Page 101 - 《党政研究》2026年第3期

上述城市的教育支出、医疗卫生支出、就业与社会保障支出等作为公共服务支出的核心组
成部分，其总和作为衡量公共服务供给水平的核心指标。为了避免数值过大进而产生估计
误差，本文对被解释变量进行了对数化处理。从计量操作的科学性原则来看，取对数可以
视为 “不改变原始数据相对大小的单调变换”，取对数本身也不会改变变量间的相关性，
因此取对数则是对正常数据的保护，能避免线性回归时参数估计被个别异常值绑架。交互
项 Ｔｒｅａｔ × Ｐｏｓｔ 的系数是本文的核心观察指标，反映了 ２０２１ 年政策强化对核心圈层城市
ｉ
ｔ
绩效的影响。其中 Ｔｒｅａｔ 是组别虚拟变量，Ｐｏｓｔ 是时间虚拟变量。此外，模型引入了城市
ｉ ｔ
，旨在排除个体异质性与时间共同趋势的干扰，从而精准
固定效应 μ ｉ 与年份固定效应 λ ｔ
识别协同政策的净效应。
（ ３）平行趋势检验
ＤＩＤ 模型成立的前提是实验组与对照组在政策干预前满足平行趋势。通过对 ２０１３ －
２０２１ 年两组样本的动态观察，核心圈层城市与对照组城市在公共服务支出上的变化轨迹
基本平行，未出现显著的系统性差异 （如图 ４）。这证明了若无 ２０２１ 年的政策强化，两组城
市的发展趋势将保持一致。此外，实验组城市均与武汉地理接壤，处于 “一小时通勤圈”
内，这种空间上的连续性进一步增强了因果识别的 “可证成性”。进一步回归分析 （图 ５）
显示，在政策实施前，指标回归系数置信区间经过 ０ 点，满足了平行趋势的假设条件。
（ ４）因果识别 （ ＤＩＤ）结果
表 ３ 展示了引入控制变量后的ＤＩＤ 回归结果。模型拟合优度（ Ｒ － ｓｑｕａｒｅｄ）达到
０． ８７１，表明本模型具有较强的解释力。
回归结果显示，在 ２０２１ 年政策冲击点之前，所有交互项系数均极小且完全不显著，
这再次印证了实验组与对照组在政策前具有高度的同步性，排除了由于样本选择偏误导致
的因果识别失效，满足了双重差分模型的核心前提。
本研究最为关键的发现在于 ２０２１ 年后的回归系数。数据显示，２０２２、２０２３、２０２４ 年
的交互系数分别为 － ０． ０５９、 － ０． １３２、 － ０． ２１６，绝对值逐渐增大，且在 ２０２４ 年呈现住在
１０％的水平上显著的态势。
表 ３ 区域协同政策 （以武汉城市圈为例）对公共服务支出绩效的影响

基准回归结果 引入控制变量结果
变量项目
Ｃｏｅｆｆｉｃｉｅｎｔ ｐ Ｃｏｅｆｆｉｃｉｅｎｔ ｐ

２０２２ － ０． ０３７ ０． ９００ － ０． ０５９ ０． ２６３
核心交互项 ２０２３ － ０． １１０ ０． ７１１ － ０． １３２ ０． ６２９
－ ０． １９３ － ０． ２１６
（ ０． ２９６） （ ０． １１８）
２０２４ ０． ５１６ ０． ０７３
０． ５２９
（ ０． ０２５）
人口规模 Ｉｎ＿ｐｅｏｐｌｅ ／

０． ０１３
（ ０． ０２９）
经济水平 Ｉｎ＿ｐｅｒｇｄｐ ／
城市固定效应 Ｙｅｓ Ｙｅｓ
年份固定效应 Ｙｅｓ Ｙｅｓ

Ｒ ２ ０． １８０ ０． ８７１
观测值（ Ｎ） １２０ １２０

注：括号内为标准误；、 分别表示在 １％、１０％ 的水平上显著。
这种系数由正转负且绝对值扩大的趋势，一方面量化验证了 “强虹吸”的破坏力并
有力佐证了前文 “中心城市极化效应下的虹吸效应压制”中的观点。即使在 ２０２１ 年政策

１ ０ · ０ ·