摘要: 学者们通常认为权威可以对一个国家的发展道路施加影响。然而,权威将如何对宏观层面的政治经济结果产生影响?本文利用中国近代史上最致命的内战--太平天国运动(1850-1864),来阐明曾国藩如何利用他的个人网络组织军队镇压叛乱,以及这些网络将如何影响国家的权力分配。我们得到两个突出的发现:(i) 曾国藩利用精英网络进行战争动员:在曾国藩掌权后,那些有着更多他网络中的精英的县,士兵死亡人数增加;(ii)战后政治权力明显向这些精英的家乡转移,造成国家层面的权力分配不平衡。我们的研究结果强调了微观层面的精英网络如何影响国家政治和社会权力分配,为精英、战争和国家之间的关系提供了新的启示。学人简介: 白营,香港中文大学经济学系 贾瑞雪,加州大学圣地亚哥分校全球政策与战略学院 杨娇娇,香港中文大学经济学系 文献来源: Ying Bai, Ruixue Jia, Jiaojiao Yang, Web of Power: How Elite Networks Shaped War and Politics in China, The Quarterly Journal of Economics, 2022. 本文作者之一 贾瑞雪 引言 历史一再表明,那些在动荡的时代脱颖而出的人能够对政治施加巨大的影响。经济学研究已经检验了领导人是否能影响一个国家的经济增长。然而,个人通过何种渠道塑造宏观层面的政治经济结果仍有待了解。 在本文中,我们提出了一个新的论点:个人可以通过他们的个人网络,特别是精英之间的联系来影响重要的政治经济成果。这个观点适用于各种政治语境。例如,在二十世纪的中国内战中,蒋介石依靠他在黄埔军校形成的个人网络来组织军事力量。在韩国快速工业化的过程中,一小部分商业精英通过他们与官员和政治家的广泛个人网络影响了国家与社会。 本文的背景是太平天国运动,这是1850年至1864年太平天国的农民起义军与清政府(1644-1911)之间的一场内战。这是中国近代史上最为致命的内战之一,也是一场深刻改变中国政治发展道路的战争。从这个角度来看,太平天国运动与美国内战(1861-1865)部分重合,但其死亡人数(至少2000万)则比美国内战高30多倍。湘军由湖南籍官员曾国藩指挥,由1850年至1852年期间与太平军作战的现有民兵组成。1853年曾国藩掌权后,他利用其个人网络从湖南省的平民中招募士兵。 这一背景有三个优势:第一,科举制创造了一个界定明确的精英网络。这个制度作为培养国家官僚的主要招聘渠道,使精英们有机会在考试的基础上建立政治联盟。我们第一次定量地展示了这个网络中的联系。此外,亲属关系,包括婚姻关系,一直为精英们提供了一个重要的联系。我们将大量的历史档案资料数字化,构建了一个涵盖曾国藩及其网络中其他2460名精英(包括164名来自湖南省的精英)的数据库,提供了曾国藩战前联系的构成在1646个县的变化。这种设定的第二个优势是我们能够衡量精英们的动员结果。具体来说,我们集中于士兵的死亡。我们将《湖南地名词典》中与34,328名士兵死亡有关的记录数字化,包括他们的姓名、原籍县以及他们死亡的年份和相关战役。最后,我们根据中国官僚的丰富信息来衡量精英权力。由于我们对有可能影响一个国家的权力分配感兴趣,我们建立了一个1820-1910年期间所有国家级职位(包括中央政府和省级最高职位)的数据库,我们用它来研究短期和长期的权力分配。 我们的研究包括三组分析。首先,我们证明了曾国藩的个人网络影响了士兵的死亡。我们使用双重查分策略,发现在曾国藩掌权后,那些与曾国藩有更多精英联系的湖南各县出现了更多的士兵死亡。我们重点研究了湖南75个县的精英关系的变化,并将有较多精英关系的县与有较少或没有关系的县进行比较。我们的基线网络包括科举关系和血缘关系,这两者都不受个人选择的影响。我们将一县的精英关系度量为直接和间接关系的总和,并以与曾国藩的距离进行反加权。我们发现,在1853年曾国藩上台后,与曾国藩有直接联系的县每增加一个精英,其士兵死亡人数将会增加21%。为了研究士兵死亡是否反映了战争动员率或死亡率,我们进行了若干异质性检查,发现证据与前者的解释更为一致。 在建立精英网络和士兵死亡之间的关系时,我们想要确定我们的估计是否由其他被遗漏的县的特征所驱动。例如,有更多精英关系的县也可能在政治上更重要,并可能由于这些关系以外的原因对战争做出更大贡献。精英关系的影响只发生在曾国藩掌权之后,这意味着在湖南军队被征召之前,各县之间没有系统性差异。 在第二组分析中,我们研究了战前的精英网络如何影响战后的政治权力分配。为了分析即使没有战争贡献,精英网络是否会导致权力的增加,我们使用了1820-1910年间中国所有1646个县的信息。非湖南地区的县,虽然仍在曾国藩网络的不同程度的联系下运作,但并没有向湖南军队提供士兵,这就给我们留下了一个对照组来研究联系的影响。通过使用双重查分,我们发现与曾国藩有更多联系的湖南各县在战时和战后拥有更多的国家级官员。在曾国藩掌权后,与曾国藩有直接联系的精英多了58%,而在此前的30年里,没有发生明显的变化。相比之下,非湖南、与曾氏有联系的县的优势在战前和战后都保持稳定,这表明湘军与战后的权力分配极为相关。湖南和非湖南县的比较构成了一个三重差分设计,我们从中得到了湖南的精英联系对精英权力变化的影响。三重差分的估计值(52%)与湖南境内的差分估计值接近。 进一步的证据表明,县级权力的提高可以由县级的战争贡献(由士兵死亡来代表)来解释。首先,在我们的三重差分设计中包括湘军士兵的死亡后,来自湖南的精英关系的影响被吸收了。其次,我们在精英关系方面利用了多个来源,并进行了过度识别分析。这些分析表明,当使用国家级科举考试联系来预测士兵死亡时,其他联系与国家级职位没有关联,反之亦然。另外,权力效应可以用士兵死亡来解释,这并不意味着那些受益者一定直接参与了战争。事实上,我们发现这种权力效应在战后的几十年里长期存在。 在最后一节,我们提供了证据,证明我们的研究结果的影响反映在国家层面。基于Ellison-Glaeser指数,我们表明,战后国家层面的权力分配变得更加不平衡。具体来说,我们用进士(殿试中的成功者)在各省的比例来代表正式制度下的政治权力分布。我们用国家级职位的实际份额与这些基准份额之间的差异来衡量权力的地方化,并记录了战后权力地方化的增加。在反事实分析中,我们剔除了湖南的精英网络渠道,发现它占了1850年至1880年间权力地方化增长的57%。我们进一步提供了一个案例研究,说明在关键的历史时刻,权力分布可以极大塑造精英行为。 据我们所知,本文是第一篇从经验上阐明个人如何通过其私人网络塑造国家政治的文章。这一观点通过打开个人与宏观层面的结果相联系的黑匣子,为上文提到的不断增长的关于领导人和领导力的文献做出了贡献。我们关于精英网络如何影响战争动员的发现与最近两项关于战争环境中的领导力的研究有关,这两项研究都强调了领导者价值观在促进动员中的重要性。在我们的背景下,历史叙述表明,在招募过程中,私人网络被用来筛选士兵和建立组织内部信任,而不是直接的榜样影响。基于战争动员的发现,我们进一步证明,塑造战争进程的个人层面的网络也往往对国家层面的权力分配产生长期的影响。我们的发现推动了我们对 '战争造就国家'的理解。虽然理论文献区分了国家间战争和国内战争,认为后者削弱了国家,但研究国家能力的最具体形式--税收能力的实证研究往往发现,内战增加了国家的征税能力。同样,在我们的环境中,国家引入了厘金以资助湖南军队,这在战后持续存在,增加了国家的税收收入。然而,税收收入并不能说明国家能力的全部情况。我们的研究结果表明,了解权力分配的变化可以丰富我们对战争和国家之间关系的理解。 我们的研究也与社会资本在政治和经济变革中的作用的文献相呼应,这只文献强调个人网络(和信任)是对薄弱制度的补充,可以带来积极的政治和经济结果。我们的研究说明了个人网络(以及相关的社会资本)的动态和宏观影响:在战争期间,这些精英的个人网络促进了战争动员,而在战争结束后,这些同样的精英获得了更多的权力,并最终侵蚀了政治选择的正式制度。最后,作为中国历史上最重要的战争之一,太平天国的叛乱和国家的反应引起了历史学家的极大关注。本文与几条历史叙事线有关,我们将在第二节讨论。我们的分析试图提供定量证据来支持这些叙述,并将它们结合起来,以更好地理解私人网络与宏观层面的政治经济后果之间的作用过程。 在第II.A节中,我们描述了太平天国和湘军的历史背景。在第II.B节中,我们总结了我们进行分析的三条历史叙事线。
太平天国运动于1850年开始于西南部的广西省。如Goldstone(1991)所述,其动机与近代早期欧亚大陆的几场重大叛乱有相似之处:人口过多、政府管理不善和民族竞争都导致了19世纪中期中国的紧张局势。在1849-1850年的饥荒条件下,紧张局势爆发为公开战争。太平天国的领导人是洪秀全,他在组建一个天平天国之前,曾四次在科举考试中落榜。 太平天国向北方富裕省份发起了讨伐行动。一开始,叛军比组织不力和腐败的清军要有效得多。太平军在湖南和湖北进行了战斗,征服了几个县。1853年3月,他们征服了南京,并宣布该城为天京。清政府意识到官方军队无法遏制太平军,于是要求曾国藩组织一支军队。然而,他的选择部分是偶然的。他的母亲在1852年去世,按照中国官场的孝道准则,他不得不辞去官职,回到湖南。选择曾国藩还有其他因素,特别是19世纪中期的地方军事化。代表着地方精英的民兵出现在南方的几个省份,他们试图保护自己的社区和财产,因为国家积贫积弱而无法提供这样的公共产品。1850年至1852年,湖南的民兵已经在广西和湖南与太平军作战,湖南军队是在这些现有民兵的基础上组建的。 湘军由没有任何军事经验的曾国藩指挥,一开始就被太平军打败。从1853年到1864年,湘军和太平军在全国各地进行了600多次战斗。1864年夏天,湘军终于攻克了天京(南京),结束了这场战争。
1. 精英网络在组织湘军中的重要性: 个人网络在组织湘军的过程中发挥了突出的作用。由于国家能力薄弱,湘军的招募和指挥结构反映了一般社会结构的管理原则。这些社会联系主要是由科举考试和精英之间的亲属关系所建立,也包括宗族关系。 为什么个人网络很重要?尽管曾国藩网络中的精英们积极招募士兵,但这些精英中很少有人参加战斗。历史讨论表明,信息和信任促进了招募过程。在需求方面,网络提供了筛选士兵的信息。'湘军最终扩充到约13.2万人......以当时的标准来看并不算多,这体现了曾国藩对质量而非数量的重视......湘军部队因严格关注招募、训练、纪律和儒家思想而显得与众不同。在供给方面,社会网络促进了信任。士兵们被许诺月薪4两,是官方部队的两倍。有时,精英们还强调,打仗为平民提供了一条良好的职业道路。信任对于这种承诺的可信度至关重要。 2. 湖南籍精英的崛起: 湘军的成功使其领导人的事业得到良好发展,并促使湖南籍官员在全国范围内获得政治权力。其中一些精英成为洋务运动的领导者,在中部和南部省份建立了现代兵工厂和造船厂。历史讨论表明,湖南精英的崛起通过两个广泛的渠道运作。首先,尽管大多数国家级官员仍然需要获得进士学位,但他们有可能通过宣称对战争有贡献来获得这些职位。在第二个渠道中,鉴于同样的科举背景,一些湖南精英 '因实际或据称参与了军事行动而不断得到晋升'。这些力量也不限于参加战争的那一代人,后来的第二代和第三代成员也从中得益。 湘籍官僚的崛起应该被认为是国家和精英之间讨价还价的结果。即使在战争期间,国家也对权力分享犹豫不决。1859年,胡林翼(在曾国藩的网络中)向朝廷提交了一份奏折,认为曾国藩应被任命为四川总督,以方便与太平军作战。这一建议遭到拒绝。然而,在第二年太平军摧毁了南京城外的清军总部后,情况发生了变化。在这一严重威胁下,国家提升曾国藩为两江总督。这个职位使他有机会管理中国最富裕的地区和最高的军事权力。曾国藩上台后,湘军主宰了中国东部地区,几个与曾国藩有关系的关键人物被提拔到最重要的文职部门。战后,国家希望重新集中权力。然而,一旦关键职位被相互关联的精英控制,国家重新集中权力十分困难。此外,国家仍然需要这些精英的支持来镇压全国各地的其他叛乱。 3. 基于网络的军事组织的政治遗产: 湖南军队的组织偏离了帝制中国长期以来的军事组织传统。为了应对地区精英的威胁,宋朝(960-1279)及其继承者依靠中央集权的军事系统来限制个人的影响力。太平天国的危机迫使国家首次依靠个人网络进行大规模的军事组织。一些历史学家将这一变化解释为中国权力结构的一个转折点。例如,Luo(1996)认为,战争中出现的地区精英建立了足够的力量来抵抗中央的命令,从而削弱了国家。迈克尔(1949)同样猜测,地区精英的崛起 '标志着王朝权力瓦解的开始,最终导致了王朝的崩溃和取代[它]的军阀制度',指向的恰是清朝在1911年崩溃,中国在1928年之前进入军阀时代。然而,这种观点受到了质疑。批评者认为科举制和相关的官僚制度在任命和轮换重要职位的过程中仍然发挥了很大作用,并最终限制了地区精英的影响力。因此,确定战后权力结构如何变化仍然是一个重要且开放的实证问题。 数据
清政府遵循先例,依靠科举制招聘官僚。下面,我们将描述我们的精英网络数据,并解释我们如何将个人层面的数据汇总到县一级。 1. 人际联系:我们的网络数据由三种类型的联系组成。(i) 来自科举考试的联系;(ii) 亲属关系,包括血缘和婚姻关系;以及(iii) 其他朋友。 i. 考试。科举制有两个重要的特定关系。第一个是考官(他们已经是高级别的中央政府官员,如翰林或内阁大学士)和成功入围的考生之间的联系,称为师徒关系。第二种是成功的应试者之间的联系,他们随后将成为官僚机构中未来的同事。 鉴于这些考试环节在政治上的重要性,曾国藩在承担组织军队的任务时依赖这一制度也就不足为奇。众所周知,曾国藩集团的内部联系在很大程度上取决于官僚-学术系统。 由于考试都有仔细的记录,我们可以将考试记录档案数字化,以捕捉这些关系。例如,曾国藩在1838年成为穆彰阿的弟子,穆彰阿后来在19世纪40年代促进了曾国藩的事业发展。曾国藩和李文安(李鸿章之父)是准同学,这使得李鸿章能够成为曾国藩的门生。这些数据还使我们能够观察到与曾国藩更多的间接联系。例如,他的主考官穆彰阿还有来自其他国家级考试的弟子,他们与曾国藩存在间接联系。我们使用战前三十年(1820-1849)所有考试的信息来构建我们的考试联系。 ii. 亲属关系。除了血缘关系,婚姻也提供了一个与重要家庭联系的机会。例如,曾国藩和郭嵩焘是姻亲关系。后者在战前是一个重要的地方精英,战后成为国家级的官僚。 iii. 其他朋友。我们的第三个来源是《湘军志》中所提到的那些帮助曾国藩进行战争动员的个人。 2. 精英网络和县级关系。通过以两种方式定义精英网络,我们称之为基线网络和扩展网络,我们考虑到一些联系不受个人选择的影响(如考试联系),而其他联系(如婚姻)则受个人选择的影响。 基线网络只包括考试联系和血缘关系(图一)。个人无法主动选择这些关系,因此这些关系在这场战争的情况下是外生的。在图中,每个大圆圈表示一次考试(每三年举行一次)的成功者,黑点表示那些来自湖南的个人。所有这些人都有资格获得官方职位,因此属于精英阶层。我们的基线网络涵盖了2419名精英,其中131人来自湖南。 扩大的网络在已建立的基线网络上增加了基于婚姻和朋友的关系(图二)。这一定义共涵盖了2460名精英,其中164人来自湖南。这个替代的衡量标准涵盖了所有可用的信息,但要注意的是,婚姻和朋友是由个人选择的。因此,我们把重点放在基线网络上,把扩大的网络作为稳健性检验。 各县的精英网络差异很大。图三显示了全国各地和湖南境内县级精英的空间分布。在湖南75个县中,有36个县在曾国藩的基线(扩大)网络中至少有一个联系,7个县有5个或更多。如表一所述,我们对联系的基线度量的均值为1.23,标准差为2.53。接下来,我们将研究是什么导致了这种变化。 3. 县级联系与其他特征:我们关心联系的衡量标准是否反映了一个县的经济发展、政治重要性,或者它与太平天国的关系。我们收集了12个变量,这些变量可以分为三大类,以衡量下面总结的这些问题的重要性: i. 地理-经济因素:面积,该县是否有主要河流,主要农作物(水稻和小麦)的适宜性,与大运河的距离,1820年的人口,以及1850年的城市人口。这些变量反映了一个县的生产力和经济优势。 ii. 政治上的重要性:是否是一个县城,战前入门考试配额,以及战前进士人数。 iii. 与太平天国有关的因素:该县是否在太平天国通往南京的路线上,与南京的距离。 虽然县级精英联系和地理经济因素之间的关联性并不强烈,但这些精英联系与进士的数量呈正相关。一般来说,进士多的县往往有更多的精英。这一模式引出了一个问题,即我们的结果是否反映了一个县的总体精英性,而不是曾国藩的个人网络,我们在后续分析中对此进行了探讨。
我们将湖南省地方志中34328名士兵的死亡记录及其姓名和原籍县数字化。对于其中的29,490条记录,我们还知道士兵死亡的年份和地点(战斗)。利用个人层面的信息,我们构建了一个1850-1864年湖南省所有75个县的士兵死亡的县级面板。这种个人层面的数据提供了关于宗族关系(由姓氏反映)和社会地位(科举功名)的额外信息,用于解决我们分析中可能存在的测量误差。
为了衡量战前和战后的政治权力分布,我们根据《清代官员年表》构建了一个1820-1910年的国家级职务和官员数据库。和前朝一样,清朝采用了官阶制度。该制度有九个编号的等级,每个等级又分为上下两级。我们重点关注那些级别在三品及以上的官员。 我们的数据涵盖了由2971名官员担任的28,899个国家级职务。平均而言,有221名官员在某一年担任318个职务。在这些官员中,67%的人是汉族,占据了所有职位的66%(而满族人虽然只占人口的不到1%,却占了三分之一的职位)。我们重点关注汉族官员所担任的职务,因为满族官员有不同的职业轨迹。利用这些职位信息,我们构建了一个1820-1910近百年间所有1646个县的国家级职位的县-年面板。 精英网络与士兵死亡
精英网络是否能够解释士兵死亡的地区差异?我们绘制了有和没有精英关系的湖南各县每年的士兵死亡人数。图四显示,在1853年曾国藩上台之前,没有关系的县和有关系的县的士兵死亡人数似乎是平行的。 曾国藩上台后,有联系的县的死亡人数上升到一个较高的水平,一直持续到1864年战争结束。平均来说,1853年前后,没有关系的县的年度士兵死亡人数从6.6人上升到13人,而有关系的县则从4.7人上升到53.1人,这说明曾国藩的个人网络对士兵死亡人数的重要性。 基于这种模式,通过湖南各地县级精英关系的变化和1853年曾国藩任命的时间变化,我们采用了标准的双重查分设计策略来进行识别。数据涵盖了1850-1864年期间的75个县,我们的基线规格如下(方程(1)): ln_SoldierDeath_c,t=β * EliteConnections_c * Post1853_t + α_c + λ_t + θ * X_c * Post1853_t + ϵ_c,t 为了便于解释系数,我们在主要估计中使用ln_(Soldier deaths + 1)作为因变量,并使用反双曲正弦(IHS) 变换作为因变量提出了其他结果。此外,我们表明,我们的研究结果对控制X_c × λ_t而不是X_c × Post1853_t以及进一步控制各县的固定效应是稳健的。 我们估计方程(1)的假设是,在曾国藩掌权之前,与精英联系较多或较少的县的趋势相似。为了验证这一假设是否合理,我们采用了事件研究法,逐年估计精英关系的影响。
1. 主要结果。我们发现,在曾国藩掌权后,与他有较多联系的县的士兵死亡人数明显增加。在表2第(1)栏中,我们只控制了年份和县的固定效应。在第(2)-(4)列中,我们逐渐增加了控制因素,以及它们与职位(虚拟变量)的相互作用。这些估计意味着,与曾国藩直接相关的精英每增加一个,士兵的死亡人数就会增加21%左右。根据第(6)栏的估计,人均联系数增加一个标准差,士兵死亡人数就会增加42%。 为了检验方程(1)的平行趋势假设,我们在图5中直观地显示了这些估计值。1853年之前,与曾国藩的精英关系与士兵死亡没有关联,这意味着在他掌权之前,各县没有表现出不同的趋势。之后,精英关系发挥了积极作用,一直持续到战争结束。 2. 联系的类型。如果我们把精英网络的定义扩大到包括婚姻和朋友,我们的发现依然成立(表3第(1)栏)。基于扩大网络的估计值比我们的基线估计值略小。 历史叙述表明,宗族关系在招募士兵时提供了信息并起到了建立信任的作用。我们用精英和士兵的姓氏来代表宗族关系,如果他们来自同一个县,并有一个共同的姓氏,就假设他们属于同一个宗族。与这一历史叙述一致,我们发现精英关系对与精英来自同一宗族的士兵的影响明显更大。表3第(5)-(7)栏列出了“75个县×15年×姓氏数(每个县)”的结果。这些结果说明,精英关系对来自同一宗族的士兵死亡的影响是不同宗族的四倍。 3. 安慰剂测试。有两组安慰剂测试有助于验证精英网络对士兵死亡人数的影响。首先,为了验证精英网络的相关性,我们利用考试的时间来构建安慰剂网络。我们假设曾国藩会通过1836年或1840年的国家级考试(而不是实际中1838年的考试)改变他的考试网络,尽管安慰剂网络仍然与实际网络和一个县的总体精英度相关。我们发现,一旦考虑到实际的国家层面的考试联系,安慰剂没有表现出类似的结果(表4,第(1)-(3)列)。 对于第二个安慰剂测试,由于曾国藩利用他的个人网络从湖南动员士兵,所以湖南以外的士兵死亡可以作为一个安慰剂结果。我们进一步收集了淮河流域(安徽和江苏)的淮军士兵死亡数据,发现曾国藩的个人网络不能预测该地区的士兵死亡(表4,第(7)-(11)栏)。 4. 测量误差。精英网络的测量误差是可能的,我们可以使用IV方法来研究这个问题。如表四所示,当使用国家一级的考试联系来衡量我们的基线联系时,我们的估计值变得有点高(0.33)。士兵死亡的测量误差也是可能的。比如,14%的死亡记录没有报告死亡年份。因此,有可能精英联系只与更精确的死亡信息相关联。我们的分析发现精英联系和缺失信息之间没有相关性,这就减轻了这种担忧。
士兵死亡很可能反映了动员情况。以参军机会成本为例:我们假设精英网络对参军的机会成本较高的县的动员影响较小。为了替代机会成本,我们使用了主要的流动渠道—科举考试的变化,该考试由配额制管理。我们发现,在人均入职考试配额较高的县,精英网络对士兵死亡的影响较小。这种模式可以被解释为较高的机会成本阻止了人们加入湘军的证据。 精英网络与战后精英权力
对战争作出贡献的精英网络是否继续塑造战后精英权力的区域分布?在此,我们面临着一个挑战,即了解精英网络在没有战争贡献的情况下是否会导致更多的权力。为了应对这一挑战,我们将非湖南的县纳入我们的分析。非湖南地区的县,虽然在曾国藩的网络中享有不同程度的联系,但在湘军中没有经历过士兵的死亡,它揭示了随着时间的推移,联系对权力的影响。 我们绘制了四组县--湖南省内有关系和无关系的县,以及其他省份的有关系和无关系的县每年任职的国家级职务数量(图6)。我们发现两个明显的模式:首先,在战争末期和战争结束后,在那些地处湖南并与曾有关系的县,有更多人担任国家级职务。第二,在非湖南省,尽管有联系的县一般都有更多的国家级职务,但没有类似的增长。这些模式表明,精英网络通过对战争的参与导致了精英权力的上升。 基于这些证据,我们采用双重和三重差分法来估计曾国藩上台前后湖南的精英关系对国家级职务分布的影响。我们的双重差分模型将方程(1)中的因变量替换为国家级职位的数量,而我们的三重差分模型如下(方程(2)): NatlOffice_c,t = ρ_1 Hunan_c × EliteConnect_c × Post1853_t +ρ_2 Hunan_c ×Post1853_t +ρ_3 EliteConnect_c × Post1853_t + α_c + λ_t + θX_c × Post1853_t + ε_c,t 其中NatlOffice_c,t表示在c县和t年的国家级职位的数量,其余变量的定义与双重差分模型中的定义相同。ρ_1表示权力效应。ρ_2衡量来自湖南的战后优势,ρ_3表示战后一般精英关系的优势。与上述分析类似,我们用事件研究法来补充三重差分设计,即逐年估计 ' Hunan×EliteConnect _c '的影响。
1. 权力效应 我们首先关注表5第(1)和(2)列中的双重差分估计。1853年后,在湖南某县,直接精英关系上升一个单位意味着国家级职位增加0.054,或者是县级年均值(0.093)的58%左右。相比之下,其他省份的县则不存在这种关联(第(3)和(4)栏)。这些结果证实了图六中的动机模式。鉴于这些结果,第(5)和(6)列的三重差分估计值与第(1)和(2)列的双重差分估计值接近:1853年曾国藩掌权后,与非湖南县相比,湖南县的直接精英关系上升一个单位意味着国家级职位增加52%。 我们研究了动态模式,并以1820年为参考年,提出了1821-1910年期间的逐年估计值(图7,面板A-C)。这种动态模式证实了湖南精英网络的权力效应在战前并不存在,而是发生在战争末期和战后,并在战后持续了数十年。 我们进一步调查了网络中的个人在多大程度上通过科举考试获得国家职位。我们用考试名额和进士数量作为结果。我们发现,曾国藩掌权后,湖南的精英网络增加了这两个与考试有关的结果,即精英网络也影响了正式制度。 2. 士兵的死亡能解释权力效应吗? 我们发现,精英网络导致更多的士兵死亡,也导致更多的精英权力。士兵死亡和精英权力之间是否存在联系?我们的答案是肯定的。首先,在表6的第(1)-(3)列中,我们发现一旦我们控制了1854-1864年期间湘军的死亡,精英网络对精英权力的影响就会消失,这表明战争贡献在解释权力效应中的重要性。 为了更直接地检验这种关系,我们采用了工具变量方法(过度识别)。我们利用精英网络中的多种联系源,将其分为两个部分:考试联系和其他部分。我们可以用每个部分来衡量1854-1864年间湘军士兵的死亡。如果其中一个组成部分对战后权力有超出士兵死亡渠道的额外影响,我们会期望在使用另一个组成部分作为工具时看到这个组成部分的显著系数。表六第(4)栏报告了使用两个组成部分预测士兵死亡时的估计值,过度识别检验的P值为0.82。第(5)列和第(6)列报告了使用一个联系部分来预测士兵死亡的结果,并证明另一个部分不能预测国家一级的职位。因为权力效应可以用士兵死亡来解释,所以我们的发现就可以解释为战争贡献使得精英网络有更大的机会来孕育精英权力。 3. 其他结果。我们的研究结果对不同的对比省份是稳健的,包括将其限制在太平天国沿线的五个省份,只使用湖南的邻省或淮河地区(安徽和江苏)作为对比省份。
区域精英的崛起对国家层面的权力分配有重要影响。我们使用Ellison-Glaeser(EG)指数来衡量国家一级的权力分配。我们将各省进士的比例作为基准比例,代表国家控制的政治权力分配。因此,实际的国家级职位份额与这些基准份额的偏差可以作为权力地方化的代表。我们研究了这一指数从1820年到1910年的变化,以及我们先前分析的湖南的精英网络对这一变化的贡献。 图8 A组显示,战后权力的本地化程度有所提高。EG指数从1850年代的0.015上升到1880年代的0.036。这一模式表明,尽管国家在战后仍然依靠考试和相关的官僚制度来任命和晋升官员,但实际的权力分配更有可能偏离这些制度化的规则。我们可以尝试一个反事实的分析:在方程(2)中假设Hunan × Eliteconnections为零,从而关闭湖南的精英网络渠道。在这种情况下,EG指数将从1850年的0.015上升到1880年的0.024。因此,湖南的精英网络可以占到1850-1880年间权力地方化增长的57%。图八B组显示了湖南的精英网络在各年的贡献。 我们还发现,清廷试图限制这些精英的权力。如图9 B组所示,战后,国家将一些精英从这些有联系的县迁往更外围的省份(如贵州和甘肃)。然而,在战争期间变得强大的省份,来自这些联系县的省长的比例仍然很高(10%-20%),这表明很难将区域精英从他们新建立的权力基础中排除出去。 2. 精英的行为 作为中国历史上最重要的战争之一,与太平天国有关的多种历史叙事为我们提供了一个观察精英网络作用的窗口。我们展示了一个惊人的模式:个人网络影响了重要的宏观层面的结果,包括战争期间的士兵死亡和战后的权力分布,使得整个国家的权力分配不太平衡。我们的研究结果为个人影响宏观层面政治经济结果的过程提供了一个新的视角。个人的影响通过个人网络跨区域传播,并对整个国家产生重大影响。 我们的研究还显示,战争可以改变一个国家的权力分配,这在关于战争和国家的文献中很少得到关注。如何可靠地激励精英们帮助统治者赢得并维持权力,是政治学与政治经济学中的一个关键问题。面对叛乱的危机,用权力奖励精英可以作为一种契约,激励他们参与到战争动员中来。然而,一旦权力被分享,国家在重新分配权力时可能会面临困难。我们的故事展现了这种权衡:精英们在短期内将清朝从太平天国的叛乱中拯救出来,但权力分配的新格局也可能在几十年后促使国家走向崩溃。这些发现表明,在不同的环境中考察战争前后的权力分配变化可以丰富我们对战争如何塑造国家的理解。我们希望我们的研究能够为战争、精英和国家之间关系的研究开辟新的途径。
|
|