省直管县改革对县域经济绩效和民生改善的影响:以四川省为例
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

1.2 研究的内容、目标与方法

1.2.1 研究的内容

1.2.1.1 省直管县改革的背景、目标与实践

①通过梳理县域发展困境的主要制度根源,解析省直管县改革背景。②基于改革背景,进一步分析改革旨在促进县域经济发展与民生改善的重要目标和具体实践。

1.2.1.2 省直管县改革的动因

①通过分析省直管县体制改革的动因,进一步解析县级财政支出缺口与支出结构不对等的深层次原因。②基于对县级财政压力的具体表现,分析县级财政自给能力、县级转移支付水平、财政支出的地区性差异等影响省直管县改革作用发挥的财政分权机制。

1.2.1.3 我国省直管县改革对县域发展的影响及分权的调节作用

基于对我国省管县财政体制改革实施背景的系统分析,以四川省县级面板数据为基础,通过建立固定效应模型、倍差分模型研究省内分权模式,分析省直管县改革在县域发展中的经济效应和民生效应,具体如下:

①在研究改革对经济绩效的影响中,同时引入财政支出分权、财政收入分权以考察省直管县改革对县域经济增长、产业结构调整的影响及分权机制在其中的调节作用。②从解释县域民生改善的角度,本研究利用省直管县体制改革以及转移支付政策为主的收入分权和支出分权对于民生性财政支出的影响来揭示这一政策对于民生财政改善的效应及分权视角下改革的作用机制。

1.2.1.4 我国省直管县改革对不同类型县域发展的影响

基于按地理特征、经济发展水平等划分的子样本回归模型,分类研究探索改革是否受县域地理特征、县级财政能力、地区经济发展条件等制约。在明确区分四川省各县县级财政能力、地理区位特征以及经济特征的条件下,分类评估省直管县在“稳增长、调结构、惠民生”这三个政策目标上呈现的异质性效果。

1.2.2 研究的目标

本书立足于我国省直管县改革实践,以省、市、县之间财政分权的视角为制度导向,梳理省直管县这一治理模式如何调整省以下分权模式所带来的例如履行事权与可支配财力高度不对称等地方政府间权力配置问题,从而研究省直管县改革对县域经济绩效和民生改善带来的影响值得说明的是,本书中提到的省、市、县之间的进一步分权,主要指省以下财政体制改革中向县一级的扩权,但是也包括省、市、县三级之间权力的重新划分。

在理论上揭示其改革的必要性和可操作路径,并依据“扩权强县”和“财政直管”两类改革模式分析财政分权视角下,此次省以下财政体制改革影响县域经济绩效和民生财政的作用机制,讨论省以下财政分权机制的深化,特别是向县级政府的分权是否可以在改革中促进县域的经济发展和民生改善。

进一步,本研究拟在明确区分县级财政能力、经济条件、地理区位等特征条件下,分类评估省直管县试点政策的异质性效果,并展现财政分权机制在不同类别县域存在分异化的调节作用,探讨改革在推进过程中所受制约因素以及如何有条件地进行分类改革,深入分析改革如何在当前“逐底竞争”制度下形成重塑地方政府行为的制度动力。

1.2.3 研究的方法

1.2.3.1 文献研究法

研究首先需要在大量查阅相关文献的基础上,以中国式财政分权背景下的县政地位为切入点,把握省以下财政关系的调整,以及影响财政支出结构和经济增长的“官员晋升锦标赛”。通过对改革背景、实践的分析,研究省直管县改革对县域经济社会的重要性;通过对省直管县改革的基础与动因分析,明确县级财政分权的作用如何发挥。

1.2.3.2 统计学和计量经济学研究方法

(1)为对研究所选取样本有更加全面翔实的了解,研究在对可获取数据进行筛选、整理和归类后,对全样本和子样本数据都进行了详细的描述性统计分析。作为进一步实证分析的前提,描述性统计呈现了相关数据的分布趋势,并有利于观测相关研究对象的基本特征。特别是本研究中对于改革前后子样本的划分,对这部分子样本进行相应的描述性统计分析首先有利于初步观测实验组与对照组在变量水平上是否存在显著性差异,以及改革前后相关变量的变化趋势,为如何进行下一步的实证分析打下基础。

(2)在实证研究中采用横截面数据和时间序列数据混合研究的方法,是目前计量经济学研究的常用模式。但是考虑到适用于政策效应评估的模型,在进行面板回归模型的构建后,本书进一步构建了相应的倍差分模型(DID)以保证对于改革政策效应评估的准确可靠性。进一步地,为了保证计量模型的稳健性,研究运用基于倾向性得分匹配的倍差分模型(PSM-DID)进行稳健性测试也是本研究重点关注的方面。同时,为了减轻可能存在的内生性问题,研究在全样本的检验中,都寻找了必要的工具变量,为模型的解释提供客观性结论。

1.2.3.3 经验研究方法

检验理论模型的适用性和解释其能力的最好办法,就是进行多角度、不同样本的经验研究。除了模型本身的精巧和计量工具的不断创新之外,各级地方政府需要获得财政政策的建议和评估财政绩效的好坏,才是真正的动力所在。本研究除了延续以往经验研究的必备程序之外,对理论模型与计量模型之间的进一步精细化处理,以及对数据和样本的分析,都将是本研究的主要工作。