管制寻租的经验测度、综合评估与因素分析——基于中国企业调查数据（ES2012CN）的实证研究

金玉国

（山东财经大学统计学院，山东济南，250014）

管制（regulation，一译“规制”），指市场经济条件下政府为纠正“市场失灵”而直接干预微观经济活动的手段和措施。管制实践中广泛存在着“管制失灵”问题，管制寻租就是其中之一。理论界对管制寻租强度的定量研究迄今有20多年的历史，主要是基于“软数据”（受访者主观评价）的观感测度。近年来，基于“硬数据”（寻租事实）的经验测度实践开始兴起，为管制寻租的测度研究提供了另外一条可供选择的道路。本文拟基于世界银行2012年针对中国的企业调查（ES2012CN）数据①世界银行的企业调查（简称E S）属于不定期的抽样调查，对不同国家或地区（统称为“经济体”）的调查往往在不同年份进行。针对中国的E S有2次，分别在1995年和2012年。出于时效性的考虑，本文应用2012年的调查数据。，对管制寻租的经验测度和综合评估问题进行初步探索。

一、文献回顾和研究设计

（一）管制与管制寻租

寻租（rentseeking）一词，按照字面意义是指谋取租金（经济利益）的活动。一般认为，寻租的基本思想起源于Tullock，他在论文《关税、垄断和偷窃的福利经济学》中将寻租理解为利用政治特权获取收益的行为（而且这种收益大于其社会成本）。[1]Krueger在《寻租社会的政治经济学》中首次使用“rentseeking”（寻租）的术语，将其定义通过政治过程（引入或终止政府干预）以寻求财富转移的活动。[2]此后，以J．Buchanan为代表的公共选择学派研究了许可证、配额、外汇管制、政府采购等与政府关于密切相关领域的寻租问题。[3]寻租是由政府干预微观经济活动而引发的非生产性的逐利活动，是一种与政治进程或政府干预相关的利益再分配行为，Bahagwati称之为“直接的非生产性寻利活动（DUP）”，认为寻租会导致社会福利（消费者剩余）的损失，从而将其与一般经济行为（称之为“寻利”）相区别。[4]

19世纪60年代，随着产业利益集团的管制介入和管制失灵问题的加剧，管制寻租问题逐步进入研究者的视野。对于管制寻租的产生机制，公共选择学派有两种解释：第一，Peltzman等“管制俘获理论（regulatory capture）”认为，在位企业（产业、行业）利用信息成本和组织成本较低的优势“俘获”政府，使政府管制符合他们的利益，以获得由此产生的超额利润——管制租金；而不在位者（潜在进入者）为了参与进来分一杯羹，必然有“管制突破”行为，这种对管制租金的竞争导致寻租问题。[5]第二，McChesney和Spiller等“收费站（tollbooth）理论”认为，官僚机构和政客为追求自身利益，利用行政权力“设租”，胁迫或诱使被管制者（企业）参与“竞租”或“护租（维护既得租金）”，从而获取政治或经济利益。[6-7]可见，二者关注的侧重点不同：前者强调被管制者（企业）在寻租活动中的主动性，后者则强调管制者（政府机构及其从业人员）在寻租链条中的主导作用。但两种理论的前提都是政府管制参与各方具有各自的特殊利益（而不仅仅出于公共利益的动机），认为只要存在政府管制，政府的各种特权、垄断权和优惠权就会不断“人为”地制造租金（创租）。出于经济人的逐利动机，企业就会通过影响公共权力的运行来获取这些租金，从而产生寻租问题。由于政府管制与寻租密不可分，所以在现代经济学中，狭义的“寻租”概念就是指“管制寻租”，本文也在这个意义上理解寻租概念。

在现实语境中，“管制寻租”一般被理解为管制过程中的权钱交易行为，最典型的形式是被管制方对管制方的行贿：对于管制方（政府机构或官员）是“腐败”行为——通过让渡自己的管制权力（为迎合行业或企业利益而加强或放松管制）以交换经济利益，包括贿金或其他好处；对于被管制方（企业经营者或商人）是“寻租”——贿赂管制方以获得管制利益或减少由管制带来的损害。因此，管制过程中的“寻租”和“腐败”可以看作是同一种行为的两个侧面，相当于“复式记账法”的两个对应账户。由于对“寻租”和“腐败”的量化研究针对的实际上是同一个对象，所以本文也不强调对二者的严格区分。

（二）寻租强度的测度研究

从定性研究到定量研究的拓展是经济问题研究深化的重要标志和必经之路。管制寻租理论创立后，如何对寻租活动进行计量测度就成为一个现实的问题，因为这直接影响到寻租理论对现实的解释能力。但管制寻租不同于一般的经济（逐利）活动，具有隐蔽性、多样性和非正规性（非法性）的特点，将其作为常规的显变量（manifest variable）进行直接测度显然不太可能，所以研究者转而尝试通过访谈、问卷、量表等“微观调查”形式实现对管制寻租强度的间接衡量，即通过调查微观个体（可以是寻租参与者，也可以是旁观者）对管制寻租活动的活跃程度或发生概率——即“寻租强度”的主观判断（观感、感知）来破解管制寻租测度的难题。由于这种方法侧重于主观印象的调查，所以称为“观感测度（perception measuring）”。被调查者根据自己对管制寻租（腐败、贿赂）的主观认知和观感，对有关调查项目进行主观评分实现对寻租活动强度的量化评估。为方便应用，实践中一般将所有被调查者的评分加权汇总，得到一个综合性的测度指标，称为“观感指数（perception index）”。如透明国际（TI）每年发布的腐败观感指数（corruption perceptions index，CPI，俗称“清廉指数”），首先企业家、研究者及商业风险分析师基于国际上权威的调查报告（如政治与经济风险组织、世界经济论坛、经济学家杂志、盖洛普等机构和组织的调查报告），对各个经济体腐败的普遍和严重程度进行打分，然后对各专家打分加以综合，最后得到CPI的分数（0—100分，分数越高，代表腐败程度越低）。与此类似的还有透明国际（TI）编制的“行贿指数（bribe payer's index，BPI）”、追踪国际（TRACE）编制的“贿赂风险矩阵（bribe risk matrix，BRM）”等。

由于不同被调查者对寻租（贿赂、腐败）的主观判断、信息来源和和感受敏感程度有所不同，而且不可避免地受过往印象或自身判断（包括主观偏见）的影响，所以观感指数被认为可能存在较大主观性偏差。于是最近20年，寻租强度的“经验测度（experience measuring）”逐步兴起。这种测度方法基于经验调查，即通过对管制参与者或当事人（如企业所有者、企业高管）实际经历或参与的寻租、贿赂和腐败的客观事实（而不是主观印象）进行调查，在一定程度上可以避免或减轻调查的主观偏差。其中最为经典的案例是世界银行的企业调查（enterprise surveys，ES)。ES调查内容包括（但不限于）企业生产经营过程中经历和参与的寻租（贿赂、腐败）事实的多个具体调查项目。与观感调查相比，经验调查为研究管制寻租提供了未经加工的一手信息，信息量更大，客观性更强、可信度更高，有利于满足相关领域个性化研究的需要。

（三）本文研究设计

以企业调查（ES）为代表的寻租经验调查，通过收集企业寻租贿赂经验或寻租事实，不但更符合寻租活动的潜变量（latent variable）属性，而且在很大程度上可以避免观感调查有可能存在的主观性误差。但由于经验测度方法侧重于采集已经发生的“客观事实”或“亲身体验（经历）”，得到的数据属于微观数据——一般是企业级数据，如果要在更高层次（比如行业级、地区级）上对管制寻租强度进行综合评价，就需要在此基础上进行后续的数据挖掘和加工。这正是本文选题的背景。本文研究的目标，是基于中国企业调查数据（ES2012CN），讨论管制寻租强度的经验测度和综合评估问题，具体包括三项内容：第一，研究如何实现不同研究层次的数据转换问题，即如何在城市层次上实现对企业级寻租经验进行汇总；第二，如何实现对寻租强度进行综合评估的方法论问题；第三，我国管制寻租强度的影响因素分析问题。

为了实现上述研究目标，本文的研究思路：首先，根据管制寻租的内涵和ES2012CN的有关调查项目，基于潜变量提取原理，从企业角度设置管制寻租的观测指标体系，并通过对企业级数据的汇总，获取城市级数据；其次，选择数据挖掘方法，对样本城市各观测指标数据进行汇总，实现对城市层次寻租强度的综合评估，并考察不同评估方法之间的一致性和差异性；再次，提出样本城市的寻租强度的影响因素假说，并根据前述测算结果进行实证检验；最后简要小结全文。

二、管制寻租的经验测度

（一）寻租经验的数据来源

目前最权威的管制寻租经验调查包含世界银行集团（WBG）组织的企业调查（enterprise survey，ES）之中，ES开始于2006年，其前身是欧洲复兴开发银行（EBRD）对前苏联和东欧地区22个转轨国家中近4000家企业开展的“营商环境与企业绩效调查（business environment and enterprise performance survey，BEEP）”。ES属于对私营部门企业进行的分层抽样调查。调查项目除了被调查企业的基础信息外，还包括十几个调查主题（topic），比如基础设施、管制、金融、贸易、税收、许可、腐败、犯罪、非正规经济、创新、劳动力等。ES搜集企业级数据，除了能够反映政府管制的“显性规则”的数据外，还包括管制过程的“潜规则”信息，涉及企业对管制过程中的寻租、贿赂、敲诈勒索等事项的经验或客观事实。

ES2012CN通过分层随机抽样方法，抽取了分布在北京、上海、广州、杭州、青岛等我国25个主要经济城市（市辖区）3000家样本企业，涵盖28个行业（其中148家国有独资企业被看作单独一个产业，其余企业涵盖20个制造行业和7个服务行业）。调查者通过与企业所有者或高级经理面对面访谈，通过口头询问或问卷填写获取各调查项目的数据。ES2012CN最终获得2848家企业的有效调查数据。调查方法和最终得到的企业级调查数据集在世界银行的专门网站公开发布，方便研究者获取。②见https://www.enterprisesurveys.org/portal/index.aspx。ES2012CN处于世界银行ES整体框架之下，具有国际可比性。为了方便随后的分析，先对几个具体问题进行前置说明：第一，本文的实证研究基于ES2012CN的原始数据，没有对数据作任何人为调整和进行所谓的“数据清洗”；第二，ES2012CN考察角度是对被调查者（企业主或者高管）经历或体验的直接调查，限于企业实际参与的寻租活动，不涉及在企业层次上无法感知的对象，如产业政策博弈或政治层面的寻租活动，所以ES2012CN提供的是企业级原始数据。

（二）企业寻租经验指标

“寻租强度”特指管制寻租的普遍测度和活跃（严重）程度，属于统计学意义上的潜变量范畴，无法直接衡量，只能通过某些可以观测的外在特征进行间接推测。寻租强度的每一个外在特征可通过一个或几个指标（项目、事项）表示出来，称为观测指标。本文在确定寻租的观测指标时，主要考虑了两点：（1）观测指标依据的调查事项必须符合管制寻租的内涵，即指标选择具备理论依据；（2）强调观测指标与ES2012CN调查项目的对应性。ES2012CN与企业管制寻租经验（事实）有关的项目集中在“C．基础设施和服务”“G．基础设施和服务”和“J．政商关系”3个主题中，观测指标数值必须能够通过上述主题包含的具体调查项目进行采集。根据上述两条原则，本文确定了19个具体观测指标，见表1。由于这些指标均来源于企业经历的寻租（腐败、贿赂）经验或发生的寻租（腐败、贿赂）事实，故也被称为“寻租经验指标”。按照反映的内容，可分为3类：

第I类：寻租广度指标。反映企业在上一年度是否有贿赂事实发生（可能是企业主动行贿，也可能是被敲诈勒索）。具体包括企业在涉税、使用公共服务（申请许可证或执照）、办理管制事务（get things done）和获得政府合同等过程中是否发生贿赂行为。包括表1中X3、X4、X6、X9、X11、X13、X15、X17和X19，共9个指标。这类指标都用“是”或“否”来表示，记为“0”和“1”，即都属于0-1型伯努利变量（二元虚拟变量）。

第II类：寻租深度指标。也称为寻租力度指标，反映寻租活动的成本规模大小，以寻租成本相当于标的物价值的比重表示。包括X5和X72个指标，都表现为0—100%的连续性变量。

第III类：时间成本指标。寻租活动发生几率、强度与管制效率的高低密切相关。管制效率一般通过完成管制事务付出的时间成本反映，包括剩余的其他8个指标，用天数或次数表示。

上述各观测指标在ES2012CN中均有对应的调查项目，见表1最后一列。

表1 企业寻租经验指标及其计算依据

续表1

（三）从企业级数据到城市级数据的汇总

根据ES2012CN的对应调查项目，可以计算出表1所列的企业寻租经验指标。将各指标的企业级数据Xi以城市为单位进行分组平均，可以得到城市层次的寻租指标，记为Zi。其中，对于第I类（寻租广度）指标，由于Xi都是0-1型变量，Zi的含义是用对调查项目回答“是”的企业（即有贿赂事实发生的企业）占本城市被调查企业的比重。例如，X6代表企业是否因为“办事”而贿赂，其平均数Z6，代表各城市所属企业中因为“办事”而贿赂的企业所占的比重（百分比），实际上反映的是寻租（贿赂）发生可能性的大小，所以，城市层次的变量含义与企业级有联系但有所不同。对于第II类（寻租深度）指标和第III类（时间成本）指标，城市级指标Zi代表企业级指标Xi数据的平均数。19个企业寻租经验指标汇总后的含义及其描述统计量整理见表2（各指标描述统计量见该表后5列）。

表2 管制寻租城市级指标及描述统计量

续表2

根据表2后5列的描述统计量，从平均水平看，行贿广度（行贿率）指标（Z3、Z4、Z6、Z9、Z11、Z13等）和时间成本指标（如Z1、Z8、Z10等）相对较高，而行贿深度指标（Z4、Z7等）相对较低。这反映了我国管制寻租活动的一个特点：寻租现象非常普遍，时间成本较高，但行贿的额度并不太大（这里不排除有调查数据比实际偏小的因素）。从指标差异度（标准差/平均数×100）看，各寻租广度指标和时间成本指标数值相对较低，说明寻租的活跃程度和时间成本在不同城市之间差异不大；寻租深度（成本）指标的变异度较大，说明存在比较大的地区差异。当然，寻租成本变量差异性较大的另一个原因是某些指标存在离群点。如果排除离群点，寻租成本变量的离散度将有所降低。通过上述分析，可以发现，我国城市级寻租变量的不同侧面呈现不同的特点：寻租广度指标和时间成本“数值高，差异小”，而寻租深度指标“水平低，差异大”，对比十分明显。

三、寻租强度的综合评估

通过对ES2012CN企业级数据的汇总，我们得到各样本城市寻租指标数值，从中我们可以获得对寻租强度不同侧面的直观认识。为了实现对各样本城市寻租强度从这种多维度观察到单维度测算的过渡，即实现由各观测指标（Zi）到潜变量的过渡，需要用统计学的数据挖掘方法，对观测指标包含的信息进行汇总或提取，实现由多种寻租经验到寻租强度的综合评估。本文采用两种方法分别实现上述目标。

（一）前沿距离加权平均

最直接、最常用的统计汇总方法是平均方法。但平均方法应用对寻租强度的综合评价需要严格的前提：各寻租观测指标的量纲相同、实际意义完全可比。从本研究看，这一假设并不完全满足，因为无论是对于城市级还是企业级，管制寻租观测指标的计量单位并不完全一致，有的是百分比，有的是天数、次数。而且即使计量单位相同，经济意义也不完全可比。例如，Z1的含义是高管处理管制事务的时间占总工作时间的百分比（即“时间税”），而Z4的含义是为获取政府合同而行贿的企业占该城市所有被调查企业的比重，二者的计量单位相同（都是百分比），表面上看量纲（计量单位）一致，但仔细分析，前者是数学意义上的比重，后者是概率（频率）意义上的比重，涵义不完全可比。为了解决这个问题，我们对观测指标进行线性变换以消除量纲，即将各指标的实际调查值转化为该数值与本指标最大观测值的相对距离——前沿距离（the distance to frontier，DTF）：

其中，MaX(Zi)和Min(Zi)分别代表该指标城市级数据的最大观测值和最小观测值。显然，0≤DTFi≤100，DTFi越接近100，表明该城市的这个指标越接近于该指标的最大观测值。

然后，以各城市前沿距离的标准差为权数Wi，对每一个样本城市14个观测指标对应的前沿距离计算加权平均值，得到寻租强度综合评估值，记为RS1（RS是rent-seeking的缩写）：

图1 管制寻租强度综合评估值（平均前沿距离法）

可见，按照平均前沿距离衡量，各城市平均寻租强度为60．86%，标准差为13．82%。其中寻租强度最大的是洛阳（88．01%），最小的是无锡（39．38%），二者相差48．63个百分点，说明不同城市之间的差异较大。

（二）主因子得分

从逻辑上讲，各城市寻租指标取值的大小是由该城市的寻租强度（潜变量）决定的，寻租强度是各指标的共同原因或称为公共因子、潜变量。潜变量不具备直接可测性，但能通过其观测指标进行间接衡量。基于各城市的寻租指标提取出隐藏在其背后的共同原因——寻租强度，这正是潜变量分析的基础方法——探索性因子分析的思路。本文下面将基于城市级指标数据提取公共因子，以公共因子得分的大小综合衡量各城市管制寻租强度的高低。

因子得分的计算公式根据指标之间的相关性确定。具体到本研究，首先，以“因子特征根大于1”为标准确定3个主因子；其次，计算各样本城市3个主因子得分；最后，以3个主因子的方差贡献率为权数（合计为78%）对主因子得分进行加权平均，得到各样本城市管制寻租强度的最终评估值，记为RS2。因子得分的实际意义比较抽象，不太容易给出直观的解释，只具有排序和比较的意义：RS2为正，说明寻租强度大于样本城市的平均水平，得分越大，寻租强度越高；RS2为负，说明寻租强度小于平均水平，绝对值越大，寻租强度越低。各样本城市的管制寻租强度最终评估值见图2。

图2 管制寻租强度综合评估值（主因子得分法）

根据主因子得分，各样本城市寻租强度最低的是苏州（-0．6853），低于平均数（即0）0．6853个标准差（标准差为1）。苏州、无锡、青岛等12个城市寻租强度低于平均水平（RS2为负值）。数值最大的是是温州（0．8921），高出平均数0．8921个标准差。此外，温州、洛阳、佛山、武汉等13个城市寻租强度高于平均水平（RS2为正值）。

（三）两种评估方法的一致性

上述两种综合评估方法设计思路不同，在具体应用方面各有利弊：平均前沿距离方法统一了各指标的量纲，解决了观测指标无法直接平均（加总）的问题，测算结果有直观的经济意义，但权数的确定方法有好几种，使用不同的权数，评估结果不同，所以评估结果带有一定的主观性和偶然性；因子分析是成熟的潜变量分析方法，有着完整的方法论，但不太直观，评估结果只具有比较、排序的作用，实际意义不好解释。然而，两种方法同属于潜变量的信息提取方法，目的都是提取各体验观测指标背后的共同原因或即潜变量——管制寻租强度。由于是对相同的指标数据的加工，所以评估结果应该殊途同归。为此，我们绘制两种评估结果之间的散点图见图3。直观地看，不同评价结果之间存在较强的正相关性，说明二者的一致性较高。

图3 两种方法下管制寻租综合评估值的散点图

本文进一步计算两种方法测度结果之间的相关系数。其中，Pearson数值相关系数（r）为0．832，Spearman等级相关系数（ρ）为0．906，Kendall一致性关系数（τ）为0．661，3个相关系数均在0．05水平下具有统计显著性。由此可见，管制寻租的两种综合评估方法尽管依据的原理不同，但结论高度相关，说明两种方法之间具有较高的内在一致性。

四、管制寻租强度的因素分析

从上述两种寻租经验综合评估结果可以发现，管制寻租强度在不同城市间差异很大。管制寻租强度在城市间的分布有没有规律可循？换句话说，寻租强度与哪些因素相关？为此，我们提出了三个假说，并基于前文的寻租强度评估数据进行统计检验。

假说1：寻租强度与市场经济的完善程度有关

在我国计划经济条件下，对资源的竞争主要通过影响国家计划的方式实现，计划调节与市场经济条件下的管制寻租不是一回事。但我国的市场经济通过计划经济的转轨实现，由于路径依赖，不可避免地带有大量计划经济的遗留，带有浓重的计划经济色彩，甚至许多管制措施就是由以往的计划调控“改头换面”而来。据此我们提出一个假说：各地区的寻租强度很可能与经济转轨程度和社会主义市场经济的完善程度有关。为了验证这一假说，我们计算了管制寻租体验与经济转轨程度的相关系数。其中，经济转轨程度用樊纲、王小鲁等计算的市场化指数③樊纲、王小鲁等编制的“市场化指数”从五个层面衡量市场化的程度，分别是：政府与市场的关系、非国有经济的发展、产品市场的发育程度、要素市场的发育程度、市场中介组织的发育和法治环境。作为代理变量。[8]因为上述市场化指数缺乏地级市层次的数据，我们用所在省的市场化指数大致代替。市场化指数与两个寻租强度评估指标的相关系数计算见表3。

表3 寻租强度与城市市场化指数的相关系数

上述计算结果表明，尽管基于不同方法的寻租强度评估结果与市场化指数的相关系数不同，统计显著性水平也有所差异，但都能证明二者之间存在显著的负相关关系。其中的内在机理是什么？究竟是市场经济机制的完善降低了寻租强度，还是寻租强度的降低促进了市场经济机制的完善，抑或是二者由同一些原因共同决定？基于本文的数据无法给出答案。我们希望在以后的研究中，找到更有说服力的理论和典型案例，或者获取较长时间序列数据或面板数据的支持，对这个问题进行进一步的定量研究。

假说2：寻租强度与样本城市企业的分布特征有关

企业分布特征包括样本城市中企业的业务类型（以出口企业占比表示）、平均规模（以企业平均雇员人数表示）、高管性别构成（以女高管占比表示）和产权构成（外资企业占比表示）等特征。寻租强度与上述各企业特征变量的偏相关分析结果见表4。

表4 寻租强度与企业特征变量的偏相关系数及其显著性

可见，寻租强度与反映样本城市企业特征的各变量的偏相关系数在0．05水平下均无统计显著性，只有RS1与外资企业占比的偏相关系数在0．1水平下呈现微弱相关性。因此，我们认为，寻租强度与各样本城市的企业分布特征在总体上没有系统性的数量依存关系。

假说3：寻租强度与城市属性有关

这里的城市属性包括城市经济规模、经济发展水平、地理位置和政治属性（是否政治中心）等。我们利用方差分析验证了寻租强度与城市经济规模（按GDP的四分位数分为四组)、经济发展水平（按人均GDP的四分位数分为四组)、是否沿海城市和是否政治中心城市（包括直辖市、省会城市）等变量之间的相关性。Bartlett检验均不拒绝方差齐性假设（检验过程略），在方差齐性假定下的方差分析结果，见表5。

表5 寻租强度的方差分析结果（按城市属性分组）

可见，城市寻租强度与经济规模（GDP）和经济发展水平（人均GDP）的相关性不显著，城市地理位置（是否属于沿海城市）对寻租强度影响的统计显著性也比较低（只在0．1水平下显著），说明寻租强度与城市外在特征的关联并不密切。但城市的政治属性（是否属于政治中心，即直辖市或省会所在地）对管制寻租强度的影响在0．05水平下统计显著。将不同政治属性城市的管制寻租强度进一步比较，见表6。

表6 寻租强度在不同政治属性城市间的差异性

可见，寻租强度在两类城市之间的差异统计显著。实际上通过前面的评估结果图1、图2也可以观察到，寻租程度较低的城市大多是非政治中心（非省会），寻租强度较高的大多是政治中心城市（省会和直辖市），已经直观地体现管制寻租强度与城市政治属性的相关性。这是因为城市是否具有政治中心属性，在一定程度上会对政商关系的形式和强度产生影响，而寻租本来就是源于政治过程。至于这一关系的内在机理，限于篇幅，在此不展开讨论。

五、结语

本研究对世界银行ES2012CN的企业级寻租经验指标数据进行汇总评估，然后用不同的潜变量提取（汇总）方法，综合测算了我国25个样本城市的管制寻租强度。可以发现，尽管不同方法下的评估数值有所不同，但评估结果之间存在高度的相关性，说明评估方法之间存在一致性。通过对寻租强度地区差异的因素分析，得出了管制寻租与市场化水平和城市政治属性相关的结论。

作为一个探索性的尝试，本研究可能的不足包括：第一，管制寻租强度的测算基于ES2012CN，其中被调查企业是通过分层随机抽样确定的，随机性可以保证。但25个样本城市大多位于经济发达地区，并不是随机抽取的，而且相对于全国293个地级市而言，样本明显偏小。所以将基于城市样本数据的研究结论推广到全国时需要慎重。第二，该研究的时效性受制于世界银行针对中国ES数据的公布周期。世界银行最近一次针对中国的ES是2012年，已经过去了8年，对研究的时效性有所影响。 第三，由于缺乏典型城市的深度寻租案例，本文无法对管制强度影响因素进行更加深入的机理分析。这些问题只能留待后续研究解决，也将是我们下一步的努力方向。