1. 数据来源#

2. 样本范围#

这篇文章必须区分不同数据和样本。表 3 前四列使用经济普查，覆盖所有制造业企业；第 5、6 列使用 ASIF，主要反映规模以上企业。村级 DD、县级 DD、BD-DD 和溢出效应模型的样本范围也并不相同。

1. 基准村级 DD#

作者以村庄作为基准分析单位，因为村庄是数据中最细的地理单元，并且小于一个 SEZ。基准模型为：

其中：

这里的 $\gamma$ 就是 SEZ 对目标村庄的平均处理效应。

2. 县级 DD#

县级 DD 用于检验结果是否依赖于村级单位。县级估计通常小于村级估计，因为一个 SEZ 县中包含大量非 SEZ 村庄，县级汇总会稀释直接处理区效应。

如果不存在溢出效应，县级 DD 大致可以理解为村级效应按照 SEZ 村庄在县内经济份额加权后的结果。

3. 平行趋势检验#

作者使用 ASIF 数据做处理前趋势检验。村级层面只能使用 2004—2008 年，因为 2004 年后才有可定位到村庄的 12 位区划代码；县级层面可以使用 1998—2008 年。

处理方式类似事件研究法，将 $D_v\times Pos{t}_t$ 替换为 $D_v\times {\lambda }_t$，观察政策前不同年份的系数是否显著。结果显示，政策前 SEZ 和非 SEZ 地区没有明显差异趋势，政策实施后系数开始变大并显著。

4. BD-DD：边界不连续与双重差分结合#

为了缓解 SEZ 非随机选址问题，作者进一步构造边界双重差分：

其中，$a$ 表示经济区 $z$ 边界 1000 米范围内的局部区域。该方法比较经济区边界内外地区在政策前后的变化。边界附近地区地理条件更接近，区别主要在于是否享受 SEZ 政策。

由于作者没有精确的 GIS 边界，只能使用企业坐标间接判断边界 1000 米范围。如果某个区外企业 1000 米内存在区内企业，或区内企业 1000 米内存在区外企业，就被认为位于边界附近。

5. 溢出效应模型：类 DDD + DD#

普通 DD 假定对照组不受政策影响，但 SEZ 可能影响周边非 SEZ 村庄。作者因此使用扩展模型：

其中：

所以：

这个模型可以理解为“DDD 结构 + DD 分解”：

如果 $\sigma >0$，说明非 SEZ 村庄也被带动，基准 DD 可能低估 SEZ 总效应；如果 $\sigma <0$，说明 SEZ 对周边地区存在虹吸，基准 DD 可能高估政策效应。

6. 同心圆分析#

作者还按距离构造 0—2 公里、2—4 公里、一直到 18—20 公里的同心圆，检验非 SEZ 村庄是否随着距离 SEZ 越近而受到越强影响：

其中，${\sigma }_n$ 衡量第 $n$ 个距离圈层的溢出效应。

1. 基准 DD 结果#

表 3 的村级 DD 结果显示，控制基准特征后，SEZ 对各结果变量均有显著正向影响：

县级 DD 结果同样为正，但系数更小。这是因为县级数据把 SEZ 村庄和同县非 SEZ 村庄合并，直接政策效应被稀释。

2. 有效性检验#

3. 溢出效应结果#

表 6 显示，就业、产出和企业数量存在小幅正向溢出，资本、TFP 和工资的溢出不显著。正向溢出意味着非 SEZ 村庄也有所受益，因此基准 DD 如果存在偏误，更可能是轻微向下偏误，而不是高估。

这说明 SEZ 的增长不是简单依靠从周边地区吸走企业、就业和产出。至少在短期内，作者没有发现明显的“以邻为壑”效应。

1. TFP 与工资的分解#

村庄总体 TFP 被定义为企业 TFP 的就业加权平均：

其中，${\phi }_{it}$ 是企业 $i$ 的就业份额，$tf{p}_{it}$ 是企业 $i$ 的 TFP。

总体 TFP 变化可以分解为四部分：

工资率也可以类似分解为企业工资的就业加权平均变化。

2. 资本、就业、产出的分解#

资本、就业和产出是总量变量，可以直接拆分为：

其中：

3. 分解结果#

表 7 显示：

因此，本文最重要的机制结论是：

SEZ 的主要作用不是显著改善既有企业，而是通过吸引新企业进入、促使企业退出和改变企业结构来推动目标地区增长。也就是说，扩展边际比集约边际更重要。

这也解释了题目中的 “Creation”。作者认为 SEZ 更像是在目标地区创造新的企业活动，而不是简单让原有企业扩张。

不过，作者也提醒，企业出生不一定完全等于全国层面的新增企业。有些投资者可能本来就打算设立企业，只是因为 SEZ 政策改变了新企业选址。因此，扩展边际中可能包含部分重新选址成分。但结合溢出效应分析，作者认为明显负向转移的证据并不强。

1. 企业利润和工资总额效应#

表 8 显示：

作者据此构造反事实：

项目收益为实际值与反事实值之差。

2. 收益、成本和净收益#

这个成本—收益分析是 back-of-the-envelope，即粗略估算。它直观说明，在短期内 SEZ 的收益大于税收优惠成本。不过，这并不是完整的社会福利分析，因为它没有充分纳入环境成本、土地征收成本、财政机会成本、长期低效投资风险等。

1. 短期效应为主#

本文主要研究 SEZ 设立后两年的效果。短期内资本、就业、产出和企业数量增加，并不必然意味着长期效率持续提高。长期可能存在土地浪费、低效投资、财政负担、环境成本等问题。

2. SEZ 不是随机设立#

作者通过基准特征控制、平行趋势检验、BD-DD 和溢出分析尽力缓解选址偏误，但 SEZ 设立本身仍然不是完全随机。尤其是经济区可能与地方政府能力、招商能力和制度环境高度相关。

3. 边界识别存在测量误差#

由于没有精确的村级 GIS 边界，BD-DD 只能通过企业坐标和边界内外企业的邻近关系间接构造边界样本。这可能导致边界附近企业识别误差，而且该样本可能偏向企业密度较高的地区。

4. 扩展边际不一定完全等于净创造#

虽然作者发现进入退出贡献更大，且负向溢出有限，但新企业进入可能包含部分重新选址或原本会在其他地区成立的企业。因此，“creation” 应理解为目标地区层面的新活动增加，而不是完全意义上的全国新增企业。

5. 成本—收益分析较粗略#

成本—收益分析主要考虑工资、利润和税收优惠，忽略或弱化了土地、环境、财政机会成本和长期空间配置效率等问题。因此，净收益为正的结论更适合理解为短期、局部、粗略估算。