微精选

TOP5刊Econometrica再次交出了一篇令人印象深刻的作品。

近几年，该刊在政治经济学与制度研究方向上频频出现高质量论文，也不免让人联想到Acemoglu曾经担任过ECM的主编。

下面介绍由Melnikov、Schmidt-Padilla与Sviatschi（2025，Econometrica）完成的论文《Gangs, Labor Mobility, and Development》。

*文章PDF，数据和复现代码，群友可在社群下载学习。

这是一篇初读便引人入胜的研究，而在通读之后更会发现，其因果识别极为干净，计量设计堪称教科书级别。

虽然研究的问题并不新奇，研究的是犯罪组织是否阻碍经济发展？

但他们给出的答案和路径，却明显不同于以往把焦点放在暴力、谋杀率或公共品掠夺上的研究。

文章真正想说明的是，犯罪组织的危害并不只体现在暴力本身。当它们控制了特定区域后，最直接的影响是人出不去，居民很难跨区通勤或寻找更好的工作机会。

这种对流动性的限制，最终会在城市内部不断拉大收入、教育和生活水平的差距。

而这一切，是在同一座城市内、相距不过几十米的地方发生的。

研究背景与核心问题

论文的出发点非常清晰。

在发展中国家的城市中，国家并不是唯一的治理主体。大量居民生活在由非国家武装组织控制的区域内，其中最常见的形式就是帮派和黑社会。

传统文献主要沿着两条线展开。一条强调犯罪组织带来的暴力和不安全感，另一条则借鉴定居型掠夺者理论，认为某些非国家武装可能在弱国家环境中提供秩序与准公共品。

但这两条路径都难以解释一个现实事实，在很多城市里，帮派控制区和非控制区并没有显著差异的公共品供给、基础设施或治安水平，却长期存在显著的收入与发展差距。

文章提出，这个差距的关键不在于暴力本身，而在于空间边界的形成与个人流动自由的丧失（这么看，咱们的户籍政策真的就应该废除）。

自然实验的起点——1996年的美国移民政策冲击

论文识别的第一个亮点，是一个非常干净的外生冲击。

在1996年，美国通过《非法移民改革与移民责任法案》（IIRIRA），显著降低了遣返门槛，大量有犯罪背景的移民被迅速遣返回原籍国。

这项政策并非针对萨尔瓦多设计，但其结果是，大量在洛杉矶形成组织结构、领土意识和暴力经验的MS-13与18th Street帮派成员，被集中遣返回了萨尔瓦多。

在此之前，萨尔瓦多几乎不存在成熟的城市帮派体系。

这使得帮派的出现本身具有强烈的外生性，而不是城市贫困或犯罪文化内生演化的结果。

帮派如何在城市中画线

回到萨尔瓦多之后，这些帮派并不是随机扩散的。

他们复制了在洛杉矶已经高度成熟的一套治理技术，以道路、快速路和大型街区为边界，将城市切割成彼此隔离的领土单元。

在首都圣萨尔瓦多，这些边界在1990年代末迅速形成，并且高度稳定，直到2022年政府强力清剿之前几乎没有变化。

文章使用的是一张由警方和司法部门长期维护、并由主流媒体公布的帮派控制区地图。这些边界往往精确到街道甚至路口。

这为后续的计量设计创造了极为罕见的条件。

核心识别策略是空间断点回归设计

论文的主识别策略，是一个空间断点回归设计。

直觉非常简单，如果帮派控制真的改变了发展轨迹，那么在边界两侧，距离只有几十米的住户，其经济结果应当出现跃变。

作者的基准估计方程是，

其中，表示个人、家庭或住房层面的结果变量；
为指示变量，表示普查小区是否处于帮派控制区；
表示该普查小区到最近帮派边界的距离；
为随机误差项。

在这一设定下，刻画的正是帮派控制在边界处对结果变量造成的离散跃变，也即空间回归不连续设计下的局部因果效应。

作者将样本限制在边界两侧420米范围内，并在极窄带宽内进行比较。

识别的关键假设是，在帮派出现之前，边界两侧的地区在经济和地理特征上是连续的。

这一点作者用1992年人口普查数据进行了直接检验。

研究发现，就这几十米之差却出现了系统性发展断裂

结果非常震撼，也非常稳定。

与边界外仅50米的居民相比，生活在帮派控制区内的家庭表现出显著更差的经济结果。

他们的月家庭收入平均低350美元，而样本均值只有约625美元；他们拥有耐用品的概率更低；住房质量更差
教育水平更低；进入大型企业工作的概率显著下降。

更重要的是，这些差异在1992年是完全不存在的。

这排除了帮派选择性进入贫困地区的解释，也支持了断点回归设计的因果含义。

机制之一是，并非暴力，而是流动受限

文章最重要的贡献之一，在于机制分析。

作者发现，帮派并没有在边界处制造劳动市场本身的断点。企业数量、工资结构、产业分布在边界两侧是平滑变化的。

真正发生跳变的，是人能不能跨过边界去工作。

利用2019年自行实施的地理编码调查，作者发现，生活在帮派控制区内的居民更倾向于在本帮派辖区内就业，前往城市其他区域工作的概率显著更低。他们表示自己很少拥有充分的行动自由，也更可能明确指出，帮派边界直接限制了其获取更好就业机会的可能性。

而利用手机定位数据，作者进一步发现一个非常关键的事实，即帮派区居民并不是不动，而是只能在本区内动。

他们的移动距离与非帮派区居民几乎相同，但空间范围被严格限制在帮派控制区内。

为什么不是其他机制？

作者系统性排除了几种常见解释。

不是因为暴力更高，毕竟边界两侧遭遇勒索和犯罪的概率几乎相同；

不是因为公共品更差，毕竟学校、医院、基础设施的供给并无显著差异；

不是因为大规模选择性迁移，毕竟估算显示，迁移最多只能解释约14%的差距。

这进一步凸显了流动受限这一机制的独立作用。

教育渠道与长期效应

帮派控制区的学校辍学率显著更高，年度辍学率高出约2个百分点。

这意味着收入差距并不仅仅来自当前劳动市场的扭曲，而会通过人力资本积累被长期放大。

从局部到整体的检验，使用全国层面的DID的证据

在最后一部分，作者将视角从城市内部扩展到全国。

他们使用双重差分法，比较帮派暴露程度不同的市镇在1996年后的发展轨迹。

结果显示，帮派渗透程度较低的地区，在企业进入、夜间灯光和收入增长上明显更快。

这说明，随着时间推移，能够自由流动、进入新兴就业中心变得越来越重要，而帮派边界的成本也随之累积。

这篇文章对计量学习者的真正启示

这是一篇没有新估计量、没有新技术名词，但极其重要的计量论文。

第一，好的因果设计往往来自空间结构and制度历史，而不是统计技巧。

第二，RDD的说服力不在于带宽、核函数或多项式阶数，而在于断点是否真的有制度含义。

第三，机制分析的最高境界，是把可能的解释一条条排除掉。

这也是为什么，这篇文章即便没有提出新的计量方法，仍然能够成为Econometrica级别的贡献。

为什么这是咱们计量圈值得反复讲的一篇论文呢？

这篇文章几乎可以作为一堂完整的研究设计示范课，告诉学生们如何找到外生冲击？如何构造局部对照组？如何验证反事实？如何避免机制堆砌？如何把一个社会问题，讲成一条清晰的因果链？

如果从计量角度看，这不仅仅是一篇黑社会论文，而更是一堂空间因果识别课

乍一看，《Gangs, Labor Mobility, and Development》像一篇犯罪经济学或发展经济学论文。

但如果你站在计量的角度读，会发现它真正的主线只有一句话，即如何在没有政策阈值、没有随机分配的情况下，用空间边界构造一个可信的准实验。

作者没有提出新的估计量，也没有复杂的半参数技巧，但他们把三件事做到了极致，一是处理组与对照组的构造极其窄，二是反事实的可验证性非常强，三是机制检验完全服务于识别，而不是事后解释。

第一步是把帮派控制转化为一个可识别的处理变量

从计量角度看，最关键的问题不是帮派是否影响发展，而是帮派控制是否可以被当作一个外生处理。

作者并没有直接假设这一点，而是通过制度史构造外生性。

1996年美国移民法的变化，导致大量在美国已形成组织结构的帮派成员被集中遣返萨尔瓦多。

这个冲击不是由萨尔瓦多经济条件决定，不是由城市贫困程度决定，也不是由当地犯罪率决定的。

这是一个典型的外生输入型冲击。这一步解决的是处理变量来源的外生性问题。

第二步是空间边界如何变成断点

文章最值得学习的地方，在于它如何把一个连续的城市空间，转化为一个断点的因果设计。

关键在于一个事实，即帮派控制并不是渐进扩散的，而是以明确边界划分的。

这些边界形成时间很早，基本沿着大路、快速路，几十年几乎不变。

于是，作者可以把是否在帮派控制区内定义为一个二值处理，而把到边界的距离当作forcing variable。

这直接引出了空间RDD的设定。

核心估计方程在咱们实证研究中的标准写法

其中，允许结果变量在空间上呈现线性趋势，
允许该趋势在帮派边界两侧存在差异，
则刻画了在边界处出现的离散跃变。

在这一设定下，真正的因果效应由所识别。

重要的是，这不是控制一堆变量的回归，而是只依赖于一个几何结构，只依赖于一个可视化的断点。

而这正是RDD的精髓。

RDD最重要的一步是反事实是否可信

任何RDD都绕不开一个问题，边界两侧在处理发生之前，是否真的可比？

作者在这里给出了一个非常标准、也非常干净的做法。

他们直接回到1992年人口普查数据，要知道那时帮派尚未出现。然后在同一组未来的边界位置上，重复一模一样的空间RDD。

结果是住房条件没有跳变，教育水平没有跳变，资产拥有率没有跳变，地理特征没有跳变。

从教学角度看，这是一个几乎完美的placebo test。

如果1992年已经有不连续（断点），这个设计就直接失败。

标准误与空间相关性

很多空间RDD在实证研究中最容易被忽略的是误差结构。

作者在这点上非常自觉。

他们默认使用按到边界距离bin聚类的标准误，同时报告Conley空间相关稳健标准误。

更重要的是，结论对不同误差设定完全稳健。

空间RDD的可信度，不只取决于点估计，也取决于你是否认真对待空间相关性。

机制分析如何服务识别，而不是美化结果

很多论文的机制分析，是在回归后加几条中介变量。

这篇文章完全不是。

作者先提出一个明确的机制假说，即帮派通过限制跨区流动，扭曲劳动匹配。

然后他们逐条问，边界处是否存在工作机会的断点？是否存在工资结构的断点？是否存在企业分布的断点？

答案全部是否定的。

接着，他们转而检验，人是否能跨区通勤？人是否报告没有行动自由？人是否被明确阻止去外区工作？

所以，这么看，机制不是解释结果，而是检验哪一条因果路径真的被切断了。

为什么最后还要做全国层面的DID？

从严格因果识别看，空间RDD已经足够。

但作者仍然在全国层面做了一个DID，用来回答另一个问题：这些局部摩擦，会不会在时间中被放大？

DID的作用不是再证明一次因果，而是展示动态外部性——毕竟当新的就业机会不断出现在非帮派地区，无法流动的成本会越来越高。

这一步更多是经济解释的补充，而不是识别的核心。