Page 183 - 《社会》2022年第4期

社会·2022·4

金额的增加。 结果发现， 职位类型的差异并未导致平均受贿金额的增
加。 就其他控制变量来说，正职、高行政级别、男性官员的腐败程度更
高。 最后，考虑到本文的实证样本涵盖了 31 个省级行政区，这种情况下
的聚类到省 的标 准 误 可 能 被 低 估 。 我 们尝 试 采 用卡 梅 伦（ Cameron，et
al.，2008）提出的原生聚类靴举（Wild Bootstrap）聚类标 准 误 进 行 解 决 ，
并在方括号内汇报了结果。 我们发现两种标准误的结果没有太大差异，
不影响本文的结果。 23
由于研究被解释变量是曝光案件， 其取值除了反映腐败问题的严
重程度外， 也会受到反腐力度的影响。 2013 年开始的反腐运动规模和
力度都是空前的， 在这期间获得的数据生成过程可能和之前的样本存
在系统性差异。 考虑到模型很难完全捕捉影响被解释变量的所有因素，
表 3 的前 4 个模型就没有使用 2013 年之后的数据。 在模型 5 中我们使
用1993—2020 年的数据，结果发现，资源配置型职位官员的受贿金额依
然显著高于非资源配置型职位。 24
表 3 所展示的两种职位在腐败问题截面上的差异可能有提取市场
化外其他没有被模型捕捉因素的作用，该因素最有可能是职位异质性。
虽然我们比较了两种职位上的官员的个人信息差异， 并加入了个人控
制变量，但可能仍然无法穷尽导致职位异质性的其他因素。 我们同样需
要引入相同职位在市场化改革前后的差异来排除这种异质性对结果的
影响。 在操作上，通过引入企业改制、土地市场改革进度哑变量和职位
类型哑变量的交互项来实现，具体模型设置如下：
（2）
Y i，p，t = 琢 + 茁 position it × Reform t + 啄X i，p，t + 着 i，p，t
其中，被解释变量是受贿总金额和受贿次数，i 代表第 i 个案件，p 代表
案件发生的省份，t 代表第 t 年； 向量 X i，p，t 代表一系列控制变量，琢 为
截距项，着 i，p，t 为独立于解释变量的随机扰动项。 关键解释变量 position it
× Reform t 的设置方法与方程（1）相同。 图 5 展示了对这些交互项的估
计结果和 90%的置信区间，从左至右的系数分别是和企业改制相关的

23. 使用原生聚类靴举方法方法先后经过 500 次和 1 000 次 模拟后 ，t 统计量 的 p 值分
别为 0.044 和 0.045。
24. 由于《检察日报》数字平台只提供了 2015 年及以后的电子化报纸，所以全部数据中
不包含 2014 年的案件。 2015—2020 年样本中共有 1 183 个案件，数据搜集方法和之前相
同。 感谢匿名审稿人提供的修改建议。

· 176·