图片来源：

https://mp.weixin.qq.com/s/4mLPC7p94baDRO7HB3iGYg

原文信息：

Fangwen Lu, Weizeng Sun and Jianfeng Wu. Special Economic Zones and Human Capital Investment: 30 Years of Evidence from China. AEJ:Economic Policy (Forthcoming)

原文链接：

https://www.aeaweb.org/content/file?id=17195

经济特区（SEZs）是指在地理上划定的区域，政府通过财政和监管激励措施以及基础设施支持促进工业活动。截至2018年，全球147个经济体共有近5400个经济特区，另有500多个新经济特区正在筹建中（UNCTAD，2019）。一方面，经济特区可以促进集聚经济，从而在目标地区产生经济收益（Austin, Glaeser, and Summers, 2018;Neumark and Simpson, 2015）。另一方面，经济特区还通过增加就业机会和/或提供更高的工资，对当地就业市场产生直接影响。据估计，2007年全球有6800万人在经济特区工作（The Economist, 2015）。这样的就业机会预计会影响人力资本投资决策。

因此这篇文章结合经济特区的地理编码数据和人口普查信息，实证研究了1980年至2009年间中国1600多个国家级和省级经济特区设立对人力资本投资的影响，这些经济特区仅占总土地面积的0.1%左右，但在2009年，它们贡献了中国10%以上的GDP和约三分之一的外国直接投资（FDI）。

但经济特区的选取和确立并非随机的，而是取决于相对收益和成本之间的权衡，作者在后文也会考虑解决非随机选址的估计问题。中国的经济特区首先在沿海地区推出，然后向内陆地区推广。不同经济职能的特区选址也相应不同。

中国经济特区的两个重要特征与人力资本投资有关。首先，经济特区内的工业企业为当地经济创造了大量就业机会。第二，ETDZs和HIDZs可能会吸收高技能工人，因为它们是吸引外国投资和孵化高科技公司的主要平台。同时，EPZs往往提供更多低技能的工作机会。因此，就技能的工资溢价和就业机会的数量而言，经济特区的就业需求可能会影响人力资本投资的决策。

（1）人力资本（教育数据）：2010年全国人口普查数据

（2）经济特区数据：构建了涵盖1980年至2009年国家级和省级经济特区的数据集。根据《中国工业园区官方边界公告》提供的园区确切边界信息，对每个园区进行地理编码，并确定其所属县。Figure 1为中国国家级和省级经济特区的数量变化。

（3）其他特征数据：利用中国县域统计年鉴、1998-2007年地市县域财政统计、1998-2007年中国工业企业年度调查和2004年全国经济普查等数据，构建与地方经济和社会特征相关的变量。

（1）回归模型

为了检验经济特区对教育投资的影响，文章利用经济特区成立时间在县级层面之间的差异，使用以下方程进行估计:

其中Y_it为第i县（区）第t年15岁青少年的高中入学率。核心解释变量SEZ_it是一个虚拟变量，如果第i县在第t年有一个或多个经济特区，SEZ_it取1，否则取0。

传统的DID方法本质上是假设处理效应是稳定的。但如果处理效应逐年递增，传统的DID方法将递增处理效应的一部分视作年份固定效应，从而产生对治疗效果的低估。因此，文章额外使用了de Chaisemartin and D’Haultfoeuille （2020）的估计量DID_M来解决这一问题，具体估计式如下：

换言之，这样的估计方法是以经济特区推出前一年为基准，计算其他年份相对于基准的系数。

（2）基准回归结果

Panel A使用的是传统DID估计，Panel B使用的是DID_M估计。从表中可以看出，各省特定的年度变化可能是异质性处理效应的一个来源。根据Panel B第4列的结果，经济特区的成立使受影响人群的高中入学率提高了约3.1个百分点。

Figure 2展示了政策前和政策后的趋势图。第一，在经济特区建立之前，经济特区县的高中入学率与非经济特区县相似，并没有显著差别。第二，在政策年份之后，经济特区的效果有小幅上升的趋势，但也有起伏。上下波动可能反映了处理效应和/或样本选择的实际波动，因为参与较长时期估计的县较少。尽管如此，从经济特区建立以来的所有年份，经济特区的估计影响在统计上仍然显著。

（3）异质性分析

文章使用事件分析法（Event Studies）研究了不同经济职能的特区对人力资本投资决策的影响，分析结果如下图。可以看出，Tech SEZs显著促进了高中入学率，但是Export SEZs有相反的效应。

（4）稳健性检验

一、样本中的一些县有多个经济特区，不同区域的土地面积不同。这些变化并没有体现虚拟变量中。文章使用替代变量——分别是县级层面经济特区总数和总面积重新回归分析。

二、文章排除了四个城市——北京、上海、天津和重庆，这些城市是经济和政治中心的所在地，这些城市可能会受到经济特区以外各种资源的青睐（Chen, Henderson, and Cai, 2017）。这种现象可能会产生遗漏变量问题。

三、文章检验了结果是否对与移民问题相关的样本选择具有稳健性。具体做法是扩大样本，纳入了居住在离户籍所在地一个县远的流动人口。

四、文章探讨了我们的初步估计是否对县一级不同的人口规模具有稳健性。因此，文章根据个人数据估计了经济特区对学校教育的影响。

五、文章测试了使用15岁作为高中入学决策年龄的有效性。文章重复基准估计以检查15岁是否为有效的决策年龄。通过对13至19岁的假设决策年龄进行了7次回归。如果15岁为有效决策年龄，将其他年龄作为决策年龄会造成误分类，产生衰减偏差。也即，最优年龄的估计系数应该是最大的，下图佐证了猜想。

（5）IV估计

经济特区成立的非随机性可能会对估计结果产生偏差。为了解决这一问题，文章首先根据预先确定的当地地理属性预测了经济特区在每五年期间设立特区的可能性（Lipscomb, Mobarak, and Barham，2013）；进一步利用Jackknife方法，通过排除其所在省份的数据来估计其拥有经济特区的可能性（Johnson, and Persico，2016）。通过上述预测出来的可能性进行排名，根据排名先后生成虚拟变量并进行2SLS估计，结果汇报在Table 2的第5列。

（6）机制检验

文章共检验了三种可能得渠道。其中收入渠道只解释一小部分的经济影响；而工作机遇渠道和工资溢价渠道是主要渠道。

本研究通过对30年来中国多个经济特区的研究，补充了有关经济特区教育影响的现有文献。在具有异质性处理效应的双向固定效应估计中，DID估计结果表明，经济特区在样本期内对教育投资具有正影响。除了经济特区对教育投资的总体积极影响外，不同的经济特区也有相反的影响:技术型经济特区鼓励高中入学率，而出口导向型经济特区则不利于高中入学率。进一步的分析表明，工作机会和工资溢价都有助于解释这些不同的影响。

这是第一个系统探讨经济特区对中国人力资本发展影响的研究。因此，政府可以考虑为高中生提供财政支持，或者提高企业招聘初中生的成本。