王維 孫毅

摘要：為衡量政策偏差對(duì)地方經(jīng)濟(jì)發(fā)展的影響，引入表征中央和地方政府的政策偏差度指數(shù)，并考慮政策偏差對(duì)于城鎮(zhèn)化率的調(diào)節(jié)作用。研究結(jié)果表明，政策偏差給地方政府帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)有所降低，甚至隨著城鎮(zhèn)化率的提高向相反的方向發(fā)展?？紤]到空間集聚性因素，這一機(jī)制得到進(jìn)一步驗(yàn)證。說(shuō)明地方政府行使“自由裁量權(quán)”時(shí)，將根據(jù)自身情況進(jìn)行選擇，在城鎮(zhèn)化率低時(shí)會(huì)選擇較大的政策偏差，但在城鎮(zhèn)化率較高時(shí)，則與中央政策保持一致以獲得本地競(jìng)爭(zhēng)優(yōu)勢(shì)，中央政府在政策制定過(guò)程中應(yīng)注意各地的差異性。

關(guān)鍵詞：政策偏差;經(jīng)濟(jì)增長(zhǎng);PPP;調(diào)節(jié)作用

中圖分類號(hào)：F06 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1006-1037（2021）03-0140-07

林毅夫教授曾將中國(guó)過(guò)去30年的經(jīng)濟(jì)成就稱之為一大奇跡，這個(gè)奇跡一直是一個(gè)熱門(mén)的研究話題。學(xué)界大多認(rèn)為，地方政府對(duì)地方經(jīng)濟(jì)增長(zhǎng)有重要影響。如Cheung[1]認(rèn)為，中國(guó)經(jīng)濟(jì)增長(zhǎng)動(dòng)力來(lái)自于縣域之間的競(jìng)爭(zhēng)，根源在于縣政府有很大的自主權(quán)，事實(shí)上是地方競(jìng)爭(zhēng)。學(xué)者們很早就將地方競(jìng)爭(zhēng)問(wèn)題引入到經(jīng)濟(jì)增長(zhǎng)模型中。蒂布特[2]在1956年提出著名的假定時(shí)就指出，地方政府之間存在的競(jìng)爭(zhēng)在經(jīng)濟(jì)中發(fā)揮著巨大作用。但地方競(jìng)爭(zhēng)何以影響到地方經(jīng)濟(jì)，學(xué)者們尚未能給出一個(gè)較好的解釋方式。分析中國(guó)樣本，主要有兩個(gè)傾向：用地方官員的特征作為代變量，識(shí)別不同地方政府的差異，如周黎安等[3-6]發(fā)現(xiàn)地方官員的特征對(duì)本地經(jīng)濟(jì)增長(zhǎng)有顯著的影響;通過(guò)現(xiàn)有綜合指標(biāo)或構(gòu)建綜合指標(biāo)，如楊冬梅等[7]，在城鎮(zhèn)化、市場(chǎng)化、對(duì)外開(kāi)放度等指標(biāo)基礎(chǔ)上構(gòu)建制度因素的綜合指標(biāo)，韓劍等[8]根據(jù)各行業(yè)的比重、勞動(dòng)投入和實(shí)際總產(chǎn)值等變量，構(gòu)造各地政府干預(yù)的資源錯(cuò)配指數(shù)，唐杰等[9]采用的中國(guó)省域治理綜合指數(shù)等。以上研究結(jié)果僅考察了地區(qū)間的差異性，沒(méi)有考慮中央政府的作用。實(shí)際上，地方政府決策的自由度對(duì)地方經(jīng)濟(jì)發(fā)展的意義遠(yuǎn)大于地方政府之間的差異。地方政府間的競(jìng)爭(zhēng)必須以中央政府所指定的政策作為背景。這一點(diǎn)已被學(xué)界關(guān)注，詹新宇等[10]使用從中央到地方的不同層級(jí)的財(cái)政收入來(lái)構(gòu)造財(cái)政收入分權(quán)指數(shù)即是一例。但更常見(jiàn)的是從政策偏差視角分析這一問(wèn)題。楊宏山[11]指出，作為單一制國(guó)家，“如果地方政府擁有較為寬泛但并非明確界定的自由裁量權(quán)”，將導(dǎo)致政策出現(xiàn)偏差。張潔梅等[12]指出地方政府投融資平臺(tái)風(fēng)險(xiǎn)管理中存在政策偏差，王軍強(qiáng)等[13]發(fā)現(xiàn)北京養(yǎng)老服務(wù)政策在基層也出現(xiàn)了偏差。為將這種偏差量化以便帶入現(xiàn)有的研究中，韓克勇等[14]基于中央政策目標(biāo)的制定與各省份的完成情況構(gòu)造政策的制定與執(zhí)行效果偏差指數(shù)。本文采用中央和地方政府的政策偏差度指數(shù)——運(yùn)用PPP政策相關(guān)的文本構(gòu)造政策偏差指數(shù)來(lái)研究地方競(jìng)爭(zhēng)對(duì)各地經(jīng)濟(jì)發(fā)展的影響，并從以下兩個(gè)方面研究：一是從PPP政策偏差入手，PPP政策是地方政府自2015年以來(lái)在中央政府的統(tǒng)一規(guī)定下，根據(jù)自身財(cái)政、經(jīng)濟(jì)發(fā)展?fàn)顩r促進(jìn)本地經(jīng)濟(jì)發(fā)展、基礎(chǔ)設(shè)施建設(shè)的重要手段。政府與社會(huì)合作的PPP項(xiàng)目是普惠金融的重要組成部分，在積極引導(dǎo)社會(huì)資金支持和服務(wù)“三農(nóng)”、優(yōu)化財(cái)政資金供給和降低財(cái)政債務(wù)風(fēng)險(xiǎn)等方面發(fā)揮了重要作用[15]。劉曉明等[16]基于新舊動(dòng)能轉(zhuǎn)換的視角就發(fā)現(xiàn)山東省的經(jīng)濟(jì)增長(zhǎng)存在明顯的空間溢出效應(yīng)，可通過(guò)PPP方式來(lái)增加社會(huì)投資進(jìn)一步促進(jìn)經(jīng)濟(jì)增長(zhǎng)，因此PPP政策也自然成為衡量中央政府和地方政府政策偏差的理想指標(biāo)。二是從更廣泛的機(jī)制方面考察政策偏差對(duì)地方經(jīng)濟(jì)發(fā)展的影響，迄今的研究大部分將之歸于獨(dú)立變量，本文側(cè)重于對(duì)其調(diào)節(jié)作用的檢驗(yàn)，擴(kuò)大了其對(duì)經(jīng)濟(jì)機(jī)制的傳導(dǎo)途徑，有利于更好地探索兩者之間的復(fù)雜關(guān)系。

1 地方經(jīng)濟(jì)差異與PPP項(xiàng)目

中央大力推廣PPP模式時(shí)，各地差異比較明顯。圖1是基于財(cái)政部“政府和社會(huì)資本合作中心”的數(shù)據(jù)并按傳統(tǒng)的東、中、西部標(biāo)準(zhǔn)予以區(qū)分，時(shí)間截至2019年10月31日。可知，西部的GDP水平最低，但PPP項(xiàng)目金額卻最高，中部地區(qū)GDP水平只有東部的44%，PPP入庫(kù)金額卻是東部的87%。這些說(shuō)明，地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r與PPP發(fā)展水平呈反向關(guān)系，PPP項(xiàng)目確實(shí)為那些財(cái)政狀況有可能不是很好的中西部地區(qū)提供了發(fā)展基礎(chǔ)設(shè)施項(xiàng)目的便利。

如果將觀察層級(jí)進(jìn)一步放大到省、直轄市，這種反向關(guān)系不夠明顯，且極具差異性與不平衡性。如表1所示（PPP入庫(kù)金額根據(jù)財(cái)政部“政府和社會(huì)資本合作中心”數(shù)據(jù)整理;GDP數(shù)據(jù)摘自2019年國(guó)家統(tǒng)計(jì)年鑒），西部有入庫(kù)金額極高的省份，如貴州、云南，也有較低的，如寧夏、青海、西藏。東部有入庫(kù)金額很高的，如浙江、山東，但上海、北京均較低。實(shí)際上，即使把上述GDP數(shù)據(jù)換為財(cái)政數(shù)據(jù)，得到的結(jié)果也差不多。而且，如果把數(shù)據(jù)進(jìn)一步放大到地級(jí)市，情況就更為復(fù)雜。PPP發(fā)展的不平衡性是各地根據(jù)自身的經(jīng)濟(jì)、財(cái)政、金融等狀況所采取相應(yīng)政策的結(jié)果。因地方競(jìng)爭(zhēng)及地方政府所具有的“自由裁量權(quán)”而出現(xiàn)的政策偏差，是對(duì)這種各地不同情況的重要反映。

2 實(shí)證檢驗(yàn)

運(yùn)用線性回歸模型對(duì)PPP政策偏差指數(shù)與地方經(jīng)濟(jì)發(fā)展的關(guān)系進(jìn)行分析。模型中的主要變量包括：衡量全國(guó)在2016、2017年兩年有PPP項(xiàng)目的地級(jí)市經(jīng)濟(jì)增長(zhǎng)績(jī)效的被解釋變量、測(cè)度地方政策偏差的解釋變量以及代表各地級(jí)市特征的控制變量。

2.1 模型與數(shù)據(jù)

為簡(jiǎn)化分析，衡量各地市增長(zhǎng)績(jī)效時(shí)，本文采用人均GDP，即各地市的GDP總量除以該地市的常住人口作為被解釋變量，不再考慮人口因素。相關(guān)GDP和人口數(shù)據(jù)主要來(lái)自各地市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)。假定增長(zhǎng)函數(shù)為一次齊次函數(shù)，根據(jù)一般意義上的核算方程

其中，K為資本，N為人口，在兩邊同除以N，得

在（3）式線性模型基礎(chǔ)上，本文根據(jù)相關(guān)檢驗(yàn)加入空間因子

其中，βI表示各解釋變量和控制變量的回歸系數(shù)，ε為誤差項(xiàng)。index1*urb項(xiàng)代表交叉乘積項(xiàng)，因?yàn)檎咂畈灰欢▎为?dú)對(duì)GDP產(chǎn)生作用，往往作為一個(gè)調(diào)節(jié)因子在某些具體政策中發(fā)揮作用，對(duì)城鎮(zhèn)化率的乘積項(xiàng)可能將更好地捕捉到這種影響。

本文數(shù)據(jù)基于明樹(shù)數(shù)據(jù)公司（http：//bridata.com）收集的全國(guó)PPP項(xiàng)目，整理后，涉及2016年115個(gè)地市、2017年188個(gè)地市，其中PPP項(xiàng)目主要包括農(nóng)林水利、綜合開(kāi)發(fā)、交通運(yùn)輸和市政公用事業(yè)等領(lǐng)域。政策偏差指數(shù)（index1）是核心解釋變量，可以通過(guò)利用文本相似度算法，剔除不可觀測(cè)到的城市樣本數(shù)據(jù)，對(duì)比地方政府與中央財(cái)政部發(fā)布的PPP政策的文本差異計(jì)算得到。各地方政策相關(guān)文件主要基于人民政府及主要相關(guān)部門(mén)（如發(fā)改委、財(cái)政局、農(nóng)業(yè)局、公路局、交通局、環(huán)保局等）網(wǎng)站公布的數(shù)據(jù)。指數(shù)的取值范圍在0～1之間，越接近1說(shuō)明所制定的PPP政策越與中央政策保持一致，反之，越接近0則表示該地所制定的PPP政策與中央政策越不一致。

回歸中的控制變量，首先是人均固定資產(chǎn)投資（percap），用各地市在某一年的的固定資產(chǎn)投資總額除以該市的常住人口。其次，人均存貸款（persnl），以各地市在一年中的存貸款之和除以該地市的常住人口計(jì)算得到，該變量代表各地市的金融發(fā)展水平，當(dāng)各地在發(fā)展基礎(chǔ)設(shè)施時(shí)，資金融通是除了財(cái)政收入之外的重要途徑。第三，城鎮(zhèn)化率（urb），以當(dāng)年該地市的城鎮(zhèn)人口占常住人口的比例計(jì)算得到。理論上，城鎮(zhèn)化率作為反映城鎮(zhèn)化水平的指標(biāo)，一般與其經(jīng)濟(jì)發(fā)展相當(dāng);且城鎮(zhèn)化水平越高，土地收入對(duì)當(dāng)?shù)卣幕鹗杖胗绊懸苍酱蟆?016年全國(guó)115個(gè)城市各變量的描述性統(tǒng)計(jì)如表2所示。

2.2 實(shí)證檢驗(yàn)

表3為政策偏差度對(duì)人均GDP的影響。模型1和模型2區(qū)分了政策偏差指數(shù)（index1）的影響，模型2和模型3（2016）區(qū)分了政策偏差指數(shù)（index1）的調(diào)節(jié)作用?？偟膩?lái)看，政策偏差水平越高（即指數(shù)越?。瑢?duì)本地經(jīng)濟(jì)越不利;但在考慮交互項(xiàng)后，情況則出現(xiàn)了重要的分化。

無(wú)論是模型1還是模型2，人均固定資產(chǎn)投資，人均存貸款和城鎮(zhèn)化率的回歸系數(shù)都為正，表明其對(duì)人均收入都具有顯著的促進(jìn)作用。在模型2中，當(dāng)引入政策偏差指數(shù)后，可以發(fā)現(xiàn)其與人均收入具有負(fù)相關(guān)關(guān)系，即相對(duì)中央政策，一個(gè)地方的政策偏差越大（即政策偏差度指數(shù)越?。r(shí)，該地方的人均收入會(huì)越高，原因是因地方競(jìng)爭(zhēng)，地方政府根據(jù)自身經(jīng)濟(jì)狀況行使了沒(méi)有被明確界定的“自由裁量權(quán)”。

模型3（2016）中再次引入政策偏差指數(shù)與城鎮(zhèn)化率的乘積項(xiàng)。AIC和BIC都相對(duì)較小，表明選擇模型3作為經(jīng)濟(jì)模型比較理想。盡管政策偏差指數(shù)仍為負(fù)，且較模型2有擴(kuò)大趨勢(shì)，但交叉項(xiàng)的出現(xiàn)卻使其影響出現(xiàn)了分化。表4是對(duì)這種影響所作的一個(gè)模擬。第（1）欄政策偏差指數(shù)對(duì)城鎮(zhèn)化率的影響，當(dāng)政策偏差以均值（0.129 8）、少于或大于一個(gè)標(biāo)準(zhǔn)差（0.051 2）取值時(shí)，隨著政策偏差指數(shù)的提高（0.078 6、0.129 8、0.181 0），城鎮(zhèn)化率每增加一個(gè)單位引起各地人均收入的預(yù)期改變?cè)谠黾樱?.910 2、8.194 4、9.478 5）。其次，從第（2）欄城鎮(zhèn)化率對(duì)政策偏差的影響來(lái)看，當(dāng)城鎮(zhèn)化率以均值（0.556 0）、少于或大于一個(gè)標(biāo)準(zhǔn)差（0.124 6）取值時(shí)，隨著城鎮(zhèn)化率的提高（0.431 4、0.556 0、0.680 6），政策偏差指數(shù)每增加一個(gè)單位引起各地人均收入的預(yù)期改變由負(fù)轉(zhuǎn)正（-5.608 4、-2.483 4、0.641 7）。進(jìn)一步，因城鎮(zhèn)化率的高低，政策偏差指數(shù)對(duì)各地人均收入的影響出現(xiàn)了分化。

所以，城鎮(zhèn)化率越低，政策偏差指數(shù)與各地人均收入負(fù)相關(guān)程度就越高。反之，城鎮(zhèn)化率越高，尤其在大于65.51%（16.428 2/25.080 6=65.51%）時(shí)，政策偏差指數(shù)與各地人均收入呈正相關(guān)，這可以解釋表1中上海、重慶、北京、天津的PPP項(xiàng)目金額較低的現(xiàn)象。

2.3 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)回歸結(jié)果的穩(wěn)健性，將人均收入、人均固定資產(chǎn)投資、人均存貸款和城鎮(zhèn)化率指標(biāo)換為2017年數(shù)據(jù)。由于2017年共有188個(gè)地市有PPP項(xiàng)目，樣本量擴(kuò)大了，各主要變量描述性統(tǒng)計(jì)如表5所示。

使用普通最小二乘法（OLS）對(duì)2017年全國(guó)各地市的數(shù)據(jù)運(yùn)用模型3回歸分析，結(jié)果見(jiàn)表3的模型3（2017）。各變量系數(shù)雖然均有不同程度變化，但方向未變，上述分析結(jié)論仍然成立?；谛聰?shù)據(jù)集，政策偏差指數(shù)與人均收入間的負(fù)相關(guān)關(guān)系有所減弱，結(jié)合交互項(xiàng)，超過(guò)39.69%（8.313 4/20.946 4）的城鎮(zhèn)化率就足以讓兩者之間轉(zhuǎn)化為正相關(guān)關(guān)系。該結(jié)論也較好地驗(yàn)證了前文的計(jì)量結(jié)果是穩(wěn)健的。

3 拓展性分析

在上述實(shí)證分析中，還有兩個(gè)問(wèn)題需要解決：PPP項(xiàng)目存在的空間集聚性問(wèn)題，模型結(jié)果的內(nèi)在傳導(dǎo)機(jī)制。

3.1 空間集聚性問(wèn)題

為驗(yàn)證各地市之間存在的空間效應(yīng)，基于模型3，本部分運(yùn)用空間計(jì)量模型進(jìn)行實(shí)證分析。使用Moran′s I指數(shù)檢驗(yàn)得到表6。2016年的數(shù)據(jù)空間相關(guān)性似乎不強(qiáng)，可能是因?yàn)閿?shù)據(jù)量較少的原因，2016年有PPP項(xiàng)目的115個(gè)地市，分布不均衡。2017年，隨著擁有PPP項(xiàng)目的地市的增多，該指數(shù)達(dá)到2.617?；谝陨显颍ㄟ^(guò)構(gòu)造地理加權(quán)回歸矩陣來(lái)代替相鄰矩陣，并對(duì)2016、2017年的數(shù)據(jù)均作空間分析。

表7是對(duì)2016年數(shù)據(jù)回歸并進(jìn)行效應(yīng)分解的結(jié)果。Rho值在統(tǒng)計(jì)上顯著，進(jìn)一步驗(yàn)證了空間效應(yīng)的存在。從各項(xiàng)回歸系數(shù)來(lái)看，與表3存在差異，但方向均未變化。其中，直接效應(yīng)是主要的，間接效應(yīng)數(shù)值較小，均在10%水平下統(tǒng)計(jì)顯著，仍反映出政策偏差指數(shù)主要通過(guò)調(diào)節(jié)機(jī)制作用于地方經(jīng)濟(jì)發(fā)展。

為進(jìn)一步確認(rèn)結(jié)果的穩(wěn)健性，對(duì)2017年作回歸分析，結(jié)果見(jiàn)表8，充分反映出政策偏差指數(shù)通過(guò)城鎮(zhèn)化這一通道對(duì)經(jīng)濟(jì)增長(zhǎng)所發(fā)揮的調(diào)節(jié)作用。相比于表7，此時(shí)政策偏差指數(shù)與人均收入之間關(guān)系變化所需要的城鎮(zhèn)化率的臨界點(diǎn)變?yōu)?2.43%（11.676 2/27.519 1），即超過(guò)這一數(shù)值的區(qū)域，政策偏差指數(shù)與人均收入正相關(guān)，反之負(fù)相關(guān)。此時(shí)，低于42.43%的地級(jí)市僅有25個(gè)，絕大部分集中在中西部地區(qū)，經(jīng)濟(jì)發(fā)展水平普遍較低。而臨界點(diǎn)之上的地級(jí)市，借助城鎮(zhèn)化的調(diào)節(jié)作用，政策偏差指數(shù)與經(jīng)濟(jì)增長(zhǎng)之間發(fā)生正相關(guān)關(guān)系，這些地區(qū)的經(jīng)濟(jì)發(fā)展水平相對(duì)好一些。

3.2 內(nèi)在傳導(dǎo)機(jī)制

由此，在經(jīng)濟(jì)發(fā)展水平較低、城鎮(zhèn)化率較低的情況下，一些地區(qū)會(huì)通過(guò)行使“自由裁量權(quán)”來(lái)促進(jìn)本地經(jīng)濟(jì)的發(fā)展。但對(duì)大部分經(jīng)濟(jì)獲得充分發(fā)展的地區(qū)而言，政策偏差指數(shù)與本地經(jīng)濟(jì)呈正相關(guān)關(guān)系。這主要是因?yàn)樵诔擎?zhèn)化率較高的情況下，政策偏差指數(shù)的調(diào)節(jié)作用超過(guò)了自身的副作用所致。

（1） 城鎮(zhèn)化率指標(biāo)。在上述計(jì)量分析過(guò)程中，包括多種交互項(xiàng)，如政策偏差指數(shù)與人均固定資產(chǎn)投資、人均存貸款余額等的交互項(xiàng)，但只有與城鎮(zhèn)化率的交互項(xiàng)回歸結(jié)果顯著。結(jié)合交互項(xiàng)，不論地方政府基于地方競(jìng)爭(zhēng)，采取了何種“自由裁量權(quán)”，最終目的是促進(jìn)本地經(jīng)濟(jì)的發(fā)展，本地經(jīng)濟(jì)發(fā)展中大概率會(huì)出現(xiàn)城鎮(zhèn)化加速的過(guò)程，由此導(dǎo)致該交互項(xiàng)與各地人均收入呈正相關(guān)關(guān)系。部分城鎮(zhèn)化率不高的地方?jīng)]有出現(xiàn)這種情況，從空間角度來(lái)看，應(yīng)該是出現(xiàn)了較大的溢出所致。

（2） 內(nèi)在化傳導(dǎo)過(guò)程。在計(jì)量分析過(guò)程中本文最初是利用取對(duì)數(shù)方法處理政策偏差指數(shù)對(duì)地方人均收入的影響，但結(jié)果卻不真實(shí)，因?yàn)橐坏┘尤虢换ロ?xiàng)，尤其在應(yīng)用空間計(jì)量方法之后，對(duì)絕大部分地市來(lái)說(shuō)，政策偏差指數(shù)的綜合效應(yīng)發(fā)生根本的改變，這意味著政策偏差指數(shù)借助城鎮(zhèn)化率這一指標(biāo)對(duì)地方人均收入產(chǎn)生影響，更主要是通過(guò)一個(gè)內(nèi)在化的渠道在發(fā)揮作用。

4 結(jié)論與啟示

通過(guò)政策偏差指數(shù)，研究了其與地方經(jīng)濟(jì)發(fā)展的關(guān)系。分析2016年及2017年的回歸結(jié)果，政策偏差指數(shù)與地方的人均GDP呈負(fù)相關(guān)關(guān)系，隨著城鎮(zhèn)化率的提高，達(dá)到某一臨界點(diǎn)后，這種負(fù)相關(guān)性消失，兩者轉(zhuǎn)化為正相關(guān)性。在空間滯后回歸模型中，2017年，這個(gè)臨界點(diǎn)只有42.43%，樣本中絕大部分地市超過(guò)這個(gè)城鎮(zhèn)化率的臨界點(diǎn)。原因是地方政府通過(guò)城鎮(zhèn)化率獲得了某種“人口紅利”，且通過(guò)城鎮(zhèn)化率這一綜合性指標(biāo)，內(nèi)在化地傳導(dǎo)到經(jīng)濟(jì)增長(zhǎng)變量上。雖然之前的一些研究認(rèn)為地方政府為了在地方競(jìng)爭(zhēng)中勝出，會(huì)采取一些“自由裁量權(quán)”，有效影響地方經(jīng)濟(jì)的發(fā)展。但本文得出的結(jié)論是，這種情況并不普遍，且相對(duì)其努力與中央保持一致的程度，是微不足道的。

抵消地方政策的偏差度，關(guān)鍵是中央制定符合實(shí)際的、適應(yīng)經(jīng)濟(jì)發(fā)展需要的經(jīng)濟(jì)大政方針，如新型城鎮(zhèn)化建設(shè)，地方政府圍繞這一中心開(kāi)展工作，有效地將政策偏差指數(shù)與地方經(jīng)濟(jì)增長(zhǎng)水平的負(fù)相關(guān)轉(zhuǎn)化為正相關(guān)。在此前提下，適當(dāng)提高地方政府的“自由裁量權(quán)”，有助于發(fā)揮地方政府的主觀能動(dòng)性，有效改善地區(qū)之間的差異化。在城鎮(zhèn)化率較低的地區(qū)，可能自身有很多特殊情況，給予“自由裁量權(quán)”，在統(tǒng)一框架下區(qū)別對(duì)待，有助于改善各地區(qū)的差異化發(fā)展問(wèn)題。

參考文獻(xiàn)

[1]CHEUNG S N S. The economic system of China[J]. Man and the Economy， 2014， 1（1）：1-49.

[2]蒂布特M查爾斯，吳欣望.一個(gè)關(guān)于地方支出的純理論[J].經(jīng)濟(jì)社會(huì)體制比較，2003（6）：37-43.

[3]周黎安.中國(guó)地方官員的晉升錦標(biāo)賽模式研究[J].經(jīng)濟(jì)研究，2007（7）：36-50.

[4]徐現(xiàn)祥，王賢彬，舒元.地方官員與經(jīng)濟(jì)增長(zhǎng)——來(lái)自中國(guó)省長(zhǎng)、省委書(shū)記交流的證據(jù)[J].經(jīng)濟(jì)研究，2007（9）：18-31.

[5]張鵬飛，李國(guó)強(qiáng)，侯麟科等.區(qū)域經(jīng)濟(jì)增長(zhǎng)差異的再反思：歷史起因與演化邏輯[J].經(jīng)濟(jì)學(xué)（季刊），2019，18（1）：151-166.

[6]詹新宇，劉文彬.地方官員來(lái)源的經(jīng)濟(jì)增長(zhǎng)質(zhì)量效應(yīng)研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（4）：78-89.

[7]楊冬梅，萬(wàn)道俠，王琳.制度要素、空間溢出與區(qū)域經(jīng)濟(jì)增長(zhǎng)——基于空間面板數(shù)據(jù)模型分析[J].山東社會(huì)科學(xué)，2016（12）：114-120.

[8]韓劍，鄭秋玲.政府干預(yù)如何導(dǎo)致地區(qū)資源錯(cuò)配——基于行業(yè)內(nèi)和行業(yè)間錯(cuò)配的分解[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（11）：69-81.

[9]唐杰，劉建黨，梁植軍.治理質(zhì)量對(duì)中國(guó)省域經(jīng)濟(jì)增長(zhǎng)的影響研究：高速度增長(zhǎng)與高質(zhì)量發(fā)展[J].經(jīng)濟(jì)社會(huì)體制比較，2019（3）：16-28.

[10] 詹新宇，劉文彬.中國(guó)式財(cái)政分權(quán)與地方經(jīng)濟(jì)增長(zhǎng)目標(biāo)管理——來(lái)自省、市政府工作報(bào)告的經(jīng)驗(yàn)證據(jù)[J].管理世界，2020，36（3）：23-39+77.

[11] 楊宏山.政策執(zhí)行的路徑—激勵(lì)分析框架：以住房保障政策為例[J].政治學(xué)研究，2014（1）：78-92.

[12] 張潔梅，赫夢(mèng)瑩.地方政府投融資平臺(tái)風(fēng)險(xiǎn)管理的政策偏差及矯正[J].中州學(xué)刊，2017（10）：29-34.

[13] 王軍強(qiáng)，李兵.城市養(yǎng)老服務(wù)政策基層實(shí)踐偏差、困境及其治理——以北京市為例[J].社會(huì)保障研究，2018（3）：15-23.

[14] 韓克勇，候丹丹，王建秀.中國(guó)工業(yè)轉(zhuǎn)型升級(jí)政策偏差研究[J].學(xué)習(xí)與探索， 2019（10）：102-110.

[15] 張東玲，陳景帥，范麗偉.財(cái)政支農(nóng)與普惠金融的減貧增收效應(yīng)——基于整體性貧困治理視解的實(shí)證分析 [J].中南林業(yè)科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，14（5）：69-81.

[16] 劉曉明，孫毅，秦夢(mèng).山東經(jīng)濟(jì)增長(zhǎng)中的結(jié)構(gòu)調(diào)整效應(yīng)分解與路徑分析——基于新舊動(dòng)能轉(zhuǎn)換的視角[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，33（1）：91-98.