Dissimilation of Local Government Behavior and Modernization of Urban Governance: Based on the Analysis of Resumption of Work and Production During the Epidemic
-
摘要: 新冠肺炎疫情下地方政府行为的异化及其对复工复产的影响体现了政府治理能力的差异,更为进一步提高政府治理能力、推动政府治理现代化提供了指引。基于不完全信息动态博弈模型,分析疫情期间地方政府的策略选择,利用2020年1月1日至3月3日中国270个地级及以上城市的日数据,实证检验地方政府行为对复工复产的影响。理论分析发现,地方政府在博弈的第二阶段选择复工复产的概率较大,但概率大小与疫情防控成本和可能的经济损失成本有关,成本越高,地方政府选择复工复产的概率越高。实证研究发现,政府医疗救治投入的成本越多,政策支持越及时,经济损失成本越高,复工复产情况越乐观。对于地方政府而言,应进一步提高治理能力,理性看待疫情防控与复工复产之间的关系;对于中央政府而言,则可以利用疫情识别不同地方政府治理能力存在的短板,推动政府治理现代化。Abstract: In the outbreak of COVID-19, the different behaviors of local governments and its impact on resumption of work and production reflect the difference of government governance capability, and provide guidance for further improvement of the government governance capacity and the modernization of government governance. The strategic choices of local governments during the epidemic were analyzed based on the dynamic game model of incomplete information; the impact of local government behavior on the resumption of work and production was tested with the daily data of 270 cities at prefecture level and above in China from January 1 to March 3, 2020. It is found that the probability of local governments choosing to resume production in the second stage of the game is greater, but the probability is related to the cost of epidemic prevention and control, and the possible economic loss; the higher the cost, the higher the probability of local governments choosing to resume production. The empirical results indicate that the more government medical treatment investment costs, the more timely policy supports; the higher the cost of economic losses, the more optimistic the situation of resumption of work and production will be. For the local government, the governance capacity should be further improved, and the relationship between epidemic prevention and control and the resumption of production should be rationally considered. For the central government, the epidemic situation can be used to identify the existing shortcomings in the governance capacity of different local governments and promote the modernization of government governance.
-
一、 引言:疫情下政府行为的异化体现了政府治理能力的差异
党的十九届四中全会做出了坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化的决定,并对国家治理体系和治理能力现代化进行全面部署。城市治理是国家治理的重要组成部分,推动城市治理体系和治理能力现代化,也就成为新时代国家治理现代化的重要内容之一。我国现阶段正处于增长速度换挡期、结构调整阵痛期、前期刺激政策消化期“三期”叠加(洪银兴等,2018)[1],又恰逢2019年底爆发、2020年初迅速蔓延全球的新型冠状病毒肺炎(Corona Virus Disease 2019,以下简称新冠肺炎)疫情,这些都给城市治理带来了巨大的挑战,也是对地方治理能力的重大考验。然而换个角度看,这次疫情也是检验中国城市治理现代化的重要节点,越是在重大事件面前越能反映出地方政府的治理能力。疫情后,地方政府对有序复工复产的制度安排充分体现了政府治理现代化的能力和水平,也是对地方政府治理能力的一次自然实验。
疫情期间,为了在做好疫情防控的同时,尽可能地降低疫情对经济的影响,各地纷纷出台各种政策助力企业有序复工复产。2020年2月8日,国务院印发《关于切实加强疫情科学防控有序做好企业复工复产工作的通知》,要求切实加强疫情科学防控,有序做好企业复工复产工作。在此之前及以后,各省、自治区、直辖市结合自身情况,纷纷出台了多项关于复工复产的政策措施(见图 1)。
可以看出,各省份针对疫情后复工复产相关支持政策的出台时间相对分散,如果不考虑疫情最为严重的湖北省和受境外输入影响较大的北京市,从最早的2月4日山东省人民政府出台政策到3月6日西藏自治区人民政府出台政策,时间跨度整整32天。结合各省份在疫情初升级公共卫生事件预警级别的时点,以及疫情后复工复产政策出台的时点,我们发现了一些有趣的现象:一是最早升级公共卫生事件预警级别的未必是疫情最严重的省份。1月23日广东、浙江率先启动了重大突发公共卫生事件一级响应,24日凌晨湖南也随之启动一级响应,而这些省份并非是疫情最严重的地区。二是最早出台复工复产政策的未必是疫情最轻的省份。早在2月8日国务院印发《关于切实加强疫情科学防控有序做好企业复工复产工作的通知》之前,已经有6个省份的人民政府出台了疫情后支持中小企业发展的政策措施,4个省份先行发布了支持企业复工复产的政策措施,而这些省份并非是疫情最轻的地区,其中广东省累计确诊病例数仅次于湖北省。
各级地方政府在复工复产政策出台时间和措施组合等方面的异化选择行为,是每个地方政府在权衡利弊后作出的选择,这里的“利”是复工复产带来的经济恢复,“弊”则体现为复工复产带来的疫情防控压力,以及防控失败带来的风险。利弊权衡的本质是地方政府的行为异化,也是地方政府质量的体现,更是对地方政府治理能力现代化的一次实战考验。政府行为是中国语境中经济增长和发展的独特现象,是有别于其他国家的强大增长引擎。地方政府既是中央政策的主要执行者,又是市场变化与社会反应的直接感知者(于海峰和葛立宇,2021)[2]。多年来,中国地方政府之间的竞争引发了中国经济结构运行的重大失衡问题(周业安,2003;傅勇和张晏,2007;储德银和费冒盛,2021)[3-5],但不可否认的是,地方政府对中国经济发展做出了重要贡献。尤其是在重大突发公共卫生事件发生之时,地方政府的决策判断能力、治理能力和公共物品提供能力都是决定当地能否在疫情中降低损失,疫情后快速恢复的重要因素,同时也是反映城市治理现代化水平的重要指标。
18年前的SARS疫情开启了国内外对重大突发公共卫生事件经济影响的研究,这些研究衡量了SARS的经济社会成本(Harris, 2003)[6],分析了SARS疫情对经济发展(Vicziany, 2008; Keogh-Brown和Smith, 2008; Beutels等, 2009; 胡鞍钢,2003;张宝贵,2004;李青等,2004;张文斗等,2012)[7-13]、个别行业(曾本祥等,2005;薛刚和孙根年,2008;张文斗等,2014)[14-16]、财政支出(孙开,2003)[17]的影响,提出SARS过后的各类刺激经济增长的宏观政策(夏杰长,2003)[18],上述研究为我们深入探索新冠肺炎疫情的经济影响奠定了基础。不过,我们也深刻地认识到,新冠肺炎疫情及其对经济社会的影响与18年前的SARS相比有较大差异。
从理论基础看,我们没有更多的文献可以借鉴,但却能够透过新冠疫情爆发以来地方政府行为的异化,尤其是对于企业复工复产的时点和措施选择,探究重大突发公共卫生事件中地方政府的行为逻辑,从而找到优化地方政府行为、提升治理能力、提高治理效能以及推动城市治理现代化的路径与方法。基于此,本研究基于不完全信息动态博弈模型,分析了疫情期间地方政府的策略选择,并利用2020年1月1日至3月3日中国270个地级及以上城市的日数据,借助百度迁徙地图,用城市日出行强度与上一年农历同日出行强度的差值代表城市复工复产情况,实证检验地方政府行为对复工复产的影响,以期透过疫情观察地方政府行为的异化,梳理突发公共卫生事件中政府行为的逻辑。本文的边际贡献在于从理论和实证两个层面给出突发公共卫生事件中地方政府的行为逻辑,对现有研究做出补充。同时,为我们进一步认识政府行为,找到提升政府治理能力和推动城市治理现代化的路径提供借鉴。
二、 理论分析:基于不完全信息动态博弈模型的策略选择
借鉴姚杰等(2005)[19]的做法①,将地方政府与疫情之间的关系视为一种不完全信息动态博弈,两者之间存在信息不对称,因为地方政府并不知道疫情何时会结束。将地方政府和疫情看作是博弈的两个局中人,地方政府的策略空间是其政策选择空间,疫情的策略空间是状态空间。假定疫情以Pi的概率处于第i种状态,以Pij的概率从第i种状态转移到第j种状态。其中,社会总福利(w)由疫情控制率和经济恢复率决定,控制疫情需要付出一定的成本,包括疫情防控成本以及因疫情防控而损失的经济增长,后者是一种机会成本,社会净福利由社会总福利与成本之差表示,地方政府会根据不同的疫情状态及其演化方向决定自己的策略。
① 本研究模型与姚杰等(2005)模型的差别体现在如下两处:一是地方政府的目标不同。姚杰等(2005)的模型中,“危机管理者”进行决策的目标是在一定保障率约束下的成本最小化问题。但本模型中地方政府的目标函数被设定为社会净福利最大化,这种设置更加贴近于此次疫情防控工作的现实,也是本模型区别于姚杰等(2005)的根本之处。二是行为主体支付矩阵不同。正是由于地方政府的目标差异,使得两个模型中行为主体的支付矩阵存在较大差异。姚杰等(2005)的模型中,地方政府的支付矩阵由保障率和成本构成,但本模型中则由社会总福利和成本构成。具体地,社会总福利由疫情控制率和经济恢复率共同决定,经济恢复率受到疫情控制率的影响;成本由疫情防控成本和经济损失成本共同构成,疫情防控成本只与疫情状态有关,经济损失成本不仅与地区疫情状态有关,还和经济发展水平有关。也正是由于这样的设定,才将本研究的重点问题“复工复产”引入了理论模型,这也是姚杰等(2005)没有讨论的问题。
假定博弈双方是一场动态的零和博弈,即一方的收益代表着另一方的损失,分析不同主体的支付函数只需给出其中一方的支付函数。本研究中,着重给出作为“疫情管理者”的地方政府的支付函数。疫情爆发初期恰逢春节假期,地方政府选择隔离的处理措施对经济影响较小。而随着疫情逐渐得到控制,企业复工复产的需求越来越迫切,此时地方政府面临两个政策选择,一是延迟所有企业复工复产,二是允许部分企业复工复产。假定本研究中疫情只有疫情扩散(S1)、疫情稳定(S2)两种状态,地方政府根据不同的状态选择最优策略,假设不同策略选择下疫情与经济的演化情况如图 2所示。由图 2可知,当地方政府选择一种方案时,能够获得相应收益,但也需要承担一定的风险。因此,在选择方案时,地方政府需要关注不同方案实施的成效,即方案实施所能达到的疫情控制率(Ast)以及经济恢复率(Bst), 其中s表示上一阶段的疫情状态,其值1、2分别表示上一阶段疫情状态为疫情扩散及疫情稳定。t表示当期的策略选择,取值为1表示选择复工复产,取值为2表示延迟复工。除此之外,还需要关注不同方案产生的成本(C)。成本(C)由疫情防控成本和经济损失成本组成,其中疫情防控成本为ci,经济损失成本为疫情导致的可能的经济成本,用(1-PijAst)uk表示,即C=ci+(1-PijAst)uk,式中uk为第k个地区的经济总量,(1-PijAst)为疫情导致经济下滑的概率。疫情防控成本与疫情状态有关,疫情扩散时防控成本较高,疫情稳定时防控成本较低。经济损失成本与策略选择和经济发展水平有关,经济发展水平越高,经济损失成本越大。对于地方政府来说,除了尽量提高社会总福利(w),还应该尽量降低成本(C)。
故此,将矩阵[w, C]T视作地方政府的支付矩阵,地方政府根据该支付矩阵选择不同状态下的最优策略。策略选择与成本的关系如表 1所示,不同疫情状态及策略选择下,疫情防控成本与经济损失成本不同,疫情状态为扩散(S1)时的疫情防控成本高于疫情状态稳定(S2)时的防控成本。假定疫情防控成本只与疫情状态有关,相同疫情状态下不同策略选择的疫情防控成本相同,疫情扩散时防控成本为c1,疫情稳定时防控成本为c2,且c1>c2。经济损失成本与地区疫情状态和经济发展水平有关,疫情稳定状态下复工复产的经济损失成本小于疫情扩散状态下复工复产的经济损失成本。经济发展水平越高,延迟复工复产的经济损失成本越大。不同疫情状态下地方政府的策略选择不同,疫情控制率也不同,假定疫情控制率(Ast)与经济恢复率(Bst)的取值为0和1,其中0表示疫情扩散,经济得不到恢复;1表示疫情被完全控制,经济得到完全恢复。策略选择与疫情控制率、经济恢复率以及成本的关系如表 1所示。当疫情状态为扩散(S1)时,如果选择复工复产,疫情将无法控制,疫情控制率为0,经济恢复率为0,疫情防控成本为c1,经济损失成本为(1-P11A11)uk;如果选择延迟复工复产,疫情将得到有效控制,假定疫情控制率为0.8,经济恢复率为0,疫情防控成本为c1,经济损失成本为(1-P12A12)uk。当疫情状态为稳定(S2)时,如果选择复工复产,相较于延迟复工复产仍有疫情复发的概率,假定疫情控制率为0.8,经济恢复率为0.8,疫情防控成本为c2,经济损失成本为(1-P21A21)uk;如果选择延迟复工,疫情将得到很好控制,疫情控制率为1,经济恢复率为0,疫情防控成本为c2,经济损失成本为(1-P22A22)uk。
表 1 地方政府不同策略选择下的疫情控制率与成本比较策略选择 当疫情状态为扩散(S1)时 当疫情状态为稳定(S2)时 疫情控制率(A) 经济恢复率(B) 疫情防控成本(c) 经济损失成本(u) 疫情控制率(A) 经济恢复率(B) 疫情防控成本(c) 经济损失成本(u) 复工复产 0 0 c1 (1-P11A11)uk 0.8 0.8 c2 (1-P21A21)uk 延迟复工 0.8 0 c1 (1-P12A12)uk 1 0 c2 (1-P22A22)uk 假定地方政府与疫情进行两轮博弈,动态博弈过程如图 3所示。由图 3可知,在博弈的第一阶段,疫情以不同概率选择状态,这个概率和该地与武汉的地理距离紧密相关。本阶段是疫情爆发初期且恰逢春节假期,谨慎起见,地方政府一致选择延迟复工。
第一阶段博弈过程中,当疫情初始状态为扩散(S1)时,地方政府选择延迟复工,根据以往的防疫经验,疫情在春节假期全国严防严控下状态继续为扩散(S1)的概率很小,假定扩散概率为0.2;而疫情状态演化为稳定(S2)的概率较高,假定为0.8。当疫情初始状态为稳定(S2)时,地方政府选择延迟复工,则疫情状态转变为扩散(S1)的概率很小,概率为0,维持稳定(S2)状态的概率很大,概率为1。
在第二阶段博弈过程中,地方政府根据疫情演变情况以及自身经济发展水平选择复工复产或延迟复工的策略。当经过第一阶段博弈,疫情状态演化为扩散(S1)时,若地方政府选择复工复产,疫情将完全控制不住,控制率为0,经济恢复率也为0;若选择延迟复工,疫情控制率可达到0.8,而经济恢复率为0。当初始状态为扩散(S1),经过第一阶段博弈后疫情状态演化为稳定(S2)时,若地方政府选择复工复产,疫情控制率可达到0.8,经济恢复率为0.8;若地方政府选择延迟复工复产,疫情控制率可达到1,经济恢复率为0。当初始状态为稳定(S2),经过第一阶段博弈后疫情状态仍为稳定(S2)状态时,若地方政府选择复工复产,疫情控制率可达到0.8,经济恢复率为0.8;若地方政府选择延迟复工,疫情控制率可达到1,经济恢复率为0。
根据决策目标和支付矩阵,地方政府需要根据具体情况选择不同策略,以实现社会净福利最大化。社会总福利包含疫情控制率和经济恢复率两个方面,疫情控制得越好,经济恢复得越好,社会总福利越高。不同策略组合的社会净福利具体表达式如下:
$$ \begin{array}{l} W\left( {{\rm{不复工, 复工}}\mid {S_1}} \right) = w\left( {{A_{11}}, {A_{21}}, {B_{11}}, {B_{21}}} \right) - \left( {1 - {P_{11}}{A_{11}} - {P_{12}}{A_{21}}} \right){u_k} - {c_1}\\ = w\left( {{A_{11}}, {A_{21}}, {B_{11}}, {B_{21}}} \right) - (1 - 0.2 \times 0 - 0.8 \times 0.8){u_k} - {c_1}\\ = w\left( {{A_{11}}, {A_{21}}, {B_{11}}, {B_{21}}} \right) - 0.36{u_k} - {c_1} \end{array} $$ (1) $$ \begin{array}{l} W\left( {{\rm{不复工, 不复工}}\mid {S_1}} \right) = w\left( {{A_{12}}, {A_{22}}, {B_{12}}, {B_{22}}} \right) - \left( {1 - {P_{11}}{A_{12}} - {P_{12}}{A_{22}}} \right){u_k} - {c_1}\\ = w\left( {{A_{12}}, {A_{22}}, {B_{12}}, {B_{22}}} \right) - (1 - 0.2 \times 0 - 0.8 \times 0){u_k} - {c_1}\\ = w\left( {{A_{12}}, {A_{22}}, {B_{12}}, {B_{22}}} \right) - {u_k} - {c_1} \end{array} $$ (2) $$ \begin{array}{l} W\left( {{\rm{不复工, 复工}}\mid {S_2}} \right) = w\left( {{A_{21}}, {B_{21}}} \right) - \left( {1 - {P_{22}}{A_{21}}} \right){u_k} - {c_2}\\ = w\left( {{A_{21}}, {B_{21}}} \right) - (1 - 0.8 \times 1){u_k} - {c_2}\\ = w\left( {{A_{21}}, {B_{21}}} \right) - 0.2{u_k} - {c_2} \end{array} $$ (3) $$ \begin{array}{l} W\left( {{\rm{不复工, 不复工}}\mid {S_2}} \right) = w\left( {{A_{22}}, {B_{22}}} \right) - \left( {1 - {P_{22}}{A_{22}}} \right){u_k} - {c_2}\\ = w\left( {{A_{22}}, {B_{22}}} \right) - (1 - 1){u_k} - {c_2}\\ = w\left( {{A_{22}}, {B_{22}}} \right) - {c_2} \end{array} $$ (4) 由式(1)(2)可知,当初始疫情状态为扩散(S1)时,第二阶段选择复工复产的成本低于延迟复工的成本,选择延迟复工的疫情控制率可达到1,而经济恢复率却为0;选择复工复产的疫情控制率为0.64,经济恢复率也将达到0.64。因而,选择复工复产的社会总福利大于延迟复工,即选择复工复产的社会净福利较大。由式(3)(4)可知,当初始疫情状态为稳定(S2)时,第二阶段选择复工复产的成本低于延迟复工的成本,疫情控制率达到0.8,经济恢复率为0.8;选择延迟复工的疫情控制率为1,而经济恢复率为0。选择复工复产的社会总福利较高,社会净福利较大。因此,不论初始疫情是哪种状态,由于第一阶段都选择延迟复工,第二阶段选择复工复产的成本都比较低,地方政府在第二阶段选择复工复产的概率较大。
具体而言,疫情防控成本与地方政府在疫情中付出的实际成本有关,比如政府在医疗卫生方面的支持,在疫情信息公开方面所做的努力等。地方政府在疫情中付出的实际成本越高,表明其在抗击疫情过程中付出的努力越多,因此在第一阶段博弈后,疫情趋于稳定的概率较高,从而降低疫情扩散的风险,增加地方政府在第二阶段博弈过程中选择复工复产的概率。地方政府能力不同,策略选择也不同,治理能力较强的政府更倾向于选择复工复产,而应对疫情能力不足的政府更倾向于选择保守方案。经济损失成本与地区经济发展水平有关,经济发展水平越高,地方政府需要付出的成本越高,此时地方政府选择延迟复工的经济压力大于复工复产,说明经济发展水平越高的地区越倾向于选择复工复产,而经济发展水平较低的地区在面对疫情时其策略选择更加保守。
综上,尽管地方政府在博弈的第二阶段选择复工复产的概率较大,但概率大小与疫情防控成本和可能的经济损失成本有关,这两个成本越高,地方政府加快复工复产的动力越大,越倾向于通过各种政策手段的实施加快全社会的复工复产进程。
三、 研究设计
(一) 模型设定
为了检验地方政府行为对企业复工复产的影响效果,构建如下计量模型:
$$ \begin{array}{l} re{\mathop{\rm cov}} er{y_{it}} = {\alpha _0} + {\alpha _1}{\rm{ }}gove{r_{it}} + {\alpha _2}\cos {t_e}c{o_{it}} + {\alpha _3}{\rm{ }}confirme{d_{it}} + {\alpha _4}{\rm{ }}tim{e_{it}} + {\alpha _5}{\rm{ }}dis\tan c{e_{it}} + {\alpha _6}{\rm{ }}ris{k_{it}}\\ + {\alpha _7}{\rm{ }}labo{r_{it}} + {\alpha _8}{\rm{ }}gd{p_{it}} + {\alpha _9}{\rm{ }}growt{h_{it}} + {\alpha _{10}}{\rm{ }}siz{e_{it}} + {\alpha _{11}}{\rm{ }}financc{e_{it}} + {\tau _t} + {\theta _i} + {\varepsilon _{it}} \end{array} $$ (5) 其中,因变量为复工复产(recovery),自变量为地方政府行为(gover),通过该变量估计系数的正负判断政府行为对复工复产的影响,通过地方政府行为反映城市治理现代化水平。参照唐天伟等(2014)[20]的研究可知,地方政府治理能力现代化的衡量指标有五个,包含经济治理现代化、政治治理现代化(公共安全、政治清明)、社会治理现代化(社会参与、社会公平)、文化治理现代化以及生态治理现代化。本研究通过三个政府行为来简单衡量地方政府治理能力现代化水平,包括医疗救治、信息公开以及政策支持。医疗救治水平和政策支持代表政治治理现代化水平,医疗救治水平越高,政策出台越及时,越能保证公共安全,政治治理现代化水平越高;信息公开水平代表社会治理现代化水平,信息公开越及时全面,社会治理现代化水平越高。控制变量包括经济成本(cost_eco)、确诊率(confirmed)、抗疫时长(time)、与武汉的距离(distance)、迁入风险(risk)、劳动力来源(labor)、经济增速(growth)、工业规模(size)、财政能力(finance)。此外,模型还控制了时间固定效应(τt)和城市固定效应(θi),εit为随机误差项。
(二) 变量选取
1. 因变量:复工复产(recovery)
考虑到新冠肺炎疫情爆发的时间点与春节重合,为了剔除春节假期的影响,用某城市2020年每天出行强度与2019年农历同日出行强度的比值表示城市的复工复产情况,该值越大,表示复工复产率越高。选择该指标而没有直接选择企业复工复产的数据主要是基于以下考虑:一是企业所处行业不同,复工复产的情况自然也存在差异,很难从整体上衡量复工复产情况;二是某城市人员的出行强度其实也反映了该城市的活跃程度,这与复工复产的状态是一致的;三是企业复工复产情况一般需要通过问卷调查获得,但这个数据只是一个时点数据,无法获得每天的动态数据。图 4比较了2020年1月1日至3月15日期间与2019年农历同日期的全国日出行强度,可以看出,从1月25日(农历正月初一)起,2020年的出行强度均低于2019年同期,2月9日两年同日出行强度差距达到最大值,这个差距从3月中旬开始逐渐缩小。
2. 自变量:地方政府行为(gover)
基于前述分析可知,地方政府对于复工复产策略的选择主要取决于经济损失成本和疫情防控成本。经济损失成本主要指不复工复产可能面临的经济损失,属于隐性成本,一般来说经济发展水平越高的城市,疫情防控机会成本越高,因此,用经济成本(cost_eco)表示地方政府可能面临的经济损失,经济损失成本越高,地方政府复工复产的意愿和支持力度越大。在回归中,用2017年该城市的人均GDP(单位:万元)表示①。由于本研究关注的重点是地方政府行为,因此,把经济成本(cost_eco)作为控制变量加入回归模型中。疫情防控成本则是一种显性成本,是在疫情防控过程中真实发生的成本,如医疗救治成本、疫情防控成本等,该成本与地方政府在新冠肺炎疫情防控中体现的治理能力有关。分别用医疗救治(gover_medical)、信息公开(gover_trans)两个变量表示,这两个变量都反映出地方政府在应对公共卫生突发事件中付出努力的意愿和能力,医疗救治水平越高,信息公开程度越大,表明该地方政府对疫情防控的重视程度越大,治理能力越强,疫情被控制住的概率就越高,地方政府对复工复产后的疫情防控越有信心,越有可能加大复工复产力度。用该城市每万人口的新冠肺炎医疗救治医院数(单位:个/万人)表征医疗救治(gover_medical),用公布行动轨迹的确诊病例数占全部确诊病例数的比重(单位:%)表征信息公开(gover_trans)。另外,回归中还将加入政策支持(gover_policy)作为自变量,用该城市所在省份人民政府针对疫情后复工复产首次出台政策的日期距离3月31日的天数表示,这样做的目的是衡量地方政府对于复工复产的政策支持力度。考虑到同一个省份内部各个城市在复工复产方面的时间节点和速度具有一定程度的同步性,因此这种衡量方法还是可以接受的。
① 之所以使用2017年的人均GDP代表经济成本,是因为截至文章成稿时,《中国城市统计年鉴2019》还没有公布。考虑到一个城市在几年内的经济发展状况基本稳定,因此这种替代有其合理性。
3. 控制变量
为了尽量消除遗漏变量带来的估计误差,在回归模型中引入如下控制变量:(1)地方确诊率(confirmed),确诊率越高,表明疫情越严重,复工复产的概率越低,用该城市每百万人口确诊比例表示。(2)抗疫时长(time),抗疫时间长一方面表示当地疫情较严重,另一方面则表明政府应对疫情的能力不足,这两个方面都可能延缓企业复工复产,用该城市从第一例确诊病例到所有确诊病例“清零”所用的天数表示①。(3)与武汉的距离(distance),一般而言,与武汉距离越短,疫情越严重,潜在的风险也越高,地方政府对于复工复产更谨慎,复工复产概率越低,用该城市与武汉的直线距离(单位:公里)表示。(4)迁入风险(risk),迁入风险较高的地区,疫情防控工作更艰巨,地方政府更为谨慎,复工复产进度越慢,用该城市当日来自不同城市的迁入人口比例的加权平均表示,权重设定为迁入来源地的确诊率②。(5)劳动力来源(labor),如果春运期间人口迁出规模较大,说明该地区人口流动比例较高,疫情防控越难,在一定程度上也会延缓复工复产,用2019年1月12日(腊月初七)至2月4日(腊月三十)期间从该城市迁出人口的日迁出规模指数的平均值表示。(6)经济增速(growth),经济增速越快,表明经济发展势头较好,复工复产越迫切,用2017年该城市的GDP增速(单位:%)表示。(7)工业规模(size),工业生产很难通过远程办公、居家办公等方式实现,地区工业规模越大,复工复产需求越迫切,用2017年该城市工业企业数(单位:个)表示。(8)政府财政能力(finance),财政一般预算收入与一般预算支出的比值越高,表明地区财政能力越强,疫情防控的资金支持越强,复工复产情况越乐观,用2017年该城市财政一般预算收入与一般预算支出的比值表示。
① 文章成稿之时,尚有个别城市的确诊病例未清零,包括北京、上海、广州、深圳、武汉、沈阳、天津、吉林共8个城市,对于这些城市,假定6月16日为清零时间来计算抗疫时长。这样处理的原因是,这些城市个数较少,尽管以6月16日作为清零时间还是低估了其抗疫时长,但相对而言,这些城市的抗疫时长仍然是最长的,这种处理方式并没有改变数据的相对大小。另外,从数据结构上,这样处理也不会出现十分明显的异常值。
② 以北京市为例,2020年1月27日有50个城市的人口迁入北京,将这50个城市的人口迁入比例按迁入来源地确诊率加权求和,就得到北京当日的迁入风险。
(三) 样本选择与数据来源
本研究选取2020年1月1日至3月3日中国地级及以上城市的日数据作为样本。截至2019年底,中国共有298个地级及以上城市,对这些城市做如下筛选:(1)删除19个数据缺失的城市,包括贵州的安顺、毕节、铜仁,海南的三沙、儋州,西藏的日喀则、昌都、林芝、山南、那曲,内蒙古的鄂尔多斯,黑龙江省的齐齐哈尔、伊春,山东的东营、日照、莱芜、滨州,新疆的吐鲁番、哈密。(2)删除9个由始自终没有新冠肺炎确诊病例的城市,包括白山、崇左、抚顺、海东、嘉峪关、克拉玛依、酒泉、武威、云浮。最终确定样本城市270个,共63天,17 010个观测值。
研究中使用的数据来自以下方面:医疗救治(gover_medical)、信息公开(gover_trans)、迁入风险(risk)三个变量主要来自国泰安(CSMAR)中的专题数据库“新冠疫情与经济研究数据库”;复工复产(recovery)、劳动力来源(labor)来自百度地图迁徙大数据;与武汉的距离(distance)根据百度地图计算而得;经济成本(cost_eco)、经济增速(growth)、工业规模(size)、财政能力(finance)来源于《中国城市统计年鉴2018》;确诊率(confirmed)、抗疫时长(time)两个变量的数据通过手工整理获得;夜间灯光遥感数据来源于美国国家海洋和大气管理局(NOAA)。另外,由于《中国城市统计年鉴2018》没有公布重庆市的国民生产总值和三次产业生产总值,我们通过查找《重庆统计年鉴2018》将数据补齐。个别年份、个别城市的个别数据缺失,利用插补法补齐。
四、 实证检验
(一) 描述性统计
表 2为主要变量的描述性统计结果。复工复产(recovery)总体均值为0.808,说明样本期间城市出行强度是上年同期的80.8%,其中2月3日(大年初九)至3月3日期间均值为0.606,说明春节后城市出行逐渐活跃,恢复到2019年同期的60.6%,人们的生产生活逐渐恢复;医疗救治(gover_medical)均值为0.087,说明平均每百万人有8.7个新冠肺炎医疗救治医院;信息公开(gover_trans)均值为44.499%,说明各地政府公开确诊病例的行动轨迹不足确诊病例的一半,信息公开的覆盖面并不是很大,其中有54个城市没有公开披露任何确诊病例的行动轨迹,50个城市公开披露了所有确诊病例的行动轨迹;政策支持(gover_policy)的均值为47.263天,最小值为4天(湖北省),最大值为56天(山东省)。
表 2 主要变量的描述性统计变量 样本量 平均值 标准差 最小值 最大值 复工复产(recovery) 17 010 0.808 0.311 0.072 1.872 医疗救治(gover_medical) 17 010 0.087 0.080 0.001 0.500 信息公开(gover_trans) 17 010 44.499 38.146 0 100 政策支持(gover_policy) 17 010 47.263 9.698 4 56 经济成本(cost_eco) 17 010 69 655.490 40 022.590 3 809.100 359 342 确诊率(confirmed) 17 010 0.490 3.687 0 58.556 抗疫时长(time) 17 010 44.896 19.101 7 167 与武汉的距离(distance) 17 010 922.909 564.897 0 2 994 迁入风险(risk) 17 010 4.355 67.361 0 3 655.650 劳动力来源(labor) 17 010 1.759 1.821 0.148 11.942 经济增速(growth) 17 010 7.175 2.586 -7.190 13.500 工业规模(size) 17 010 1 319.778 1 535.344 21 9 840 财政能力(finance) 17 010 0.434 0.211 0.073 1.067 (二) 基础回归
以2020年1月1日至3月3日270个地级及以上城市的日数据为样本,采用双向固定效用模型进行估计,检验地方政府行为对复工复产的影响,回归结果见表 3。其中,第(1)至(3)列分别从医疗救治、信息公开、政策支持三个维度衡量地方政府行为。
表 3 地方政府行为与复工复产的基础回归结果变量 (1) (2) (3) 医疗救治(gover_medical) 0.755**(2.34) 信息公开(gover_trans) -0.005**(-2.34) 政策支持(gover_policy) 0.911**(2.34) 经济成本(cost_eco) 1.289***(5.30) 1.164***(4.68) 0.624*(1.67) 确诊率(confirmed) -1.279***(-4.95) -0.572(-1.49) -0.363(-0.80) 抗疫时长(time) 12.603***(4.69) 7.442**(2.22) 4.670(1.12) 与武汉的距离(distance) 1.616***(4.59) 1.439***(4.02) 0.425(0.70) 迁入风险(risk) -0.004***(-3.40) -0.004***(-3.40) -0.004***(-3.40) 劳动力来源(labor) -0.453***(-3.96) -0.184(-1.09) -0.365***(-2.95) 经济增速(growth) 0.214***(4.44) 0.185***(3.59) 0.103(1.42) 工业规模(size) 1.733***(4.69) 1.116**(2.50) 0.701(1.24) 财政能力(finance) 8.464***(4.53) 4.164*(1.71) 2.079(0.67) 城市 控制 控制 控制 时间 控制 控制 控制 样本量 17 010 17 010 17 010 R2 0.852 0.852 0.852 注:*、**、***分别表示估计系数在0.1、0.05、0.01的水平下显著;常数项的估计结果略去;括号中的数字为Z值。下表同。 由表 3可以看出,医疗救治(gover_medical)的回归系数显著为正,说明政府医疗救治水平与复工复产显著正相关。政府医疗救治水平越高,公共安全越能得到保障,企业复工复产情况越乐观。可能的原因有二:其一,政府医疗救治水平越高,治理能力现代化水平越高,说明政府应对突发事件的能力较强,疫情下也会为复工复产做足准备工作,解决企业的后顾之忧。其二,医疗救治水平高,可以快速控制疫情,防止疫情传播,为公共安全提供强有力的保障,而这正是复工复产的前提。信息公开(gover_trans)的回归系数显著为负,说明政府信息公开与复工复产水平是负相关关系,政府公开确诊患者行动轨迹越多,复工复产情况越不理想。可能的原因是政府公开确诊患者的行动轨迹,在一定程度上引起公众恐慌,从而扩大了疫情的负面影响。另外,一些经济发展水平不高的城市,其地方政府可能会认为延迟复工复产经济损失不算大,但一旦疫情防控出现问题,就有丢官免职的风险,因而在疫情期间表现积极,信息公开水平比日常还要高。政策支持(gover_policy)的回归系数显著为正,说明政府政策支持与复工复产是正相关关系。复工复产政策出台的越早越有利于复工复产工作的开展,也在一定程度上验证了政策的有效性。
控制变量的回归结果显示,经济成本(gover_cost)的估计系数在三列回归中均显著为正,说明疫情防控中可能的经济损失越大,延迟复工复产的经济成本越高,地方政府越有动力加快复工复产的速度。确诊率(confirmed)的估计系数在第(1)列回归中显著为负,表明疫情越严重越不利于开展复工复产工作,这与经验是相符的。疫情下政府的首要任务就是控制疫情,在控制住疫情的前提下才有可能恢复经济发展,因此,确诊率越高,复工复产情况越不乐观。抗疫时长(time)的估计系数在第(1)(2)列回归中显著为正,说明抗疫时间越长,越有利于复工复产。可能的原因是抗疫时间较长的城市一般外来人口较多,如北京、上海、广州等,疫情防控难度较大,而这样的城市经济发展水平高,政府治理能力强,延迟复工复产的经济压力大,复工复产的保障措施齐全,反而更有动力推动复工复产工作,因而会出现抗疫时间越长,复工复产情况越理想的现象。与武汉的距离(distance)的估计系数在第(1)(2)列回归中显著为正,说明离武汉越远的地区,疫情越不严重,越有利于复工复产。迁入风险(risk)的估计系数在三列回归中均显著为负,说明迁入风险越高,越不利于开展复工复产工作。劳动力来源(labor)的估计系数显著为负,说明迁入型城市疫情防控难度较高,复工复产难度较大,不利于复工复产。同时,经济增速(growth)、工业规模(size)和财政能力(finance)的估计系数也都显著为正,说明经济发展速度越快,工业生产规模越大,地方政府财政能力越强的城市,复工复产的情况越好。
(三) 稳健性检验
为了保证结果的稳健性进行如下检验①:
① 感谢审稿人的宝贵建议,提供了更合理的稳健性检验视角和方法,进一步验证了文章结论的稳健。
第一,借鉴张蔚文等(2020)[21]计算复工率的办法,用春节假期结束后的城市日出行强度除以春节前1月3日至1月9日出行强度均值表示绝对复工率,再除以2019年农历同日绝对复工率,计算出相对复工率。用相对复工率衡量复工复产情况,这样做可以剔除绝对复工率比较依赖2020年1月3日至9日出行强度这一不稳定因素。鉴于数据的可得性,本研究仅使用了2019年城市日出行强度以及迁入迁出指数,没有使用2018年城市相关数据。考虑到在没有发生重大突发事件的情况下,大部分城市2018年和2019年农历同期出行强度不存在显著差异,因此仅使用2019年城市日数据理论上是可以接受的。由于春节假期之前不涉及复工复产问题,因此在这部分稳健性回归中仅研究2020年春节假期之后至3月3日复工复产的情况。重复表 3的回归,结果见表 4的第(1)列,回归结果较为稳健。
表 4 稳健性检验变量 (1) (2) (3) (4) (5) 医疗救治(gover_medical) 1.823*** 1.237*** 1.239*** 1.238*** 0.755** (3.35) (3.59) (3.42) (3.47) (2.39) 信息公开(gover_trans) -0.012*** -0.008*** -0.008*** -0.007*** -0.005** (-3.35) (-3.59) (-3.42) (-3.47) (-2.39) 政策支持(gover_policy) 2.200*** 1.481*** 1.240*** 1.042*** 0.911** (3.35) (3.59) (3.43) (3.47) (2.39) 控制变量 控制 控制 控制 控制 控制 城市 控制 控制 控制 控制 控制 时间 控制 控制 控制 控制 控制 样本量 8 100 16 254 17 010 16 254 16 065 R2 0.662 0.805 0.907 0.853 0.853 第二,借鉴Tian等(2021)[22]的方法,利用夜间灯光遥感数据衡量复工复产情况。具体地,用2020年1至3月夜间灯光指数均值除以2018年全年夜间灯光指数均值,用该指数间接衡量城市复工复产水平。重复表 3的回归,结果见表 4的第(2)列,回归结果仍然稳健。
第三,用每个城市2020年样本期间每日的迁入规模指数与2019年同期每日的迁入规模指数的比值表征复工复产,这个比值越大,说明城市活跃度越高,复工复产情况越好,数据来自百度迁徙大数据。重复表 3的回归,结果见表 4的第(3)列,可以看出回归结果非常稳健。
第四,由于湖北省的城市一直采取较为严格的疫情防控措施,使其复工复产情况与其他城市存在较大差异,因此剔除湖北省的所有城市重新进行回归,结果见表 4的第(4)列,回归结果仍然是稳健的。
第五,大城市在疫情防控和复工复产方面与中小城市存在较大差异,这些城市很难简单地切断与其他城市的联系,因而剔除所有副省级及以上城市重新回归,结果见表 4的第(5)列,结果依然稳健。
(四) 内生性检验
地方政府行为与复工复产可能存在内生性问题,这是因为:一方面,影响城市复工复产的因素很难完全控制,且模型设定可能会存在遗漏变量问题,导致自变量与残差项相关;另一方面,正如理论模型所述,地方政府本身也会根据复工复产情况调整行为策略,使得地方政府行为与复工复产之间存在互为因果的可能。为了缓解遗漏变量和反向因果导致的内生性问题,使用工具变量方法进行检验。对于本研究而言,有效的工具变量需要满足两个基本条件,即工具变量与地方政府行为高度相关、与误差项高度不相关。综合考虑这两个条件以及数据的可获得性,借鉴Chong等(2013)[23]以及姜付秀等(2019)[24]的思路,选择每个城市所处省份内GDP最为接近的三个城市的医疗救治(gover_medical)、信息公开(gover_trans)的平均值作为该城市地方政府行为的工具变量。采用这种方法选取工具变量的原因在于,该工具变量与政府行为相关,同省份内GDP相近的城市政府行为具有一定的相似性(Chong等, 2013)[23],它们相互竞争、模仿,政府行为高度相关,从而满足工具变量的第一个条件;但另一方面,同省份内GDP最接近的三个城市政府行为均值与地方复工复产无明显关系,因为某个城市复工复产情况受当地政府行为的影响,却较少会受其他城市政府行为影响。由于政策支持(gover_policy)本身就是省级数据,因此使用2014年各省份市场化指数作为政策支持的工具变量。市场化指数与政府政策支持相关,市场化指数越高的城市,延迟复工的经济动力越大,相关政策出台时间越早,应注意的是2014年的市场化指数与地方复工复产无明显关系。基于此,使用上述工具变量进行两阶段回归,结果见表 5。表 5中第(1)(2)列用医疗救治表示政府行为,第(3)(4)列用信息公开表示政府行为,第(5)(6)列用政策支持表示政府行为。由(2)(4)(6)列的回归结果可知,在控制了内生性后,医疗救治(gover_medical)的估计系数仍然显著为正,信息公开(gover_trans)的估计系数仍然显著为负,说明回归结果是稳健的,医疗救治水平的提高显著促进了城市复工复产,而信息公开水平的提高却不利于城市复工复产。政策支持(gover_policy)的估计系数仍然显著为正,表明回归结果是稳健的。比较表 5和表 3的估计系数差异,发现表 5中估计系数的绝对值小于表 3中估计系数的绝对值,这表明内生性的存在高估了政府行为对复工复产的影响。
表 5 内生性检验变量 医疗救治 信息公开 政策支持 (1) (2) (3) (4) (5) (6) 政府行为的IV 0.549***
(39.12)0.586***
(59.95)0.040***
(27.56)政府行为 0.292***
(3.73)-0.001***
(-4.06)0.474***
(8.50)控制变量 控制 控制 控制 控制 控制 控制 城市 否 否 否 否 否 否 时间 否 否 否 否 否 否 样本量 17 010 17 010 17 010 17 010 17 010 17 010 R2 0.248 0.056 0.403 0.055 0.497 — 五、 对政府信息公开行为的进一步检验
疫情下的政府信息公开是向公众传递出不隐瞒、不遮掩、负责任的态度,使公众更加信任政府有能力控制住疫情,有能力帮助企业复工复产。然而,在本研究的基础回归中我们发现,疫情期间政府信息公开反而不利于复工复产,这与我们的预期相悖。为了找到内在原因,下面将围绕政府信息公开行为展开探索。
地方政府在疫情期间的信息公开行为可能受到诸多因素的影响,而不完全是地方政府治理能力的体现。这是因为地方政府官员的目标是复合型的,既要保证疫情得到有效控制,也要加快复工复产的进程。地方政府在这两个目标之间可能做出不同的选择:经济相对发达的地方因停工停产的经济损失更大,而更倾向于在保证疫情可防可控的前提下复工复产;经济发展水平相对较低的地方其经济损失相对而言不算太高,而复工复产后一旦疫情无法控制,则会因疫情防控不利而面临被免职的风险。因此,地方政府在疫情期间的信息公开水平既可能是其真实治理能力的体现,也可能是放弃了复工复产只将目标放在疫情防控上的结果,如果是后者,则信息公开反而不利于复工复产。
为了判断地方政府在疫情期间的信息公开水平究竟是其常态化治理能力的体现,还是疫情期间的刻意而为。借鉴马亮(2014)[25]的做法,用“中国政府网站绩效评估”提供的各城市网站绩效评估结果中的中国城市信息公开指数衡量城市在没有疫情情况下的信息公开水平。由于2013年以后该评估报告只报告前100名城市的信息公开水平,因此本研究选择的是2013年的中国城市信息公开指数。
首先,利用平时信息公开水平代替疫情期间信息公开水平进行全样本回归,结果见表 6第(1)列,可知信息公开(gover_trans)的回归系数显著为正,即信息公开显著促进了复工复产。而表 3至表 5中的回归结果表明,疫情期间信息公开显著抑制了复工复产,说明如果不考虑疫情对地方政府信息公开选择的影响,信息公开水平的确是地方政府治理能力的体现,信息公开水平越高,治理能力越强,越会显著促进复工复产。这表明疫情下政府信息公开能力的高低并不完全是政府治理能力的体现,也有可能是地方政府的一种权宜之计。
表 6 对政府信息公开行为的进一步检验变量 (1) (2) (3) 平时替代疫情期间 经济发展水平较高 经济发展水平较低 信息公开(gover_trans) 1.071**(2.34) -0.001(-0.37) -0.007***(-5.30) 经济成本(cost_eco) -0.406(-0.53) 0.425***(5.08) 0.259***(4.51) 确诊率(confirmed) 0.459(0.60) 0.001(0.01) 0.150(1.14) 抗疫时长(time) -5.124(-0.65) 0.188(1.59) -1.324***(-4.90) 与武汉的距离(distance) -0.632(-0.62) 0.186(1.47) 0.875***(4.72) 迁入风险(risk) -0.004***(-3.40) -0.003**(-2.25) -0.010***(-3.38) 劳动力来源(labor) 0.315(0.88) 0.088*(1.90) 0.778***(4.84) 经济增速(growth) -0.046(-0.36) 0.065**(2.22) 0.024***(3.47) 工业规模(size) -0.741(-0.67) -0.079***(-6.67) -0.150***(-3.32) 财政能力(finance) -3.692(-0.70) -1.284***(-4.46) -0.069(-0.97) 城市 控制 控制 控制 时间 控制 控制 控制 样本量 17 010 11 214 5 796 R2 0.852 0.854 0.859 其次,根据经济增速(growth)将样本划分为经济发展水平较高和较低的城市。将样本所在省份经济增速与全国平均水平相比较,高于平均水平的为经济发展水平较高的城市,否则为经济发展水平较低的城市,分别对两组样本进行回归,结果见表 6第(2)(3)列。第(2)列中信息公开的回归系数在统计上并不显著,说明经济发展水平较高的城市在疫情期间的信息公开对复工复产没有显著影响;第(3)列中回归系数显著为负,说明经济发展水平较低的城市疫情期间的信息公开不利于复工复产。这部分城市经济发展水平不高,更倾向于延迟复工,是因为延迟复工面临的可能经济损失较低,即使复工复产,效果可能也并不突出;相反,延迟复工反而能够保住抗疫成果,详尽公开疫情信息还能彰显其负责任的政府形象和治理能力。基于上述考虑,这部分城市的地方政府更倾向于延迟复工,加强疫情信息公开,也就出现了疫情信息公开反而抑制了复工复产的结果。
六、 结论与启示
疫情期间地方政府对于复工复产的差异化制度安排是对城市治理现代化的一次考验,也是检验城市治理现代化水平的一个实验时机。本研究基于不完全信息动态博弈模型分析了疫情期间地方政府的策略选择,梳理了突发公共卫生事件中的政府行为逻辑。推理发现:基于社会净福利最大化目标,地方政府在博弈的第二阶段选择复工复产的概率较高,概率大小与疫情防控成本和可能的经济损失成本有关,这两个成本越高,地方政府加快复工复产的动力越强,越倾向于通过各种政策手段加快全社会的复工复产。进一步利用2020年1月1日至3月3日中国270个地级及以上城市的日数据,借助百度迁徙地图,用城市日出行强度与2019年农历同日出行强度的差值代表城市复工复产情况,基于双向固定效应模型,实证检验地方政府行为对复工复产的影响。研究发现:医疗救治和政策支持都会显著促进企业复工复产,政府治理能力较高的城市倾向于促进复工复产,从而间接证明城市治理能力现代化水平越高的城市复工复产效果越好;然而,疫情期间政府信息公开反而会抑制复工复产的进程,这是因为经济发展水平较低的城市其地方政府出于政绩考虑,更倾向于延迟复工复产以保住防疫成果,加强疫情期间的信息公开会在一定程度上突出其治理能力。
因此,在重大突发公共卫生事件之下,应当进一步提升地方政府的治理能力,推动城市治理现代化。结合我国各级地方政府在疫情防控过程中的一些经验和教训,不难发现,政府治理能力的差别主要体现在对复工复产的异化制度安排中。例如,在疫情防控中,部分城市兼顾了控疫情、保经济的双重目标,将疫情对经济生活的影响降到最小,保证了良好的营商环境;部分城市过度严防严控,扩大防控范围,延迟复工复产,以体现其较强的治理能力。不同的制度安排对疫情防控和经济恢复产生了差异化影响,这些经验和教训使我们对如何完善“中国之治”有了更深刻的认识。在全球疫情未得到有效控制的大背景下,基于上述结论提出如下政策建议:
第一,进一步增强地方政府公共物品的提供能力,加强地方政府应对突发事件的能力储备。政府批准的专项救治医院数量越多,政府选择复工复产的概率越高,降低延迟复工的概率越低,这充分体现出地方政府的公共物品提供能力是应对突发事件的重要法宝。公共物品的提供不同于私人物品,不同公众对公共物品的评价可能不同,但各个主体能够使用的公共物品的数量和质量却是相同的,这就是为什么突发公共卫生事件情况下不论财富、地位所有人都是平等的原因。因此,对于与公共卫生相关的公共物品的提供,地方政府应当尽职尽责,因为如果做得不够好,公众是没有任何能力和机会进行自我选择和调整的。
第二,应当理性看待疫情控制与复工复产之间的关系,透过疫情期间地方政府的异化行为识别真实的地方政府治理能力。实证发现,一些经济发展水平较低的地方政府可能会利用疫情过度严防严控,延迟复工复产,加大疫情期间的信息公开力度,以显示出其较强的治理能力。然而,这些地方政府的治理能力并不完全真实,而只是其权宜之计。故此,应当理性、客观、深入地分析疫情下地方政府的行为选择,识别出哪些是有担当、有能力的好政府,哪些是不担当、假积极的差政府,这正是未来一段时间地方政府治理能力提升和推动城市治理现代化的重要依据。
第三,从疫情防控中的地方政府行为中正确理解“中国之治”。党的十九届五中全会对推进国家治理体系和治理能力现代化作出一系列新的部署,为国家治理得到新提升指明了方向、路径和目标,这其中无一不体现出“中国之治”的内涵,在此次疫情防控中也得以体现。“中国之治”旨在人民之治,全方位增进人民群众的获得感、幸福感、安全感是国家治理体系和能力现代化建设的根本目标,也正是这一目标使得中国的疫情防控始终站在人民安全的立场上。“中国之治”难在大国之治,人口规模大是我国国家治理中必须面对的首要前提,从规模角度看,我国的国家治理能力现代化建设没有参考书,只能自己摸索。以此次疫情为例,在不采取适当防控措施的情况下,他国尝试群体免疫的经验和教训对于中国都没有参考价值,因为基于小样本得出的结论未必在大样本中继续成立。“中国之治”根在政党之治,在全球疫情防控仍然不明朗的情况下,中国率先实现了全面恢复,这体现了我国国家制度在坚持全国一盘棋,调动各方面积极性,集中力量办大事方面的显著优势,而这些都离不开中国共产党的正确领导。
-
表 1 地方政府不同策略选择下的疫情控制率与成本比较
策略选择 当疫情状态为扩散(S1)时 当疫情状态为稳定(S2)时 疫情控制率(A) 经济恢复率(B) 疫情防控成本(c) 经济损失成本(u) 疫情控制率(A) 经济恢复率(B) 疫情防控成本(c) 经济损失成本(u) 复工复产 0 0 c1 (1-P11A11)uk 0.8 0.8 c2 (1-P21A21)uk 延迟复工 0.8 0 c1 (1-P12A12)uk 1 0 c2 (1-P22A22)uk 表 2 主要变量的描述性统计
变量 样本量 平均值 标准差 最小值 最大值 复工复产(recovery) 17 010 0.808 0.311 0.072 1.872 医疗救治(gover_medical) 17 010 0.087 0.080 0.001 0.500 信息公开(gover_trans) 17 010 44.499 38.146 0 100 政策支持(gover_policy) 17 010 47.263 9.698 4 56 经济成本(cost_eco) 17 010 69 655.490 40 022.590 3 809.100 359 342 确诊率(confirmed) 17 010 0.490 3.687 0 58.556 抗疫时长(time) 17 010 44.896 19.101 7 167 与武汉的距离(distance) 17 010 922.909 564.897 0 2 994 迁入风险(risk) 17 010 4.355 67.361 0 3 655.650 劳动力来源(labor) 17 010 1.759 1.821 0.148 11.942 经济增速(growth) 17 010 7.175 2.586 -7.190 13.500 工业规模(size) 17 010 1 319.778 1 535.344 21 9 840 财政能力(finance) 17 010 0.434 0.211 0.073 1.067 表 3 地方政府行为与复工复产的基础回归结果
变量 (1) (2) (3) 医疗救治(gover_medical) 0.755**(2.34) 信息公开(gover_trans) -0.005**(-2.34) 政策支持(gover_policy) 0.911**(2.34) 经济成本(cost_eco) 1.289***(5.30) 1.164***(4.68) 0.624*(1.67) 确诊率(confirmed) -1.279***(-4.95) -0.572(-1.49) -0.363(-0.80) 抗疫时长(time) 12.603***(4.69) 7.442**(2.22) 4.670(1.12) 与武汉的距离(distance) 1.616***(4.59) 1.439***(4.02) 0.425(0.70) 迁入风险(risk) -0.004***(-3.40) -0.004***(-3.40) -0.004***(-3.40) 劳动力来源(labor) -0.453***(-3.96) -0.184(-1.09) -0.365***(-2.95) 经济增速(growth) 0.214***(4.44) 0.185***(3.59) 0.103(1.42) 工业规模(size) 1.733***(4.69) 1.116**(2.50) 0.701(1.24) 财政能力(finance) 8.464***(4.53) 4.164*(1.71) 2.079(0.67) 城市 控制 控制 控制 时间 控制 控制 控制 样本量 17 010 17 010 17 010 R2 0.852 0.852 0.852 注:*、**、***分别表示估计系数在0.1、0.05、0.01的水平下显著;常数项的估计结果略去;括号中的数字为Z值。下表同。 表 4 稳健性检验
变量 (1) (2) (3) (4) (5) 医疗救治(gover_medical) 1.823*** 1.237*** 1.239*** 1.238*** 0.755** (3.35) (3.59) (3.42) (3.47) (2.39) 信息公开(gover_trans) -0.012*** -0.008*** -0.008*** -0.007*** -0.005** (-3.35) (-3.59) (-3.42) (-3.47) (-2.39) 政策支持(gover_policy) 2.200*** 1.481*** 1.240*** 1.042*** 0.911** (3.35) (3.59) (3.43) (3.47) (2.39) 控制变量 控制 控制 控制 控制 控制 城市 控制 控制 控制 控制 控制 时间 控制 控制 控制 控制 控制 样本量 8 100 16 254 17 010 16 254 16 065 R2 0.662 0.805 0.907 0.853 0.853 表 5 内生性检验
变量 医疗救治 信息公开 政策支持 (1) (2) (3) (4) (5) (6) 政府行为的IV 0.549***
(39.12)0.586***
(59.95)0.040***
(27.56)政府行为 0.292***
(3.73)-0.001***
(-4.06)0.474***
(8.50)控制变量 控制 控制 控制 控制 控制 控制 城市 否 否 否 否 否 否 时间 否 否 否 否 否 否 样本量 17 010 17 010 17 010 17 010 17 010 17 010 R2 0.248 0.056 0.403 0.055 0.497 — 表 6 对政府信息公开行为的进一步检验
变量 (1) (2) (3) 平时替代疫情期间 经济发展水平较高 经济发展水平较低 信息公开(gover_trans) 1.071**(2.34) -0.001(-0.37) -0.007***(-5.30) 经济成本(cost_eco) -0.406(-0.53) 0.425***(5.08) 0.259***(4.51) 确诊率(confirmed) 0.459(0.60) 0.001(0.01) 0.150(1.14) 抗疫时长(time) -5.124(-0.65) 0.188(1.59) -1.324***(-4.90) 与武汉的距离(distance) -0.632(-0.62) 0.186(1.47) 0.875***(4.72) 迁入风险(risk) -0.004***(-3.40) -0.003**(-2.25) -0.010***(-3.38) 劳动力来源(labor) 0.315(0.88) 0.088*(1.90) 0.778***(4.84) 经济增速(growth) -0.046(-0.36) 0.065**(2.22) 0.024***(3.47) 工业规模(size) -0.741(-0.67) -0.079***(-6.67) -0.150***(-3.32) 财政能力(finance) -3.692(-0.70) -1.284***(-4.46) -0.069(-0.97) 城市 控制 控制 控制 时间 控制 控制 控制 样本量 17 010 11 214 5 796 R2 0.852 0.854 0.859 -
[1] 洪银兴, 刘伟, 高培勇, 等. "习近平新时代中国特色社会主义经济思想"笔谈[J]. 中国社会科学, 2018(9): 4-73, 204-205. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK201809001.htm [2] 于海峰, 葛立宇. 积极财政政策下的财政风险研究——基于新冠疫情背景的分析[J]. 广东财经大学学报, 2021(1): 4-14. https://song.cbpt.cnki.net/WKG/WebPublication/paperDigest.aspx?paperID=8ca709d5-28e2-4d30-ac08-e905dce0a4a8 [3] 周业安. 地方政府竞争与经济增长[J]. 中国人民大学学报, 2003(1): 98-104. [4] 傅勇, 张晏. 中国式分权与财政支出结构偏向: 为增长而竞争的代价[J]. 管理世界, 2007(3): 4-12. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ200703001.htm [5] 储德银, 费冒盛. 地方政府竞争、支出行为调整与经济高质量发展[J]. 江南大学学报: 人文社会科学版, 2021(4): 42-58. https://www.cnki.com.cn/Article/CJFDTOTAL-WXQS202105005.htm [6] HARRIS C. The cost of SARS[J]. Canadian Underwriter, 2003, 70(6): 16-18. https://www.adb.org/publications/sars-economic-impacts-and-implications [7] VICZIANY M. The political economy of the SARS epidemic: the impact on human resources in East Asia[J]. Asian Pacific Economic Literature, 2008, 22(2): 71-72. doi: 10.1111/j.1467-8411.2008.00222_16.x [8] KEOGH-BROWN M R, SMITH R D. The economic impact of SARS: how does the reality match the predictions?[J]. Health Policy, 2008, 88(1): 110-120. doi: 10.1016/j.healthpol.2008.03.003 [9] BEUTELS P, JIA N, ZHOU Q Y, et al. The economic impact of SARS in Beijing, China[J]. Tropical Medicine & International Health, 2009, 14(s1): 85-91. https://pubmed.ncbi.nlm.nih.gov/19508435/ [10] 胡鞍钢. SARS危机对我国经济发展影响的分析[J]. 管理评论, 2003(4): 3-5, 63. doi: 10.3969/j.issn.2095-3410.2003.04.001 [11] 张宝贵. SARS层面的中国经济增长: 经济分析与政策选择[J]. 统计与决策, 2004(1): 48-49. https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC200401026.htm [12] 李青, 曾凡伟, 徐刚. SARS对我国社会经济的主要影响分析[J]. 灾害学, 2004(3): 83-87. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXU200403016.htm [13] 张文斗, 祖正虎, 许晴, 等. SARS疫情对中国交通运输业和电信业的影响分析[J]. 军事医学, 2012(10): 762-764, 800. https://www.cnki.com.cn/Article/CJFDTOTAL-JSYX201210012.htm [14] 曾本祥, CARTER R W, LACY T D. 短期事件对旅游的影响: 以中国SARS危机为例[J]. 桂林旅游高等专科学校学报, 2005(2): 30-39. https://www.cnki.com.cn/Article/CJFDTOTAL-GLGZ200502006.htm [15] 薛刚, 孙根年. 2003年SARS对国内旅游影响的后评价——基于本底趋势线的31个省、自治区、直辖市客流量损失的估算[J]. 经济地理, 2008(6): 1059-1063. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL200806038.htm [16] 张文斗, 祖正虎, 许晴, 等. 突发大规模疫情对经济的影响分析[J]. 军事医学, 2014(2): 50-54. https://www.cnki.com.cn/Article/CJFDTOTAL-JSYX201402016.htm [17] 孙开. SARS疫情的财政思考[J]. 财经问题研究, 2003(12): 44-47. https://www.cnki.com.cn/Article/CJFDTOTAL-CJWT200312010.htm [18] 夏杰长. 稳定与微调: 后SARS时代税收政策的现实选择[J]. 经济学动态, 2003(9): 25-28. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD200309004.htm [19] 姚杰, 计雷, 池宏. 突发事件应急管理中的动态博弈分析[J]. 管理评论, 2005(3): 48-52, 66. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD200503007.htm [20] 唐天伟, 曹清华, 郑争文. 地方政府治理现代化的内涵、特征及其测度指标体系[J]. 中国行政管理, 2014(10): 46-50. doi: 10.3782/j.issn.1006-0863.2014.10.10 [21] 张蔚文, 卓何佳, 董照樱子. 新冠疫情背景下的用工荒: 基于人口流动与复工复产政策的考察[J]. 中国人口·资源与环境, 2020(6): 29-39. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ202006004.htm [22] TIAN S Z, FENG R Y, ZHAO J, et al. An analysis of the work resumption in China under the COVID-19 epidemic based on night time lights data[J]. ISPRS International Journal of Geo-information, 2021, 10(9): 614-625. doi: 10.3390/ijgi10090614 [23] CHONG T T L, LU L P, ONGENA S. Does banking competition alleviate or worsen credit constraints faced by small and medium-sized enterprises? evidence from China[J]. Journal of Banking & Finance, 2013, 37(9): 3412-3424. https://www.sciencedirect.com/science/article/pii/S0378426613002240 [24] 姜付秀, 蔡文婧, 蔡欣妮, 等. 银行竞争的微观效应: 来自融资约束的经验证据[J]. 经济研究, 2019(6): 72-88. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201906006.htm [25] 马亮. 信息公开、行政问责与政府廉洁: 来自中国城市的实证研究[J]. 经济社会体制比较, 2014(4): 141-154. https://www.cnki.com.cn/Article/CJFDTOTAL-JJSH201404015.htm 期刊类型引用(2)
1. 袁持平,杜妍. 数字经济对城市恢复力的影响研究——基于疫情期间277个城市的经验证据. 城市发展研究. 2023(11): 51-57+108 . 百度学术
2. 刘嘉 ,杨智辉,金思宇. 社会治理视阈下良好社会心态的培育. 社会治理. 2022(04): 34-39 . 百度学术
其他类型引用(7)
-