Page 181 - 《社会》2022年第4期

社会·2022·4

注 ： “ 配 置 资 源 × 企 业 改 制 期 间 ” （ 对 照 组 是 “ 改 制 前 ”） 的 赋 值 方 法 是 “ 企 业 改 制
前 ”（1994 年 及 之 前 ）赋 值 为 0 ， “ 改 制 期 间 ” （1995—2002 年 ） 赋 值 为 1 ； “ 配 置
资 源× 企 业 改 制 期 间 ” （ 对 照 组 是 “ 改 制 后 ”） 的 赋 值 方 法 是 “ 企 业 改 制 后 ”
（2003 年 及 之 后 ） 赋 值 为 0 ，“改 制 期 间 ” 赋 值 为 1 ； “ 配 置 资 源× 土 地 市 场 改
革 ”（对 照 组 是 “改 制 前 ”）的 赋 值 方 法 是 “土 地 市 场 改 革 前 ” （1998 年 及 之 前 ）
赋 值 为 0 ，“改 革 期 间 ”（1999 年 及 之 后 ）赋 值 为 1 。
图 4：资 源 配 置 职 位 对 腐 败 问 题 发 生 概 率

比如全国范围内的反腐运动。 u 是其他可能起作用但还没有被模型捕
获的因素，按照假设应该随机分布于本模型的被解释变量。
表 3 汇报了官员职位是否有配置资源的权力对腐败问题的影响，
其中，被解释变量分别是受贿金额、受贿次数和平均每次受贿金额。 由
于受贿次数是计数变量，我们采用 Poisson 模型估计，其他变量则采用
OLS 估计方法。 由于每个控制变量中缺失很多个体信息，导致在包含所
有控制变量的方程设置中观察值数量下降很多。 为了检验信息缺失是
否影响估计结果，我们首先在模型 1 中使用最宽松的回归设定：解释变
量只包含关键解释变量。 在之后的模型中我们逐步控制一系列可能影
响腐败程度的官员个人特征。 整体来说，我们发现，和任职于没有资源
配置权力职位的官员相比， 那些任职于有配置资源权力职位的官员的
22
腐败程度更严重：受贿金额会增加 41%。 !同时，在受贿次数上，这类官
22. 在全部 3 848 个案件中，如果将受贿金 额作为 被解释 变量，解 释变量 全部有信息的
有 2 046 个案件。 我们统计了资源配置型职位和非资源配置型职位样本的缺失比重，发
现前者缺失 73%的数据，后者缺失 75%的数据，两者相差不大。

· 174·