其中，trade_ij,m代表城市i到城市j在月度m的贸易量，Partnership_pair_ij是处理组指标，表示城市i和城市j是否形成结对帮扶关系，distance_ij是城市间的地理距离，γ是作者所关心的关键估计系数。模型中控制了出口城市和进口城市的城市-月份固定效应，这些效应吸收了有可能影响城市整体电子商务贸易流量的随时间变化的城市层面的特征，如本地经济规模和增长率、季节性供需模式及电子商务普及率等。

在基线模型中，如果不存在遗漏变量偏误，那么系数γ可以被解释为东西部扶贫协作对被解释变量的因果效应。但作者在研究中发现，结对帮扶城市对与对照组城市对之间存在显著的距离和经济统计指标差异，即城市对是否受政策影响与城市对之间的距离、GDP差距显著相关。因此可能存在识别假设不成立的情况，也就是说，城市i的消费者可能在没有定向帮扶关系的情况下也更倾向于购买城市j的卖家销售的产品。为此，作者采用空间断点回归进行因果识别。

空间断点回归的假设是，邻近的城市间可能具有相似的未观察到的特征，因此可以分离出处理效应。在本研究的情境中，评估扶贫协作伙伴城市对ij的结果时，作者将其与对照组城市对kj进行比较。在对照组城市对中，城市k和城市i在空间上接近，因此它们对城市j卖家销售产品的偏好，以及贸易壁垒和交易成本等特征上具有相似性。因此，比较城市对ij和kj之间的贸易流量可以视为一种自然实验。空间断点模型的具体设定如下：

当区块变得任意小时，区块-区块固定效应模型可以将f(lati,lngi,latj,lngj)替换为区块-区块对的固定效应，表示为IJ。因此，需要首先通过空间聚类构建区块，确保同一区块内的任何两个城市之间的距离在一个小带宽d内，然后估计以下模型：

其中，θ_IJ表示区块-区块固定效应，I和J分别是城市i和j所属的组别，这种方法类似于Dell （2010）中的边界组别固定效应。作者扩展了组别固定效应模型，以控制区块-区块对固定效应，因为其关注的结果是城市对层面的。同时，在研究中限制组别，使得任何两个城市之间的最大距离在带宽d= 100公里（62英里）内。现在的识别假设变为：在同一区块对内，所有东部（西部）城市都紧密相邻，误差项中未观测到的影响贸易的因素在处理组城市对和对照组城市对之间没有系统性差异。在同一区块对内，处理组和对照组之间没有可观测到的差异，并且结果对空间聚类中不同带宽范围都是稳健的。

表2展示了基于空间断点回归的主要结果，其中处理组城市对和对照组城市对在可观察特征上均处于统计上平衡的状态。与引力模型一致，作者发现扶贫协作伙伴关系导致整体电子商务贸易额增加了4.8%，且效应在贸易流向上不对称，从西向东的贸易增长10.0%，而从东向西的贸易增长效应则微乎其微且不具统计学意义。交易数量的效应类似（整体为3.1%，从西向东为6.0%）。贸易额和交易数量变动的一致性表明效应主要由更多的商品销售所驱动，而不是由不同价格层次的销售商品结构的变化所驱动。因此，总体来看，区域扶贫协作促进了结对帮扶城市对之间的贸易，特别是帮助西部经济相对弱势地区的卖家进入东部市场。这些效应在经济上具有显著意义，扶贫协作伙伴关系效应相当于整体降低了城市距离约14.4%的影响，从西向东的影响减少了30%。简单的估算表明，在2017-2021五年内，扶贫协作伙伴关系将128对结对扶贫城市之间的贸易额增加了大约20-30亿人民币。此外，表2的结果显示，扶贫协作伙伴关系对卖家集中度和买家集中度的影响很小，总体上不具有统计学显著性，表明这一政策效果并不是单纯由大型卖家或大型买家所驱动的，也就是说，扶贫协作伙伴关系的益处均匀地分配给不同的买家和卖家。

表2  空间断点：主要结果

2. 稳健性检验

作者主要针对以下方面进行了稳健性检验：

一是空间断点回归不同带宽的稳健性检验：首先，在带宽为100公里或更短的范围内，处理组和对照组的城市对在2017年的可观测的特征上没有显著相关性；其次，处理组城市对2012年线下贸易没有影响，表明城市对进入处理组与线下贸易壁垒没有系统相关性；最后，扶贫协作伙伴关系对贸易的影响在多种回归设定下保持一致，包括不同的固定效应和控制组。

二是不同空间断点回归设计的稳健性检验：首先，空间匹配和常规断点设计的结果显示，扶贫协作伙伴关系显著增加了贸易量，尤其是自西至东的贸易；其次，常规断点设计在不同带宽范围（60公里至130公里）内显示出一致的效应，表明处理组效应在贸易金额和交易数量上都显著增加，并且对自西至东的贸易影响更为显著；最后，扶贫协作伙伴关系对卖家和买家集中度没有显著影响，表明大卖家和小卖家同样从政策中受益。

3. 异质性分析

作者主要从以下角度进行了异质性分析：

一是不同商品类别：作者依据国家统计局《居民消费支出》分类将电商平台上的商品分为六大类别（服装、食品饮料、家居用品、电子产品、医疗保健和其他），发现扶贫协作伙伴关系对自西至东贸易的影响在服装、食品饮料和家居用品领域更加明显。尤其是在食品饮料领域，影响最为显著，达到约12%，这与该政策意图一致，即支持西部地区的农产品向东部结对城市销售（如表3）。

二是西部少数民族和地理标志产品：作者发现扶贫协作伙伴关系对少数民族比例高的西部城市影响更大。尤其是电商平台上地理标志产品的交易量与当地少数民族的比例显著相关，这表明少数民族地区和地方特色产品的供给潜力通过扶贫协作伙伴关系得到释放（如表4）。

三是经济差距：在经济较不发达、数字基础设施较好的西部城市中，扶贫协作伙伴关系的影响更为显著。特别是在GDP差距较大、互联网和移动电话普及率较低的地区，政策效果尤为明显，这表明该政策有效地定位了经济上的绝对贫困人群（如表4）。

四是动态效应：尽管新冠（COVID-19）疫情对中国及全球的电子商务贸易产生了显著影响，但其对扶贫协作计划政策实施的影响并不显著，疫情并没有削弱政策的实施效果（如表4）。

表3  空间断点：商品类别的异质性

4. 机制分析

作者进一步探讨了城市间扶贫协作关系对电子商务贸易的影响机制，重点关注了从西向东贸易的变化。

第一种机制是人口迁移。已经有大量文献研究了中国国内区域间的人口迁移。具体来说，在扶贫协作关系框架内，政策鼓励西部城市的居民到定向帮扶的东部城市找工作（劳务派遣），这可能有助于消除迁移中的摩擦，如流动性约束。一旦这些迁移者安定下来，他们可能会在线上购买自己家乡的商品，从而增加从西至东的合作城市间的电子商务贸易。本文作者通过百度人口迁移数据验证了这一假设，结果显示，扶贫协作伙伴城市对的人口迁移比例显著高于邻近的对照组城市对（表5面板A）。此外，在空间断点模型中控制迁移人口流量，迁移对贸易有显著正向影响，而扶贫协作伙伴关系的效应虽有一定程度减弱但仍显著，这表明人口迁移部分解释了扶贫协作伙伴关系的影响（表5面板B）。

第二种机制是结对帮扶城市间消费者的产品认知。作者检验了扶贫协作关系是否增加了东部消费者对西部被帮扶城市产品的了解、认知和兴趣，从而增加了帮扶伙伴城市间的从西至东的在线贸易。通过百度搜索指数数据和主要贸易流数据匹配，作者发现，扶贫协作确实显著提高了两个合作城市间的百度搜索量，进而增加了从西至东贸易（表5面板A）。中介效应分析表明一地居民对另一地的搜索强度部分解释了扶贫协作伙伴效应的影响（表5面板B）。

此外，作者还探讨了几种可能的替代机制，例如公共部门可能会有意地从定点帮扶城市采购商品以满足扶贫要求，以及定点帮扶有助于降低商品运输成本。实证分析发现这些机制的影响均不显著，都不太可能解释扶贫协作伙伴效应。

表5  机制分析：人口迁移与城市间搜索