论文题目：More Laws, More Growth? Evidence from US States

中文标题：法律越多，增长越快？——来自美国各州的证据

原文来源：Ash, E., Morelli, M., & Vannoni, M. 2024. “More laws, more growth? Evidence from U.S. States.” Journal of Political Economy 133 (7): 2139-2179.

供稿：鲁文洁

封面图片来源：Pexels

编者按：立法与经济增长的关系是政治经济学中的经典议题。更多的法律究竟意味着更完善的产权保护，还是过度的监管负担？本文利用1965-2012年美国州级数据，通过自然语言处理技术度量立法产出，并构建新颖的文本“转移-份额”工具变量，为“更多法律促进增长”提供了因果证据。研究进一步揭示，其作用机制在于更完备的法律能减少“事后敲竹杠”风险，从而激励关系专用性投资，且这一效应在经济不确定性高时尤为显著。

一、引言

在横截面数据中，规模更大、更复杂的法律体系通常与更大规模、更高生产率的经济体相关联，这是一个普遍观察到的经验规律。美国各州立法产出与GDP的正相关关系（如图1所示）便是明证。然而，这一关联背后潜藏着一个根本性的因果难题：究竟是经济增长催生了更多法律，还是更多法律真正驱动了增长？

图1 1996年初、2012年末条款数量与州 GDP 之间的关系

理论界存在两种对立观点：一方面，尽管更大的经济体可能机械性地导致更多法律(例如，需要监管的行业增多)，但另一方面是，更多立法(若设计良好)本身就能促进经济增长。例如，引入细致的产权保护或建立法治(Dam, 2007)，这类制度有助于市场更有效运行、鼓励投资并促进增长。特别是，更完备的“立法契约”可通过提高法律的可执行性和可靠性来促进投资(Hart和Moore, 1988)。相反，立法也可能主要服务于特殊利益集团，从而损害整体增长与福利(Grossman和Helpman, 2001)。即使由善意的立法者主导，过度的立法也可能因增加合规成本而阻碍经济增长(Botero等, 2004; Niskanen, 1971)。

为厘清这一因果关系，并探究其内在机制，本文以1965—2012年的美国各州为研究对象，巧妙利用其独立立法权及各州之间法律文本相互借鉴的传统，构建了一个识别因果效应的“理想实验室”。本文的核心创新主要体现在两方面：在变量度量上，摒弃了传统的字数统计，采用自然语言处理技术从法律文本中自动识别并计数具有法律效力的“条款”，从而更精准捕捉立法的实质内容与细节密度；在因果识别策略上，设计了一种新颖的文本“转移-份额”工具变量，其逻辑在于——一个州在特定法律主题上既有立法越薄弱，当其他州在该领域立法活动越活跃时，其借鉴这些成熟法律文本的成本就越低，进而跟进立法的可能性越高。这一设计通过聚焦于“因借鉴他州而产生的立法” ，排除了本州经济自身的影响，从而有力地证明了：是法律建设本身，驱动了经济的增长。

在控制内生性后，本文得到更多的州级立法平均而言显著促进了经济增长的结论。并分析揭示其核心机制：法律并非简单地“越多越好”，而是“越完备越好”。本文基于不完全契约理论提出，更细致的法律通过减少“事后敲竹杠”的风险，激励了企业进行“关系专用性投资”。随后一系列异质性分析为这一机制提供了系统支持，即法律的促进作用在经济监管(而非社会监管)、包含或有条款的法律、前期立法存量较低的州、经济政策不确定性高的时期，以及更依赖关系专用性投资的行业中尤为突出。

综上所述，本文不仅为“法律促进增长”提供了来自美国各州的因果证据，更通过前沿的方法与深刻的理论机制分析，阐明了“法律如何通过激励专用性投资来驱动经济”，对理解制度与经济发展的关系具有重要启示。

二、假说提出

Dawson和Seater (2013)表明，在美国的时间序列数据中，联邦法规的页数与总体国家经济增长呈负相关。Coffey等(2020) 则构建了一个自1980年起跨行业的面板数据集，发现更严格的特定行业监管与较低的行业增长相关联。这两篇在主题和方法上都与本文密切相关，同样使用文本分析来评估美国的联邦法规。而产生不同的结果可能源于多种原因，包括前文所讨论的——本文的立法工具变量是由州立法者间对成功政策的借鉴行为所驱动的。

本文基于观测到的立法与经济增长间的典型事实，并立足于既有理论论争，旨在超越单纯的相关性分析，通过构建一个系统的理论框架来阐释法律影响经济产出的内在机制。该框架的核心在于将“不完全契约”理论从企业层面提升到立法层面，将美国各州政府与企业之间的关系概念化为一种“社会契约”。在财政学关于税收遵从的研究中，学者们同样将不完备的法律类比为不完备的社会契约，并提出了类似的理论关联(Weisbach, 2002; Holtzblatt和McCubbin, 2003; Givati, 2009)。与本文的研究结论相呼应，更精细化的税收立法确实能够通过降低法律不确定性来促进经济发展(Slemrod, 2005; Graetz, 2007)。同样具有启发意义的是Nunn(2007)的研究，该研究发现那些依赖关系专用性投资投入品的产业，往往更倾向于集聚在具有完善法律制度和较强契约执行能力的国家。

综上，本文提出核心主假说H1：

H1：立法产出的增加对州经济增长率存在正向影响。

文章进一步从“法律完备性”与“事后敲竹杠”的理论视角，提出并验证了以下机制：

H2a：对经济增长的促进作用主要来源于经济监管政策(如产权、合同、许可)，而非社会监管政策(如家庭法、刑事司法)。

H2b：相较于非或有条款，包含或有条款的法律条文对经济增长的促进作用更强。

H2c：法律完备性的边际效益递减。在立法存量较低的州，新增立法对经济增长的促进作用更大。

H2d：立法对经济增长的促进作用在那些依赖关系专用性投资的行业中更为显著。

H2e：在经济政策不确定性较高的时期，增加立法(尤其是或有条款)对经济增长的促进作用更强。

三、研究设计

本文所涉及到的变量大致可分为三类：经济产出和增长数据、法规文本数据和立法产出，以及协变量。其中主要挑战在于如何科学地度量“法律”，传统研究中使用法律字数或页面数的方法，而本文则构建了一个覆盖1965-2012年美国50个州的双年度面板数据集，并利用前沿计算语言学技术，实现了对立法内容从“数量”到“质量”与“结构”的精细度量。

(1)样本选择

本文构建了一个覆盖1965至2012年间美国50个州的双年度面板数据集。这一时间段的选择由关键变量的可获得性共同决定：经济增长数据始于1965年，而经过系统整理的州级法律文本数据截止于2012年。鉴于美国许多州立法机构以两年为周期发布其编纂的法规，故将数据聚合至双年度层面，这不仅与立法实践相符，亦有助于平滑经济波动带来的短期噪音。

(2)因变量：经济产出和增长数据

本文的核心因变量是州层面的经济增长，具体度量如下：

实际人均州生产总值增长率：定义为Δlog GSP，即双年度人均GSP对数变化。GSP是衡量各州经济福利和生产率的核心指标，数据来源于BEA Regional Accounts，并以2007年美元不变价进行平减。

(3)核心自变量的构建：基于文本分析的立法产出度量

利用文本分析度量立法产出是本文的方法论创新核心，旨在比传统方法(如法令数量、页数、字数)更精确地度量“立法产出”。本文数据来源于美国各州Session Laws，并通过以下三个步骤从法律文本中构建核心自变量：

1.衡量立法产出

本文首先进行文本切分，将每个两年期的州议会法律数字化文本分割成独立的“法规”，一个“法规”通常对应法典中的一个“章”，是一个连贯、独立颁布的法案或政策，随后再使用句子分词器将法规进一步分割成句子，以便进行更细粒度的分析。其次，本文应用句法依存分析器来构建句子中词语间的语法关系并识别主语、谓语、宾语及否定结构等成分。这种方法借鉴了计算语言学领域的研究，如Dell’Orletta等(2012)、Montemagni和Venturi(2013)。最后，采用Vannoni等(2019)和Ash等(2020)提出的方法，从句子中提取具有法律相关性的陈述（即“法律条款”）。借鉴了如Saias和Quaresma(2003)、Soria等(2007)等关于法律本体和语言资源的研究，本文定义了一组立法条款类型（也称为“法律框架”），如授权、约束等；提取规则是基于依存关系标签，该设计参考了Lame(2003)和van Engers等(2004)等关于法律知识提取系统的研究。例如，一项约束性条款可通过三种潜在结构来界定：其一为带情态动词的否定结构，例如“代理人不得……”；其二为带许可类动词的否定结构，例如“代理人未被允许……”；其三为带约束类动词的肯定结构，例如“代理人被禁止……”。具体如表1所示。

表1 法律条款类型及其提取规则

综上，立法产出W_st 定义为在特定州s和两年期t的会议法律中统计出的法律条款总数。为评估比例变化，使用条款数的对数值。

2.法律主题

本文采用Blei等(2003) 提出的LDA模型，对法律文本进行主题分类，该模型假设每个文档（即单部法规）都是多个主题的混合，而每个主题则表现为一个词语的概率分布。这一方法在政治经济学领域的文本数据分析中已被广泛接受和应用(Grimmer和Stewart, 2013; Hansen等, 2018)。

为解析法律文本的内容结构，本文采用LDA模型在法规层面对语料库进行训练。主题数量（K）的确定综合了统计指标与研究的实际需求：通过最大化“主题一致性得分”，模型在K=42时达到统计最优，且此类更细粒度的主题比18个主题模型更容易划分为更广泛的政策领域，即经济监管、社会监管、财政政策和程序；同时，作者通过综合评估认为，K=18的模型在主题的可解释性与颗粒度之间取得了更理想的平衡。为验证结论的稳健性，本文在从6到48的多个主题数量上进行了全面测试，研究的核心结论对于主题数量的设定变化展现出很强的稳健性。鉴于此，正文中的基准模型最终采用更具阐释性的18主题方案，如表2所示。

基于训练好的模型，本文根据每部法规中的词语和短语，为其分配一个主题的概率分布。对于每个州及其对应的两年期，按主题统计的条款数量是通过以下方式计算的：将该州在该两年期内所有法规的条款数进行加总，并以每部法规的主题概率分布作为权重。令 L_st 代表在时期t 州s 颁布的法规集合。对于集合中的每部法规i，其条款数量记为 W_i，并且模型会为其输出一个主题分布向量v_i=(v_i¹,v_i²,...,v_i^k) ，其中v_i^k≥0且∑_k v_i^k=1。那么，在时期t 州s 关于主题 k的立法流量 W_st^k为：

3.法律语言条件性

条件性是法律语言的一个显著特征，因为它规定了在更精确的条件下才需采取的法律行动(Crawford和Ostrom, 1995; Frantz和Siddiki, 2022)。本文采用基于词典的方法来度量条件性，从语言学家开发的若干标示条件性的词表出发，通过在法规文本中搜索实例，以核验哪些词语几乎总是用于表示条件性。本文最终确定了一个能够独特标识或有条款的、相对简短的词表。从形式上讲，如果一个条款所在的句子中出现了以下任何词语（或短语），则该条款被认定为或有条款：如果, 倘若, 在...情况下, 可能, 除非, 应, 将, 只要, 假若, 前提是, 否则, 假设。

令W_st^C表示州s在年份t 所颁布法规中或有条款的数量，令W_st^N = W_st - W_st^C表示非或有条款的数量。本文还计算了州-两年期层面、按主题细分的或有条款和非或有条款的数量。

表2 基于LDA模型的立法主题分类（K=18）

(4)协变量

人口与社会特征：数据来源于U.S. Census Bureau、State Government Finance Census，主要变量包括总人口、城市人口、收入、人均实际税收、人均实际政府支出。

政府支出：数据来源于State Government Finance Census，主要变量包括政府总支出、立法支出。

政治环境：依据Klarner(2013)和Ujhelyi(2014)，用民主党控制下议院、上议院和州长三个治理机构的数量衡量，范围从0到3，此外还设置了竞选捐款和竞选财务监管两个变量。

地方经济不确定性(EPU)：依据Baker等(2016)基于新闻文本构建的经济政策不确定性指数，通过计算两年期内在某个州提到“经济不确定性”的文章数量，将此计数除以新闻文章总数来构建频率。

关系专用性投资：数据来源BEA Regional Accounts和Nunn(2007)，指在一个行业中不被放在公开市场上交易的“关系专用性”中间产品投入所占总投入的比例。本文进一步将Nunn(2007)为行业计算的“关系专用性分数”匹配到了本文的州-年度-行业GDP数据上。得分最高的行业是计算机/电子产品和出版，最低的行业是石油/天然气开采和初级金属制造。

四、内生性分析

本文采用了一种新颖的基于文本的“转移-份额”工具变量设计，该工具变量利用了法律文本中的主题信息。下文将详细说明该工具的构建方法，并提供其有效性的证据与检验。

1.线性回归模型的设定

本文的数据集位于州-双年度层面，主要研究目标是检验立法产出W_st会提高还是降低经济增长Y_st。故令W_st等于颁布的法律条款数量，ΔlogY_st等于州s在时期t内实际人均GDP的对数变化，据此提出以下线性模型：

其中α_s包含各州固定效应，α_t包含时间（双年度）固定效应，α_s·t包含州特定的时间趋势。当使用普通最小二乘法(OLS)估计时，这是一个标准的双向固定效应模型。X_st包含一组额外的协变量(时间固定效应与前期各州特征的交互)，用于稳健性检验。

在强有力的识别假设下，ρ的OLS估计值可以解释为立法产出对增长的因果效应。关键假设是：不存在同时与logW_st和ΔlogY_st相关的未观测因素。但考虑到可能存在同时影响经济产出和立法产出的未观测冲击（例如，一个新产业的兴起），故这一假设是不现实的，后文旨在解决这些混杂因素。

2. 用于识别立法扩散的“转移-份额”工具变量

基准OLS模型(1)由于存在混淆因素和反向因果关系，很可能产生有偏估计。本文通过工具变量法来解决这个问题，该方法利用了美国各州之间法律文本共享所带来的立法产出的外生变化。

联邦制度的一个经典动机在于，其组成单位（例如美国各州）可以作为“民主实验室”，用于发现和采纳优良政策(Burgess等, 2016)。当各州通过立法采纳了好政策时，其他州的立法者可以学习这些范例，并在其法律中采用类似政策。正如先前所讨论的，美国各州间政策扩散的一个主要驱动力是政策成功；成功的政策更有可能在各州间传播(Volden, 2006; Pacheco, 2012; Shipan和Volden, 2014; Butler等, 2017)。例如，Yu等(2020)发现，在醉酒行驶法律方面，只有那些能降低总死亡率政策才会在各州扩散。由于这些政策体现在立法文本中，州与州之间的政策扩散通常包含文本的借用(Burgess等, 2016)。在其他条件相同的情况下，使用先前使用过的文本比从头起草成本更低。且在美国各州的背景下，这种借用机制可能会得到加强，因为州立法机构的资源相对有限(Malhotra, 2006)。

总而言之，先前的研究表明，州立法者会借用其他州的法律条款。这种借用部分是由于资源限制，表明新立法的起草存在成本。故本文预期在一个特定州尚未进行详细立法的主题上，借用会更多。此外，立法者倾向于有选择地借用成功的条款。因此，通过借用而扩散的立法就其对社会和经济的影响而言，是经过正向选择的。

    这些观点为本文工具的构建提供了动机。形式上，本文采用了通常归功于Bartik (1991, 1994) 并由Blanchard和Katz (1992)推广的“转移-份额”工具变量。为了将本文的背景与更传统的“转移-份额”设计联系起来，本文将法律条款的流动类比于工人或移民的流动。与经济部门（提供工人）和原籍国（提供移民）类似，本文使用法律政策主题（提供立法文本）。该工具包含一个“份额”因子和一个“转移”因子。 

局部“份额” 是一个州在每个主题上前期的立法产出存量，类似于跨部门的前期就业份额，或跨原籍国的前期移民人口份额。形式上，本文使用前十年(1955-1964)主题份额的平均值衡量处理前各州立法主题份额，表示为第0期，W_s0^k/ W_s0。

全局“转移”衡量的是全国范围内针对某一特定法律主题的立法增长。这一概念与经典研究中的“部门就业全国增长”或“特定来源国移民增长”类似，旨在捕捉外生于单个州的外部趋势。构建方法是对于某一法律主题K，计算其他49个州在该主题上立法条款数量对数变化的平均值，且采用“留一法”，即排除本州自身数据后求平均，公式为(1/49)Σ_r≠sΔlogW_rt^k。Borusyak等(2022) 指出，这种做法能够放宽工具变量的识别假设。

综上，立法产出的工具变量是留一法平均立法流动（按主题）的加权和，乘以该州处理前的主题份额：

为便于理解第一阶段模型和简化模型的结果，工具变量Z_st已被标准化，使其均值为0，方差为1。立法产出的第一阶段回归方程为：

其中，Z_st由方程(2)给出，其他项与方程(1)相同。简化模型通过以下方程得到，即将因变量直接对工具变量进行回归：

3.第一阶段回归结果

在传统的“转移-份额”工具变量设定中，通常预期工具变量Z_st对内生回归变量（如就业）的第一阶段影响系数ψ为正。因为那些在全国范围内增长迅速的产业，若某地区先前在这些产业中占有较高份额，该地区的就业往往会被向上拉动。

然而，在本文的研究设定中，先前份额的作用方向恰恰相反。正如前文所述，那些在某个主题上先前立法程度相对较低的州，最容易被该主题全国性上升趋势所推动。因此，本文预期ψ < 0。

图2清晰地展示了第一阶段回归结果。该结果在统计上显著(p = 0.003)，并在基准设定中产生了Kleibergen-Paap第一阶段的F统计量22.8。正如预期，立法流量与工具变量之间的第一阶段关系为负向。当一个州在某个主题上最初的立法细节较少时，它就更有可能响应该主题的全国性趋势而增加立法。

图2 “转移-份额”立法扩散对立法产出的影响

4.外生性与排他性约束

“转移-份额”工具有两种识别方法。第一种方法假设处理前的份额具有条件外生性(Jaeger等, 2018; Goldsmith-Pinkham等, 2020)。这种观点认为，排他性约束的关键在于：在控制了固定效应和其他协变量后，份额可以视为近似随机分配的(Borusyak等, 2022)。本文据此做出下列假设：

公式(5)在大多数实证背景下是一个相对较强的要求，在本文中意味着处理前的立法主题份额必须与处理期间后续的经济增长趋势不相关。这个假设难以完全成立，因为处理前的立法完全可能是在预期未来增长趋势的情况下起草的。例如，1950年关于税收或就业监管的立法比例，很可能与1960年或1970年经济增长的快慢相关。

尽管如此，本文证明了在假设处理前份额外生的框架下，本文能够通过Jaeger等(2018)以及 Goldsmith-Pinkham等(2020)所提出的检验，如图3、表3所示。这些统计结果为“份额外生性”假设提供了支持，而该假设本身已足以保证工具变量的有效性。

表3 工具变量与处理前的各州特征不相关

图3 处理前的主题份额与后续的增长趋势不相关

第二种识别方法由 Adao等(2019)以及Borusyak等(2022)提出，它依赖于不同的、且论证更弱的假设。在这些框架中，排他性约束源于当期“转移”的条件外生性，而非处理前的“份额”。该方法不需要对处理前的“份额”做任何假设，而是假设全局性冲击(即“转移”)与暴露加权的潜在结果平均值不相关(Autor等, 2016)。故在本文中该假设可以进一步放宽：

遵循 Adao等(2019)以及Borusyak等(2022)的方法，本文为确保工具变量Z_st的有效性进行了一系列严谨的检验：首先通过主题层面回归证实了工具变量驱动的普遍性，结果显示其影响力广泛分布于绝大多数法律主题；继而运用Olea和Pflueger(2013)的稳健检验，以132.8的超高有效F统计量坚决排除了工具变量较弱可能；关键性的安慰剂检验则通过将经济增长对工具变量未来值进行回归，证实了不存在反向因果关系；最后通过平衡性检验，证明了工具变量与当前及滞后的各州特征均无显著相关性，从而排除了潜在混淆路径，以上系统性的检验结果共同为工具变量的有效性提供了有力支持。

五、主要结果

表4 第一阶段、OLS和简化模型回归结果

表4展示了关于立法产出与增长的初步结果。第(1)和第(2)列阐释了第一阶段方程(3)的估计结果，表明工具变量对“对数条款数”存在负向显著的影响。在第(3)和第(4)列中，第二阶段方程(1)的OLS估计值为正，但并不稳健显著。第(5)和第(6)列表明了工具变量对增长的简化模型结果，该影响显著。正如上文所讨论的，简化模型系数为负，这反映出某一主题在处理前细节较少与立法产出的正向冲击相关联。

表5 立法产出与经济增长的回归结果

表5展示了关于立法产出对增长的影响系数ρ的2SLS估计值。第(1)列给出了包含州固定效应和两年期固定效应的基准2SLS估计值，该估计值为正且在统计上显著，其幅度与OLS估计值相似，这意味着在边际上，由全国性文本流动引起的外生性立法产出变动与经济增长的提高相关联。其余各列提供了一系列稳健性检验，第(2)列中州特定的线性时间趋势并未改变结果；第(3)至第(5)列中加入的与完全饱和的时间效应交互的处理前控制变量组也未改变结果。第(6)列中结果对当前时期主题份额的控制不敏感。最后，第(7)列将所有因素结合起来并加入滞后因变量，在包含内生性控制变量的情况下，仍然产生了一个正向且在统计上显著的系数，但幅度略小。

这些关于立法产出对增长的稳健正向效应在其幅度上具有经济意义，估计结果表明，借用立法增加10%将使人均经济增长率提高0.1至0.2个百分点，而增长率的均值是3.1个百分点。法规流动增加10%对增长的影响等效于政府支出流动增加0.1%。

本文还通过系统性的稳健性检验，确认了立法促进经济增长这一核心结论的可靠性。在时序层面，分析显示立法对经济增长存在显著的当期促进效应，而未来期的立法（安慰剂检验）对当前经济无影响，这有效证实了因果关系的方向性；同时滞后效应虽未达统计显著性，但呈现正向趋势，暗示立法影响可能具有持续性。在模型设定层面，研究发现结果不受特定主题驱动，在不同主题数量设定下保持稳定；特别值得注意的是，当使用传统文本度量（如字数）时效应消失，印证了神经网络方法在捕捉法律实质内容上的优势；且在控制法规页数后结论依然成立。在机制识别层面，检验证实效应体现在GDP总量和人均GDP增长，而非人口增长；其主要通过提升利润和劳动收入实现，而非依赖就业或企业数量增加；同时研究排除了财政渠道（政府支出、税收和政党控制均未同步变化）和其他法律渠道（行政规章和法院判例）的替代解释。最后在统计推断层面，各种聚类标准误设定（包括双向聚类和基于主题份额的k均值聚类）均显示结果保持显著。这些多维度的检验共同构筑了研究结论的坚实支撑，表明立法与经济增长之间的因果关系具有高度的稳健性。

六、进一步分析

支持本文的核心出发点在于“敲竹杠”理论(Williamson, 1979; Hart和Moore, 1990)，该理论指出，更完备的立法能够通过减少事后被剥削的风险，来激励针对特定法律环境和商业关系的事前专用性投资。其核心机制在于，当企业需要为遵守各州法规而进行不可逆的专用性投资时，模糊或不完整的法律会带来巨大的执行不确定性。如果监管机构或法院的后续执行与预期不符，企业便会面临投资价值受损的“敲竹杠”风险，从而导致投资不足，抑制经济增长(Klein等, 1978)。因此，增加法律的完备性被视为在边际上促进增长的关键渠道。

而这一“敲竹杠”解释隐含了一个重要前提：被采纳的法律平均而言是对企业有益、能够提升效率的。在美国各州的制度背景下，这一前提具有一定的合理性。各州间存在吸引企业的竞争压力，并且存在相互学习成功政策的社会学习机制(Volden, 2006; Pacheco, 2012)。特别地，本文采用的工具变量是基于各州之间法律文本借用构建的，本身就更可能捕捉到那些经过“正向选择”的效率提升型法律(Butler等, 2017)。因为借用他州法律降低了起草成本，立法者会优先选择那些被认为更成功的政策进行借鉴，从而使得工具变量触发的立法细节增加，更可能完善本州的“立法社会契约”并促进增长。

上述思想在更正式的理论模型中得到了进一步支撑，例如基于Battigalli和Maggi (2002, 2008)的“写作成本”模型，它们共同为后续的实证检验提供了理论基础。基于此框架，本文衍生出一系列可检验的预测：第一，对增长的影响应主要由经济监管政策（如产权、合同）驱动，而非社会政策。第二，或有条款因其能更灵活地应对未来不确定性，其促进增长的效果应强于僵化的非或有条款。第三，法律细节对增长的边际效益应呈现凹性，即在法律细节初始水平较低时，新增法律的效应更大。第四，效应应当集中在那些投入产品关系专用性更高的行业(Nunn, 2007)。第五，在经济政策不确定性(Baker等, 2016)较高的时期，更完备的法律（尤其是或有条款）对于管理风险、促进投资的价值会更大，因而其促进增长的效果也应更强。

（1）立法政策主题的异质性

本文的工具变量识别的是一个平均效应，它综合了众多不同类型立法文本的影响。在此，本文检验哪些类型的政策是驱动该效应的关键，并预期效应应当由与特定商业投资相关的政策所驱动。特别地，本文预期效应最大的是监管经济活动的政策（例如，合同、许可、产权），而其他政策（如监管社会问题的政策，例如家庭法、刑事司法）的效应应当较小。

本文将 LDA 主题划分为四个更易于解释的类别：经济监管、社会监管、财政政策和程序，进而得到四个单独的内生回归变量，即每个类别下州-两年期的立法条款数量的对数值。相应地，本文为这四个类别分别构建了各自的份额偏移工具变量。回归结果如表6所示：

表6 立法政策主题的异质性

首先，经济监管具有正向显著的影响，而社会监管则完全没有影响。这与投资假说一致，即关于经济问题的更清晰规则能够减少“敲竹杠”问题，从而带来更多的经济活动，而关于社会问题的更清晰规则影响较小。

此外，本文发现财政政策规则对增长有显著影响。从投资的角度来看，这也是合理的，因为许多地方性政策是通过税收和公共支出实施的。与此观点一致，回顾前文可知，法律对增长的影响并非由政府支出的变化所驱动。也就是说，财政政策效应并非源于支出乘数，而是源于关于资金如何筹集或使用的法律变化(例如，有针对性的税收豁免或补贴)。最后，程序性规则(例如，选举管理)对经济增长的重要性较低。

（2）或有条款的相对效应

在制定一套最优规则或鼓励关系专用性投资的背景下，“或有性”是推动立法趋向完备合同的关键。例如，在Battigalli和Maggi (2002)的模型中，为最重要的合同主题配备更多的或有条款是最优的。更完备的合同有助于减少法律不确定性，而法律不确定性的减少能在企业内部和企业之间催生更稳定的关系，从而实现更好的经济成果。

为验证这一理论，本文通过两种计量策略考察了或有条款的经济效应。首先，本文将或有条款和非或有条款作为联合内生变量，分别估计它们对经济增长的影响。其次，本文构建了一个更具识别力的指标——或有条款与非或有条款的比例，以直接检验相对重要性。关于或有性的2SLS回归结果见表7。第(1)和(2)列提供了具有两个内生回归变量（或有和非或有）的第二阶段估计结果，即或有条款的2SLS效应为正，而非或有条款的2SLS效应为负。第(3)–(7)列阐明了差分（或有减去非或有）第二阶段的估计结果，与分开处理的设定一致，相对更多地使用或有性具有很大的正向效应。该效应在纳入州特定趋势或纳入与时间固定效应交互的预处理特征后依然稳健。值得注意的是，或有条款的估计系数达到总条款系数的3-4倍，凸显其在推动经济增长中的突出作用。

表7 或有条款的相对效应

（3）现有法律细节的凹性

本文预测立法细节与经济增长之间可能存在的凹性关系。由于完成立法合同存在边际收益递减，在既有法律存量相对较低的环境中，新增法律的影响应该更大。

本文采用过去五个两年期（十年）内各州颁布的条款数量作为立法存量的代理变量，并据此将样本划分为三个三分位组。通过分样本进行2SLS回归发现，相较于立法存量中等或高的州，法律对经济增长的影响在近期立法量低的州更强。对于立法存量低的州，该效应在纳入州特定趋势后依然稳健，并且对或有性的效应也成立（见表8）。

表8 现有法律细节的凹性

4.部门关系专用性 

本文通过行业异质性分析来验证关系专用性投资机制。由于无法直接测度企业层面的专用性投资，本文采用Nunn(2007)的方法，以各行业未在全球化交易所交易的中间投入产品比例为代理变量，将样本划分为高/低关系专用性部门进行分组检验。

表9的回归结果显著支持了理论预期：在低关系专用性部门（如化石燃料、初级金属），法律变动对产出没有显著影响；而在高关系专用性部门（如电子产品、出版业），法律细节的增加则表现出显著的正向效应。这一发现不仅适用于一般立法条款，对或有条款的影响尤为明显，且在控制州特定趋势后依然稳健，有力证实了关系专用性投资是法律影响经济增长的重要渠道。

表9 部门关系专用性

5. 经济政策不确定性

本文最后验证经济政策不确定性的调节作用，理论表明，不确定性越高，完备法律（特别是或有条款）通过降低"敲竹杠"风险所带来的价值就越大。本文采用Baker等(2016)的州级EPU测度，将样本按不确定性分为三组。

表10显示，在低和中不确定性组中，法律对增长无显著影响；而在高不确定性组中，立法对增长的促进作用增强约一倍，或有条款的效应尤为突出。回归结果支持了“法律对增长的影响受 EPU 高低调节”的观点。

表10 经济政策不确定性

七、研究结论

本文通过融合大规模法律文本数据与前沿的因果识别策略，为“法律促进经济增长”这一经典命题提供了来自美国州级层面的坚实因果证据。研究发现，在边际上，由于各州之间法律扩散引致的更多立法，平均而言显著推动了经济增长。

本文的贡献不仅在于证实了这一平均效应，更在于通过深入的机制分析揭示了法律影响经济增长的微观作用机制，即法律的促进作用源于其构建更完备“社会契约”的能力，这种完备性通过降低因法律模糊性导致的“事后敲竹杠”风险，有效激励了企业进行关系专用性投资。这一核心机制得到了系统性经验证据的支持：法律的增长效应在经济监管领域、包含或有条款的精细设计中、法律存量薄弱的地区、专用投资密集的行业以及经济不确定性高的时期表现得尤为突出。

在方法论层面，本文展示了如何将计算语言学工具与严谨的计量经济学设计相结合，以应对社会科学中的因果识别难题。而文本“转移-份额”这一研究范式，为广泛探索文本驱动型的社会经济现象，例如技术向专利文件的扩散、软件项目间的源代码传播，或社交媒体上的叙事传播等开辟了道路，并提供了进行因果推断的关键工具。

在实质意义上，未来的研究可以继续拓展本方法，以探究法律对邻近州的溢出效应。本文所识别的经济政策可能同时产生正溢出（如贸易收益）和负溢出（如劳动力和资本转移）。理解这些溢出效应将能更全面地评估立法借用的福利后果。

本文实证结果的外部有效性仍是一个开放性问题，在加拿大、瑞士或欧盟等其他联邦体系中进行类似研究将颇具价值。且本文所探讨的理论机制具有更广泛的适用性，可为未来的实证工作提供指导，而结果能否推广到其他情境，取决于不同的制度框架。例如，有研究显示，在像意大利这样存在强烈信号激励、立法存量庞大的体系中，降低法律起草成本的影响可能与美国州立法者的情况截然不同，因为美国面临的信号扭曲较弱且竞争压力更倾向于效率。本文期望未来理论与数据分析的进一步结合，能够推动对这些结果在不同制度背景下适用性的更深入理解。

Abstract

This paper analyzes the conditions under which more legislation contributes to economic growth. In the context of US states, we apply natural language processing tools to measure legislative flows for the years 1965–2012. We implement a novel shift-share design for text data, where the instrument for legislation is leave-one-out legal topic flows interacted with pretreatment legal topic shares. We find that at the margin, higher legislative output causes more economic growth. Consistent with more complete laws reducing ex post holdup, we find that the effect is driven by the use of contingent clauses, is largest in sectors with high relationship-specific investments, and is increasing with local economic uncertainty.

原文地址：https://doi.org/10.1086/734874