2008年7月3日至4日，第十届CCER- NBER“中国与世界经济”年会在北京大学中国经济研究中心万众楼举行。来自NBER、CCER以及清华大学等机构的学者围绕有关中国与世界经济的议题互相交流并进行讨论。本期简报将主要介绍年会第二场“犯罪与经济”研讨内容。本场有三位报告人发言，分别是芝加哥大学Jens Ludwig教授，清华大学迟巍博士，世界银行徐高博士。
Jens Ludwig：犯罪经济学
Ludwig教授的报告主要涉及以下内容：收益-成本分析在制定犯罪政策中的作用、对监禁政策的分析、以及其他惩罚罪犯的措施。在政府行政资源的有限性和保障公民基本自由的双重限制条件约束下，最大程度降低犯罪给社会带来的损失，这是美国打击犯罪的目标。打击犯罪的收益-成本分析根源于Gary Becker 1968年的文章《Crime and Punishment: An Economic Approach》。Becker认为最优犯罪数量并非为零，而是应该通过收益-成本分析，使预防与打击犯罪的边际成本等于由此引致的犯罪的减少所产生的社会边际收益。因此我们需要衡量减少犯罪所带来的收益，也即衡量犯罪的社会成本。
衡量犯罪的社会成本是一大难题。犯罪数量数据并不足以支撑收益-成本分析，我们需要以一致的度量单位（如美元、人民币），衡量犯罪带来的经济社会损失。在这些损失中，有形损失较容易用货币数量衡量，但是这些数据还远远不够，因为无形损失在犯罪的社会总损失中占据重要份额。
衡量无形损失可以从两个不同的角度入手。通过度量公众为了减少未来犯罪风险所意愿支付的费用（willingness to pay，WTP) ，可以从事前角度衡量无形损失。另外也可以从事后的角度衡量无形损失，此时需要加总犯罪受害者的医疗成本、误工成本和法律成本等等一切直接和间接成本。从事前角度出发，通过人们的市场行为（例如居民意愿花费在住宅安保方面的资金）衡量WTP颇具挑战，之前的类似研究关注于住房市场；也有研究通过直接调查获得人们意愿支付数据。这一颇有争议的方法在环境经济学中使用广泛，最初的努力见于是Cook and Ludwig（2000）和Cohen et al.（2004）的论文。迄今环境经济学中已有一些可行的实践，但在犯罪研究领域中还没有相关应用。
据Ludwig教授估计，犯罪每年带给美国的损失将近2万亿美元之巨，犯罪行为主要集中于暴力犯罪和经济犯罪，且对低收入和少数族裔影响更大。这些事实预示，即使预防犯罪的举措更为昂贵，也依旧可能在收益-成本分析框架下被证明有所裨益。
监禁是美国当前打击犯罪的主要政策，它在预防犯罪方面主要包括以下三个方面的收益：一般而言，曾犯罪的人比普通人有更强烈的犯罪倾向，通过监禁，可以避免他们进入社会继续犯罪；监禁作为对犯罪的严重惩罚可以威慑潜在的犯罪者，减少犯罪发生；在监禁过程中改造犯罪者的思想，减少其出狱后犯罪的几率。但是，我们可以预见到，随着监禁人数的增加，这一政策的边际收益将呈现递减趋势。
当前，美国监禁政策是否超过最优程度呢？自1980年以来，美国监狱中服刑人数加速增加，截至2006年已接近240万。美国入狱服刑人员占总人口比重也远远高于其他国家，几乎是中国的6.5倍。当然，Ludwig教授也指出，中国之所以能保持这么低的服刑人员比例，原因之一可能是中国的监禁年限比美国更长。
依据Steve Levitt（1996）的研究，二十世纪九十年代初，美国监禁政策的边际成本与其边际收益基本持平，这也许意味着，在那之后服刑人员的大量增加会使这一政策执行过头，越过最优政策点。因此，通过减少在监狱方面的投入，将这些资源用于其他减少犯罪的项目中，或许能够增加预防犯罪的收益。
除监禁外，政府还可以考虑其他惩处犯罪的政策。例如可以通过扩大警察队伍的规模、增加警务支出来减少犯罪发生。当前，美国的警察数目偏低，每口中警察数量只有3.3，依据Donohue and Ludwig（2007），警务支出投入每增加一美元，可以带来4到8美元的预防犯罪收益。虽然当前就如何衡量犯罪带来的社会成本这一问题还存有争议，但是美国近年来正在逐步增加警务支出。Ludwig教授还提到，中国可能也面临和美国同样的机遇——因为中国警察比例更低，每只有1名警察，所以中国增加警务支出所能带来的收益可能比美国更高。
另外，政府需要设法增进警察的执法效率。一方面，警务部门应该更重视影响最大、危害最严重的那些犯罪行为，如Lawrence Sherman（2003）研究的“犯罪热点”现象、Braga等研究的犯罪帮派现象、Ludwig and Cohen（2003）研究的非法携带枪支现象，以及累犯者问题等。另一方面，警察部门要加强数据收集分析工作，为制定干预犯罪的政策提供可靠的依据。
政府可以推行各种社会福利计划，增加犯罪的机会成本，降低犯罪比例。众多的研究表明，学校教育和工作机会的增加均有助于减少犯罪。必要的时候，可以考虑药物干预。虽然大部分人在药物治疗后都重萌故态，但是从成本-收益分析的角度来衡量，这一政策依旧是有利的。
最后，Ludwig教授总结道，Becker提出的犯罪的收益-成本分析有助于我们在众多的预防和减少犯罪的政策中做出选择。虽然由于度量WTP的困难程度以及政策效果错综复杂的因果关系，收益-成本分析颇具难度，但这一方法还是可以协助我们改进当前的预防犯罪和减少犯罪政策。
迟巍：政府官员受贿的个人与环境因素分析
迟巍博士发言的内容基于其与清华大学王一江教授合著的论文：《政府官员受贿的个人与环境因素分析》。受贿是一个古老的世界性现象，它严重危害社会公平正义和经济繁荣发展。现有的大量文献都论证了如下现象：受贿阻碍经济发展，减少投资，增加收入分配的不平等，并且导致地下经济规模扩大。影响一国总体受贿严重程度的因素包括该国人均收入水平、政府雇员工资水平、国际贸易开放程度、新闻舆论监督、政治体制等等。迟巍博士所作研究的切入角度是影响官员受贿的个人因素和环境因素，其中个人因素包括年龄、性别和受教育程度等，环境因素包括官阶高低，所管理的部门权力大小等。迟巍博士希望通过这样的研究，建立官员个人受贿行为理性决策的经济模型，弥补当前针对官员腐败问题的研究集中于国际和行业层面、而缺乏个人因素层面研究这一不足。
此处理论模型的前提假设是，官员做决策时采用成本收益分析方法，最大化其期望效用，基于个人独立的理性决策决定所采取的行为。在迟巍博士的模型中，只有上文所述的个人因素和环境因素影响官员决策。官员受贿金额的最高限度与其职位高低正相关，他如果决定受贿，就能在受贿金额限度内选择接受多少贿赂的。但是，受贿后，该官员有一定概率会受到法律制裁，此时他将失去收受的贿赂以及原来的职位，同时还将受到额外的惩罚。迟巍博士假设这一惩罚与受贿数额以及个人因素正相关，且随着受贿数额增大，边际惩罚力度减小。因此，受贿官员受贿被抓的机会成本可以表示为其职位未来收益的贴现值与其所受惩罚之和。
在迟巍博士的模型中，官员风险中性，其决策过程是：首先依据自身个体因素，选择收受贿赂的数量，以最大化受贿的期望利润（受贿金额减去受贿被抓的期望损失），然后将最大化后的期望受贿利润与不受贿、继续维持原职位所能获得的收益的现值相比较，如果前者大于后者，他将选择收受贿赂。
迟巍博士基于这一理论模型得到如下预测：（1）当其他条件不变时，如果官员自身条件不利于其个人仕途的升迁，则其所面临的受贿机会成本（丢掉官位）更低，因而更有可能受贿。这些不利的个人条件包括:受教育程度更低，年龄更接近于退休期限，其性别不适宜在所工作的部门升职等等。（2）官职越高的官员，所能收受贿赂的最大数量越大。但是，法律惩罚却无法随着受贿金额无限制提高，即法律惩罚函数相对于受贿金额的二阶导数小于零。因此，其他因素不变情况下，官职越高的人，越有可能收受贿赂，且金额越大。（3）由于法律惩罚函数对于受贿金额的一阶导数为正，二阶导数为负，所以若受贿官员的个人特征能降低法律惩罚的边际成本，那么就有空间收受更多贿赂。（4）官员环境因素越好（如官职越高、所管理部门实权越大），那么如果其受贿，则受贿数额也将越大。
迟巍博士通过中国监察部网站（http://www.mos.gov.cn），收集了2003年到2006年间被起诉的130个政府受贿官员的相关数据，并在此基础上构建计量模型对上述模型进行检验。数据内容包括：官员年龄、性别、受教育程度、官职、工作部门、工作的省份城市、以及受贿金额。模型回归的结果表明，职位高低是受贿与否的重要因素，在高层官员中受贿现象更为严重；不同政府部门受贿严重程度不一，交通和金融部门受贿现象较其他部门更普遍；受教育程度越高的官员的受贿倾向相对越低；不同省份（市）的比较中，私营部门规模越大，市场经济越活跃，该省份（市）官员受贿的现象越少。
最后，迟巍博士也提及了当前研究的不足以及未来的研究方向。一方面，当前的研究只检验了理论模型的第三和第四两个假设，未来需要更翔实的数据以便检验其它两个假设；另一方面，数据可能存在样本选择偏差的问题，因为一般公布的受贿案件基本都是大案要案，所以那些数额小、官职低的受贿案件可能没有被纳入样本。
徐高：经济周期核算——中印对比
来自世界银行的徐高博士所作报告基于他与斯德哥尔摩经济学院、CCER访问学者Christer Ljungwall教授合著文章：“Business Cycle Accounting: China vs India”。
中印两国是世界人口最多的两大发展中国家，也是新兴市场国家的代表。近年来，中印经济都取得了巨大发展。中国制造已遍及世界每个角落，印度的外包服务也成为世界经济中不可忽视的组成部分。不仅如此，中印都历经了相似的发展路径，中国通过改革开放，由僵化的计划经济逐步转轨进入社会主义市场经济；印度从僵化的邦政府管理逐步融入开放的世界经济。而在这些相似之处以外，两国经济发展也存在各种不同：中国年均GDP增长率达9.8%，印度只有约3.4%；投资是中国经济发展主要动力，而印度经济发展主要动力是消费的拉动；中国制造业在世界经济中竞争力明显，印度则以服务外包见长等。因此，通过数量化的分析框架，研究比较中印两国经济的异同，无论从理论上还是实践上都有重要的意义。
当前对中国经济周期的研究主要集中于描述性统计和SVAR（结构变量自回归）两个方面。徐高博士采用Mulligan(2002)和Chari, Kehoe and McGratten (2007)建立的经济周期核算方法（Business Cycle Accounting，简称BCA），基于包含有随时间变化波动因素的动态随机一般均衡（DSGE）模型，利用现实数据测量各波动因素随时间变化的值，从而估计各个波动因素对经济波动的影响程度。
Chari等证明，当前宏观经济模型中所引入的各种用以引起经济波动的机制性摩擦，通过一定转换，都可以被归结到BCA方法的原型模型(Prototype Model)中的四种波动因素。这些波动因素分别是: 生产效率波动（Efficiency Wedge），相当于索洛剩余，其均衡值被设定为1，企业生产的融资困难可被转化为此波动；投资波动 (Investment Wedge），取值区间为(0,1]，相当于影响投资实现的随机阻力，信贷市场摩擦等可被转化为此波动；劳动所得波动 (Labor Wedge），取值区间为(0,1]，相当于对劳动收入随机征税，粘性工资、货币政策冲击、工会、反托拉斯法规等都可以被转化到此波动因素；政府支出波动（Government Consumption Wedges），相当于政府支出的随机变化，值得一提的是，开放经济模型中随机波动的国际间借贷可以转化为封闭经济中的政府支出波动。
徐高博士首先利用现实数据，对模型中部分参数进行校准（Calibration)，通过此过程还可以直接得到政府支出波动的均衡值；接着经推导，得到欧拉方程，再结合生产技术、预算约束等约束条件，得到均衡条件；然后对均衡条件对数线性化，利用Blanchard and Kahn(1980)提出的方法解此线性化方程；接下来借助于Kalman滤波得出最大似然函数，随后通过贝叶斯方法，利用长期数据估计上述波动因素的均衡值；最后用Kalman平滑算法估计各种波动的实现值。实际操作中，只使其中一种或几种综合的波动变化，将剩下的那些波动固定住，这样的话，通过模拟可以得到其中某种或某几种综合波动引起的效果。
接下来，徐高博士通过上述方法，利用中国1978-2006年和印度1981-2006年的年度GDP、私人消费、投资和政府支出加净出口数据，得到如下结论：中国产出和消费波动都很大，产出增长持续性强，投资支出增长滞后于产出增长；印度产出和消费波动都较小，产出增长的持续性也较低，投资增长和产出增长几乎如影随形。
徐高博士通过对照模拟结果与现实数据发现，中印两国经济增长的主要动力在于生产效率波动（即索洛剩余），这一点与当前BCA实证研究的大多数结论相同。这一结果可能预示了技术进步和体制变迁在经济增长中的重要地位，当然这一结果也可能意味着真实商业周期（Real Business Cycle, 简称RBC）模型中还存在隐藏的因素未被发现。印度相对较高的劳动收入波动可能揭示，印度的劳动力市场中存在比中国更大的摩擦因素。至于金融市场摩擦（投资效率波动）和政府支出波动这些因素，无论在印度还是在中国都可以忽略。
（张承启整理）
