竞标企业:美国补贴竞争 — 深度阅读笔记 — Slattery

文献信息

  • 标题: Bidding for Firms: Subsidy Competition in the U.S.
  • 作者: Cailin Slattery (Berkeley)
  • 年份: 2025
  • 来源: Journal of Political Economy
  • DOI: 10.1086/735509


引言(背景和意义)

领域基础知识
地方政府为吸引企业入驻而提供补贴和税收优惠,是公共经济学与城市经济学的经典研究议题。理论上,企业区位决策影响就业、税收和正外部性(溢出效应),因此不同地方政府对同一企业的"估值"可能存在差异。若补贴竞争能将企业引导到创造更大社会价值的地点,则竞争具有分配效率;反之则只是政府间的零和博弈,将租金从政府转移给企业。

研究背景
美国各州通过提供可自由裁量的税收减免与补贴(discretionary subsidies)来争夺大型企业的选址。2017年,各州仅对20家企业就承诺了超过60亿美元的税收激励,占其经济发展预算的三分之一。最著名的案例包括1976年大众汽车选址宾夕法尼亚(获1亿美元补贴)、2017年Foxconn落户威斯康星(补贴近50亿美元),以及2018年亚马逊HQ2的全国竞标热潮。尽管如此,由于地方政府补贴透明度低、数据收集困难,学界对补贴竞争的运作机制及其福利效应所知甚少。

作者的问题意识
作者提出两个核心问题:(1)各州是如何决定其补贴出价的?(2)这些补贴是否真正影响了企业的区位选择?如果补贴仅仅是政府把钱送给企业,而不改变其选址决策,则补贴是纯粹的财政转移;若补贴能改变企业区位,使其落户社会价值更高的地方,则竞争具有效率提升效果。

研究意义
该研究填补了补贴竞争实证文献的重大空白——既有研究要么聚焦于某一税收激励项目的效果,要么缺乏可识别竞争过程的数据。本文不仅构建了首个涵盖2002-2017年全美大型补贴协议的手工数据集,还建立并估计了一个可回答福利问题的结构性拍卖模型,为讨论"补贴竞争是否应被禁止"这一政策争论提供了坚实的实证基础。


内容及结构(论文结构)

本文共7部分:

  1. 引言:提出问题,概述主要发现(补贴竞争只将福利提升约4%,且几乎所有收益均归企业)。
  2. 制度背景与数据:介绍美国补贴竞争的历史与"选址咨询"行业,详细说明两类数据集——州级激励支出数据和企业级补贴协议数据。
  3. 降维证据(Reduced-Form Evidence):展示描述性统计和初步回归结果,揭示补贴规模的决定因素。
  4. 模型:构建私有价值英式拍卖(English scoring auction)模型,联合刻画政府出价行为和企业区位选择。
  5. 估计:利用拍卖理论识别政府对企业的估值分布和企业对区位特征的偏好,使用订单统计量方法恢复分布。
  6. 反事实分析(Counterfactual):模拟"禁止补贴"政策下的企业区位变化和总福利变化,分析福利在政府与企业间的分配。
  7. 结论:总结发现,讨论政治扭曲、分配效应及未来研究方向。

正文(逻辑梳理)

背景

美国补贴竞争已持续40余年,各州通过税收抵免、低息贷款、基础设施投入、培训补贴等多种工具组合向企业提供"一揽子"激励方案。平均来看,企业承诺创造约1400个就业岗位,获得约1.5亿美元(10年期)的补贴,折合每个就业岗位每年约10700美元。但仅靠承诺就业数量只能解释约10%的补贴差异,说明区位特征和政府估值扮演着重要角色。

挑战

研究面临两大障碍:

  • 数据缺失:各州对补贴协议的透明度极低,现有研究大多只关注单一税收项目,缺乏完整的跨州、跨企业比较数据。
  • 内生性问题:观测到的补贴是区位决策、政府出价意愿和各地竞争的均衡结果,无法直接从中识别政府估值和企业偏好。

方法

模型:私有价值英式计分拍卖(Private Value English Scoring Auction)

核心思路:企业选择"总收益"(利润+补贴)最高的州;各州在开放式递增拍卖中竞争,出价直到达到其对企业的私有估值为止。这等价于二价拍卖——赢家只需支付亚军报价,即赢家出价等于其估值减去亚军所能给企业提供的最高收益。

识别策略

  • 要识别政府估值,需要知道"企业对区位特征的偏好"(评分规则)。
  • 利用赢家在竞争中的出价等于"其在本地的利润"与"亚军位置利润加亚军补贴"之差,通过观测赢家补贴和两地特征差异来识别企业偏好。
  • 直觉示例:若两笔同等规模的制造业补贴协议,区位特征相同但一个在右工作制(right-to-work)州、一个不是,则两者补贴差额即反映企业对这一制度特征的估值。
  • 在估计企业偏好后,利用订单统计量恢复政府估值的完整分布(Athey & Haile, 2002方法)。

数据

  • 州级激励支出数据:通过阅读各州预算文件和税收支出报告收集。
  • 企业级补贴协议数据:来源于政策组织Good Jobs First、《Site Selection》年度"顶级交易"报告、新闻稿和新闻报道,手工整理2002-2017年超过5百万美元且存在跨地竞争的交易,最终样本为387笔企业级协议。每笔协议包含:企业、获选位置、补贴规模、承诺就业数、行业、亚军位置。

结果

主要结果:福利分析

  • 补贴竞争使总福利提升约4.3%(相对于禁止补贴的反事实)。
  • 但这一增量几乎全部被企业捕获:企业收益增加40%,而州政府收益下降58%。
  • 总补贴支出超过400亿美元,而州级估值增量仅约130亿美元——竞争将大量租金从政府转移至企业。

企业区位效应

  • 若无补贴,约52%的企业会选择不同的州。
  • 中西部和南部各州在禁补贴反事实中损失大量已通过补贴吸引来的企业,而纽约、加州、德克萨斯、弗吉尼亚等州在无补贴情景下依然保持或净增企业数。

政府估值的决定因素

  • 人均收入较低、失业率较高的州对企业估值更高——反映了经济落后地区对就业岗位的迫切需求。
  • 政治因素也扭曲了估值:面临连任压力(non-term-limited)的州长对制造业企业的出价意愿高出约2000-4000万美元,说明政府估值并非完全反映选民利益。

稳健性与附加考量

  • 若将选址咨询费(补贴的5-10%)纳入成本,总福利增量从4.3%降至1.2-2.8%。
  • 若政府仅高估其估值8%,福利增益即消失——提示政府乐观偏差的潜在危险。
  • 替代模型(假设赢家出价接近其估值)同样发现约2.6%的福利增益,结论稳健。

结论(Conclusion)

本文的核心发现是:美国州际补贴竞争对总体福利的提升极为有限(约4%),且几乎所有收益均被企业套走,各州作为整体在补贴竞争中是净亏损者。尽管如此,单边停止补贴难以实现,因为个别州仍有激励继续参与竞争(类似于囚徒困境)。

对领域的贡献

  1. 首个覆盖全美大型补贴协议、包含亚军位置信息的手工数据集;
  2. 将结构性拍卖方法引入补贴竞争研究,提供了识别政府目标函数的新路径;
  3. 为"补贴竞争是否应被禁止"的政策讨论提供了实证量化依据。

政策含义
补贴竞争作为缩小地理经济差距的"基于地点的政策"(place-based policy)工具,其潜力极为有限。经济落后地区固然对企业估值更高,但它们往往在补贴竞争中无力负担足够大的补贴而输掉竞争。


未来研究方向(Future work)

论文中明确提及的方向

  1. 比较对少数大企业的可自由裁量补贴与面向广大企业的普惠性激励项目(如降税、小企业激励)之间的权衡;
  2. 研究企业专属税收优惠对产品市场竞争的影响(潜在反竞争效应);
  3. 深入研究补贴获批后就业岗位的分配效应——谁被雇用、当地价格如何变化;
  4. 政治扭曲与政府估值偏差的进一步研究(已有Kim 2023; Slattery 2024部分开展)。

从论文引申的研究方向

  1. 将动态因素引入模型:赢得一笔交易如何影响该地区未来的竞争力(集聚效应的时间维度);
  2. 补贴竞争与联邦政府转移支付的交互效应——联邦补贴(如IRA中的清洁能源补贴)是否改变了州际竞争的格局;
  3. 利用自然实验(如某州政治变革或财政危机)识别补贴竞争的因果效应;
  4. 跨国比较研究:欧盟对国家补贴的严格规制与美国放任竞争模式的福利比较。

学术思考

  1. 私有价值假设的合理性:模型假设各州能准确预知企业将在本地创造的价值(私有价值、无赢家诅咒)。但实证上政府常常高估企业溢出效应(作者自己也指出若高估8%福利增益即消失)。如何在模型中引入共同价值成分并做识别,是重要的方法论挑战。

  2. 短名单形成机制(shortlisting)的内生性:模型假设企业先确定短名单再由各州竞争,但企业可能策略性地邀请"低利润高估值"的州入列以抬高竞争激烈度。这一策略行为如何影响估计结果和福利分析?

  3. 政治扭曲的识别:连任压力与出价意愿的相关性并非无偏估计——面临连任压力的州长可能在其他多个维度上也不同于任期受限的州长,如何干净地识别政治因素对估值的影响?

  4. 空间溢出与一般均衡:本文采用局部均衡分析,未考虑企业选址对周边地区的一般均衡效应(如劳动力市场、供应链)。若将集聚效应纳入,福利分析结论是否会有根本性变化?

  5. 样本代表性:387笔协议均为超过500万美元的大型交易,且必须有竞争存在。这一高度选择性样本是否限制了结论的外部有效性——对于中小企业补贴,政府行为和企业反应是否截然不同?


下一步用户可能提的问题

  1. 英式拍卖模型是如何具体识别政府估值分布的?订单统计量(order statistic)方法的直觉是什么?
  2. 反事实分析"禁止补贴"是如何模拟的?假设了哪些关键条件?
  3. 为什么中西部和南部州在无补贴情景下损失最多企业?这和它们的基本面特征有何关系?
  4. 政治因素(连任压力)是如何进入模型估计的?结论对此假设有多敏感?
  5. 本文的福利分析框架与Suárez Serrato & Zidar(2016)等税收福利分析文献有何异同?
  6. Good Jobs First数据库和Site Selection数据存在哪些已知的测量误差或选择性偏差?
  7. 如果联邦政府(如通过《通货膨胀削减法案》IRA)大幅介入补贴,会如何改变州际补贴竞争的均衡?

Thanks for sponsoring. 谢谢老板! 老板大气!身体健康!

欢迎关注我的其它发布渠道