革命老區振興規劃政策對固定資產投資的影響及其作用機理

摘 要：革命老區已經成為中國不可回避的區域協調發展的關鍵短板。針對陜甘寧、贛閩粵、大別山、左右江和川陜五個重點革命老區的革命老區振興規劃政策，使用多期雙重差分法基于2000—2020 年縣級面板數據分析其對固定資產投資的影響。研究發現：（1）革命老區振興規劃政策給政策覆蓋地區固定資產投資帶來了18.40%的額外增長，重大項目布局和財政轉移支付為代表的“外部輸血”和經濟實際增長為代表的“內部造血”是兩條重要作用渠道。（2）革命老區振興規劃政策使得五個重點革命老區固定資產投資額的增加更多地涌入實體經濟而非房地產部門。革命老區振興規劃政策促進了產業升級與轉型，并且在政策覆蓋地區實現了“工業反哺農業、城市支持農村”。（3）革命老區振興規劃政策對固定資產的促進作用在社會經濟指標相對薄弱的地區效果更顯著，且具有政策示范效應和空間溢出性，可以帶動政策覆蓋地區周邊以及其他相關地區發展。綜上所述，革命老區振興規劃政策是對以革命老區為代表的經濟相對欠發達地區，通過區域發展政策促進固定資產投資，進而拉動經濟長效發展、產業升級轉型和城鄉共進的可行路徑。

關鍵詞：革命老區振興規劃；多期雙重差分；固定資產投資；產業轉型

一、引 言

中國長期以來一直面臨區域發展不平衡、不充分的基本國情，統籌推動欠發達地區跨越式發展和重點突破從而實現高質量發展一直是政府經濟發展工作的重點（張明林和李華旭，2021）。國家“十四五”規劃《綱要》中明確強調，要繼續深入實施區域協調發展戰略，支持特殊類型地區加快發展，在發展中促進區域相對平衡。雖然部分學者認為區域協調戰略存在“政策陷阱”和“資源詛咒”，政府傾向于過度集中于固定資產投資和能源資源開發，忽視了發展質量和產業結構升級，造成了“經濟短視”（劉瑞明和趙仁杰，2015）。但基于中國的“一帶一路”“西部大開發”“振興東北”等區域協調戰略的經驗事實研究，更多的學者傾向于認為，區域協調策略有助于區域經濟發展和扭轉趨異的態勢（范劍勇和謝強強，2010）。總體而言，中國西部落后地區，西南“一帶一路”沿線地區以及東北老工業基地等區域發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）。在當前階段，革命老區已經成為中國不可回避的區域協調發展的關鍵短板（龔斌磊等，2022），這就要求更加精準的政策單元來系統性、整體性針對革命老區，這一類特殊的欠發達地區進行專項頂層設計。

習近平總書記在黨的十八大報告指出，要促進革命老區發展，在全面建成小康社會的進程中絕不能落下老區群眾。“十三五”期間，有1/8 的中央預算資金使用在陜甘寧、贛閩粵、大別山、左右江和川陜五個重點革命老區中，投資規模超過3000 億元（張明林和李華旭，2021）。2021 年11 月，國務院批復了《“十四五”特殊類型地區振興發展規劃》，明確了太行等12 個革命老區的規劃范圍，以及長治等20 個革命老區重點城市的目標定位（茍護生和童章舜，2022）。五個重點革命老區30km DEM 地勢圖如圖1 所示，五個重點革命老區大多地勢陡峭且位于中國省行政邊界或省界線毗鄰地區，易受到“邊界效應”影響，即地方政府傾向于將經濟活動的正外部性盡可能留在區域內部，從而導致邊界毗鄰地區基礎設施建設的遲滯（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，革命老區長期以來產業發展后續動力不足，經濟發展相對遲緩。

上述五個重點革命老區的社會經濟發展水平在革命老區振興計劃實施后得到了顯著提升，固定資產投資也取得了持續增長。作為拉動經濟的“三駕馬車”之一，固定資產投資是中國經濟增長的重要引擎，對經濟的影響是存在長期且滯后的效應（侯榮華，2002）。除此之外，政府越來越重視固定資產投資在產業升級轉型和高質量發展中的引導作用。如圖1 所示，十二大革命老區固定資產投資額雖然在總體上保持增長的態勢且與全國其他區域的差距逐步縮小，但依舊處于落后局面。五個重點革命老區固定資產投資額與其他地區平均值的差距不斷縮小，甚至在2017 年實現反超。

對于革命老區而言，這樣的固定資產投資是否真的伴隨著產業的高級化，以及產業結構合理化和城鄉協調發展需要進一步研討。目前，圍繞革命老區振興規劃政策的研究，大多基于雙重差分方法針對整體政策創新與效果評估（龔斌磊等，2022）、綠色全要素生產率（張明林和李華旭，2021）、綠色發展路徑（楊冕等，2022）以及農業發展（張啟正等，2022）等角度展開研究，也有小部分學者通過如贛南老區（李志萌和張宜紅，2016）進行案例分析。張明林（2021）運用PSM-DID 方法從綠色全要素生產率的角度評估國家優先支持政策對五個重點革命老區的促進效應（張明林和李華旭，2021）。張啟正（2022）探討革命老區振興規劃對農業尤其是農業生產率這個重要指標的影響，發現其在促進農業現代化轉型方面效果顯著（張啟正等，2022）。雖然，龔斌磊（2022）在分析革命老區的經濟增長時，關注到了投資角度，并使用城鎮固定資產投資完成額作為中介變量進行分析（龔斌磊等，2022）。但城鎮固定資產投資完成額本身，并不能充分涵蓋革命老區振興規劃政策對固定資產投資的復雜影響。五個重點革命老區的固定資產投資增加，是否涌向了房地產資源，擠占了其他領域的固定資產投資？“輸血”式“造血”是革命老區經濟發展前期重要財力支持的來源，但這并非長久之道。經濟的長期發展還需要提高工業化水平和實際經濟產出以實現正向循環發展，也就是內部“造血”。在革命老區這樣特殊的欠發達地區，五個重點革命老區固定資產投資額的增加，“輸血”和“造血”到底分別扮演著怎樣的角色？這些地區是否真正能實現健康的“血液循環”？從更長遠角度來說，革命老區是否實現了“工業反哺農業、城市支持農村”的新時期中國發展戰略目標？

本文在系統性整合多渠道數據的基礎上，構建2000—2020 年的非平衡縣域面板數據，采用多期雙重差分法（Staggered difference in difference，DID）分析革命老區振興規劃政策對政策覆蓋地區固定資產投資的影響和作用機制。本文研究的邊際貢獻主要有以下三個方面：首先，基于投資角度，評估了革命老區振興規劃政策對固定資產投資的影響，為下一階段通過政策拉動投資，進而推動革命老區經濟高質量發展提供參考借鑒；其次，厘清了“外部輸血”和“內部造血”兩條革命老區振興規劃政策對促進固定資產投資的作用渠道，并進一步發現對固定資產的投資主要涌向實體而非房地產部門，并兼顧農業和農村發展，豐富了區域優先發展規劃有關的經驗研究；最后，通過異質性分析，探究社會經濟水平異質性、政策示范效應和空間溢出性，為下一步推進其他相對欠發達地區跨越式發展提供決策參考。

二、理論分析框架

通過區域發展規劃政策推動社會經濟欠發達地區逆勢追趕，縮小區域發展差距，推進落后地區增加收入和可持續發展已經成為近幾十年來各國，尤其是發展中國家采用的共通策略。區域發展政策是指政府為促進各地區經濟發展和社會和諧穩定通過加強資源配置、優化產業結構、促進基礎設施建設、提升人才培養能力等方式，幫助不同地區發揮其獨特的優勢，促進區域內的經濟協調發展（孫志燕和侯永志，2019）。根據制度經濟學，區域經濟發展與政府推行的政策制度密不可分，實施國家區域發展政策有利于從政策頂層設計打破革命老區發展的原始固定路徑依賴性。根據內生經濟增長理論，國家區域發展政策保障了地區的前期發展資本積累，并為后續產業升級提供了重要的資金來源和項目保障（楊冕等，2022）。革命老區振興規劃政策，在加強外部推力的同時，可以定向培育革命老區高質量發展的內源動力。

基于支出法的國民經濟核算，固定資產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。根據柯布—道格拉斯生產函數，固定資產凈值作為投入的資本的主要代表，對經濟產出有巨大的推動作用。而根據全要素生產率，流向支持技術進步的固定資產投資可以促進技術發展和產業升級進而促進生產效率的提高（Sascha et al.，2010）。

Abdul（2016）發現增加固定資產投資在長短期內都會提高產出，吸引私人投資，并降低失業率（Abdul et al.，2016）。Andreea（2022）針對現有的對使用固定資產投資作為促進增長因素效力的質疑，利用基于新興歐盟和中歐國家的實證研究發現固定資產投資具有強大的積極影響（Andreeaet al.，2022）。Nguyen（2022）研究發現政府參與的公共投資將有效促進綠色發展（Nguyen et al.，2022）。此外，大量學者研究發現固定資產在調整產業結構和產業升級方面影響不容小覷（Rui etal.，2020）。

而學者們基于中國的經驗事實研究也獲得了類似的發現，苗敬毅等（2007）與侯榮華（2002）從中國不同時間維度的歷史數據驗證了固定資產投資對經濟增長的影響和滯后效應（侯榮華，2002；苗敬毅等，2007）。固定資產投資往往是一個地區經濟增長的前提保證，在當代固定資產投資也是優化產業結構的重要途徑，為經濟持續健康發展提供了重要動力（朱發倉和祝欣茹，2020）。固定資產投資對需求的總量和結構產生直接影響的同時，又增加了社會總供給從而擴大社會生產能力（曹躍群等，2019）。研究發現固定資產投資不僅可以促進低碳發展并且可以改善產業結構（Yangand Chien-Chiang，2020）。固定資產投資在通過消費投資增加當年地區生產總值（GDP）的同時，自身也形成未來生產和服務能力從而促進未來的GDP，并且固定資產的投資也可以在一定程度上也彌補因折舊而損耗和因技術落后而淘汰的生產能力，并增加了未來時期社會財富的創造能力。

政府的財政支出被視為固定資產投資的重要來源之一，但這一渠道通常被認為是“外部輸血”可能治標不治本，只能解“一時之急”。而經濟實際產出的提高對于固定投資的促進作用可以被認為是最重要的“內部造血”機制之一。房地產投資對其他固定資產投資的擠出效應占主導地位（黃徐亮等，2023），如果固定資產投資的“熱錢”涌向房地產部門而非實體部門，則會引發房地產泡沫。房地產泡沫對技術創新存在資源錯配、資金擠占和成本增加效應，顯著抑制技術創新（馬昭君和葛新權，2023）。雖然國家宏觀層面一直以來重視農業和農民的脆弱性問題（李長松等，2023；徐婷婷和孫蓉，2022；Liu et al.，2023），但在政策的實施過程中，政府可能傾向于在短期內過度追求經濟績效，忽略或犧牲農業和農民。

如圖2 所示，針對革命老區振興規劃政策對固定資產投資的影響研究以“外部輸血”和“內部造血”為邏輯起點。一方面，通過產業結構轉型項目布局和財政轉移支付為當地的固定資產投資帶來“外部輸血”。另一方面，通過加快工業化進程和擴大社會信貸，實現“內部造血”，雙渠道作用實現固定資產投資增加。在實現固定資產投資增加的基礎上，革命老區振興規劃政策發揮固定資產投資的產業轉型效應和創新效應，促使工業農業并舉發展的同時，提高農村居民收入水平和鄉村就業情況，從而達成“城市帶動農村，工業反哺農業”的戰略目標。

（一）模型設定

基于五個重點革命老區振興規劃政策分批次實施的政策特點，選用多期雙重差分模型（李慧等，2024；廖直東和李威，2023），基準回歸模型設定如下：

為規避模型估計系數的一致性被事后控制變量嚴重影響的問題，使用事前控制變量與πt 的交互項來控制政策發生前不同特征的地區可能存在的時間趨勢差異保證條件獨立性假設的成立（張啟正等，2022）。

（二）變量選擇

1. 被解釋變量

固定資產投資額，是指以貨幣形式表現的在一定時期內建造和購置固定資產的工作量和與此有關的費用的總稱，選用全社會固定資產投資額以反映地區固定資產投資的發展情況。全社會固定資產投資，是在一定時期內以貨幣形式表現的全社會建造和購置固定資產活動的工作量，以及與此有關的費用的總稱。

2. 解釋變量

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

3. 控制變量

革命老區振興規劃政策并非傳統意義上的完全外生沖擊，因此需要進一步控制可能影響政策實施的相關變量是必要的，本文的控制變量主要有以下四個角度。（1）革命斗爭歷史，即是否為中國革命老根據地。根據中國老區建設促進會的統計，革命老區共包含1383 個縣級行政單位。但擁有革命老區斗爭歷史只是選擇革命老區振興規劃政策落地區域的一項必要前提條件，還需要考慮地理環境和經濟發展水平有關因素。（2）地理條件，區域地理環境因素本身以及距離省會城市和地級市的遠近先天地理區位因素也會影響革命老區自身經濟發展情況進而影響革命老區振興規劃政策覆蓋范圍，具體包括平均海拔，地形起伏度和省會城市以及地級市的距離等。（3）社會經濟控制變量，這些控制變量與當地的固定資產發展水平相關，且反映了縣級行政區當地的社會經濟狀況，這些變量同時也可能是影響該縣級行政區是否被納入革命老區振興規劃政策的關鍵因素。具體而言包括地方財政支出、地方財政收入、財政緊張程度、總人口、地區生產總值、人均地區生產總值、人均純收入。（4）其他可能影響革命老區振興規劃政策的覆蓋范圍的相關區域發展規劃，包括11 個國家級集中連片特困地區、國家級貧困縣政策和全國糧食生產先進單位。

（三）樣本說明和變量描述性統計

主要圍繞五個重點革命老區的振興規劃在剔除行政轄區有明顯變動和數據嚴重缺失的縣級行政單位后，最終構建了2000—2020 年中國31 個省（區、市）2264 個縣級單位的非平衡面板數據以探究其對固定資產投資額的影響及其作用機理。

本文通過多渠道獲取研究數據。全社會固定資產投資額、城鎮固定資產投資完成額、流向實體的固定資產投資、人均國內生產總值、人均純收入、財政支出、財政收入、財政緊張程度、總人口數等主要來自國泰安金融數據庫CSMAR 的縣域經濟數據庫以及國家統計局的縣域統計年鑒，并進行交叉比對補充；中國革命老區根據地相關數據來源于中國老區建設促進會官網；縣級行政區地形數據來自游珍（游珍等，2018）；縣域平均海拔數據來源于美國奮進號航天飛機的雷達地形測繪SRTM（Shuttle Radar Topography Mission，SRTM）數據的1km 精度的DEM 數據；革命老區振興規劃政策的實施時間以及范圍的數據來源于國務院自2012 年后陸續批準的支持贛南、陜甘寧、左右江、大別山、川陜等革命老區振興發展的政策規劃文件；國家級貧困縣名錄來自國家鄉村振興局的《全國832 個貧困縣名單》；全國糧食生產先進單位名錄來自《農業部關于表彰2010 年全國糧食生產先進單位和個人的決定》；集中連片特困地區名錄來自《國務院扶貧辦關于公布全國連片特困地區分縣名單的說明》。

變量的詳細介紹和描述性統計分析如表1 所示。

四、基準回歸分析與穩健性檢驗

（一）基準回歸

針對革命老區振興規劃政策對固定資產的影響，多期DID 面板數據可視化如圖3 所示，革命老區振興規劃政策的政策落地時間和控制組對照組數量對比情況較為合理，本文所用的數據樣本可以較好地反映出基于全國縣域革命老區振興規劃政策的實際情況。

如表2 所示，所有回歸均已考慮相關規劃與時間固定效應的交互項、個體固定效應和時間固定效應，將革命斗爭歷史、地理位置條件、社會經濟條件和區域發展規劃逐步加入基準回歸。如（1）～（5）列所示，回歸系數在13.12%到19.96%之間浮動，且置信區間均為99%。本文以（5）列作為基準回歸結果進行分析，革命老區振興規劃政策的實施在1%的水平上顯著為政策覆蓋縣的固定資產投資帶來了18.40%的額外增長，革命老區振興規劃政策能顯著有效地促進政策覆蓋地區固定資產投資增長的假設得到了證實。

（二）平行趨勢檢驗

為檢驗固定資產投資的增長趨勢是否在革命老區振興規劃政策落實之前就已經出現，選用事件研究法（黃煒等，2022）檢驗基準回歸涉及的平行趨勢假設，具體檢驗模型如下所示：

（三）穩健性檢驗

1. 縮尾處理

為避免異常值對研究結果的影響，對固定資產投資額進行上下兩端1%與5%的縮尾處理。回歸結果如表3 中（1）～（2）列所示，革命老區振興規劃政策的實施為政策覆蓋地區固定資產投資額分別獲得了17.79%和19.25%的增長，這與基準回歸結果也相吻合。

2. 排除相關政策干擾

革命老區振興規劃政策覆蓋地區在總體上屬于相對欠發達地區，在地理分布上與國家連片特困地區和國家級貧困縣有很大程度的重復。2015 年政府頒布《關于打贏脫貧攻堅戰的決定》后，中央政府對貧困特困地區有不同程度的政策傾斜支持和財政撥款專項扶持。考慮到固定資產投資本身，可能很大程度受國家宏觀政策和財政轉移支付影響。而“脫貧攻堅”戰略中的無條件轉移支付等兜底保障政策，不可避免地會擠占來自政府的財政資金，影響“外部輸血”的力度，進而對固定資產投資產生負面影響，所以本文將其納入回歸分析。結果如表3（3）列所示，在考慮了脫貧攻堅政策的影響后，革命老區振興規劃政策對五個重點革命老區依然帶來了16.95%的固定資產增長，“脫貧攻堅”戰略的實施使固定資產投資降低15.05%，且均在1%的水平上顯著，這個回歸結果也與經驗事實相吻合。

3. 安慰劑檢驗

（1）隨機提前政策實施時間

參考曹清峰（2020）的做法，采用以下方法隨機提前政策時間點：假定國家革命老區振興規劃政策覆蓋的縣級行政區不變，如果現實中縣級行政區i 在t 年被納入了革命老區振興規劃政策覆蓋范圍，那么從[2000，t-1]的時間范圍內隨機抽取任意1 年作為i 縣級行政區被納入國家革命老區振興規劃政策覆蓋的時間，并且重復隨機1000 次（曹清峰，2020）。如圖5 所示，革命老區振興規劃政策系數基本滿足正態分布，且平均值小于真實系數估計值，即隨機提前革命老區振興規劃政策覆蓋的時間，對所在的縣級行政區固定資產投資增長的帶動效應出現明顯下降，從反事實角度證實了革命老區振興規劃政策實施促進了固定資產投資。

（2）隨機政策實施個體

將處理組中的革命老區振興規劃覆蓋區域視為新的控制組；在控制組中選取與處理組樣本數相同的縣級行政區作為新的處理組，并且保持新處理組樣本中縣級行政區的政策實施時間、批次與原處理組一致，并且重復隨機1000 次（曹清峰，2020）。如圖6 所示，革命老區振興規劃的相關系數均值約為0，遠小于基準回歸17.32%，這表明革命老區振興規劃政策效應表現出了明顯的區位導向性。

（3）同時隨機政策時間與處理組樣本

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量的樣本，并隨機生成政策實施時間，構建縣級行政區與政策時間均隨機的新處理組，并且隨機重復500 次實驗（白俊紅等，2022）。如圖7 所示，時間和個體雙隨機化處理后，革命老區振興規劃政策項系數集中分布于0 附近，絕大多數P 值大于0.1，并且隨機系數基本位于真實值17.35%左側，證明雙重隨機處理后，政策效果在顯著性與作用強度方面均有大幅度削弱，也證實了基準回歸結論的穩健性。

4. Bacon 分解

Goodman（2021）研究發現，處理效應的異質性使得同一處理變量對于不同個體產生的效果存在差異，將會導致雙向固定效應估計量（TWFEDD）產生估計偏誤（Goodman，2021）。為厘清處理效應異質性對TWFEDD 結果的映射程度和方向，Goodman 提出Bacon 分解，其檢驗核心是將TWFEDD 拆分為若干個經典DID（2*2DID）組合，測算每一個2*2DID 對應的處理效應和權重并進行異質性導致誤差嚴重程度的判斷（劉沖等，2022）。結果如表4 所示，將“早處理組”與“晚處理組”互為對照組的處理效應合并，其權重為3.60%，平均處理效應為14.98%，與處理組和對照組間的2*2DID 平均處理效應測度結果相近，且占總體回歸結果的比重較小，說明處理效應異質性問題對整體TWFEDD 影響微乎其微，總體而言，基準回歸結果較為可靠。

圖8 Bacon 分解圖更能清晰地展示相關Bacon 分解回歸結果，進一步佐證盡管誤差存在，但對本文的分析框架和數據樣本統計回歸研究影響較小，證明了基準回歸結果的穩健性。

五、中介檢驗與進一步分析

（一）中介檢驗

根據理論分析，革命老區振興規劃政策實施后，政策覆蓋地區固定資產投資主要通過“外部輸血”和“內部造血”兩條主要途徑共同作用。但固定資產投資額多大程度通過所獲得的政府轉移支付增加來促進，同時“工業反哺農業、城市支持農村”是否達成？政策覆蓋地區是否通過“輸血”帶動了“造血”，并且自主“造血”功能是否日益強大？這些都需要進一步討論，參考江艇（2022）構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振興規劃政策覆蓋的地區，革命老區振興規劃政策的實施使政策覆蓋地區的地方政府一般預算支出增加了3.85%，且在1%的水平上顯著。這說明，革命老區振興規劃政策的實施可以有效提升政策覆蓋地區的地方政府一般性預算支出，政府的“輸血”力度大幅提升。這與中央財政針對革命老區轉移支付額的不斷“加碼”的客觀事實相吻合。中央財政針對革命老區的轉移性支付實現了激增，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，為同期中央財政對地方轉移支付總額年均增速的近三倍（龔斌磊等，2022）。來自中央財政的轉移支付資金，可以緩解地方財政壓力，補充財政資金來源，推動革命老區的基礎設施建設、產業發展等，引導投資，從而促進革命老區經濟的均衡發展。以財政轉移支付和政府重大項目布局為代表的“外部輸血”，可以引導和推動革命老區這樣的特殊地區的固定資產投資。

如表5（2）～（3）列所示而對于“內部造血”革命老區振興規劃政策的實施使政策覆蓋地區年末金融機構各項貸款余額和工業增加值分別有6.48%和26.15%的提升，且在5%以上水平顯著。年末金融機構各項貸款余額代表了從資金來源角度呈現的金融機構對社會的信貸投放規模，作為主要的貸款資金供給端，可以通過“乘數效應”促進社會經濟各個領域的投資和運營。第二產業產值可以直觀反映工業生產活動的發展情況，第二產業產值的增長通常意味著工業化水平的提高。這從側面反映了革命老區生產能力的提升以及市場需求的增長，從需求端拉動固定資產投資額，推動革命老區經濟“內部造血”渠道的發展。

革命老區振興規劃政策不僅引入外部資源，對政策覆蓋地區快速注入發展動力，從而實現強力“輸血”，同時發揮內生動力，實現“內部造血”，兩條渠道相輔相成，互為補充，共同促進革命老區固定資產投資。

（二）進一步分析——對固定資產投資額的拆解

如表6（1）～（2）列所示，革命老區振興規劃政策使政策覆蓋地區的新增固定資產減少43.37%，固定資產投資完成額獲得了11.75%的額外增長，且均在1%的水平上顯著。固定資產投資額是以工程完成進度為依據計算的，而新增固定資產是以項目是否通過驗收交付使用為標準計算的。固定資產投資額正向相關和新增固定投資顯著負向相關的回歸結果，與革命老區振興規劃政策，通過重大項目布局立足長期規劃發展而不是短期工程項目，交付期相對較長的真實情況相吻合。表6（3）～（5）列表明，革命老區振興規劃政策驅使流向房地產的固定資產投資額降低15.22%，房地產占固定資產比例降低了4.01%，流向實體的凈固定資產投資額增加了22.9%，這表明革命老區振興規劃政策推動政策覆蓋地區的固定資產投資額的增加額，主要涌入實體經濟而不是房地產部門。

考慮到房地產投資對第二產業的擠出效應，革命老區振興規劃政策覆蓋地區固定資產投資主要流向實體而不是房地產開發部門，固定資產投資完成額增加而新增固定資產減少的客觀事實，表明革命老區振興規劃政策推動政策覆蓋地區的固定資產投資流向長期重大項目，而不是短期短視項目，兼顧經濟長期發展。

（三）進一步分析——工業反哺農業，城市支持農村

以史為鑒，可知興替，推動工業反哺農業、城市支持農村的機制是促進區域協調發展的必要途徑。中國目前工業化處于特定階段，結合中國農業是國民經濟的基礎的戰略，以及農村發展特殊性糅合復雜性的客觀現實，決定了中國總體上已到達以工促農、以城帶鄉的新發展階段。革命老區振興規劃政策在帶動政策覆蓋地區的固定投資增長的同時，是否注重產業結構高級化與合理化、統籌城鄉發展和工業農業并舉？為回答以上問題，圍繞革命老區是否做到工業反哺農業，城市支持農村展開進一步分析。

如表7（1）～（3）列所示，革命老區振興規劃政策給IND 帶來額外的1.18%提升，革命老區振興規劃政策給第二產業產值占GDP 比帶來1.07%的增長，第二產業與第一產業產值比帶來1.24%的提升。革命老區振興規劃政策就總體而言，促進農業和工業并行增長，并一定程度改善經濟增長的質量和效率，優化產業結構。如表7（4）列所示，革命老區振興規劃政策給第三產業年末從業人數帶來了78.27%的增長，從勞動供給角度提高了第三產業的資源投入，表明革命老區可以促進產業發展逐步高級化。

如表7（5）～（6）列，革命老區振興規劃政策對政策覆蓋地區的農村人均純收入帶來了3.63%的增長，并且給鄉村從業人數帶來了413%的跨越式增加。革命老區振興規劃政策可以從收入和就業兩個角度促使城鎮的發展有效惠及農村地區，是否在政策覆蓋地區產生了“城市支持農村”的效果。

綜上所述，革命老區振興規劃政策實施后，促進了產業升級與轉型，并且在政策覆蓋地區實現了“工業反哺農業，城市支持農村”，在工業與農業的并舉發展的同時，將城鎮發展惠及農村地區。

六、異質性分析

（一）社會經濟條件異質性分析

從整體社會經濟水平角度上來看，革命老區振興規劃政策覆蓋地區屬于相對欠發達地區，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，各地的發展條件存在較大的異質性。因此，對于革命老區振興規劃政策的效果評估，不能只關注表面和平均情況。應注重改善偏遠落后地區的發展狀況，從根源上改善落后地區發展現狀，通過區域發展政策縮小區域間發展差距，這在實現共同富裕的背景下顯得至關重要。

參考高玥（2020）構造貸款余額和第一產業生產總值占地區GDP 比將樣本劃分成兩組（高玥，2020）。若年末金融機構各項貸款余額高于樣本均值，則該地區傳統金融發展水平相對較高，賦值為1，反之則為0；若第一產業生產總值占地區GDP 比高于樣本均值，則該地區產業已經逐漸完成從第一產業向第二、第三產業轉移，賦值為1，反之則為0；第二產業產值高于樣本均值，則該地區擁有較強的工業基礎和制造業能力，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，回歸結果如表8（1）～（6）列所示。在第一產業產值占比較低，以及貸款余額和第二產業發展相對乏力的地區，革命老區振興規劃政策對地區固定資產投資的促進作用被增強。此外，對工業發展水平相對欠缺的地區，革命老區振興規劃政策對固定資產投資具有更突出的促進作用。總體而言，革命老區振興規劃政策對社會經濟指標相對薄弱的地區的固定資產投資都起到了更大的促進作用，這些相對最不發達的地區比相對發達地區取得了更大的增速。

（二）其他異質性分析

為進一步檢驗革命老區振興規劃政策對固定資產投資是否存在地區差異化影響，以及政策的示范效應和空間溢出效應，將樣本范圍依次分別縮小至2021 年劃定的十二大革命老區振興規劃政策覆蓋地區、五個重點革命老區涉及省份所屬的縣級行政單位，依次進行統計回歸分析。

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政策覆蓋地區時，對固定資產的促進作用為13.93%，小于基準回歸的結果。這背后可能的原因是：革命老區振興規劃政策存在一定的政策示范效應，五個重點革命老區振興規劃政策同時引起了十二大革命老區所屬轄區政府的不同程度重視，這些地區不約而同都采用了有關政策推動這些地區的經濟發展。

如表9（2）列所示，將樣本縮小到五個重點革命老區涉及省份的縣域，對固定資產投資的促進作用為14.89%，小于基準回歸的結果。這背后可能的原因是：革命老區振興規劃政策有一定的空間溢出效應，能帶動臨近地區的固定資產投資額。革命老區振興規劃政策的實施引入一系列政策措施和資金投入，如增加基礎設施建設、優化產業布局、提供財政支持等。這些政策的實施會帶來一系列正向效應，包括增加就業機會、改善產業結構、提升經濟活力等，從而吸引了更多的投資者和資本進入該地區。同時，由于革命老區和臨近地區經濟通常聯系較為緊密，一定程度上的發展和繁榮也會對周邊地區產生溢出效應，激發了臨近地區的固定資產投資額增長。

七、結論與政策啟示

使用2000—2020 年的縣級非平衡面板數據，分析了針對五個重點革命老區的革命老區振興規劃政策對固定資產投資的影響，在深入分析其作用機理和政策成效的同時，本文得出以下結論：第一，革命老區振興規劃政策給政策覆蓋地區固定資產投資帶來了18.40%的額外增長，促使政策覆蓋地區的固定資產投資顯著提升，這種額外的增長主要的作用渠道為政府財政轉移支付、重大項目布局和實際經濟增長。第二，革命老區振興規劃政策使得五個重點革命老區固定資產投資額的增加很大程度上涌入實體經濟而非房地產部門。革命老區振興規劃政策實施后，促進了產業升級與轉型，并且在政策覆蓋地區實現了“工業反哺農業，城市支持農村”。第三，革命老區振興規劃政策對固定資產的促進作用在社會經濟指標相對薄弱的地區效果更顯著，且具有政策示范效應和空間溢出性，可以帶動政策覆蓋地區周邊以及其他相關地區發展。

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達區域納入革命老區振興規劃政策覆蓋范圍，深入挖掘地區特質，通過精準調控的宏觀政策以刺激當地固定資產投資進而達到經濟長效穩健增長的目標。事實上，各省份自2021 年《關于新時代支持革命老區振興發展的意見》頒布后，已遵循中央指示相繼出臺扶助本地革命老區發展的相關政策，精準落地這些有關政策將進一步促進革命老區的固定資產投資。第二，通過重大項目布局，充分發揮固定資產效應，將固定資產投資的進一步增長建立在實際經濟產出增加的基礎上，加快產業升級轉型，產業結構優化的效率變革。既要重視相關政策優惠與轉移支付的“外部輸血”渠道，也要正確認識工業發展和產業結構升級對農業發展的“反哺”作用，提高城鎮居民生活水平的同時，不忘“支持農村”。第三，結合區域發展政策，針對性改善相對落后地區的經濟發展技術、資金、資源等要素資源稟賦狀況，加強農業基礎設施建設，以提高農業生產率和產量，進一步推動農村經濟發展，為實現共同富裕和區域發展提質增效。

參考文獻

[1] 白俊紅，張藝璇，卞元超. 創新驅動政策是否提升城市創業活躍度——來自國家創新型城市試點政策的經驗證據[J]. 中國工業經濟，2022 年第6 期，第61-78 頁。

[2] 曹清峰. 國家級新區對區域經濟增長的帶動效應——基于70 大中城市的經驗證據[J]. 中國工業經濟，2020 年第7 期，第43-60 頁。

[3] 曹躍群，郭鵬飛，羅玥琦. 基礎設施投入對區域經濟增長的多維影響——基于效率性、異質性和空間性的三維視角[J]. 數量經濟技術經濟研究，2019 年第36（11）期，第140-159 頁。

[4] 范劍勇，謝強強. 地區間產業分布的本地市場效應及其對區域協調發展的啟示[J]. 經濟研究，2010 年第45（4）期，第107-119+133 頁。

[5] 高玥. 高技術產業扶持政策階段性特征及效果研究——以中國芯片產業為例[J]. 經濟體制改革，2020 年第1期，第128-134 頁。

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

[7] 茍護生，童章舜. 新時代革命老區振興發展的歷史邏輯和現實意義[J]. 理論視野，2022 年第7 期，第5-10 頁。

[8] 侯榮華. 固定資產投資效益及其滯后效應分析[J]. 數量經濟技術經濟研究，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]. 產業經濟評論，2022 年第2 期，第17-36 頁。

[10] 黃徐亮，徐海東，倪鵬飛. 帶動還是擠出？房地產投資對其他固定資產投資的影響研究[J]. 經濟學家，2023年第6 期，第78–87 頁。

[11] 江艇. 因果推斷經驗研究中的中介效應與調節效應[J]. 中國工業經濟，2022 年第5 期，第100-120 頁。

[12] 李慧，佟孟華，張國建. 設立產業轉型升級示范區對企業融資約束的影響——基于交錯雙重差分模型[J]. 產業經濟評論，2024 年第3 期，第5-22 頁。

[13] 李蘭冰，劉秉鐮. 中國區域經濟增長績效、源泉與演化：基于要素分解視角[J]. 經濟研究，2015 年第50（8）期，第58-72 頁。

[14] 李琳，劉瑩. 中國區域經濟協同發展的驅動因素——基于哈肯模型的分階段實證研究[J]. 地理研究，2014 年第33（9）期，第1603-1616 頁。

[15] 李長松，周霞，周玉璽. 中國糧食主產區農業水貧困與糧食生產脆弱性的時空耦合研究[J]. 農業資源與環境學報，2023 年第40（4）期，第965-75 頁。

[16] 李志萌，張宜紅. 革命老區產業扶貧模式、存在問題及破解路徑——以贛南老區為例[J]. 江西社會科學，2016年第36（7）期，第61-67 頁。

[17] 廖直東，李威. 創新型省份建設促進了產業創新成果轉化嗎？——來自創新型省份建設試點準自然實驗的證據[J]. 產業經濟評論，2023 年第2 期，第134-149 頁。

[18] 劉沖，沙學康，張妍. 交錯雙重差分：處理效應異質性與估計方法選擇[J]. 數量經濟技術經濟研究，2022 年第39（9）期，第177-204 頁。

[19] 劉瑞明，趙仁杰. 西部大開發：增長驅動還是政策陷阱——基于PSM-DID 方法的研究[J]. 中國工業經濟，2015 年第6 期，第32-43 頁。

[20] 馬昭君，葛新權. 房地產泡沫抑制了我國技術創新嗎？——來自省際面板數據的經驗證據[J]. 中國流通經濟，2023 年第37（9）期，第11-22 頁。

[21] 苗敬毅，劉應宗，方琳. 中國固定資產投資實證研究模型綜述[J]. 經濟問題，2007 年第11 期，第83-85 頁。

[22] 孫志燕，侯永志. 對我國區域不平衡發展的多視角觀察和政策應對[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、技術創新的產業升級效應及空間溢出效應——基于人才安居城市和創新型城市的準自然實驗[J]. 西安交通大學學報（社會科學版），2023 年第43（2）期，第60-68 頁。

[24] 徐婷婷，孫蓉. 政策性農業保險能否緩解貧困脆弱性——基于典型村莊調研數據的分析[J]. 農業技術經濟，2022 年第2 期，第126-44 頁。

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

[26] 游珍，封志明，楊艷昭. 中國1km 地形起伏度數據集[J]. 全球變化數據學報（中英文），2018 年第2（2）期，第151-155+274-278 頁。

[27] 張明林，李華旭. 國家優先支持政策促進綠色全要素生產率的效應評估——來自革命老區的經驗證據[J]. 財經研究，2021 年第47（10）期，第65-79 頁。

[28] 張啟正，袁菱苒，胡沛楠，龔斌磊. 革命老區振興規劃對農業增長的影響及其作用機理[J]. 中國農村經濟，2022 年第7 期，第38-58 頁。

[29] 朱發倉，祝欣茹. 中國基礎設施資本存量凈額與固定資本消耗估計研究[J]. 數量經濟技術經濟研究，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.