对口帮扶的经济增长效应及政策有效性评估

王郅强， 王凡凡

(华南理工大学 公共管理学院，广东 广州 510641)

一、问题提出

区域发展不平衡是我国经济和社会发展面临的难点问题之一，也是制约广东省经济社会全面协调可持续发展的核心障碍。2020年3月，广东省统计局公布的数据显示，珠三角核心区地区生产总值占全省比重为80.7%，东翼、西翼、北部生态发展区分别占6.4%、7.1%、5.8%，意味着行政面积不到20%的珠三角地区占据了全省80%以上的地区生产总值，而行政面积超过80%的非珠三角地区的地区生产总值占全省比重低于20%，且历年的数据显示这种经济总量绝对差距呈不断扩大的态势。为了解决这种长期存在的区域发展不平衡的问题，2013年广东省开始实施对口帮扶政策，旨在进一步促进粤东西北地区振兴发展。区别于中央主导的纵向财政转移支付模式，省内对口帮扶基于不同城市之间实行“一对一”或“多对一”的帮扶形式，具有显著的横向转移支付特征[1]。区别于省际对口支援模式，省内对口帮扶的优势表现在涉及的政府层次少、帮扶双方责任明确、决策执行链条清晰、信息反馈及时等特点，能够有效降低决策指导和信息反馈层级，打破市级行政壁垒，区域协调发展和扶贫效果更具针对性和时效性。

从溯源的角度来看，对口帮扶政策来源于对口支援，是对口支援的一种有限的扩展[2]，也是一项缩小区域差距和开展扶贫协作的政策措施[3]。通过梳理相关文献可以发现，现有研究侧重于从经验的角度探讨对口支援的政策效果，如区域均衡发展[4]、产业结构升级[5]、灾后重建[6]和边疆民族地区经济发展等[7]，而从理论层面来看，多数研究集中在对对口支援的起源和形成[8, 9]、运行机制[10, 11]等方面的分析，但是多数研究侧重于探索由中央主导的对口支援模式或者省际对口支援模式，而对于省内对口帮扶这种特殊的支援模式依旧缺乏深入的理论和经验探索。1981年，四川省组织成都、重庆、自贡和渡口4市对口帮扶阿坝、甘孜和凉山3个民族自治州，开启了省内对口帮扶的先河，但是这种特殊的对口支援模式效果究竟如何[12]？其政策效应又会受到哪些因素的影响？其作用机制又是什么？党的十九大报告提出，要“建立更加有效的区域协调发展新机制”的要求。在这样的背景下，对口帮扶政策对于促进区域经济协调发展发挥着至关重要的作用，其政策效应也亟需学术界做出强有力的回应。

本文选取了2000—2018年广东省15个地级市的平衡面板数据，检验省内对口帮扶的政策效应，其边际贡献体现在：一是首次采用双重差分法评估省内对口帮扶对城市经济增长的影响，克服了传统研究方法的偏差，从而更加准确地识别出对口帮扶政策的净效应；二是基于三重差分法分析影响对口帮扶政策效应的因素，有利于后期改进帮扶政策的合理布局和科学规划；三是引入扶贫绩效相关指标，探索省内对口帮扶政策对城市经济增长的作用路径，有利于进一步了解对口帮扶政策效应的影响机理。

二、政策背景与研究假设

(一)政策背景

上世纪七十年代末，我国首次明确提出了对口支援政策，并且在2001年国务院印发的《关于印发中国农村扶贫开发纲要(2001—2010年)的通知》中，首次将“扶贫协作”换成“对口帮扶”。作为一种特殊的同级政府间对口支援模式，省内对口帮扶模式摆脱了中央政府的依赖和束缚，主要由省级政府主导实施，市级和县区级政府负责具体实施，是区域协调发展和扶贫开发领域的一种有效方式。广东省的对口帮扶工作始于上世纪八十年代。1987年，广东省开启了定点对口扶贫政策，由省直单位对口支持贫困县。2013年，广东省先后印发了《进一步促进粤东西北地区振兴发展的决定》和《中共广东省委办公厅 广东省人民政府办公厅关于调整珠三角地区与粤东西北地区对口帮扶关系的通知》，由此开启了珠三角地区六座城市帮扶粤东西北地区八座城市的工作，并明确了城市之间的帮扶关系(见表1)。同时，市级党委和政府部门出台相应的配套政策和工作方案进一步明确区县级之间的对口帮扶关系。2016年，广东省启动第二批次的省内对口帮扶工作。

表1 广东省内对口帮扶关系表

(二)研究假设

从公共管理的角度来看，对口支援是一种独具中国特色的资源协调和区域互助模式，其实质是一个“控制性多层竞争”的过程[13]，而省内对口帮扶同样具备“多层级竞争”的特点，市级政府为了完成省级政府所分配的任务进行多层级竞争，从而确保总体扶贫目标的实现(见图1)。具体来看，对口帮扶政策促进经济增长的效应表现在以下三个方面。

图1 省内同级政府之间的对口帮扶模式

一是对口帮扶政策有效实施的人事制度保障。一定程度上，我国的干部人事制度是支撑和维系党和国家制度体系的基础性制度，上级政府通过人事制度安排来掌握下级政府和官员的核心信息，监督下级政府贯彻和实行上级政策，并通过有效的考核机制来决定、制约和影响官员的政治升迁[14]。在中央层面，纵向人事任免被认为是中央对地方官员最根本的制约手段[15]。1984年，我国的干部人事任免制度发生了一个重要变化，即由原来的“下管两级”调整为后来的“下管一级”，将原来规定的中央直接任免省部和地厅两级干部，调整到后来的中央政府只管理省部级干部，省域内的干部则由省级部门掌控[16]。因此，在地方层面，省级政府拥有了对市级政府的人事选拔和任命的权力，对市级政府和官员有很强的控制力和约束力，并通过阶层性的“强制动力”，对口帮扶的“科层制机制”能够有效运转起来[17]，从而实现省级政府的政策目标。

二是对口帮扶政策有效实施的上级目标设定。在省内同级政府之间的对口帮扶模式中，省级政府是政策的整体设计者和监督考核者。整体设计者表现在省级政府确定政策的阶段性和长期性的总体政策和具体政策目标。监督考核者表现在省级政府将政策任务分配到相应的城市，督促市级政府完成具体的帮扶目标。实际上，作为整体设计者和监督考核者的省级政府主要是通过“规划”这一具有中国特色的政策过程来实现[18]，而这种规划一般是由优先性指标、硬指标和软指标等三类指标构成[19]。作为一项具有扶贫性质的政策，省内对口帮扶的最终目标是进一步促进粤东西北地区振兴发展，而衡量地区振兴发展的优先性指标即为经济发展水平。因而，经济发展被看作是对口帮扶城市需要面临的“头等大事”或“政治任务”，并且市级政府往往启动“一票否决”制和“一把手”工程来贯彻和落实省级政府的政策目标，从而提升城市经济发展水平[20]。

三是对口帮扶政策有效实施的地方竞争模式。晋升锦标赛理论被认为是理解政府和官员行为的重要理论[21]。从地方层面来看，这种模式实现的原理在于两方面：一是省级政府通过“党管干部”决定着市级政府官员的晋升；二是在具有中国特色的市场保护型联邦下，市级政府官员拥有了对经济和社会发展的自主权，从而能够有效影响最终考核的绩效。所以，市级官员是否能够获得晋升，在很大程度上取决于省级政府所分配的任务是否能够完成，如果超额完成任务则获得晋升，若未完成任务则未能晋升，甚至将面临各种处罚[9]。具体到对口帮扶政策不难发现，省级政府掌握着市级政府官员的晋升，被帮扶城市的经济发展绩效是省级政府重点考核的指标，直接影响帮扶双方官员的晋升。因此，“晋升锦标赛”模式下，帮扶双方均会为了获得晋升而做出发展被帮扶城市经济的努力。更进一步的，这种竞赛模式还会出现在市、县、乡镇同一行政级别的地方官员之中[22]。省级政府确定了对口帮扶的政策目标之后，按照“逐级传达，层层动员”的模式，每级下级政府都需要对上级政府做出承诺，上级政府最后问责直接的下级政府，呈现一个“层层分包”的特征[23]。因此，省级政府明确了市级政府帮扶关系之后，市级政府进一步明确县级政府的帮扶关系，其实质是“层层加码”的直观体现[24]。综合上述三个层面的分析，我们提出第一个假设：

假设1：省内对口帮扶政策显著推动了城市经济发展。

从地区层面来看，广东省区域经济发展面临较大的不平衡问题。粤北地区城市的经济基础相对薄弱，而珠三角、粤东和粤西等地区的城市因地理位置和自然资源更为优良，经济发展的驱动要素也更加丰富，经济基础相对较好。因此，因地区差异性导致政策效果的不同往往是研究中需要侧重讨论的内容。按照经济学理论，同一政策对不同初始条件的地区发挥作用呈“边际效应递减”规律。由于被帮扶的城市中的资源禀赋和经济条件差距较大，相较于地理位置和资源禀赋较为优越的粤东和粤西地区，粤北山区无论是自然条件还是政策优惠等均处于劣势。因此，对口帮扶政策在经济基础较好的地区更多扮演着“锦上添花”的角色，而在经济基础薄弱的地区则扮演着“雪中送炭”的角色，更容易发挥其经济增长效应。本文认为在经济基础不同的地区，对口帮扶的经济增长效应存在差异。由此提出第二个假设：

假设2：相对于经济发展基础较好的地区，对口帮扶政策在经济发展基础较弱地区的推动效应更加强劲。

三、模型与变量

(一)计量模型的设定

本文探索的问题是，对口帮扶政策的经济增长效应是否显著。为了解决文献中普遍面临的内生性问题，本文利用对口帮扶政策作为一项准自然实验构建双重差分(Difference-in-Difference，DID)：第一层差异来自城市层面，第二层差异来自年份层面[25]。具体而言，对口帮扶政策目前实施了两批，分别从2013年和2016年开始实施，两个批次分别有6个城市帮扶8个城市，且帮扶关系未发生改变。因此，本文双重差分法所比较的是帮扶城市与非帮扶城市的经济增长效应在政策执行前后的差异。计量模型如下：

Yit=α0+α1Dui×Dtt+∑jαjX+λi+γt+εit

(1)

公式1中，Yit表示经济增长效应；Dui×Dtt为核心解释变量，Dui×Dtt=Treatmenti×Postt，如果样本为实验组则Treatmenti=1，否则为0；如果t≥2013则Postt=1，否则为0。为了满足平行趋势的假定，本文剔除了广州、深圳、佛山、珠海、东莞和中山等帮扶城市，并根据帮扶关系将被帮扶的8座城市设置为实验组，而控制组则为非被帮扶的7座城市。X表示一系列的控制变量，包括城市层面和官员个体层面。λi和γt分别表示城市固定效应和时间固定效应。εit表示误差项。在以上估计公式中，本文关注的系数是α1，若得到的估计值α1>0，则表示与非对口帮扶城市相比，对口帮扶城市的经济增长效应得到了提高。

(二)变量设置

1.被解释变量

本文选取的被解释变量和刘瑞明等[26]、黄志平[27]、张国建等人[28]的研究保持一致，采用各市实际生产总值和(Lngdp)和人均实际生产总值(Lnpgdp)来衡量城市经济发展水平。考虑到数据的可比性，本文计算了各市以2000年为基期的各年实际GDP和人均实际GDP。

2.解释变量

对口帮扶的交互项(Du×Dt)。第一轮对口帮扶政策于2013年开始实施，本文设置政策处理变量(Treatment)和政策实施时间(Post)两个维度的虚拟变量，实验组对口帮扶城市样本赋值Treatment=1，控制组Treatment=0；2013年及之后年份赋值Post=1，之前年份赋值Post=0。交互项Du×Dt=Treatment×Post，其系数用于估计政策对城市经济增长的平均处理效应。

3.控制变量

除了分析对口帮扶政策对城市经济发展水平的影响，本文参照已有相关研究[26-28]，选取了一系列的城市经济特征变量。产业规模化程度(Industry)：采用规模以上工业企业总产值的对数值来衡量城市产业规模化程度；城镇化水平(Urb)：通过城镇人口占比来反映；储蓄水平(Save)：使用居民储蓄存款余额与地区生产总值的比值来测量该变量；外商直接投资水平(Fdi)：通过地区实际利用外商直接投资与地区生产总值的比重来衡量；对外开放程度(Open)：通过出口总金额与城市地区生产总值的比值来衡量；固定资产投资水平(Lninvest)：固定资产投资额的对数值来反映；人口密度(Lndensity)：则利用城市人口密度的对数值来度量。

4.其他变量

为了深入分析对口帮扶政策对城市经济发展影响的机制，本文将考虑以下变量分析对口帮扶的扶贫效应[28]。产业扶贫方面利用农业机械总动力的对数(Lnpower)来衡量农业生产的机械化水平；金融扶贫采用金融机构人民币各项贷款总额的对数值(Lnloan)来衡量；旅游扶贫通过旅游总收入的对数值(Lntourism)来测度；教育扶贫选取普通高等学校在校人数与城市年末总人口(Student)来测量，以此反映人力资本水平。采用工业企业R&D经费内部支出的对数值(Lnr&d)衡量科技扶贫效果；通过利用社会保障水平来反映社会保障兜底扶贫，采用社会保障支出占地区生产总值的比重(Security)来测量；政府政策补贴效果则通过农村居民人均纯收入对数值(Lnincome)来测度。

由前文分析可知，晋升激励是影响官员推动对口帮扶政策的重要动力，而官员个体特征的差异可能代表了不同的晋升激励，进而影响城市经济发展。因此，出于稳健性考虑，借鉴相关研究[29-32]，本文还将考虑官员个体特征系列变量，包括官员任期(Tenure)；官员年龄(Age)；官员受教育程度(Education)；以官员最后学历获得高校性质分别设置985/211高校(985/211_U)和党校(Party_U)虚拟变量；以官员是否有中央、边疆省份、企业、跨省等工作经历构建官员历练指数(Experience)；以官员是否有乡镇(Town_W)、县区(County_W)、市(City_W)、省级(Province_W)部门工作经历分别设置虚拟变量。

(三)数据说明和描述性统计

本文使用了2000—2018年广东省15个城市的平衡面板数据，旨在评估对口帮扶的经济增长效应及政策有效性。城市经济特征数据主要来源于《广东统计年鉴》、《中国城市统计年鉴》、《广东农村统计年鉴》和各市《国民经济和社会发展统计公报》；官员个体特征数据通过《党政领导干部资料库》和《中国政要资料库》等资料库手工收集，并利用百度百科和新华网网站进行补充和校对。个别年份的数据误差和缺失，主要采用均值填补法进行了处理[33, 34]。各变量的描述性统计结果见表2。

表2 变量描述性统计

四、实证结果分析

(一)基准回归结果

表3汇报了省内对口帮扶对城市经济发展水平影响的基准回归结果。首先不考虑其他因素的影响，第(1)列和第(2)列显示，对口帮扶政策和城市经济发展水平存在正向因果关系，并且在1%的水平上显著，即对口帮扶政策效应显著。其次，按照传统的处理方式，采用单差法估计对口帮扶政策对城市经济发展水平的影响。在控制了其他变量和地区效应之后，第(3)列和第(4)列显示，Du×D的系数显著为负，表明对口帮扶对于促进城市经济增长效果的结果稳健。最后，继续控制时间效应后，第(5)列和第(6)显示对口帮扶政策的推行使实验组比控制组的实际GDP和人均实际GDP分别平均提高了6.31%和8.84%左右。进一步比较第(3)列、第(4)列和第(5)列、第(6)列对口帮扶的系数可以发现，虽然传统单差法能够说明部分问题，但是利用单差法估计的系数明显高于利用双重差分法估计的系数，说明单差法会高估对口帮扶的作用。因此，双重差分法估计的结果更加准确。综合以上，假设1得到验证。控制变量方面，第(5)列和第(6)列显示，产业机构、城镇化水平、固定资产投资和人口密度等正向促进了城市经济发展，而居民储蓄率、外商直接投资对城市经济发展产生副作用。上述结果和现有研究基本保持一致。

(二)识别假定检验：事件分析法

尽管前文发现对口帮扶的经济增长效应得到了初步的检验，但该结论依旧可能受到遗漏变量的影响，为了验证本文选择双重差分识别策略的可靠性，本文将进行识别假定检验。遵循Jacobson等的方法[35]，采用事件分析的研究框架，评估对口帮扶政策的动态效应。具体做法是将公式(1)中的Du×Dt换成表示对口帮扶政策实行前六年和实施后五年的虚拟变量，被解释变量依旧是Lngdp和Lnpgdp，估计如下方程：

Yit=α0+α-6DID-6+α-5DID-5+α-4DID-4+α-3DID-3+α-2DID-2+α-1DID-1+α0DID0+α1DID1+α2DID2+α3DID3+α4DID4+α5DID5+∑jαjX+λi+γt+εit

(2)

公式(3)中DID0是对口帮扶政策开始实施年份的虚拟变量，DID-m表示政策实施前第m年的虚拟变量，m=1，2，3，4，5，6；DIDn表示政策实施后第n年的虚拟变量，n=1，2，3，4，5。本文省略了推行前六年以上的年份。图2和图3分别报告了以Lngdp和Lnpgdp作为被解释变量的估计参数{α-6，α-5，α-4，…，α3，α4，α5}的大小及对应的90%置信区间。可以发现，政策实施前年份虚拟变量的估计系数均未通过10%的显著性水平，验证了实验组和控制组满足平行趋势假定，即2013年之后实验组相对控制组经济发展水平出现显著上升，是对口帮扶政策实施的结果，而不是事前差异的结果，且对口帮扶的政策效应表现出了明显的可持续性。

表3 基准回归结果：省内对口帮扶对城市经济增长的影响

图2 对口帮扶政策的动态效应(Lngdp) 图3 对口帮扶政策的动态效应(Lnpgdp)

(三)稳健性检验

1.PSM+DID

尽管双重差分法可以很好地识别出对口帮扶对城市经济增长影响的净效应，并解决内生性的问题，但不能克服样本选择偏差的问题。本文采用倾向得分匹配(Propensity Score Matching，PSM)可以在非随机实验条件下很好解决这一问题，克服“选择难题”。本文引入匹配的思想，借助Heckman等提出的PSM-DID方法先筛选控制组[36]，再进行双重差分回归分析，重新估计对口帮扶对城市经济发展的影响。具体思路是首先分别以通过Probit模型来估计倾向得分；其次分别采用半径匹配、核匹配和近邻匹配的方法给被帮扶城市的样本(实验组)匹配控制组，并对匹配后的样本进行平衡性检验，使得实验组和控制组在对口帮扶这项政策冲击前尽可能没有显著差异；最后利用双重差分法识别出对口帮扶政策对城市经济发展的净效应。表4显示，不管采用何种匹配方式，Du×Dt的估计系数、符号和显著性水平与表3基本一致，表明对口帮扶政策对城市经济增长的影响效果是稳健的。

表4 省内对口帮扶对城市经济增长的影响：稳健性检验(一)

2.控制基准变量缓解选择的影响

双重差分法作为一种准自然实验，其最理想的状况是实验组和控制组是随机选择的，但是对口帮扶城市名单的确定并非随机，帮扶城市的名单可能与城市的地理位置、经济发展水平、资源禀赋等息息相关，而这些城市之间的固有差异可能会随着时间的趋势对城市的环境产生不同的影响，从而导致估计的偏差[25]。为了控制这些差异的影响，本文借鉴Edmonds等人和Lu等人的做法[37, 38]，加入Si×Trendt的交互项，从而在一定程度上缓解实验组和控制组选择的不随机性造成的估计偏差。其中，Si表示城市的固有特征，采用是否为沿海城市、是否为珠三角城市、是否为粤北城市作为这些先决因素的代理变量，Trendt代表时间线性趋势。交互项Si×Trendt表示从线性的角度控制城市之间的固有差异对经济增长的影响。表5第(1)列和第(2)列汇报了加入基准变量之后的回归结果，Du×Dt的系数依旧显著为负，意味着就算考虑了城市固有差异的影响之后，对口帮扶的经济增长效应依旧稳健。

3.剔除其他政策改革的影响

为了剔除样本区间内外生政策冲击对被解释变量可能存在的影响，本文还构建了以下两类政策变量：第一类为规划性政策效应，包括珠三角地区、粤东、粤西和粤北地区出台的相关规划纲要的时间；第二类为换届效应，包括2002年、2007年、2012年和2017年等年份。参照宋泓等人的做法[25]，将构建的政策指标与时间线性趋势的交互项Pi×Trendt纳入回归模型后，表5第(3)列和第(4)列显示，Du×Dt的系数依然显著大于零，证明了省内对口帮扶政策的实施有利于城市经济增长。

表5 省内对口帮扶对城市经济增长的影响：稳健性检验(二)

4.控制官员个体特征的影响

为了进一步检验对口帮扶政策对城市经济发展水平影响的稳健性，本文还控制了官员个体特征。已有研究认为尽管市委书记不直接参与对口帮扶政策的实施，但也有可能通过影响经济增长的其他策略来间接影响对口帮扶政策的实施效果。因此，本文借鉴姚洋等人研究官员与城市经济增长的思路[39]，假设一个城市的经济增长既是市委书记的施政绩效，也是市长的施政绩效，并假设两名官员来自于同一分布，即一个城市一个年度出现两个观察值。表5第(5)列和第(6)列表明，控制了官员个体特征之后，对口帮扶的政策效应依旧显著。

(四)基于三重差分法(DDD)的异质性检验

由于经济基础、资源禀赋、政策支持等异质性特征可能导致对口帮扶的政策效应在不同地区存在差异。因此，本文按照人均实际GDP和城镇化率高低排序和分组，并采用三重差分法(Difference-in-Difference-in-Difference，DDD)检验对口帮扶政策实施效果的异质性[1]。首先考察城镇化水平差异下的政策实施效果。本文按照城镇化率对城市分组，低于中间值的城市Dm赋值为1，高于中间值的城市Dm赋值为0，Du×Dt×Dm估计的是相较于城镇化率较高城市，对口帮扶提升城镇化水平较高城市经济发展水平的净效应。表6第(1)列和第(2)显示，相对于城镇化率较高的城市，对口帮扶政策对城镇化率较低城市的经济发展水平产生了更强烈的影响。其次，考察经济基础对政策实施效果的影响。按照人均实际GDP进行分组，低于中间值的城市Db赋值为1，高于中间值的城市Db赋值为0。从表6第(3)列和第(4)列的结果来看，政策对经济基础较弱城市的经济增长效应要高于经济基础较好的城市。Du×Dt×Db的系数表明，政策可以显著推动城镇化率较高、经济基础较好城市的经济发展水平。基于三重差分的异质性分析表明，对口帮扶政策在经济条件较差(城镇化率低、人均实际GDP低)的地区表现出了更强的经济增长效应。假设2得到验证。

表6 省内对口帮扶对城市经济增长的影响：异质性分析

五、基于扶贫效应的影响机制：中介效应检验

上述研究表明，省内对口帮扶政策能够显著提升城市的经济发展水平。那么，对口帮扶政策通过影响哪些关键变量来促进城市的经济发展？如前文所述，对口帮扶政策很重要的目的在于推动城市实现脱贫。本文根据《进一步促进粤东西北地区振兴发展的决定》的实施细节，同时参考已有研究的相关做法[28]，从产业扶贫、金融扶贫、教育扶贫、科技扶贫、旅游扶贫、社会保障兜底扶贫和农民人均纯收入等几方面来综合考察对口帮扶提高城市经济发展的具体机制，从而识别出各项具体措施的政策效应，分析对口帮扶是否通过相应的扶贫措施间接推动城市经济增长。为此，构建如下检验模型：

Lnpgdpit=α0+α1Dui×Dtt+∑jαjX+λi+γt+εit

(3)

Pit=β0+β1Dui×Dtt+∑jβjX+λi+γt+εit

(4)

Lnpgdpit=φ0+φ1Dui×Dtt+φ2Pit+∑jφjX+λi+γt+εit

(5)

公式4为基准回归模型，公式5中Pit为中介变量，用于表示各种扶贫绩效。α1用于测量政策的总效应，φ1用于测量政策直接效应，β1φ2为变量Pit的间接效应。采用逐步回归法检验中介效应，在第一步完成对口帮扶对城市经济增长的检验之后(表3第(6)列)，第二步检验对口帮扶的扶贫效果(表7)。表7第(1)列汇报了产业扶贫的政策效果，结果显示对口帮扶政策显著提升了当地农业生产的机械化水平，即对口帮扶的产业扶贫效应显著。第(2)列、第(5)列和第(6)列表明，对口帮扶在金融扶贫、旅游扶贫、社会保障兜底扶贫等方面的回归系数显著为正，表明对口帮扶对上述领域存在明显的扶贫效应。而教育扶贫、科技扶贫领域并未体现出对口帮扶的政策效应，表明对口帮扶政策的实施并没有促进当地人力资本水平和科技投入水平的显著提升，可能存在的原因是教育、科技和贫困三者两两相互制约，导致扶贫效果不显著。尽管政策对于提升农民人均纯收入产生正向影响，但是这种关系缺乏统计学意义。作为生活水平的一种直观反映，农民人均纯收入水平的改善依旧面临着挑战。

表7 省内对口帮扶对城市扶贫效应的影响

第三步以产业扶贫、金融扶贫、旅游扶贫和社会保障兜底扶贫作为解释变量，与对口帮扶政策变量一起纳入回归方程，以探索中介效应是否存在(见表8)。按照温忠麟等人的判定标准[40]，本文通过对比表8第(1)列的基准回归结果的对口帮扶变量发现，第(2)至第(4)列中，在产业扶贫、金融扶贫、旅游扶贫等变量的系数显著为正的情况下，对口帮扶变量的大小有所降低，表明所选取的中介变量均为部分中介，而第(5)列社会保障扶贫的系数显著为负，可能是因为低保人群对国家养老金的过度依赖导致。同时，对口帮扶政策的系数大小有所增大，同样说明社会保障扶贫变量为部分中介变量，即对口帮扶政策可直接影响城市经济增长，或者通过影响社会兜底保障扶贫来促进城市经济增长。第四，本文构造了Sobel统计量，对上述中介效应进行更为精确的验证，经计算得出对应的Z统计量均通过了5%的显著性水平(1)本文还采用Bootstrap法进行进一步检验，以确定中介效应是否存在，结果发现产业扶贫、金融扶贫、旅游扶贫和社会保障扶贫等变量确实发挥了部分中介的作用。由于篇幅有限，此处不再汇报结果，如有需要可向作者索取。。

表8 省内对口帮扶对城市经济增长的影响：中介效应检验

六、结论与启示

2020年3月6日，习近平总书记在决战决胜脱贫攻坚座谈会上强调，要“高度重视打赢脱贫攻坚战面临的困难挑战”。作为一项具有重大经济意义和政治意义的工作，省内对口帮扶有望成为缩小区域贫富差距和促进区域协调发展一种行之有效的模式，对于全面建成小康社会和确保脱贫攻坚任务如期全面完成带来重要启示。省内对口帮扶政策的有效实施依赖于我国特殊的政治体制、经济体制和社会体制，充分体现了中国特色社会主义制度的优越性。现有研究更多地从国家层面和省际层面评估对口支援的政策有效性及其发展历程，而针对省内对口帮扶这一特殊的支援模式的研究尚显不足。本文首次将2013年在广东省实施的对口帮扶政策作为准自然实验，利用双重差分法、三重差分法和中介效应评估和发掘帮扶城市对被帮扶城市经济绩效的政策效果和作用机制。研究结果表明：

第一，省内对口帮扶政策显著地促进了被帮扶城市的经济增长，使得实验组比控制组的实际GDP和人均实际GDP分别提高约6.31%和8.84%，这一结论通过了识别假定检验和稳健性检验。省内对口帮扶对于促进被帮扶城市经济发展的逻辑来源于三个方面：其一，人事制度保障使得省级政府拥有了对市级政府官员的选拔和任免权，对市级政府和官员有很强的控制力和约束力；其二，上级目标设定使得对口帮扶具备了“政治性”的特征，促使下级政府启动“一把手”工程方式和“一票否决”奖惩机制以实现上级目标的实现；其三，“晋升锦标赛”模式下，帮扶双方均会为了获得晋升而做出发展被帮扶城市经济的努力，并且对口帮扶政策目标的制定具有“层层加码”的特征。

第二，对口帮扶政策在经济条件较差(城镇化率低、人均实际GDP低)的地区表现出了更强的经济增长效应。不同区域因地理位置、自然资源和政策支持的差异，导致经济发展基础不同，进一步影响了对口帮扶政策在不同区域的实施效果存在差异，这也遵循了经济学理论所指出的“边际效应递减规律”。

第三，省内对口帮扶政策还通过产业扶贫、金融扶贫、旅游扶贫、社会兜底保障扶贫等渠道对被帮扶城市的经济绩效产生间接影响，但对口帮扶在教育扶贫、科技扶贫和农民人均纯收入等领域作用效果不明显，而社会保障兜底扶贫却对经济增长产生了显著的负向影响。消费被视作拉动经济增长的“三驾马车”之一，而扶贫能够提升居民消费能力，对于推动经济增长产生至关重要的影响。作为一种特殊的同级政府间对口支援模式，省内对口帮扶在扶贫领域扮演了重要的角色，并且进一步提升区域经济发展水平，但由于教育、科技和贫困三者两两相互制约，并未很好地体现出扶贫绩效，而低收入群体对国家养老金的过度依赖降低了社会保障兜底扶贫的经济增长绩效。

通过比较2013年印发的《进一步促进粤东西北地区振兴发展的决定》和本文的研究结论可以发现，省内对口帮扶政策一方面对于促进经济增长具有显著的政策效应，另一方面也表明这种帮扶政策在相关扶贫领域依旧存在局限，进而一定程度上制约了区域经济增长。从全国实践的角度来看，省内对口帮扶政策在江苏、四川、湖北等地均有类似的经验，本文的结论为全国范围内的省内对口帮扶工作机制的完善提供了一定的经验启示。省内对口帮扶机制的完善还应当着眼于以下几个层面。一是完善省内对口帮扶政策的保障机制，包括人事制度保障、考核体系保障和奖惩制度保障等，充分释放对口帮扶的政策红利，继续缩小区域之间的发展差距。二是强化地方官员的正确考核导向和问责机制，防止因官员个人偏好和晋升激励对区域协调发展和扶贫开发产生的不利影响。官员个体特征对经济绩效的影响实质上是官员晋升激励的直观表现。省级政府应当综合评估帮扶城市的经济绩效和扶贫成效，从而避免因官员目标的短期化而造成“数字脱贫、虚假脱贫”。三是全面落实精准扶贫理念，一方面对于经济发展基础不同的地区采取差异化的区域经济发展政策。尽管对口帮扶对于整体样本而言产生显著的效果，但对于不同经济条件的地区产生不同的政策效应，且在不同的扶贫领域也有所差异。因此，帮扶城市和被帮扶城市应当根据城市实际发展情况和不同发展阶段制定帮扶工作方案，做到“对症下药”和“脱真贫”。另一方面，加强教育扶贫、科技扶贫和农民人均纯收入提升等领域的工作。上述三个领域往往是彻底稳定脱贫的重要推手。因此，对口帮扶工作今后的方向应当重点关注吸引优秀人才投入教育和科技行业。此外，还应当加大社会兜底保障扶贫的工作力度，强化农村居民的就业再培训，增强贫困地区居民的就业能力，降低低保人群和弱势群体对国家资助的依赖，避免返贫现象的出现。