资源诅咒及其微观机理的计量检验
丁从明 马鹏飞 廖舒娅
摘要自然资源对区域经济发展是“福”还是“祸”？现有文献主要是从国别或省级层面进行研究，强调资源对地区收入的影响，宏观数据的研究因存在较大的遗漏变量和反向因果问题而无法获得无偏性估计结果，故其结论存在较大分歧。本文在梳理现有文献的基础上首次利用CFPS（2010）微观数据对自然资源和居民人均收入关系及其背后的传导机制进行了再检验。文章具体使用最小二乘法（OLS）和倾向性匹配得分法（PSM）进行因果识别，估计结果显示：①资源诅咒现象在中国村（居）层面存在，拥有自然资源的地区居民家庭人均收入相比于没有资源的地区低19%～23%，利用自助抽样和倾向性匹配得分法（PSM）在内的微观方法进行检验显示，上述估计结果高度稳健；②资源是通过挤出当地的教育投资、技术创新和降低制度质量来减少当地居民人均收入的，其中资源对教育的挤出效应不仅体现在拥有资源的地区政府教育投入更低，更体现在家庭层面上，拥有资源地区的民众对教育的重视程度相对更低；③资源开采的同時降低了当地的政府质量，具体表现为有资源的地区政府的公共产品投入相对于没有自然资源的地区减少16%，有资源地区居民更容易遭受政府不公正政策的影响；④由于城乡所处发展阶段不同，资源对城市居民家庭人均收入的挤出效应是农村的2.5倍，这一结果说明资源的诅咒效应更多体现在经济发展到更高阶段后。本文的研究为资源诅咒理论提供了微观数据的新证据，同时为政策制定者的决策提供了微观层面的理论依据。
关键词资源诅咒；居民收入；制度质量；PSM
中图分类号F124.6；F062.1文献标识码A文章编号1002-2104（2018）08-0138-10DOI：10.12062/cpre.20180129
中国是一个资源总量十分丰富的国家，许多城市因资源而兴起，也有许多城市因资源而衰败。在经历了大规模和长时期的自然资源开发后，伴随着资源的枯竭，这些城市面临着生态破坏、人均收入减少、贫困人口增加以及经济衰退等困境。丰富的自然资源不仅没有给地方经济发展带来“祝福”，反而成为了经济发展的“诅咒”。传统的基于国别的资源诅咒的宏观研究因存在较多的遗漏变量、经济越落后越容易过度开采资源的反向因果链条等因素，导致实证结果存在较大估计偏误。在此背景下，本文利用CFPS（2010）微观调查数据，深入到村（居）层面，首次从微观层面对“资源诅咒”及其背后的传导机制进行再检验，为资源诅咒提供微观的新证据。通过研究自然资源丰富程度与居民收入的关系，以及这种关系背后的微观作用机制，以期达到在合理利用开发自然资源的同时，实现各区域均衡发展，在避免陷入“资源诅咒”陷阱的同时实现资源“祝福”。
1文献综述
自1993年Auty[1]首次提出资源诅咒概念以及1995年Sachs and Warner[2]利用世界上71个国家1970—1989年面板数据进行了开创性的实证研究开始，资源诅咒便成为了一个充满争议的话题[3]。由于使用的数据来源、测度资源的指标、研究对象、研究方法等不同，国内外学者对“资源诅咒”理论是否存在结论各不相同。总体来说，目前存在三种主流的观点：①“资源诅咒”存在论；②“资源诅咒”不存在论；③“资源诅咒”条件存在论。
中国学者大多支持“资源诅咒”存在学说。徐康宁和王剑[4]等证实“资源诅咒”现象在中国省级层面存在，对自然资源的依赖已经成为阻碍我国经济增长的潜在因素；邵帅和齐中英[5]使用中国1991—2006年的省级面板数据对西部资源大开发前后经济增长速度差异和传导机制进行了计量分析，这是我国学者首次使用我国局部数据进行“资源诅咒”检验；栾贵勤和孙成龙[6]以山西为例首次在县级层面对“资源诅咒”理论进行检验。以上检验结果均证明“资源诅咒”效应在中国存在。
此外，也有学者认为自然资源和经济增长并无内在关联[7]。当使用不同的指标、添加不同控制变量和使用不同的方法都会使得估计结果发生巨大变化。Brunnschweiler[3]以美元测度资源丰裕度，估计发现自然资源对经济增长存在正面效应；Lederman[8]利用3SLS的计量方法使用1980—2005年跨国数据进行实证分析，发现“资源诅咒”并不存在；丁菊红和邓可斌[9]利用中国城市数据实证表明，资源诅咒在中国地区层面不显著。
丁从明等：资源诅咒及其微观机理的计量检验中国人口·资源与环境2018年第8期也有学者认为只在一定条件下“资源诅咒”存在。他们普遍认为“诅咒”是否存在的关键在于政治制度的优劣[10]。资源的“诅咒”效应只是会出现在那些制度缺失或薄弱的国家或地区，良好的制度安排则能够保证国家从资源繁荣中受益[11]，与其说资源“诅咒”，不如说成是制度“诅咒”，制度弱化才是资源诅咒的根源所在[12]。
梳理文献，我们发现现有研究主要存在以下问题：①宏观数据来源困难，统计口径不一致，更为重要的是宏观数据无法准确刻画制度质量、收入等指标，使得上述研究难以细致识别“资源诅咒”效应的作用后果和作用机制；②模型稳健性较差，宏观数据样本量小，添加的控制变量不同极易引起结果的变动；③因果识别困难，经济发展水平较低的地区更有动力去开发利用本地的自然资源，自然资源可能并非严格外生的[13]，这导致现有研究容易高估资源对地区经济发展的诅咒效应。未进行严格的因果识别、结论缺乏说服力是目前学术界存在争议的重要原因。
基于此，文章在梳理现有研究的基础上利用CFPS（2010）微观数据对资源和收入的关系及其背后的作用机制进行了再检验。使用微观数据使得我们，①可以深入区县层面进行资源诅咒识别，避免宏观数据“一刀切”问题；②可以使用居民收入、教育、政府治理等的直接问卷调查对资源诅咒背后的微观传导机制进行更细致的研究，获得更为稳健的结果；③可以利用微观计量经济学的估计方法进行更为细致的因果推断，从而缓解宏观数据研究过程中存在的估计偏误，得到更加可靠的结果。具体的，我们使用PSM（倾向性得分匹配法）通过建立实验组和对照组来缓解遗漏变量问题以及进行因果关系识别，使用稳健的聚类回归和自助抽样法来获得稳健的标准误。
本文的结构安排如下：第二部分是文章的研究方法和数据说明；第三部分报告了主要实证结果和稳健性检验结果；第四部分是传导机制的实证结果；最后是文章的结论部分。
2方法与数据
2.1估计方法
我们使用居民人均收入这一指标来衡量经济发展状况。为了检验拥有自然资源对居民收入的影响，本文建立模型（1）：
ln（income）ij=β0+β1resourcej+δXij+Zj+εij（1）
在模型（1）中，ln（income）ij表示第j个地区第i个家庭人均收入的对数。对收入取对数后可以使数据分布更加平稳，减缓极端值的影响，也能最大限度地避免异方差问题，此外，取对数使得模型（1）变成了一个半对数模型，系数β1则可以解释成资源对收入作用的百分比。关键解释变量resourcej为虚拟变量，表示第j个地区是否拥有自然资源，取值为1表示该地区有资源，取值为0表示该地区没有资源。Xij表示家庭层面控制变量，包括家庭成员受教育年限、家庭小孩个数等，Zj表示第j个村居层面的特征，包括距离县城距离，城乡分类、是否自然灾害频发等。εij表示其它可能影响居民收入的不可观测因素。基于本文的研究假说，系数β1表示资源禀赋对居民收入的影响效应大小。
2.2数据说明
本文使用的数据来自中国家庭追踪调查（CFPS2010）数据库。CFPS分层、多阶段共抽取了全国25省162个区县635村14 798户家庭及其成员样本的设计使得该数据能够代表中国约95%的人口[14]。其中包括了居民收入、教育年限、健康水平、外出打工经历，矿产资源、财政收入、基础设施投资、自然灾害、民族聚居情况等详细数据。
2.2.1关键变量说明
（1）家庭人均收入。指一年内家庭人口总收入除以家庭人口数量，即家庭人均总收入=家庭总收入/家庭人口数。其中收入包括工资收入和其它收入。工资收入包含了家庭成员扣除缴纳所得税和社会保障支出后的工资收入，其他收入包括出售财产收入及借贷利息收入、转移性收入等。为了使数据分布更加平稳，减缓极端值的影响，我们对该变量取对数处理。
（2）资源禀赋的度量。我们使用虚拟变量自然资源resource作为地区是否拥有资源的衡量指标。CFPS（2010）中将当地有煤炭、铁、铜矿等矿产资源便赋值为1，否则赋值为0。Auty[15]把自然资源分为“点资源”（point resources）和“散资源”（diffuse resources），是否拥有自然资源只能定性描述一地自然资源状况，而难以衡量当地自然资源拥有量和对资源的依赖程度。为了增加估计结果的稳健性，我们构造了资源集中度指标resource_。具体地，我们在区县一级计算了当地居民中从事自然资源生产和开采的人数比例，计算方式如下，resource_=minerslabors，其中miners指当地成年人中从事木材、渔业、钻井、矿物、石油天然气、金属、煤炭等生产和开采人数，labors指当地成年人中劳动力的人数。文章以此作为测度当地资源集中度和资源依赖程度的指标。
2.2.2其它控制变量的选择
（1）家庭控制变量。主要包括家庭成员受教育年限、健康程度、年齡、小孩个数等。
（2）村居经济控制变量。主要包括经济状况、财政收入、财政支出、常住人口、外出打工人口比例、选民比例、被选举人数、是否少数民族聚居等。
（3）地理控制变量。主要包括家庭和居委会距离县城距离、城乡分类、是否自然灾害频发等。鉴于篇幅限制，具体指标构造及说明可向作者索取。
表1在不添加任何变量的情况下，对比了有资源和没有资源地区的居民收入水平，教育观念、技术创新和制度质量的差异。可以发现拥有资源的地区家庭平均收入显著低于没有资源的地区，当然这种差异也可能源于更穷的地方更加倾向于资源的开采，所以严格的因果识别需要对遗漏变量进行控制。同样，在教育投资、父母对教育关心程度、创新、遭遇不利政策和基础设施投资方面拥有资源的地区表现也相对较差，根据简单t检验可以发现，上述差异是显著的。上述三点将是文章第四部分机制验证的主要指标。
3计量结果
3.1基准回归结果
变量拥有资源没有资源t统计样本量均值样本量均值差异t值收入对数7458.3807 2928.479-0.099***2.62教育投资7395.4637 47595.32-89.85***3.50关心教育1302.5461 0922.784-0.238***3.22创新7842.6937 7944.278-1.586***4.32遭遇不利政策4190.2603 8680.1870.073***4.04基础设施投资66929.955 971174.27-144.3***3.32注：①差异为有资源地区均值减去没有资源地区均值；②***、**、*分别表示变量在1%、5%和10%的显著性水平上显著。
变量的情况下，结果（1）显示资源的系数为-0.099，在1%水平上显著，说明自然资源对居民家庭收入的平均挤出效应为9.9%左右。在结果（2）中添加了包括居民受教育水平、健康水平、家庭小孩个数等家庭控制变量和包括城乡分类变量、到县城最短时间的地理控制变量以及包含是否少数民族聚居和村居经济水平的村居经济控制变量。估计结果再一次显示，在控制了家庭、地理和村居经济等变量后，模型的拟合程度得到提升，回归结果依然在1%水平显著。最终结果（2）表明：平均而言，相对于没有自然资源的地区，拥有自然资源的地区居民收入减少了23.4%，在1%水平上显著，样本中居民平均收入水平为7 074元，降低23.4%，意味着平均而言拥有资源将使绝对收入低1 655元。整体而言，资源诅咒效应在微观层面确实存在。
同时结果（2）显示，在控制了家庭、地理和村经济变量后，包括教育、健康和地理等因素的符号和理论预期相一致，说明回归结果较为可靠。具体而言，父亲的受教育程度、健康水平对家庭人均收入有正向效应。此外我们发现，在同等条件下，城市家庭收入比农村更高，距离县、市中心偏远的地区收入更低，自然灾害频发均挤出了家庭人均收入，少数民族聚居不显著。这些结果均和理论直觉相吻合。
3.2稳健性测试
虽然我们在表2中添加了系列控制变量，考虑到影响收入的因素相对较多，表2的估计结果可能受到指标的合理性、方法的选择性等因素的影响。鉴于此，我们建立如下四个测试方法，测试本文估计结果的稳健性。表2的（3）～（6）列报告了稳健性测试结果。
（1）自助法（bootstrap）。Efron[16]在1979年提出了通过对原始样本进行大量再放回随机抽样从而计算标准误的自助法。我们进行了300次有放回的抽样来获得稳健的标准误和可靠的t值。结果见表2第（3）列。通过自助抽样得到的标准误虽然有所增加，但结果依然在1%水平显著，说明表2中因抽样带来的偏误问题不大，这也是微观数据样本容量大带来的好处。
（2）聚类分析。在同一个地区，居民的思想观念，生活习惯、经济状况以及地理环境等会保持相对的同质化，这就使得聚类（Cluster）问题在截面数据中同样存在。实证中聚类问题产生最严重的后果是标准误产生偏差，t值偏离真实值，模型预测功能失效[17-18]，我们采用稳健的聚类分析缓解此问题。
聚类分析主要的思想是把具有某种相同特质的“对象”放到同一个类别进行分析。表2以家庭为单位进行回归，但是同一个村居甚至是同一个县中的家庭则会具有相同特征，比如民风民俗、地理特征、经济特征、气候特征等。我们分别按照村居和区县进行聚类分析，回归结果方程（4）聚类到村庄一级，回归结果为-0.234，表明资源对居民家庭收入减少效应为23.4%，虽然相对于OLS回归标准误有所增大，但是结果同样在1%水平显著；聚类到县一级，结果表明资源对家庭人均收入减少平均效应为23.4%，在1%水平上显著，同时也说明了在县一级，资源诅咒效应存在。
（3）标准化系数。文章使用的数据可能存在分布有偏的问题，虽然取对数处理可以有效缓解数据分布有偏问题，但未能从根本上解决。鉴于此，我们首先对数据进行标准化以消除量纲和减少偏误，再采用标准化以后的数据进行回归。回归结果方程（5）表明相较没有资源的地区资源每增加1个标准误家庭人均收入平均而言减少0.05个标准误，结果在5%水平显著，说明资源和居民收入存在负相关关系，同样支持了基本回归的结果。
（4）构造连续指标。问卷中提到的是否拥有自然资源是一个虚拟变量，不同的回答者可能对自然资源的理解不同，故是否拥有自然资源存在一定的测量误差。参照Auty[15]的方法，我们利用当地从事资源相关人数比例构造了资源集中度指标resource_。连续指标可以具体测度当地资源的丰裕程度，使得模型可靠程度得到提升。回归结果方程（6）表明：从事资源开采相关行业的人数每增加一个百分点，当地居民人均收入减少1.24%，结果在1%水平显著，支持了基本回归的结果。
3.3内生性检验
虽然我们认为自然资源是一种自然禀赋，不受经济政治等因素影响，短时间内其规模保持不变，但是自然资源开发时间以及经济发展水平都会影响当地对资源的依赖程度，经济欠发达地区对资源依赖性更大，所以理论上讲是否拥有资源可能并不严格外生；此外可能存在同时影响地区资源开發以及经济发展的遗漏变量。上述两个潜在问题可能导致表2中OLS估计结果存在偏误。为了避免上述内生性问题，文章采用倾向性匹配得分法（PSM）来缓解遗漏变量和解决互为因果问题。
PSM最早在1983年由Rosenbaum and Rubin[19]提出，主要运用“反事实”的思想，通过建立“处理组”和“控制组”来形成一个近似的“随机化实验”。“控制组”中包含实际上未发生的、潜在的结果，“处理组”则指已发生的、真实的结果。如果我们可以从处理组中匹配到一个和控制组中具有相同特征的个体，则两者的差异就是因为事件发生带来的平均处理效应（ATT）。给实际发生的个体匹配具有相同特征的未发生的个体的过程便形成了一个“反事实”的过程。
平均处理效应（ATT）是文章关心的最终匹配后的结果。Rosenbaum和Rubin[19]证明如果给定propensity score条件下样本满足随机分布，那么ATT就可以使用数学公式进行计算。
他们给出的ATT可以使用数学公式计算的证明如下：
ATT=E{Y1i-Y0i|Di=1}
=E{E{Y1i-Y0i|Di=1}，p（Xi）}|Di=1
=E{E{Y1i|Di=1，p（Xi）}-E{Y0i|Di=1，p（Xi）|Di=1}
=E{E{Y1i|Di=1，p（Xi）}-E{Y0i|Di=0，p（Xi）|Di=1}
式中，Di代表处理变量，取1时表示接受处理，取0时代表未接受处理（在本文“处理”就是拥有自然资源）；Y1i表示接受处理者接受处理之后的结果（在本文表示地i个拥有自然资源地区的居民家庭人均收入）；Y0i表示接受处理者未接受处理的结果（在本文表示地i个没有自然资源地区的居民家庭人均收入）。
他们给出的ATT的计算公式如下：ATT=1NT∑i∈T[YTi-∑j∈C（i）ωijYCj]
其中，NT代表匹配后处理组中的处理个体数，YTi和YCj分别是处理个体i和对照个体j的结果，ωij表示权重。
为了找到两组中具有相同特征的个体，一般选择logit模型分别对两组个体进行打分，然后根据得分情况，将控制组和处理组中具有相同特征的个体进行匹配。常见的匹配方法有最近邻匹配、半径匹配和核匹配。①最近邻匹配是将两组中差异最小的若干样本匹配在一起；②半径匹配是首先预设一个得分差异，把实际得分差异值小于预设值的样本匹配在一起；③核匹配则是基于非参数估计方法进行匹配，通过抽取若干个来自控制组的样本对其进行拆分加权，从而构成一个和控制组中样本类似的虚拟样本。由于进行了匹配，两者的特征基本相似，可以有效减缓回归中遗漏变量的问题，同时由于控制了潜在的结果，形成了一个“随机”实验，便能消除选择性偏差，得到真实的因果关系。
表3报告了内生性检验的结果。
就本文而言，匹配前ATT（平均处理应）为-0.102，t值为-2.69，说明在不添加任何控制变量的情况下，有资源的地区比没有资源的地区居民收入少10.2%，资源对居民收入减少效应为10.2%，在1%的水平上显著。然后我们在5%的水平上控制了父亲教育、健康、年龄、小孩个数、村经济水平、少数民族聚居、是否自然灾害频发相同的情况下进行了匹配。
对于大样本的数据来说选择1∶1匹配是恰当的[20]，核密度函数图同样支持上述选择。为了测试结果是否稳健，表3同时给出了1∶2，1∶3和1∶4匹配的结果以及半径匹配和核匹配的结果。最终匹配结果表明：平均而言，自然资源减少了家庭人均收入的18.8%，并且在1%水平上高度显著。与表2的OLS的回归结果23%比较，发现表2高估了资源的挤出效应，整体而言，资源诅咒效应在19%～23%之间。
4机制检验和进一步研究
4.1机制检验
至此，文章使用微观数据发现在中国“资源诅咒”效应存在，拥有自然资源的地区家庭人均收入显著低于没有资源的地区，这是因为：①丰富的自然资源能够挤出促进社会和经济发展的正向因素。例如挤出教育和人力资本投资[21- 22]、技术创新以及基础设施投资[23- 28]等，阻碍经济增长；②自然资源的开采弱化了当地政治制度。这是因为自然资源提供了一种简单的收取经济租金的方法[29]，资源既得者向行政人员行贿[30]，影响选举、左右政治[31]以获取对资源的排他性占有[32]，对于一个低质量的政府而言，资源利得很有可能被用于消费而不是投资[33]，而投资的减少也会阻碍经济的发展。
由此，我们提出如下微观机制：
机制1：挤出教育。有资源的地方对教育重视程度更低。
机制2：挤出创新。有资源的地方创新动力不足，从事创新行业的人数比例更低。
机制3：制度质量劣化。有资源的地方制度质量更低，基础设施投资更少，居民更易受到不利政策的影响。
为对上述三个机制进行检验，结合CFPS数据，我们构造传导机制指标。说明如下：
（1）教育水平：我们在村居层面考察了当地政府教育投资，在家庭层面则考察了父母对教育的重视程度这一指标。具体而言，政府教育投资指上一年度政府财政支出中用于教育投资（学校等）的对数；而父母对教育的重视程度则是通过访员对家庭布置情况的观察，对是否同意父母很关心孩子教育进行打分，共5分，1分为十分不同意，2分为不同意，3分为中立，4分为同意，5分为十分同意。
（2）技术创新：殷尹和梁梁[34]2001年指出科学技术实力是衡量一个地区创新实力的首要标准，科学技术实力具体上指投入钱、人、物的数量和质量，其中每万人中科学家和工程师的比重可作为一个衡量技术创新的指标。基于数据的可得性，我们计算了当地百万人口中从事科学研究、技术服务和地质勘查业人数，以此作为村居对技术依赖和创新能力的替代变量。
（3）制度质量：借鉴以往研究，我们选择政府公共服务（道路、水电煤、下水）和生产（农业水利等）投资进行制度质量的衡量，而政策的公正性則选择居民是否遭遇不利政策衡量。其中0代表没有遭遇过不利政策，1代表遭遇过不利政策。
具体的，（1）（2）两列对资源挤出教育的假说进行检验。检验从村居和家庭层面这两个层次进行，村居层面我们主要研究教育投入水平，家庭层面包父母对子女教育的关心程度以及孩子的努力学习程度。相关指标说明见前文“数据说明”，下同；（3）列我们对资源挤出创新的假说进行检验。与挤出教育的逻辑类似，对资源的高度依赖，提高了资源行业的资本回报率，降低了技术创新的动力。使用从事信息传输业、计算机服务软件业、科学研究技术服务业、地质勘查业人数占当地常住人口的比例作为技术创新的代理变量；（4）（5）两列研究了制度质量劣化效应，同样从村居层面和家庭层面进行，村居层面研究了政府基础设施投资，家庭层面研究的是家庭是否遭遇过不利政策的影响。
（1）列以村居为单位，研究了自然资源与当地教育投资的关系。回归结果（1）显示在控制了地理变量和经济变量的情况下，资源与政府教育投资有显著的负相关关系，表明在保持其他条件不变的情况下，有资源的地区比没有资源的地区教育投资平均而言少87.65万元，1%水平上显著。
（2）列结果显示父母关心孩子教育系数为-0.038，在1%水平上显著，表明平均而言资源使得父母对孩子学习的重视程度降低1个档次的概率为3.8%，说明在家庭层面，资源使得父母对教育的重视程度下降。通过村居和家庭层面的分析发现：村居层面，资源对村居教育投资有消极作用，资源挤出了教育投资。在家庭层面，我们发现一方面父母受教育水平低。资源挤出教育在村居层面和家庭层面同时存在。更多的资源禀赋，更低的教育回报，更低的教育重视程度，这一估计结果清楚的展示了资源对教育的挤出路径。
（3）列报告了自然资源与创新的关系。在依次添加地理和经济控制变量的情况下，回归结果表明有资源的地方从事技术创新的人数比例显著为负，有资源的地区技术创新人员人数每十万人中减少1.04人，估计结果在5%上水平显著，说明通过降低当地技术创新水平确实是“资源诅咒”传导机制之一。
（4）列报告了资源和基础设施投资关系。回归结果（4）表明，有资源地区政府基础设施投资减少15.8%，在10%水平上显著。考虑到资源丰富地区进行资源的开采和加工需要更多的基础设施投资，资源的挤出效应被部分中和，其次政府投资往往伴随着腐败，政府投资工程是政府发生腐败的重灾区[35]，政府投资不一定能够使得当地居民真正受益。为此我们进一步考察了制度质量中的政策的公正性问题，故（5）列使用logit模型进一步考察了自然资源与居民是否受到不利政策的关系。logit模型回归结果为0.071，在1%水平上显著，说明有资源的地区家庭相比没有资源的地区家庭受到不利政策的影响的可能性增加7.1%。平均而言有资源的地区家庭更容易受到不利的公共政策影响，与预期结果相符。
4.2进一步研究
虽然在内生性检验中我们采用PSM方法控制了相同表4资源诅咒传导机制检验
Tab.4Transmission mechanism of resource curse
被解释变量挤出教育挤出创新制度劣化投资对数关心教育创新基础设施投资遭遇不利政策（1）（2）（3）（4）（5）资源-0.292*-0.038***-1.04**-0.158* 0.071***（0.172）（0.013）（0.361）（0.084）（0.023）家庭控制变量—YesYes—Yes村经济控制变量YesYesYesYesYes村地理控制变量YesYesYesYesYesN2 3411 2008 1695 5453 792adj.R20.0540.0170.0770.0800.008注：①系数后括号内的数值是该系数的稳健性标准误；②***、**、*分别表示变量在1%、5%和10%的显著性水平上显著；③（2）（5）使用Ologit模型，报告的是离散应变量均值处的边际效应；④（2）（5）报告的是虚拟R2。
的起点，但是我们考虑到城乡发展阶段不同可能是造成一地对资源依赖程度不同的重要原因。因此有必要重新对资源对城乡作用的程度进行再讨论。
城市和乡村由于处于的发展阶段不同，资源带来的作用可能各不相同。城市的基础设施，制度，产权保护更加合理完善，资源更容易挤出这些促进经济发展和居民收入的因素在农村，资源则有可能成为居民收入增加的因素。
具体实证结果如表5所示。
（1）（2）两列采用分样本回归的方法进行OLS回归，结果显示在城市居民收入受到自然资源挤出38.2%，而农村为13.6%，资源对城市的挤出效应大于农村；（3）使用城乡虚拟变量和是否拥有资源虚拟变量进行交乘的方法进行了OLS回归，结果显示资源的系数为-0.131，在l%水平显著，城乡分类的系数为0.218，在1%水平上显著，交乘项的系数为-0.201，在1%水平上显著。通过分解方程可知，资源的系数为是否拥有资源对农村的影响，资源的系数和交乘項之和为资源对城市的影响。具体的，资源对农村居民收入的挤出效应为-0.131，对城市挤出效应为-0.332，对城市挤出效应较农村高153.4%，是农村的2.5倍。
5结论性评述
本文利用CFPS（2010）微观数据对资源诅咒进行了再检验。文章研究表明：在家庭收入层面，资源挤出了家庭收入，相对于没有自然资源的地区而言，拥有自然资源的
地区居民家庭人均收入降低19%～23%。为了准确识别是否拥有资源和居民收入水平的因果关系，我们通过PSM控制了一些重要变量，构造了实验组和对照组，对经济地理等状况接近的家庭进行比较，使得实证结果可靠性大大增加，一系列的稳健性测试均支持了上述的研究结果。
传导机制研究显示，资源是通过挤出教育、创新能力和降低制度质量来降低居民收入水平的。挤出教育，我们发现资源在村居层面和家庭层面同时挤出了教育，表现为村居层面资源挤出了政府教育投入的29.2%，由于资源收入的易得性，有资源地区的人们忽略了教育的重要性，家长不重视孩子的教育；挤出创新，与挤出教育类似，由于依赖资源，资源开采不需要太多的技术和创新，有资源的地区技术创新能力往往更低，从事技术创新的人数每十万人中减少1.05人；降低政府质量，以往的研究认为教育、创新等只是经济发展的结果，而好的政府制度才是经济发展的动力。我们的研究发现资源使得政府公共投资和生产性投资占政府支出减少15.8%，而受到不公正执法遭遇的比例则增加7.1%。
进一步的研究发现资源对城市的挤出效应大于农村。使用城乡虚拟变量和是否拥有资源虚拟变量进行交乘的方法，我们发现最资源对城市居民收入的挤出效应是农村的2.5倍，说明资源诅咒效应更多的体现在经济发展到更高阶段之后。
自然资源本来是一地经济发展的“祝福”，最终由于不合理的开发和使用变成了经济发展的“诅咒”，因此克服“资源诅咒”效应，使“资源诅咒”变成“资源红利”对我国大多地区具有深远意义。根据实证的三个资源诅咒的传导机制，本文提供的政策建议如下：首先，地方政府是中央政府代理人的身份使得其成为制度执行的“第一行动集团”，地方政府是更为具体的地方秩序的维护者，在投资、转移支付、税收等方面具有重要作用，因此地方政府更应该以身作则，创建公开透明公正的环境，避免对资源租金的寻租行为，充分发挥地方对资源收益分配的积极作用；其次，抽取资源租金加大教育基础设施的投资和人才引进。正如我们看到，资源丰富的地区更应该加大教育方面的投入力度，因为资源丰富的地区更容易导致企业家才能和人力资本错配到非生产性的寻租活动中；最后，政府应该加强对科技创新的投入和扶持，完善服务体系，引导资金进入高新技术发展领域，对技术改进的企业和个人进行奖励，提升科技创新在经济发展中所占的比重。
（编辑：于杰）
参考文献（References）
[1]AUTY R. Sustaining development in mineral economies[M]. America： Routledge，1993.
[2]SACHS J D， WARNER A M. Economic convergence and economic policies [J]. Case network studies & analyses， 1995，65（4）：900-913.
[3]BRUNNSCHWEILER C N. Cursing the blessings？ natural resource abundance， institutions， and economic growth[J]. World development， 2008，36（3）：399-419.
[4]徐康宁， 邵军. 自然禀赋与经济增长：对“资源诅咒”命题的再检验[J]. 世界经济， 2006（11）：38-47. [XU Kangning， SHAO Jun. Natural resources abundance and economic growth： a reexamination of the ‘Resource Curse hypothesis[J]. The journal of world economy， 2006（11）：38-47.]
[5]邵帅， 齐中英. 西部地区的能源开发与经济增长——基于“资源诅咒”假说的实证分析[J]. 经济研究， 2008（4）：147-160. [SHAO Shuai， QI Zhongying. Energy development and economic growth in Western China： an empirical analysis based on the resource curse hypothesis [J]. Economic research journal，2008（4）：147-160.]
[6]栾贵勤， 孙成龙. “资源诅咒”对资源匮乏地区的影响及作用机制——以山西为例[J]. 经济问题， 2010（9）：123-126. [LUAN Guiqin， SUN Chenglong.‘Resource curse effect on the resourcepoor region and its mechanism：take the example of Shanxi[J]. On economic problems， 2010（9）：123-126.]
[7]DAVIS G A. Learning to love the dutch disease： evidence from the mineral economies[J]. World development， 1995，23（10）：1765-1779.
[8]LEDERMAN D， MALONEY W F， DUNNING T， et al. In search of the missing resource curse with comments[J]. Economía， 2008，9（1）：1-57.
[9]丁菊紅， 邓可斌. 政府干预、自然资源与经济增长：基于中国地区层面的研究[J]. 中国工业经济， 2007（7）：56-64. [DING Juhong， DENG Kebin. Government intervene， natural resource and economy development： based on regional panel data study of China[J]. China industrial economics，2007（7）： 56 -64.]
[10]郑义， 秦炳涛. 政治制度、资源禀赋与经济增长——来自全球85个主要国家的经验[J]. 世界经济研究， 2016（4）：66-77. [ZHENG Yi， QIN Bingtao. Political institutions， resource endowment and economic growth[J]. World economy study， 2016（4）：66-77.]
[11]汪戎， 朱翠萍. 资源与增长间关系的制度质量思考[J]. 清华大学学报（哲学社会科学版）， 2008（1）：152-158.[WANG Rong， ZHU Cuiping. Reflections of institutional quality related between resources and growth[J]. Journal of Tsinghua University（philosophy and social sciences）， 2008（1）：152-158.]
[12]郑长德. 自然资源的“诅咒”与西部地区的经济发展[J]. 西南民族大学学报（自然科学版）， 2006，32（6）：1248-1256. [ZHENG Changde. On the curse of natural resources and economic development in the west of China[J]. Journal of Southwest University for Nationalities（natural science edition）， 2006，32（6）：1248-1256.]
[13]邵帅， 杨莉莉. 自然资源丰裕、资源产业依赖与中国区域经济增长[J]. 管理世界， 2010（9）：26-44. [SHAO Shuai， YANG Lili. Abundant natural resources， reliance on resource industries and regional economic growth in China[J]. Management world， 2010（9）：26-44.]
[14]XIE Y， HU J W. An introduction to the China Family Panel Studies（CFPS）[J]. Chinese sociological review，2014，47（1）：3-29.
[15]AUTY R M. The political economy of resourcedriven growth [J]. European economic review， 2001，45（4）：839-846.
[16]EFRON B. Bootstrap methods： another look at the jackknife[J]. The annals of statistics，1979，7（1）：1-26.
[17]GOW I D， ORMAZABAL G， TAYLOR D J，et al. Correcting for crosssectional and timeseries dependence in accounting research[J]. Accounting review， 2010，85（2）：483-512.
[18]PETERSEN M A. Estimating standard errors in finance panel data sets： comparing approaches[J]. NBER working papers， 2005，22（1）：435-480.
[19]ROSENBAUM R P， RUBIN D B， et al. The central role of the propoensity score in observational studies for causal effects[J]. Biometrika， 1983，70（1）：41-55.
[20]ABADIE A， IMBENS G W， DRUKKER D M， et al. Implementing matching estimators for average treatment effects in STATA[J]. Stata journal， 2004，4（3）：290-311.
[21]GYLFASON T. Exports， inflation and growth[J]. World development， 1999，27（6）：1031-1057.
[22]KURTZ M J， BROOKS S M. Conditioning the ‘Resource Curse： globalization， human capital， and growth in oilrich nations[J]. Comparative political studies， 2011，44（6）：747-770.
[23]ACEMOGLU D， JOHNSON S， ROBINSON J A， et al. An African success story： Botswana[J]. CEPR discussion papers， 2002（4）：561-562.
[24]MICHAELS G. The long term consequences of resourcebased specialisation [J]. The economic journal， 2011，121（551）：31-57.
[25]張其春，郗永勤.城市废弃物资源化共生网络脆弱性影响机制——基于SCP与CAS融合的分析视角[J].北京理工大学学报（社会科学版），2017，19（2）：9-19.[ZHANG Qichun，XI Yongqin. Vulnerability impact mechanism of symbiosis network for municipal waste recycling：based on the fusion framework of SCP and CAS[J]. Journal of Beijing Institute of Technology（social sciences edition），2017，19（2）：9-19.]
[26]何音，蔡满堂.京津冀地区经济增长与资源环境的脱钩关系[J].北京理工大学学报（社会科学版），2016，18（5）：33-41.[HE Yin， CAI Mantang.Decoupling relationship between economic growth and resource environment in BeijingTianjinHebei region[J]. Journal of Beijing Institute of Technology（social sciences edition），2016，18（5）：33-41.]
[27]DU X W. Energy revolution： for a sustainable future[J]. Chinese journal of population， resources and environment， 2015， 13（2）：115-118.
[28]SUN R， KUANG D， CHANG D Q. Effect analysis of carbon trading on EconomyEnergyEnvironment system and calculation of reasonable carbon price intervals[J]. Chinese journal of population， resources and environment， 2015，13（2）：146-154.
[29]KRUEGER A O. The political economy of the rentseeking society[J]. American economic review， 1974，64（3）：291-303.
[30]TORVIK R. Natural resources， rent seeking and welfare[J]. Journal of development economics， 2002，67（2）：455-470.
[31]ROBINSON J A， TORVIK R， VERDIER T， et al. Political foundations of the resource curse [J]. Journal of development economics， 2006，79（2）：447-468.
[32]SONIN K. Why the rich may favor poor protection of property rights [J]. Social science electronic publishing， 2003，31（4）：715-731.
[33]ATKINSON G， HAMILTON K. Savings， growth and the resource curse hypothesis[J]. World development， 2003，31（11）：1793-1807.
[34]殷尹， 梁梁. 区域技术创新能力短期评估[J]. 中国软科学， 2001（1）：71-74. [YIN Yin， LIANG Liang. The measurement of the capability of regional technical innovation system[J]. China soft science， 2001（1）：71-74.]
[35]乐云， 张兵， 关贤军， 等. 基于SNA视角的政府投资项目合谋关系研究[J]. 公共管理学报， 2013（3）：29-40. [LE Yun， ZHANG Bing， GUAN Xianjun， et al. Collusion study of public investment projects based on SNA[J]. Journal of public management， 2013（3）：29-40.]
摘要自然资源对区域经济发展是“福”还是“祸”？现有文献主要是从国别或省级层面进行研究，强调资源对地区收入的影响，宏观数据的研究因存在较大的遗漏变量和反向因果问题而无法获得无偏性估计结果，故其结论存在较大分歧。本文在梳理现有文献的基础上首次利用CFPS（2010）微观数据对自然资源和居民人均收入关系及其背后的传导机制进行了再检验。文章具体使用最小二乘法（OLS）和倾向性匹配得分法（PSM）进行因果识别，估计结果显示：①资源诅咒现象在中国村（居）层面存在，拥有自然资源的地区居民家庭人均收入相比于没有资源的地区低19%～23%，利用自助抽样和倾向性匹配得分法（PSM）在内的微观方法进行检验显示，上述估计结果高度稳健；②资源是通过挤出当地的教育投资、技术创新和降低制度质量来减少当地居民人均收入的，其中资源对教育的挤出效应不仅体现在拥有资源的地区政府教育投入更低，更体现在家庭层面上，拥有资源地区的民众对教育的重视程度相对更低；③资源开采的同時降低了当地的政府质量，具体表现为有资源的地区政府的公共产品投入相对于没有自然资源的地区减少16%，有资源地区居民更容易遭受政府不公正政策的影响；④由于城乡所处发展阶段不同，资源对城市居民家庭人均收入的挤出效应是农村的2.5倍，这一结果说明资源的诅咒效应更多体现在经济发展到更高阶段后。本文的研究为资源诅咒理论提供了微观数据的新证据，同时为政策制定者的决策提供了微观层面的理论依据。
关键词资源诅咒；居民收入；制度质量；PSM
中图分类号F124.6；F062.1文献标识码A文章编号1002-2104（2018）08-0138-10DOI：10.12062/cpre.20180129
中国是一个资源总量十分丰富的国家，许多城市因资源而兴起，也有许多城市因资源而衰败。在经历了大规模和长时期的自然资源开发后，伴随着资源的枯竭，这些城市面临着生态破坏、人均收入减少、贫困人口增加以及经济衰退等困境。丰富的自然资源不仅没有给地方经济发展带来“祝福”，反而成为了经济发展的“诅咒”。传统的基于国别的资源诅咒的宏观研究因存在较多的遗漏变量、经济越落后越容易过度开采资源的反向因果链条等因素，导致实证结果存在较大估计偏误。在此背景下，本文利用CFPS（2010）微观调查数据，深入到村（居）层面，首次从微观层面对“资源诅咒”及其背后的传导机制进行再检验，为资源诅咒提供微观的新证据。通过研究自然资源丰富程度与居民收入的关系，以及这种关系背后的微观作用机制，以期达到在合理利用开发自然资源的同时，实现各区域均衡发展，在避免陷入“资源诅咒”陷阱的同时实现资源“祝福”。
1文献综述
自1993年Auty[1]首次提出资源诅咒概念以及1995年Sachs and Warner[2]利用世界上71个国家1970—1989年面板数据进行了开创性的实证研究开始，资源诅咒便成为了一个充满争议的话题[3]。由于使用的数据来源、测度资源的指标、研究对象、研究方法等不同，国内外学者对“资源诅咒”理论是否存在结论各不相同。总体来说，目前存在三种主流的观点：①“资源诅咒”存在论；②“资源诅咒”不存在论；③“资源诅咒”条件存在论。
中国学者大多支持“资源诅咒”存在学说。徐康宁和王剑[4]等证实“资源诅咒”现象在中国省级层面存在，对自然资源的依赖已经成为阻碍我国经济增长的潜在因素；邵帅和齐中英[5]使用中国1991—2006年的省级面板数据对西部资源大开发前后经济增长速度差异和传导机制进行了计量分析，这是我国学者首次使用我国局部数据进行“资源诅咒”检验；栾贵勤和孙成龙[6]以山西为例首次在县级层面对“资源诅咒”理论进行检验。以上检验结果均证明“资源诅咒”效应在中国存在。
此外，也有学者认为自然资源和经济增长并无内在关联[7]。当使用不同的指标、添加不同控制变量和使用不同的方法都会使得估计结果发生巨大变化。Brunnschweiler[3]以美元测度资源丰裕度，估计发现自然资源对经济增长存在正面效应；Lederman[8]利用3SLS的计量方法使用1980—2005年跨国数据进行实证分析，发现“资源诅咒”并不存在；丁菊红和邓可斌[9]利用中国城市数据实证表明，资源诅咒在中国地区层面不显著。
丁从明等：资源诅咒及其微观机理的计量检验中国人口·资源与环境2018年第8期也有学者认为只在一定条件下“资源诅咒”存在。他们普遍认为“诅咒”是否存在的关键在于政治制度的优劣[10]。资源的“诅咒”效应只是会出现在那些制度缺失或薄弱的国家或地区，良好的制度安排则能够保证国家从资源繁荣中受益[11]，与其说资源“诅咒”，不如说成是制度“诅咒”，制度弱化才是资源诅咒的根源所在[12]。
梳理文献，我们发现现有研究主要存在以下问题：①宏观数据来源困难，统计口径不一致，更为重要的是宏观数据无法准确刻画制度质量、收入等指标，使得上述研究难以细致识别“资源诅咒”效应的作用后果和作用机制；②模型稳健性较差，宏观数据样本量小，添加的控制变量不同极易引起结果的变动；③因果识别困难，经济发展水平较低的地区更有动力去开发利用本地的自然资源，自然资源可能并非严格外生的[13]，这导致现有研究容易高估资源对地区经济发展的诅咒效应。未进行严格的因果识别、结论缺乏说服力是目前学术界存在争议的重要原因。
基于此，文章在梳理现有研究的基础上利用CFPS（2010）微观数据对资源和收入的关系及其背后的作用机制进行了再检验。使用微观数据使得我们，①可以深入区县层面进行资源诅咒识别，避免宏观数据“一刀切”问题；②可以使用居民收入、教育、政府治理等的直接问卷调查对资源诅咒背后的微观传导机制进行更细致的研究，获得更为稳健的结果；③可以利用微观计量经济学的估计方法进行更为细致的因果推断，从而缓解宏观数据研究过程中存在的估计偏误，得到更加可靠的结果。具体的，我们使用PSM（倾向性得分匹配法）通过建立实验组和对照组来缓解遗漏变量问题以及进行因果关系识别，使用稳健的聚类回归和自助抽样法来获得稳健的标准误。
本文的结构安排如下：第二部分是文章的研究方法和数据说明；第三部分报告了主要实证结果和稳健性检验结果；第四部分是传导机制的实证结果；最后是文章的结论部分。
2方法与数据
2.1估计方法
我们使用居民人均收入这一指标来衡量经济发展状况。为了检验拥有自然资源对居民收入的影响，本文建立模型（1）：
ln（income）ij=β0+β1resourcej+δXij+Zj+εij（1）
在模型（1）中，ln（income）ij表示第j个地区第i个家庭人均收入的对数。对收入取对数后可以使数据分布更加平稳，减缓极端值的影响，也能最大限度地避免异方差问题，此外，取对数使得模型（1）变成了一个半对数模型，系数β1则可以解释成资源对收入作用的百分比。关键解释变量resourcej为虚拟变量，表示第j个地区是否拥有自然资源，取值为1表示该地区有资源，取值为0表示该地区没有资源。Xij表示家庭层面控制变量，包括家庭成员受教育年限、家庭小孩个数等，Zj表示第j个村居层面的特征，包括距离县城距离，城乡分类、是否自然灾害频发等。εij表示其它可能影响居民收入的不可观测因素。基于本文的研究假说，系数β1表示资源禀赋对居民收入的影响效应大小。
2.2数据说明
本文使用的数据来自中国家庭追踪调查（CFPS2010）数据库。CFPS分层、多阶段共抽取了全国25省162个区县635村14 798户家庭及其成员样本的设计使得该数据能够代表中国约95%的人口[14]。其中包括了居民收入、教育年限、健康水平、外出打工经历，矿产资源、财政收入、基础设施投资、自然灾害、民族聚居情况等详细数据。
2.2.1关键变量说明
（1）家庭人均收入。指一年内家庭人口总收入除以家庭人口数量，即家庭人均总收入=家庭总收入/家庭人口数。其中收入包括工资收入和其它收入。工资收入包含了家庭成员扣除缴纳所得税和社会保障支出后的工资收入，其他收入包括出售财产收入及借贷利息收入、转移性收入等。为了使数据分布更加平稳，减缓极端值的影响，我们对该变量取对数处理。
（2）资源禀赋的度量。我们使用虚拟变量自然资源resource作为地区是否拥有资源的衡量指标。CFPS（2010）中将当地有煤炭、铁、铜矿等矿产资源便赋值为1，否则赋值为0。Auty[15]把自然资源分为“点资源”（point resources）和“散资源”（diffuse resources），是否拥有自然资源只能定性描述一地自然资源状况，而难以衡量当地自然资源拥有量和对资源的依赖程度。为了增加估计结果的稳健性，我们构造了资源集中度指标resource_。具体地，我们在区县一级计算了当地居民中从事自然资源生产和开采的人数比例，计算方式如下，resource_=minerslabors，其中miners指当地成年人中从事木材、渔业、钻井、矿物、石油天然气、金属、煤炭等生产和开采人数，labors指当地成年人中劳动力的人数。文章以此作为测度当地资源集中度和资源依赖程度的指标。
2.2.2其它控制变量的选择
（1）家庭控制变量。主要包括家庭成员受教育年限、健康程度、年齡、小孩个数等。
（2）村居经济控制变量。主要包括经济状况、财政收入、财政支出、常住人口、外出打工人口比例、选民比例、被选举人数、是否少数民族聚居等。
（3）地理控制变量。主要包括家庭和居委会距离县城距离、城乡分类、是否自然灾害频发等。鉴于篇幅限制，具体指标构造及说明可向作者索取。
表1在不添加任何变量的情况下，对比了有资源和没有资源地区的居民收入水平，教育观念、技术创新和制度质量的差异。可以发现拥有资源的地区家庭平均收入显著低于没有资源的地区，当然这种差异也可能源于更穷的地方更加倾向于资源的开采，所以严格的因果识别需要对遗漏变量进行控制。同样，在教育投资、父母对教育关心程度、创新、遭遇不利政策和基础设施投资方面拥有资源的地区表现也相对较差，根据简单t检验可以发现，上述差异是显著的。上述三点将是文章第四部分机制验证的主要指标。
3计量结果
3.1基准回归结果
变量拥有资源没有资源t统计样本量均值样本量均值差异t值收入对数7458.3807 2928.479-0.099***2.62教育投资7395.4637 47595.32-89.85***3.50关心教育1302.5461 0922.784-0.238***3.22创新7842.6937 7944.278-1.586***4.32遭遇不利政策4190.2603 8680.1870.073***4.04基础设施投资66929.955 971174.27-144.3***3.32注：①差异为有资源地区均值减去没有资源地区均值；②***、**、*分别表示变量在1%、5%和10%的显著性水平上显著。
变量的情况下，结果（1）显示资源的系数为-0.099，在1%水平上显著，说明自然资源对居民家庭收入的平均挤出效应为9.9%左右。在结果（2）中添加了包括居民受教育水平、健康水平、家庭小孩个数等家庭控制变量和包括城乡分类变量、到县城最短时间的地理控制变量以及包含是否少数民族聚居和村居经济水平的村居经济控制变量。估计结果再一次显示，在控制了家庭、地理和村居经济等变量后，模型的拟合程度得到提升，回归结果依然在1%水平显著。最终结果（2）表明：平均而言，相对于没有自然资源的地区，拥有自然资源的地区居民收入减少了23.4%，在1%水平上显著，样本中居民平均收入水平为7 074元，降低23.4%，意味着平均而言拥有资源将使绝对收入低1 655元。整体而言，资源诅咒效应在微观层面确实存在。
同时结果（2）显示，在控制了家庭、地理和村经济变量后，包括教育、健康和地理等因素的符号和理论预期相一致，说明回归结果较为可靠。具体而言，父亲的受教育程度、健康水平对家庭人均收入有正向效应。此外我们发现，在同等条件下，城市家庭收入比农村更高，距离县、市中心偏远的地区收入更低，自然灾害频发均挤出了家庭人均收入，少数民族聚居不显著。这些结果均和理论直觉相吻合。
3.2稳健性测试
虽然我们在表2中添加了系列控制变量，考虑到影响收入的因素相对较多，表2的估计结果可能受到指标的合理性、方法的选择性等因素的影响。鉴于此，我们建立如下四个测试方法，测试本文估计结果的稳健性。表2的（3）～（6）列报告了稳健性测试结果。
（1）自助法（bootstrap）。Efron[16]在1979年提出了通过对原始样本进行大量再放回随机抽样从而计算标准误的自助法。我们进行了300次有放回的抽样来获得稳健的标准误和可靠的t值。结果见表2第（3）列。通过自助抽样得到的标准误虽然有所增加，但结果依然在1%水平显著，说明表2中因抽样带来的偏误问题不大，这也是微观数据样本容量大带来的好处。
（2）聚类分析。在同一个地区，居民的思想观念，生活习惯、经济状况以及地理环境等会保持相对的同质化，这就使得聚类（Cluster）问题在截面数据中同样存在。实证中聚类问题产生最严重的后果是标准误产生偏差，t值偏离真实值，模型预测功能失效[17-18]，我们采用稳健的聚类分析缓解此问题。
聚类分析主要的思想是把具有某种相同特质的“对象”放到同一个类别进行分析。表2以家庭为单位进行回归，但是同一个村居甚至是同一个县中的家庭则会具有相同特征，比如民风民俗、地理特征、经济特征、气候特征等。我们分别按照村居和区县进行聚类分析，回归结果方程（4）聚类到村庄一级，回归结果为-0.234，表明资源对居民家庭收入减少效应为23.4%，虽然相对于OLS回归标准误有所增大，但是结果同样在1%水平显著；聚类到县一级，结果表明资源对家庭人均收入减少平均效应为23.4%，在1%水平上显著，同时也说明了在县一级，资源诅咒效应存在。
（3）标准化系数。文章使用的数据可能存在分布有偏的问题，虽然取对数处理可以有效缓解数据分布有偏问题，但未能从根本上解决。鉴于此，我们首先对数据进行标准化以消除量纲和减少偏误，再采用标准化以后的数据进行回归。回归结果方程（5）表明相较没有资源的地区资源每增加1个标准误家庭人均收入平均而言减少0.05个标准误，结果在5%水平显著，说明资源和居民收入存在负相关关系，同样支持了基本回归的结果。
（4）构造连续指标。问卷中提到的是否拥有自然资源是一个虚拟变量，不同的回答者可能对自然资源的理解不同，故是否拥有自然资源存在一定的测量误差。参照Auty[15]的方法，我们利用当地从事资源相关人数比例构造了资源集中度指标resource_。连续指标可以具体测度当地资源的丰裕程度，使得模型可靠程度得到提升。回归结果方程（6）表明：从事资源开采相关行业的人数每增加一个百分点，当地居民人均收入减少1.24%，结果在1%水平显著，支持了基本回归的结果。
3.3内生性检验
虽然我们认为自然资源是一种自然禀赋，不受经济政治等因素影响，短时间内其规模保持不变，但是自然资源开发时间以及经济发展水平都会影响当地对资源的依赖程度，经济欠发达地区对资源依赖性更大，所以理论上讲是否拥有资源可能并不严格外生；此外可能存在同时影响地区资源开發以及经济发展的遗漏变量。上述两个潜在问题可能导致表2中OLS估计结果存在偏误。为了避免上述内生性问题，文章采用倾向性匹配得分法（PSM）来缓解遗漏变量和解决互为因果问题。
PSM最早在1983年由Rosenbaum and Rubin[19]提出，主要运用“反事实”的思想，通过建立“处理组”和“控制组”来形成一个近似的“随机化实验”。“控制组”中包含实际上未发生的、潜在的结果，“处理组”则指已发生的、真实的结果。如果我们可以从处理组中匹配到一个和控制组中具有相同特征的个体，则两者的差异就是因为事件发生带来的平均处理效应（ATT）。给实际发生的个体匹配具有相同特征的未发生的个体的过程便形成了一个“反事实”的过程。
平均处理效应（ATT）是文章关心的最终匹配后的结果。Rosenbaum和Rubin[19]证明如果给定propensity score条件下样本满足随机分布，那么ATT就可以使用数学公式进行计算。
他们给出的ATT可以使用数学公式计算的证明如下：
ATT=E{Y1i-Y0i|Di=1}
=E{E{Y1i-Y0i|Di=1}，p（Xi）}|Di=1
=E{E{Y1i|Di=1，p（Xi）}-E{Y0i|Di=1，p（Xi）|Di=1}
=E{E{Y1i|Di=1，p（Xi）}-E{Y0i|Di=0，p（Xi）|Di=1}
式中，Di代表处理变量，取1时表示接受处理，取0时代表未接受处理（在本文“处理”就是拥有自然资源）；Y1i表示接受处理者接受处理之后的结果（在本文表示地i个拥有自然资源地区的居民家庭人均收入）；Y0i表示接受处理者未接受处理的结果（在本文表示地i个没有自然资源地区的居民家庭人均收入）。
他们给出的ATT的计算公式如下：ATT=1NT∑i∈T[YTi-∑j∈C（i）ωijYCj]
其中，NT代表匹配后处理组中的处理个体数，YTi和YCj分别是处理个体i和对照个体j的结果，ωij表示权重。
为了找到两组中具有相同特征的个体，一般选择logit模型分别对两组个体进行打分，然后根据得分情况，将控制组和处理组中具有相同特征的个体进行匹配。常见的匹配方法有最近邻匹配、半径匹配和核匹配。①最近邻匹配是将两组中差异最小的若干样本匹配在一起；②半径匹配是首先预设一个得分差异，把实际得分差异值小于预设值的样本匹配在一起；③核匹配则是基于非参数估计方法进行匹配，通过抽取若干个来自控制组的样本对其进行拆分加权，从而构成一个和控制组中样本类似的虚拟样本。由于进行了匹配，两者的特征基本相似，可以有效减缓回归中遗漏变量的问题，同时由于控制了潜在的结果，形成了一个“随机”实验，便能消除选择性偏差，得到真实的因果关系。
表3报告了内生性检验的结果。
就本文而言，匹配前ATT（平均处理应）为-0.102，t值为-2.69，说明在不添加任何控制变量的情况下，有资源的地区比没有资源的地区居民收入少10.2%，资源对居民收入减少效应为10.2%，在1%的水平上显著。然后我们在5%的水平上控制了父亲教育、健康、年龄、小孩个数、村经济水平、少数民族聚居、是否自然灾害频发相同的情况下进行了匹配。
对于大样本的数据来说选择1∶1匹配是恰当的[20]，核密度函数图同样支持上述选择。为了测试结果是否稳健，表3同时给出了1∶2，1∶3和1∶4匹配的结果以及半径匹配和核匹配的结果。最终匹配结果表明：平均而言，自然资源减少了家庭人均收入的18.8%，并且在1%水平上高度显著。与表2的OLS的回归结果23%比较，发现表2高估了资源的挤出效应，整体而言，资源诅咒效应在19%～23%之间。
4机制检验和进一步研究
4.1机制检验
至此，文章使用微观数据发现在中国“资源诅咒”效应存在，拥有自然资源的地区家庭人均收入显著低于没有资源的地区，这是因为：①丰富的自然资源能够挤出促进社会和经济发展的正向因素。例如挤出教育和人力资本投资[21- 22]、技术创新以及基础设施投资[23- 28]等，阻碍经济增长；②自然资源的开采弱化了当地政治制度。这是因为自然资源提供了一种简单的收取经济租金的方法[29]，资源既得者向行政人员行贿[30]，影响选举、左右政治[31]以获取对资源的排他性占有[32]，对于一个低质量的政府而言，资源利得很有可能被用于消费而不是投资[33]，而投资的减少也会阻碍经济的发展。
由此，我们提出如下微观机制：
机制1：挤出教育。有资源的地方对教育重视程度更低。
机制2：挤出创新。有资源的地方创新动力不足，从事创新行业的人数比例更低。
机制3：制度质量劣化。有资源的地方制度质量更低，基础设施投资更少，居民更易受到不利政策的影响。
为对上述三个机制进行检验，结合CFPS数据，我们构造传导机制指标。说明如下：
（1）教育水平：我们在村居层面考察了当地政府教育投资，在家庭层面则考察了父母对教育的重视程度这一指标。具体而言，政府教育投资指上一年度政府财政支出中用于教育投资（学校等）的对数；而父母对教育的重视程度则是通过访员对家庭布置情况的观察，对是否同意父母很关心孩子教育进行打分，共5分，1分为十分不同意，2分为不同意，3分为中立，4分为同意，5分为十分同意。
（2）技术创新：殷尹和梁梁[34]2001年指出科学技术实力是衡量一个地区创新实力的首要标准，科学技术实力具体上指投入钱、人、物的数量和质量，其中每万人中科学家和工程师的比重可作为一个衡量技术创新的指标。基于数据的可得性，我们计算了当地百万人口中从事科学研究、技术服务和地质勘查业人数，以此作为村居对技术依赖和创新能力的替代变量。
（3）制度质量：借鉴以往研究，我们选择政府公共服务（道路、水电煤、下水）和生产（农业水利等）投资进行制度质量的衡量，而政策的公正性則选择居民是否遭遇不利政策衡量。其中0代表没有遭遇过不利政策，1代表遭遇过不利政策。
具体的，（1）（2）两列对资源挤出教育的假说进行检验。检验从村居和家庭层面这两个层次进行，村居层面我们主要研究教育投入水平，家庭层面包父母对子女教育的关心程度以及孩子的努力学习程度。相关指标说明见前文“数据说明”，下同；（3）列我们对资源挤出创新的假说进行检验。与挤出教育的逻辑类似，对资源的高度依赖，提高了资源行业的资本回报率，降低了技术创新的动力。使用从事信息传输业、计算机服务软件业、科学研究技术服务业、地质勘查业人数占当地常住人口的比例作为技术创新的代理变量；（4）（5）两列研究了制度质量劣化效应，同样从村居层面和家庭层面进行，村居层面研究了政府基础设施投资，家庭层面研究的是家庭是否遭遇过不利政策的影响。
（1）列以村居为单位，研究了自然资源与当地教育投资的关系。回归结果（1）显示在控制了地理变量和经济变量的情况下，资源与政府教育投资有显著的负相关关系，表明在保持其他条件不变的情况下，有资源的地区比没有资源的地区教育投资平均而言少87.65万元，1%水平上显著。
（2）列结果显示父母关心孩子教育系数为-0.038，在1%水平上显著，表明平均而言资源使得父母对孩子学习的重视程度降低1个档次的概率为3.8%，说明在家庭层面，资源使得父母对教育的重视程度下降。通过村居和家庭层面的分析发现：村居层面，资源对村居教育投资有消极作用，资源挤出了教育投资。在家庭层面，我们发现一方面父母受教育水平低。资源挤出教育在村居层面和家庭层面同时存在。更多的资源禀赋，更低的教育回报，更低的教育重视程度，这一估计结果清楚的展示了资源对教育的挤出路径。
（3）列报告了自然资源与创新的关系。在依次添加地理和经济控制变量的情况下，回归结果表明有资源的地方从事技术创新的人数比例显著为负，有资源的地区技术创新人员人数每十万人中减少1.04人，估计结果在5%上水平显著，说明通过降低当地技术创新水平确实是“资源诅咒”传导机制之一。
（4）列报告了资源和基础设施投资关系。回归结果（4）表明，有资源地区政府基础设施投资减少15.8%，在10%水平上显著。考虑到资源丰富地区进行资源的开采和加工需要更多的基础设施投资，资源的挤出效应被部分中和，其次政府投资往往伴随着腐败，政府投资工程是政府发生腐败的重灾区[35]，政府投资不一定能够使得当地居民真正受益。为此我们进一步考察了制度质量中的政策的公正性问题，故（5）列使用logit模型进一步考察了自然资源与居民是否受到不利政策的关系。logit模型回归结果为0.071，在1%水平上显著，说明有资源的地区家庭相比没有资源的地区家庭受到不利政策的影响的可能性增加7.1%。平均而言有资源的地区家庭更容易受到不利的公共政策影响，与预期结果相符。
4.2进一步研究
虽然在内生性检验中我们采用PSM方法控制了相同表4资源诅咒传导机制检验
Tab.4Transmission mechanism of resource curse
被解释变量挤出教育挤出创新制度劣化投资对数关心教育创新基础设施投资遭遇不利政策（1）（2）（3）（4）（5）资源-0.292*-0.038***-1.04**-0.158* 0.071***（0.172）（0.013）（0.361）（0.084）（0.023）家庭控制变量—YesYes—Yes村经济控制变量YesYesYesYesYes村地理控制变量YesYesYesYesYesN2 3411 2008 1695 5453 792adj.R20.0540.0170.0770.0800.008注：①系数后括号内的数值是该系数的稳健性标准误；②***、**、*分别表示变量在1%、5%和10%的显著性水平上显著；③（2）（5）使用Ologit模型，报告的是离散应变量均值处的边际效应；④（2）（5）报告的是虚拟R2。
的起点，但是我们考虑到城乡发展阶段不同可能是造成一地对资源依赖程度不同的重要原因。因此有必要重新对资源对城乡作用的程度进行再讨论。
城市和乡村由于处于的发展阶段不同，资源带来的作用可能各不相同。城市的基础设施，制度，产权保护更加合理完善，资源更容易挤出这些促进经济发展和居民收入的因素在农村，资源则有可能成为居民收入增加的因素。
具体实证结果如表5所示。
（1）（2）两列采用分样本回归的方法进行OLS回归，结果显示在城市居民收入受到自然资源挤出38.2%，而农村为13.6%，资源对城市的挤出效应大于农村；（3）使用城乡虚拟变量和是否拥有资源虚拟变量进行交乘的方法进行了OLS回归，结果显示资源的系数为-0.131，在l%水平显著，城乡分类的系数为0.218，在1%水平上显著，交乘项的系数为-0.201，在1%水平上显著。通过分解方程可知，资源的系数为是否拥有资源对农村的影响，资源的系数和交乘項之和为资源对城市的影响。具体的，资源对农村居民收入的挤出效应为-0.131，对城市挤出效应为-0.332，对城市挤出效应较农村高153.4%，是农村的2.5倍。
5结论性评述
本文利用CFPS（2010）微观数据对资源诅咒进行了再检验。文章研究表明：在家庭收入层面，资源挤出了家庭收入，相对于没有自然资源的地区而言，拥有自然资源的
地区居民家庭人均收入降低19%～23%。为了准确识别是否拥有资源和居民收入水平的因果关系，我们通过PSM控制了一些重要变量，构造了实验组和对照组，对经济地理等状况接近的家庭进行比较，使得实证结果可靠性大大增加，一系列的稳健性测试均支持了上述的研究结果。
传导机制研究显示，资源是通过挤出教育、创新能力和降低制度质量来降低居民收入水平的。挤出教育，我们发现资源在村居层面和家庭层面同时挤出了教育，表现为村居层面资源挤出了政府教育投入的29.2%，由于资源收入的易得性，有资源地区的人们忽略了教育的重要性，家长不重视孩子的教育；挤出创新，与挤出教育类似，由于依赖资源，资源开采不需要太多的技术和创新，有资源的地区技术创新能力往往更低，从事技术创新的人数每十万人中减少1.05人；降低政府质量，以往的研究认为教育、创新等只是经济发展的结果，而好的政府制度才是经济发展的动力。我们的研究发现资源使得政府公共投资和生产性投资占政府支出减少15.8%，而受到不公正执法遭遇的比例则增加7.1%。
进一步的研究发现资源对城市的挤出效应大于农村。使用城乡虚拟变量和是否拥有资源虚拟变量进行交乘的方法，我们发现最资源对城市居民收入的挤出效应是农村的2.5倍，说明资源诅咒效应更多的体现在经济发展到更高阶段之后。
自然资源本来是一地经济发展的“祝福”，最终由于不合理的开发和使用变成了经济发展的“诅咒”，因此克服“资源诅咒”效应，使“资源诅咒”变成“资源红利”对我国大多地区具有深远意义。根据实证的三个资源诅咒的传导机制，本文提供的政策建议如下：首先，地方政府是中央政府代理人的身份使得其成为制度执行的“第一行动集团”，地方政府是更为具体的地方秩序的维护者，在投资、转移支付、税收等方面具有重要作用，因此地方政府更应该以身作则，创建公开透明公正的环境，避免对资源租金的寻租行为，充分发挥地方对资源收益分配的积极作用；其次，抽取资源租金加大教育基础设施的投资和人才引进。正如我们看到，资源丰富的地区更应该加大教育方面的投入力度，因为资源丰富的地区更容易导致企业家才能和人力资本错配到非生产性的寻租活动中；最后，政府应该加强对科技创新的投入和扶持，完善服务体系，引导资金进入高新技术发展领域，对技术改进的企业和个人进行奖励，提升科技创新在经济发展中所占的比重。
（编辑：于杰）
参考文献（References）
[1]AUTY R. Sustaining development in mineral economies[M]. America： Routledge，1993.
[2]SACHS J D， WARNER A M. Economic convergence and economic policies [J]. Case network studies & analyses， 1995，65（4）：900-913.
[3]BRUNNSCHWEILER C N. Cursing the blessings？ natural resource abundance， institutions， and economic growth[J]. World development， 2008，36（3）：399-419.
[4]徐康宁， 邵军. 自然禀赋与经济增长：对“资源诅咒”命题的再检验[J]. 世界经济， 2006（11）：38-47. [XU Kangning， SHAO Jun. Natural resources abundance and economic growth： a reexamination of the ‘Resource Curse hypothesis[J]. The journal of world economy， 2006（11）：38-47.]
[5]邵帅， 齐中英. 西部地区的能源开发与经济增长——基于“资源诅咒”假说的实证分析[J]. 经济研究， 2008（4）：147-160. [SHAO Shuai， QI Zhongying. Energy development and economic growth in Western China： an empirical analysis based on the resource curse hypothesis [J]. Economic research journal，2008（4）：147-160.]
[6]栾贵勤， 孙成龙. “资源诅咒”对资源匮乏地区的影响及作用机制——以山西为例[J]. 经济问题， 2010（9）：123-126. [LUAN Guiqin， SUN Chenglong.‘Resource curse effect on the resourcepoor region and its mechanism：take the example of Shanxi[J]. On economic problems， 2010（9）：123-126.]
[7]DAVIS G A. Learning to love the dutch disease： evidence from the mineral economies[J]. World development， 1995，23（10）：1765-1779.
[8]LEDERMAN D， MALONEY W F， DUNNING T， et al. In search of the missing resource curse with comments[J]. Economía， 2008，9（1）：1-57.
[9]丁菊紅， 邓可斌. 政府干预、自然资源与经济增长：基于中国地区层面的研究[J]. 中国工业经济， 2007（7）：56-64. [DING Juhong， DENG Kebin. Government intervene， natural resource and economy development： based on regional panel data study of China[J]. China industrial economics，2007（7）： 56 -64.]
[10]郑义， 秦炳涛. 政治制度、资源禀赋与经济增长——来自全球85个主要国家的经验[J]. 世界经济研究， 2016（4）：66-77. [ZHENG Yi， QIN Bingtao. Political institutions， resource endowment and economic growth[J]. World economy study， 2016（4）：66-77.]
[11]汪戎， 朱翠萍. 资源与增长间关系的制度质量思考[J]. 清华大学学报（哲学社会科学版）， 2008（1）：152-158.[WANG Rong， ZHU Cuiping. Reflections of institutional quality related between resources and growth[J]. Journal of Tsinghua University（philosophy and social sciences）， 2008（1）：152-158.]
[12]郑长德. 自然资源的“诅咒”与西部地区的经济发展[J]. 西南民族大学学报（自然科学版）， 2006，32（6）：1248-1256. [ZHENG Changde. On the curse of natural resources and economic development in the west of China[J]. Journal of Southwest University for Nationalities（natural science edition）， 2006，32（6）：1248-1256.]
[13]邵帅， 杨莉莉. 自然资源丰裕、资源产业依赖与中国区域经济增长[J]. 管理世界， 2010（9）：26-44. [SHAO Shuai， YANG Lili. Abundant natural resources， reliance on resource industries and regional economic growth in China[J]. Management world， 2010（9）：26-44.]
[14]XIE Y， HU J W. An introduction to the China Family Panel Studies（CFPS）[J]. Chinese sociological review，2014，47（1）：3-29.
[15]AUTY R M. The political economy of resourcedriven growth [J]. European economic review， 2001，45（4）：839-846.
[16]EFRON B. Bootstrap methods： another look at the jackknife[J]. The annals of statistics，1979，7（1）：1-26.
[17]GOW I D， ORMAZABAL G， TAYLOR D J，et al. Correcting for crosssectional and timeseries dependence in accounting research[J]. Accounting review， 2010，85（2）：483-512.
[18]PETERSEN M A. Estimating standard errors in finance panel data sets： comparing approaches[J]. NBER working papers， 2005，22（1）：435-480.
[19]ROSENBAUM R P， RUBIN D B， et al. The central role of the propoensity score in observational studies for causal effects[J]. Biometrika， 1983，70（1）：41-55.
[20]ABADIE A， IMBENS G W， DRUKKER D M， et al. Implementing matching estimators for average treatment effects in STATA[J]. Stata journal， 2004，4（3）：290-311.
[21]GYLFASON T. Exports， inflation and growth[J]. World development， 1999，27（6）：1031-1057.
[22]KURTZ M J， BROOKS S M. Conditioning the ‘Resource Curse： globalization， human capital， and growth in oilrich nations[J]. Comparative political studies， 2011，44（6）：747-770.
[23]ACEMOGLU D， JOHNSON S， ROBINSON J A， et al. An African success story： Botswana[J]. CEPR discussion papers， 2002（4）：561-562.
[24]MICHAELS G. The long term consequences of resourcebased specialisation [J]. The economic journal， 2011，121（551）：31-57.
[25]張其春，郗永勤.城市废弃物资源化共生网络脆弱性影响机制——基于SCP与CAS融合的分析视角[J].北京理工大学学报（社会科学版），2017，19（2）：9-19.[ZHANG Qichun，XI Yongqin. Vulnerability impact mechanism of symbiosis network for municipal waste recycling：based on the fusion framework of SCP and CAS[J]. Journal of Beijing Institute of Technology（social sciences edition），2017，19（2）：9-19.]
[26]何音，蔡满堂.京津冀地区经济增长与资源环境的脱钩关系[J].北京理工大学学报（社会科学版），2016，18（5）：33-41.[HE Yin， CAI Mantang.Decoupling relationship between economic growth and resource environment in BeijingTianjinHebei region[J]. Journal of Beijing Institute of Technology（social sciences edition），2016，18（5）：33-41.]
[27]DU X W. Energy revolution： for a sustainable future[J]. Chinese journal of population， resources and environment， 2015， 13（2）：115-118.
[28]SUN R， KUANG D， CHANG D Q. Effect analysis of carbon trading on EconomyEnergyEnvironment system and calculation of reasonable carbon price intervals[J]. Chinese journal of population， resources and environment， 2015，13（2）：146-154.
[29]KRUEGER A O. The political economy of the rentseeking society[J]. American economic review， 1974，64（3）：291-303.
[30]TORVIK R. Natural resources， rent seeking and welfare[J]. Journal of development economics， 2002，67（2）：455-470.
[31]ROBINSON J A， TORVIK R， VERDIER T， et al. Political foundations of the resource curse [J]. Journal of development economics， 2006，79（2）：447-468.
[32]SONIN K. Why the rich may favor poor protection of property rights [J]. Social science electronic publishing， 2003，31（4）：715-731.
[33]ATKINSON G， HAMILTON K. Savings， growth and the resource curse hypothesis[J]. World development， 2003，31（11）：1793-1807.
[34]殷尹， 梁梁. 区域技术创新能力短期评估[J]. 中国软科学， 2001（1）：71-74. [YIN Yin， LIANG Liang. The measurement of the capability of regional technical innovation system[J]. China soft science， 2001（1）：71-74.]
[35]乐云， 张兵， 关贤军， 等. 基于SNA视角的政府投资项目合谋关系研究[J]. 公共管理学报， 2013（3）：29-40. [LE Yun， ZHANG Bing， GUAN Xianjun， et al. Collusion study of public investment projects based on SNA[J]. Journal of public management， 2013（3）：29-40.]
