模仿是学习最好的方式,如果能一边看别人的文章,也能一边执行别人的do file,那么对文章的理解会不会更深刻呢?
很多老师在个人主页上同时挂出来了文章和Stata程序,这对于我们来讲是最好的学习范本。今天我们一块学习下,复旦大学经济学系陈硕老师的一篇文章:Tragedy of the Nomenklatura: Career Incentives and PoliticalRadicalism during China's Great Leap Famine.,文章发表在American Political Science Review。该杂志是政治科学的顶尖刊物,类似于AER之于经济学。(阅读原文可以获得原作链接)。
作者利用1959-61年的大跃进饥荒为例,探索这种激进(高效)行为的制度成因。大跃进运动为该问题提供了难得机会,因为期间的大炼钢铁、农业卫星、“敞开肚皮吃饭”的公共食堂以及1958年冬季的农田水利建设以其激进闻名于世。
传统观点一般将这种激进行为归咎于领导人性格因素。在本文中,作者并没有否定这种观点。然而这种观点只能就事论事,却无法揭示出背后的系统性成因。本研究发现:激进行为的根源在于制度设计——在权力自上而下的国家中,为了谋求晋升,官员必然实行上级偏爱的政策而忽略民众需求。具体到大跃进运动,上层的偏好就是粮食征收,以完成国家工业化目标。
在证明上述观点的过程中,第一个遇到的问题就是:如何测量不同领导人面临的不同晋升激励?作者发现,不同省级领导人在党内级别是不同的:有些省份的领导人是中央委员,有些是候补委员,有些甚至不是中央委员会成员。因此,不同的级别蕴含着不同的激励程度,从而导致不同的行为。级别可以用来测量激进行为,而在所有级别中,作者认为那些是候补委员的省级领导人最为激进。
候补委员在粮食征收上明显激进
晋升的激励来自于权力的差别:就中共八大所产生的中央委员会而言,全国党政军最重要的513个职位中,每位正式委员平均兼任4.3个职位,但候补委员仅兼任2.97个职位。正式委员兼任的职位不光重要,而且多数为党政军中央的关键部门,而候补委员多任职于地方ZF和群众组织。此外,在中央委员会会议上,候补委员只有发言权而无关键的表决权。
这些权力的差距使得候补委员有明显的激励通过发挥激进行为去谋求晋升,而大跃进运动给他们提供了难得的机会。通过对比运动期间不同政策的实施情况,作者发现那些由候补委员主政的省份在粮食超额征收率、放农业卫星数量、公社大食堂的普及度、集体化进度四个指标中均超过其他由正式委员和非委员主政的省份。
用更加严谨的多元计量回归分析,作者进一步证实了先前的假设——那些由候补委员担任第一书记的省,比其他级别委员主政的省平均每人多征收17.62公斤的粮食。换句话说,官员为了谋求晋升而推进激进行为可解释大饥荒期间16.83%的非正常死亡。
为什么是候补委员?
虽然已经回答了本文开始提出的研究问题,但作为严谨的学术研究,作者依然需要排除所有可能威胁他们结论的其他可能性。最明显的需要处理的问题是,正式委员为了进入政治局不是一样需要表现激进吗?非委员不也需要谋求进入中央委员会吗?为什么他们的表现没有和候补委员一样激进?作者通过研究中共八大中央委员会所有300多名成员的简历发现,这些成员的资质深浅和他们的级别是成正比的。这些资历包括:是否经历长征、解放战争期间是否有军事服役经历、建国时的党龄以及前七次党代会上入选中央委员会的次数。具体说,级别越高需要的资质越深。
基于此假设进行的计量分析发现,有两个经历对于两个阶层的晋升是必不可少的:相对于正式成员,绝大多数政治局委员均需要拥有长征经历;而相对那些非委员,绝大多数正式委员均拥有解放战争期间的军事服役经历。因此,对于那些没有长征过的正式委员和没有军事服役经验的非委员,他们现在级别已经事实上成为其职业的最高点,获得进一步晋升的概率很小。而统计证据却发现这两个重要的指标却无法区别出正式委员和候补委员。因为,候补委员谋求成为正式委员并不存在这些既定的障碍。对于他们,唯一需要做的就是:征收粮食!
作者认为,该文虽是历史研究,但其发现具有重要的现实意义,这些证据可以解释改革开放后的中国官员行为。在作者看来,当下官员推动GDP的积极性和大跃进期间为了工业化征收粮食之间并没有实质区别。由于没有自下而上的制约及制度设计缺乏纠错机制,官员为了谋求晋升所推进GDP的行为带来了一系列负面问题:环境污染、不平等加剧、征地导致的社会矛盾突出等等。由于GDP依然在晋升考察中占据第一重要的权重,地方官员并没有解决这些问题的激励。因此,在下一步的改革中,制度再设计并合理引进官员问责是亟待解决的问题。
OK,在读完上面长长的一段,我们开始读程序:
cd C:\Users\Administrator\Desktop\TheTragedoftheNomenklatura
use table4_and_5.dta
sort province year
tsset province year
*===对主要变量加标签====
label var shouzai"Natural disaster calamities"
label var lnpergdp"Gross domestic product (GDP) per"
label var nongyebi"Proportion of agricultural income"
label var age"Age of party offcials"
label var statare"Agricultural satellites/number of commune"
label var extrap"Excess procurement ratio"
label var partyage"Years of party membership"
label var lnyl"Two-year moving average of grain (log)"
label var pmd"Share of cadres with CCP membership"
label var ccp"rank of FPS"
label var govner"ranke of governor"
label varpersenality "FPS personality control"
/*Table 4*/
xi: xtreg extrapi.ccp i.year,fe
outreg usingd:/123.doc, replace se
xi: xtreg extrapi.ccp l.lnyl i.year,fe
outreg usingd:/123.doc, append se
xi: xtreg extrapi.ccp l.lnyl shouzai i.year,fe
outreg usingd:/123.doc, append se
xi: xtreg extrapi.ccp l.lnyl shouzai lnpergdp nongyebii.year,fe
outreg usingd:/123.doc, append se
xi: xtreg extrapi.ccp i.govner l.lnyl shouzai lnpergdp nongyebi i.year,fe
outreg usingd:/123.doc, append se
xi: xtreg extrapi.ccp i.govner l.lnyl shouzai lnpergdpnongyebi statare i.year,fe
outreg using d:/123.doc,append se
xi: reg extrap i.ccpi.govner l.lnyl shouzai lnpergdp nongyebi pmd i.year,fe
outreg usingd:/123.doc, append se
嗯,作者上面主要用了双向固定效应模型,同时控制年份固定效应和个体固定效应。后面的程序就不一一贴上上去了。
顺便多说一句,能把程序贴到个人主页上真是一个特别有勇气的事情。因为小陈老师的Stata的命令错误挺多,运行起来用户体验并不算太好。当然我还发现一个严重的事情,程序跑出来的结果和作者汇报的结果有些地方并不一样。再三确认了一下,发现我并没有看错。(原文和Stata回归结果对比图)
原文汇报的结果:
Stata汇报出来的结果:
哎呀,我又不是方舟子。
大家开心就好。
转载地址:地址
-------------------------2016年6月30日18:03:22