基于目标偏差的政策组合效果评价

2020-08-10 12:08曹建云李红锦
预测 2020年4期
关键词:偏差实验组工具

曹建云,李红锦,方 洪

(华南理工大学 经济与贸易学院,广东 广州510006)

1 引言

精准施策是国际秩序转型期和国内改革攻坚时期的政策诉求和不容回避的政策走向[1]。随着政府职能从重点解决“市场失灵”领域的问题转为对全方位、全过程的资源优化配置进行引导,政策数量和覆盖范围不断扩大,政策系统日趋复杂。一方面,为了保障政策实施效果,2018 年9 月1 日,《中共中央国务院关于全面实施预算绩效管理的意见》明确提出,将实施政策纳入绩效管理,通过绩效目标考核检验政策效果、检验是否精准施策。与此同时,实践中实施效果与政策初衷背离、政策目标不能实现的情况屡见不鲜[2]。学者们从目标偏差和政策工具选择两个方面分析了政策效果差的原因,一是绩效目标责任考核制下,绩效目标设定与政策初衷的偏差导致政策执行过程中偏离了政策制定者的预期发展轨道[3];二是政策工具的选择和组合使用忽略了政策工具之间可能存在的互补效应和替代效应[4],政策工具之间的替代效应甚至是反作用的存在使得政策工具的组合使用效果比单一政策差[5]。通过加强绩效目标合理性论证及审核把关可以减少目标设定偏差[6],但是在绩效目标责任考核制下,地方政府在考核目标的设定上倾向聚焦于能够彰显政绩的面子工程,通过选择性遴选目标或降低目标以减轻考核压力,不同层级的政策目标不一致在所难免[7],从而,政策工具的选择成为决定政策实施效果的关键因素。那么,在既定的目标偏差下,能否通过政策工具的选择提升政策实施效果?政策工具应该如何组合?

虽然20 世纪60 年代开始,“政策组合”一词就出现在经济政策相关文献中,但学术界对政策组合使用的 效 果 关 注 相 对 较 晚,Atkeson 和Burstein[8],Meuleman和Maeseneire[9]探讨了税收政策、人才政策、研发补贴、政府项目等政策工具的效果。然而从单一政策工具视角研究问题,难以反映不同施政机构、具有不同侧重点的政策之间的相互作用。张永安等[10]用随机前沿分析方法检验了2006 ~2013年北京市创新政策对企业创新绩效的影响,证实了互补的政策工具组合使用比单一政策更能有效地提高企业创新绩效。Costantini 等[11],孟维站等[12]通过构建政策综合性和均衡性指数,检验了政策组合特征对技术创新的影响,结果发现,政策组合的综合性和均衡性与创新效率正相关。然而,学者们对政策组合效果的分析未考虑到目标偏差的影响,也未对比研究简单的政策叠加效果与综合度和均衡度较高的政策组合效果的差异。

本文利用双重差分方法,以东莞“倍增计划”政策的相关数据为基础,检验目标偏差下政策的实施效果及不同政策工具组合的政策效果,评估政策组合的综合性和均衡性特征对政策效果的影响,为精准施策中考核目标的精准设定和政策工具的精准选择提供参考。本研究的贡献在于:(1)利用企业微观层面的数据进行实证,增加目标偏差下政策实施效果与政策初衷偏离的相关证据,揭示创新驱动发展目标的实现与目标责任考核制下考核目标之间的关联,为减小目标设定偏差、从源头上提升政策效果提供理论依据。(2)检验简单的政策叠加效果与综合性和均衡性较高的政策组合效果的差异,得出简单的政策叠加效果并不一定优于单一政策的效果,只有综合程度、均衡程度较高的政策组合才有利于政策目标的实现,为“扶强扶优”而非“撒胡椒面”的政策扶持方式提供数据支撑。

2 理论分析与研究假设

2.1 目标偏差与政策效果

根据目标设置理论,目标具有激励和约束作用,奖励和监督等外来刺激本质上都通过目标来影响动机,目标引导相关活动指向与目标紧密相连的行为,激励活动主体朝着特定的方向努力,并通过对照行为结果与既定目标的偏离及时调整和修正自身的行为,最终实现预期目标。政策目标是政策活动所追求的方向,体现了政策的价值和意义,政府利用公权力分配社会资源,分配给谁、分配什么、如何分配等问题都涉及到公平与效率、发展与环境等价值的权衡取舍,不同的政策目标表现为不同的价值选择,然而,政策制定与实施是一个复杂的系统工程,由具有不同政策观念、政策利益的主体制定,政策目标往往不是单一的,而是以一个目标为中心、多个子目标构成的目标体系。

有政策目标就有考评,“以评促建”正是通过目标来激励活动主体,符合管理学的激励原理。绩效目标作为政策绩效评价的标准,是政府绩效管理的起始点和关键环节,影响组织激励与运行效率。精准评策需要建立在科学、合理的评估体制和方法上,孟华[13]对英国德克萨斯警察服务的实证研究表明,合理的绩效目标是保障政策效果的前提。然而,目前对政策的评估缺乏标准化、成熟的评估体系,绩效目标设定流于形式、缺乏科学论证和严格审核[3],加上受制于相互牵制的部门利益,政策执行部门通过选择性遴选目标或降低目标使得不同层级的政策目标不一致,出现绩效目标与政策初衷的偏离。当存在目标偏差时,绩效考核会将注意力从政策目标转移到绩效目标,政策目标丧失对政策执行活动的规范与指向作用,不利于政策目标的实现[14]。政策效果是基于经济主体对政府的信任而实现的,政策执行过程的走样和低效率使得政策目标无法实现。尤其是在目标责任考核制下,考核结果作为上级政府判断下级政府工作的优劣或组织部门选拔任用干部的直接依据,与责任人的晋升流动的职业生涯等息息相关[15],面对高强度的激励,责任人会重视绩效目标的完成情况,会通过对目标完成程度的定期跟踪和管理促进目标的实现,甚至为达目标不择手段,而且通常倾向于完成“看得见、易于完成”的目标[16]。因此,本文假设:

H1考核目标与政策目标存在偏差尤其是政策目标更难实现时,政策效果表现为实现考核目标。

2.2 政策组合与政策效果

为了实现多元的政策目标,政策实施已经从单一政策过渡到政策工具的组合运用。作为实现政策目标的手段和方法,政策工具的精准选定在一定程度上决定了政策目标能否精准达成。政策工具既包括管制、直接供给等强制性工具,也包括市场、社会组织等自愿性工具,如在减少经济活动的外部性、实现污染控制目标方面,既有政府命令控制型政策工具如技术上或污染排放达不到标准就关闭企业,也有以市场为基础的矫正税和可交易的污染许可证等政策工具。这两种类型的政策工具既有一定的替代关系又有一定的互补关系,命令控制型政策工具实施过程简单,实施成本相对较低,见效快,但是由于不同企业执行标准的成本不同,“一刀切”的方式往往会降低资源配置效率,不利于技术进步和创新。矫正税和可交易的污染许可证制度赋予了企业选择执行标准或不执行标准接受惩罚的权利,追求利润最大化的理性人在价格的引导下可以实现资源的优化配置。关于两种类型的政策工具叠加使用的政策效果,研究结论并不一致,李冬琴[17]研究发现命令控制型政策工具和矫正税结合使用,能以相对较低的代价实现控制污染目标,促进企业环境产品和工艺创新。刘海英和丁莹[18]则发现政策工具组合使用,如用能权实施可交易政策而碳排放权采用行政命令管制,政策工具之间会产生掣肘,其政策效果比单一的可交易政策的效果差。事实上,不同政策工具的作用机制和途径不同,在现有政策工具的基础上加入具有互补效应的政策工具,能降低现有政策工具的负面作用,强化政策效果,但是政策工具之间的替代效应甚至是反作用的存在会降低政策效果[6]。因此,简单的政策叠加并不一定优于单一政策效果。

然而,面对复杂的政策环境和多维度的政策问题,单一的政策工具往往难以实现多元化的政策目标。如赵爱武和关洪军[19]模拟了环境技术创新激励政策的效果,发现当环境创新产品的市场竞争力相对较弱时,单一的补贴政策并不能显著促进环境技术创新,以政策工具之间的互补关系和替代关系为基础,优化政策工具组合、发挥“组合拳”的作用有利于实现政策目标,这也是当下普遍的做法[1]。

根据Rothwell 和Zegveld[20]的分类,政策工具分为供给型、需求型和环境型三种类型,供给型政策和需求型政策分别表现为政策的推动力和拉动力,环境型政策起到间接的影响作用。政策工具同时作用于需求面和供给面,能调动生产者和消费者各方的积极性,激活从生产者决策到消费者行为改变不同决策链条中的作用机制,更好地实现政策目标。当需求拉动与技术供给不成比例时,强调需求拉动的不平衡政策组合会导致替代技术种类减少,强调技术供给的不平衡政策组合会降低对需求扩张的预期,更为均衡地使用需求拉动和技术推动工具对技术创新的积极影响往往更大[21]。Rogge 和Reichardt[22]对德国风力行业的研究证实了需求拉动型政策工具和技术推动型政策工具之间存在正向的交互作用,组合使用对企业创新活动有积极作用。Costantini 等[11]研究了1990 ~2010 年23 个OECD 国家的政策组合特征对引导节能技术创新的影响,结果发现,政策组合的综合性和均衡性对技术创新具有积极作用,政策组合的均衡性越高,对技术创新的促进作用越强,而政策组合的非均衡性会阻碍技术创新。由此表明,通过组合使用供给型、需求型和环境型政策工具,提高政策的综合性和均衡性有利于政策目标的实现。在绩效目标责任考核制下,绩效目标设定中存在的选择性行为,使得政策目标相对绩效目标更加多元化,目标水平的实现难度更大,不考虑政策组合特征的政策叠加不利于政策目标的实现。因此,本文假设:

H2考核目标与政策目标存在偏差尤其是政策目标更难实现时,政策组合的综合性、均衡性与政策目标实现程度正相关。

3 研究设计

3.1 样本选择及数据来源

目标设定偏差在当前的政策执行和绩效考评中较为普遍[14],本文以东莞“倍增计划”政策的相关数据为基础实证检验目标偏差对政策效果的影响。为了应对全球性高端制造业回流与区域性低端制造业市场分流,东莞市政府于2017 年推出“倍增计划”,旨在推动产业高质量发展,其目标是试点企业在3 ~5 年内实现规模与效益的倍增,自主创新能力处于全市、全省乃至全国前列,即政策强调通过创新实现增长,政策目标是实现生产增长和创新增长。然而实际执行过程中,政策绩效考核目标降低为生产增长,考核指标为营业收入倍增,没有针对自主创新能力设定考核目标和指标,“倍增计划”的目标偏差表现为考核目标低于政策目标,仅仅是政策目标的一个方面。

2017 年“倍增计划”选定了214 家市级试点企业进行扶持,2018 年剔除了25 家不具备良好倍增前景的企业,新增了97 家更具倍增潜力的企业。本文选择的样本是2017 ~2018 年纳入“倍增计划”的试点企业和提交了申请但未纳入“倍增计划”的企业,由于非高新技术企业缺乏高技术产品销售收入数据,无法衡量创新增长情况,同时部分企业缺乏创新投入如研发人员和研发投入数据,因此,剔除非高新技术企业和高新技术企业中创新投入数据不齐全的企业,最终纳入分析的有144 家试点企业和85 家非试点企业。数据通过两个途径获取,一是课题组2019 年4 月对46 个试点企业及东莞市实施重点企业规模与效益倍增计划工作领导小组办公室、东莞市经济和信息化局、东莞市商务局、东莞市科技局、东莞市金融局等单位的主要负责人进行访谈,了解“倍增计划”的实施过程、实施效果及存在的问题;二是从东莞市财政局、东莞市统计局、东莞市监管局和东莞市税务局等部门获取计量模型中相关指标的数据。

3.2 方法和变量说明

(1)双重差分方法

进行政策效果评价首先要识别政策与效果之间的因果关系,排除遗漏的宏观及制度变量对结果的可能影响,产生一致估计[23]。“倍增计划”从2017 年开始实施,试点企业获得了一系列政策的支持,“倍增计划”可以看成一场自然实验,为了分析目标偏差下的“倍增计划”以及覆盖产业、科技、财税金融、区域开放、人才、土地、公共服务等领域的政策工具的组合使用是否有效地促进了生产增长和创新增长,本文采用双重差分法对比实验组和对照组的差异性影响,识别变量间的因果关系。

(2)被解释变量

“倍增计划”初衷是高质量增长,考核目标是营业收入在3 ~5 年内实现倍增,因此,从政策有效性方面选择营业收入增长率(GP)衡量生产增长、高技术产品销售收入增长率(GI)衡量创新增长。

(3)核心解释变量:时间变量与分组变量的交叉项

双重差分法中涉及时间变量、分组变量及其交叉项。东莞市2017 年开始实施“倍增计划”,时间变量(T)在2017 年后取值为1。分组变量包括企业分组、政策组合分组和政策组合特征分组三个方面,企业分组变量为“倍增计划”试点企业变量(TBZ),试点企业取值为1;“倍增计划”政策42 个子项涉及供给型、需求型和环境型三类政策工具共57 项,其中供给型政策力度最大(49.12%),144个试点企业都获得了供给型政策支持,需求型政策工具最少(21.05%),基于此,政策组合分组变量(TP)包括需求-供给型组合政策(TPDS)、供给-环境型组合政策(TPSH)和需求-供给-环境型组合政策(TPDSH),如果企业获得了该类政策组合,则分组变量取值为1;政策组合特征分组(TC)包括综合性分组(TPC)、均衡性分组(TPB)以及综合性-均衡性分组(TPCPB),企业获得政策组合的综合性、均衡性高于平均水平时取值为1。时间变量与分组变量的交叉项反映了相对于对照组,实验组的被解释变量在政策实施后发生了多大变化,直接反映政策的实施效果。

政策组合特征分组中,本文借鉴Costantini等[11],孟维站等[12]的方法,针对同一维度内的不同政策类型组合和同一政策类型内不同政策方面的组合,考察政策综合性和政策均衡性。政策综合性反映政策运用的广度,计算公式如下

其中PCit表示企业i 在t 时期获得的政策组合的综合性,表示第k 个类别的政策得分,l 为政策类别数。政策均衡性反映同一维度内不同政策类型或同一类别不同方面的政策强度的均衡性,计算公式如下

其中PBit表示企业i 在t 时期获得政策组合的均衡性,d 表示政策方面或政策类别两两组合的个数,n表示政策两两组合总数,表示政策方面或政策类别间的两两相关性指数,计算公式为

(4)控制变量

生产增长和创新增长与企业的生产规模和研发水平等相关,将企业营业收入(SI)、职工人数(NE)、高技术产品销售收入占营业收入比重(RH)、研发人员占职工人数比重(RR)等作为控制变量。

3.3 方法和模型设定

(1)目标偏差与政策效果

“倍增计划”中,3 ~5 年的倍增目标是以2016年为基期,截止2019 年4 月,“倍增计划”政策面临中期考核,为了检验政策实施前后的效果,本文将2014 ~2016 年作为“倍增计划”前的阶段,2017年6 月~2019 年4 月为“倍增计划”实施后的阶段;将144 个试点企业作为实验组,85 个非试点企业作为对照组,检验实验组与对照组的组间及“倍增计划”前后的绩效差异,构造如下实证模型

为了检验(4)式结果的稳健性,(5)式中加入了控制变量。同时,为了消除企业某一年增长率受到外界因素干扰出现异常值,“倍增计划”实施前后,因变量营业收入增长率(GP)或高技术产品销售收入增长率(GI)分别采用2014 ~2016 年和2017 ~2019年的平均增长率。T×TBZ 的系数反映了相对于对照组,实验组的被解释变量在“倍增计划”实施后发生了多大变化,直接反映“倍增计划”的政策效果。Controls 代表控制变量,εit为随机干扰项。

(2)政策组合与政策效果

本文分两步检验144 个试点企业获得的政策组合的政策效果,利用(6)式和(7)式将政策组合综合度和均衡度较高和较低的样本混同回归,将获得政策组合和未获得政策组合的样本分别作为实验组和对照组,检验不考虑组合特征的政策工具简单叠加的效果,政策组合分组变量(TP)包括需求-供给型组合政策(TPDS)、供给-环境型组合政策(TPSH)和需求-供给-环境型组合政策(TPDSH)。

利用(8)式和(9)式将政策组合综合度和均衡度较高和较低的样本分别作为实验组和对照组,检验政策组合的综合性和均衡性特征的政策效果,组合特征分组变量(TC)反映需求型、供给型和环境型政策组合的全面性和均衡性,将政策综合性和均衡性高于试点企业平均水平的样本作为实验组,其综合性分组(TPC)、均衡性分组(TPB)、综合性-均衡性分组(TPCPB)取值为1。T×TC 的系数反映了政策组合特征的政策效果。

4 实证结果分析

4.1 描述性统计

458 个样本的营业收入增长率均值为23.480%,其中144 个试点企业在“倍增计划”实施后,营业收入年平均增长33.080%,基本达到了3 ~5 年的倍增要求。高技术产品销售收入增长率均值为48.611%,标准差为123.825%,变异系数为2.547,说明样本企业之间创新增长存在较大的差异。144 个试点企业政策综合性均值为1.157,最大值为3.144,最小值为0.022;政策均衡性均值为1.082,最大值为2.670,最小值为0.028,从平均水平来看,试点企业都获得了不同类型政策的组合支持,但是组合使用的政策强度还不够均衡。

4.2 目标偏差与政策效果

表1 列示了“倍增计划”与生产增长、创新增长关系的检验结果。为了保障回归结果的稳健性,依次进行了两个回归,模型1 和模型3 不加入控制变量,仅使用核心解释变量进行回归,模型2 和模型4 加入了控制变量。“倍增计划”实施前,非试点企业的营业收入增长率为20.752%,试点企业比非试点企业低1.964%,为18.788%,二者的差异在统计上不具有显著性。“倍增计划”实施后,试点企业的增长率上升到33.080%,比非试点企业高15.185%,二者的差异在1%水平上具有统计显著性。模型1 交叉项的回归结果显示,这种差异归因于“倍增计划”的实施,交叉项的系数0.171在5%水平上具有统计显著性,而且加入控制变量后,处理效应的系数仍然显著为正,表明“倍增计划”具有显著的生产增长效应。

模型3 的检验结果显示,“倍增计划”对实验组样本产生了一定的正向作用,但是这种效应在统计上不具有显著性,虽然在加入控制变量后交叉项的系数在10%水平上具有统计显著性,但交叉项不稳健的结果表明“倍增计划”与创新增长之间的“因果关系”在统计意义上不显著,“倍增计划”并没有显著促进创新增长,主要原因在于“倍增计划”政策存在目标设定偏差,由于“倍增计划”的考核目标是生产增长,虽然实现“内涵式”的创新增长是企业乃至整个产业的长期目标,但是实现创新增长不是一蹴而就的,没有高水平的技术积累和长时间对创新要素的投入积累,短期内实现创新增长的难度比实现“外延式”增长的难度要大得多。以下两个方面的事实表明,在国内生产成本上升、要素红利逐步丧失的背景下,“倍增计划”3 ~5 年营业收入倍增的考核目标实现难度是较大的,一是144 个试点企业仅有36.806%完成了营业收入中期增长目标;二是现场访谈的7 个2017 年被列入试点企业但在2018 年被剔除的企业中,有2 个企业在访谈前已经停产,未停产企业的营业收入也经历了大幅下滑,如某电子科技有限公司2016 年营业收入为14 亿,2017 年下降到6 亿元,2018 年进一步减少到3 亿元。受访企业普遍认为被纳入试点企业相当于获得了政府的背书,“试点企业”的头衔对企业发展有积极的影响,从而试点企业会优先保障完成考核目标以保住“试点企业”的头衔。在考核目标水平实现难度较大的情况下,试点企业牺牲创新增长以获得短期、较高的“外延式”增长不足为奇,即目标偏差下尤其是政策目标更难实现时,政策效果表现为实现考核目标而非政策目标,假设H1 得证。

4.3 政策组合与政策效果

表2 列示了目标偏差下的单一政策、政策工具组合使用与生产增长、创新增长关系的检验结果。

从交叉项系数来看,模型5 ~10 的系数都为正,说明政策组合对生产增长和创新增长具有正向作用,模型7 和模型10 交叉项的系数及拟合优度分别大于模型5 ~6 和模型8 ~9,表明政策从需求、供给、环境三个方面同时推动的作用大于从两个方面推动。但模型5 ~9 交叉项的系数不具有统计意义上的显著性,模型10 交叉项的系数虽然显著但不稳健,未加入控制变量时的系数不显著,由此说明,一旦不考虑政策组合的特征,相对于没有获得组合政策支持的试点企业,实验组企业并没有因为简单的政策叠加而实现显著的生产增长和创新增长,即简单的政策叠加效果并没有优于单一政策的效果。

表3 列示了政策组合的综合性、均衡性与生产增长、创新增长关系的检验结果。144 个试点企业中,政策组合综合程度高于平均水平的企业有48个,“倍增计划”实施前,48 个企业营业收入和高技术产品销售收入的平均增长率分别为35.030%和47.337%,“倍增计划”实施后分别上升到58.288%和71.426%,模型11 和模型14 交叉项的系数表明,综合程度相对较高的政策组合显著地促进了实验组企业的生产增长和创新增长。试点企业中,有51 个企业的政策组合均衡程度高于平均水平,其营业收入和高技术产品销售收入的增长率分别从33.946%和47.924%上升到56.162%和69.579%,同期对照组企业从10.476%和5.812%上升到20.422%和13.399%,无论是从绝对水平还是增长幅度来看,实验组都明显高于对照组,模型12 和模型15 交叉项的系数表明,实验组相对较快的生产增长和创新增长得益于相对均衡的政策组合。即“倍增计划”下,需求-供给-环境政策的均衡组合能显著促进生产增长和创新增长。试点企业中,政策综合程度和均衡程度都高于平均水平的有47 个,模型13 和模型16 的系数显示,相比对照组,综合程度和均衡程度都较高的政策组合使实验组样本获得额外的0.155 个单位的生产增长和0.189个单位的创新增长。

表3 政策组合特征与政策效果的回归结果

由此表明,虽然在目标设定偏差下,试点企业会优先保障完成考核目标,但通过政策工具的组合使用,是可以实现政策目标的。对比表2 和表3 中模型交叉项的系数,不难发现,相对于简单的政策叠加及政策综合程度低、强度不均衡的政策叠加,只有政策综合程度高、强度更均衡的政策组合才能显著促进生产增长和创新增长,即目标偏差下的政策组合效果取决于政策的综合性和均衡性,这与假设H2 一致。“倍增计划”政策访谈也支持了这一结论,访谈中,多家试点企业的负责人表示,虽然“倍增计划”政策包括资金、土地、人才等多方面的扶持,但是实际执行过程中,企业获得的扶持主要是资金方面,而资金扶持的数量又很少,所以对企业的影响尤其是创新的激励和推动作用有限。同时,多个访谈对象认为,“试点企业”头衔的含金量会随试点企业的数量增长而降低,“倍增计划”政策不应该扩大试点企业的面,这反映出只有综合程度相对较高、政策力度相对较大的政策才能更好地激励试点企业。

4.4 样本自选择效应、时间趋势及稳健性检验

(1)样本自选择效应检验

在自然实验中,实际处理水平可能存在的自我选择效应会导致不一致的估计。考虑到“倍增计划”政策下,试点企业通过专家书面评分和现场答辩遴选产生,遴选包括对利税规模、利税增长、单位产出、研发创新等方面的考察,在“选好选优、培优培强”的原则下,存在样本自我选择的可能性,即规模越大、创新能力越强、效率越高的企业更有可能成为“倍增计划”试点企业。为此,参考吴建南等[3]的方法,以是否是试点企业为因变量,营业收入增长率、高技术产品销售收入增长率、企业营业收入、职工人数、高技术产品销售收入占营业收入比重、研发人员占职工人数比重等作为自变量进行Logit 回归。由于实验组样本的随机性考察主要是考察“倍增计划”实施前的年份,因此,Logit 回归采用2014 ~2016 年的相关数据。结果表明,所有自变量的回归系数都不显著,不存在样本自选择效应。

(2)时间趋势检验

双重差分法的隐含假设是在政策实施前,实验组和对照组的时间趋势一样。为了检验实验组和对照组在“倍增计划”实施前具有共同的时间趋势,以2014 ~2016 年营业收入增长率、高技术产品销售收入增长率的一阶差分为因变量,以是否是试点企业为自变量进行OLS 回归,结果表明,所有自变量的系数都不显著,即政策实施前实验组和对照组具有相同的时间趋势。

(3)稳健性检验

为了进一步检验回归结果的稳健性,在原有控制变量的基础上增加高技术产品销售收入,或将企业职工人数换为高技术产品销售收入,回归结果依然稳健。

5 结论与启示

本文主要探讨目标偏差对政策效果的影响,利用双重差分方法检验目标偏差下的政策实施效果及政策工具组合使用的政策效果。以存在目标设定偏差的东莞“倍增计划”政策的相关数据为基础,得出如下结论:(1)目标责任考核制下,目标偏差会导致政策效果偏离政策初衷,未纳入目标责任考核的绩效维度会受到较少关注。“倍增计划”设定的考核目标偏离政策目标导致其政策效果是实现生产增长而非创新增长,这也表明创新驱动发展目标能否实现在一定程度上取决于考核目标的精准度。(2)存在目标设定偏差时,通过优化政策工具组合可以使政策效果与政策初衷趋于一致。存在目标偏差的“倍增计划”通过简单的政策叠加无益于政策目标的实现,只有提高需求-供给-环境型政策组合的综合性和均衡性才能实现“倍增计划”的高质量增长目标。

本文的研究对全面实施预算绩效管理下,政策考核目标的设定及政策工具的合理使用有两点启示:(1)避免目标设定偏差是保障政策实施效果的起始点和关键环节,全面实施预算绩效管理背景下,要通过绩效目标考核和管理来检验和提升政策效果,就要避免考核目标设定中的选择性行为,而政策执行过程中的选择性行为一定程度上源于政策目标的模糊性,因此,将政策纳入绩效管理本质上要求政策目标精准设定。在当前我国经济转型升级的攻坚期,各级政府出台的政策数量和覆盖范围不断扩大的同时,政策效果偏离政策初衷的现象屡见不鲜,政府部门可以将精准设定政策目标作为解决这一问题的切入点,通过精准研策和精准评策来减小目标设定偏差,从源头上保障创新驱动发展目标的实现。(2)在财政资金、土地、人才等资源有限的情况下,政策扶持要体现“扶强扶优”的原则。精准施策要求在精准设定政策目标的情况下,精准选择政策工具,由于简单的政策叠加或政策强度不均衡的政策效果不显著,政策工具的选择和组合运用既要考虑不同类型政策间的替代效应和互补效应,又要让企业获得覆盖面更广、强度更均衡的政策扶持,在资源有限的情况下,这无疑要求缩小政策覆盖的企业范围,避免面广量少“撒胡椒面”式扶持。

猜你喜欢
偏差实验组工具
BRA V600E 抗体的几种手工免疫组化染色方法在甲状腺乳头状癌中的表达情况比较*
50种认知性偏差
论下肢力量训练对拉丁舞的重要性
波比的工具
波比的工具
如何走出文章立意偏差的误区
加固轰炸机
准备工具:步骤:
SHR主动脉结构重构的microRNA—195和BCL2、Bax作用机制
真相