中央资金用于扩大本地支出而非替代自有资金，导致实际总投资大于中央预期。

假说：
- H1：中央专项转移支付每增加1元，地方实际配套资金仅增加0.5-0.7元——存在配套资金"打折"现象，尤其在中西部财政困难地区更为严重。
- H2："政治敏感度"高的工程（防汛抗旱类，与人民生命直接相关）的地方配套到位率显著高于"政治敏感度"低的工程（应急信息化平台建设类）。
- H3：财政困难县的应急工程完工周期比非困难县长约30-50%，工程质量评分低约10-15%——配套资金缺口转化为工程质量和进度的牺牲。

核心识别挑战：（1）转移支付分配是内生的——中央可能向更需要的地区（灾害风险更高的地区）拨付更多资金；（2）地方配套能力与地方经济发展水平高度相关。采用双重IV策略：（1）以"中央应急管理转移支付中按公式分配的定额部分"（公式拨款，由人口、面积等外生因素决定）作为转移支付的IV；（2）以"财政困难县"认定（由财政部基于客观指标认定）作为地方配套能力的外生断点（RD）。三重差分进一步区分：Post2026 × 工程政治敏感度 × 地方财政困难度——识别政治激励如何调节财政约束对工程效率的影响。

IV-面板固定效应：

工程Progress_{iet} = α + β·LocalMatch_{iet} + γ·X_{iet} + μ_i + λ_t + θ_e + ε_{iet}

第一阶段：LocalMatch_{iet} = δ·FormulaGrant_{it} + η·X_{iet} + ν_i + τ_t + ω_e + u_{iet}

其中 Progress_{iet} 为省份 i 工程 e 第 t 年的完工进度（%）；LocalMatch_{iet} 为地方实际配套资金/工程预算要求的配套资金（配套到位率）；FormulaGrant_{it} 为公式拨款的定额部分（IV）。β > 0——配套到位率越高工程推进越快。预期方向已含在假说中。

被解释变量：（1）工程完工进度——以应急管理部季度通报中的"累计完成投资/计划总投资"（%）衡量；（2）工程质量——以竣工验收评分或审计问题数（反向）衡量。核心解释变量：地方配套到位率——省级应急工程决算中"地方财政资金实际到位/计划配套"（%）。工具变量：中央公式拨款的定额部分——以省面积（30%权重）、人口（40%权重）、地质灾害风险指数（30%权重）的公式推算。政治敏感度编码：防汛抗旱类工程 = 3，地震/地质监测 = 2，信息化/科研平台 = 1。数据来源：应急管理部、财政部转移支付平台、各省应急管理厅工程决算。样本：31省 × 17项工程 × 2026-2030年预计实施期。

• 替换IV构造：以省级人代会中应急管理议题占比作为地方应急偏好的工具变量——人大监督强度影响地方配套意愿但不受工程进度的反向影响。
• 排除极端值：剔除配套到位率最高和最低的5%工程，检验结论是否由极端案例驱动。
• 替换政治敏感度编码：以百度搜索指数（"防汛""地震预警"等关键词搜索量）替代主观编码，检验政治敏感度分类的公众关注基础。
• 子样本分析：分别对东部、中部、西部地区进行回归，识别区域差异的制度性根源（财政能力差距 vs. 制度环境差距）。

---

Schmookler（1966）的"需求拉动型创新"假说认为，市场需求的增长是技术创新最强大的驱动力——甚至强于科学进步（技术推动）。大规模政府采购作为一种"有保障的需求"，降低了企业研发的市场风险，理论上应能激励企业增加R&D投入。但Greenwald & Stiglitz（2006）的幼稚产业保护论警告：政府保护可能同时降低企业的竞争压力，反向抑制创新动力。应急装备制造业的特殊性在于：其产品具有公共品属性（受益面广但排他性弱），私人市场需求长期不足，正是政府采购可以纠正"市场失灵"的典型领域。

假说：
- H1：被列入应急体系"十五五"重点工程采购目录的企业，在规划发布后3年内的专利申请量比未列入企业高20-30%（DID系数为正），且发明专利占比上升——表明需求拉动促进了实质性创新而非策略性创新。
- H2：政府采购对中小企业的创新激励效应显著强于大型国有企业——中小企业在获取政府订单前的研发资金约束更紧，政府订单的"认证效应"也更强。
- H3：17项工程涉及的五大类领域中，"监测预警设备类"的需求拉动创新效应最强（技术前沿空间大），"救援装备类"次之，"信息化平台类"因进入壁垒低而创新效应最弱。

核心识别策略为DID：(1）处理组——产品被列入应急管理部"十五五"装备采购推荐目录的企业；（2）对照组——同行业（应急装备/安防设备）但未列入目录的企业。处理时点：规划发布月（2026年6月）。关键识别假定：目录列入决策基于企业的技术资质（客观可验证）而非不可观测的创新潜力——通过控制企业固定效应和加入"目录列入前3年专利增长率"作为匹配变量来增强平行趋势可信度。事件研究法：以企业首次获得政府采购大单（≥1000万元中标公告）的时间为事件日，识别政府订单对企业后续研发的因果激励。

企业层面DID + 事件研究：

PatentGrowth_{it} = α + Σ_{k=-3}^{5} β_k·Event^{k}_{it} + γ·X_{it-1} + μ_i + λ_t + ε_{it}

其中 PatentGrowth_{it} 为企业 i 第 t 年的专利申请量增长率（%）；Event^{k}_{it} 为距离纳入目录或获得首单第 k 年的虚拟变量；β_k 捕捉需求冲击的动态创新效应。Control：企业规模、年龄、R&D intensity（滞后一期）、行业×年份固定效应。预期 β_k > 0 在 k≥1 时显著——需求拉动效应有至少1年的研发滞后。

被解释变量：（1）年度发明专利 + 实用新型专利申请量（对数化）；（2）专利中发明专利占比（创新质量指标）；（3）企业TFP（Olley-Pakes方法估算）。核心解释变量：企业是否被纳入"十五五"应急装备采购目录 × 规划发布时间交互项。控制变量：企业规模（总资产对数）、企业年龄、R&D intensity（滞后一期）、出口强度、所有制类型。数据来源：CSMAR上市公司数据库、CNIPA专利数据库（匹配到企业统一社会信用代码）、政府采购网应急类合同公告、应急管理部装备推荐目录。样本涵盖应急装备/安防行业A股上市公司+新三板挂牌企业约180家 × 2018-2032年。

• 替换创新产出测度：以新产品销售收入占比（来自企业年报）替代专利数量，检验需求拉动是否转化为商业化的创新成果。
• 倾向得分匹配（PSM-DID）：以企业规模、年龄、行业、R&D intensity、目录纳入前专利增长率为匹配变量，为每家处理企业匹配最相似对照组。
• 安慰剂处理时点：将规划发布时点前移3年，检验处理前的趋势差异——若虚假冲击也"产生"显著创新效应，则DID识别不可信。
• 排除IT/平台类企业：将"信息化平台建设"相关企业从样本中剔除，检验结论是否由IT行业自身的快速创新周期驱动而非应急产业政策驱动。

---

Ehrlich & Becker（1972）的最优保险理论将减灾预防（self-protection，降低灾害概率）和救灾补偿（market insurance，降低灾害损失）纳入统一选择框架。最优配置取决于两种投入的相对价格和边际效率。减灾预防的边际回报是凸的——前期投入（如地震预警系统）需要达到阈值才能产生显著减灾效果；而救灾补偿的边际回报是递减的——每增加1元救灾支出，额外挽回的损失逐渐减少。理论上应存在一个拐点：当预防投入的边际社会回报等于救灾支出的边际社会回报时，配置达到最优。

假说：
- H1：中国当前省级应急支出中预防性投入约占25-35%，而基于边际成本-收益比的估算最优比例应约为40-50%——存在10-15个百分点的预防性投入缺口。
- H2：边际上，额外1元减灾预防投入的社会福利回报（以灾害损失降低贴现）是额外1元救灾补偿投入的1.5-2.0倍——预防的"投入产出比"优于救灾。
- H3：灾害风险最高的省份（四川、云南、甘肃等地质灾害高风险区）的预防投入最优比例应高于全国平均水平——高风险的边际减灾预防回报更高。

随机前沿分析（SFA）构建应急管理支出的效率前沿：以省级灾害损失（对数化）为被解释变量，应急管理支出总量及其预防/救灾分解为解释变量，估计支出对损失降低的技术效率。进一步，以SFA的边际效应估计量计算预防支出的边际损失降低和救灾支出的边际损失降低——两者的比例即为边际替代率（MRS）。最优配置比例 = 预防支出的边际回报 / 救灾支出的边际回报 = 1时对应的预防支出占比。比较各省级的实际配置与最优配置，度量偏离度和潜在效率损失。关键识别假定：SFA的无效率项（省份异质性）与投入配置决策不相关——通过控制省份固定效应近似满足。

随机前沿模型（Battese & Coelli, 1995）：

ln(Loss_{it}) = α + β₁·ln(Prevention_{it}) + β₂·ln(Relief_{it}) + γ·X_{it} + v_{it} - u_{it}

其中 Loss_{it} 为省份 i 第 t 年的自然灾害直接经济损失（对数化）；Prevention_{it} 和 Relief_{it} 分别为预防性和救灾性支出（对数化）；v_{it} ∼ N(0, σ²_v) 为随机噪声；u_{it} ∼ N⁺(μ, σ²_u) 为非负技术无效率项。边际损失降低：∂E(Loss)/∂Prevention = β₁，∂E(Loss)/∂Relief = β₂。最优配置条件：β₁/Prevention_{it} = β₂/Relief_{it}（边际社会价值相等）。

被解释变量：省级年度自然灾害直接经济损失（亿元，对数化，以不变价平减）。核心解释变量：预防性应急支出（包括灾害预防工程、监测预警系统建设、应急演练和培训）和救灾性应急支出（包括灾害救援、灾民安置、恢复重建补贴），均对数化。控制变量：当年实际灾害强度（地震震级加权、台风登陆次数、洪涝受灾面积）、GDP密度（单位面积GDP，代理暴露度）、城镇化率。数据来源：应急管理部《全国自然灾害损失统计年报》、各省应急管理支出决算、中国气象局灾害监测数据。样本：31省 × 2015-2025年面板（2026年后为规划期模拟），年度频率。

• 替换灾害损失测度：以保险业灾害赔付额（银保监会数据）替代应急管理部统计，检验官方统计是否高估或低估了实际损失。
• 替换SFA函数形式：以Translog生产函数替代Cobb-Douglas函数，允许要素替代弹性的非恒定——若Translog估计的β与CD估计显著不同，则函数形式选择影响结论。
• 灾害强度工具变量：使用全球气候模型（CMIP6）的降雨和温度异常预测值作为自然灾害的外生预测——气候变量不受地方应急支出决策影响。
• 排除巨灾年份：剔除2008年汶川地震等单次巨灾损失异常的省份-年份，检验结论是否由极端灾害事件驱动。

---

Autor, Levy & Murnane（2003）的任务模型将工作分解为常规任务（routine）和非常规任务（non-routine），并预测技术变革替代常规任务、增强非常规任务。应急产业在"十五五"规划驱动下正经历从"人海战术"到"智慧应急"的范式转变——监测预警平台用AI和IoT替代了人工巡逻和简单值守（常规任务替代），但创造了数据分析师、算法工程师等高技能岗位需求（非常规任务增强）。这一转变对应急产业劳动力的技能结构产生"偏态"冲击——高技能岗位需求增长快于中低技能岗位。

假说：
- H1：规划发布后6个月内，"信息化平台建设类"工程相关的AI/大数据/物联网岗位招聘量增长50-80%，而传统"抢险救援员"类岗位需求仅增长5-10%——技能需求的偏态效应显著。
- H2：技能溢价在应急产业中扩大——数据科学家/算法工程师的工资溢价约为同期制造业工程师的1.3-1.5倍，且增速更快（年增15-20% vs. 8-10%）。
- H3：高校应急管理专业毕业生（新供给）与传统救援人员（存量劳动力）之间存在严重的技能错配——仅约30%的传统应急救援人员具备向智慧应急岗位转型的"技能距离"可行性。

核心识别策略为DID + 高频追踪：（1）以规划发布日期为事件冲击，比较应急产业 vs. 相邻安全行业（网络安全、工业安全）的岗位需求变化——应急产业作为"高处理强度"组，安全行业作为"低处理强度"对照组；（2）三重差分：处理强度（五类工程的数字化程度编码）× 发布后 × 岗位技能层级，识别不同技术密度的工程对不同技能层级岗位的差异化冲击。以招聘广告文本中技能关键词的NLP提取（BERT中文词嵌入 + LDA主题模型）作为技能需求结构的高频测度。

岗位-周度面板DID：

JobPosting_{iwt} = α + β·Post_t × Emergency_i + γ·X_{iw} + μ_i + λ_w + ε_{iwt}

其中 JobPosting_{iwt} 为行业 i 在第 w 周的岗位新增发布量（对数化）；Post_t = 1（2026年6月规划发布后）；Emergency_i = 1（应急产业岗位），= 0（相邻安全行业岗位）。β > 0 捕捉规划带来的应急产业岗位需求增量。三重差分扩展：JobPosting_{ist} = α + β₁·Post × Emerg × HighTech_e + …，其中 HighTech_e 为五类工程的数字化技术密度的连续变量（以岗位描述中AI/大数据相关词频占比衡量）。

被解释变量：（1）岗位-周度新增招聘帖数（对数化）；（2）岗位薪资（月薪中位数，对数化）；（3）岗位技能需求指数——以招聘文本中技能的"非常规性"评分（NLP自动编码+人工验证）。核心解释变量：应急产业 × 规划发布后交互项 + 工程数字化密度交互项。工程数字化密度：以对应岗位中ICT技能关键词占比衡量。数据来源：BOSS直聘/前程无忧招聘数据API（按行业、职业、城市筛选）、应急管理部重点工程分类目录。样本为应急产业+安全产业约12万条招聘帖 × 2024-2028年月度。

• 替换招聘数据源：以领英（LinkedIn）中国应急管理相关岗位数据替代国内招聘平台，检验招聘数据源的平台偏差。
• 替换技能测度：以岗位学历要求（本科及以上占比）替代NLP技能评分，检验技能需求的粗粒度替代测度是否与精细测度一致。
• 城市异质性：将城市按是否设有应急管理高校/培训基地分组，检验技能供给侧的本地可得性是否调节了规划带来的技能需求结构转变。
• 排除季节性波动：以X-13ARIMA-SEATS对招聘数据进行季节调整，剔除高校毕业生求职季（5-7月）的季节性脉冲。