图片来源：地球旅客

文献来源：Guo J, Zhang Z. Does renaming promote economic development? New evidence from a city-renaming reform experiment in China. China Economic Review, 2019, 57.

参考资料：

用合成控制法，机器学习和面板数据模型开展政策评估的论文. 计量经济圈, 2021.12.24.

卢盛峰, 吴一平, 谢潇. 历史名片的经济价值——来自中国城市更名的证据[J]. 经济学(季刊), 2018, 69(03):188-211.

计小青、赵景艳、乔越. 慕“名”而来的经济效应存在吗?——基于合成控制法对县市更名经济效果的分析[J]. 旅游科学, 2020, 34(5):23.

01

在“竞争锦标赛”的激励下，中国地方官员往往想尽办法来推动本地经济发展，城市更名改革即为其中之一。城市名称可以产生一定的品牌效应，有一个知名度高、历史文化底蕴浓厚的名称，城市可能会吸引更多的经济要素，实现经济增长；但也有观点指出，城市更名是“牵一发而动全身”，虽然表面上仅有一两个字的改动，但与之相应的行政区划和行政机关名称、各类企业名称、各类文件和出版物名称等均要进行重新制印，经济成本巨大。因此，城市更名的经济效果究竟如何？本文利用不同模型，基于襄阳市的案例进行了研究。笔者也在推文末提出了一些个人思考。

湖北省襄阳市，这座拥有2800多年建制史的国家历史文化名城，是楚文化、汉文化和三国文化的主要发源地，也是金庸先生脍炙人口的“射雕三部曲”中主要的故事背景地，社会知名度较高。1949年后，襄阳市和樊城市合并，改名为襄樊市；但出于保留历史文化内涵等原因，襄樊市于2010年12月9日正式更名为襄阳市，这为作者检验城市更名改革效果提供了很好的研究对象。

（1）城市更名改革对襄阳市年均实际GDP增长率的贡献为1.43%（2011-2016年），这一结论与卢盛峰等（2018）[1]和计小青等（2020）[2]关于中国城市更名的经济价值的文献相一致。

（2）城市更名改革对襄阳市第二产业增长率的影响显著为正，但对其第三产业增长率的影响则显著为负，这一结论与文献中普遍认为的“城市更名改革是通过促进旅游服务业等第三产业发展来推动经济增长”相矛盾，这表明襄阳市更名改革的经济增长效应值得怀疑。

（3）随机分配城市更名改革试验给控制组任一城市，获得与襄阳市一样大的更名改革效果的概率为25.9%，并且襄阳市更名改革效应并没有显著高于“伪更名改革”城市，这表明襄阳市更名改革的经济增长效应实际上并不明显。

（4）基准回归与统计推断检验相矛盾，唯一的解释是其他政策干预促进了襄阳市的经济增长。例如，襄阳市在2010年提出建设东津新区，随后开始大规模建设道路和桥梁等基础设施，这与“2010年后襄阳市第二产业年增长率提升5.19%”的发现相一致。

【1】卢盛峰, 吴一平, 谢潇. 历史名片的经济价值——来自中国城市更名的证据[J]. 经济学(季刊), 2018, 69(03):188-211. 这篇文章利用合成控制法，发现更名改革给襄阳市的年均灯光强度带来了10.1%的增长，与之相对应的是云南省思茅市在放弃历史名片改成普洱市之后年均灯光强度变差；城市更名带来经济价值的具体机制在于，城市更名促进了当地旅游服务产业发展、推动了城市交通网络建设和实现了本地轻工业产品国内销售规模的扩张。

【2】计小青、赵景艳、乔越. 慕“名”而来的经济效应存在吗?——基于合成控制法对县市更名经济效果的分析[J]. 旅游科学, 2020, 34(5):23. 这篇文章利用合成控制法，发现九寨沟县、香格里拉县、吴起县、瓜州县、石林县和芒市等资源禀赋和要素条件较好的县市经济发展都表现出一定的增长趋势，而其他县市的经济发展却出现了不同幅度的下降；并且襄阳市的国内旅游收入和国内旅游人次均在更名前或更名后出现上升趋势，而普洱市这两项指标在更名后轻微下降，这与它们实际国内生产总值的变化趋势一致。

（1）样本数据

考虑到中国政府1986年颁布的《地名管理条例》和1993年十四届三中全会确立了社会主义市场经济体制的基本框架，作者选用1986-2016年和1993-2016年为样本区间，研究2010年襄阳市更名改革后的经济增长效应。

考虑到地理区位的毗邻、中部地区相关政策的同一性和数据可得性，作者选择湖北、湖南、河南和江西四省的地级城市（包括省会城市）作为控制组集合（donor pool）。

（2）变量描述

文章主要关心的问题为，襄阳市在2010年进行更名改革后，城市实际GDP增长率是否获得了提升？

图1展示了襄阳市1986-2016年间的实际GDP增长率、第二产业和第三产业的增长率。可以看到，2010年襄阳市更名后，三个指标的增长率实际上都在下降。由于影响经济增长的因素非常多，襄阳市更名改革的经济效应只能通过比较更名后的GDP增长和未更名的反事实来实现。

在进行因果识别之前，作者基于图1的事实，先通过时间序列分析的方法，研究更名改革对于襄阳市实际GDP增长率的影响。结果发现，“是否更名”这一关键变量的系数并不显著，这表明更名对于GDP增长没有明显影响。由于简单的时间序列分析无法分离更名改革的影响和时间区间内其他因素变化的影响，这一结论并不可信。因此，作者进一步借助其他未更名城市的信息来构建反事实，以识别襄阳市更名改革真实的经济增长效应。

（3）识别策略

作者主要基于合成控制法、面板数据法和机器学习这三种方法选择控制组，构建反事实来进行因果识别。由于只依赖于数据驱动的良好特性，这三种方法近年来被广泛应用于政策评估领域。评估模型质量通常有两个标准：第一是预测精度，即在更名改革之前，控制组的实际GDP增长要能很好地拟合襄阳市实际GDP增长；第二是模型解释，即估计结果之间的关系和解释能力。

A. 合成控制法（SCM）

合成控制法的思想是根据襄阳市与控制组城市在政策冲击前的相似性，为每个控制组城市分配适当权重，为避免外推性，每个权重只能为正数并且总和为1。Abadie and Gardeazabal（2003）和Abadie et al.（2010）是合成控制法的经典文献。

B. 面板数据法（HCW）

面板数据法由美国南加州大学的萧政教授等人提出（Hsiao, Ching & Wan，2012），简称HCW方法。HCW的面板数据评估方法假设城市实际GDP增长率由若干不可观测的共同因子决定，并利用未更名城市GDP增长和襄阳市GDP增长之间的横截面相关关系，来构造襄阳市在不进行更名改革时实际GDP增速的反事实路径。通过对比襄阳市真实GDP增长和反事实路径下的GDP增速，来估计更名改革政策实施带来的影响。

相比合成控制法，HCW方法的优势两点：一是无需协变量，只使用结果变量为控制组城市分配权重；二是允许使用Li & Bell（2017）推出的ATE渐进分布进行传统的统计推断。

相比文献中常用的双重差分法（DID），HCW方法也有两点优势：一是和合成控制法类似，可以用于处理组唯一或较少的情形；二是放松了DID的处理组和控制组共同趋势因子需具有相同影响的同质性假设，因为襄阳市的更名效应必然受到影响襄阳市GDP增速各种因素的作用，同质假设不一定成立。

HCW的面板数据评估方法近年来被广泛应用于各类政策评估，影响较大的文献包括Bai et al.（2014）、Du & Zhang（2015）、Li & Bell（2017）和Hsiao & Zhou（2019），国内也有相关文献关注（卫梦星，2013；陈海强和范云菲，2015；李迎星等，2019）。

C. 机器学习方法（ML）

对于合成控制法和HCW面板数据法，控制组最优权重的选择尤为重要。机器学习方法的结合应用有两点优势：第一，能够为襄阳市从控制组城市中挑选出一个最佳的城市组合，从而通过加权的方式创造出与襄阳市最相似的城市集合；第二，当控制组城市的维度较高时（即变量个数P大于城市个数N），能够利用降维的方法来筛选合适的预测变量，防止过度拟合出现。

作者主要使用套索估计（LASSO）和弹性网估计（Elastic Net）这两种机器学习方法来进行结合应用。

（4）方法比较

表1和表2汇报了上述三种方法的结果比较，包括2011-2016年的处理效应（Treatment Effect）、平均处理效应（ATE）、干预前均方误差（Pre-MSE）和选择控制组城市数量（#）。另外，合成控制法中的YES和NO表示是否有预测变量；HCW面板数据方法中的k表示对控制组城市进行分组后，每组中的控制城市数量；套索估计（LASSO）方法中的k-fold表示k折交叉验证（K-fold cross-validation，简称K-fold CV）；弹性网估计（Elastic Net）方法中的表示惩罚项中的调节参数，取值局限于[0, 1]，这便于通过交叉验证方法选择其最优值。

可以看到，相比于合成控制法和弹性网估计法，HCW面板数据法的干预前均方误差（Pre-MSE）较小，选择的控制组城市数量也较少；相比于LASSO估计法，HCW面板数据法选择的控制组城市数量基本相同，但干预前均方误差仍较小。

图3继续展示了1986-2016年间，上述三种方法构建的反事实GDP增速与襄阳市真实GDP增速在更名改革之前的拟合程度（截取部分图示）。可以看出，相比合成控制法和机器学习法（LASSO估计和Elastic Net估计），HCW面板数据方法构建的控制组城市对于襄阳更名改革前的经济状况有更好的拟合。

因此，根据预测精度和模型解释两条标准，作者在文章的基准回归部分使用HCW面板数据方法，并利用合成控制法和机器学习方法来进行稳健性检验。

（1）更名改革的经济效应

使用HCW面板数据方法有两个前提：第一是外生性，即襄阳市的更名改革不会影响其他控制组城市；第二是相关性，即在没有更名改革政策干预时，襄阳市和其他控制组城市有较强的相关关系。作者通过经验假设和相关系数验证了这两个前提。

通过设定k=14，比较相关性检验结果，作者发现邵阳、吉安、怀化和周口四个城市的相关系数和回归系数均较高，这表明其和襄阳市的GDP增长较为相似。因此，这四个城市被选来构建襄阳市未发生更名改革的反事实。

图4表明，在2010年的更名改革前，控制组城市构造的襄阳市GDP增速与真实的襄阳市GDP增速非常接近，拟合优度达到0.9342，干预前均方误差（Pre-MSE）则为1.191，说明HCW面板数据方法的拟合效果较好。

表8则报告了2010年后，受到更名改革政策干预的真实襄阳GDP增速和未受到干预的预测襄阳GDP增速（即反事实），两者差异即为襄阳更名改革的处理效应。可以看到，2011-2016年平均处理效应（ATE）为1.43%，并且在1%的水平上显著。

因此，襄阳市的更名改革对襄阳市年均实际GDP增长率的贡献为1.43%（2011-2016年），这一结论与上文提到的卢盛峰等（2018）基于襄阳市夜间灯光强度的发现相一致。

（2）稳健性检验

得到基准结果后，作者利用添加预测变量（即合成控制法），权衡估计偏差和预测误差（即机器学习方法），以及使用襄阳市人均实际GDP衡量经济增长等方法进行稳健性检验。

A. 合成控制法检验

表9展示了合成控制法中选用的城市协变量（预测变量），包括就业人口、第二产业占比、第三产业占比、固定资产投资、社会消费品零售总额等指标，并且剔除了2008年“四万亿”刺激计划的影响，同时使用1997、1998、2002、2008和2010等单年份的实际GDP增长率作为预测变量。可以看到，相比控制组城市的协变量均值，合成襄阳的协变量和真实襄阳的协变量更为接近。

表10汇报了合成控制法中每个控制组城市的权重，可以看到，荆门、咸宁、怀化、新乡、三门峡和新余的分配权重不为0，其他城市的权重为0，说明这六个城市与襄阳市经济发展水平较为接近。

图5展示了真实襄阳的GDP增速和合成襄阳的GDP增速，表11汇报了利用合成控制法得到的襄阳更名改革的处理效应。可以看到，2011-2016年平均处理效应（ATE）为1%，与HCW面板数据方法的结果较为接近。

B. 机器学习法检验

表6展示了在不同参数设定下，利用套索估计（LASSO）和弹性网估计（Elastic Net）这两种常用的机器学习方法来选择控制组城市后，真实襄阳的GDP增速和合成襄阳的GDP增速拟合效果。结合表12可以发现，机器学习方法选择了更多的控制组城市，因而对于更名改革前真实襄阳GDP增速的拟合效果更好。

表13继续汇报了不同参数设定下，利用机器学习法得到的襄阳更名改革的处理效应。可以看到，2011-2016年平均处理效应（ATE）基本为2%，要高于HCW面板数据方法和合成控制法的结果。HCW面板处理效应则约为合成控制法处理效应和机器学习法处理效应的平均值。

C. 人均实际GDP检验

表7展示了将实际GDP增长率替换为人均实际GDP后，利用合成控制法和HCW面板数据法分别得出的真实襄阳与合成襄阳的经济差异。可以看到，2010年更名改革后，受到政策干预的真实襄阳人均GDP要显著高于未受到政策干预的合成襄阳人均GDP，这同样表明城市更名改革具有明显的经济增长效应。

根据卢盛峰等（2018），城市更名带来经济价值的具体机制在于促进了当地旅游服务产业发展、推动了城市交通网络建设和实现了本地轻工业产品国内销售规模的扩张。因此，作者进一步检验了更名改革对于襄阳第二产业增长率和第三产业增长率的影响，所用方法仍是HCW面板数据法。

通过设定k=10和检验相关性，作者选择邵阳和漯河作为襄阳市第二产业增长率的控制组城市，选择邵阳、开封、鹤壁和荆门作为襄阳市第三产业增长率的控制组城市。

图8和表18展示了估计结果。可以看到，更名改革对于襄阳市第二产业增长率具有显著的正向影响，2011-2016年平均处理效应（ATE）为5.19%；但更名改革对于襄阳市第三产业增长率却具有显著的负向影响，2011-2016年平均处理效应（ATE）为-1.59%。这一结论与文献中普遍认为的“城市更名改革是通过促进旅游服务业等第三产业发展来推动经济增长”相矛盾。

前述的基准分析和稳健性检验只能证明，2010年后襄阳市的实际GDP增长率相较于正常情况有显著提升。根据机制检验中较为矛盾的结果，襄阳市的经济增长效应只来源于更名改革这一政策的结论是值得怀疑的。

那么，2010年的更名改革是否真的给襄阳市带来了经济增长？是否是因为其他政策的同时存在才导致襄阳市的经济增长？

作者进一步基于HCW面板数据方法，随机赋予控制组集合中的城市以更名改革政策，通过对每个控制城市的安慰剂检验，来评估襄阳市真实的更名改革效应是否相对于其他城市的“伪更名改革”效应更大。如果襄阳市的估计效应的确显著大于其他“伪效应”，则可以说明襄阳市的经济增长的确是更名改革带来的，否则可能是其他导致经济增长的政策影响。

图9展示了控制组城市安慰剂检验的平均处理效应（ATE）分布，（a）为全部39个城市，（b）为去掉干预前拟合优度小于0.90的13个城市后的平均处理效应（ATE）分布。可以计算，对于匹配性更好的26个控制组城市，获得“伪更名改革”正向ATE的概率为51.9%，获得与襄阳市相同ATE的概率为25.9%。这说明，襄阳市更名改革的经济效应并不明显。

图10 进一步展示了控制组城市安慰剂检验的年份估计效应。如果襄阳市更名改革的经济增长效应真实存在，那么代表襄阳的黑线不只应在零度线之上，也应在代表控制组城市的灰线之上。但实际上，图10表明黑线虽然在零度线之上，但却夹杂在众多灰线之中，并没有显著高于灰线。这再次说明，襄阳市更名改革的经济效应并不明显。

基准分析与统计推断检验相矛盾，唯一的解释是其他政策干预促进了襄阳市的经济增长。例如，襄阳市在2010年提出建设东津新区，随后开始大规模建设道路和桥梁等基础设施，这与“2010年后襄阳市第二产业年增长率提升5.19%”的发现相一致。

作者基于HCW面板数据法的基准分析、机制检验和统计推断，以及利用合成控制法、机器学习法对于基准结果的稳健性检验，发现襄樊市2010年更名为襄阳市这一更名改革政策，并没有促进襄阳市的实际GDP增长率提升，反而对襄阳市第三产业增长率存在一定的负向影响。作者认为，襄阳市的经济增长效应可能来源于襄阳市其他的开发性政策带来的第二产业增长带动。这一研究结论与其他类似文献（卢盛峰等，2018；计小青等，2020）形成明显矛盾。

笔者思考的问题是：这一矛盾该如何去解释？

（1）样本差异：已有文献为襄阳市和其他更名改革城市选取的控制组城市一般是全国范围内的城市，但这篇文章仅选择了湖北、湖南、河南、江西四个省份的地级市作为控制组集合。由于地理毗邻性和政策同一性，襄阳市的更名改革效应是否存在外溢？又是否受到选择区域内其他不可观测因素的影响？

（2）指标差异：已有文献关注的核心被解释变量为城市经济状况（如实际GDP、人均实际GDP和夜间灯光强度等），而这篇文章关注的主要是城市经济增量（实际GDP增速）。事实上，中国GDP总量虽然逐年上涨，但GDP同比增速自2010年来则出现明显的下滑趋势，这主要是一些结构性因素的影响。这两类衡量城市经济发展的指标是否能够直接划等号？

（3）方法差异：已有文献主要使用的方法为合成控制法，但这篇文章主要使用HCW面板数据法，并只用合成控制法和机器学习法进行基准分析的稳健性检验，没有用于后续机制分析和统计推断的安慰剂检验，但推出矛盾的地方正在于机制部分和安慰剂检验部分。是否由于方法的差异而导致结论的差异？

（4）逻辑问题：已有文献的思路一般是“合成控制法的基准分析+安慰剂检验等的稳健性检验”，基准结果和稳健性结果一般是一致的。但这篇文章使用大量篇幅和多种方法（合成控制法、机器学习法、更换变量法）证明了基于HCW面板数据法的基准分析具有稳健性，但却在机制分析和安慰剂检验中证明了基于HCW面板数据法的基准分析是不稳健的。归根结底，作者实际上证明的是更换方法的稳健性检验和安慰剂检验等其他稳健性检验是相互矛盾的；并且，作者最后只是推测襄阳的经济增长效应来源于其他开发性政策，但并没有给出实证证据。这是否存在逻辑上的缺陷？

总体来说，本文利用不同模型方法进行政策评估的思路非常值得肯定和借鉴，但部分问题和结论引起了笔者的一些思考。当然，以上探讨仅限个人观点，笔者水平有限，如有不当之处还望读者指正。