联播快讯：公平竞争审查制度十周年、百日千万招聘专项行动、长三角国际标准联合攻关

基于交易成本理论（Williamson, 1985），地方保护性政策本质上是一种人为设置的制度性交易成本，通过行政壁垒、歧视性准入和补贴扭曲提高了跨区域交易的成本。公平竞争审查制度通过事前审查和事后清理两个渠道降低这类制度性交易成本：事前审查阻止新增限制性政策，事后清理废止存量壁垒。根据 North（1990）的制度变迁理论，制度效能取决于执行机制的可信承诺。各省审查执行力度的差异——体现为审查政策文件数量和废止修订比例的差异——构成了制度执行强度的变异，进而产生差异化的市场整合效果。据此提出以下假说：

• **H1**：公平竞争审查执行强度越高的省份，其省际市场分割程度下降越显著，预期审查强度每增加一个标准差，市场分割指数下降0.15-0.25个标准差。
• **H2**：制度执行的交易成本节约效应在制造业（跨区域贸易壁垒更高）中强于服务业，在跨省贸易中强于省内贸易。
• **H3**：事后清理（废止修订数量）对市场整合的边际贡献大于事前审查（新增审查数量），因为存量壁垒的消除直接降低已存在的交易成本。

公平竞争审查制度于2016年正式建立（《国务院关于在市场体系建设中建立公平竞争审查制度的意见》），但各省的执行力度和时间节奏存在显著差异。部分省份在2016年当年即全面开展审查，部分省份延至2018年才实质性推进，且年度审查强度和废止比例持续分化。这一执行力度和时间维度的外生变异为多期DID提供了识别基础。本文采用Callaway & Sant'Anna（2021）的异质性稳健DID估计量，处理多期处理时点差异和潜在的处理效应异质性问题。关键识别假定包括：（1）平行趋势假定——在公平竞争审查强度提升之前，不同省份的市场分割趋势无系统性差异；（2）无预期效应——市场主体在审查强度提升前未提前调整跨省交易行为；（3）无溢出效应——一个省份的审查执行不显著影响相邻省份的市场分割程度（通过空间计量检验）。

基准模型采用多期DID的事件研究法设定：

Seg_it = α + Σ_{k=-3}^{3} β_k · D_i · 1(t = t_i* + k) + γ X_it + μ_i + λ_t + ε_it

其中 Seg_it 为省份 i 在年份 t 的市场分割指数；D_i 为省份 i 的公平竞争审查执行强度（标准化后的连续处理变量，以审查政策文件总数和废止修订比例加权构造）；t_i* 为该省实质性执行审查的起始年份；β_k 为事件研究系数，核心关注 β_1、β_2、β_3 是否显著为负（表明审查执行后市场分割下降）。X_it 为控制变量向量，μ_i 和 λ_t 分别为省份和年份固定效应。关键参数 β_k 的经济学含义为：审查执行强度每增加一个单位，市场分割指数的变化量。

被解释变量：省际市场分割指数，采用"价格法"（Parsley & Wei, 1996），利用省级商品零售价格分类指数的相对价格方差计算，具体为省份 i 与所有其他省份 j 之间36类商品价格差异的方差均值，经对数化处理。该指数越高表示市场分割越严重。数据来源为国家统计局商品零售价格分类指数。

核心解释变量：公平竞争审查执行强度指数，以两个维度加权构造——（a）年度审查政策文件数量（对数化），权重0.4；（b）年度废止修订数量占审查总量的比例，权重0.6。数据来自市场监管总局公开年报。

控制变量：省份GDP增速（国家统计局）、财政自给率（一般公共预算收入/支出）、城镇化率、互联网普及率（反映数字经济发展对交易成本的影响）、交通基础设施密度（公路里程/面积）。样本区间：2014-2025年，30个省份（不含港澳台），年度频率，共360个观测值。

• **平行趋势检验**：绘制事件研究系数 β_k 的动态图，验证 k<0 时 β_k 不显著异于零（即处理前趋势无差异），k≥0 时 β_k 显著为负。若前期系数显著则需引入倾向得分匹配（PSM-DID）校正选择偏误。

• **安慰剂检验**：将公平竞争审查的起始时点随机前移2-3年（虚拟政策冲击），重复估计500次，观察伪处理的系数分布是否集中于零附近，排除结论由时间趋势驱动的可能。

• **替换市场分割测度**：以"贸易法"（省际铁路货运流数据的引力模型残差）和"生产法"（省际产业结构相似系数的反向指标）替代价格法测度市场分割，检验结论是否对市场分割的测度方式敏感。

• **排除同期政策干扰**：在模型中加入各省"放管服"改革强度（以取消行政审批事项数量代理）和营商环境优化试点的虚拟变量，排除同期制度改革对估计结果的干扰。

• **Bacon分解检验**：使用Goodman-Bacon（2021）分解，量化不同处理时点对比组（早处理vs.晚处理、已处理vs.未处理）对总体估计量的贡献权重，确认结论不受异质性处理效应的偏误影响。

在中国特色晋升锦标赛体制下（周黎安, 2007），地方官员为追求经济增长绩效，有动机设置地方保护性政策（如歧视性政府采购、本地企业补贴、外地企业准入门槛），以在短期内提升本地GDP和税收。公平竞争审查制度作为中央层面的制度安排，要求地方自我清理这些保护性政策，本质上构成了"要求地方放弃短期增长工具"的委托-代理问题（Maskin et al., 2000）。地方官员面临两难：执行审查意味着放弃部分增长工具，不执行则面临中央问责风险。据此提出假说：

• **H1**：地方财政压力越大的城市（财政缺口大、转移支付依赖度高），公平竞争审查执行力度越弱——地方保护性政策是其"替代性财政收入工具"。
• **H2**：市委书记/市长任期前3年（晋升窗口期）的城市，审查执行力度显著弱于任期后期——晋升激励越强，地方越倾向于保留增长导向的保护性政策。
• **H3**：中央督查介入（如国务院督查组进驻、市场监管总局通报）显著提升地方审查执行力度，且效应在财政压力较大的城市更为显著。

公平竞争审查执行力度存在显著的地市级差异，且与地方财政状况、官员特征等变量内生相关。本文采用三重识别策略：首先，利用面板固定效应消除城市不可观测异质性和年份共同冲击；其次，以地方财政缺口的滞后2期项作为当前财政压力的工具变量——滞后财政压力影响当前审查执行的渠道仅通过当期财政约束传导，满足排他性约束；第三，利用官员更替的外生时间变异（因上级调动、到龄退休等非本地经济因素导致的官员变更），作为晋升激励强度变化的工具变量。关键识别假定：（1）滞后财政缺口不通过除当期财政约束以外的其他渠道影响当期审查执行；（2）官员更替的外生部分与本地市场竞争状况不直接相关。

基准模型为面板固定效应模型：

Review_it = α + β₁ Fiscal_it + β₂ Tenure_it + β₃ Inspect_it + γ X_it + μ_i + λ_t + ε_it

其中 Review_it 为城市 i 年份 t 的公平竞争审查执行力度（年度废止修订政策文件数量，对数化）；Fiscal_it 为财政压力（一般公共预算支出减去收入的差额/GDP）；Tenure_it 为市委书记任期阶段虚拟变量（前3年=1，后续=0）；Inspect_it 为当年是否受到中央督查的虚拟变量。X_it 为控制变量向量。μ_i 为城市固定效应，λ_t 为年份固定效应。

工具变量估计（2SLS）中，第一阶段为：Fiscal_it = π₀ + π₁ FiscalGap_i,t-2 + π₂ Z_it + δ X_it + μ_i + λ_t + ν_it，其中 FiscalGap_i,t-2 为滞后2期财政缺口。关键参数 β₁ 预期为负（财政压力越大，审查越弱），β₂ 预期为负（晋升期审查越弱），β₃ 预期为正（督查提升审查力度）。

被解释变量：地级市公平竞争审查执行力度，以年度废止和修订的限制竞争政策文件数量（对数化）衡量。若某城市未公开披露数据则赋值为0并在稳健性检验中采用Heckman两步法校正选择性偏误。数据来自各省市场监管局年度报告汇编。

核心解释变量：（1）财政压力 =（一般公共预算支出 - 一般公共预算收入）/ GDP，数据来自Wind地方财政数据库；（2）晋升窗口期 = 市委书记任期的虚拟变量，任期≤3年取1，否则取0，数据来自CSMAR官员履历数据库手工匹配；（3）中央督查 = 当年国务院督查组是否进驻该省/该市或市场监管总局是否公开通报该市的虚拟变量，数据来自国务院督查公告和市场监管总局官网。

控制变量：GDP增速、产业结构（第二产业占比）、国有企业就业占比（保护主义利益集团强度代理）、人口规模（对数）、市场化指数（樊纲指数）。样本区间：2016-2025年，285个地级市，年度频率，共2850个观测值。

• **替换政治变量测度**：以市长（而非市委书记）任期阶段替换作为核心解释变量，检验结论是否对官员层级敏感；以"任期内GDP累计增速排名"替代任期阶段虚拟变量，直接量化晋升竞争强度。

• **安慰剂检验**：以2014-2015年（公平竞争审查制度建立前）作为伪政策期，检验财政压力和官员任期是否对审查前的政策文件清理行为也有类似影响——若影响不显著，则确认了基准结果确实是公平竞争审查制度框架下的政治经济逻辑。

• **排除经济性替代解释**：在模型中加入城市出口依存度、FDI占比等开放经济变量，排除"对外开放程度高的城市本身就不需要地方保护"这一经济性替代解释对政治经济学假说的干扰。

• **分位数回归**：对审查执行力度进行分位数回归（25th, 50th, 75th分位），检验财政压力和晋升激励对执行力度的影响在执行强度较低的城市（低分位）是否更强——预期低分位城市（执行本就薄弱的城市）的政治经济约束更为突出。

基于搜寻匹配理论（Mortensen & Pissarides, 1994），劳动力市场中的信息摩擦是失业持续存在的核心原因之一。求职者和雇主之间的信息不对称导致搜寻成本高昂，尤其对于缺乏工作经验和社会网络的高校毕业生而言，信息摩擦更为严重。"百日千万招聘专项行动"通过集中组织大规模线上线下招聘活动、提供职业指导和技能培训，本质上是一种降低搜寻成本的积极劳动力市场政策干预。根据信息摩擦理论，降低搜寻成本应能缩短失业持续时间并改善匹配质量。然而，集中招聘也可能因信息过载（短期内岗位信息激增）而降低匹配精度。据此提出假说：

• **H1**：在"百日千万招聘专项行动"覆盖强度较高的城市，高校毕业生的失业率下降幅度显著大于低覆盖城市，预期行动期间覆盖率每增加10个百分点，失业率多降0.5-1个百分点。
• **H2**：集中招聘对就业"数量"的正向效应显著，但对就业"质量"（工资水平、专业对口率、6个月留任率）的效应不显著甚至为负——快速匹配可能以牺牲匹配精度为代价。
• **H3**：线上招聘渠道对高学历毕业生（本科及以上）的就业效果优于线下渠道，而线下渠道对低学历劳动者（大专及以下）的效果优于线上——数字鸿沟导致渠道效果的异质性。

"百日千万招聘专项行动"自2020年起已实施七届，各城市的覆盖强度（每万人口提供的招聘岗位数、组织招聘会场次）存在显著差异。本文利用行动启动的时间变异和城市覆盖强度的截面变异构造连续处理DID。核心识别假定为：城市覆盖强度的差异外生于当地劳动力市场条件的同期变化。为增强可信度，本文以2019年（疫情前、行动启动前）各城市的公共就业服务基础设施（公共就业服务机构数量、信息化水平）作为覆盖强度的工具变量——基础设施影响行动覆盖能力，但不直接影响疫情后毕业生的就业结果（排除基础设施本身通过经济发展影响就业的渠道）。同时采用Heckman两步法校正"谁参加招聘行动"的自选择偏误：第一步估计参与概率（probit），第二步在结果方程中加入逆米尔斯比率。

基准DID模型：

Y_ict = α + β₁ Post_t × Intensity_ic + β₂ Post_t + β₃ Intensity_ic + γ X_ict + μ_c + λ_t + ε_ict

其中 Y_ict 为城市 c 年份 t 的个体 i 的就业结果变量（就业状态、月工资对数、专业对口虚拟变量、6个月留任虚拟变量）；Post_t 为行动期间虚拟变量（行动启动后100天=1）；Intensity_ic 为城市 c 的行动覆盖强度（每万人口招聘岗位数，对数化）；X_ict 为个体特征控制变量。μ_c 为城市固定效应，λ_t 为时间固定效应。关键参数 β₁ 为DID估计量，衡量覆盖强度增加对就业结果的因果效应。Heckman选择方程中的选择变量为是否参与招聘行动，逆米尔斯比率 λ_i 加入结果方程以校正自选择偏误。

被解释变量：（1）就业状态——毕业6个月内是否就业的二值变量（0/1）；（2）月工资——首份工作月工资收入（对数化）；（3）专业对口率——首份工作与所学专业的匹配度（以教育部专业-职业对应表判定）；（4）6个月留任率——入职后6个月是否仍在同一雇主处。数据来自教育部全国高校毕业生就业管理系统（匹配学信网学历数据）。

核心解释变量：城市覆盖强度 = 该城市"百日千万行动"期间提供的招聘岗位总数 / 城市常住人口 × 10000（每万人口岗位数），数据来自人社部各城市公共就业服务机构上报数据。

控制变量：个体层面——性别、年龄、学历层次（大专/本科/硕士/博士）、专业类别、家庭社会经济地位（父母教育年限）；城市层面——GDP增速、产业结构、高校毕业生人数、互联网普及率。样本：2020-2025年六届行动覆盖的280个地级及以上城市，匹配约150万毕业生就业记录。

• **平行趋势检验**：以行动启动前3个月为基准，绘制各月的DID动态效应图，验证行动启动前高覆盖城市和低覆盖城市的就业趋势无系统性差异。若存在事前趋势分化，采用匹配DID（以城市劳动力市场特征进行倾向得分匹配后估计）校正。

• **替换覆盖强度测度**：以"招聘会场次"和"职业指导参与人次"替代"岗位数/万人口"作为覆盖强度的代理变量，检验结论是否对干预强度的测度方式敏感。

• **排除同期政策干扰**：在模型中加入同期实施的其他就业政策变量（如失业保险稳岗返还、创业担保贷款、见习补贴），以分离"百日千万行动"的净效应。

• **异质性分析**：按学历层次（大专/本科/研究生）、性别、城市规模（一线/二线/三四线）进行分组回归，检验H3关于渠道效果异质性的假说；使用Chow检验验证组间系数差异的统计显著性。

技术追赶理论（Abramovitz, 1986）指出，后发国家的技术进步不仅依赖于自身的研发努力，还取决于其吸收和参与国际技术规则制定的能力。国际标准作为技术规则的制度化表达，具有网络外部性（Katz & Shapiro, 1985）——掌握标准制定权的企业和产业在全球价值链中获得规则红利。长三角区域协同制定国际标准，实质上是将分散的企业标准化能力整合为区域集体行动能力，降低了单个企业参与国际标准竞争的高昂固定成本。根据新结构经济学（林毅夫, 2012），当一国/地区的要素禀赋结构升级时，其比较优势产业的技术标准也应相应升级，而区域协同标准制定可以加速这一动态演化过程。据此提出假说：

• **H1**：参与国际标准联合攻关的企业，其发明专利质量和全要素生产率（TFP）在参与后显著提升，预期参与后2年内发明专利被引量提升15-25%、TFP提升3-5%。
• **H2**：标准协同对高技术密集度行业（人工智能、新能源）的升级效应强于传统行业（新材料、传统制造），因为前者的标准竞争更为激烈、网络外部性更强。
• **H3**：区域标准协同具有空间溢出效应——参与城市周边200公里内的同行业企业也受益于标准知识扩散，但溢出效应随地理距离衰减。

长三角首批重点产业国际标准联合攻关项目于2026年7月发布，涵盖人工智能、新材料、新能源等8个领域。参与企业通过遴选确定，存在选择偏误（技术能力较强的企业更可能被选入）。本文采用PSM-DID策略：首先以企业规模、研发投入强度、前期专利存量、出口经验等特征进行倾向得分匹配，构造与参与企业在可观测特征上相似的对照组；然后利用项目启动的时间变异和参与状态的截面变异进行DID估计。同时采用空间杜宾模型（SDM）捕捉标准协同的空间溢出效应。关键识别假定：（1）在匹配后，参与企业和对照组企业在不可观测维度上无系统性差异（不可观测选择偏误为零）；（2）标准攻关项目的遴选标准可被可观测变量充分代理；（3）空间权重矩阵的设定不影响溢出效应估计的定性结论。

DID基准模型：

Upgrade_jt = α + β₁ Post_t × Treat_j + β₂ Post_t + β₃ Treat_j + γ X_jt + μ_j + λ_t + ε_jt

其中 Upgrade_jt 为企业 j 在年份 t 的产业升级指标（发明专利被引量对数、TFP对数、出口产品单价对数）；Post_t 为项目启动后虚拟变量；Treat_j 为企业是否参与国际标准联合攻关的虚拟变量；X_jt 为企业控制变量；μ_j 为企业固定效应，λ_t 为年份固定效应。β₁ 为DID估计量。

空间杜宾模型（SDM）扩展：

Upgrade_it = ρ W · Upgrade_it + β₁ Post × Treat_i + θ W · (Post × Treat_i) + γ X_it + μ_i + λ_t + ε_it

其中 W 为基于地理距离的空间权重矩阵（200公里阈值截断），ρ 为空间自回归系数，θ 为空间溢出效应参数。θ 显著为正表明标准协同对周边企业存在正向知识溢出。

被解释变量：（1）发明专利质量——以企业当年申请发明专利的后5年被引量（前向引用，对数化+1）衡量，数据来自CSMAR专利数据库；（2）全要素生产率——以LP法（Levinsohn & Petrin, 2003）估计企业层面TFP，数据来自工业企业数据库和上市公司年报；（3）出口产品单价——以海关出口数据中企业-产品-目的地层面的单位价格（对数化）衡量出口产品升级。

核心解释变量：参与国际标准联合攻关 = 企业是否被纳入长三角首批（及后续批次）国际标准联合攻关项目清单的二值变量，数据来自国家标准化管理委员会和长三角科技合作信息平台。

控制变量：企业规模（总资产对数）、研发强度（R&D/营收）、前期专利存量（对数）、出口经验（出口年数）、人力资本（研发人员占比）、资产负债率、企业年龄。样本区间：2020-2027年（项目启动前后各3-4年），长三角四省市约3000家制造业企业（处理组约200家参与企业 + 匹配对照组约800家），年度频率。

• **替换TFP测算方法**：以OP法（Olley & Pakes, 1996）和SFA（随机前沿分析）替代LP法重新测算TFP，检验标准协同对生产效率的因果效应是否对TFP测算方法敏感。

• **排除特定行业驱动**：逐一剔除8个项目领域中的单个行业后重新估计DID，检验结论是否由某一特定行业（如人工智能）主导，还是具有跨行业的一般性。

• **空间权重矩阵敏感性**：替换空间权重矩阵——分别使用地理距离倒数矩阵、经济距离矩阵（人均GDP差异）和技术距离矩阵（专利技术领域相似度），检验溢出效应是否对空间维度的定义敏感。

• **安慰剂检验**：以2023年（项目启动前3年）作为虚拟政策时点，检验参与企业在伪政策期是否已经出现了"升级趋势"——若伪处理效应不显著，则确认基准结果的因果解释。

Hsieh & Klenow（2009）的经典研究表明，中国制造业内部存在严重的资源错配——高效率企业未能获得更多资源，低效率企业因政策保护和补贴而存续，导致行业内TFP离散度远高于发达国家。公平竞争审查制度通过废止和修订排除、限制竞争的政策措施（如歧视性补贴、准入壁垒、政府采购偏好），理论上应当减少对低效率企业的"人工输血"和对高效率企业的"制度约束"，使资源向高效率企业流动，从而缩低行业内的TFP离散度，提升总体资源配置效率。根据福利经济学第一定理，在不存在外部性和信息不对称的条件下，自由竞争可实现帕累托最优的资源配置——公平竞争审查正是通过移除扭曲竞争的制度壁垒来逼近这一理想状态。据此提出假说：

• **H1**：公平竞争审查执行强度较高的行业-省份单元，其行业内TFP离散度（90-10分位差）在审查执行后显著下降，预期执行强度每增加一个标准差，TFP离散度下降5-8个百分点。
• **H2**：公平竞争审查对资源配置效率的改善在国有企业占比高的行业中更为显著——因为国企是限制性政策的主要受益者，审查对其造成的竞争压力更大。
• **H3**：TFP离散度的下降主要由低效率企业的退出/收缩（左尾压缩）驱动，而非高效率企业的进一步扩张（右尾延伸）——审查消除的是对低效率企业的保护。

公平竞争审查制度的执行强度在不同行业和省份之间存在显著差异。部分行业（如建筑、医药、公用事业）因历史遗留的限制性政策较多，审查清理的强度自然更大。本文利用行业-省份层面的审查执行强度变异（以该行业在该省废止修订的政策文件数量衡量）构造连续处理DID。核心挑战是内生性：审查清理力度大的行业-省份可能本身竞争扭曲更严重（反向因果）。为此，本文以2015年（审查制度建立前）各行业-省份的政策性准入壁垒数量作为审查执行强度的工具变量——审查前的壁垒存量决定了审查清理的"可操作空间"，但不直接影响审查后的TFP离散度变化（排除壁垒存量通过行业固有特征影响效率的渠道，通过控制行业固有特征实现排他性约束）。

基准DID模型：

Disp_sp,t = α + β₁ Post_t × Intensity_sp + β₂ Post_t + β₃ Intensity_sp + γ X_spt + μ_s + δ_p + λ_t + ε_spt

其中 Disp_sp,t 为行业 s、省份 p 在年份 t 的TFP离散度（以行业内企业TFP的90分位与10分位之差衡量，即 P90-P10）；Post_t 为公平竞争审查制度执行后虚拟变量（2016年及以后=1）；Intensity_sp 为行业 s 在省份 p 的审查执行强度（以累计废止修订的政策文件数量对数化衡量）。μ_s 为行业固定效应，δ_p 为省份固定效应，λ_t 为年份固定效应。关键参数 β₁ 预期为负，表示审查执行强度越高，TFP离散度下降越多，资源配置效率改善越大。

进一步采用Olley-Pakes（1996）分解法将行业TFP增长分解为"均值效应"（企业自身效率提升）和"协方差效应"（资源向高效率企业重新配置），以识别审查制度改善资源配置的具体渠道。

被解释变量：行业内TFP离散度，以二位码制造业行业-省份层面企业TFP的 P90-P10 差值衡量。TFP以LP法（Levinsohn & Petrin, 2003）利用工业企业数据库测算，投入变量包括劳动（员工人数）、资本（固定资产净值，以永续盘存法折旧）、中间投入（原材料和能源支出）。产出变量为工业增加值（以行业出厂价格指数平减为实际值）。

核心解释变量：行业-省份审查执行强度 = 该行业在该省被公平竞争审查废止修订的限制性政策文件累计数量（对数化+1），数据来自市场监管总局公开的行业审查报告汇编。

控制变量：行业集中度（HHI指数）、国有企业营收占比、行业平均利润率、省份GDP增速、省份市场化指数（樊纲指数）、行业出口依存度。样本区间：2014-2025年，覆盖30个二位码制造业行业和30个省份的交叉面板（900个行业-省份单元），年度频率，共约10800个观测值。

• **替换TFP测算方法**：以OP法和SFA替代LP法重新测算企业TFP并重新计算行业TFP离散度，检验结论对TFP测算方法的敏感性。同时以75-25分位差（IQR）替代90-10分位差，检验离散度测度的分位点选择敏感性。

• **排除行业固有特征干扰**：在模型中加入行业×年份固定效应（μ_st），控制行业层面随时间变化的共同冲击（如行业技术变革、需求变化），仅利用同一行业内不同省份的审查强度变异来识别效应。

• **分解TFP分布变化**：将TFP离散度的变化分解为左尾压缩（P10上升）和右尾延伸（P90上升），直接检验H3——若左尾压缩（低效率企业效率提升或退出）贡献了离散度下降的主要部分，则验证了"审查消除对低效率企业的保护"这一机制。

• **替换处理变量**：以省份层面（而非行业-省份层面）的总审查强度作为处理变量，检验结论是否在更宏观的分析维度上依然成立。同时以"审查政策文件数"替代"废止修订文件数"，区分事前审查和事后清理的差异化效应。