我国土地财政金融风险的实证分析

　　第 4 章 我国土地财政金融风险的实证分析

　　4.1 模型设定、变量选取与数据来源。

　　4.1.1 模型设定。

　　普通的单方程模型在对各经济变量之间的关系进行估计时，往往会忽视各变量之间的内生性及双向因果关系，从而导致异方差或者模型误设的问题。因此，为研究我国土地财政如何通过地价、房价影响金融风险的问题，本文试图构建一个包括土地财政、地价、房价、金融风险在内的联立方程模型，综合考察这些变量之间的内在反馈机制。

　　设定四方程的结构模型，基本形式如下:

　　

　　其中，i 与 t 分别表示地区和时间，式（4-1）中：LF 表示土地财政依赖程度，L 表示地价，P 表示房价，D 表示地方政府赤字，A 表示土地征收补偿费用。式（4-2）：C表示土地开发成本。式（4-3）中：AM 表示生态宜居度，F 代表基础设施建设水平，Y表示人均可支配收入，N 表示人口。式（4-4）中：RISK 表示金融风险，GDPR 表示地区经济增长水平,TFA 表示地区固定资产投资水平。

　　itv 、itm 、ite 为回归残差项。

　　4.1.2 变量选取。

　　本文选取面板数据来进行实证分析，时间维度为 2007 年—2016 年，涉及我国 31个省市。2007 年，国土资源部颁布了有关国有土地出让方式的相关文件，文件中明确规定，在土地出让过程中若出现两个以上的意向者，则一律采用招拍挂的方式进行出让。

　　从此，我国确立了以公开竞价方式进行土地出让的机制，这对地方政府依赖土地财政具有重要的影响。因此，本文以 2007 年作为数据研究的起点。由于数据公布的滞后性，2017 年相关指标的数据存在缺失，估算起来误差性较大，并且在 2016 年至 2017 年间，土地财政状况并没有发生本质性的变化，因此将 2016 年作为数据研究的终点。

　　4.1.2.1 内生变量。

　　①土地财政依赖程度（LF）：用地方政府当年的土地出让金与地区生产总值的比值来表示。由于缺少土地出让金的数据，用招拍挂土地出让价款来进行替代。

　　②地价（L）：鉴于土地出让金、土地出让面积数据缺失严重，所以用以招拍挂形式获得的土地出让价款和出让面积之比得到的土地价格作为替代。

　　③房价（P）：用城镇住宅平均销售价格作为房价的代表。

　　④金融风险（RISK）：由于土地财政的金融风险主要集中于以银行为代表的金融中介机构，因此选取商业银行的不良贷款率作为衡量金融风险的指标。

　　4.1.2.2 外生变量。

　　①地方政府财政赤字（D）：选用地方财政预算收入、预算支出之间的差额予以表示。

　　②人均土地补偿金（A）：由于我国目前的土地补偿数据披露较不完善，真实数据难以获得。参考 Guiying Laura WU（2014）的做法，选用农村人均实际农业生产总值来进行替代。

　　③单位土地开发成本（C）：需用地方政府对单位土地进行一级开发的费用进行表示。

　　④生态宜居度（AM）：选用二氧化硫的浓度来表示，用二氧化硫的总体排放量与行政区域面积的比值来计算得出。

　　⑤基础设施建设水平（F）：选用政府人均教育支出来衡量某一地区的基础设施建设情况，用政府教育支出与人口数量的比值计算得出。

　　⑥人均可支配收入（Y）：选取城镇居民的人均可支配收入来进行表示。

　　⑦人口（N）。选用省内的人口总数进行表示。

　　⑧经济增长水平（GDPR）。选用 GDP 的增长率作为衡量经济增长水平的指标。

　　⑨固定资产投资水平（TRA）。选用地区的固定资产投资总额来衡量当地的固定资产投资水平。

　　4.1.3 数据来源。

　　本文基于 2007—2016 年我国 31 个省份的年度面板数据进行实证分析，所使用的各省面板数据根据 EPS 数据平台、wind 数据库、choice 数据库整理和计算得出。需要指出的是，存在部分指标在极个别年份的数据缺失情况，本文采用插值法予以补齐。此外，本文借助计量分析软件 Eviews10.0 进行实证分析。为了避免数据间存在线性关系，所有原始数据均做取对数处理。下表展示的为相关变量的描述性统计情况：

　　

　　4.2 实证检验与结果。

　　4.2.1 单位根检验。

　　本文选用的数据为面板数据，面板数据往往会存在着数据不平稳的现象。为了避免在实证过程中出现伪回归的问题，确保模型的有效性，因此首先对面板数据进行平稳性检验。本文选择 LLC 检验和 Fisher-ADF 检验分别对数据进行同质、异质单位根检验。

　　具体的检验结果如下表：

　　

　　根据单位根检验的结果我们可以看到，水平值方程的单位跟检验结果比较差，特别是在 Fisher-ADF 检验方法下，只有较少的变量通过了平稳性检验。但是在一阶差分方程中，各个一阶差分序列都在 1% 的置信水平下通过了检验，体现出了较好的平稳性，为接下来的回归分析奠定了基础。

　　4.2.2 面板联立方程的识别与估计方法的选择。

　　在面板数据的联立方程模型进行估算之前，我们需要首先对联立的各个方程进行可识别性的判断。对式（4-1）、式（4-2）、式（4-3）、式（4-4）分别进行阶条件与秩条件的检验，发现这四个方程的阶条件与秩条件均成立，并且均为过度识别。在过度识别的情况下，可采用两阶段最小二乘法(2SLS)或三阶段最小二乘法(3SLS)进行估计。两阶段最小二乘法与三阶段最小二乘法的基本原理一样，李子奈（1992）在相关研究中谈到，三阶段最小二乘法估计更为有效。他们的主要区别在于三阶段最小二乘法在第三阶段运用了广义最小二乘法(FGLS)对方程进行了回归分析，在联立方程进行回归过程的过程中，充分考虑了相关性，增强了样本估计的有效性。基于此，本文考虑采用三阶段最小二乘法进行估计。

　　4.2.3 面板联立方程的实证检验结果。

　　采用三阶段最小二乘法对方程进行估计，估计结果如表 4.3。根据相关统计量的描述，使得我们对土地土地财政、地价、房价、金融风险这几者之间的关系，以及其他外生变量的影响有了进一步的认识。

　　1、内生变量的检验结果。

　　①土地财政（LF）与地价（L）之间存在着在双向因果关系，地方政府对土地财政的依赖程度每增加 1%，地价将会增长 0.43%，反之，地价每上涨 1%，地方政府对土地财政的依赖程度将会增加 2.11%，地价对土地财政的影响更为严重。

　　②土地财政（LF）与房价（P）之间的相互影响系数均显着为正，两者存在着正向的相关关系。地方政府对土地财政的依赖程度每增加 1%，房价将会有 0.12%的增长，反之，房价每上涨 1%，地方政府对土地财政的依赖程度也将会增加 3.26%。相比之下，房价（P）的上涨对于地方政府土地财政（LF）的依赖程度的影响更为强烈。

　　③地价（L）和房价（P）之间也存在双向因果关系，地价对房价的影响系数为 0.54，房价对地价的影响系数为 1.51。相比较起来，房价对地价的影响更强。

　　④房价（P）、地价（L）对金融风险（RISK）都有非常显着的正向影响，他们对金融风险的贡献程度分别为 3.05%，和 1.51%。相比之下，房价对于金融风险的影响更为深远。

　　2、外生变量的检验结果。

　　①在式（4-1）中，地方政府赤字（D）、单位土地补偿金（A）作为外生变量都对土地财政（LF）有着显着的影响关系。其中，地方政府赤字对土地财政具有正向的影响，单位土地补偿金对土地财政具有负向的影响关系。

　　②在式（4-2）中，土地开发成本（C）作为外生变量对地价（L）没有显着的影响作用。

　　③在式（4-3）中，外生变量中基础设施建设水平（F）、人均可支配收入（Y）、人口数量（N）对房价（P）有着显着的正向影响关系，城市宜居度（AM）对房价的影响作用并不显着，并且呈负向的关系。

　　④在式（4-4）中，GDP、TFA 对金融风险（RISK）有着显着的正向影响关系。

　　

　　4.3 实证结果分析。

　　4.3.1 土地财政方程回归结果分析。

　　LF =9.1038+2.1128*L+3.2560*P+0.2126*D-0.5449A（4-5）根据实证检验结果，我们可以得到土地财政的表达式为式（4-5）。其中内生变量地价、房价对于土地财政均存在着显着的正向影响关系。土地财政模式下，地方政府利用土地出让来获得土地出让金来弥补自身的财政赤字，因此地价的不断上涨能够增加地方政府以地生财的冲动。房价的不断上涨，能够刺激房地产开发商的开发需求，开发需求的不断增多必然会引起土地市场上供不用求的现象，从而推升地价，增加地方政府对于土地财政的依赖程度。

　　外生变量地方政府财政赤字（D）、土地补偿金（A）对于土地财政的影响也非常的显着。地方政府财政赤字水平越高，地方政府就越需要通过其他渠道获取资金进行基础设施的建设，而土地作为地方政府最为优质的资源，因此自然就推升了其对土地财政的依赖程度。土地补偿金是地方政府进行土地财政的一种成本费用，在土地征收过程中，对农民进行的补偿水平越高，地方政府所获得的征售差价就越少，对土地财政有所抑制。

　　4.3.2 地价方程回归结果分析。

　　L =-5.5713 +1.5060*P+0.4391*LF+0.0674C（4-6）根据实证检验结果，我们可以得到土地财政的表达式为式（4-6）。其中内生变量房价、土地财政对于地价都有着非常显着的影响。房价对于地价的影响主要是通过需求端的不断调节从而实现的。当房地产市场不断的繁荣，房地产企业为了满足住房需求的不断扩大自然会持续扩大生产，相应的需要的土地资源就会增多，土地市场上便会出现供不应求的状况，从而推升土地价格。地方政府作为作为土地的垄断供应商，为了获得更多的土地出让金，因此存在着许多恶意抬高土地出让价格，或者是政企合谋高估土地价格的现象。地方政府对于土地财政的依赖程度越深，对地价的推高作用也就会更加明显。

　　内生变量土地开发成本（C）对于土地价格并没有存在着显着的影响作用，本文选取的土地开发成本主要是指地方政府在土地征收之后，土地出让之前对土地进行的平整、开发等工作的支出费用，实际上相当于土地资源的一种成本。但是就目前来看，地方政府的土地开发成本水平较低，并且很多情况下，地方政府不对土地进行一级开发，直接将生地进行出让，因此这部分费用对于地价不存在显着的影响。

　　4.3.3 房价方程回归结果分析。

　　根据实证检验结果，我们可以得到房价的表达式，如式（4-7）。内生变量地价（L）、土地财政（LF）对于房价存在着显着的正向影响。其中，地方政府对土地财政越依赖，其就具有更强的内在动力推高地价，从而使自身获得更多的土地出让收入。而地价的不断提升，必将会增加房地产开发企业的开发成本，而房地产则会将这部分成本转嫁到消费者手中，并且在不断走高的房价中体现出来。

　　外生变量基础设施建设水平（F）、人均可支配收入（Y）、人口（N）对房价（P）存在着显着的正向影响作用。随着人们生活水平的不断提高，人们开始越来越重视居住地周边的配套基础设施建设情况，这一点与我国目前各地区学区房价格不断飙升的现实状况相符合。随着人均可支配收入的不断提高，人们对于住房的投机性需求也随之增加。

　　我国金融市场的发展存在着很多的不足，导致居民的投资渠道非常有限，目前人们普遍对于房地产市场的预期较好，因此大多愿意将房子作为投资的标的物。大量的投机性需求涌入房地产市场，从而使得房价不断的上升。人口的聚集往往会带动一个城市房地产市场的发展，当人口不断的增加，自然房地产市场中的需求就会增多，从而推高房价。

　　城市宜居度（AM）对于房地产的价格（P）存在着负向的影响关系，但是这种影响并不是很显着。本文选用二氧化硫的浓度作为城市宜居程度的代表，大气污染的水平越高的城市，房价越低。这一因素并不显着的原因可能是人们在选择居住城市的时候更多的是综合考虑各个因素，例如北京的空气质量较差，但房价仍然在全国范围内处于较高的水平，这就是因为在综合考虑了各方面的因素之后，城市宜居度变得不那么重要了。

　　4.3.4 金融风险方程回归结果分析。

　　根据实证检验结果，我们可以得到房价的表达式，如式（4-8）所示。地价（L）和房价（P）对于金融风险具有显着的正向影响作用。当地方政府对于土地财政具有较强的依赖性时，会大幅度助推地价上涨、房价上涨。在如此高水平的地价和房价下，土地和房屋的需求者房地产开发商以及居民消费者无力负担，大量从商业银行获得贷款。但是这些借贷主体自身的偿还能力较差，主要依靠土地或者房屋抵押获得信用，一旦地价、房价产生较大的波动将会增加商业银行的不良贷款率，酝酿金融风险。外生变量经济增长水平（GDPR）和固定资产投资水平（TFA）对于金融风险的影响也存在着显着的正向关系。目前我国经济增长的实现主要依托的渠道就是银行信贷，经济增长水平越高，信贷规模就越大，信贷总额的提升并将会酝酿更多的不良贷款风险。此外，我国现阶段的固定资产项目周期较长，相应的贷款周期就长，并且多数项目涉及的金额重大，极易给银行造成坏账，加剧金融风险。