政府激励的扭曲效应：来自中国“死亡指标”制度的证据

摘要：我们研究了一项 2004 年设立的、旨在促使中国官僚减少事故死亡人数的制度。每个省份都会收到一组“死亡指标”，一旦超过，相关政府官员的晋升就会受阻。对每一类事故死亡，我们都在指标附近观察到报告死亡人数的急剧不连续，说明存在操纵。对市级官员设有安全激励的省份，事故死亡下降得更多，说明不同层级政府之间的激励具有互补性。已实现的事故死亡能够预测下一年的指标，但我们没有发现省份为避免“棘轮效应”而向上操纵死亡人数的证据。

2004 年 1 月 9 日，国务院发布《关于进一步加强安全生产工作的决定》，除重申安全生产的重要性外，明确提出到 2020 年中国安全状况应可与其它中等收入国家相比，并要求自 2004 年起在国家和地方两级设定安全指标。

作为回应，国务院安全生产委员会发布《关于建立死亡指标制度的意见》，给出全国事故死亡人数下降 2.5% 的具体目标。安委会与当时的国家安全生产监督管理局合作，为各省设定了覆盖多个行业的上限：农业、化工、煤矿、建筑、烟花爆竹、铁路，以及工矿商贸。此外还按事故严重程度设定上限，包括重大事故（死亡 3 人及以上）与特别重大事故（死亡 10 人及以上）。最后两类同时包含工伤与非工伤——道路交通与火灾——也被下达了指标。我们推测它们被纳入的原因是它们比中毒、坠落等致死原因更受公众关注，而后者在事故死亡中占比很高。此外还有一个涵盖所有类别与行业的死亡总量指标。

时任安监局局长王显政称，该措施是对此前数月重特大事故（且被广泛报道）令人担忧的增加所做的回应。各省被要求自行制定把事故死亡降到指标以下的方案；2004 年的指令给了各省相当大的裁量权。

自 2004 年第二季度起，安监局按季度收集各地上报的死亡人数与死亡指标，并在《人民日报》上公布。这套制度此后在名义上延续，但数据自 2012 年之后不再公开发布。安监局曾表示，由于 2005 年和 2012 年前两个季度的数字未公布，无法向我们提供；我们无法从其回复中判断他们是没有这些信息，还是有但不肯分享。2012 年第三季度，安监局没有从各省收集事故死亡信息，原因是中国共产党第十八次全国代表大会。

这套制度从一开始就充满争议，人们普遍认为上报数字遭到操纵。《南方周末》2007 年的一篇深度报道描述了一种常见（但代价高昂）的操纵交通事故死亡的手段：如果一个人在交通事故中受重伤，只有当他在七天内死亡时，才会被归类为道路交通事故（并计入道路指标）；如果死亡发生在事故发生八天或更久之后，就会被归类为自然死亡。这就产生了让事故伤者至少活过一周的激励——尤其在接近年末指标时。

2007 年 10 月 9 日，安监总局发布《关于事故认定问题的说明》，其发布本身即证明死亡分类中不可避免地存在自由裁量。该说明指出，无证企业发生的事故死亡应被认定为工伤死亡。但有研究者指出，该说明没有法律效力，它描述的各种分类自由度在其发布后很可能继续存在。

死亡人数也被认为因地方政府瞒报而偏低，用中国的一句俗话来形容就是“村骗乡，乡骗县，一直骗到国务院”。

我们手工采集了 2005 至 2012 年《人民日报》上各省按类别公布的季度死亡人数与对应的死亡指标。

仅从表面看，这些改革是巨大的成功：2005 至 2012 年间，所有类别的事故死亡下降了约 45%，年均降幅接近 8%。道路交通死亡占“总量”类别中死亡的近 80%——由于道路与火灾是“总量”中仅有的非工伤类别，这一比例与其它国家的可比数字一致。

表 1 给出了各省各类别年末死亡数与“死亡数／指标”比值的分布。全部类别合计的年末死亡数平均每省 2,960 人（最高 11,298 人），比值均值 0.94、最高 1.37；道路交通死亡平均 2,280 人（最高 9,959 人），比值最高 1.47；煤矿平均 125 人，比值均值 0.82；工矿商贸平均 391 人，比值最高 1.38；重大事故的比值均值 0.97，是最贴近 1 的一类。

但把数字换算成人均口径，就会发现瞒报很可能从制度实施的最初几年就已严重存在。2005 年报告的道路交通死亡为 98,738 人，约合每 10 万人 7.6 人，约为美国当年交通事故死亡率的一半。把所有工伤死亡类别加总，官方数字意味着 2005 年中国的工伤死亡率为每 10 万人 1.8 人，与美国几乎完全相同。考虑到两国发展水平差异巨大，这同样暗示着大规模的瞒报。《柳叶刀》2011 年的一篇文章认为，交通事故死亡数字失真的问题恰恰自 2004 年起加剧。

但深入数据后我们发现，死亡统计的操纵很可能在下降中扮演了重要角色。我们对每个类别年末“死亡数／指标”比值分布应用 McCrary 断点检验——该检验原本用于断点回归研究，判断“游走变量”在阈值附近的分布是否平滑，这里用来检查比值是否在 1 的两侧被非随机地“排序”。结果是在 1 附近发现了清晰的密度函数不连续。以全省合计事故死亡为例，断点两侧密度估计的差为 -2.72，差异的 z 统计量为 -4.23（p < 0.001）。所有其它类别都存在统计上显著的不连续。值得注意的是，重大事故（一次死亡 3 人及以上）与火灾的不连续最小——它们可能更难被重新归类或隐瞒。

与此相对，前三季度累计死亡与指标的比值分布是“平滑”的，不存在断点。也就是说，事故死亡分布上的不连续只出现在每年的最后一个季度。

我们的主要贡献在于表明：即使在事前人们会认为操纵结果指标很困难、甚至不可能的条件下，操纵依然广泛存在。而这自然引发了对在官僚体系中日益广泛地应用激励的担忧。需要指出的是，我们关注的这个结果——事故死亡——可能比许多其它社会关注的结果更不容易被操纵。

论文把这一现象放进更长的争论脉络：Young（2003）曾论证中国二十世纪最后二十年超常的 GDP 增长是报告失真的结果（该判断受到 Chow（2006）与 Holz（2014）的强烈质疑）。同类操纵在别处也被记录：Duflo 等（2013）研究印度古吉拉特邦第三方审计机构对工厂污染数据的操纵，Dee 等（2011）研究纽约市教师是否修改学生的 Regents 考试成绩。

我们还考察了各省“安全生产一票否决”制度的影响。2005 年起，一些省份开始将本省的死亡指标分解到市级，并将地方官员的晋升与其是否完成本地指标挂钩（No safety, no promotion）；需要注意的是，一票否决由省级官员设定，用来考核地方官员。广东是 2005 年第一个采用该政策的省份。截至 2015 年 6 月，31 个省级行政区中有 20 个采用了该制度，其中 15 个是在 2005 至 2012 年间通过的。

结果显示，一票否决使得超过年末指标的概率下降约 10 个百分点。考虑到未实行该制度的省份—年份样本中超标概率均值为 0.19，这意味着超标的可能性相对下降了约 50%（系数 -0.098，p = 0.09）。而在总量与道路交通这两个高死亡类别中，实行一票否决的省份—年份里没有一例超标。

如果指标附近的断点源于操纵，一个自然的问题是：为什么官员不把数字压得更低？一种解释是操纵成本高昂，且可能随操纵幅度递增；过于可疑的低值也会引来更高概率的审计。另一种解释是担心“棘轮效应”——今年超得太多，明年的指标会更严。论文同时指出，如果操纵没有任何成本，各省就永远不会超过指标；但我们没有找到任何关于操纵的政府调查记录，只有若干不具约束力的指导性文件。

数据支持棘轮效应确实存在：上一年的实际死亡数极强地预测了下一年的指标，即使控制了上一年指标后依然如此。

但我们没有发现官员为争取更宽松的指标而向上操纵死亡数的证据。以唯一能获得 2004 年之前数据的工矿商贸类别为例，比较前后两期的死亡增长率分布，两条累积分布曲线在下四分位几乎完全重合——如果存在向上操纵，2004 年后的分布应在低增速区间右移。分布明显分岔的位置出现在约 25 百分位、增长率接近 -10% 处，这正是死亡指标被设定在接近上年实际值、指标约束开始起作用的自然结果。

我们无法排除死亡指标也带来了真实的安全改善。指标附近的高度聚集，既可能来自高死亡率结果的真实下降（伴随为了确保最终数字低于指标而进行的操纵），也可能来自一个纯粹的操纵故事加上“刚好低于指标时审计概率更高”。在缺乏可靠的行业产出或安全支出数据的情况下，这些替代解释无法被完全排除。

更根本的限制是：我们很难评估该激励计划对安全本身（而非对操纵）是否产生了真实影响，因此无法对该制度的福利效应做一般性评估；也无法断言它在设计上是否次优——那需要一场完整的成本收益评估。

最后需要指出的是，从实施者的角度看，这个死亡指标制度是否“失败”并不清楚，因为这取决于对国务院目标函数的假设。中国中央政府合理地被假定为关注异议的最小化。如果这一点是通过让各类事故死亡逐年报告下降来实现的——无论地上的实情如何——那么通过操纵达成的“绩效改善”，或许是一个完全可以接受的结果。

更详细的数据或不同的情境，或许能让我们更精细地区分操纵与努力；而更重要的是，我们或许可以通过激励的选择，更好地理解政府自身的运作与目标。

https://www.nber.org/papers/w23098