政治文化背景下的扶貧建設
——來自革命老區的證據

張佑林，王 凡

(上海對外經貿大學 國際經貿學院，上海 201620)

一、引言

黨的十八大以來，以習近平同志為核心的黨中央把扶貧開發擺到治國理政的重要位置，提升到事關全面建成小康社會、實現第一個百年奮斗目標的新高度，并將其納入“五位一體”總體布局和“四個全面”戰略布局進行決策部署。在全黨全社會的共同努力下，我國成功解決了大規模的農村貧困人口的溫飽問題，成為世界上減貧人口最多的國家。然而，貧困問題依然是我國經濟社會發展中最突出的“短板”，脫貧攻堅形勢仍然復雜嚴峻。《國民經濟和社會發展第十三個五年規劃綱要》指出：“把革命老區、民族地區、邊疆地區、集中連片貧困地區作為脫貧攻堅重點，持續加大對集中連片特殊困難地區的扶貧投入力度。”其中，“革命老區”孕育了中國共產黨和人民軍隊，是新中國的搖籃，為中國革命和社會主義建設事業做出了不可磨滅的重大貢獻。由于自然、歷史、地理等多重因素影響，“革命老區”的經濟發展水平相對滯后，自我發展能力不足，脫貧攻堅任務十分艱巨。幸運的是：在特殊的政治文化背景下，“革命老區”的身份賦予了縣域一定的政治資源，擁有此項政治資源是否有助于“革命老區”的扶貧建設？

本文搜集了2005—2015年1882個縣的數據，運用廣義最小二乘法(GLS)和豪斯曼-泰勒(Hausman-Taylor)兩種方法研究表明：相比沒有政治資源的非革命老區縣，具有政治資源的“革命老區”縣在地區層面的絕對經濟差距高出約15%，在省級層面的絕對經濟差距高出約12%，即具有此項政治資源顯著擴大了其在地區和省級層面的絕對經濟差距，并沒有起到有助于扶貧建設的作用。在基于“革命老區”縣類別的異質性分析中，一類“革命老區”賦予的政治資源顯著擴大了其在地區和省級層面的絕對經濟差距，而在二類“革命老區”中的此影響不顯著。在機制分析中，“革命老區”賦予的政治資源顯著擴大了非生產性的縣社會福利支出，間接地擠占其在城鎮化建設的支出，生產性支出缺乏導致其經濟增長動力不足，使得經濟發展水平相對落后，最終擴大了其在地區和省級層面的絕對經濟差距。根據結論提出：我國政府應加大對“革命老區”地區基礎設施的投資力度，開發其經濟增長新引擎，從經濟“輸血”向經濟“造血”過渡；應進一步完善“革命老區”縣財政支出制度，并加強自上而下的行政監督與管理；應繼續深入落實我國的“精準扶貧”政策，提高扶貧建設的效率。

本文其他部分安排如下：第二部分是文獻回顧與評價；第三部分是“革命老區”的發展歷程介紹；第四部分是識別策略、計量模型與數據說明；第五部分是實證回歸結果；第六部分是結論。

二、文獻回顧與評價

(一)文獻回顧

解釋我國區域經濟發展中面臨的一些問題并探究其背后的經濟規律，這離不開我國特殊的“政治集權”的干部人事管理制度。在“政治集權”的制度下，我國干部人事管理制度的最基本原則是“黨管干部”，同時實行“分部分級”管理。政治運作的機制是任命制，每一級地方政府的首長都是由上一級政府任命的，而任命的考核標準往往是官員轄區的經濟產出總量。這就使得官員若想在考核中取得成功，其必須在其轄區干出一番經濟成果，這就是政府作用在經濟中的體現[1]。通過分析已有相關文獻得出：以GDP為核心的政治錦標賽是理解中國經濟增長的政治經濟學基礎(郭瑞等)認為政府官員的特征、行為、作用既是主流經濟學理論忽視的因素，又是中國經濟發展過程中的一個非常突出的現實特征[2，3-5]。揭示了中國地方官員的治理模式——“晉升錦標賽治理模式”與中國高速經濟增長及其各種特有問題的內在關聯：晉升錦標賽作為中國政府官員的激勵模式，它是中國經濟奇跡的重要根源。

從目前該領域的研究成果來看，官員在經濟發展中起的作用可以分為“援助之手”和“攫取之手”兩個方面。就“援助之手”來講(Acemoglu D,et al)，肯定了在“政治晉升錦標賽”制度下官員對經濟增長的貢獻[6]。基于中國省級官員與四位數制造業產業結構變動相匹配的面板數據研究發現：省委書記、省長在短期內能引領轄區產業結構變動，但長期主要靠市場[7]。基于1978—2005年間省長(省委書記)交流樣本構造了省長(省委書記)與省區相匹配的面板數據發現：省長交流能夠使流入地的經濟增長速度提高1個百分點左右[8]，同時發現：中央官員對其籍貫來源省區的經濟增長有顯著的促進作用,對其曾工作過的省區經濟增長的影響則并不顯著,并且這一促進作用主要是通過提高其籍貫來源地的投資率來實現的[9]。基于2003年部長更換的自然實驗發現：新任部長的政治關聯效應會使其來源地的地級市獲得的專項轉移支付增加2億元[10]。基于省級官員的微觀數據發現：官員更替顯著增加了轄區內交通基礎設施投資，官員變動頻率的增加則顯著帶動了轄區內交通基礎設施投資的波動[11]。

就“攫取之手”來講，有研究表明當經濟體致力于經濟增長時,具有政治資源有助于承接更多的污染產能,從而帶來更多的污染[12]。基于2004—2010年的數據研究了環境污染問題，發現具有政治資源地級市的人均工業SO2和煙塵排放量增長分別快了3%左右和16%左右，同時政治資源對環境污染的加劇具有長期性。孫偉增、羅黨論、鄭思齊等研究認為[13]，長期以來,由于官員過度追求以經濟增長為主的晉升激勵指標,在經濟飛速發展的同時,環境污染和能源消耗也愈加嚴重[14]。

(二)文獻評價

以上是從“援助之手”和“攫取之手”兩個方面對相關文獻進行了梳理與總結，已有文獻豐富的研究成果給本文奠定了基礎，但其對區域經濟發展不平衡的政治解釋較少，如區域經濟差距問題。特別是對“革命老區”經濟發展的研究非常稀少，其不僅具有特殊政治身份，同時又是我國當前階段扶貧攻堅的重點對象。在政治文化背景下，“革命老區”的身份賦予的政治資源在其經濟發展中扮演著什么樣的角色？是“攫取之手”還是“援助之手”。因此，本文基于前人的研究成果對政治資源在其“革命老區”經濟發展中扮演著什么樣的角色進行深入探究，本文的研究成果也將是對相關研究領域的一個補充。

三、“革命老區”的發展歷程介紹

(一)革命老區定義①

中國革命老區根據地(簡稱革命老區或老區)是指第二次國內革命戰爭時期和抗日戰爭時期，在中國共產黨和毛澤東等老一輩無產階級革命家領導下創建的革命根據地。劃定革命老根據地應以生產大隊為單位，如果一個公社內，屬于革命老根據地的生產大隊超過半數，這個公社可算作革命老根據地公社。

(二)革命老區劃分依據

第二次國內革命戰爭根據地的劃定標準：曾經有黨的組織，有革命武裝，發動了群眾，進行了打土豪、分田地、分糧食、分牲畜等運動，主要是建立了工農政權并進行了武裝斗爭，堅持半年以上時間的。抗日根據地的劃定標準：曾經有黨的組織、有革命武裝，發動了群眾，進行了減租減息運動，主要是建立了抗日民主政權并進行了武裝斗爭，堅持一年以上時間的。

“中國老區建設促進會”于1995 年按照老區鄉鎮在縣內所占比例將革命老區縣劃分為四類。考慮到上述復雜情況，為了更客觀、準確地研究革命老區的經濟發展情況，本文參考中國老區建設促進會于1997 年編寫的《中國革命老區》，選擇全國一類、二類革命老區縣作為研究對象，其中一類革命老區縣共316個，二類革命老區縣共281個，合計共597個縣。

(三)一、二類革命老區縣的地理分布

圖1為本文統計的597個革命老區縣的地理分布圖。革命老區分布在除新疆維吾爾自治區、西藏自治區、青海省等以外的其他省份。北部主要集中在陜西省、山西省和河北省，并且一類革命老區縣在該三省居多；南部主要集中在江西省、湖南省、貴州省和安徽省，其中一類革命老區縣主要集中在江西省，并且整體分布相對北部比較分散；東北、西南地區革命老區數量相對稀少并且分布比較分散。

圖1我國一類和二類革命老區縣地理分布圖
資料來源：系作者整理通過ArcGIS軟件計算而得

四、識別策略、計量模型與數據說明

(一)識別策略

本文以“革命老區”的身份作為政治資源的代理變量，旨在識別“革命老區”身份賦予的政治資源在其扶貧建設中起到的作用，但在識別策略上可能存在以下三個方面的問題。

首先，需要解決的問題是排除“樣本自選擇問題”(sample selection problem)所造成的內生性，即某縣不能被一些不可觀測的地區特征等遺漏變量顯著地影響其是否成為革命老區縣。比較幸運的是某個縣是否具有“革命老區”的帽子取決于該縣是否參加過第二次國內革命戰爭和抗日戰爭。考慮到戰爭的不確定性和當時共產黨領導的革命活動主要基于軍事斗爭策略，本文接受一個縣是否成為革命老區縣比較接近隨機分組產生的結果。

其次，由于本文所收集到的樣本是1872個縣級的數據，其中革命老區數量為597個，約占所有縣樣本的1/3，這樣帶來的問題是處理組與控制組樣本量差距懸殊，并且以全國縣域為研究樣本處理組與控制組樣本存在較大的系統性偏差，因此在回歸之前，本文運用傾向匹配得分(Propensity Score Matching)思想，采用半徑(卡尺)匹配的方法將處理組和控制組的系統性偏差降到最小，以得到準確的無偏估計量。

再次，在計量模型估計方法上，考慮到本文以“革命老區”作為政治資源的代理變量并以虛擬變量的形式來表示，其實不隨時間變化的。若本文采用固定效應的估計方法，則會導致政治資源核心變量的估計效應被吸收掉。因此，本文借鑒孟可強、陸銘[15]和宋小寧、陳斌、梁琦[16]的識別對策，分別采用面板數據的廣義最小二乘法(GLS)和豪斯曼-泰勒法兩種計量估計方法。廣義最小二乘法(GLS)可以控制可能存在的異方差問題，豪斯曼-泰勒法可以利用模型內部信息產生工具變量，采用工具變量估計來解決個體效應與解釋變量相關導致的內生性問題。

(二)計量模型

lngdp_gapi,t=α0+α1revolution_areai+α2Controli,t+Yeart+εi,t

lngdp_gapi,t為被解釋變量，表示i縣域在t年的絕對經濟差距，本文借鑒卞元超、吳利華、白俊紅[17]的方法采用縣域GDP的離差形式來反映絕對經濟差距，具體如下：

為了更全面地衡量縣域的絕對經濟差距，本文從省份和地區兩個層面入手，如lngdp_gapi,t-ln|GDPr/p,t-GDPi,t|所示，GDPr/p,t分別表示在t年，i縣域所處地區的所有縣域GDP均值與i縣域所處省份的所有縣域GDP均值。GDPi,t表示i縣在t年的GDP值。最后對其差值取絕對值并采用對數形式。

revolution_areai為核心解釋變量，表示i縣是否為革命老區縣。本文采用虛擬變量的形式，若i縣為革命老區縣，則令revolution_areai=1；若i縣為非革命老區縣，則令revolution_areai=0。

Controli,t為控制變量，為減少遺漏變量問題帶來的估計偏誤，本文借鑒張清正[18]和范建雙、虞曉芬、周琳[19]的研究成果，加入如下控制變量：金融發展水平(fin_level)，用年末金融機構貸款余額比居民儲蓄余額表示；固定資產投資額(fixed_invest)，用固定資產投資額的對數形式表示；人力資本(hum_capital)，用在校中學生數比縣域總人口表示；工業化水平(indus_level)，用規模以上工業總產出的對數形式表示；政府支出規模(gov_spend)，用縣級政府的財政支出比其GDP表示；農業現代化水平(mod_agri_level)，用農業機械總功率的對數形式表示。

Yeart為時間效應，用來控制時間趨勢帶來的經濟影響。εi,t為隨機擾動項。

(三)數據說明

本文以2005—2012年全國的縣為研究樣本，為了樣本中保證樣本不存在較大的系統性偏差，本文在做傾向匹配得分(PSM)前將樣本中的四大直轄市(北京、天津、上海和重慶)刪除，同時將縣級層面的市轄區和省直管縣刪除。由于海南省的數據嚴重缺失，本文也將其從樣本中刪除，最終本文樣本中共含1837個縣。

在革命老區縣的設立上，1995年中國老區建設促進會按照老區鄉鎮在縣內所占比例將革命老區縣進行了分類，將革命老區縣分為四類。考慮到上述復雜情況，同時為了更客觀、準確地研究革命老區的經濟發展情況，本文參考中國老區建設促進會于1997年編寫的《中國革命老區》，選擇全國一類革命老區縣和二類革命老區縣作為研究對象，其中一類革命老區縣共316個，二類革命老區縣共281個，合計共597個②。

工業革命之前，技術進步非常緩慢，一個人一生幾乎感受不到技術的進步，沿著同樣的技術路徑勞動和生活，可謂天經地義。工業革命以后，尤其是20世紀下半葉以來，一個人可以感受到技術的明顯進步。1980年代以來，每十年甚至每年都可以感受到技術的明顯進步。

本文用到的所有的縣級社會經濟數據來自2005—2012年《中國縣(市)社會經濟統計年鑒》和《全國地市縣財政統計資料》，并且以國泰安數據庫作為補充。各省縣與其省會城市的距離是根據國家地理信息公共服務平臺查詢得到的經緯度通過MATLAB軟件計算而得。

五、實證回歸結果

(一)描述性統計

表1 主要變量描述性統計

續表

變量變量解釋觀測值平均值標準差p25p50p75revolution_area革命老區縣(1,2類)152140.3130.464001revolution_area1革命老區縣(1類)152140.1670.373000revolution_area2革命老區縣(2類)152140.1470.354000

注：系作者整理而得

如表1所示，可以觀察出地區層面GDP離差和省級層面GDP離差其標注差均較大，從樣本數據上說明縣域的絕對經濟差距較大。控制變量中固定資產投資額、工業化水平和農業現代化水平標準差相對較大，說明樣本中的各個縣在固定資產投資額、工業化水平和農業現代化水平中存在明顯的差異。革命老區縣(revolution_area)的平均值為0.313，說明革命老區縣的數量在本文樣本中占到31.3%，其中一類革命老區縣為16.7%，二類革命老區縣為14.7%。

(二)基準回歸結果

如表2基準回歸結果所示，基準回歸從地區層面和省級層面兩個方面來討論，并同時采用GLS和HT兩種估計方法。列(1)與列(2)報告了地區層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平分別為1%與5%，說明“革命老區”賦予的政治資源顯著擴大了其在地區層面上的絕對經濟差距。列(3)與列(4)報告了省級層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平分別為5%與10%，說明“革命老區”賦予的政治資源顯著擴大了其在省級層面上的絕對經濟差距。相比沒有政治資源的非革命老區縣，具有政治資源的“革命老區”縣在地區層面的絕對經濟差距相對高出約15%，在省級層面的絕對經濟差距相對高出約12%。總的來講，從基準回歸結果可以得出：以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源會顯著擴大其在地區和省級層面的絕對經濟差距。

表2 基準回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

(三)異質性分析

由基準回歸結果可知：以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源會顯著擴大其在地區和省級層面的絕對經濟差距。但往往結論不具有普適性，本文樣本中的革命老區縣由一類和二類革命老區縣組成，并且現實中級別的不同會使得政治資源的影響力存在一定的差異，因此本文設計出基于革命老區縣類別的異質性分析。

如表3所示，本文異質性分析在基準回歸的基礎上從一、二類革命老區縣展開，列(1)至列(4)報告的是以“一類革命老區”的身份作為政治資源的代理變量的回歸結果，可以看出核心解釋變量(revolution_area)在地區層面和省級層面都正向顯著，顯著性水平為5%、10%、1%與5%，說明以“一類革命老區”的身份作為政治資源的代理變量，具有此項政治資源顯著擴大了其在地區和省級層面的絕對經濟差距。相比沒有政治資源的非革命老區縣，具有政治資源的“革命老區”縣在地區層面的絕對經濟差距相對高出約13%，在省級層面的絕對經濟差距相對高出約17%，這與基準回歸中核心解釋變量(revolution_area)的估計系數接近。列(5)至列(8)報告的是以“二類革命老區”的身份作為政治資源的代理變量的回歸結果，可以看出核心解釋變量(revolution_area)在地區層面和省級層面都不顯著，說明具有以“二類革命老區”的身份作為政治資源的代理變量，對其在地區和省級層面的絕對經濟差距沒有顯著的影響。

(四)穩健性檢驗

為了保證基準回歸的識別結果無偏誤，本文設計出四種穩健性檢驗方法對其進行檢驗，具體如下：

1.運用反事實檢驗思想

本文通過改變政策的執行對象來構造反事實。具體而言，首先將研究對象放在地州級市，若某個地州級市為革命老區縣，則將這個地州級市就歸入下一步的研究對象，相反如果地州級市中不存在革命老區縣，則將其所有縣直接歸入控制組。然后將研究對象地州級市中的革命老區縣刪除，將剩下的縣設定為“假革命老區縣”,其現實中不具有“紅色”背景的政治資源。如果以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源的確會顯著擴大其在地區和省級層面的絕對經濟差距。那么按照預期以“假革命老區縣”作為非具有政治資源的代理變量，則核心解釋變量(no_revolution_area)將不會存在同樣的作用效果。

如表4所示，列(1)與列(2)報告了地區層面的回歸結果，列(3)與列(4)報告了省級層面的回歸結果，可以看出在地區和省級兩個層面上，核心解釋變量(no_revolution_area)均不存在對其在地區和省級層面絕對經濟差距的顯著擴大作用，這符合本文構造反事實的預期結果，說明以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源的確顯著擴大了其在地區和省級層面的絕對經濟差距。

表3 基于革命老區縣類別的異質性分析回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

表4 反事實檢驗回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

2.控制“國家扶貧開發工作重點縣”政策帶來的影響

國家扶貧開發工作重點縣同革命老區縣一樣可以獲得特殊的政治資源，這種特殊的政治資源帶來的好處是：中央政府在經濟資源的配置中加大偏向性的優惠以支持國家扶貧開發工作重點縣的社會經濟發展，同時給予較多地方財政的自主支配空間。如果國家扶貧開發工作重點縣特殊的政治資源同樣會對地區和省級層面的絕對經濟差距有顯著的擴大作用，那么會產生政策的混淆使得本文基準回歸中核心解釋變量(revolution_area)的估計結果是有偏的。因此，本文考慮在回歸中控制“國家扶貧開發工作重點縣”政策帶來的影響。具體而言，本文搜集到國家扶貧開發工作重點縣共425個③，將國家扶貧開發工作重點縣(p_county)也采用虛擬變量的形式加入到回歸方程中，若某個縣為國家扶貧開發工作重點縣，則p_county=1；若非國家扶貧開發工作重點縣，則p_county=0。

如表5所示，在基準回歸的基礎上加入p_county來控制“國家扶貧開發工作重點縣”政策帶來的影響，列(1)與列(2)報告了地區層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平均為5%，說明在考慮“國家扶貧開發工作重點縣”政策的基礎上，“革命老區”賦予的政治資源顯著擴大了其在地區層面的絕對經濟差距。列(3)與列(4)報告了省級層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平分別為1%與5%，說明“革命老區”賦予的政治資源顯著擴大了其在省級層面的絕對經濟差距。總之，在控制“國家扶貧開發工作重點縣”政策帶來的影響后，以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源仍然顯著擴大了其在地區和省級層面的絕對經濟差距。

表5 控制“國家扶貧開發工作重點縣”政策回歸結果

續表

變量(1)(2)(3)(4)地區層面(lngdp_gap)省級層面(lngdp_gap)GLSHTGLSHTlnfixed_invest0.0093(0.7108)-0.0048(-0.3656)0.0532***(3.1529)0.0400***(3.0183)hum_capital-0.1094**(-2.5378)-0.0546(-1.4341)-0.1106**(-2.3691)-0.0752*(-1.9415)lnindus_level0.0534***(3.7889)0.0342**(2.3879)0.0833***(4.7431)0.0736***(5.0188)gov_spend0.1215***(2.6958)0.1747***(4.6748)0.2384***(4.4262)0.2292***(6.0114)lnmod_agri_level-0.0301(-1.3148)0.1175***(4.2408)0.0246(1.0248)0.1771***(6.2438)p_county-0.2294***(-3.8898)-0.1996***(-3.0021)-0.1072*(-1.7128)-0.0868(-1.2366)_cons11.7832***(21.4618)10.7658***(22.4254)8.9115***(14.5770)8.6109***(17.5171)時間效應YesYesYesYes觀測值10392103921038910389

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

3.刪除樣本中所含的省會城市和副省級城市

本文采用縣級GDP與地區平均GDP、省級平均GDP的離差來衡量絕對經濟差距，但存在的一個問題是：樣本中所含有的省會城市和副省級城市因其政治、經濟規模的優勢使得其轄區縣域的經濟發展水平往往和其他縣域有較大的差異，這可能造成本文計算的地區和省級層面的平均GDP會受到極端值的影響形成“差距假象”。因此，為了保證一個準確的識別結果，本文在回歸樣本中將全國省會城市和副省級城市刪除④。

如表6所示，在刪除樣本中所含的省會城市和副省級城市的回歸結果中，列(1)與列(2)報告了地區層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平均為5%，說明在刪除樣本中所含的省會城市和副省級城市后，“革命老區”賦予的政治資源顯著擴大了其在地區層面的絕對經濟差距。列(3)與列(4)報告了省級層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平均為1%，說明“革命老區”賦予的政治資源顯著擴大了其在省級層面的絕對經濟差距。總之，在刪除樣本中所含的省會城市和副省級城市后，以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源顯著擴大了其在地區和省級層面的絕對經濟差距。

表6 刪除樣本中所含的省會城市和副省級城市回歸結果

續表

變量(1)(2)(3)(4)地區層面(lngdp_gap)省級層面(lngdp_gap)GLSHTGLSHTlnmod_agri_level-0.0280(-1.1832)0.1266***(4.5076)0.0166(0.6756)0.1605***(5.5421)_cons12.2609***(21.2319)11.0358***(22.2126)9.5940***(15.2206)9.0231***(17.6082)時間效應YesYesYesYes觀測值9562956295599559

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

4.控制縣域到所屬省會城市的距離回歸結果

在識別策略中談到成為“革命老區”可能受到一些不可觀測的因素而存在“自選擇”問題，考慮到當時國民黨軍隊一般情況下都駐扎在每個省的重要中心城市，在國共兩黨政治、軍事對立時期，相對弱勢的共產黨革命武裝領導的革命活動可能盡量避開中心城市。這可以體現在井岡山革命根據地時期的軍事斗爭思想：“農村包圍城市，武裝奪取政權”，那么離中心城市越遠的地區就越有可能開展革命活動，最終成為今天的革命老區縣。因此，為了保證核心解釋變(revolution_area)識別結果的準確性，本文在回歸中將控制縣域到所屬省會城市的距離。

如表7所示，在基準回歸的基礎上加入lndistance來控制縣域到所屬省會城市的距離，列(1)與列(2)報告了地區層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平均為1%。列(3)與列(4)報告了省級層面的回歸結果，可以看出核心解釋變量(revolution_area)正向顯著，顯著性水平均為1%。這說明在控制縣域到所屬省會城市的距離的基礎上，以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源顯著擴大了其在地區和省級層面的絕對經濟差距。

表7 控制縣域到所屬省會城市的距離回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

(五)機制分析

上文以“革命老區”作為政治資源的代理變量，回歸結果說明政治資源顯著擴大了地區和省級層面的絕對經濟差距，但是存在的問題是：其并沒有說明是因為政治資源推動了經濟發展，還是政治資源阻礙了經濟發展，最終導致絕對經濟差距的擴大。因此，在做機制分析之前，本文將對以“革命老區”作為政治資源帶來的經濟效應進行檢驗。

如表8所示，列(1)與列(2)報告了核心解釋變量(revolution_area)對縣級GDP的回歸結果，GLS估計方法下核心解釋變量(revolution_area)估計系數負向顯著，顯著水平為10%，而HT估計方法下核心解釋變量(revolution_area)估計系數不顯著。列(3)與列(4)報告了核心解釋變量(revolution_area)對縣級人均GDP的回歸結果，HT估計方法下核心解釋變量(revolution_area)估計系數負向顯著，顯著水平均為1%。以上回歸結果說明以“革命老區”的身份作為政治資源的代理變量，具有此項政治資源阻礙了其經濟發展，使得其經濟發展水平相對落后于非革命老區縣。

表8 政治資源的經濟效應檢驗回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

通過對政治資源的經濟效應分析結果可知：以“革命老區”為衡量標準的設定的政治資源阻礙了其縣域經濟的發展，進而導致其絕對經濟差距持續擴大，但是為什么本文中的政治資源會阻礙縣域經濟的發展？本文從社會福利支出和城鎮化建設兩個角度來解釋。

首先，(王守坤，2017)研究認為，長征事件賦予了沿線縣域一類特別的政治資源稟賦，提高了長征沿線縣成為革命老區縣和國家級貧困縣的概率，長征沿線縣級政府能夠確定性地獲得來自中央政府的政策與財政資金支持，進而具有更為寬松的預算支出空間，但這些優勢的財政資源可能會被扭曲利用，多投入一些非生產性的支出項目上，如財政資金違規使用，支出更多的行政管理費用，以及承擔更多的財政供養人口等，最終造成長征縣的經濟發展相對落后[20]。本文以“革命老區”為衡量標準設定的政治資源類似于“長征縣”帶來的政治資源，那革命老區是否也存在同樣的現象？由于縣級層面數據的缺失，本文以人均福利組織數與人均福利組織床位數兩個指標來作為縣社會福利支出的代理變量，對其進行檢驗。

其次，從經濟增長的驅動因素來看，城鎮化建設是當代經濟增長的主要驅動力量(郭晨、張衛東，2017)，認為新型城鎮化建設通過提高公共設施水平、促進就業結構轉型和健全社會保障體系提升區域經濟發展質量，并且在經濟規模大、人力資本高、政府作用強的前提下，新型城鎮化建設能夠進一步提升區域經濟發展質量[21](田麗，2018)。認為城鎮化有利于提高農村人均收入，從而促進農村經濟發展，城鎮化水平越高，繼續推進城鎮化對農村人均收入提高的促進作用越強[22]。

基于前人研究結果，本文中革命老區縣是否是因為城鎮化建設落后導致其經濟發展緩慢？本文以城鎮與鄉村人口的比值來作為縣域城鎮化建設的代理變量，對其進行檢驗。

如表9所示，列(1)至列(4)報告了社會福利支出角度的回歸結果，其中列(1)與列(2)是人均福利單位床位數(lnwel_bed)的回歸結果，可以看出核心解釋變量(revolution_area)估計系數正向顯著，顯著性水平均為1%。列(3)與列(4)是人均福利單位床位數(lnwel_bed)的回歸結果，可以看出核心解釋變量(revolution_area)估計系數正向顯著，顯著性水平均為1%，說明相比給革命老區縣，“革命老區”賦予的的政治資源顯著增加了其社會的福利支出，造成地方財政資源的扭曲利用。列(5)與列(6)報告了城鎮化建設角度的回歸結果，可以看出核心解釋變量(revolution_area)估計系數負向顯著，顯著性水平均為1%，說明相比給革命老區縣，“革命老區”賦予的的政治資源顯著阻礙了其城鎮化建設，使得其城鎮化水平相對落后。這正好符合(楊得前，蔡芳宏，2015)的研究結論，其認為當前我國欠發達地區財政政策仍存在較多問題，主要表現在財政促進新型城鎮化發展的成效不理想[23]。

總之，可以從機制分析中看出：“革命老區”政府過多的財政資源投入非生產性福利支出上，這可能進一步擠占社會經濟發展所需的生產性支出，如機制中探究的城鎮化建設，“革命老區”賦予的的政治資源并沒有促進其城鎮化建設。這最終導致其經濟發展水平相對落后，擴大了其在地區和省級層面的絕對經濟差距。

表9 機制檢驗回歸結果

注：“***”“**”和“*”分別表示1%、5%和10%的統計顯著性水平，系數下方括號內報告的是t值

六、結論

根據本文研究結論從三個方面提出有關建議，具體如下:

(一)加大對“革命老區”地區基礎設施的投資力度，開發其經濟增長新引擎

由于自然、地理、歷史等因素，“革命老區”地區的基礎設施條件相對落后，而落后的基礎設施正是阻礙“革命老區”經濟增長的主要瓶頸。然而，當今城鎮化的建設作為推動經濟增長的主要引擎，完善的基礎設施條件是進行城鎮化高水平發展的基礎。同時，“革命老區”因其自然環境和歷史因素有著豐富的旅游資源，如“延安革命圣地”，打造紅色旅游基地也需在完善的基礎設施之上。因此，我國政府應加大對革命老區的投資力度，進一步完善其基礎設施條件，為其地方經濟發展“造血”，開發經濟增長新引擎。

(二)完善“革命老區”縣財政支出制度，并加強自上而下的行政監督與管理

從本文研究結論可以看出革命老區縣的身份賦予的政治資源顯著擴大了縣社會福利的支出。“革命老區”政府過多的財政資源投入非生產性福利支出上，這將進一步擠占社會經濟發展所需的生產性支出，如機制中探究的城鎮化建設，最終導致當地經濟增長潛力低下，并且對政府大額財政福利支出的依賴會加劇對財政資源的扭曲利用。因此，中央政府應該完善各級政府財政支出的制度，特別是如本文研究的“革命老區”，并且要加強自上而下的行政監督與管理。

(三)繼續深入落實我國的“精準扶貧”政策，提高扶貧建設的效率

黨的十八大以來，中央調整了以往以區域開發為主的扶貧開發模式，將精準扶貧和精準脫貧作為基本方略。以往的扶貧開發模式以“撒胡椒面”式的實物救濟“輸血”為主，救濟形式單一、分散、力度較低，很難集中解決一些制約區域發展的重要問題，而精準扶貧就是將貧困家庭和貧困人口作為主要扶持對象，而不能僅僅停留在扶持貧困縣和貧困村的層面上。2012年至2017年，中國貧困人口減少近7000萬人，相當于每分鐘至少有26人擺脫了貧困。貧困發生率由10.2%下降到3.1%，并且貧困縣數量實現了首次減少，創造了中國扶貧史上的最好成績。因此“革命老區”作為我國扶貧攻堅戰的重點區域，當地應當精準、高效利用中央政府給予的財政優惠，將財政資金投入脫貧重點領域，改善其經濟發展水平的落后面貌。

注 釋：

①1979年6月24日，為貫徹國務院1978年12月2日國發〔1978〕250號文件批轉財政部《關于減輕農村稅收負擔問題的報告》中提出關于免征革命老根據地社、隊企業工商所得稅問題，各地對劃定革命老根據地的標準和劃分免征工商所得稅的標準，即對什么經濟條件的社、隊才免征工商所得稅兩個問題，不斷打電話、致函民政部請示。為此，民政部、財政部經國務院批準，聯合下發了《關于免征革命老根據地社隊企業工商所得稅問題的通知》(民發〔1979〕30號、〔79〕財稅85號文件)，通知中對劃定革命老根據地的標準明確做出了規定。此后，為確認革命老區，國務院設立了老區辦，辦公地點設在農業部(1993年，全國老區辦正式撤銷，同時停止了對革命老區的審批確認工作)。

②中國老區建設促進會，1997年《中國革命老區》，中共黨史出版社。

③資料來源：國家扶貧開發領導小組辦公室，http://www.cpad.gov.cn/art/2012/3/19/art_50_23706.html。

④省會城市有：石家莊市、沈陽市、哈爾濱市、杭州市、福州市、濟南市、廣州市、武漢市、成都市、昆明市、蘭州市、南寧市、銀川市、太原市、長春市、南京市、合肥市、南昌市、鄭州市、長沙市、貴陽市、西安市、西寧市、呼和浩特市、拉薩市和烏魯木齊市，其中某些省會城市為副省級城市。副省級城市有：廈門市、寧波市、深圳市、青島市和大連市。