美国州政策的扩散与极化：地理邻近性是否还发挥作用？

首先以美国福利政策为例，展示州级政策扩散模式可能已经发生变化。2014年前后，《平价医疗法案》（Affordable Care Act,）推动Medicaid（医疗补助计划）扩张，将保障范围扩大至收入不超过联邦贫困线138%的成年人。由于新增参保者的主要支出由联邦政府承担，各州政府几乎没有成本，但政策采纳却明显沿党派边界展开，如图1b所示。共和党得票率越高的州，往往越晚采纳甚至拒绝采纳，见图2a。这些州并非政策需求更低，相反其潜在受益人口比例往往更高，见图2b。故近期Medicaid扩张的州际差异难以仅由地方需求解释，政治倾向可能发挥了重要作用。

图1 三项政策案例（a）《统一向未成年人财产转让法》（1984—2015年）（b）Medicaid 扩张政策（2014—2021年）（c）初始处方药监测计划（1988—2018年）

图2 福利项目案例研究(a)2014年Medicaid扩张（《平价医疗法案》）。(b) 2014年Medicaid扩张的覆盖范围。(c) 20世纪60年代Medicaid的初始采纳。(d) 20世纪60—70年代食品券计划的采纳情况（县级）

注：对于图a—c，总统选举得票率取自距离该州政策采纳年份最近的一次总统选举；对于图a和图b中尚未采纳该政策的州，则采用2020年总统选举的得票率。

（一）数据

本文主要使用两类数据。第一类是政策创新与扩散数据库（State Policy Innovation and Diffusion Database，SPID），该数据库整合了多个美国州级层面的政策采纳数据源，记录每项政策的简要描述、所属领域以及各州首次采纳年份。第二类是作者从2012年4月至2021年9月的11,316篇NBER工作论文中人工筛选得到的政策样本，用于补充经济学研究中受到较多关注的重要政策。经过样本筛选，作者最终获得602项政策，其中549项来自SPID，53项来自NBER样本（见表2），研究对象限定为美国本土连续48州。为降低政策类别随时间变化带来的构成效应，作者根据政策描述中的关键词将样本划分为教育、健康、税收、投票等20个主要政策领域（见表1），并通过重新赋权保持不同时期政策类别构成基本一致。

注：最后一次政策采纳发生在1950年以前的政策被剔除；同时排除阿拉斯加州、夏威夷州和华盛顿特区。

（二）研究设计

首先采用Geary’s C指数描述政策扩散的静态聚集特征。对于达到一定采纳门槛的政策，作者考察最早采纳该政策的州是否在地理或政治维度上呈现显著聚集，并报告1-C，数值越高，表明政策采纳越集中于相似州。具体形式为：

其中，表示州i是否已经采纳该政策，n表示样本中的州数量，wij表示州i和州j之间的权重；W表示所有权重之和。如果已经采纳该政策的州在某一维度上彼此接近，那么分子中的加权平方差平均值应该小于所有州对之间无权平方差平均值。因此C小于1表示政策采纳在该维度上存在聚集，而C大于1表示采纳该政策的州在该维度上呈分散分布，而C等于1表示不存在系统性地聚集，与随机扩散的原假设一致。作者进一步通过随机抽取采纳州并进行1,000次模拟，构造随机扩散下的反事实基准。

其次，建立离散时间logit hazard模型。对于年份t尚未采纳政策q的州i，模型估计其当年首次采纳该政策的概率，并同时考察地理邻近、人口经济特征相似、共和党得票率相似以及州政府党派控制一致性。四类相似性指标经过统一尺度处理，使其系数可以直接比较，从而回答哪一类州际联系对后续政策采纳具有更强的预测力。该模型主要提供描述性和预测性证据，并不直接具有因果含义。

该模型右侧是政策特定的基准采纳风险率，为州级特征变量，刻画已经采纳该政策的其他州对尚未采纳州的影响，表示不同相似性的维度。为“相似州采纳集中度”指标，比较某州最相似的一组州中实际已有的政策采纳数量与随机扩散情形下的预期分布，以衡量政策是否更倾向沿地理、人口经济或政治相似关系扩散。

为进一步识别政党控制的作用，作者随后利用州政府由分裂控制转为统一党派控制的变化构造事件研究，比较政权转换前后与新执政党立场一致、相反及中性政策的采纳概率变化。模型如下：

表示州i是否在年份t采纳政策q；ei表示州i转变为统一政党控制的年份；表示在统一政党控制转换前后第d年，政策采纳概率的变化。州固定效应，州级选举年份控制变量，政策—年份固定效应。

政策扩散主导预测因素的变化

（一）政策首创

考察哪些州更可能成为某项政策的早期采纳者。表3结果显示，州的人口、经济等特征变量并不能稳定预测政策首创，除城市人口占比外，大多数州特征数据的解释力较弱。不过，政策首创数量仍具有较强特异性，但其方向近年来开始趋于党派化。

注：回归系数和标准误均乘以100。括号内报告的是在州层面聚类标准误。一项政策政治倾向，根据最终采纳该政策但并非政策首创州的各州在采纳年份的共和党得票率来判定。

（二）政策扩散

考察政策沿何种州际关系扩散。首先利用 Geary’s C指数比较最早采纳某项政策的州在不同维度上的聚集程度。结果显示，地理聚集在整个样本期内始终存在且相对稳定：无论是1950—1970年代、1980—1990年代还是2000—2010年代，率先采纳同一政策的州都明显比随机情形下更倾向于在空间上相互接近。相比之下，政治聚集表现出明显的时间变化。1950—1990年代，按共和党总统候选人得票率衡量的政治相似性几乎没有形成系统性聚集；进入2000年代以后，政治相似州之间的政策采纳明显增加，表明政策扩散开始越来越沿政治一致性展开。

图5 采纳州在地理与政治维度上的相关性：随机情形与实际情形(a) 地理距离相关性（前10个采纳州）(b) 共和党得票率相关性（前10个采纳州）

注：本图绘制了政策采纳对应的计量的累积分布函数，用于衡量政策采纳在特定维度上的相关程度。的计算方法：首先计算各州对之间政策采纳状态平方差的加权平均，其中权重随两个州在指定维度上的相似程度提高而增大；随后，将这一加权平均值除以所有州对政策采纳状态平方差的无权平均值。本图采用一种较为简单的赋权方式。对于每个州，将其他州中在地理距离上最接近的三分之一州（图5a），或在共和党得票率上最相似的三分之一州（图5b）赋予相同权重，其余不属于最接近三分之一的州权重设为0。该指标在某项政策累计达到 10 个采纳州的年份计算；如果多个州在同一年使采纳数量达到该门槛，则随机处理并列情况。在政策由各州均匀随机采纳的原假设下。因此越大，表示政策采纳在相应维度上的相关程度越强。

动态的logit hazard 模型进一步验证了这一转变。如表4和图6所示，人口和经济特征相似性始终具有一定预测作用，但系数整体较小且变化有限；地理邻近则一直是较强且稳定的预测因素，1970年代的估计系数为0.36，2010年代仍为0.42。真正发生显著变化的是政治相似性。共和党得票率相似性的系数在1970年代仅为0.10，1980年代为0.07，1990年代升至0.24，而在2000年代和2010年代分别提高至0.46和0.48。进一步加入州政府党派控制后，这种变化更加突出：在早期几十年中，州政府党派控制一致性并不能稳定预测政策采纳，但进入2000—2010年代后，由相同政党统一控制的州此前是否已经采纳某项政策，成为后续采纳最强的预测因素。2010年代，该系数达到0.64，高于共和党得票率相似性的0.48、地理邻近的0.42以及人口经济相似性的0.20。

注：本表报告logit回归的估计系数，标准误在州层面聚类。每项政策的基准风险率通过分年代的政策固定效应进行参数化。人口与经济相似性指标的构造方法如下：首先，对每一年中各州的人口对数、城市人口占比、人均收入对数、农业就业占比和制造业就业占比的两年移动平均值进行标准化；然后计算每一对州在上述五个标准化变量上的绝对差异；最后取这五个绝对差异的平均值，得到人口与经济差异指数。地理距离方面，“最接近州”定义为：根据各州质心计算的距离最小的三分之一州。共和党得票率方面，“最相似州”定义为：最近两次总统选举中共和党总统候选人平均得票率绝对差异最小的三分之一州。州政府党派控制方面，“最相似州”定义为具有相同州政府党派控制类型的州，包括共和党统一控制、民主党统一控制和党派分治。内布拉斯加州实行无党派单院制州议会，因此按其州长所属政党进行归类。分析中排除阿拉斯加州、夏威夷州和华盛顿特区。数据集最后一年为2020年，并归入2010年代。样本仅保留扩散持续至少3年且至少有5个州采纳的政策。为保持不同时期政策关键词类别构成稳定，作者对政策进行加权处理。所有回归均控制：已采纳该政策的州所占比例、党派分治虚拟变量，以及标准化后的人口对数、人均收入、城市人口占比、农业就业占比、制造业就业占比和共和党得票率。相关估计结果见表A.6。

图6 政策扩散维度的动态变化（a）人口与经济特征指数（b）地理距离（c）共和党得票率(d) 州政府党派控制

注：本图绘制了表4中各扩散维度下“最相似州政策采纳情况”指标系数的分年代估计结果。由于1950—1960年代估计结果的置信区间尺度较大，图中未予展示。图中报告95%置信区间，标准误在州层面聚类。

（三）扩散速度

比较不同首创时期政策在引入后5年和10年的累计采纳数量，考察政策扩散速度的长期变化。图7a和7b结果显示，近二十年政策扩散有所加快，但这一变化主要集中于中等扩散范围的政策，而广泛获得跨党派支持的政策变化较小。

图7 政策采纳速度 (a)政策引入后前10年的采纳州数量(b)政策引入后第10年的累计采纳州数量分布

注：图7a和图7b根据政策首创年份将各项政策划分到不同历史时期。样本仅包括扩散过程至少持续10年的政策。图7a展示了一项政策自首次引入后前10年内，平均已有多少个州采纳该政策。图7b展示了政策首次引入满10年后，不同累计采纳规模政策所占的比例，具体划分为：1—10个州采纳；11—20个州采纳；21—30个州采纳；超过30个州采纳。

（四）模型情景模拟

假设某项政策于2000年首先由加利福尼亚州引入，并分别使用1990年代和2010年代估计得到的扩散系数模拟后续传播路径。在1990年代参数下，政策主要向美国西部的地理邻近州扩散，同时也进入部分人口经济或政治特征相似的州；而在2010年代参数下，扩散明显集中于政治倾向接近的东北部和西海岸州，一些地理上接近但政治立场差异较大的州反而更不容易采纳。作者在康涅狄格、得克萨斯和俄亥俄等不同类型的首创州上重复模拟后，也得到类似结果。

图8 模拟政策扩散(a)采用1990年代估计系数的模拟结果(b)采用2010年代估计系数的模拟结果

注：本图基于表4估计得到的模型，展示假设某项政策于2000年由加利福尼亚州率先引入后，在随后20年内，各州进入最早10个采纳州的概率。图8a使用1990年代估计得到的扩散系数，图8b使用2010年代估计得到的扩散系数。

（五）稳健性检验与异质性分析

分别在SPID与NBER样本、经济类与非经济类政策、偏共和党与偏民主党州以及有效与无效政策中重复估计。同时更换线性概率模型、扩展控制变量、调整“最相似州”的划分比例及相似州采纳指标的具体构造方式。不同设定下，核心结论基本保持一致，即地理相似性的作用长期较为稳定，而政治相似性尤其是州政府党派控制一致性的预测作用在最近二十年显著增强。

竞争性解释检验与因果识别

检验政策扩散是否只是选民偏好或州际信息流动的结果。利用ANES、GSS调查构造选民政策偏好相似性，并加入州际人口迁移后，地理、人口经济以及共和党得票率相似性的系数均有所下降，说明这些因素确实能够解释部分扩散相关性；但州政府党派控制一致性的系数几乎不变，表明这一结果难以由自下而上的选民需求完全解释。

排除地方环境与政策构成替代解释。如果政治相似州只是因为面临越来越相似的政策需求，那么收入、贫困率、健康等结果变量也应表现出更强的政治聚集，但数据并不支持这一推论；同时，在保持政策类别构成稳定、并仅考察同一政策领域内部的扩散变化后，政治因素的重要性仍在最近二十年显著增强。COVID政策与早期疫苗政策的对比也呈现相同结论，同属公共卫生领域，近期政策扩散明显更受党派控制影响。

利用州政府由分裂控制转为统一党派控制的变化实施事件研究，识别党派控制变化对政策采纳的因果作用。作者分别考察与新执政党立场一致、立场相反和政治中性的政策。图9结果显示，统一政府并未普遍提高中性政策的通过概率，却显著提高了与新执政党立场一致政策的采纳概率；这一效应在1990—2020年明显存在，而在1950—1989年并未出现。

图9 州政府党派控制转换的事件研究(a) 1990—2020年期间的事件(b) 1950—1989年期间的事件

注：本图展示了州政府转变为统一党派控制前后的事件研究估计结果。紫色三角形表示与新上台政党立场一致的政策相对于与其立场相反政策的采纳概率差异，灰色菱形表示无明显党派倾向政策的采纳概率。政策的党派倾向根据已采纳该政策各州的投票份额进行分类，具体方法见第5.3节。一项政策在累计达到5个采纳州后才被纳入分析。对于样本期内党派倾向分类曾发生变化的政策，例如由共和党倾向转为民主党倾向，作者将其排除。图中报告95%置信区间，标准误在州层面聚类。