有偏的增長目標(biāo)管理
——基于資源配置的視角

陳邱惠 吳 夕 徐現(xiàn)祥

一、引 言

政府定期公布經(jīng)濟增長目標(biāo)是一個廣泛存在的現(xiàn)象，不過，從我國地方政府的工作報告來看，采用有偏的政策實現(xiàn)經(jīng)濟增長目標(biāo)也是常見的做法。地方政府在完成增長目標(biāo)任務(wù)的過程中，往往選擇性地扶植部分企業(yè)。本文將地方政府通過有偏的政策配置資源，實現(xiàn)增長目標(biāo)的行為稱為有偏的增長目標(biāo)管理。這種有偏的增長目標(biāo)管理是一個普遍現(xiàn)象嗎？如果回答是肯定的，那么有偏的增長目標(biāo)管理是否會影響資源配置效率，本文嘗試回答上述問題。

為了便于回答上述問題，不妨先考察一個例子。假設(shè)經(jīng)濟體中有兩家企業(yè)，記為企業(yè)A 和企業(yè)B，使用一種相同的生產(chǎn)要素，比如資本，生產(chǎn)一種相同的產(chǎn)出。顯然，當(dāng)企業(yè)A 和企業(yè)B 的資本邊際產(chǎn)出相等時，經(jīng)濟體的資本實現(xiàn)最優(yōu)配置。為了便于比較，不妨把這種最優(yōu)配置狀態(tài)視為經(jīng)濟體的初始狀態(tài)?，F(xiàn)在引入經(jīng)濟增長目標(biāo)管理，考慮政策當(dāng)局為了實現(xiàn)既定的經(jīng)濟增長目標(biāo)而支持企業(yè)生產(chǎn)。首先，假定政策當(dāng)局給予企業(yè)A 和企業(yè)B 相同的政策支持。這時，經(jīng)濟體的資源配置顯然不會發(fā)生任何變化，依然是最優(yōu)配置。接著，假定政策當(dāng)局在進行增長目標(biāo)管理時，選擇扶持企業(yè)A，出臺偏向企業(yè)A 的優(yōu)惠政策。這時，隨著企業(yè)A 獲得更多資本，企業(yè)A 和企業(yè)B 的資本邊際產(chǎn)出不再相等，與經(jīng)濟體的初始狀態(tài)相比，經(jīng)濟體出現(xiàn)資源錯配。這個例子表明，以最優(yōu)配置為初始狀態(tài)，有偏的增長目標(biāo)管理將會帶來資源錯配，損害經(jīng)濟體的資源配置；無偏的經(jīng)濟增長目標(biāo)管理則不會。

本文嘗試把上述例子一般化，在Hsieh 和Klenow(2009)的錯配模型中引入經(jīng)濟增長目標(biāo)，從資源配置的角度考察不同類型增長目標(biāo)管理的影響。本文分析的起點是，假定政策當(dāng)局制定的經(jīng)濟增長目標(biāo)越高，出臺的政策力度越大。當(dāng)這個假定成立時，本文發(fā)現(xiàn)，經(jīng)濟體里將出現(xiàn)三種情形。第一種情形：當(dāng)政策當(dāng)局無偏地落實經(jīng)濟增長目標(biāo)的政策時，經(jīng)濟體依然是Hsieh 和 Klenow(2009)所考察的情形，沒有新的資源錯配。第二種情形：當(dāng)政策當(dāng)局有偏地落實經(jīng)濟增長目標(biāo)的政策，并且沒有糾正原有扭曲時，經(jīng)濟體除了Hsieh 和 Klenow(2009)所考察的資源錯配，還出現(xiàn)了新的資源錯配。第三種情形：當(dāng)政策當(dāng)局有偏地落實經(jīng)濟增長目標(biāo)的政策，并糾正原有扭曲時，資源錯配將得到改善。

本文還證明了，當(dāng)經(jīng)濟增長目標(biāo)管理有偏，并且沒有糾正原有扭曲時，經(jīng)濟增長目標(biāo)越高，經(jīng)濟體的資源錯配程度越嚴重；當(dāng)經(jīng)濟增長目標(biāo)管理有偏，并且糾正原有扭曲時，經(jīng)濟增長目標(biāo)越高，經(jīng)濟體的資源錯配程度越低。其背后的經(jīng)濟含義是直觀的，經(jīng)濟增長目標(biāo)越高，地方政府需要采取的政策力度越大，如果這些政策沒有糾正原有扭曲，那么享受政策與不享受政策的企業(yè)之間差異就越大，經(jīng)濟體的資源錯配程度越嚴重。反之，如果這些政策糾正原有扭曲，則經(jīng)濟體的資源錯配程度會下降。基于此，本文可以從資源配置的角度識別地方政府所采取的增長目標(biāo)管理方式。

本文匹配中國工業(yè)企業(yè)數(shù)據(jù)庫與中國省級經(jīng)濟增長目標(biāo)數(shù)據(jù)庫，實證檢驗上述理論模型的推論。具體地說，本文使用1998—2007 年的中國工業(yè)企業(yè)數(shù)據(jù)庫，采用省份-二位碼行業(yè)內(nèi)的企業(yè)全要素生產(chǎn)率的分散度來度量資源錯配程度。與之匹配，本文采用31 個省份1998—2007 年間的增長目標(biāo)數(shù)據(jù)，數(shù)據(jù)來自各省年初的政府工作報告。本文實證發(fā)現(xiàn)，平均而言，年初公布的增長目標(biāo)每增加1 個百分點，隨后的資源錯配程度顯著提高4%。本文基于Li 等(2019)和Ma(2016)的研究，采用地級行政單位數(shù)量和兄弟省份的平均增長目標(biāo)作為增長目標(biāo)的工具變量重新估計，實證結(jié)果仍然存在。本文的發(fā)現(xiàn)是穩(wěn)健的，在考察了資源錯配度量指標(biāo)、行業(yè)劃分以及增長目標(biāo)度量等的影響后，實證結(jié)果基本不變。

本文還排除了其他可能的競爭性解釋。不可否認，年初的經(jīng)濟增長目標(biāo)與隨后的資源錯配呈顯著正相關(guān)關(guān)系，還存在其他競爭性解釋。比如，實際的經(jīng)濟增速、地方官員影響、市場化程度等。為了排除這些可能的競爭性解釋，本文在實證分析中進一步控制了這些變量，結(jié)果顯示地方政府普遍采取有偏的增長目標(biāo)管理，并且這種目標(biāo)管理沒有糾正原有的資源錯配。

本文進一步考察有偏增長目標(biāo)管理的具體模式。本文選擇常見的政府補貼、稅收優(yōu)惠和貸款利率等政策工具，從企業(yè)規(guī)模、所有制和隸屬關(guān)系三個維度，考察增長目標(biāo)對不同類型企業(yè)的生產(chǎn)要素投入和收益全要素生產(chǎn)率(TFPR)的影響。本文發(fā)現(xiàn)，在進行增長目標(biāo)管理時，政府傾向在政府補貼、稅收優(yōu)惠和貸款利率上支持大型企業(yè)、國有企業(yè)和隸屬級高的企業(yè)。與政策支持一致，本文發(fā)現(xiàn)相比其他企業(yè)，增長目標(biāo)越高，流向大型企業(yè)、國有企業(yè)和隸屬級高的企業(yè)的資本和勞動力越多，這部分企業(yè)的TFPR隨之降低，擴大了企業(yè)間TFPR 的差距。這些發(fā)現(xiàn)表明，地方政府在進行增長目標(biāo)管理時，傾向于支持大型企業(yè)、國有企業(yè)和隸屬級高的企業(yè)，導(dǎo)致資源向這些企業(yè)傾斜，扭曲了企業(yè)間的資源配置。顯然，有偏的增長目標(biāo)管理不利于中小企業(yè)和民營企業(yè)的發(fā)展，當(dāng)政府需要穩(wěn)企業(yè)保就業(yè)時，有偏的增長目標(biāo)管理會產(chǎn)生阻礙作用。因此，從實際來看，面對疫情帶來的不確定性，放棄經(jīng)濟增長目標(biāo)管理就成為政府落實“六穩(wěn)”“六保”任務(wù)的一個理性選擇。

本文從資源配置的視角考察我國的增長目標(biāo)管理，與經(jīng)濟增長目標(biāo)文獻密切相關(guān)。目前，經(jīng)濟增長目標(biāo)研究主要沿著兩個維度展開。一個是考察增長目標(biāo)設(shè)置的影響因素，包括上下級政府互動、地方官員特征、同級政府競爭等(徐現(xiàn)祥、梁劍雄，2014；周黎安等，2015；Li 等，2019；馬亮，2013；余泳澤、楊曉章，2017)。另一個是考察增長目標(biāo)管理的績效影響。李書娟和徐現(xiàn)祥(2021)的研究認為，中國的經(jīng)濟增長在很大程度上受到增長目標(biāo)的驅(qū)動。但同時，研究也發(fā)現(xiàn)經(jīng)濟增長目標(biāo)管理會帶來一系列副作用。例如，余泳澤等(2019)發(fā)現(xiàn)經(jīng)濟增長目標(biāo)約束會抑制研發(fā)投入，對地區(qū)全要素生產(chǎn)率產(chǎn)生負面作用；劉勇和黃燦(2020)發(fā)現(xiàn)增長目標(biāo)會對企業(yè)的創(chuàng)新投入產(chǎn)生抑制作用等。現(xiàn)有文獻主要關(guān)注增長目標(biāo)對地區(qū)研發(fā)或企業(yè)創(chuàng)新的負面影響，除此之外，增長目標(biāo)管理還可能影響地區(qū)內(nèi)的資源配置方式和配置方向，從而對經(jīng)濟增長和全要素生產(chǎn)率產(chǎn)生負面影響。本文探討中國情境下的增長目標(biāo)管理模式，證明地方政府普遍采取有偏的增長目標(biāo)管理，并且沒有糾正原有的政策扭曲，揭示了增長目標(biāo)管理模式的微觀基礎(chǔ)，是對現(xiàn)有文獻的補充。

本文的工作還與資源錯配文獻相關(guān)?，F(xiàn)有的研究發(fā)現(xiàn)，各種形式的資源錯配普遍存在(Zhang and Tan，2007)，如地方保護(Young，2000；宋馬林、金培振，2016)、市場本身的不完全(毛海濤等，2018)、戶籍制度(蓋慶恩等，2013)、對國企的偏向性政策(Brandt 等，2013；張?zhí)烊A、張少華，2016)、政治周期(周黎安等，2013；余靖雯等，2015)等。與現(xiàn)有研究不同，本文從政府為達成目標(biāo)而相應(yīng)配置資源的角度出發(fā)，識別地方政府的增長目標(biāo)管理模式，發(fā)現(xiàn)在中國情境下，經(jīng)濟增長目標(biāo)管理是導(dǎo)致資源錯配的一個新因素。因此，本文的工作對現(xiàn)有的資源錯配文獻做了補充。

最后，本文與地方政府的有偏管理文獻相關(guān)。改革開放以來，我國從計劃經(jīng)濟轉(zhuǎn)向市場經(jīng)濟，地方政府通過特惠政策拉動經(jīng)濟增長和投資增加是一個普遍存在的現(xiàn)象。Bai 等(2020)指出，地方政府突破正式制度，幫助一部分企業(yè)進入、生存并成長的特惠政策是推動地區(qū)經(jīng)濟增長的重要因素。李書娟等(2021)發(fā)現(xiàn)，在經(jīng)濟下行時期，地方政府通過對國有企業(yè)的有偏管理來穩(wěn)定轄區(qū)經(jīng)濟?，F(xiàn)有研究也發(fā)現(xiàn)，地方政府實施的優(yōu)惠政策有利于激勵風(fēng)險投資、固定資產(chǎn)投資，從而加快地區(qū)經(jīng)濟增長(彭濤等，2021；劉 啟 仁等，2019；Demurger 等，2002)。與現(xiàn)有研究考察有偏管理帶來的各方面收益不同，本文關(guān)注有偏管理帶來的成本，揭示了有偏的增長目標(biāo)管理會加劇資源錯配，是對現(xiàn)有文獻的有益補充。

本文剩余部分的內(nèi)容安排如下，第二部分把經(jīng)濟增長目標(biāo)引入 Hsieh 和Klenow(2009)理論框架，考察經(jīng)濟增長目標(biāo)的資源扭曲效應(yīng)，并介紹本文的識別策略和實證模型；第三部分是背景介紹和數(shù)據(jù)；第四、第五部分是實證分析；最后是結(jié)論性評述。

二、理論模型與實證識別策略

（一）資源錯配模型

當(dāng)=0 時，式(2)中的第二項將消失。這表明，政策當(dāng)局沒有出臺經(jīng)濟增長目標(biāo)政策影響企業(yè)的生產(chǎn)決策，那么經(jīng)濟體不會出現(xiàn)新的資源錯配。這是Hsieh 和Klenow(2009)所考察的情形。

當(dāng)=1 時，式(2)中的第二項將消失。這表明，當(dāng)經(jīng)濟增長目標(biāo)政策對所有企業(yè)一視同仁時，經(jīng)濟體也不會出現(xiàn)新的資源錯配。其實，這也是Hsieh 和Klenow(2009)所考察的情形。

當(dāng)0＜＜1 時，式(2)中的第二項將不會消失。這表明，當(dāng)政策當(dāng)局制定了經(jīng)濟增長目標(biāo)政策，并且政策只偏向部分企業(yè)時，經(jīng)濟體將會出現(xiàn)新的資源錯配。新的資源錯配程度由式(2)中的第二項所表示，且滿足：

式(3)表明，當(dāng)0＜＜1 時，經(jīng)濟增長目標(biāo)不僅會帶來新的資源錯配，而且經(jīng)濟增長目標(biāo)越高，新的資源錯配程度越嚴重。其背后的經(jīng)濟含義是直觀的，當(dāng)?shù)胤秸畬嵤┑恼咧换菁安糠制髽I(yè)時，經(jīng)濟增長目標(biāo)越高，相關(guān)政策力度越大，享受政策與不享受政策的企業(yè)之間的資源配置差異越大，從而經(jīng)濟體的資源錯配程度越嚴重。

接著，本文進一步放松政策當(dāng)局出臺的增長目標(biāo)政策與經(jīng)濟體原有扭曲無關(guān)的假設(shè)，討論以下兩種情形：第一，當(dāng)有偏的政策糾正原有扭曲時，隨著增長目標(biāo)提高，政策力度加強，則總體的資源錯配會得到改善。此時，經(jīng)濟增長目標(biāo)與資源錯配呈負相關(guān)。第二，當(dāng)有偏的政策進一步加強原有扭曲時，隨著增長目標(biāo)提高，政策力度加強，則總體的資源錯配程度上升。此時，經(jīng)濟增長目標(biāo)與資源錯配程度呈正相關(guān)。

以上分析表明，政府實施無偏的增長目標(biāo)管理不會帶來新的資源錯配；政府實施有偏的增長目標(biāo)管理，并且增長目標(biāo)政策沒有糾正原有的扭曲時，則會帶來新的資源錯配，并且增長目標(biāo)越高，經(jīng)濟體的資源錯配程度越高；政府實施有偏的增長目標(biāo)管理，并且增長目標(biāo)政策糾正了原有扭曲時，則會降低資源錯配程度，并且增長目標(biāo)越高，資源錯配程度越低。

（二）實證識別策略

基于上述靜態(tài)資源錯配模型，本文設(shè)定實證回歸方程如下：

是本文最感興趣的回歸系數(shù)，根據(jù)的系數(shù)符號可以識別出政府實施的增長目標(biāo)管理類型。當(dāng)增長目標(biāo)管理是有偏的，并且沒有糾正原有扭曲時，預(yù)計＞0 ，經(jīng)濟增長目標(biāo)越高，資源錯配越嚴重；當(dāng)增長目標(biāo)管理是無偏時，預(yù)計=0 ，經(jīng)濟增長目標(biāo)對資源錯配沒有影響；當(dāng)增長目標(biāo)管理是有偏的，并且糾正了原有扭曲時，預(yù)計＜0 ，經(jīng)濟增長目標(biāo)越高，資源錯配程度越低。的大小刻畫了增長目標(biāo)管理的資源扭曲程度，由此反映出地方政府采取的增長目標(biāo)管理方式。

三、數(shù)據(jù)來源

本文使用1998—2007 年的中國工業(yè)企業(yè)數(shù)據(jù)庫數(shù)據(jù)構(gòu)造省份行業(yè)的資源錯配程度。中國工業(yè)企業(yè)數(shù)據(jù)庫包括“國民經(jīng)濟行業(yè)分類”中的“采礦業(yè)”“制造業(yè)”及“電力、熱力、燃氣及水的生產(chǎn)和供應(yīng)業(yè)”三個門類，其中制造業(yè)企業(yè)占比超過90%。本文參照聶輝華等(2012)的處理方法對數(shù)據(jù)進行預(yù)處理。此外，本文剔除了固定資產(chǎn)規(guī)模、工業(yè)增加值和工資總額首尾1%的樣本以排除異常值的影響，并以1998 年為基期采用省級GDP 平減指數(shù)進行價格調(diào)整。

本文計算每個企業(yè)每年的ln( TFPR)，構(gòu)造了一個1998—2007 年省份-二位碼行業(yè)的資源錯配程度面板數(shù)據(jù)。根據(jù)現(xiàn)有文獻的做法(Hsieh 和 Klenow，2009；Asker 等，2014；Larrain and Stumpner，2017)，本文采用企業(yè)生產(chǎn)率的分散度來衡量資源錯配程度。本文的計算處理過程如下：第一步，按照Hsieh 和Klenow(2009)的方法計算得到企業(yè)層面的ln( TFPR)；第二步分行業(yè)計算企業(yè)間的ln( TFPR)方差，度量各省份-二位碼行業(yè)內(nèi)的資源錯配程度?？紤]到當(dāng)企業(yè)數(shù)量過少時，計算資源錯配程度誤差較大，容易出現(xiàn)異常值，本文借鑒現(xiàn)有文獻的做法(周黎安等，2013)，剔除企業(yè)數(shù)量過少的樣本。具體地說，本文剔除省份-二位碼行業(yè)內(nèi)企業(yè)數(shù)量少于5 家的樣本后回歸。

本文的核心解釋變量是1998—2007 年31 個省份的經(jīng)濟增長目標(biāo)。其中，2000—2007 年各省份經(jīng)濟增長目標(biāo)來自徐現(xiàn)祥和梁劍雄(2014)所收集的各省份年初發(fā)布的政府工作報告；1998 年和1999 年的增長目標(biāo)來自本文收集的各省份年初發(fā)布的政府工作報告。此外，本文還引入了一些控制變量，包括初始人均GDP，數(shù)據(jù)來自中國統(tǒng)計年鑒；省份-行業(yè)內(nèi)的企業(yè)數(shù)量數(shù)據(jù)由中國工業(yè)企業(yè)數(shù)據(jù)庫計算得到。

表1 報告了主要變量的描述性統(tǒng)計。本文的分析單元是省份-行業(yè)，1998—2007年間的樣本量是9194，平均而言，每個省份的工業(yè)部門約有30 個行業(yè)。資源錯配程度(取對數(shù))的最大、最小值分別為1.278 和-3.661，經(jīng)濟增長目標(biāo)的最大、最小值分別為15%和7%。

表1 主要變量的描述性統(tǒng)計

四、實證結(jié)果

（一）基本的回歸結(jié)果

表2 報告了經(jīng)濟增長目標(biāo)與資源錯配程度的基本回歸結(jié)果。本文最關(guān)心的回歸系數(shù)約為3.68，說明經(jīng)濟增長目標(biāo)管理帶來正的資源扭曲效應(yīng)。根據(jù)本文的估計，年初的增長目標(biāo)每增加1 個百分點，平均而言，隨后的資源錯配程度提高約4%。這與地方政府實施有偏的經(jīng)濟增長目標(biāo)管理，并且沒有糾正原有扭曲情形下的理論預(yù)測一致。

表2 第1 至4 列報告了回歸樣本為工業(yè)內(nèi)部行業(yè)的回歸結(jié)果。從表2 第1 列的回歸結(jié)果來看，經(jīng)濟增長目標(biāo)的系數(shù)估計為3.55，能夠通過顯著性水平為1%的統(tǒng)計檢驗。這說明，年初的增長目標(biāo)每增加1 個百分點，平均而言，隨后的行業(yè)內(nèi)資源錯配程度顯著提高3.55%，與式(3)的預(yù)期一致?？刂茣r間固定效應(yīng)后，第2 列的回歸結(jié)果顯示，增長目標(biāo)的回歸系數(shù)大小與第1 列相比略微下降，但是依然能夠通過顯著性水平為1%的統(tǒng)計檢驗。

表2 第3 和第4 列則引入其他控制變量。第3 列引入初始的人均實際GDP(取對數(shù))，以控制各省份的初始經(jīng)濟發(fā)展水平，第4 列進一步引入省份-行業(yè)內(nèi)的企業(yè)個數(shù)，以控制行業(yè)特征。這時，本文所關(guān)心的增長目標(biāo)的回歸系數(shù)在5%顯著性水平下仍然顯著為正，說明在控制了地區(qū)經(jīng)濟發(fā)展水平和行業(yè)特征后，本文的基本結(jié)論仍然存在。

表2 第5 至8 列的回歸樣本剔除“采礦業(yè)”、“電力、熱力、燃氣及水的生產(chǎn)和供應(yīng)業(yè)”等行業(yè)，集中考察制造業(yè)內(nèi)的行業(yè)。類似于表2 第1～4 列的模型設(shè)定，第5～8 列報告了采用制造業(yè)的行業(yè)樣本的回歸結(jié)果。從回歸結(jié)果看，當(dāng)采用制造業(yè)的行業(yè)樣本時，本文最關(guān)心的回歸系數(shù)的大小和顯著水平也沒有發(fā)生任何實質(zhì)性變化。以表2 第8 列基準(zhǔn)回歸結(jié)果為例，增長目標(biāo)系數(shù)估計為3.68，能夠通過顯著性水平為1%的統(tǒng)計檢驗。這說明，年初的經(jīng)濟增長目標(biāo)每增加1 個百分點，平均而言，隨后制造業(yè)內(nèi)的資源錯配程度顯著提高約4%。

表2 增長目標(biāo)與資源錯配：基本回歸結(jié)果

為了更加直觀地解釋本文所關(guān)心的回歸系數(shù)的經(jīng)濟含義，不妨看一個2007 年河北和安徽例子。河北省2007 年的增長目標(biāo)為11%，處于當(dāng)年各省份增長目標(biāo)的第75分位數(shù)；安徽省2007 年的增長目標(biāo)為10%，處于第25 分位數(shù)?；鶞?zhǔn)回歸結(jié)果的系數(shù)為3.68，意味著河北與安徽在資源錯配上將產(chǎn)生4%左右的差異( e- 1 ≈ 0.037)。實際上，在2007 年，河北與安徽之間的資源錯配差異約是40%，這意味著增長目標(biāo)管理解釋了約10%的資源錯配差異。

（二）工具變量法估計

本文進一步考慮可能存在的內(nèi)生性問題，并采用工具變量法進行估計。不可否認的是，地方政府在設(shè)定增長目標(biāo)時會考慮本地的經(jīng)濟發(fā)展?fàn)顩r。盡管實證模型控制了地區(qū)固定效應(yīng)和時間固定效應(yīng)，但實證結(jié)果仍可能存在內(nèi)生性問題。對此，本文嘗試尋找本地經(jīng)濟發(fā)展因素外的沖擊作為增長目標(biāo)的工具變量，進行工具變量法估計。

基于現(xiàn)有文獻，本文首先采用各省下轄的地級行政單位數(shù)(四個直轄市采用低一級的行政單位數(shù))作為本省增長目標(biāo)的工具變量。Li 等(2019)分析了中國地方政府的“層層加碼”現(xiàn)象，從理論和實證上證明了，為避免過高的增長目標(biāo)導(dǎo)致下級政府放棄地區(qū)經(jīng)濟增長的競賽，上級政府會隨下轄行政單位數(shù)量的增多而制定較低的增長目標(biāo)。由于行政區(qū)劃變動取決于中央的決策，不受本地經(jīng)濟發(fā)展影響，所以本文把行政單位數(shù)量視為一個工具變量，預(yù)期隨著下轄行政單位數(shù)量增加，增長目標(biāo)顯著降低。

表3 第1 列采用全部行業(yè)樣本，第2 列采用制造業(yè)樣本，報告以地級行政單位數(shù)作為工具變量的估計結(jié)果。從第1列和第2 列的第一階段回歸結(jié)果來看，地級行政單位數(shù)的系數(shù)為負，能夠通過顯著性水平為5%的統(tǒng)計檢驗，與Li 等(2019)的理論預(yù)測和實證發(fā)現(xiàn)一致，說明本文選取的工具變量能夠滿足相關(guān)性條件。從第1 列和第2 列的第二階段回歸結(jié)果來看，本文關(guān)心的增長目標(biāo)系數(shù)在1%顯著性水平上顯著為正，系數(shù)大小相比基準(zhǔn)結(jié)果有所增大，說明基準(zhǔn)結(jié)果可能低估增長目標(biāo)管理的資源扭曲效應(yīng)。

考慮到在恰好識別的情況下無法檢驗工具變量的外生性，本文進一步采用兄弟省份的平均增長目標(biāo)作為工具變量，并進行過度識別檢驗。Ma(2016)實證發(fā)現(xiàn)，中國各省份在制定增長目標(biāo)時存在同伴學(xué)習(xí)效應(yīng)，即地方政府會根據(jù)兄弟省份的增長目標(biāo)來調(diào)整自身的增長目標(biāo)。由于地區(qū)內(nèi)的資源配置主要受本地政府的影響，而不受其他省份政府的影響，本文將兄弟省份的平均增長目標(biāo)視為一個工具變量。參考Ma(2016)的做法，本文根據(jù)中國統(tǒng)計局對東中西部和東北地區(qū)的劃分標(biāo)準(zhǔn)，將同一地區(qū)的省份視為兄弟省份，以自身外兄弟省份的平均增長目標(biāo)作為工具變量。

表3 第3 列采用全部行業(yè)樣本，第4 列采用制造業(yè)樣本，報告以地級行政單位數(shù)和兄弟省份平均增長目標(biāo)作為工具變量的估計結(jié)果，并進行過度識別檢驗。從第3 列和第4 列的第一階段回歸結(jié)果來看，地級行政單位數(shù)的系數(shù)顯著為負，兄弟省份平均增長目標(biāo)的系數(shù)為正，能夠通過顯著性水平為5%的統(tǒng)計檢驗，說明兄弟省份增長目標(biāo)越高，本地政府也會顯著提高增長目標(biāo)，與Ma(2016)的實證發(fā)現(xiàn)一致，說明本文選取的工具變量滿足相關(guān)性條件。從第3 列和第4 列的第二階段回歸結(jié)果來看，本文關(guān)心的增長目標(biāo)系數(shù)在1%顯著性水平上顯著為正，系數(shù)大小相比基準(zhǔn)結(jié)果有所增大。第3列和第4 列報告Hansen 檢驗P 值，結(jié)果顯示不能拒絕全部工具變量是外生的原假設(shè)，說明采用地級行政單位數(shù)作為工具變量是有效的。

表3 工具變量法回歸結(jié)果

總的來說，表3 的工具變量法估計結(jié)果表明，隨著年初設(shè)定的增長目標(biāo)提高，隨后地區(qū)內(nèi)的資源錯配程度顯著上升。在采用地級行政單位數(shù)量和兄弟省份的增長目標(biāo)作為增長目標(biāo)的工具變量進行實證檢驗后，本文的基本結(jié)論仍然穩(wěn)健。

（三）穩(wěn)健性檢驗

本文的基準(zhǔn)回歸結(jié)果還可能反映其他因素的影響，至少存在四個可能的競爭性解釋。一是資源錯配對實際經(jīng)濟增長的影響。當(dāng)增長目標(biāo)只是未來經(jīng)濟增速的預(yù)測時，對基準(zhǔn)結(jié)果的一個競爭性解釋是，回歸結(jié)果只是反映了資源錯配對實際經(jīng)濟增長的影響。二是地方官員的影響。地方官員出于晉升激勵，一方面影響轄區(qū)的經(jīng)濟增長目標(biāo)(徐現(xiàn)祥、梁劍雄，2014；馬亮，2013；余泳澤、楊曉章，2017)，另一方面也扭曲轄區(qū)的資源配置(周黎安等，2013)。因此，本文基準(zhǔn)結(jié)果可能只是反映了地方官員的影響。三是市場化的影響。市場分割能夠帶來資源錯配(Young，2000；宋馬林、金培振，2016)，影響實際經(jīng)濟增長，當(dāng)增長目標(biāo)只是未來實際經(jīng)濟增速的預(yù)測時，則會進一步影響增長目標(biāo)。四是基礎(chǔ)設(shè)施投資的影響。地方政府的基礎(chǔ)設(shè)施建設(shè)也會影響地區(qū)內(nèi)的資源配置效率，進而影響實際經(jīng)濟增長，當(dāng)增長目標(biāo)只是未來經(jīng)濟增速的預(yù)測時，也會進一步影響增長目標(biāo)。因此，本文基準(zhǔn)結(jié)果反映的可能不是增長目標(biāo)管理的實際影響。本小節(jié)將排除這四種可能的競爭性解釋。

1. 實際經(jīng)濟增長

如果基準(zhǔn)結(jié)果只是反映了資源錯配對實際經(jīng)濟增長的影響，那么基準(zhǔn)回歸方程引入實際經(jīng)濟增長，資源錯配應(yīng)該與實際經(jīng)濟增長呈顯著正相關(guān)關(guān)系，而與經(jīng)濟增長目標(biāo)不再呈顯著正相關(guān)關(guān)系。表4 報告了相應(yīng)的回歸結(jié)果。表4 第1 列報告引入當(dāng)期實際經(jīng)濟增速的回歸結(jié)果。當(dāng)期實際經(jīng)濟增長的回歸系數(shù)為負，且不顯著。本文所關(guān)心的增長目標(biāo)估計系數(shù)的大小和顯著性，與基準(zhǔn)結(jié)果相比，幾乎不變。這說明，本文的基準(zhǔn)結(jié)果不是反映資源錯配對實際經(jīng)濟增長的影響，而是經(jīng)濟增長目標(biāo)管理帶來的資源扭曲效應(yīng)。

考慮到經(jīng)濟增長目標(biāo)可能是對長期經(jīng)濟增長趨勢的預(yù)測，而非對當(dāng)期經(jīng)濟增長速度的預(yù)測，表4 第2 列采用三年移動平均的GDP 增速衡量長期的經(jīng)濟增長趨勢，引入基準(zhǔn)回歸。從回歸結(jié)果看，長期經(jīng)濟增長速度的回歸系數(shù)為正，但不顯著。本文所關(guān)心的增長目標(biāo)估計系數(shù)的大小和顯著性，與基準(zhǔn)結(jié)果相比幾乎不變。

基于我國省級GDP 數(shù)據(jù)質(zhì)量原因，表4 第3、4 列采用夜間燈光亮度的增長速度代理實際經(jīng)濟增速再現(xiàn)第1、2 列的回歸?，F(xiàn)有研究發(fā)現(xiàn)，我國的地方GDP 統(tǒng)計數(shù)據(jù)可能存在夸大嫌疑(徐康寧等，2015；Wallace，2016)。同時，研究發(fā)現(xiàn)，夜間燈光亮度作為一個客觀的指標(biāo)，其變化速度可以作為實際GDP 增速的代理變量，來提高人們度量地區(qū)經(jīng)濟績效的準(zhǔn)確性(Chen 和Nordhaus，2011；Henderson 等，2012)。因此，本文改用燈光亮度增速來代理實際經(jīng)濟增速。第3 列和第4 列的回歸結(jié)果顯示，實際經(jīng)濟增速的回歸系數(shù)依然不顯著，而經(jīng)濟增長目標(biāo)的回歸系數(shù)依然顯著為正，并且大小還是保持不變。

表4 引入實際經(jīng)濟增長

總之，表4 的回歸結(jié)果表明，本文不能把基準(zhǔn)回歸結(jié)果解釋為，反映了資源錯配與實際經(jīng)濟增長的關(guān)系。這是因為，同時考察年初的增長目標(biāo)與實際經(jīng)濟增長對資源錯配的影響時，實際經(jīng)濟增長并沒有對其產(chǎn)生顯著的影響，而年初的增長目標(biāo)的回歸系數(shù)沒有發(fā)生任何實質(zhì)性變化。

2. 地方官員的影響

現(xiàn)有研究發(fā)現(xiàn)，地方官員能夠同時影響增長目標(biāo)與資源錯配(馬亮，2013；徐現(xiàn)祥、梁劍雄，2014；余泳澤、楊曉章，2017；周黎安等，2013)。因此，基準(zhǔn)回歸分析可能存在遺漏解釋變量問題，年初的增長目標(biāo)與隨后資源的錯配呈正相關(guān)關(guān)系，可能只是源于遺漏的第三方變量。

表5 第1 列至第3 列分別引入省長和省委書記的任期和任期的平方項、來源和教育水平，再現(xiàn)本文的基準(zhǔn)回歸。其中，地方官員特征數(shù)據(jù)來自中山大學(xué)嶺南學(xué)院地方官員數(shù)據(jù)庫(王賢彬、徐現(xiàn)祥，2013)。從回歸結(jié)果看，與基準(zhǔn)結(jié)果相比，增長目標(biāo)的回歸系數(shù)大小和顯著水平變化不大。第4 列則報告同時引入地方官員特征變量的回歸結(jié)果，此時，增長目標(biāo)的回歸系數(shù)與基準(zhǔn)結(jié)果相比略微減小，但在1%顯著性水平下仍然顯著為正。這些回歸結(jié)果表明，年初的增長目標(biāo)與隨后的資源錯配呈正相關(guān)關(guān)系并不源于地方官員這個第三方變量。這是因為，無論是分別引入還是同時考察地方官員因素，年初的增長目標(biāo)與隨后的資源錯配依然呈顯著正相關(guān)關(guān)系。

表5 引入地方官員

五、有偏的增長目標(biāo)管理

本節(jié)考察政策制定者如何系統(tǒng)地落實經(jīng)濟增長目標(biāo)的政策。盡管不能事先明確地方官員如何配置資源，但是每年兩會期間的政府工作報告不時地揭示出，政府在進行目標(biāo)管理時偏向大企業(yè)、龍頭企業(yè)或領(lǐng)軍企業(yè)等。同時，政府通過非市場手段刺激企業(yè)生產(chǎn)，更可能重點對與政府聯(lián)系密切的企業(yè)給予優(yōu)惠政策，即政府在進行目標(biāo)管理時可能支持國有企業(yè)，或者是有隸屬關(guān)系的企業(yè)?；诖?，本節(jié)利用1998—2007 年的工業(yè)企業(yè)數(shù)據(jù)庫，從企業(yè)規(guī)模、所有制類型和企業(yè)隸屬關(guān)系三個角度出發(fā)，分別考察有偏增長目標(biāo)管理的具體模式。

同時，本節(jié)選取三種較為常見的政策工具，即政府補貼、貸款利率以及稅收優(yōu)惠，檢驗政府進行目標(biāo)管理時對不同類型企業(yè)施加的政策影響。具體而言，如果政府進行目標(biāo)管理時系統(tǒng)性支持隸屬層級高的企業(yè)，那么當(dāng)其他因素不變時，隸屬層級高的企業(yè)相比隸屬層級低的企業(yè)將獲得更多的政策優(yōu)惠，如更多的政府補貼、更低的實際利率或更低的稅率等。同時，根據(jù)理論模型，此時更多的資本和勞動力將從其他企業(yè)流向隸屬層級高的企業(yè)，導(dǎo)致隸屬層級高的企業(yè)的邊際產(chǎn)出更低，TFPR 也更低，進而加劇企業(yè)間的TFPR 差異。這種不同隸屬層級企業(yè)間的資源配置最終體現(xiàn)為經(jīng)濟體的資源配置效率。

本文根據(jù)企業(yè)的隸屬關(guān)系將企業(yè)劃分為隸屬中央、隸屬省、隸屬市及以下、無隸屬關(guān)系四類企業(yè)，以無隸屬關(guān)系的企業(yè)為對照組，考察增長目標(biāo)對不同隸屬關(guān)系的企業(yè)的影響。

表6 第1 列報告了增長目標(biāo)對企業(yè)補貼收入的回歸結(jié)果。從回歸結(jié)果來看，增長目標(biāo)與隸屬中央交互項的系數(shù)顯著為正，與隸屬省的交互項系數(shù)也顯著為正，說明相比無隸屬關(guān)系的企業(yè)，隨著目標(biāo)提高，隸屬中央或省級的企業(yè)將獲得更多的政府補貼。

表6 第2 列和第3 列分別報告增長目標(biāo)對企業(yè)稅率和貸款利率的回歸結(jié)果。第2列的結(jié)果顯示，增長目標(biāo)與隸屬中央的交互項系數(shù)顯著為負，說明相比無隸屬關(guān)系的企業(yè)，隨著目標(biāo)提高，隸屬中央的企業(yè)的稅率明顯降低。第3 列的結(jié)果顯示，增長目標(biāo)與隸屬中央、隸屬省級、隸屬市級及以下的交互項系數(shù)都不能通過顯著性水平為10%的統(tǒng)計檢驗，說明增長目標(biāo)對不同隸屬關(guān)系企業(yè)的貸款利率影響沒有差異。

表6 第4 列和第5 列分別報告增長目標(biāo)對企業(yè)資本積累和勞動力投入的回歸結(jié)果。從第4 列的結(jié)果來看，增長目標(biāo)與隸屬中央、隸屬省級的交互項系數(shù)都顯著為正，而與隸屬市級及以下的交互項系數(shù)不顯著，說明相比無隸屬關(guān)系的企業(yè)，增長目標(biāo)越高，隸屬中央和隸屬省級的企業(yè)會顯著增加資本積累，而隸屬市級及以下的企業(yè)則不會。表6 第5 列的結(jié)果也顯示，隨著增長目標(biāo)提高，隸屬中央的企業(yè)比無隸屬關(guān)系的企業(yè)投入更多的勞動力，而隸屬市級及以下的企業(yè)則相比無隸屬關(guān)系的企業(yè)減少了勞動力投入。

表6 第6 列報告了增長目標(biāo)對企業(yè)TFPR 的回歸結(jié)果。從結(jié)果來看，增長目標(biāo)與隸屬中央的交互項系數(shù)和增長目標(biāo)與隸屬省的交互項系數(shù)都顯著為負，說明與無隸屬關(guān)系的企業(yè)相比，隨著增長目標(biāo)提高，這部分企業(yè)的TFPR 降低。在第6 列的回歸樣本中，隸屬中央、隸屬省級和隸屬市級及以下的企業(yè)平均TFPR(取對數(shù))分別為-0.15、-0.07 和0.37，而無隸屬關(guān)系的企業(yè)平均TFPR(取對數(shù))為0.54，明顯大于有隸屬關(guān)系的企業(yè)，可見增長目標(biāo)管理并沒有縮小不同隸屬關(guān)系企業(yè)間TFPR 的差異，反而加劇了企業(yè)間TFPR 的差距。

總而言之，表6 從企業(yè)的隸屬關(guān)系出發(fā)，發(fā)現(xiàn)增長目標(biāo)管理在政策上傾向于支持隸屬高層級行政管理單位的企業(yè)，導(dǎo)致資本和勞動力更多地流向這部分企業(yè)，從而降低這部分企業(yè)的TFPR，加劇企業(yè)間TFPR 的差距。

表6 增長目標(biāo)對不同隸屬關(guān)系企業(yè)的影響

六、結(jié)論性評述

經(jīng)濟增長目標(biāo)管理是中國長期進行的經(jīng)濟實踐，在微觀層面上，經(jīng)濟增長目標(biāo)管理是以什么模式進行，具有什么特征？本文從資源配置的視角切入，圍繞上述問題展開討論。在實證識別策略上，本文在Hsieh 和Klenow(2009)的錯配模型中引入經(jīng)濟增長目標(biāo)，考察不同類型的增長目標(biāo)管理模式對資源配置的影響。本文發(fā)現(xiàn)，當(dāng)政策當(dāng)局無偏地實施增長目標(biāo)管理時，經(jīng)濟體沒有新的資源錯配；當(dāng)政策當(dāng)局有偏地實施增長目標(biāo)管理，并且沒有糾正原有扭曲時，經(jīng)濟體將出現(xiàn)新的資源錯配，并且隨著增長目標(biāo)提高，資源錯配程度加劇；當(dāng)政策當(dāng)局實施有偏的增長目標(biāo)管理，并且糾正了原有扭曲時，經(jīng)濟體的資源錯配減少，并且隨著增長目標(biāo)提高，資源錯配程度變小。

基于此，本文通過考察增長目標(biāo)對資源錯配的影響來識別地方政府采取的增長目標(biāo)管理方式。本文使用1998—2007 年的中國工業(yè)企業(yè)數(shù)據(jù)庫計算省份-行業(yè)內(nèi)的資源錯配程度；采用31 個省份1998—2007 年的增長目標(biāo)數(shù)據(jù)。本文實證發(fā)現(xiàn)，平均而言，年初的增長目標(biāo)每增加1 個百分點，隨后的資源錯配程度顯著提高4%。為了解決潛在的內(nèi)生性問題，本文采用兄弟省份的平均增長目標(biāo)和地級行政單位數(shù)量作為工具變量進行估計，基本結(jié)論仍然有效。這個發(fā)現(xiàn)相當(dāng)穩(wěn)健，本文考察了資源錯配度量指標(biāo)選取的影響、行業(yè)分類標(biāo)準(zhǔn)的影響，以及增長目標(biāo)度量的影響，實證結(jié)果沒有發(fā)生明顯的變化。接著，本文排除了實際經(jīng)濟增長速度、地方官員、市場化程度等可能的競爭性解釋。盡管這些因素都可能導(dǎo)致增長目標(biāo)與資源錯配相關(guān)，但是本文在分別控制了這些因素后發(fā)現(xiàn)，經(jīng)濟增長目標(biāo)的回歸系數(shù)幾乎沒有發(fā)生任何實質(zhì)性變化。本文的結(jié)果表明，地方政府普遍采取的是有偏的增長目標(biāo)管理方式，并且這種管理方式并沒有糾正原有的扭曲。

本文進一步考察了有偏增長目標(biāo)管理的具體模式。本文發(fā)現(xiàn)，在進行增長目標(biāo)管理時，地方政府在政策上系統(tǒng)性地支持大企業(yè)、國有企業(yè)和隸屬級高的企業(yè)。與政策支持的方向一致，隨著增長目標(biāo)提高，更多的生產(chǎn)要素流入大企業(yè)、國有企業(yè)和隸屬級高的企業(yè)，降低了這部分企業(yè)的TFPR，并加劇了企業(yè)間TFPR 的差距。這些發(fā)現(xiàn)從企業(yè)規(guī)模、企業(yè)所有制和企業(yè)隸屬關(guān)系的角度揭示了有偏增長目標(biāo)管理的模式，顯然這種增長目標(biāo)管理模式不利于政府落實“六穩(wěn)”“六?！钡娜蝿?wù)。因此，本文的發(fā)現(xiàn)也為疫情沖擊下政府放棄增長目標(biāo)管理的選擇提供了一種合理的解釋。

不可否認的是，本文的工作還是初步的，至少存在以下三個方向值得進一步研究。一是多維度、系統(tǒng)性地考察有偏的目標(biāo)管理。本文只是從企業(yè)規(guī)模、企業(yè)所有制和企業(yè)隸屬關(guān)系的角度初步考察了地方政府如何實施有偏的目標(biāo)管理，還可以從其他維度系統(tǒng)性地考察，如空間維度。二是如何衡量經(jīng)濟增長目標(biāo)管理的有偏程度。本文考察簡化形式下經(jīng)濟增長目標(biāo)對資源錯配的影響，進一步研究應(yīng)該重點度量增長目標(biāo)管理的有偏程度，并分析其對資源配置的直接影響。三是系統(tǒng)考察如何改善目標(biāo)管理對資源錯配的影響。例如，從理論可能性的角度來看，實施無偏的目標(biāo)管理、保持目標(biāo)穩(wěn)定都能夠改進目標(biāo)管理對資源錯配的影響。這些問題都有待深入研究。