大數據審計與政府采購

摘 要 規范政府采購行為是提高財政支出效率、應對財政壓力的重要手段。本文利用金審三期工程實施，基于政府采購微觀數據，使用雙重差分法探討大數據審計對政府采購的影響。基準結果表明，實施大數據審計能夠顯著促進政府采購發展，表現為政府采購合規性提高，政府采購促進全國統一大市場構建的政策調節作用更加顯著。動態效應分析顯示，大數據審計對政府采購的促進作用隨著時間推移不斷增強。使用安慰劑檢驗、工具變量法以及交疊雙重差分穩健估計量等方法進行穩健性檢驗，基準結果依然成立。機制分析結果發現，大數據審計通過提升審計監督效能和減少政府采購審計中的信息不對稱兩條路徑起作用。進一步分析發現，大數據審計對政府采購正向作用在財政壓力更大以及市場化指數較低的地區更加明顯。本文證實了大數據審計對提高政府治理能力的積極作用，對于促進政府采購提質增效的政策制定具有啟示作用。

關鍵詞 大數據審計;政府采購;政府治理;金審三期工程

0 引言

近年來，我國經濟受全球經濟衰退、新冠疫情以及地緣政治沖突等多種不利因素疊加的沖擊，經濟增速放緩，加之我國實施了一系列減稅降費政策，財政收入增速明顯下滑，由于財政支出存在剛性，政府面臨著巨大的財政壓力。提高財政資金的使用效率是破解我國財政收支困境的重要手段。政府采購是財政支出的重要組成部分，為了維持政府的正常運轉和職能實現，政府需要使用財政資金對外采購必要的商品和服務。2020 年政府采購支出占一般公共預算財政支出比重達到15%，占GDP 比重達到3. 6%（圖1）。

目前我國建立了以“程序管理”為特征的政府采購制度。然而，由于政府采購監督機制不健全，當前我國政府采購依然存在合規性不高，政府采購政策功能難以充分發揮等問題。規范政府采購行為，提高政府采購合規性，充分發揮政府采購政策功能，對于提高財政資金使用效率、應對財政壓力，提升國家治理能力，促進國家治理能力現代化具有重要的理論和現實意義。

現有關于政府采購的研究文獻，主要考察了政府采購的經濟激勵效應。宏觀經濟層面，研究發現政府采購有助于推動產業轉型升級（ 武威和劉國平，2021）、促進精準扶貧（ 武威等，2022）、改善環境質量（ Geng and Doberstein，2008）。企業層面，研究發現政府采購能夠激勵企業創新（ 姜愛華和費堃桀，2021）、促進企業履行社會責任（韓旭和武威，2021）、抑制企業經營金融化（王伊攀和朱曉滿，2022）。要充分發揮政府采購的經濟激勵效應，需要進一步完善政府采購制度。部分文獻對如何進一步優化政府采購進行了探討。甄德云和曹富國（2020）在新冠疫情暴發背景下，提出建立中國特色應急采購制度，以應對重大突發公共事件。姜愛華等（2021）和吳軍民等（2022）分別從優化營商環境和提高政府采購透明度視角，指出政府采購完善方向。白仲林等（2017）構建基于可觀測成交價的招標結構模型，發現中央批量集中采購改革有助于降低采購成本。

然而，尚未有文獻從政府審計視角，探討對政府采購的影響。政府采購活動存在信息不對稱，容易發生道德風險，產生委托代理問題。現有以程序管理為重點的政府采購體制，側重事前審批，而事中監督和事后監督較為薄弱。習近平總書記在中央審計委員會第一次會議中指出，努力構建集中統一、全面覆蓋、權威高效的審計監督體系，更好地發揮審計在黨和國家監督體系中的重要作用。事實上，政府采購是政府審計的一項工作重點，然而在審計監督資源有限的約束條件下，政府采購規模大、項目繁多等特點，削弱了以人工分析查找為特點的傳統審計方法的有效性（鮑朔望，2016）。近年來，隨著互聯網技術進步以及大數據分析技術的成熟，大數據審計開始逐漸應用到審計實踐中（ 秦榮生，2014）。大數據審計從審計數據、審計方法等多個維度突破了傳統審計方法的局限，利用多數據源進行數據自動比對，以及構建機器學習模型進行異常檢測以及自動預警等方式，極大地提升了審計監督效能，是黨中央關于科技強審和審計信息化建設戰略的最新實踐。評估大數據審計對政府采購的影響，能夠豐富政府采購理論研究，檢驗大數據審計實踐成效，為利用大數據審計促進政府采購發展提供指導。

本文將以大數據審計為核心特征的金審三期工程建設作為事件沖擊，基于政府采購微觀數據，使用雙重差分法考察大數據審計對政府采購的影響。研究結果表明，大數據審計能夠顯著促進政府采購發展。一方面，大數據審計促進政府采購合規性增加，表現為限額以上公開招標比例增加以及政府采購信息公開合規性增加。另一方面，大數據審計提高了異地采購比重，減少政府采購過程中的地方保護主義行為，有助于發揮政府采購促進國家統一大市場構建的政策調節作用。平行趨勢檢驗結果表明，處理組和控制組在事前有相同的時間趨勢，雙重差分法的估計是可靠的。動態效應檢驗發現，大數據審計對政府采購的促進作用隨著時間推移不斷加強。本文還采用更換被解釋變量，更換聚類穩健標準誤，安慰劑檢驗以及工具變量法，排除競爭性解釋，以及使用交疊雙重差分穩健估計量等方式證實了研究結論的穩健性。機制分析表明，大數據審計通過提升審計監督能力，以及降低政府采購審計中的信息不對稱程度兩條路徑發揮作用。進一步分析發現，大數據審計對政府采購的正向作用在財政壓力更大以及市場化水平有待提升的地區更加明顯。

與現有文獻相比，本文有如下三方面創新。第一，從完善政府審計角度提出了促進政府采購提質增效的思路。現有研究主要從改善營商環境，提高政府采購透明度等角度提出優化方案，鮮有文獻從政府審計視角進行考察。事實上，政府采購存在低效率現象的根本原因在于信息不對稱導致的委托代理問題。而大數據技術能夠增強政府審計對政府采購的監督作用，有效發揮揭示、抵御和預防功能，降低政府采購過程中道德風險發生的可能性。本文實證結果表明，以大數據技術應用為核心特征的金審三期工程的實施，能夠提升政府審計監督效能，顯著提高政府采購的合規性，促進政府采購政策功能發揮。第二，本文提供了大數據審計治理效應的微觀證據。隨著信息技術發展，世界已進入大數據時代。習近平總書記指出，要運用大數據提升國家治理現代化水平，建立健全大數據輔助科學決策和社會治理的機制。以大數據審計為核心特征的金審三期工程是我國科技強審的最新實踐。政府采購規模大、項目多，具有典型的大數據特點，傳統審計方法受限于有限的審計監督資源，難以實現事前事中事后全方位高效監督。本文以金審三期工程作為大數據審計的事件沖擊，使用雙重差分法，發現大數據審計方法能夠有效促進政府采購發展，證實了大數據審計對提高政府治理能力的積極作用。第三，本文探討了大數據審計治理效應的內在機制與作用異質性，對于進一步推進和優化金審三期工程建設以及提高政府采購效率具有政策指導價值。本文研究發現，大數據審計會通過提升審計監督能力和減少政府采購審計中的信息不對稱程度兩條路徑起作用。并且，大數據審計對政府采購的治理效應在財政壓力更大以及市場化水平有待提升的地區更加明顯。高財政壓力城市、市場化水平需要進一步改善的城市，應積極推進金審三期工程，完善政府采購事前事中事后監督，充分發揮大數據審計促進政府采購發展的作用，提高財政資金使用效率。

1 制度背景

1.1 政府采購

為了維持政府的正常運轉和職能實現，政府需要使用財政資金對外采購必要的商品和服務。建立高效的政府采購制度是構建現代財政制度，發揮財政國家治理基礎作用的題中應有之義。我國在1996 年開始試點適用于社會主義市場經濟體制的政府采購制度，2003 年《中華人民共和國政府采購法》（簡稱《政府采購法》）實施，標志著我國政府采購制度和管理體制基本建立。隨著我國經濟的快速增長以及政府規模的擴大，政府采購規模顯著增加。2020 年，政府采購規模達到36970. 6 億元，占財政支出比重為10. 2%，占GDP 比重為3. 6%①。從結構來看，政府采購由最初的貨物采購為主，逐漸發展為貨物、工程和服務并重。

伴隨著快速增長的政府采購規模，我國不斷健全和豐富政府采購方式。《政府采購法》規定公開招標、邀請招標、競爭性談判、單一來源和詢價等5 種采購方式。2014 年進一步加入了競爭性磋商采購方式，以應對PPP 發展需要。之所以采用多種采購方式，是由于政府采購過程中會面對不同數量、不同供應方式的采購對象，以及政府采購需求中對公平和效率的不同側重。考慮到政府采購的公共性，公開招標憑借其保障公平競爭的優點，成為政府采購的主要形式。

由于政府采購過程中存在信息不對稱，政府采購領域存在政府失靈，表現為政府采購支出浪費，以及采購過程中的貪污腐敗問題。為應對政府采購中出現的問題，我國建立起以“程序管理” 為中心的政府采購制度，強調政府采購的合規性，通過優化采購程序，強化交易環節監管等方式減少政府采購中出現的違法違規行為。《政府采購法》主要通過優化政府采購方式，規范政府采購行為。具體地，將競爭性最強的公開招標作為政府采購的主要方式。只有在特殊情況下，才允許使用除公開招標以外的采購方式，并要得到市級以上人民政府的批準。同時規定，采購人不得將應當以公開招標方式采購的貨物或者服務化整為零或者以其他任何方式規避公開招標采購。為進一步規范政府采購，2011年和2015 年又分別實施《中華人民共和國招標投標法實施條例》和《中華人民共和國政府采購法實施條例》（以下簡稱《政府采購法實施條例》），對政府采購合規性作出了明確量化規定。例如，《政府采購法實施條例》規定，采購人應當自政府采購合同簽訂之日起2 個工作日內，將政府采購合同在省級以上人民政府財政部門指定的媒體上公告。

隨著我國政府采購規模的增長，以及經濟結構轉型的現實要求，政府采購的政策功能越來越得到政府的重視。例如，我國政府采購通過對節能環保產品以及自主創新產品的購買，大力支持企業自主創新以及企業綠色發展，并取得了顯著成效。2022 年，黨中央和國務院發布《關于加快建設全國統一大市場的意見》，指出構建全國統一大市場是構建新發展格局的基礎支撐和內在要求，從全局和戰略高度加快建設全國統一大市場，促進商品和要素在全國范圍內流通，暢通國內大循環，促進國內國際雙循環。政府采購作為重要的市場需求，打破政府采購的“地方保護主義”，保障外地供應商自由進入本地區和本行業的政府采購市場，有助于促進市場競爭，深化社會分工，助力全國統一大市場的構建。

1.2 金審三期工程

20 世紀90 年代，我國開展電子化政務工程建設，利用“ 信息高速公路” 為代表的第二次信息革命，提高我國政府信息化程度，促進政府職能轉變，改善政府治理水平。在成功試點國民經濟信息化的起步工程（“ 三金工程”） 以及“ 金關工程”“金稅工程”等業務系統基礎上，2002 年，中央政府進一步推行包括“金審工程”在內的8 個業務系統工程建設①。可以說，“金審工程” 誕生之初，就帶有鮮明的信息化色彩，利用信息技術擴大政府審計覆蓋范圍，提升審計監督效能。

我國“金審工程”共經歷了金審一期工程、金審二期工程和金審三期工程建設，審計信息化水平不斷提升。金審一期工程開始于2002 年，其突出成就是對政府部門、國有企業以及事業單位財務信息進行電子化，為傳統審計向信息化審計的轉變提供了數據基礎。在此期間，為了更有效地處理電子化數據，充分發揮計算機輔助審計功能，開發了包括審計管理系統（ OA 系統） 和審計實施系統（AO 系統）在內的審計軟件①。但是由于缺乏經驗以及審計人員信息技術知識儲備不足，審計管理系統和實施系統設計并不完善，在實際審計業務中也未得到充分應用。此外，金審一期工程未能實現數據在各級審計部門的互聯共享，制約了審計效率提升。

為了應對上述不足，進一步推進審計信息化建設，2007 年審計署開展了金審二期工程建設，并于2012 年竣工驗收。金審二期工程的主要目標是構建完善的國家審計信息系統，為信息化審計提供基礎。在此期間，實現了審計信息系統軟件國產化，通過健全現場審計、聯網審計、審計管理三大系統，提升了審計信息安全水平;通過創建國家審計數據中心、交換中心、安全中心、運維中心等四個中心，為信息化審計提供了硬件支撐。金審二期工程實現統一平臺聯網審計，中央與地方審計機關互聯，地方各級審計機關互聯，審計信息資源能夠及時共享和交換，提升了審計效率和效能。

2015 年，在大數據技術高速發展的背景下，為進一步落實科技強審要求，審計署啟動了以大數據審計為核心特征的金審三期工程。不同于金審一期工程和金審二期工程著重于建立信息化審計數據基礎與數據共享，金審三期工程更強調“以用為本”，將大數據技術應用到審計工作中，建立健全大數據審計基礎設施，發展完善大數據審計理論、方法與應用。金審三期工程標志著我國審計信息化進入嶄新階段：在完善審計數據和審計程序規范標準基礎上，通過建設云審計平臺，利用文本分析、機器學習等大數據分析技術，實現靜態審計、事后審計，現場審計向靜態與動態相結合、事中事后相結合，現場與遠程相結合的轉變。與此同時，大數據審計建設覆蓋國家、行業、企業組織以及審計工作者等不同維度以及國家審計、社會審計、企業內部審計、信息安全審計等多個領域，有助于實現審計全覆蓋。從建設周期來看，金審三期工程的建設周期明顯更長：2015 年金審三期工程正式立項，當前金審三期工程仍在建設中。由于金審三期工程建設標準高，應用技術新，各地金審三期工程在進入正式實施階段之前，都進行了較長時間的理論論證與頂層設計。由于理論論證與頂層設計花費時間不同，導致各地方金審三期工程建設進程存在明顯差異，表現為部分地區金審三期工程仍處于理論論證階段，尚未開展實質性建設，部分地區積極開展金審三期工程建設，并取得一定成效。金審三期工程建設在地區之間的差異化進程提供了從實證角度考察大數據審計對政府采購因果效應的機會。本文基于手工收集的全國各城市金審三期工程實際推行時間，使用雙重差分法，考察大數據審計對政府采購的因果效應。

2 研究設計

2.1 模型設定

政府采購的合規性以及政府采購中的地方保護主義是政府采購審計的重點和難點。由于傳統審計方式依賴統計抽樣以及人工判斷，難以對海量的政府采購信息進行高效甄別與全面審計，難以實現對政府采購審計高效監督。大數據審計從審計數據、審計方法等多個維度突破了傳統審計方法的局限，利用多數據源進行數據自動比對，以及構建機器學習模型進行異常檢測以及自動預警等方式，能夠全面提升審計監督效率。為了考察大數據審計對政府采購的影響，本文利用金審三期工程實施在城市與時間層面的差異，通過構建如下雙重差分模型進行因果識別：

雖然各地區金審三期工程實施進度差異為應用雙重差分方法提供了條件，但是各地實施金審三期工程可能并不是隨機的，如果存在與金審三期工程實施和政府采購同時相關的遺漏變量，雙重差分模型估計系數可能是有偏的。例如，如果政府治理能力更強的城市更傾向于實施金審三期工程，并且治理能力越強的政府，政府采購合規性越高以及政策功能發揮越好，此時處理組和控制組將不滿足平行趨勢，雙重差分估計結果會高估大數據審計對政府采購的促進作用。為了解決上述雙重差分估計模型存在的內生性問題，本文參考Duflo（2001）和Gentzkow（2006），進一步引入省份-時間固定效應（Province-Year FE）以及一系列前定變量與年度固定效應交互項（Zc ×λt ），將平行趨勢假定放松為條件平行趨勢假定。考慮到城市層面金審三期政策推行可能受到省級層面時變因素的影響，通過引入省份-時間固定效應可以控制諸如省級政策等因素的影響。前定變量選擇依據是金審三期工程實施的決定因素，通過查閱相關政策文件與新聞報道可以推測，金審三期工程屬于完善政府監督機制的制度性改革，金審三期工程推行可能受到當地經濟發展水平，財政狀況以及審計監督等因素的影響。鑒于樣本期間為2015 年到2020 年，本文采用2014 年相應變量作為前定變量，將其與年度固定效應（λt ） 進行交互，從而允許這些前定變量在各年度對因變量產生異質性影響。為了應對潛在的異方差與自相關問題，在估計時將標準誤聚類在地級市層面。

2.2 數據來源與變量

2.2.1 政府采購數據與變量

本文使用的政府采購微觀數據來源于中國政府采購網與省級分網，使用網絡爬蟲技術獲取了2015—2020 年度政府采購合同數據。《中華人民共和國財政部令第101 號（政府采購信息發布管理辦法）》規定，政府采購信息應當在中國政府采購網及其省級分網發布，其中中央預算單位政府采購信息在中國政府采購網發布，地方預算單位政府采購信息在省級分網發布。特別地，基于上述政府采購合同數據計算得到公開招標項目金額占比為78. 43%，這與財政部公布的數據非常接近，這表明本文使用的研究樣本具有充分的代表性①。政府采購合同數據包括合同編號、合同名稱、簽訂日期、公告日期、合同金額、采購方式以及采購人和供應商名稱等信息。

公開招標方式憑借公開透明的優點，已成為政府采購的主要方式。然而，對于金額較小和急需的政府采購項目來說，公開招標相對而言成本高，花費時間長。為了提高政府采購效率，《政府采購法》規定，當政府采購金額超過特定數額標準時（限額以上），應當采用公開招標方式①。通過收集樣本期間各省級政府出臺的政府采購文件，確定各省在不同年份的政府采購限額標準②。本文使用限額以上采用公開招標的政府采購合同占比（ PublicBid） 衡量政府采購合規性。相對于直接使用公開招標采購合同占比，上述指標具有顯著優勢，一方面，公開招標占比并非越高越好，因為公開招標采購對于金額較小的采購項目來說成本較高，片面追求公開招標采購規模占比反而會增加采購成本降低采購效率;另一方面，隨著時間推移，政府在不斷提升公開招標限額標準，采用限額以上公開招標政府采購合同占比能夠更好地動態反映政府采購合規性。

為了探討大數據審計對政府采購全國統一大市場構建作用的影響，本文使用跨城市政府采購合同占比（ CrossCity） 作為被解釋變量。地方市場保護主義的典型特點是區域貿易保護，即貿易對象更多被限定為本地企業。地方保護主義越嚴重意味著跨區域政府采購合同占比會越低，表現為政府采購偏向本地企業，外地企業較難獲得當地政府采購訂單。由于政府采購合同數據并未披露采購人與供應商的詳細地址， 利用高德地圖API （ Application ProgrammingInterface），基于采購人名稱和供應商名稱得到采購人與供應商所在省市信息③。如果政府采購合同中采購人和供應商不在一個城市，則被認定為跨城市政府采購合同。

將政府采購合同數據在城市-年層面進行匯總，可以得到各城市在不同年份的政府采購合同占比（PublicBid） 以及跨城市政府采購合同占比（ CrossCity）數據。鑒于本文利用城市層面金審三期工程試點，上述匯總方式能夠更好地應用雙重差分法，探討大數據審計對政府采購發展的影響。

2.2.2 金審三期工程數據與變量

正確識別金審三期工程實施時間是進行因果推斷的前提條件。考慮到金審三期工程建設周期長，且在正式實施之前會進行理論論證，而理論論證階段并未在實際中應用大數據審計方法，因此本文將處于理論論證階段的城市視作未實施金審三期工程城市。本文采用雙重驗證方式確定各城市金審三期工程實施時間。首先，從各地級市審計局網站手工獲取金審三期建設文件和相關新聞報道，得到各地金審三期工程實施年份。其次，從政府采購合同數據中查詢當年當地政府是否采購設備用于金審三期工程建設。如果當年有采購金審三期工程設備，則將該年視作金審三期工程實施年份。如果沒有采購金審三期工程設備，則認為當年該城市依然處于理論論證階段，并未開展金審三期工程建設①。

2.2.3 地級市數據與變量

地級市層面控制變量和前定變量來自《中國城市統計年鑒》。城市層面控制變量包括年末總人口對數，第二產業增長值占GDP 比重、第三產業增長值占GDP 比重。結合數據可得性，使用2014 年人均GDP、人均財政支出和審計揭示案件金額數量對數作為前定變量。其中，人均GDP 衡量了城市經濟發展水平，人均財政支出衡量了城市財政狀況，審計揭示案件金額反映了審計監督水平。考慮到北京、天津、上海、重慶為直轄市，其經濟地位與政治地位與其他城市存在明顯區別，故而刪除了上述四個城市數據。

詳細的變量說明與描述性統計如表1 所示。

3 實證分析

3.1 基準回歸結果

表2 匯報了模型（1）的估計結果。列（1） 和列（2） 被解釋變量為政府采購合規性，使用限額以上采用公開招標方式的政府采購合同占比（ PublicBid） 度量，列（3）和列（4）被解釋變量為政府采購政策功能發揮，使用跨城市政府采購合同占比（CrossCity）度量。估計結果顯示，金審三期工程實施（GoldAudit） 估計系數在1%顯著性水平顯著為正。上述估計結果表明，大數據審計能夠顯著促進政府采購發展。一方面，大數據審計能夠提高限額以上采用公開招標方式的政府采購合同占比，提升政府采購合規性;另一方面，大數據審計能夠提高跨城市政府采購合同占比，有助于發揮政府采購對構建全國統一大市場的促進作用。列（1）和列（3）控制變量包括城市層面時變變量（City Controls），前定變量與時間固定效應交互項（ Zc ×λt ），城市固定效應（ City FE） 與年度固定效應（Year FE）。為了進一步控制省級層面事件沖擊對政府采購的影響，將年度固定效應替換為省份-年份固定效應（Province-Year FE）。為了應對潛在的異方差與自相關問題，在估計時將標準誤聚類在地級市層面。

以列（2）和列（4） 作為基準，對回歸系數進行定量解釋。由于被解釋變量取值處于0 到1 之間，因此估計系數可以作百分點解釋：金審三期工程實施能夠將限額以上采用公開招標方式的政府采購合同占比提高15. 5 個百分點，能夠將跨城市政府采購合同占比提高11. 2 個百分點。上述發現表明，實現傳統審計方法到大數據審計方法的轉變，有助于促進政府采購發展，提升政府采購合規性，發揮政府采購政策調節功能。

3.2 平行趨勢檢驗與動態效應分析

雙重差分法有效性的前提是平行趨勢假設，即處理組和控制組在事前有相同的時間趨勢。如果平行趨勢不滿足，則雙重差分法的估計是有偏的。參考Jacobson et al. （1993），使用事件研究法（event study）檢驗平行趨勢：

表3 是事件研究法估計結果，圖2 對表2 中列（2）和列（4）的估計結果進行了可視化。圓點表示估計系數βk ，虛線表示估計系數95%置信區間。可以發現，事前估計系數（β-4、β-3、β-2）并未顯著，且絕對值較小，不具有經濟顯著性，這意味著當加入城市層面時變變量（City Controls），前定變量與時間固定效應交互項（Zc ×λt ），城市固定效應（City FE） 以及省份-年份固定效應（ Province-YearFE）后，處理組和控制組政府采購指標不存在明顯差異，條件平行趨勢是存在的。事后估計系數（ β0、β1、β2、β3、β4 ） 顯著為正，且隨著時間推移，呈現變大趨勢，這意味著大數據審計對政府采購的促進作用日益增強。其原因可能是，大數據審計方法在實踐中持續迭代優化，政府采購審計監督效能不斷增強。

3.3 穩健性檢驗

3.3.1 更換被解釋變量

采用更換被解釋變量方法，進一步驗證大數據審計促進政府采購發展結論的穩健性。政府采購合規性，除了要求公開招標采購更加規范之外，還要求政府采購合同公告更加規范。《政府采購法實施條例》規定，采購人應當自政府采購合同簽訂之日起2 個工作日內，將政府采購合同在省級以上人民政府財政部門指定的媒體上公告。計算合同公告日期與合同簽訂日期間隔工作日天數是否超過兩個工作日，判斷合同公告是否合規，在城市-年份層面進行匯總，得到政府采購合同公告合規占比（ Announce）。使用跨省份政府采購合同占比（crossProv），衡量政府采購促進全國統一大市場構建功能發揮。表4 展示了更換被解釋變量后的雙重差分法估計結果。雙重差分估計量在5%水平上顯著為正，說明大數據審計能夠顯著提升政府采購合同公告合規占比，促進府采購全國統一大市場構建功能發揮。以列（2） 和列（4） 作為基準，對回歸系數進行定量解釋。大數據審計能夠將政府采購合同公告合規占比提高10. 5 個百分點，跨省份政府采購合同占比提高8. 6 個百分點。

3.3.2 更換聚類穩健標準誤

在基準回歸結果中，使用城市層面聚類穩健標準誤，允許同一城市在不同年份的誤差項存在序列相關。為了驗證基準回歸結果的顯著性是否受到聚類穩健標準誤選擇的影響，使用省份層面聚類穩健標準誤，允許位于同一省份的城市的誤差項存在序列相關。參考Cameron et al. （2011），使用省份-年份雙聚類穩健標準誤，允許處于相同省份-年份的城市的誤差項存在序列相關。表5 結果顯示，無論是使用省份層面聚類穩健標準誤，還是使用省份-年份雙聚類穩健標準誤，不會改變基準回歸結果的統計顯著性。

3.3.3 安慰劑檢驗

在樣本期間，我國實行了包括放管服改革在內的多項措施用于提升政府治理能力，對基準結果的一個質疑是政府采購合規性與政策調節功能改善可能是受政府其他改革措施的影響。為了應對上述質疑，利用我國審計管理體制特點，進行安慰劑檢驗。《中華人民共和國審計法》規定，審計署依法對中央預算執行情況進行審計監督。中央部門預算單位由審計署或特派辦進行審計，不會受到地方審計機關進行金審三期工程改革的影響。本文根據政府采購合同中采購方名稱，若為國務院各部委下屬機構，則視為中央部門預算單位。在城市-年份層面計算中央預算單位限額以上采用公開招標方式的政府采購合同占比（PublicBid），以及中央預算單位跨城市政府采購合同占比（ CrossCity），作為被解釋變量，使用雙重差分法進行估計，估計結果如表6 所示。雙重差分估計量在統計上并未顯著，并且回歸系數明顯小于基準回歸結果，且不具有經濟顯著性。這說明大數據審計促進政府采購發展結論的可靠性并不會受到政府其他制度改革的干擾。

借鑒Chetty et al. （2009） 的研究設計思路，通過隨機分配處理狀態，構造“假想”處理組和控制組進行安慰劑檢驗。具體地，隨機選擇相同數量城市作為“假想”處理組，并隨機賦予金審三期工程實施時間，使用雙重差分法進行估計，得到估計系數。重復上述過程500 次，畫出雙重差分估計量的概率分布圖（圖3）。觀察圖3 可以發現，無論被解釋變量是限額以上采用公開招標方式的政府采購合同占比（PublicBid）還是跨城市政府采購合同占比（CrossCity），雙重差分估計量的概率密度圍繞0 分布，且方差較小，這意味著按照隨機程序獲得的“ 假想”處理組和控制組沒有得到顯著的估計結果。并且，基準模型估計結果都位于雙重差分估計量概率分布的右側邊緣地帶，這意味著在隨機確定處理組的情形下，基準回歸結果不太可能出現。綜上，隨機選擇控制組進行安慰劑檢驗結果證實了大數據審計能夠促進政府采購發展的結論不是隨機因素導致的。

3.3.4 排除競爭性解釋

1） 省以下審計機關人財物改革影響

本文使用數據樣本期間為2015—2020 年，在此期間，我國政府審計制度也進行了改革。2015 年我國進行了省以下審計機關人財物改革試點①，改革的主要內容是從組織管理以及經費支持等方面削弱了省以下地方政府對同級審計機關的領導權（汪德華等，2021）。張琦和孫旭鵬（2021）發現省以下審計機關人財物改革增強了審計獨立性，能夠提升政府治理能力。由此可以認為省以下審計機關人財物改革也會對政府采購發展起到促進作用，回歸結果可能存在高估。不過幸運的是，本文使用地級市層面金審三期工程實施作為政策沖擊，可以通過在雙重差分模型中加入省份-年份固定效應，控制省份層面制度改革效應，因此審計機關省以下人財物改革作為省份層面的制度改革并不會對本文的識別產生干擾。

2） 排除地級市層面政策的影響

在模型（1）的雙重差分法研究設計中，政策沖擊來自地級市層面，導致模型可能存在地級市層面遺漏變量。例如，地級市層面的政策改革可能會影響基準結果的有效性，由于數據所限，在實證研究中很難控制所有地級市層面政策改革，這可能導致內生性問題。為了解決上述擔憂，排除地級市層面政策或制度改革的影響，本文使用工具變量法進行穩健性檢驗。具體地，參考黃群慧等（2019）和易巍等（2021），將1984 年各城市每百人固定電話數與時間趨勢乘積，作為“ 金審三期工程”實施（GoldAudit）的工具變量，使用兩階段最小二乘法（2SLS） 進行工具變量估計。合格的工具變量需要滿足相關性和外生性兩個條件（ Angristand Pischke， 2009）。金審三期工程屬于以大數據為代表的互聯網技術的應用，成功應用大數據技術需要有堅實的互聯網基礎設施作為支撐。例如，大數據的存儲需要有海量數據存儲設備，大數據傳輸需要有高速的互聯網寬帶連接，機器學習等技術應用需要有一定規模的互聯網技術人才作為支撐。因此，較為完善的互聯網基礎設施是金審三期工程實施的必要條件。梳理中國互聯網技術發展歷程可以發現，互聯網最早是采用電話線撥號進行接入的，之后經歷了ISDN、ADSL 等接入方式，發展為當前的光纖寬帶接入方式。并且，歷史上的電信基礎設施會培養居民的互聯網使用習慣，為后續階段互聯網技術的更新迭代創造更好的消費環境。由此可以推斷，歷史上固定電話普及率較高的城市更有可能在當下擁有更加健全的互聯網基礎設施，進而為金審三期工程實施提供硬件條件。表7 中的一階段回歸結果顯著為正，說明歷史上固定電話普及率較高的城市更加傾向于實施金審三期工程，從而證實了上述工具變量滿足相關性。由于1984 年各城市每百人固定電話數為歷史變量，不會與當前政府采購存在反向因果關系。并且，隨著光纖寬帶成為互聯網接入的主要形式以及以4G 和5G 為代表的移動互聯網的發展，歷史上固定電話數量難以直接影響政府采購決策，并且在回歸時還控制了部分城市層面時變變量，前定變量與時間固定效應交互項，城市固定效應與省份-年份固定效應，能夠保證工具變量滿足外生性。

表7 兩階段最小二乘估計結果顯示，一階段回歸得到的GoldAudit 預測值對限額以上采用公開招標方式的政府采購合同占比（ PublicBid） 和跨城市政府采購合同占比（CrossCity）都產生了顯著正向影響。KP F 值 （the Kleibergen-PaapWald rk F-statistic） 為607. 23，拒絕了弱工具變量假設（ Kleibergen and Paap，2006），本文選擇的工具變量不是弱工具變量。二階段估計結果與基準結果非常接近，說明排除地級市層面政策的影響后，大數據審計顯著促進政府采購發展的結論依然成立。

3.3.5 交疊DID 穩健估計

金審三期工程在樣本期間是逐步推進的，由于本文使用的是雙重差分法識別策略，因而屬于典型的“ 交疊” 雙重差分（ Staggered DID） 情形。Goodman-Bacon（2021）研究表明，即使事前平行趨勢滿足，“交疊”雙重差分法仍可能存在偏誤。具體地，當使用雙向固定效應方法（ TWFE） 估計“ 交疊” 雙重差分模型時，估計系數可以由4 類子樣本2×2DID 估計量加權平均得到。4 類子樣本得到的2×2DID 估計量為：（1）先處理組與從未受處理組比較得到的2×2DID 估計量;（2）后處理組與從未受處理組比較得到的2×2DID 估計量;（3） 先處理組與后處理組比較得到的2×2DID 估計量;（4） 后處理組與先處理組比較得到的2×2DID 估計量。Goodman-Bacon（2021） 指出，對于前三類子樣本而言，權重是非負的，在滿足平行趨勢的條件下，前三類子樣本回歸得到的2×2DID 估計量不會導致TWFE 估計量產生偏誤。然而，第四類子樣本的加權的權重可能是負的，而負權重會導致TWFE 估計量產生偏誤。具體到本文的研究樣本，截止到2020 年未實施金審三期工程的城市共有219 個，約占總樣本的78%。因此，本文基準回歸所得到的TWFE 估計量主要來自基于第一和第二類子樣本回歸得到的2×2DID 估計量，而基于第四類子樣本回歸得到的有偏2×2DID 估計量在TWFE 估計量中所占的權重較小。由此可以推測，基準回歸中得到的TWFE 估計量存在的偏誤較小。

為了消除TWFE 估計量存在的偏誤，本文使用兩種交疊DID 穩健估計量進行穩健性檢驗。近期的理論計量文獻提供了處理交疊DID 偏誤的多種方法（Roth et al. ， 2023）。本文使用Callaway and SantAnna（2021） 提出的組別時間估計量，以及Gardner（2022） 提出的兩階段雙重差分估計量，修正交疊DID 偏誤。具體地，在Stata 軟件中使用csdid 命令得到組別時間估計量，使用did2s 命令實施兩階段雙重差分估計量，實證結果如表8 所示。對比基準回歸結果，系數大小與顯著性都非常接近，說明基準回歸中得到的TWFE 估計量偏誤較小，本文的實證結論是可靠的。

4 機制分析

4.1 提升審計監督能力

大數據審計，是科技強審和審計信息化建設的重要內容。金審三期工程建設的主要任務是在政府審計實踐中廣泛應用大數據審計技術①。現有研究發現，大數據審計使得審計監督能力上了一個新的臺階，通過構建大數據審計模型，能夠快速發現審計疑點和問題，提高事前監督和風險預警能力，有助于實現審計監督全覆蓋（陳偉和居江寧，2018;徐超和陳勇，2021）。

大數據審計促進政府采購發展的一個重要機制是增強了政府審計監督能力，更好地發揮審計預防、揭示和抵御的“免疫系統”功能。理想情況下，應當使用政府采購領域審計結果數據作為被解釋變量，由于數據所限，本文只能使用各城市各年審計結果數據，考察大數據審計是否提升審計監督能力。不過這并不會降低機制驗證的有效性，一方面，大數據審計并非專門針對政府采購，而是一種通用的審計方法，使用城市層面所有審計結果數據更能從一般意義上驗證大數據審計對提升審計監督能力的作用;另一方面，如果大數據審計提高整體審計監督能力，會對整體產生威懾作用，自然也會對政府采購行為起到監督制約作用。

收集2016—2020 年《中國審計年鑒》數據，構造兩個城市層面審計監督能力指標。第一個指標為審計查出主要問題金額除以完成的審計項目數（Check），用來反映審計揭示能力;第二個指標為審計期間處理處罰金額除以完成的審計項目數（ Punishment），用來反映審計威懾能力，二者取對數后作為被解釋變量，使用雙重差分法進行估計。表9 展示了大數據審計對審計監督能力影響的估計結果，雙重差分估計量顯著為正，說明大數據審計技術提升了城市層面審計監督能力。上述實證結果表明，大數據審計促進政府采購發展的機制是提升審計監督能力，對政府采購中的違規違法行為起到預防、揭示和抵御的作用，促進政府采購合規性提高以及政策調節功能的發揮。

4.2 減少信息不對稱

大數據審計促進政府采購發展的重要路徑是減少政府采購審計中的信息不對稱。政府采購項目繁多，規模差異大，采購者擁有政府采購的完整信息，而有限的審計人員無法獲取政府采購全部信息。加之，傳統審計方法過于依賴統計抽樣以及人工判斷，難以對海量的政府采購信息進行高效甄別與全面審計。這意味著，傳統政府采購審計中，采購人與審計人員存在信息不對稱，難以實現政府采購審計高效監督。例如，部分政府采購將貨物或者服務化整為零規避公開招標采購，而傳統審計方法無法進行有效應對。大數據審計從審計數據、審計方法等多個維度突破了傳統審計方法的局限，利用多數據源進行數據自動比對，以及構建機器學習模型進行異常檢測以及自動預警等方式，能夠全面提升審計監督效率。

由于無法直接度量信息不對稱程度，因此本文使用間接檢驗的方式，探討大數據審計減少政府采購審計中的信息不對稱機制。間接檢驗的基本邏輯起點是，政府采購項目越多，依靠傳統審計方法進行審計監督的難度越大，政府采購審計中的信息不對稱程度越高。為了保證分組依據的外生性，使用2015 年政府采購合同數量中位數作為分組依據①，構建政府采購審計信息不對稱虛擬變量（HighAsym），將高于中位數的城市視作高信息不對稱城市，HighAsym 取值為1;低于中位數的城市視作低信息不對稱城市，HighAsym 取值為0。在雙重差分模型中，加入HighAsym 與GoldAudit 交互項，進行機制檢驗。表10 估計結果顯示，HighAsym 與GoldAudit 交互項都在5%水平顯著為正，說明大數據審計對政府采購的促進作用在政府采購審計信息不對稱程度更高的城市作用更為顯著。實證結果表明，大數據審計利用大數據分析技術，能夠實現對政府采購的高效監督，減少道德風險的發生，進而提升政府采購的合規性和促進政策調節功能發揮。

5 進一步分析

5.1 財政壓力

在大規模減稅降費推行的背景下，地方財政面臨空前壓力。關于財政壓力的實證研究發現，財政壓力會誘發政府策略行為，例如，政府會通過短期內擴大稅基和強化稅收征管等方式增加財政收入，導致地方國企過度投資（曹春方等，2014），產能過剩（席鵬輝等，2017） 以及制造業稅收負擔過重（ 陳曉光，2016） 等問題。在地方財政壓力增大背景下，大數據審計促進政府采購發展作用是否還存在？

為了解決財政壓力度量存在內生性問題，參考陳曉光（2016）尋找特定沖擊來衡量財政壓力。具體地，使用營改增作為財政壓力的外生沖擊。2016 年我國全面實行營改增，對地方財政收入產生了外生負向沖擊。營業稅從地方稅種，變成了中央與地方共享的增值稅，這意味著改革前營業稅占地方財政收入比重越高的地區，財政收入減少越明顯，財政壓力越大。按照這一邏輯，使用2015年營業稅占地方財政收入比重衡量財政壓力，基于中位數進行分組，構建財政壓力虛擬變量（HighFP）①。將財力壓力高于中位數的城市視作高財政壓力城市，HighFP 取值為1;財力壓力低于中位數的城市視作低財政壓力城市，HighFP取值為0②。在雙重差分模型中，加入HighFP 與GoldAudit 交互項，進行估計。表11 估計結果顯示，交互項都在5%水平顯著為正，說明大數據審計對政府采購的促進作用在高財政壓力的城市作用更為顯著。其原因可能在于，高財政壓力地方政府出于短期內增加財政收入的目的，政府采購可能被用于激勵本地企業增加過剩產能，在政府采購對象選擇時會偏向于當地企業，這會導致政府采購合規性降低，政府采購的地方保護傾向增加。而大數據審計能夠通過提高審計監督效能，限制地方政府利用政府采購政策工具進行策略行為，提升政府采購的合規性和促進政策調節功能發揮。

5.2 市場化水平

黨的二十大報告指出，構建高水平社會主義市場經濟體制，充分發揮市場在資源配置中的決定性作用。社會主義市場經濟體制完善程度直接關系到政府采購發展。當前政府采購市場存在“競爭不充分”的現象，表現為對參與市場采購的市場主體進行差別化待遇，甚至故意采用非公開招標方式限制競爭。并且，部分地區存在地方保護主義傾向，對政府采購市場進行“隱性”區域分割，表現為采購信息互通共享不夠，限制外地產品進入本地采購市場。

大數據審計促進政府采購發展作用是否因市場化水平而存在異質性影響？為了探討這一問題，本文使用中國分省市場化進程指數度量各省份市場化水平（王小魯等，2017）。具體地，使用2014 年中國分省市場化進程指數作為分組依據，構建市場化水平虛擬變量（HighML），將高于中位數的城市視作高市場化水平城市，HighML 取值為1;低于中位數的城市視作低市場化水平城市，HighML取值為0。在雙重差分模型中，加入HighML 與GoldAudit 交互項，進行估計。表12 估計結果顯示，交互項都在5%水平顯著為負，說明大數據審計對政府采購的促進作用在低市場化水平城市作用更為顯著。其原因可能在于，低市場化水平城市政府采購活動合規性較低，大數據審計利用大數據分析技術，能夠實現對政府采購的高效監督，減少道德風險的發生，進而提升政府采購的合規性和促進政策調節功能發揮。

6 研究結論與政策建議

規范政府采購行為，促進政府采購提質增效是提高財政支出效率的重要舉措，也是破解地方財政收支困境的重要手段。由于信息不對稱，政府采購領域存在委托代理問題，制約政府采購效率提高。然而現有研究主要集中于探討政府采購的經濟效應，關于如何促進政府采購發展的經驗證據明顯匱乏。本文將大數據審計為核心特征的金審三期工程建設視作準自然實驗，基于政府采購微觀數據，考察大數據審計對政府采購的影響。實證結果表明，大數據審計能夠顯著促進政府采購合規性提高，更好地發揮政府采購促進國家統一大市場構建的政策調節作用。使用事件研究法進行平行趨勢檢驗，發現處理組和控制組在事前有相同的時間趨勢，雙重差分法的估計是可靠的。動態效應檢驗發現，大數據審計對政府采購的促進作用隨著時間推移不斷加強。使用更換被解釋變量，更換聚類穩健標準誤，安慰劑檢驗以及工具變量法，排除競爭性解釋，交疊雙重差分穩健估計量等方式證實了研究結論的穩健性。機制分析表明，大數據審計通過提升審計監督能力，以及減少政府采購審計中的信息不對稱程度兩條路徑發揮作用。進一步分析發現，大數據審計對政府采購的正向促進作用在財政壓力更大以及市場化水平有待提升的地區更加明顯。

基于以上結論，本文提出以下政策建議：第一，動態效應結果表明，大數據審計隨著時間推移能夠更好地發揮作用。這意味著地方政府在實施金審三期工程時，需要及時總結大數據審計經驗，完善審計大數據平臺建設，實現審計信息互聯共享，構建高效準確的大數據審計模型并不斷優化，將研究型審計融入大數據審計全過程，加強大數據審計人才隊伍建設，增強政府治理能力。第二，高財政壓力城市、市場化水平需要進一步改善的城市，應積極推進金審三期工程，完善政府采購中的事前事中事后監督，充分發揮大數據審計促進政府采購發展的作用，減少道德風險的發生，提升財政支出效率。

需要指出的是，由于數據所限，本文只能從政府采購合規性以及政府采購促進全國統一大市場構建的政策調節作用兩個角度考察大數據審計對政府采購的影響。如何促進政府采購提質增效是一個兼具理論和現實意義的研究話題，需要研究者在未來收集更為完善的微觀數據，從多個視角展開研究。

參考文獻

白仲林， 杜陽， 柳穎. 2017. 政府采購招標結構模型的非參數識別與估計[J]. 統計

研究， 34（6）： 96-108.

Bai Z L， Du Y， Liu Y. 2017. Non-parametric identification and estimation for

structural model of government procurement bidding [ J]. Statistical Research，

34（6）： 96-108. （in Chinese）

鮑朔望. 2016. 大數據環境下政府采購審計思路和技術方法探討[ J]. 審計研究，

（6）： 13-18.

Bao S W. 2016. Research on the government procurement audit in the big data

environment[J]. Auditing Research， （6）： 13-18. （in Chinese）

曹春方， 馬連福， 沈小秀. 2014. 財政壓力、晉升壓力、官員任期與地方國企過度投

資[J]. 經濟學（季刊）， 13（4）： 1415-1436.

Cao C F， Ma L F， Shen X X. 2014. Fiscal pressure， promotion pressure， tenure of

office and local state-owned companies overinvestment [ J ]. China Economic

Quarterly， 13（4）： 1415-1436. （in Chinese）

陳偉， 居江寧. 2018. 基于大數據可視化技術的審計線索特征挖掘方法研究[ J].

審計研究，（1）： 16-21.

Chen W， Ju J N. 2018. Study on feature mining methods for audit clues based on

big data visualization[J]. Auditing Research， （1）： 16-21. （in Chinese）

陳曉光. 2016. 財政壓力、稅收征管與地區不平等[ J]. 中國社會科學，（ 4）： 53-

70， 206.

Chen X G. 2016. Fiscal pressure， tax administration and regional inequality[ J].

Social Sciences in China， （4）： 53-70， 206. （in Chinese）

韓旭， 武威. 2021. 政府采購能夠促進企業履行社會責任嗎———基于精準扶貧視角

[J]. 會計研究，（6）： 129-143.

Han X， Wu W. 2021. Can government procurement promote corporate social

responsibility—Based on precision poverty reduction perspective [ J]. Accounting

Research， （6）： 129-143. （in Chinese）

黃群慧， 余泳澤， 張松林. 2019. 互聯網發展與制造業生產率提升： 內在機制與中

國經驗[J]. 中國工業經濟，（8）： 5-23.

Huang Q H， Yu Y Z， Zhang S L. 2019. Internet development and productivity

growth in manufacturing industry： Internal mechanism and China experiences[ J].

China Industrial Economics， （8）： 5-23. （in Chinese）

姜愛華， 費堃桀. 2021. 政府采購、高管政府任職經歷對企業創新的影響[ J]. 會計

研究，（9）： 150-159.

Jiang A H， Fei K J. 2021. Government procurement， experience of government for

senior manager and enterprise innovation[J]. Accounting Research， （9）： 150-159.

（in Chinese）

姜愛華， 辛婷， 張艷梅. 2021. 基于供應商主體感知的政府采購營商環境研究： 指

標構建與綜合評價[J]. 經濟與管理評論， 37（6）： 89-101.

Jiang A H， Xin T， Zhang Y M. 2021. Research on the business environment of

government procurement based on the perception of suppliers： index construction and

comprehensive evaluation[ J]. Review of Economy and Management， 37（ 6）： 89-

101. （in Chinese）

秦榮生. 2014. 大數據、云計算技術對審計的影響研究[J]. 審計研究，（6）： 23-28.

Qin R S. 2014. Research about influence of big data and cloud computing to audit

[J]. Auditing Research， （6）： 23-28. （in Chinese）

汪德華， 侯思捷， 張彬斌. 2021. 中國共產黨領導的國家審計： 百年歷程與發展啟

示[J]. 財貿經濟， 42（7）： 15-31.

Wang D H， Hou S J， Zhang B B. 2021. State audit under the CPC leadership： A

century of development and inspirations[J]. Finance amp; Trade Economics， 42（7）：

15-31. （in Chinese）

王小魯， 樊綱， 余靜文. 2017. 中國分省份市場化指數報告2016[ M]. 北京： 社會

科學文獻出版社.

Wang X L， Fan G， Yu J W. 2017. Marketization index of Chinas provinces： NERI

report 2016[M]. Beijing： Social Science Academic Press. （in Chinese）

王伊攀， 朱曉滿. 2022. 政府采購對企業“脫實向虛” 的治理效應研究[ J]. 財政研

究，（1）： 94-109.

Wang Y P， Zhu X M. 2022. Study on the governance effect of government

procurement on enterprises shifting from real to fictitious [ J]. Public Finance

Research， （1）： 94-109. （in Chinese）

吳軍民， 毛家慧， 熊高鵬. 2022. 國家治理現代化視閾下政府采購透明度提升的實

踐路徑[J]. 當代財經，（5）： 25-37.

Wu J M， Mao J H， Xiong G P. 2022. The practical path of improving the

transparency of government procurement from the perspective of national governance

modernization[J]. Contemporary Finance amp; Economics， （5）： 25-37. （in Chinese）

武威， 劉國平. 2021. 政府采購與經濟發展： 轉型效應與協同效應———基于產業結

構升級視角[J]. 財政研究，（8）： 77-90.

Wu W， Liu G P. 2021. Government procurement and economic development：

transformation effect and synergy effect—From the perspective of industrial structure

upgrading[J]. Public Finance Research， （8）： 77-90. （in Chinese）

武威， 劉國平， 張琦. 2022. 授之以漁： 政府采購與中國特色精準扶貧[J]. 世界經

濟， 45（8）： 133-156.

Wu W， Liu G P， Zhang Q. 2022. Teaching fishing： public procurement and

targeted poverty alleviation with Chinese characteristics[ J]. The Journal of World

Economy， 45（8）： 133-156. （in Chinese）

席鵬輝， 梁若冰， 謝貞發， 等. 2017. 財政壓力、產能過剩與供給側改革[ J]. 經濟

研究， 52（9）： 86-102.

Xi P H， Liang R B， Xie Z F， et al. 2017. Fiscal stress， excess capacity and

supply-side reform[J]. Economic Research Journal， 52（9）： 86-102. （in Chinese）

徐超， 陳勇. 2021. 大數據技術與方法在審計監督中的應用研究[ J]. 數量經濟技

術經濟研究， 38（5）： 135-153.

Xu C， Chen Y. 2021. Research on the application of big data technology and

method in audit supervision[J]. The Journal of Quantitative amp; Technical Economics，

38（5）： 135-153. （in Chinese）

易巍， 龍小寧， 林志帆. 2021. 地理距離影響高校專利知識溢出嗎———來自中國高

鐵開通的經驗證據[J]. 中國工業經濟，（9）： 99-117.

Yi W， Long X N， Lin Z F. 2021. Does distance affect university knowledge

spillover—Empirical evidence from the opening of Chinese high-speed rail [ J].

China Industrial Economics， （9）： 99-117. （in Chinese）

張琦， 孫旭鵬. 2021. 政府審計獨立性提升的治理效應———以審計機關人財物改革

對公務接待行為的影響為例[J]. 會計研究，（1）： 167-178.

Zhang Q， Sun X P. 2021. Governance effect of improving the independence of

government auditing： the impact of the human resources， finance and material

management reform of audit institutions on official reception behavior [ J ].

Accounting Research， （1）： 167-178. （in Chinese）

甄德云， 曹富國. 2020. 守正與創新： 應對重大突發公共事件的政府采購制度的反

思與重構[J]. 財政研究，（4）： 35-43.

Zhen D Y， Cao F G. 2020. Persistence and innovation： reflection and reconstruction

of government procurement system in response to major public emergencies[ J].

Public Finance Research， （4）： 35-43. （in Chinese）

Angrist J D， Pischke J S. 2009. Mostly harmless econometrics： an empiricists

companion[M]. Princeton： Princeton University Press.

Callaway B， SantAnna P H C. 2021. Difference-in-differences with multiple time periods

[J]. Journal of Econometrics， 225（2）： 200-230.

Cameron A C， Gelbach J B， Miller D L. 2011. Robust inference with multiway clustering

[J]. Journal of Business amp; Economic Statistics， 29（2）： 238-249.

Chetty R， Looney A， Kroft K. 2009. Salience and taxation： theory and evidence[ J].

American Economic Review， 99（4）： 1145-1177.

Duflo E. 2001. Schooling and labor market consequences of school construction in

Indonesia： evidence from an unusual policy experiment [ J]. American Economic

Review， 91（4）： 795-813.

Gardner J. 2022. Two-stage differences in differences[ J]. arXiv preprint arXiv： 2207.

05943.

Geng Y， Doberstein B. 2008. Greening government procurement in developing countries：

building capacity in China[ J]. Journal of Environmental Management， 88（ 4）：

932-938.

Gentzkow M. 2006. Television and voter turnout[J]. The Quarterly Journal of Economics，

121（3）： 931-972.

Goodman-Bacon A. 2021. Difference-in-differences with variation in treatment timing

[J]. Journal of Econometrics， 225（2）： 254-277.

Jacobson L S， LaLonde R J， Sullivan D G. 1993. Earnings losses of displaced workers

[J]. The American Economic Review， 83（4）： 685-709.

Kleibergen F， Paap R. 2006. Generalized reduced rank tests using the singular value

decomposition[J]. Journal of Econometrics， 133（1）： 97-126.

Roth J， SantAnna P H C， Bilinski A， et al. 2023. Whats trending in difference-indifferences？

A synthesis of the recent econometrics literature [ J]. Journal of

Econometrics， 235（2）： 2218-2244.