中美贸易摩擦中的美国党争：来自县级作物种植的数据 | 国政学人

更多的研究发现，意识形态偏好可以溢出至经济行为。目前研究集中在消费者决策方面，但相关研究仍有待进一步深化。党派经济决策背后的机制一直存在争议，但群体内偏袒和群体外反感共同驱动党派行为。作者认为，大规模的生产决策可能也遵循党派模式。即当党派精英暗示支持昂贵的商业决策时，支持党派企业主将更有可能不顾成本执行这些决策，尽管这种做法不一定有利于内部群体或损害外部群体。

作者以特朗普在2018年发起的中美贸易摩擦为例来检验这一理论，通过利用美国农业部（USDA）提供的地理参考卫星图像数据，客观衡量农民对贸易摩擦的反应，而不是依赖农民的自选择偏好。作者认为农民在做出商业决策时会受到党派暗示。在2016年总统大选中大力支持特朗普的县不太可能停止种植受关税负面影响的作物。特朗普投票率低的县的农场大幅减少了这些关税商品的种植。本文发展既有研究在于以下两点：一、贸易优惠政策并非是廉价磋商；二、21世纪初所谓的“中国冲击”对美国国内政治产生了影响，进而促使共和党坚定保守主义政策，但这些政治化结果的经济原因和后果尚未得到充分探讨。

2018年3月，美国商务部根据《1962年贸易法》对中国钢铁和铝产品进行调查后，增加了对中国钢铁和铝产品的关税，主动挑起贸易摩擦。作为回应，中国对包括铝、猪肉、水果和坚果等美国产品征收了报复性关税，对美国大豆增加25%的关税，美国农业在这次贸易摩擦中遭受了严重的经济损失，对中国的销售额从2017年的195亿美元下降到2018年的91亿美元。销售和出口价格的不确定性理应促使许多美国农民从大豆等主要作物转向其他中国制裁目标以外的作物。然而，根据图中显示，尽管2019年受中国关税影响的作物种植总体急剧下降，但农民的反应存在显著差异。事实上，与前一年相比，大约42%的美国县增加了中国报复性关税目标作物的种植。

为什么有些农民的反应使其容易受到贸易战的影响，而其他人没有？大部分原因是经济上的。与制造业不同，农业生产直接依赖于天气条件和土壤质量。因此，农场的位置一定程度上决定了农民可以种植的作物的类型和数量以及农民对意外价格冲击的反应。农业补贴也在农民的计算中发挥作用。美国长期使用补贴来帮助农业应对经济衰退。除了现有的补贴外，特朗普政府还推出了市场便利化计划（MFP），这是一项旨在抵消农业在贸易战期间遭受经济损失的大规模补偿计划。美国农业部通过一个公式计算了2018年的估计损失，并按英亩的产量偿还农民或农场。尽管MFP和其他补贴为农民提供了应急，但这些补贴不足以防止农民大规模破产。2018年，MFP向农民支付了约86亿美元，2019年增加到145亿美元。这种大量的农业补贴可能是使一些农民能够维持其作物种植做法的一个原因。但作者认为这并非全部是农民的经济考量，而是出于“信仰”的考量，精英暗示可以成为这一现象背后公众舆论与行为的强大驱动力。

作者认为，在精英的驱动下，政治信仰在中美贸易摩擦开始时部分推动了农民种植决策的变化。虽然既有研究表明，政治精英可以在低风险的环境中驱动偏好，但作者认为更是高风险经济活动的强大驱动力。

农民和许多企业主一样，习惯于在不确定的情况下做出决策，但农民并不精通地缘政治贸易条件的不确定性：贸易战会很快结束，一切照旧？还是投资于新的不被加征关税经济？决定继续种植加征关税的农作物，是押注贸易摩擦会很快结束。

精英在帮助人们在不熟悉的条件下形成观点和信念方面至关重要。而农民在寻求这方面的信息暗示。作为贸易摩擦的始作俑者与潜在终结者，特朗普被农民指望着提供未来的方向。根据统计结果，除了农民，特朗普的支持者对其言论也深信不疑。民调显示，高达71%的特朗普选民相信特朗普的话是真话，这甚至高于支持者对自己朋友和家人的信任。60%的农民支持贸易摩擦，信任来自福克斯（FOX）的新闻，而信任特朗普的农民更有可能相信贸易战将是短暂的，不久后被加征关税的商品价格将上涨。不信任特朗普的人则认为应该转向其他不被加征关税的作物种植或储存设备或技术。作者因此提出两个假设：

假设1：越支持特朗普，农民在贸易摩擦期间维持对关税商品依赖的可能性就越大；

假设2：越支持2018年共和党众议员候选人，农民越可能在贸易摩擦中支持受关税影响的商品。

为了验证两个假设，作者采用了新的数据集。

支持特朗普和美国农业生产

作者从美国农业部（USDA）的农田数据层面（CDL）应用程序编程接口（USDA2012）收集基于卫星图像的地理参考作物特定土地覆盖数据。作者首先计算了受关税影响的农作物的年产量与年变化。然后，手工编码中国商务部公布的2018年关税项目清单，与CDL的作物类型清单相匹配。图（a）显示了2018年至2019年期间受中国关税影响的县级作物种植变化。红色区域代表前15个大豆生产州，即“大豆地带”（soybean belt），是受贸易摩擦影响最严重的州。

代表利益的主要自变量是特朗普支持率的县级指标，即特朗普在2016年总统大选中的得票率。图（b）显示了特朗普在美国各县的投票份额的地理分布。

各县特点

控制变量选取上，作者考虑一系列经济因素来解释农民在播种前季节的作物种植决策的潜在混淆因素，通过从美国经济分析局（U.S. Bureau of Economic Analysis，EIA）的区域经济账户中收集了年度县级数据数据。县的规模和农业产业的重要性，人口，用于农业生产的土地份额，农业产业在经济中所占份额的变化，以及受关税影响的农场的数量。作者还考虑了以前通过农业保护计划（CRP）为环境保护预留的土地数量。最后，农场主在同一地区的土地上随着时间的推移轮作不同类型的作物，以保持土壤肥力并最大限度地提高产量，这取决于土壤条件的质的差异。轮作可以解释农民在关税冲击下转向其他作物类型的能力。

此外，作者还用美国农业部2017年的农业中心数据（USDA2017）来收集平均农场规模（千英亩），基于完全所有权运营的农场的平均比例，以及每个县中白人所有者的农场的平均比例，基于2018年美国人口普查的美国社区调查数据，使用至少拥有高中学位和学士学位的成年人口比例来调整县级教育程度。

作者还测量平均日降水量和温度水平，以确定作物产量的预测成功率。

实证研究结果：

为验证假设，作者使用了最小二乘法（OLS），双重差分法（DID）。第一个模型设定为Yi = α + βXi + γ Zi + δs + i，因变量是2018年至2019年被加关税的作物种植（千英亩）的变化，自变量是特朗普在2016年美国总统大选中的投票份额。

根据OLS实证结果，模型1显著正相关，说明越支持特朗普越会增加被加征关税的作物。模型2中将样本仅限制在“大豆带”州，仍显著正相关。模型3中根据对中国农产品最多的州进行了聚类，仍显著正相关。

为了增加稳健性，作者在模型4至模型6中专门把“大豆”作为因变量。具体模型分别同上模型1至模型3，结果仍显著为正，有利支持了假设1论证。

为了增加稳健性，作者采用双重差分法，在作为自变量的虚拟变量设置上，作者设置了2019年为关税冲击的政策元年，之前赋值为0，之后赋值为1，并与特朗普的投票份额进行交乘。模型设定为Tariffed Plantingi,t = β1 + β2 Trump Sharei + β3 Tarifft + β4 Trump Sharei × Tarifft + β Controlsi,t + γt + δi + i,t ，需要关注的系数为交乘项β4。根据实证结果，与OLS一致，均为显著正相关，说明假设1得到了充分论证。

共和党投票份额

为了进一步区分理顺机制，到底是支持特朗普还是支持共和党，作者检验了假设2。作者使用2018年美国众议院投票记录作为自变量进行回归。从而证明农民的种植取决于对特朗普的信念，而不是表达对共和党人的选举支持，根据实证结果，不显著，说明在2018年众议院选举中，县一级对共和党的支持与农民在下一年的种植决策相关性不大。

实证结果支持了政治偏好影响了农民的行为，如汽车等其它领域应该也能找到相似机制，应当是未来研究的方向。而所谓的“中国冲击”对美国农民的经济冲击是另一个研究方向。因此，作者的政策建议是具有商业头脑的决策者和贸易协会需要更努力为美国人提供政策成本和收益的准确信息。

Tariff

关税

 Cheap Talk

廉价磋商

Disentangle

区分，理顺

Elite

精英

Partisan

党争

校对 | 李欣 陈炜

审核 | 李源