摘 要：革命老區(qū)已經(jīng)成為中國不可回避的區(qū)域協(xié)調(diào)發(fā)展的關(guān)鍵短板。針對(duì)陜甘寧、贛閩粵、大別山、左右江和川陜五個(gè)重點(diǎn)革命老區(qū)的革命老區(qū)振興規(guī)劃政策，使用多期雙重差分法基于2000—2020 年縣級(jí)面板數(shù)據(jù)分析其對(duì)固定資產(chǎn)投資的影響。研究發(fā)現(xiàn)：（1）革命老區(qū)振興規(guī)劃政策給政策覆蓋地區(qū)固定資產(chǎn)投資帶來了18.40%的額外增長(zhǎng)，重大項(xiàng)目布局和財(cái)政轉(zhuǎn)移支付為代表的“外部輸血”和經(jīng)濟(jì)實(shí)際增長(zhǎng)為代表的“內(nèi)部造血”是兩條重要作用渠道。（2）革命老區(qū)振興規(guī)劃政策使得五個(gè)重點(diǎn)革命老區(qū)固定資產(chǎn)投資額的增加更多地涌入實(shí)體經(jīng)濟(jì)而非房地產(chǎn)部門。革命老區(qū)振興規(guī)劃政策促進(jìn)了產(chǎn)業(yè)升級(jí)與轉(zhuǎn)型，并且在政策覆蓋地區(qū)實(shí)現(xiàn)了“工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村”。（3）革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)的促進(jìn)作用在社會(huì)經(jīng)濟(jì)指標(biāo)相對(duì)薄弱的地區(qū)效果更顯著，且具有政策示范效應(yīng)和空間溢出性，可以帶動(dòng)政策覆蓋地區(qū)周邊以及其他相關(guān)地區(qū)發(fā)展。綜上所述，革命老區(qū)振興規(guī)劃政策是對(duì)以革命老區(qū)為代表的經(jīng)濟(jì)相對(duì)欠發(fā)達(dá)地區(qū)，通過區(qū)域發(fā)展政策促進(jìn)固定資產(chǎn)投資，進(jìn)而拉動(dòng)經(jīng)濟(jì)長(zhǎng)效發(fā)展、產(chǎn)業(yè)升級(jí)轉(zhuǎn)型和城鄉(xiāng)共進(jìn)的可行路徑。

關(guān)鍵詞：革命老區(qū)振興規(guī)劃；多期雙重差分；固定資產(chǎn)投資；產(chǎn)業(yè)轉(zhuǎn)型

一、引 言

中國長(zhǎng)期以來一直面臨區(qū)域發(fā)展不平衡、不充分的基本國情，統(tǒng)籌推動(dòng)欠發(fā)達(dá)地區(qū)跨越式發(fā)展和重點(diǎn)突破從而實(shí)現(xiàn)高質(zhì)量發(fā)展一直是政府經(jīng)濟(jì)發(fā)展工作的重點(diǎn)（張明林和李華旭，2021）。國家“十四五”規(guī)劃《綱要》中明確強(qiáng)調(diào)，要繼續(xù)深入實(shí)施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，支持特殊類型地區(qū)加快發(fā)展，在發(fā)展中促進(jìn)區(qū)域相對(duì)平衡。雖然部分學(xué)者認(rèn)為區(qū)域協(xié)調(diào)戰(zhàn)略存在“政策陷阱”和“資源詛咒”，政府傾向于過度集中于固定資產(chǎn)投資和能源資源開發(fā)，忽視了發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，造成了“經(jīng)濟(jì)短視”（劉瑞明和趙仁杰，2015）。但基于中國的“一帶一路”“西部大開發(fā)”“振興東北”等區(qū)域協(xié)調(diào)戰(zhàn)略的經(jīng)驗(yàn)事實(shí)研究，更多的學(xué)者傾向于認(rèn)為，區(qū)域協(xié)調(diào)策略有助于區(qū)域經(jīng)濟(jì)發(fā)展和扭轉(zhuǎn)趨異的態(tài)勢(shì)（范劍勇和謝強(qiáng)強(qiáng)，2010）?？傮w而言，中國西部落后地區(qū)，西南“一帶一路”沿線地區(qū)以及東北老工業(yè)基地等區(qū)域發(fā)展落后問題已獲得宏觀層面的高度重視，不平衡不充分問題已經(jīng)得到了一定程度的緩解（李蘭冰和劉秉鐮，2015；李琳和劉瑩，2014）。在當(dāng)前階段，革命老區(qū)已經(jīng)成為中國不可回避的區(qū)域協(xié)調(diào)發(fā)展的關(guān)鍵短板（龔斌磊等，2022），這就要求更加精準(zhǔn)的政策單元來系統(tǒng)性、整體性針對(duì)革命老區(qū)，這一類特殊的欠發(fā)達(dá)地區(qū)進(jìn)行專項(xiàng)頂層設(shè)計(jì)。

習(xí)近平總書記在黨的十八大報(bào)告指出，要促進(jìn)革命老區(qū)發(fā)展，在全面建成小康社會(huì)的進(jìn)程中絕不能落下老區(qū)群眾?！笆濉逼陂g，有1/8 的中央預(yù)算資金使用在陜甘寧、贛閩粵、大別山、左右江和川陜五個(gè)重點(diǎn)革命老區(qū)中，投資規(guī)模超過3000 億元（張明林和李華旭，2021）。2021 年11 月，國務(wù)院批復(fù)了《“十四五”特殊類型地區(qū)振興發(fā)展規(guī)劃》，明確了太行等12 個(gè)革命老區(qū)的規(guī)劃范圍，以及長(zhǎng)治等20 個(gè)革命老區(qū)重點(diǎn)城市的目標(biāo)定位（茍護(hù)生和童章舜，2022）。五個(gè)重點(diǎn)革命老區(qū)30km DEM 地勢(shì)圖如圖1 所示，五個(gè)重點(diǎn)革命老區(qū)大多地勢(shì)陡峭且位于中國省行政邊界或省界線毗鄰地區(qū)，易受到“邊界效應(yīng)”影響，即地方政府傾向于將經(jīng)濟(jì)活動(dòng)的正外部性盡可能留在區(qū)域內(nèi)部，從而導(dǎo)致邊界毗鄰地區(qū)基礎(chǔ)設(shè)施建設(shè)的遲滯（楊冕等，2022）。在自然資源稟賦限制和歷史遺留問題等多方面原因的影響下，革命老區(qū)長(zhǎng)期以來產(chǎn)業(yè)發(fā)展后續(xù)動(dòng)力不足，經(jīng)濟(jì)發(fā)展相對(duì)遲緩。

上述五個(gè)重點(diǎn)革命老區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展水平在革命老區(qū)振興計(jì)劃實(shí)施后得到了顯著提升，固定資產(chǎn)投資也取得了持續(xù)增長(zhǎng)。作為拉動(dòng)經(jīng)濟(jì)的“三駕馬車”之一，固定資產(chǎn)投資是中國經(jīng)濟(jì)增長(zhǎng)的重要引擎，對(duì)經(jīng)濟(jì)的影響是存在長(zhǎng)期且滯后的效應(yīng)（侯榮華，2002）。除此之外，政府越來越重視固定資產(chǎn)投資在產(chǎn)業(yè)升級(jí)轉(zhuǎn)型和高質(zhì)量發(fā)展中的引導(dǎo)作用。如圖1 所示，十二大革命老區(qū)固定資產(chǎn)投資額雖然在總體上保持增長(zhǎng)的態(tài)勢(shì)且與全國其他區(qū)域的差距逐步縮小，但依舊處于落后局面。五個(gè)重點(diǎn)革命老區(qū)固定資產(chǎn)投資額與其他地區(qū)平均值的差距不斷縮小，甚至在2017 年實(shí)現(xiàn)反超。

對(duì)于革命老區(qū)而言，這樣的固定資產(chǎn)投資是否真的伴隨著產(chǎn)業(yè)的高級(jí)化，以及產(chǎn)業(yè)結(jié)構(gòu)合理化和城鄉(xiāng)協(xié)調(diào)發(fā)展需要進(jìn)一步研討。目前，圍繞革命老區(qū)振興規(guī)劃政策的研究，大多基于雙重差分方法針對(duì)整體政策創(chuàng)新與效果評(píng)估（龔斌磊等，2022）、綠色全要素生產(chǎn)率（張明林和李華旭，2021）、綠色發(fā)展路徑（楊冕等，2022）以及農(nóng)業(yè)發(fā)展（張啟正等，2022）等角度展開研究，也有小部分學(xué)者通過如贛南老區(qū)（李志萌和張宜紅，2016）進(jìn)行案例分析。張明林（2021）運(yùn)用PSM-DID 方法從綠色全要素生產(chǎn)率的角度評(píng)估國家優(yōu)先支持政策對(duì)五個(gè)重點(diǎn)革命老區(qū)的促進(jìn)效應(yīng)（張明林和李華旭，2021）。張啟正（2022）探討革命老區(qū)振興規(guī)劃對(duì)農(nóng)業(yè)尤其是農(nóng)業(yè)生產(chǎn)率這個(gè)重要指標(biāo)的影響，發(fā)現(xiàn)其在促進(jìn)農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型方面效果顯著（張啟正等，2022）。雖然，龔斌磊（2022）在分析革命老區(qū)的經(jīng)濟(jì)增長(zhǎng)時(shí)，關(guān)注到了投資角度，并使用城鎮(zhèn)固定資產(chǎn)投資完成額作為中介變量進(jìn)行分析（龔斌磊等，2022）。但城鎮(zhèn)固定資產(chǎn)投資完成額本身，并不能充分涵蓋革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資的復(fù)雜影響。五個(gè)重點(diǎn)革命老區(qū)的固定資產(chǎn)投資增加，是否涌向了房地產(chǎn)資源，擠占了其他領(lǐng)域的固定資產(chǎn)投資？“輸血”式“造血”是革命老區(qū)經(jīng)濟(jì)發(fā)展前期重要財(cái)力支持的來源，但這并非長(zhǎng)久之道。經(jīng)濟(jì)的長(zhǎng)期發(fā)展還需要提高工業(yè)化水平和實(shí)際經(jīng)濟(jì)產(chǎn)出以實(shí)現(xiàn)正向循環(huán)發(fā)展，也就是內(nèi)部“造血”。在革命老區(qū)這樣特殊的欠發(fā)達(dá)地區(qū)，五個(gè)重點(diǎn)革命老區(qū)固定資產(chǎn)投資額的增加，“輸血”和“造血”到底分別扮演著怎樣的角色？這些地區(qū)是否真正能實(shí)現(xiàn)健康的“血液循環(huán)”？從更長(zhǎng)遠(yuǎn)角度來說，革命老區(qū)是否實(shí)現(xiàn)了“工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村”的新時(shí)期中國發(fā)展戰(zhàn)略目標(biāo)？

本文在系統(tǒng)性整合多渠道數(shù)據(jù)的基礎(chǔ)上，構(gòu)建2000—2020 年的非平衡縣域面板數(shù)據(jù)，采用多期雙重差分法（Staggered difference in difference，DID）分析革命老區(qū)振興規(guī)劃政策對(duì)政策覆蓋地區(qū)固定資產(chǎn)投資的影響和作用機(jī)制。本文研究的邊際貢獻(xiàn)主要有以下三個(gè)方面：首先，基于投資角度，評(píng)估了革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資的影響，為下一階段通過政策拉動(dòng)投資，進(jìn)而推動(dòng)革命老區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展提供參考借鑒；其次，厘清了“外部輸血”和“內(nèi)部造血”兩條革命老區(qū)振興規(guī)劃政策對(duì)促進(jìn)固定資產(chǎn)投資的作用渠道，并進(jìn)一步發(fā)現(xiàn)對(duì)固定資產(chǎn)的投資主要涌向?qū)嶓w而非房地產(chǎn)部門，并兼顧農(nóng)業(yè)和農(nóng)村發(fā)展，豐富了區(qū)域優(yōu)先發(fā)展規(guī)劃有關(guān)的經(jīng)驗(yàn)研究；最后，通過異質(zhì)性分析，探究社會(huì)經(jīng)濟(jì)水平異質(zhì)性、政策示范效應(yīng)和空間溢出性，為下一步推進(jìn)其他相對(duì)欠發(fā)達(dá)地區(qū)跨越式發(fā)展提供決策參考。

二、理論分析框架

通過區(qū)域發(fā)展規(guī)劃政策推動(dòng)社會(huì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)逆勢(shì)追趕，縮小區(qū)域發(fā)展差距，推進(jìn)落后地區(qū)增加收入和可持續(xù)發(fā)展已經(jīng)成為近幾十年來各國，尤其是發(fā)展中國家采用的共通策略。區(qū)域發(fā)展政策是指政府為促進(jìn)各地區(qū)經(jīng)濟(jì)發(fā)展和社會(huì)和諧穩(wěn)定通過加強(qiáng)資源配置、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)基礎(chǔ)設(shè)施建設(shè)、提升人才培養(yǎng)能力等方式，幫助不同地區(qū)發(fā)揮其獨(dú)特的優(yōu)勢(shì)，促進(jìn)區(qū)域內(nèi)的經(jīng)濟(jì)協(xié)調(diào)發(fā)展（孫志燕和侯永志，2019）。根據(jù)制度經(jīng)濟(jì)學(xué)，區(qū)域經(jīng)濟(jì)發(fā)展與政府推行的政策制度密不可分，實(shí)施國家區(qū)域發(fā)展政策有利于從政策頂層設(shè)計(jì)打破革命老區(qū)發(fā)展的原始固定路徑依賴性。根據(jù)內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論，國家區(qū)域發(fā)展政策保障了地區(qū)的前期發(fā)展資本積累，并為后續(xù)產(chǎn)業(yè)升級(jí)提供了重要的資金來源和項(xiàng)目保障（楊冕等，2022）。革命老區(qū)振興規(guī)劃政策，在加強(qiáng)外部推力的同時(shí)，可以定向培育革命老區(qū)高質(zhì)量發(fā)展的內(nèi)源動(dòng)力。

基于支出法的國民經(jīng)濟(jì)核算，固定資產(chǎn)投資作為資本形成總額中的重要組成成分，其重要性不言而喻。根據(jù)柯布—道格拉斯生產(chǎn)函數(shù)，固定資產(chǎn)凈值作為投入的資本的主要代表，對(duì)經(jīng)濟(jì)產(chǎn)出有巨大的推動(dòng)作用。而根據(jù)全要素生產(chǎn)率，流向支持技術(shù)進(jìn)步的固定資產(chǎn)投資可以促進(jìn)技術(shù)發(fā)展和產(chǎn)業(yè)升級(jí)進(jìn)而促進(jìn)生產(chǎn)效率的提高（Sascha et al.，2010）。

Abdul（2016）發(fā)現(xiàn)增加固定資產(chǎn)投資在長(zhǎng)短期內(nèi)都會(huì)提高產(chǎn)出，吸引私人投資，并降低失業(yè)率（Abdul et al.，2016）。Andreea（2022）針對(duì)現(xiàn)有的對(duì)使用固定資產(chǎn)投資作為促進(jìn)增長(zhǎng)因素效力的質(zhì)疑，利用基于新興歐盟和中歐國家的實(shí)證研究發(fā)現(xiàn)固定資產(chǎn)投資具有強(qiáng)大的積極影響（Andreeaet al.，2022）。Nguyen（2022）研究發(fā)現(xiàn)政府參與的公共投資將有效促進(jìn)綠色發(fā)展（Nguyen et al.，2022）。此外，大量學(xué)者研究發(fā)現(xiàn)固定資產(chǎn)在調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)業(yè)升級(jí)方面影響不容小覷（Rui etal.，2020）。

而學(xué)者們基于中國的經(jīng)驗(yàn)事實(shí)研究也獲得了類似的發(fā)現(xiàn)，苗敬毅等（2007）與侯榮華（2002）從中國不同時(shí)間維度的歷史數(shù)據(jù)驗(yàn)證了固定資產(chǎn)投資對(duì)經(jīng)濟(jì)增長(zhǎng)的影響和滯后效應(yīng)（侯榮華，2002；苗敬毅等，2007）。固定資產(chǎn)投資往往是一個(gè)地區(qū)經(jīng)濟(jì)增長(zhǎng)的前提保證，在當(dāng)代固定資產(chǎn)投資也是優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)的重要途徑，為經(jīng)濟(jì)持續(xù)健康發(fā)展提供了重要?jiǎng)恿Γㄖ彀l(fā)倉和祝欣茹，2020）。固定資產(chǎn)投資對(duì)需求的總量和結(jié)構(gòu)產(chǎn)生直接影響的同時(shí)，又增加了社會(huì)總供給從而擴(kuò)大社會(huì)生產(chǎn)能力（曹躍群等，2019）。研究發(fā)現(xiàn)固定資產(chǎn)投資不僅可以促進(jìn)低碳發(fā)展并且可以改善產(chǎn)業(yè)結(jié)構(gòu)（Yangand Chien-Chiang，2020）。固定資產(chǎn)投資在通過消費(fèi)投資增加當(dāng)年地區(qū)生產(chǎn)總值（GDP）的同時(shí)，自身也形成未來生產(chǎn)和服務(wù)能力從而促進(jìn)未來的GDP，并且固定資產(chǎn)的投資也可以在一定程度上也彌補(bǔ)因折舊而損耗和因技術(shù)落后而淘汰的生產(chǎn)能力，并增加了未來時(shí)期社會(huì)財(cái)富的創(chuàng)造能力。

政府的財(cái)政支出被視為固定資產(chǎn)投資的重要來源之一，但這一渠道通常被認(rèn)為是“外部輸血”可能治標(biāo)不治本，只能解“一時(shí)之急”。而經(jīng)濟(jì)實(shí)際產(chǎn)出的提高對(duì)于固定投資的促進(jìn)作用可以被認(rèn)為是最重要的“內(nèi)部造血”機(jī)制之一。房地產(chǎn)投資對(duì)其他固定資產(chǎn)投資的擠出效應(yīng)占主導(dǎo)地位（黃徐亮等，2023），如果固定資產(chǎn)投資的“熱錢”涌向房地產(chǎn)部門而非實(shí)體部門，則會(huì)引發(fā)房地產(chǎn)泡沫。房地產(chǎn)泡沫對(duì)技術(shù)創(chuàng)新存在資源錯(cuò)配、資金擠占和成本增加效應(yīng)，顯著抑制技術(shù)創(chuàng)新（馬昭君和葛新權(quán)，2023）。雖然國家宏觀層面一直以來重視農(nóng)業(yè)和農(nóng)民的脆弱性問題（李長(zhǎng)松等，2023；徐婷婷和孫蓉，2022；Liu et al.，2023），但在政策的實(shí)施過程中，政府可能傾向于在短期內(nèi)過度追求經(jīng)濟(jì)績(jī)效，忽略或犧牲農(nóng)業(yè)和農(nóng)民。

如圖2 所示，針對(duì)革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資的影響研究以“外部輸血”和“內(nèi)部造血”為邏輯起點(diǎn)。一方面，通過產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型項(xiàng)目布局和財(cái)政轉(zhuǎn)移支付為當(dāng)?shù)氐墓潭ㄙY產(chǎn)投資帶來“外部輸血”。另一方面，通過加快工業(yè)化進(jìn)程和擴(kuò)大社會(huì)信貸，實(shí)現(xiàn)“內(nèi)部造血”，雙渠道作用實(shí)現(xiàn)固定資產(chǎn)投資增加。在實(shí)現(xiàn)固定資產(chǎn)投資增加的基礎(chǔ)上，革命老區(qū)振興規(guī)劃政策發(fā)揮固定資產(chǎn)投資的產(chǎn)業(yè)轉(zhuǎn)型效應(yīng)和創(chuàng)新效應(yīng)，促使工業(yè)農(nóng)業(yè)并舉發(fā)展的同時(shí)，提高農(nóng)村居民收入水平和鄉(xiāng)村就業(yè)情況，從而達(dá)成“城市帶動(dòng)農(nóng)村，工業(yè)反哺農(nóng)業(yè)”的戰(zhàn)略目標(biāo)。

（一）模型設(shè)定

基于五個(gè)重點(diǎn)革命老區(qū)振興規(guī)劃政策分批次實(shí)施的政策特點(diǎn)，選用多期雙重差分模型（李慧等，2024；廖直東和李威，2023），基準(zhǔn)回歸模型設(shè)定如下：

為規(guī)避模型估計(jì)系數(shù)的一致性被事后控制變量嚴(yán)重影響的問題，使用事前控制變量與πt 的交互項(xiàng)來控制政策發(fā)生前不同特征的地區(qū)可能存在的時(shí)間趨勢(shì)差異保證條件獨(dú)立性假設(shè)的成立（張啟正等，2022）。

（二）變量選擇

1. 被解釋變量

固定資產(chǎn)投資額，是指以貨幣形式表現(xiàn)的在一定時(shí)期內(nèi)建造和購置固定資產(chǎn)的工作量和與此有關(guān)的費(fèi)用的總稱，選用全社會(huì)固定資產(chǎn)投資額以反映地區(qū)固定資產(chǎn)投資的發(fā)展情況。全社會(huì)固定資產(chǎn)投資，是在一定時(shí)期內(nèi)以貨幣形式表現(xiàn)的全社會(huì)建造和購置固定資產(chǎn)活動(dòng)的工作量，以及與此有關(guān)的費(fèi)用的總稱。

2. 解釋變量

本文的被解釋變量為是否被革命老區(qū)振興規(guī)劃政策覆蓋：若該縣當(dāng)年被革命老區(qū)振興規(guī)劃政策所覆蓋取值為1，反之為0。

3. 控制變量

革命老區(qū)振興規(guī)劃政策并非傳統(tǒng)意義上的完全外生沖擊，因此需要進(jìn)一步控制可能影響政策實(shí)施的相關(guān)變量是必要的，本文的控制變量主要有以下四個(gè)角度。（1）革命斗爭(zhēng)歷史，即是否為中國革命老根據(jù)地。根據(jù)中國老區(qū)建設(shè)促進(jìn)會(huì)的統(tǒng)計(jì)，革命老區(qū)共包含1383 個(gè)縣級(jí)行政單位。但擁有革命老區(qū)斗爭(zhēng)歷史只是選擇革命老區(qū)振興規(guī)劃政策落地區(qū)域的一項(xiàng)必要前提條件，還需要考慮地理環(huán)境和經(jīng)濟(jì)發(fā)展水平有關(guān)因素。（2）地理?xiàng)l件，區(qū)域地理環(huán)境因素本身以及距離省會(huì)城市和地級(jí)市的遠(yuǎn)近先天地理區(qū)位因素也會(huì)影響革命老區(qū)自身經(jīng)濟(jì)發(fā)展情況進(jìn)而影響革命老區(qū)振興規(guī)劃政策覆蓋范圍，具體包括平均海拔，地形起伏度和省會(huì)城市以及地級(jí)市的距離等。（3）社會(huì)經(jīng)濟(jì)控制變量，這些控制變量與當(dāng)?shù)氐墓潭ㄙY產(chǎn)發(fā)展水平相關(guān)，且反映了縣級(jí)行政區(qū)當(dāng)?shù)氐纳鐣?huì)經(jīng)濟(jì)狀況，這些變量同時(shí)也可能是影響該縣級(jí)行政區(qū)是否被納入革命老區(qū)振興規(guī)劃政策的關(guān)鍵因素。具體而言包括地方財(cái)政支出、地方財(cái)政收入、財(cái)政緊張程度、總?cè)丝?、地區(qū)生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、人均純收入。（4）其他可能影響革命老區(qū)振興規(guī)劃政策的覆蓋范圍的相關(guān)區(qū)域發(fā)展規(guī)劃，包括11 個(gè)國家級(jí)集中連片特困地區(qū)、國家級(jí)貧困縣政策和全國糧食生產(chǎn)先進(jìn)單位。

（三）樣本說明和變量描述性統(tǒng)計(jì)

主要圍繞五個(gè)重點(diǎn)革命老區(qū)的振興規(guī)劃在剔除行政轄區(qū)有明顯變動(dòng)和數(shù)據(jù)嚴(yán)重缺失的縣級(jí)行政單位后，最終構(gòu)建了2000—2020 年中國31 個(gè)?。▍^(qū)、市）2264 個(gè)縣級(jí)單位的非平衡面板數(shù)據(jù)以探究其對(duì)固定資產(chǎn)投資額的影響及其作用機(jī)理。

本文通過多渠道獲取研究數(shù)據(jù)。全社會(huì)固定資產(chǎn)投資額、城鎮(zhèn)固定資產(chǎn)投資完成額、流向?qū)嶓w的固定資產(chǎn)投資、人均國內(nèi)生產(chǎn)總值、人均純收入、財(cái)政支出、財(cái)政收入、財(cái)政緊張程度、總?cè)丝跀?shù)等主要來自國泰安金融數(shù)據(jù)庫CSMAR 的縣域經(jīng)濟(jì)數(shù)據(jù)庫以及國家統(tǒng)計(jì)局的縣域統(tǒng)計(jì)年鑒，并進(jìn)行交叉比對(duì)補(bǔ)充；中國革命老區(qū)根據(jù)地相關(guān)數(shù)據(jù)來源于中國老區(qū)建設(shè)促進(jìn)會(huì)官網(wǎng)；縣級(jí)行政區(qū)地形數(shù)據(jù)來自游珍（游珍等，2018）；縣域平均海拔數(shù)據(jù)來源于美國奮進(jìn)號(hào)航天飛機(jī)的雷達(dá)地形測(cè)繪SRTM（Shuttle Radar Topography Mission，SRTM）數(shù)據(jù)的1km 精度的DEM 數(shù)據(jù)；革命老區(qū)振興規(guī)劃政策的實(shí)施時(shí)間以及范圍的數(shù)據(jù)來源于國務(wù)院自2012 年后陸續(xù)批準(zhǔn)的支持贛南、陜甘寧、左右江、大別山、川陜等革命老區(qū)振興發(fā)展的政策規(guī)劃文件；國家級(jí)貧困縣名錄來自國家鄉(xiāng)村振興局的《全國832 個(gè)貧困縣名單》；全國糧食生產(chǎn)先進(jìn)單位名錄來自《農(nóng)業(yè)部關(guān)于表彰2010 年全國糧食生產(chǎn)先進(jìn)單位和個(gè)人的決定》；集中連片特困地區(qū)名錄來自《國務(wù)院扶貧辦關(guān)于公布全國連片特困地區(qū)分縣名單的說明》。

變量的詳細(xì)介紹和描述性統(tǒng)計(jì)分析如表1 所示。

四、基準(zhǔn)回歸分析與穩(wěn)健性檢驗(yàn)

（一）基準(zhǔn)回歸

針對(duì)革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)的影響，多期DID 面板數(shù)據(jù)可視化如圖3 所示，革命老區(qū)振興規(guī)劃政策的政策落地時(shí)間和控制組對(duì)照組數(shù)量對(duì)比情況較為合理，本文所用的數(shù)據(jù)樣本可以較好地反映出基于全國縣域革命老區(qū)振興規(guī)劃政策的實(shí)際情況。

如表2 所示，所有回歸均已考慮相關(guān)規(guī)劃與時(shí)間固定效應(yīng)的交互項(xiàng)、個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)，將革命斗爭(zhēng)歷史、地理位置條件、社會(huì)經(jīng)濟(jì)條件和區(qū)域發(fā)展規(guī)劃逐步加入基準(zhǔn)回歸。如（1）～（5）列所示，回歸系數(shù)在13.12%到19.96%之間浮動(dòng)，且置信區(qū)間均為99%。本文以（5）列作為基準(zhǔn)回歸結(jié)果進(jìn)行分析，革命老區(qū)振興規(guī)劃政策的實(shí)施在1%的水平上顯著為政策覆蓋縣的固定資產(chǎn)投資帶來了18.40%的額外增長(zhǎng)，革命老區(qū)振興規(guī)劃政策能顯著有效地促進(jìn)政策覆蓋地區(qū)固定資產(chǎn)投資增長(zhǎng)的假設(shè)得到了證實(shí)。

（二）平行趨勢(shì)檢驗(yàn)

為檢驗(yàn)固定資產(chǎn)投資的增長(zhǎng)趨勢(shì)是否在革命老區(qū)振興規(guī)劃政策落實(shí)之前就已經(jīng)出現(xiàn)，選用事件研究法（黃煒等，2022）檢驗(yàn)基準(zhǔn)回歸涉及的平行趨勢(shì)假設(shè)，具體檢驗(yàn)?zāi)Ｐ腿缦滤荆?/p>

（三）穩(wěn)健性檢驗(yàn)

1. 縮尾處理

為避免異常值對(duì)研究結(jié)果的影響，對(duì)固定資產(chǎn)投資額進(jìn)行上下兩端1%與5%的縮尾處理?；貧w結(jié)果如表3 中（1）～（2）列所示，革命老區(qū)振興規(guī)劃政策的實(shí)施為政策覆蓋地區(qū)固定資產(chǎn)投資額分別獲得了17.79%和19.25%的增長(zhǎng)，這與基準(zhǔn)回歸結(jié)果也相吻合。

2. 排除相關(guān)政策干擾

革命老區(qū)振興規(guī)劃政策覆蓋地區(qū)在總體上屬于相對(duì)欠發(fā)達(dá)地區(qū)，在地理分布上與國家連片特困地區(qū)和國家級(jí)貧困縣有很大程度的重復(fù)。2015 年政府頒布《關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》后，中央政府對(duì)貧困特困地區(qū)有不同程度的政策傾斜支持和財(cái)政撥款專項(xiàng)扶持?？紤]到固定資產(chǎn)投資本身，可能很大程度受國家宏觀政策和財(cái)政轉(zhuǎn)移支付影響。而“脫貧攻堅(jiān)”戰(zhàn)略中的無條件轉(zhuǎn)移支付等兜底保障政策，不可避免地會(huì)擠占來自政府的財(cái)政資金，影響“外部輸血”的力度，進(jìn)而對(duì)固定資產(chǎn)投資產(chǎn)生負(fù)面影響，所以本文將其納入回歸分析。結(jié)果如表3（3）列所示，在考慮了脫貧攻堅(jiān)政策的影響后，革命老區(qū)振興規(guī)劃政策對(duì)五個(gè)重點(diǎn)革命老區(qū)依然帶來了16.95%的固定資產(chǎn)增長(zhǎng)，“脫貧攻堅(jiān)”戰(zhàn)略的實(shí)施使固定資產(chǎn)投資降低15.05%，且均在1%的水平上顯著，這個(gè)回歸結(jié)果也與經(jīng)驗(yàn)事實(shí)相吻合。

3. 安慰劑檢驗(yàn)

（1）隨機(jī)提前政策實(shí)施時(shí)間

參考曹清峰（2020）的做法，采用以下方法隨機(jī)提前政策時(shí)間點(diǎn)：假定國家革命老區(qū)振興規(guī)劃政策覆蓋的縣級(jí)行政區(qū)不變，如果現(xiàn)實(shí)中縣級(jí)行政區(qū)i 在t 年被納入了革命老區(qū)振興規(guī)劃政策覆蓋范圍，那么從[2000，t-1]的時(shí)間范圍內(nèi)隨機(jī)抽取任意1 年作為i 縣級(jí)行政區(qū)被納入國家革命老區(qū)振興規(guī)劃政策覆蓋的時(shí)間，并且重復(fù)隨機(jī)1000 次（曹清峰，2020）。如圖5 所示，革命老區(qū)振興規(guī)劃政策系數(shù)基本滿足正態(tài)分布，且平均值小于真實(shí)系數(shù)估計(jì)值，即隨機(jī)提前革命老區(qū)振興規(guī)劃政策覆蓋的時(shí)間，對(duì)所在的縣級(jí)行政區(qū)固定資產(chǎn)投資增長(zhǎng)的帶動(dòng)效應(yīng)出現(xiàn)明顯下降，從反事實(shí)角度證實(shí)了革命老區(qū)振興規(guī)劃政策實(shí)施促進(jìn)了固定資產(chǎn)投資。

（2）隨機(jī)政策實(shí)施個(gè)體

將處理組中的革命老區(qū)振興規(guī)劃覆蓋區(qū)域視為新的控制組；在控制組中選取與處理組樣本數(shù)相同的縣級(jí)行政區(qū)作為新的處理組，并且保持新處理組樣本中縣級(jí)行政區(qū)的政策實(shí)施時(shí)間、批次與原處理組一致，并且重復(fù)隨機(jī)1000 次（曹清峰，2020）。如圖6 所示，革命老區(qū)振興規(guī)劃的相關(guān)系數(shù)均值約為0，遠(yuǎn)小于基準(zhǔn)回歸17.32%，這表明革命老區(qū)振興規(guī)劃政策效應(yīng)表現(xiàn)出了明顯的區(qū)位導(dǎo)向性。

（3）同時(shí)隨機(jī)政策時(shí)間與處理組樣本

參考白俊紅等（2022）的做法，從所有樣本中選取與原處理組相同數(shù)量的樣本，并隨機(jī)生成政策實(shí)施時(shí)間，構(gòu)建縣級(jí)行政區(qū)與政策時(shí)間均隨機(jī)的新處理組，并且隨機(jī)重復(fù)500 次實(shí)驗(yàn)（白俊紅等，2022）。如圖7 所示，時(shí)間和個(gè)體雙隨機(jī)化處理后，革命老區(qū)振興規(guī)劃政策項(xiàng)系數(shù)集中分布于0 附近，絕大多數(shù)P 值大于0.1，并且隨機(jī)系數(shù)基本位于真實(shí)值17.35%左側(cè)，證明雙重隨機(jī)處理后，政策效果在顯著性與作用強(qiáng)度方面均有大幅度削弱，也證實(shí)了基準(zhǔn)回歸結(jié)論的穩(wěn)健性。

4. Bacon 分解

Goodman（2021）研究發(fā)現(xiàn)，處理效應(yīng)的異質(zhì)性使得同一處理變量對(duì)于不同個(gè)體產(chǎn)生的效果存在差異，將會(huì)導(dǎo)致雙向固定效應(yīng)估計(jì)量（TWFEDD）產(chǎn)生估計(jì)偏誤（Goodman，2021）。為厘清處理效應(yīng)異質(zhì)性對(duì)TWFEDD 結(jié)果的映射程度和方向，Goodman 提出Bacon 分解，其檢驗(yàn)核心是將TWFEDD 拆分為若干個(gè)經(jīng)典DID（2*2DID）組合，測(cè)算每一個(gè)2*2DID 對(duì)應(yīng)的處理效應(yīng)和權(quán)重并進(jìn)行異質(zhì)性導(dǎo)致誤差嚴(yán)重程度的判斷（劉沖等，2022）。結(jié)果如表4 所示，將“早處理組”與“晚處理組”互為對(duì)照組的處理效應(yīng)合并，其權(quán)重為3.60%，平均處理效應(yīng)為14.98%，與處理組和對(duì)照組間的2*2DID 平均處理效應(yīng)測(cè)度結(jié)果相近，且占總體回歸結(jié)果的比重較小，說明處理效應(yīng)異質(zhì)性問題對(duì)整體TWFEDD 影響微乎其微，總體而言，基準(zhǔn)回歸結(jié)果較為可靠。

圖8 Bacon 分解圖更能清晰地展示相關(guān)Bacon 分解回歸結(jié)果，進(jìn)一步佐證盡管誤差存在，但對(duì)本文的分析框架和數(shù)據(jù)樣本統(tǒng)計(jì)回歸研究影響較小，證明了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

五、中介檢驗(yàn)與進(jìn)一步分析

（一）中介檢驗(yàn)

根據(jù)理論分析，革命老區(qū)振興規(guī)劃政策實(shí)施后，政策覆蓋地區(qū)固定資產(chǎn)投資主要通過“外部輸血”和“內(nèi)部造血”兩條主要途徑共同作用。但固定資產(chǎn)投資額多大程度通過所獲得的政府轉(zhuǎn)移支付增加來促進(jìn)，同時(shí)“工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村”是否達(dá)成？政策覆蓋地區(qū)是否通過“輸血”帶動(dòng)了“造血”，并且自主“造血”功能是否日益強(qiáng)大？這些都需要進(jìn)一步討論，參考江艇（2022）構(gòu)建如下所示的中介模型（江艇，2022）：

如表5（1）列所示，相比于未受革命老區(qū)振興規(guī)劃政策覆蓋的地區(qū)，革命老區(qū)振興規(guī)劃政策的實(shí)施使政策覆蓋地區(qū)的地方政府一般預(yù)算支出增加了3.85%，且在1%的水平上顯著。這說明，革命老區(qū)振興規(guī)劃政策的實(shí)施可以有效提升政策覆蓋地區(qū)的地方政府一般性預(yù)算支出，政府的“輸血”力度大幅提升。這與中央財(cái)政針對(duì)革命老區(qū)轉(zhuǎn)移支付額的不斷“加碼”的客觀事實(shí)相吻合。中央財(cái)政針對(duì)革命老區(qū)的轉(zhuǎn)移性支付實(shí)現(xiàn)了激增，從2013 年的51.4 億元以21.16%的年均增速攀升到2019 年的162.6 億元，為同期中央財(cái)政對(duì)地方轉(zhuǎn)移支付總額年均增速的近三倍（龔斌磊等，2022）。來自中央財(cái)政的轉(zhuǎn)移支付資金，可以緩解地方財(cái)政壓力，補(bǔ)充財(cái)政資金來源，推動(dòng)革命老區(qū)的基礎(chǔ)設(shè)施建設(shè)、產(chǎn)業(yè)發(fā)展等，引導(dǎo)投資，從而促進(jìn)革命老區(qū)經(jīng)濟(jì)的均衡發(fā)展。以財(cái)政轉(zhuǎn)移支付和政府重大項(xiàng)目布局為代表的“外部輸血”，可以引導(dǎo)和推動(dòng)革命老區(qū)這樣的特殊地區(qū)的固定資產(chǎn)投資。

如表5（2）～（3）列所示而對(duì)于“內(nèi)部造血”革命老區(qū)振興規(guī)劃政策的實(shí)施使政策覆蓋地區(qū)年末金融機(jī)構(gòu)各項(xiàng)貸款余額和工業(yè)增加值分別有6.48%和26.15%的提升，且在5%以上水平顯著。年末金融機(jī)構(gòu)各項(xiàng)貸款余額代表了從資金來源角度呈現(xiàn)的金融機(jī)構(gòu)對(duì)社會(huì)的信貸投放規(guī)模，作為主要的貸款資金供給端，可以通過“乘數(shù)效應(yīng)”促進(jìn)社會(huì)經(jīng)濟(jì)各個(gè)領(lǐng)域的投資和運(yùn)營(yíng)。第二產(chǎn)業(yè)產(chǎn)值可以直觀反映工業(yè)生產(chǎn)活動(dòng)的發(fā)展情況，第二產(chǎn)業(yè)產(chǎn)值的增長(zhǎng)通常意味著工業(yè)化水平的提高。這從側(cè)面反映了革命老區(qū)生產(chǎn)能力的提升以及市場(chǎng)需求的增長(zhǎng)，從需求端拉動(dòng)固定資產(chǎn)投資額，推動(dòng)革命老區(qū)經(jīng)濟(jì)“內(nèi)部造血”渠道的發(fā)展。

革命老區(qū)振興規(guī)劃政策不僅引入外部資源，對(duì)政策覆蓋地區(qū)快速注入發(fā)展動(dòng)力，從而實(shí)現(xiàn)強(qiáng)力“輸血”，同時(shí)發(fā)揮內(nèi)生動(dòng)力，實(shí)現(xiàn)“內(nèi)部造血”，兩條渠道相輔相成，互為補(bǔ)充，共同促進(jìn)革命老區(qū)固定資產(chǎn)投資。

（二）進(jìn)一步分析——對(duì)固定資產(chǎn)投資額的拆解

如表6（1）～（2）列所示，革命老區(qū)振興規(guī)劃政策使政策覆蓋地區(qū)的新增固定資產(chǎn)減少43.37%，固定資產(chǎn)投資完成額獲得了11.75%的額外增長(zhǎng)，且均在1%的水平上顯著。固定資產(chǎn)投資額是以工程完成進(jìn)度為依據(jù)計(jì)算的，而新增固定資產(chǎn)是以項(xiàng)目是否通過驗(yàn)收交付使用為標(biāo)準(zhǔn)計(jì)算的。固定資產(chǎn)投資額正向相關(guān)和新增固定投資顯著負(fù)向相關(guān)的回歸結(jié)果，與革命老區(qū)振興規(guī)劃政策，通過重大項(xiàng)目布局立足長(zhǎng)期規(guī)劃發(fā)展而不是短期工程項(xiàng)目，交付期相對(duì)較長(zhǎng)的真實(shí)情況相吻合。表6（3）～（5）列表明，革命老區(qū)振興規(guī)劃政策驅(qū)使流向房地產(chǎn)的固定資產(chǎn)投資額降低15.22%，房地產(chǎn)占固定資產(chǎn)比例降低了4.01%，流向?qū)嶓w的凈固定資產(chǎn)投資額增加了22.9%，這表明革命老區(qū)振興規(guī)劃政策推動(dòng)政策覆蓋地區(qū)的固定資產(chǎn)投資額的增加額，主要涌入實(shí)體經(jīng)濟(jì)而不是房地產(chǎn)部門。

考慮到房地產(chǎn)投資對(duì)第二產(chǎn)業(yè)的擠出效應(yīng)，革命老區(qū)振興規(guī)劃政策覆蓋地區(qū)固定資產(chǎn)投資主要流向?qū)嶓w而不是房地產(chǎn)開發(fā)部門，固定資產(chǎn)投資完成額增加而新增固定資產(chǎn)減少的客觀事實(shí)，表明革命老區(qū)振興規(guī)劃政策推動(dòng)政策覆蓋地區(qū)的固定資產(chǎn)投資流向長(zhǎng)期重大項(xiàng)目，而不是短期短視項(xiàng)目，兼顧經(jīng)濟(jì)長(zhǎng)期發(fā)展。

（三）進(jìn)一步分析——工業(yè)反哺農(nóng)業(yè)，城市支持農(nóng)村

以史為鑒，可知興替，推動(dòng)工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村的機(jī)制是促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的必要途徑。中國目前工業(yè)化處于特定階段，結(jié)合中國農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)的戰(zhàn)略，以及農(nóng)村發(fā)展特殊性糅合復(fù)雜性的客觀現(xiàn)實(shí)，決定了中國總體上已到達(dá)以工促農(nóng)、以城帶鄉(xiāng)的新發(fā)展階段。革命老區(qū)振興規(guī)劃政策在帶動(dòng)政策覆蓋地區(qū)的固定投資增長(zhǎng)的同時(shí)，是否注重產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化與合理化、統(tǒng)籌城鄉(xiāng)發(fā)展和工業(yè)農(nóng)業(yè)并舉？為回答以上問題，圍繞革命老區(qū)是否做到工業(yè)反哺農(nóng)業(yè)，城市支持農(nóng)村展開進(jìn)一步分析。

如表7（1）～（3）列所示，革命老區(qū)振興規(guī)劃政策給IND 帶來額外的1.18%提升，革命老區(qū)振興規(guī)劃政策給第二產(chǎn)業(yè)產(chǎn)值占GDP 比帶來1.07%的增長(zhǎng)，第二產(chǎn)業(yè)與第一產(chǎn)業(yè)產(chǎn)值比帶來1.24%的提升。革命老區(qū)振興規(guī)劃政策就總體而言，促進(jìn)農(nóng)業(yè)和工業(yè)并行增長(zhǎng)，并一定程度改善經(jīng)濟(jì)增長(zhǎng)的質(zhì)量和效率，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。如表7（4）列所示，革命老區(qū)振興規(guī)劃政策給第三產(chǎn)業(yè)年末從業(yè)人數(shù)帶來了78.27%的增長(zhǎng)，從勞動(dòng)供給角度提高了第三產(chǎn)業(yè)的資源投入，表明革命老區(qū)可以促進(jìn)產(chǎn)業(yè)發(fā)展逐步高級(jí)化。

如表7（5）～（6）列，革命老區(qū)振興規(guī)劃政策對(duì)政策覆蓋地區(qū)的農(nóng)村人均純收入帶來了3.63%的增長(zhǎng)，并且給鄉(xiāng)村從業(yè)人數(shù)帶來了413%的跨越式增加。革命老區(qū)振興規(guī)劃政策可以從收入和就業(yè)兩個(gè)角度促使城鎮(zhèn)的發(fā)展有效惠及農(nóng)村地區(qū)，是否在政策覆蓋地區(qū)產(chǎn)生了“城市支持農(nóng)村”的效果。

綜上所述，革命老區(qū)振興規(guī)劃政策實(shí)施后，促進(jìn)了產(chǎn)業(yè)升級(jí)與轉(zhuǎn)型，并且在政策覆蓋地區(qū)實(shí)現(xiàn)了“工業(yè)反哺農(nóng)業(yè)，城市支持農(nóng)村”，在工業(yè)與農(nóng)業(yè)的并舉發(fā)展的同時(shí)，將城鎮(zhèn)發(fā)展惠及農(nóng)村地區(qū)。

六、異質(zhì)性分析

（一）社會(huì)經(jīng)濟(jì)條件異質(zhì)性分析

從整體社會(huì)經(jīng)濟(jì)水平角度上來看，革命老區(qū)振興規(guī)劃政策覆蓋地區(qū)屬于相對(duì)欠發(fā)達(dá)地區(qū)，但由于各地的地理位置和資源稟賦存在差異，以及歷史遺留問題等因素的影響，各地的發(fā)展條件存在較大的異質(zhì)性。因此，對(duì)于革命老區(qū)振興規(guī)劃政策的效果評(píng)估，不能只關(guān)注表面和平均情況。應(yīng)注重改善偏遠(yuǎn)落后地區(qū)的發(fā)展?fàn)顩r，從根源上改善落后地區(qū)發(fā)展現(xiàn)狀，通過區(qū)域發(fā)展政策縮小區(qū)域間發(fā)展差距，這在實(shí)現(xiàn)共同富裕的背景下顯得至關(guān)重要。

參考高玥（2020）構(gòu)造貸款余額和第一產(chǎn)業(yè)生產(chǎn)總值占地區(qū)GDP 比將樣本劃分成兩組（高玥，2020）。若年末金融機(jī)構(gòu)各項(xiàng)貸款余額高于樣本均值，則該地區(qū)傳統(tǒng)金融發(fā)展水平相對(duì)較高，賦值為1，反之則為0；若第一產(chǎn)業(yè)生產(chǎn)總值占地區(qū)GDP 比高于樣本均值，則該地區(qū)產(chǎn)業(yè)已經(jīng)逐漸完成從第一產(chǎn)業(yè)向第二、第三產(chǎn)業(yè)轉(zhuǎn)移，賦值為1，反之則為0；第二產(chǎn)業(yè)產(chǎn)值高于樣本均值，則該地區(qū)擁有較強(qiáng)的工業(yè)基礎(chǔ)和制造業(yè)能力，賦值為1，反之則為0。將樣本依次按照上述虛擬變量分組回歸，回歸結(jié)果如表8（1）～（6）列所示。在第一產(chǎn)業(yè)產(chǎn)值占比較低，以及貸款余額和第二產(chǎn)業(yè)發(fā)展相對(duì)乏力的地區(qū)，革命老區(qū)振興規(guī)劃政策對(duì)地區(qū)固定資產(chǎn)投資的促進(jìn)作用被增強(qiáng)。此外，對(duì)工業(yè)發(fā)展水平相對(duì)欠缺的地區(qū)，革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資具有更突出的促進(jìn)作用?？傮w而言，革命老區(qū)振興規(guī)劃政策對(duì)社會(huì)經(jīng)濟(jì)指標(biāo)相對(duì)薄弱的地區(qū)的固定資產(chǎn)投資都起到了更大的促進(jìn)作用，這些相對(duì)最不發(fā)達(dá)的地區(qū)比相對(duì)發(fā)達(dá)地區(qū)取得了更大的增速。

（二）其他異質(zhì)性分析

為進(jìn)一步檢驗(yàn)革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資是否存在地區(qū)差異化影響，以及政策的示范效應(yīng)和空間溢出效應(yīng)，將樣本范圍依次分別縮小至2021 年劃定的十二大革命老區(qū)振興規(guī)劃政策覆蓋地區(qū)、五個(gè)重點(diǎn)革命老區(qū)涉及省份所屬的縣級(jí)行政單位，依次進(jìn)行統(tǒng)計(jì)回歸分析。

如表9（1）列所示，將樣本縮小到2021 年所劃定的十二大革命老區(qū)政策覆蓋地區(qū)時(shí)，對(duì)固定資產(chǎn)的促進(jìn)作用為13.93%，小于基準(zhǔn)回歸的結(jié)果。這背后可能的原因是：革命老區(qū)振興規(guī)劃政策存在一定的政策示范效應(yīng)，五個(gè)重點(diǎn)革命老區(qū)振興規(guī)劃政策同時(shí)引起了十二大革命老區(qū)所屬轄區(qū)政府的不同程度重視，這些地區(qū)不約而同都采用了有關(guān)政策推動(dòng)這些地區(qū)的經(jīng)濟(jì)發(fā)展。

如表9（2）列所示，將樣本縮小到五個(gè)重點(diǎn)革命老區(qū)涉及省份的縣域，對(duì)固定資產(chǎn)投資的促進(jìn)作用為14.89%，小于基準(zhǔn)回歸的結(jié)果。這背后可能的原因是：革命老區(qū)振興規(guī)劃政策有一定的空間溢出效應(yīng)，能帶動(dòng)臨近地區(qū)的固定資產(chǎn)投資額。革命老區(qū)振興規(guī)劃政策的實(shí)施引入一系列政策措施和資金投入，如增加基礎(chǔ)設(shè)施建設(shè)、優(yōu)化產(chǎn)業(yè)布局、提供財(cái)政支持等。這些政策的實(shí)施會(huì)帶來一系列正向效應(yīng)，包括增加就業(yè)機(jī)會(huì)、改善產(chǎn)業(yè)結(jié)構(gòu)、提升經(jīng)濟(jì)活力等，從而吸引了更多的投資者和資本進(jìn)入該地區(qū)。同時(shí)，由于革命老區(qū)和臨近地區(qū)經(jīng)濟(jì)通常聯(lián)系較為緊密，一定程度上的發(fā)展和繁榮也會(huì)對(duì)周邊地區(qū)產(chǎn)生溢出效應(yīng)，激發(fā)了臨近地區(qū)的固定資產(chǎn)投資額增長(zhǎng)。

七、結(jié)論與政策啟示

使用2000—2020 年的縣級(jí)非平衡面板數(shù)據(jù)，分析了針對(duì)五個(gè)重點(diǎn)革命老區(qū)的革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)投資的影響，在深入分析其作用機(jī)理和政策成效的同時(shí)，本文得出以下結(jié)論：第一，革命老區(qū)振興規(guī)劃政策給政策覆蓋地區(qū)固定資產(chǎn)投資帶來了18.40%的額外增長(zhǎng)，促使政策覆蓋地區(qū)的固定資產(chǎn)投資顯著提升，這種額外的增長(zhǎng)主要的作用渠道為政府財(cái)政轉(zhuǎn)移支付、重大項(xiàng)目布局和實(shí)際經(jīng)濟(jì)增長(zhǎng)。第二，革命老區(qū)振興規(guī)劃政策使得五個(gè)重點(diǎn)革命老區(qū)固定資產(chǎn)投資額的增加很大程度上涌入實(shí)體經(jīng)濟(jì)而非房地產(chǎn)部門。革命老區(qū)振興規(guī)劃政策實(shí)施后，促進(jìn)了產(chǎn)業(yè)升級(jí)與轉(zhuǎn)型，并且在政策覆蓋地區(qū)實(shí)現(xiàn)了“工業(yè)反哺農(nóng)業(yè)，城市支持農(nóng)村”。第三，革命老區(qū)振興規(guī)劃政策對(duì)固定資產(chǎn)的促進(jìn)作用在社會(huì)經(jīng)濟(jì)指標(biāo)相對(duì)薄弱的地區(qū)效果更顯著，且具有政策示范效應(yīng)和空間溢出性，可以帶動(dòng)政策覆蓋地區(qū)周邊以及其他相關(guān)地區(qū)發(fā)展。

綜上所述，提出如下政策啟示：第一，將更多有著紅色革命基因的欠發(fā)達(dá)區(qū)域納入革命老區(qū)振興規(guī)劃政策覆蓋范圍，深入挖掘地區(qū)特質(zhì)，通過精準(zhǔn)調(diào)控的宏觀政策以刺激當(dāng)?shù)毓潭ㄙY產(chǎn)投資進(jìn)而達(dá)到經(jīng)濟(jì)長(zhǎng)效穩(wěn)健增長(zhǎng)的目標(biāo)。事實(shí)上，各省份自2021 年《關(guān)于新時(shí)代支持革命老區(qū)振興發(fā)展的意見》頒布后，已遵循中央指示相繼出臺(tái)扶助本地革命老區(qū)發(fā)展的相關(guān)政策，精準(zhǔn)落地這些有關(guān)政策將進(jìn)一步促進(jìn)革命老區(qū)的固定資產(chǎn)投資。第二，通過重大項(xiàng)目布局，充分發(fā)揮固定資產(chǎn)效應(yīng)，將固定資產(chǎn)投資的進(jìn)一步增長(zhǎng)建立在實(shí)際經(jīng)濟(jì)產(chǎn)出增加的基礎(chǔ)上，加快產(chǎn)業(yè)升級(jí)轉(zhuǎn)型，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的效率變革。既要重視相關(guān)政策優(yōu)惠與轉(zhuǎn)移支付的“外部輸血”渠道，也要正確認(rèn)識(shí)工業(yè)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)農(nóng)業(yè)發(fā)展的“反哺”作用，提高城鎮(zhèn)居民生活水平的同時(shí)，不忘“支持農(nóng)村”。第三，結(jié)合區(qū)域發(fā)展政策，針對(duì)性改善相對(duì)落后地區(qū)的經(jīng)濟(jì)發(fā)展技術(shù)、資金、資源等要素資源稟賦狀況，加強(qiáng)農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，以提高農(nóng)業(yè)生產(chǎn)率和產(chǎn)量，進(jìn)一步推動(dòng)農(nóng)村經(jīng)濟(jì)發(fā)展，為實(shí)現(xiàn)共同富裕和區(qū)域發(fā)展提質(zhì)增效。

參考文獻(xiàn)

[1] 白俊紅，張藝璇，卞元超. 創(chuàng)新驅(qū)動(dòng)政策是否提升城市創(chuàng)業(yè)活躍度——來自國家創(chuàng)新型城市試點(diǎn)政策的經(jīng)驗(yàn)證據(jù)[J]. 中國工業(yè)經(jīng)濟(jì)，2022 年第6 期，第61-78 頁。

[2] 曹清峰. 國家級(jí)新區(qū)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的帶動(dòng)效應(yīng)——基于70 大中城市的經(jīng)驗(yàn)證據(jù)[J]. 中國工業(yè)經(jīng)濟(jì)，2020 年第7 期，第43-60 頁。

[3] 曹躍群，郭鵬飛，羅玥琦. 基礎(chǔ)設(shè)施投入對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的多維影響——基于效率性、異質(zhì)性和空間性的三維視角[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019 年第36（11）期，第140-159 頁。

[4] 范劍勇，謝強(qiáng)強(qiáng). 地區(qū)間產(chǎn)業(yè)分布的本地市場(chǎng)效應(yīng)及其對(duì)區(qū)域協(xié)調(diào)發(fā)展的啟示[J]. 經(jīng)濟(jì)研究，2010 年第45（4）期，第107-119+133 頁。

[5] 高玥. 高技術(shù)產(chǎn)業(yè)扶持政策階段性特征及效果研究——以中國芯片產(chǎn)業(yè)為例[J]. 經(jīng)濟(jì)體制改革，2020 年第1期，第128-134 頁。

[6] 龔斌磊，張啟正，袁菱苒，劉曉光. 革命老區(qū)振興發(fā)展的政策創(chuàng)新與效果評(píng)估[J]. 管理世界，2022 年第38（8）期，第26-43 頁。

[7] 茍護(hù)生，童章舜. 新時(shí)代革命老區(qū)振興發(fā)展的歷史邏輯和現(xiàn)實(shí)意義[J]. 理論視野，2022 年第7 期，第5-10 頁。

[8] 侯榮華. 固定資產(chǎn)投資效益及其滯后效應(yīng)分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2002 年第3 期，第13-16 頁。

[9] 黃煒，張子堯，劉安然. 從雙重差分法到事件研究法[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2022 年第2 期，第17-36 頁。

[10] 黃徐亮，徐海東，倪鵬飛. 帶動(dòng)還是擠出？房地產(chǎn)投資對(duì)其他固定資產(chǎn)投資的影響研究[J]. 經(jīng)濟(jì)學(xué)家，2023年第6 期，第78–87 頁。

[11] 江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì)，2022 年第5 期，第100-120 頁。

[12] 李慧，佟孟華，張國建. 設(shè)立產(chǎn)業(yè)轉(zhuǎn)型升級(jí)示范區(qū)對(duì)企業(yè)融資約束的影響——基于交錯(cuò)雙重差分模型[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2024 年第3 期，第5-22 頁。

[13] 李蘭冰，劉秉鐮. 中國區(qū)域經(jīng)濟(jì)增長(zhǎng)績(jī)效、源泉與演化：基于要素分解視角[J]. 經(jīng)濟(jì)研究，2015 年第50（8）期，第58-72 頁。

[14] 李琳，劉瑩. 中國區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展的驅(qū)動(dòng)因素——基于哈肯模型的分階段實(shí)證研究[J]. 地理研究，2014 年第33（9）期，第1603-1616 頁。

[15] 李長(zhǎng)松，周霞，周玉璽. 中國糧食主產(chǎn)區(qū)農(nóng)業(yè)水貧困與糧食生產(chǎn)脆弱性的時(shí)空耦合研究[J]. 農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，2023 年第40（4）期，第965-75 頁。

[16] 李志萌，張宜紅. 革命老區(qū)產(chǎn)業(yè)扶貧模式、存在問題及破解路徑——以贛南老區(qū)為例[J]. 江西社會(huì)科學(xué)，2016年第36（7）期，第61-67 頁。

[17] 廖直東，李威. 創(chuàng)新型省份建設(shè)促進(jìn)了產(chǎn)業(yè)創(chuàng)新成果轉(zhuǎn)化嗎？——來自創(chuàng)新型省份建設(shè)試點(diǎn)準(zhǔn)自然實(shí)驗(yàn)的證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2023 年第2 期，第134-149 頁。

[18] 劉沖，沙學(xué)康，張妍. 交錯(cuò)雙重差分：處理效應(yīng)異質(zhì)性與估計(jì)方法選擇[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022 年第39（9）期，第177-204 頁。

[19] 劉瑞明，趙仁杰. 西部大開發(fā)：增長(zhǎng)驅(qū)動(dòng)還是政策陷阱——基于PSM-DID 方法的研究[J]. 中國工業(yè)經(jīng)濟(jì)，2015 年第6 期，第32-43 頁。

[20] 馬昭君，葛新權(quán). 房地產(chǎn)泡沫抑制了我國技術(shù)創(chuàng)新嗎？——來自省際面板數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)[J]. 中國流通經(jīng)濟(jì)，2023 年第37（9）期，第11-22 頁。

[21] 苗敬毅，劉應(yīng)宗，方琳. 中國固定資產(chǎn)投資實(shí)證研究模型綜述[J]. 經(jīng)濟(jì)問題，2007 年第11 期，第83-85 頁。

[22] 孫志燕，侯永志. 對(duì)我國區(qū)域不平衡發(fā)展的多視角觀察和政策應(yīng)對(duì)[J]. 管理世界，2019 年第35（8）期，第1-8 頁。

[23] 徐培，金澤虎，李靜. 人才安居、技術(shù)創(chuàng)新的產(chǎn)業(yè)升級(jí)效應(yīng)及空間溢出效應(yīng)——基于人才安居城市和創(chuàng)新型城市的準(zhǔn)自然實(shí)驗(yàn)[J]. 西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023 年第43（2）期，第60-68 頁。

[24] 徐婷婷，孫蓉. 政策性農(nóng)業(yè)保險(xiǎn)能否緩解貧困脆弱性——基于典型村莊調(diào)研數(shù)據(jù)的分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2022 年第2 期，第126-44 頁。

[25] 楊冕，謝澤宇，楊福霞. 省界毗鄰地區(qū)綠色發(fā)展路徑探索：來自革命老區(qū)振興的啟示[J]. 世界經(jīng)濟(jì)，2022 年第45（8）期，第157-79 頁。

[26] 游珍，封志明，楊艷昭. 中國1km 地形起伏度數(shù)據(jù)集[J]. 全球變化數(shù)據(jù)學(xué)報(bào)（中英文），2018 年第2（2）期，第151-155+274-278 頁。

[27] 張明林，李華旭. 國家優(yōu)先支持政策促進(jìn)綠色全要素生產(chǎn)率的效應(yīng)評(píng)估——來自革命老區(qū)的經(jīng)驗(yàn)證據(jù)[J]. 財(cái)經(jīng)研究，2021 年第47（10）期，第65-79 頁。

[28] 張啟正，袁菱苒，胡沛楠，龔斌磊. 革命老區(qū)振興規(guī)劃對(duì)農(nóng)業(yè)增長(zhǎng)的影響及其作用機(jī)理[J]. 中國農(nóng)村經(jīng)濟(jì)，2022 年第7 期，第38-58 頁。

[29] 朱發(fā)倉，祝欣茹. 中國基礎(chǔ)設(shè)施資本存量?jī)纛~與固定資本消耗估計(jì)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020 年第37（6）期，第70-88 頁。

[30] Abdul A.， Davide F， and Petia T.， “The Macroeconomic Effects of Public Investment： Evidence from Advanced Economies”， Journal of Macroeconomics， 2016， 50：224-40.

[31] Andreea O.， Gabriela D. and Dan D.， “The Effects of Public Investment on Sustainable Economic Growth： Empirical Evidence from Emerging Countries in Central and Eastern Europe”， Sustainability， 2022， 14（14）：8721.

[32] Goodman-Bacon， Andrew.， “Difference-in-Differences with Variation in Treatment Timing”， Journal of Econometrics，2021， 225（2）：254-77.

[33] Liu， C.， Chen， L.， Li， Z.， Wu， D. （2023）. The impact of digital financial inclusion and urbanization on agricultural mechanization： Evidence from counties of China. PLOS ONE， 18（11）， e0293910.

[34] Nguyen V.， Nguyen C.， Dinh van T.， Thai V.， Nguyen T.， and Tran T.， “The Role of Public-Private Partnership Investment and Eco-Innovation in Environmental Abatement in USA： Evidence from Quantile ARDL Approach”，Environmental Science and Pollution Research， 2022， 29（8）：12164-75.

[35] Rui W.， Zhongying Q.， Yumin S.， “Multiple Relationships between Fixed-Asset Investment and Industrial Structure Evolution in China–Based on Directed Acyclic Graph （DAG） Analysis and VAR Model”， Structural Change and Economic Dynamics， 2020， 55：222-31.

[36] Sascha O.， Becker， P.， and Maximilian von E.， “Going NUTS： The Effect of EU Structural Funds on Regional Performance”， Journal of Public Economics， 2010， 94（9–10）：578-90.

[37] Yang C.， Chien-Chiang L. ， “The Impact of Real Estate Investment on Air Quality： Evidence from China”， Environmental Science and Pollution Research， 2020， 27（18）：22989-1.