【文献复刻】土地市场降温与地方ZF债务风险

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

          在长期改革发展历程中，土地财政与地方债存在密切联系。一方面，土地是地方政府信用的有力背书，是地方政府顺利发行债券的重要保障；另一方面，由土地出让收入作为主要构成部分的政府性基金收入也是地方债尤其是专项债还本付息的重要资金来源。因此，在长期发展过程中，地方政府债务风险有土地财政进行兜底，尚处于可控范围。但需要关注的是，近年来，中国土地市场持续低迷，地方政府土地财政情况也不容乐观。近几年中国国有土地使用权出让收入规模虽然在持续增加，其增速却开始逐步下滑，尤其是 2021 年下半年开始，全国主要城市的一二手房成交均同比大幅下滑，房地产市场的降温使得土地市场随之低迷，各地方政府的土地出让收入明显减少，甚至出现了地方政府通过国企购地等方式虚增土地出让收入的现象。据财政部统计，2021 年，国有土地使用权出让收入 87051 亿元，同比增长 3.5%，增幅呈明显放缓态势；2022 年，国有土地使用权出让收入 66854 亿元，比上年下降 23.3%；2023 年，国有土地使用权出让收入 57996 亿元，同比下降 13.2%。土地市场降温不仅使得土地财政恐难以为继，还可能影响房屋交易环节的地方政府税费收入，甚至进一步导致地方政府债务发行缺乏足够的信用担保、还本付息缺乏充分的资金保障，加剧地方政府债务风险累积。可见，在土地市场降温情形下，地方政府债务风险已具备全新特征，亟需对其进行重新审视。基于此，本文立足于土地市场降温的现实背景，研究这一全新财政形势对于地方政府债务风险的影响效应及内在机理。

---

01 文献简介

▪ 文献来源：周佳音,陆毅.土地市场降温与地方政府债务风险：来自区县级数据的证据[J].数量经济技术经济研究,2024,(7):28-48
▪ 数据与代码来源：《数量经济技术经济研究》编辑部（http://www.jqte.net/）
▪ 关键词：土地财政 土地流拍 地方财政压力 地方政府债务风险 财政可持续

▪ 主要内容： 土地市场持续降温会引发土地财政格局发生改变，进而波及地方政府债务风险，使之不同于以往。本文基于中国区县级数据，构建强度双重差分模型检验了土地市场降温对地方政府债务风险的影响。研究发现：土地市场降温导致地方政府债务风险上升，其内在逻辑在于，土地市场降温导致土地流拍增加、土地出让收入下降，进而通过财力渠道引致地方政府债务风险上升。为应对债务压力，地方政府偏好发行长期债券并增加借新还旧比重，这进一步加剧了地方政府债务风险的累积。异质性分析发现，城投债存量较高的地方政府更容易受到土地市场降温的负面冲击，而财政收入质量较高的地方政府则能够较好地抵御上述风险。本文系统分析了土地市场降温背景下的地方政府债务风险变化及机制，为缓解地方财政压力、防范化解地方政府债务风险提供了实证证据及政策参考。

▪创新点：
（1）本文聚焦于土地市场降温的现实背景，探讨财政可持续和地方政府债务风险问题，在研究视野上存在一定的创新性。
（2）既有文献更多关注土地对地方债尤其是城投债规模的影响，但关于土地与地方政府债务风险关系的研究还有待深入，本文利用区县级数据，基于债务和财力的双重视角对土地市场冲击之于地方政府债务风险的影响进行了综合与分解检验，为该领域研究提供了补充。
（3）本文在度量地方政府债务风险时，充分考虑地方政府债券、城投债两类债务来源以及多种财政收入来源等要素，构建了更加全面客观的地方政府债务率口径。在政策层面，本文针对防范化解地方政府债务风险等实践工作提出了可行性路径建议，具有一定的现实意义。

---

02 研究模型与变量设计

（一）变量及数据说明

文章构建了中国 2014~2021 年区县层面的面板数据，总样本量共 21992 条。文章变量所用数据主要来源于企业预警通数据库、中指云、gta数据库、政府公文公报等。

因变量 ：本文基准回归模型（1）中的因变量 DebtRatioct是地方政府的债务率，用以刻画地方政府债务风险情况。债务率是地方政府债务余额与地方政府综合财力的比重，是评估债务风险的重要标准。该指标将地方财力引入考量范畴，能够结合各地区财政韧性对债务规模进行评判，进而较好度量地方政府债务风险。债务率数值越高，说明地方政府的负债相较于财力规模越大，进而导致其偿债压力越大。本文主要借鉴国内大多数券商采用的宽口径债务率计算公式，即“债务率=（地方政府债务余额+地区融资平台有息债务余额）/地方政府综合财力”。其中，地方政府综合财力=一般公共预算收入+转移性收入+政府性基金预算收入+国有资本经营预算收入；地区融资平台有息债务余额为各家融资平台短期债务与长期债务之和，短期债务=短期借款+应付票据+一年内到期的非流动负债+应付短期债券，长期债务=长期借款+应付长期债券。债务率计算过程中的原始数据来源于企业预警通数据库。

核心解释变量：本文核心解释变量由 Treatmentc和 postt交互获得。其中，Treatmentc是一个连续型变量，代表各地区受政策冲击强度，使用各地区在政策冲击前（2014~2017年）的土地财政依赖程度均值进行度量，土地财政依赖程度=土地出让收入/地方政府综合财力。postt是一个（0，1）二值虚拟变量，根据前文分析的政策冲击时间，设定 2018年前其值为 0，2018年及以后其值为 1。将 Treatmentc与 postt进行交互，即可刻画 2018年房地产调控政策对各地区土地市场的冲击，亦即各地区受到土地市场降温的冲击。

前定变量：基准回归模型（1）中的 Xc 为前文分析得出的四个前定变量：人均 GDP、财政自给率、一般公共预算支出、政府性基金预算支出。其中，财政自给率=一般公共预算收入/一般公共预算支出。原始数据均来源于企业预警通数据库，除财政自给率外，其他变量均做对数处理。回归时具体控制各地区 2014~2017 年各前定变量均值与时间固定效应的交互项。

机制变量：本文认为，房地产调控政策直接对地方政府土地出让行为造成了影响，进而传导至地方财力和债务规模，最终使得债务率发生变化。因此，本文的机制变量主要包括土地成交宗数、土地流拍宗数、土地推出宗数、土地出让收入。其中，土地成交宗数、土地流拍宗数、土地推出宗数数据来源于中指云土地市场数据库，土地出让收入数据来源于企业预警通数据库。在回归中，对以上四个变量均做对数处理。

其他变量：在稳健性检验中，本文进一步控制了样本期内同期政策，以排除其他政策的干扰。

其一，控制城投债领域约束性政策：首先计算 2014~2016年各地区城投债依赖程度均值，城投债依赖程度=地区融资平台有息债务余额（/ 地方政府债务余额+地区融资平台有息债务余额），随后将其与“2017 年后”虚拟变量交互，构建成为“城投债约束”虚拟变量加入模型中。

其二，控制减税降费政策：首先计算2014~2017 年各地区税收依赖程度均值，税收依赖程度=税收收入/地方政府综合财力，随后将其与“2018 年后”虚拟变量交互，构建成为“减税降费”虚拟变量加入模型中。上述变量所涉及的原始数据均来源于企业预警通数据库。

其三，控制 COVID-19 大流行的影响：从新闻数据中统计各城市截至 2021 年 12 月 31 日的累计确诊人数并进行归一化，作为各地区受 COVID-19 冲击强度，将其与“2020 年后”虚拟变量交互，构建成为“COVID-19”虚拟变量加入模型中。

在异质性分析中，本文还将引入几个分组变量，包括城投债存量、专项债存量与地方政府的财政收入质量。其中，城投债存量使用各地区 2014~2017 年融资平台有息债务余额均值对数度量，专项债存量使用各地区 2014~2017 年专项债余额均值对数度量。地方政府的财政收入质量是一个连续型变量，代理变量是各地区在 2014~2017 年的税收收入占地方政府综合财力比重均值。上述变量所涉及的原始数据均来源于企业预警通数据库。对地方政府债务风险表现和地方政府行为变化的具体考量涉及以下几个变量：票面利率、专项债限额空间、固定资产投资、GDP 增长率、债券平均期限、再融资债券占比。其中，“票面利率”使用该地区所在省份当年新增地方政府债券的平均票面利率度量，“专项债限额空间”使用该地区当年专项债限额—余额空间对数度量，“债券平均期限”即该地区所在省份当年新增地方政府债券的平均期限，“再融资债券占比”使用该地区所在省份当年新增再融资债券规模与新增债券总规模之比度量。以上四个变量所涉及的原始数据均来源于国泰安数据库。固定资产投资、GDP 增长率数据来源于企业预警通数据库，对固定资产投资做对数处理。

（二）模型设定

面对土地市场降温背景，若想探究其对地方政府债务风险的影响，可借助合理的政策冲击构建准自然实验环境，从而排除可能存在的内生性问题，得到相对可信的回归结果。本文认为，2018年的房地产领域系列政策与以往相比存在显著差异，直接达到了明确的土地市场降温的效果，是土地市场降温的一个较好的代理变量，可以作为合理的政策冲击。基于此构建准自然实验环境，能够对土地市场降温与地方政府债务风险的关系进行因果识别。其合理性在于：其一，根据中央政治局会议和《住房城乡建设部关于进一步做好房地产市场调控工作有关问题的通知》（建房〔2018〕49 号）等文件提法，此轮房地产调控政策出台的根本目的是抑制不合理的投机性需求，防止房地产市场过热，促进房地产市场的健康平稳发展，其根本出发点并非视地方政府债务风险情况而定。因此，可以认为政策冲击在地方政府债务风险语境下是相对外生的，不会导致反向因果和自选择等内生性问题。其二，通过前文现实情况与政策梳理不难发现，2018 年的房地产领域政策调控力度相较于以往具有较为显著的区别，市场对于当年的系列政策也产生了较为明显的反应——当年政策出台引发土地市场持续降温，地方政府的土地出让也开始收紧，这构成了时间层面的差异化冲击。其三，虽然 2018 年的政策导向是针对全国范围提出的，但由于各地区的土地财政发展情况存在差异，各地方政府也将受到当年政策的差异化影响。如果一个地区长期以来对土地财政的依赖程度较高，那么在房地产整体收紧的情形下将会受到更大的政策冲击，这构成了地区层面的差异化冲击。

根据上述分析，本文认为，2018 年的房地产调控政策能够有效代理土地市场降温，这一外生性冲击构成了准自然实验环境，使得我们可以基于“地区—时间”层面的差异化冲击，利用倍差法（Difference-in-Differences，DID）的实证策略对土地市场降温与地方政府债务风险的关系进行因果识别。具体而言，本文使用强度倍差法研究土地市场降温对地方政府债务风险的影响，所构建的强度双重差分模型如下：

式（1）中，DebtRatioct 表示 c 地区第 t 年的债务率。Treatmentc 为处理强度变量，使用各地区受政策冲击前的土地财政依赖程度代理，计算公式为“土地财政依赖程度=土地出让收入/地方政府综合财力”，即特定地区在政策冲击以前，其财政收入是否更多来源于土地领域的收入。如果一个地区的财政收入对土地的依赖程度较高，那么其在房地产大规模受到冲击的情况下，将会受到更大的影响。因此，该变量能够代表各地区受到政策影响的强度差异，该值越高，地区受到政策影响强度越大。由于各地区处理强度变量并不随时间变化，此处“土地出让收入”“地方政府综合财力”使用政策冲击前（2014~2017 年）各地区相关数据均值进行计算，利用前定变量进行计算所得出的土地财政依赖程度，是不同地区政策冲击前的固有特征，不会受到 2018 年后房地产领域政策冲击的影响，尽可能排除了土地财政依赖程度与债务率之间的反向因果问题。

式（1）中 postt 为政策前后虚拟变量，本文设定 2018 年为政策冲击时点，2018 年以前该值为 0，2018 年及以后该值为 1。Xc 为一系列控制变量，为避免“坏控制变量”（bad control）导致的内生性问题，计算地区 c 在政策冲击前各年的相应控制变量均值，并将其与时间固定效应进行交互，用以控制随时间变化的处理组与控制组样本的核心特征。λt为时间固定效应、ηc 为地区固定效应、εct 为随机扰动项。模型回归结果的标准误经区县层面聚类调整。

---

03 数据与代码
▪ 文章及代码原网址：《数量经济技术经济研究》编辑部（http://www.jqte.net/）
▪ 数据详情：

---

04 实证结果

基准回归采用了多种前定变量的控制形式，表 1 报告了相应的回归结果。根据三列估计结果不难发现，虽然在不同模型设定下“政策冲击”系数略有差异，但均在 5% 的水平上显著为正，即土地市场降温会导致地方政府债务风险上升。本文认为，控制前定变量与时间固定效应的交互项最为严格，因此更加关注第（3）列的回归结果。该列估计结果表明，土地市场受冲击强度每增加一个单位，地方政府债务风险会上升 1.194 个单位，相较于全国地方政府债务率均值 2.345 而言增加了50.92％。

【文献复刻】土地市场降温与地方政府债务风险 (76 Bytes, 需要: RMB 29 元)

2024-10-9 16:51:13 上传

需要: RMB 29 元  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：地方ZF债务 土地市场 地方ZF ZF债务 differences