APP下载

地方政府土地出让互动影响模式及其溢出效应研究

2019-09-29彭山桂景霖霖张苗程道平吴群

中国人口·资源与环境 2019年8期
关键词:工业用地住宅模型

彭山桂 景霖霖 张苗 程道平 吴群

摘要 本文以山东省设区市地方政府为研究对象,在对地方政府土地出让互动影响进行检验的基础上,结合博弈模型与网络分析,识别出互动影响的具体模式,并利用广义脉冲响应函数分析了互动影响关系网络所产生的溢出效应。研究发现:①地方政府商服、住宅、工业用地出让量存在显著的互动影响,影响强度按照商服、工业、住宅的顺序减少;互动影响在地方政府土地出让过程中发挥着较为重要的作用,是一个不能忽视的因素。②地方政府商服、住宅、工业用地出让的互动影响关系相互连接、交错织成了网络结构。在商服、住宅、工业用地出让互动影响关系网络中,等级声望最高的地方政府分别为济宁、青岛、菏泽;在商服用地出让互动影响关系网络中,结构洞指数最高的地方政府為潍坊;在住宅用地出让互动影响关系网络中,结构洞指数最高的地方政府为烟台、威海、临沂、德州;在工业用地出让互动影响关系网络中,结构洞指数最高的地方政府为济宁、日照、莱芜。③在平均水平上,地方政府商服、住宅、工业用地出让量一个标准差大小的随机扰动冲击会导致其他地方政府对应用途的土地出让量变动1.89%、1.19%、1.72%,表明溢出效应普遍存在;高等级声望、处于结构洞位置的地方政府等关键少数具有明显区别于其他地方政府的溢出效应表现形式。上述研究结论的政策启示为:①应该重视地方政府土地出让互动影响导致的溢出效应,避免一叶障目的误区,按照分清主次的原则,通过对关键少数地方政府土地出让行为的有效管理,充分利用其溢出效应,更好地促进相关政策目标的实现;②应规范由标尺竞争导致的土地出让互动影响,这需要对导致标尺竞争产生的财税制度、政绩考核制度、土地制度等一系列的既有制度安排进行改革,而这才是实现更有效率的地方政府土地出让行为的基础。

关键词 地方政府;土地出让;互动影响;溢出效应

中图分类号 F301.2

文献标识码 A文章编号 1002-2104(2019)08-0156-12DOI:10.12062/cpre.20190313

在我国特殊的财税制度、官员政绩考核制度、土地制度构成的制度环境中,土地绝非一种普通的生产要素,地方政府的土地出让也绝非一种简单的生产要素市场交易行为,而是一种影响地区经济发展,应对财税、政治激励的政策工具。一方面,地方政府的住宅、商服用地出让可以从供给端影响城市房地产价格,进而影响城市的居住成本;同时,地方政府的住宅、商服用地出让还负有公共服务筹资的功能,进而会对城市公共服务供给产生影响。另一方面,地方政府的工业用地出让可以从供给端影响企业的生产成本,进而影响企业的利润及职工收入水平。因此,地方政府的土地出让会同时影响城市居民收入、公共服务质量与居住成本,根据人口流动的保留效用决定论,必然会对人口流动产生影响[1]。与此同时,地方政府土地出让会影响企业利润,根据资本流动的利差决定论,必然会对资本流动产生影响[2]。在上述影响的综合作用下,地方政府的土地出让行为会对地区经济发展及地区间要素流动产生全局性的影响。在这一背景下,地方政府把土地出让作为政策工具,争取地方利益,应对财政压力、迎合经济增长竞争的个体行为,就具备了明确的外部影响。在理性预期及策略博弈的作用下,地方政府的土地出让自然会产生互动影响,这是地方政府土地出让互动影响的基本逻辑。随着地方政府土地出让行为研究的深入,学者们明确意识到个体层面考察和分析的片面性,认识到地方政府土地出让互动影响研究的重要性。进而借鉴公共经济领域中策略互动(strategic interaction)的研究思路,提出了地方政府土地出让互动影响这一研究主题。具体而言,在公共经济领域,国外相关学者观察到地方政府在税收竞争方面存在互动影响,为争取税基,地方政府会根据竞争对手的税率,对自身的税率进行必要的调整。对照我国国情,可以发现地方政府作为土地市场的垄断供给者,有运用土地出让互动影响行为为政策工具,根据竞争对手土地出让状况,调整自身土地出让,进而实现相关政策目标的客观条件和主观意愿。这使得地方政府土地出让互动影响成为一个非常具有中国特色的研究主题,研究这一主题对于深入理解我国地方政府土地出让行为形成机制具有重要意义。

1 相关研究回顾

在地方政府土地出让互动影响形成机理方面,研究的逻辑起点主要源于地方政府竞争理论,大体可分为三类:第一类是由Tiebout[3]提出、Brueckner等[4]进一步完善而得的资源流动模型,即地方政府为了争取流动资源而开展竞争;第二类是由Besley和Case[5]提出的标尺竞争模型,即辖区居民可以根据周边地区的福利水平作为标尺,评估本地政府的好坏,其投票权的存在会倒逼地方政府之间产生标尺竞争;第三类是由Brueckner[6]发展提出的外部影响模型,即地方政府的政策实施或者策略选择会对周边地方政府产生积极或者消极的外部影响,进而产生行为响应。基于上述理论框架,结合中国国情,可以发现:虽然中国不存在居民投票来评价地方政府施政效果好坏的具体机制,但是存在着上级政府依据下级政府经济表现相对好坏评价地方政府施政效果的机制[7]。这一机制的存在足以使地方政府展开标尺竞争:地方政府为保证经济增长、财政增收等经济表现拿到预期名次,会利用土地出让行为对地区经济发展及地区间要素流动施加影响[8]。一方面利用土地出让招商引资促进经济增长,另一方面利用土地出让获得财政收入,促进财政增收。在标尺竞争的作用下,地方政府会根据相邻地方政府的土地出让行为,对自身的出让行为做出策略调整,进而发生地方政府出让的互动影响。

在地方政府土地出让互动影响实证检验方面,对于地方政府行为互动影响的实证研究,国外学者主要聚焦在公共经济领域:Brueckner[4]、Revelli[9]利用空间计量模型研究发现,地方政府在税收竞争方面存在互动影响,为争取税基,地方政府会根据竞争对手的税率,对自身的税率进行必要的调整。Byrne[10]、Murillo[11]也得出了类似结论。Aller和Elhorst[12]进一步认为地方政府间的税收模仿策略,主要是由于标尺竞争的制度因素所导致的。Elhorst和Freret[13]也得出了类似研究结论。然而,由于制度安排的差异,中国地方政府没有掌握税收立法权,但由于特殊的制度安排,中国地方政府事实上垄断了土地一级市场的供给权。因此,中国地方政府互动影响的主要工具是土地出让。对于地方政府土地出让互动影响的实证检验,已有学者开展了相关研究:如Deng等[14]的研究表明临近城市的地方政府之间会利用土地出让作为工具开展追求经济增长的竞争,会对邻近城市发展产生负面影响。汪冲[15]的研究发现,地方政府土地出让纯收益存在明显的互动影响。龙奋杰等[16]的研究发现,地方政府的土地出让数量存在明显的互动影响,呈现出“模仿”的特征。罗必良等[17]的研究发现,省级层面的土地出让政策存在明显的互动影响。Tao等[18]利用空间面板模型验证了地方政府土地出让的互动影响效应,He等[19]、Huang等[20-21]也得出了类似研究结论。

总体而言,现有研究对于我国地方政府土地出让互动影响的存在达成了较为普遍的共识,但还不够系统,仍存在明显不足:即缺少对互动影响模式及其影响的研究。检验地方政府土地出让是否存在互动影响仅仅是一个起点,两个随之而来的更重要的问题是:这种互动影响的模式如何识别?互动影响模式会产生怎样的溢出效应?目前的研究成果无法回答这两个问题。鉴于此,本文以山东省设区市地方政府为研究对象,在对地方政府土地出让互动影响进行检验的基础上,构建模型识别互动影响的具体模式,并分析互动影响模式所产生的溢出效应,以期发现一些新的研究结论与政策启示。

2 地方政府土地出让互动影响的检验

基于以下两方面的考量,本文以山东省设区市地方政府为对象开展研究:一是基于土地市场一体化的考量。山东省作为山东半岛城市群的载体,区域一体化程度较高,城市间土地市场联系较为紧密,能够较好地反映地方政府土地出让过程中的互动影响。二是基于数据可得性的考量。设区市层面的数据完整系统,能够有效支撑研究的开展。进一步,本文将地方政府土地出让互动影响界定为出让数量维度的互动影响,这样处理的原因有二:一是2003年前后,中央政府的土地资源配置政策发生了重大改变,出于区域平衡发展的考虑,开始实行偏向中西部的建设用地指标分配政策,导致东部地区建设用地指标日益紧张稀缺[22]。根据2014年《国家土地督察公告》披露的数据,2013年很多东部省份(包括山东省)就已经提前突破2020年的规划指标。迫于现实矛盾,2016年中央政府对《全国土地利用总体规划纲要(2006—2020年)》进行了修订。由于我国现行的土地利用规划缺少法律保障,地方政府突破土地利用规划行为的法律成本基本是零,实际出让量突破年度用地计划,年度用地计划与总体规划脱节的矛盾十分尖锐和普遍,因此现阶段出让量是出让行为的主要矛盾。二是随着2002年《招标拍卖挂牌出让国有土地使用权规定》(原国土资源部令第11号)及其修订版《招标拍卖挂牌出让国有建设用地使用权规定(2007年修订)》(原国土资源部令第39号),以及2007年《关于落实工业用地招标拍卖挂牌出让制度有关问题的通知》(国土资发〔2007〕78号)等文件的严格实施,大幅提升了土地出让的市场化程度,东部地区由于供需紧张,政策效应尤其明显。在市场化程度较高的环境下,出让量决定出让价格,出让量是出让行为的决定因素。综上,本文基于山东省设区市层面,考察地方政府土地出让互动影响。

2.1 模型的设定

对于地方政府土地出让互动影响的检验,本文的思路是构建一个空间面板模型,采用地方政府土地出让量作为被解释变量。同时,引入一系列地方政府土地出让量的影响因素作为控制变量,在控制相关变量的基础上,剥离显示互动影响对地方政府土地出让量的作用。对于空间计量分析,空间杜宾模型(SDM)是通用模型,空間自回归模型(SAR)和空间误差模型(SEM)由空间杜宾模型(SDM)退化而得。据此,设定一个空间杜宾模型(SDM):

Yit=c+ρ1WYit+ρ2Xit-1+ρ3WXit-1+εit(1)

式(1)中,Y为被解释变量,是地方政府土地出让量,分为商服、住宅、工业3种用途的出让量;W为空间权重矩阵,为基于经纬度球面距离的地理特征空间权重矩阵;X为i×k维矩阵,为一组控制变量,即影响地方政府土地出让量的相关因素。为避免可能存在的逆向因果关系带来的估计偏误,同时,捕捉控制变量可能存在的滞后影响,控制变量以一阶滞后项的形式进入模型[23]。ρ1、ρ2、ρ3为待估系数;i、t分别表示城市和时间;ε为残差项。

2.2 数据的收集和整理

(1)地方政府土地出让量数据。为获取第一手的土地出让数据,本文以中国土地市场网的土地出让成交记录作为数据源。为保证各设区市数据的完整性,数据收集的时间范围确定为2007—2017年,共收集23 157宗商服用地、40 887宗住宅用地、51 395宗工业用地的出让成交记录。需要指出的是,我们收集的均是以“招拍挂”方式出让的成交数据,将市场化程度不高的协议出让排除在外。在获取原始数据的基础上,对其进行整理和处理:首先,剔除明显错误的数据(如空值、计量单位错误);其次,借鉴Hodge等[24]的方法,剔除位于上下四分位数的1.5倍四分位距以外的异常数据。在此基础上,汇总样本数据获取各设区市土地出让量的数据。

(2)空间权重矩阵数据。利用国家基础地理信息中心下载的全国行政区划图,提取山东省17个设区市政府驻地的经纬度,进而形成基于经纬度球面距离的地理空间权重矩阵。

(3)控制变量数据。式(1)模型中控制变量为地方政府土地出让量的影响因素。控制变量分为两类:特性控制变量与共性控制变量,其中特性控制变量为影响不同用途土地出让量的因素,相互之间存在明显差异;共性控制变量包括制度因素、城市特征因素,这些因素的影响具有全局性,在一个城市范围内,对不同用途土地出让量均有影响。为避免因素之间相互影响导致多重共线性的产生,精炼选择主要因素作为控制变量。对于特性控制变量,借鉴相关研究[25-26],选择如下:①商服用地出让量的特性控制变量包括:第三产业比重(TI)、人均消费品零售额(PCC);②住宅用地出让量的特性控制变量包括:城镇居民可支配收入(IC)、城镇就业人员数(UE);③工业用地出让量的特性控制变量包括:第二产业比重(SI)、人均工业产值(IOV)。对于共性控制变量,借鉴相关研究[22,27],选择如下:①制度因素,用财政赤字规模(FP)、地方主官任期(OT)控制“中国式分权”制度背景下财税、政治双重激励对地方政府土地出让的影响;②城市特征变量,用人口密度(PD)控制城市人地关系紧张状况对土地出让的影响,用地区生产总值(GDP)控制城市经济发展对土地出让的影响,用人均道路面积(PR)控制基础设施水平对土地出让的影响,用城市等级哑变量(UH)控制政策优势对土地出让的影响。上述变量中,涉及价格因素的变量,均采用各设区市价格指数进行了消胀处理,调整为2005年可比价。具体而言,式(1)模型中相关变量的数据来源、构造过程及其描述性统计结果如表1所示。

2.3 空间计量分析结果

采用Elhorst[30]建立的研究范式,首先进行空间模型适用性检验,如果检验结果支持建立空间模型,则进一步进行空间面板模型形式检验,确定合理的空间模型形式。在此基础上,进行固定、随机效应检验,选择合适的参数估计方式,得出模型估计结果。按照上述思路,首先估计非空间面板模型,并根据估计结果构建LM统计检验量(结果如表2所示)。可见,3个模型在4种检验中均拒绝原假设,应建立空间面板模型。其次,利用空间杜宾模型(SDM)、空间自回归模型(SAR)、空间误差模型(SEM)的估计结果进行两组Wald 和LR检验。其中第一组为Wald test(SAR)、LR test(SAR),第二组为Wald test(SEM)、LR test(SEM),如果两组检验均拒绝原假设,那么合理的模型形式应为空间杜宾模型(SDM);如果不拒绝第一组或第二组检验的原假设,那么合理的模型形式应为空间自回归模型(SAR)或空间误差模型(SEM)。表2的检验结果表明,不拒绝第一组检验的原假设,但拒绝第二组检验的原假设,据此可以确定空间面板模型的合理形式应为空间自回归模型(SAR)。再次,利用Hausman检验进行固定、随机效应检验,表2检验结果显示拒绝随机效应的原假设,应按照空间固定效应模型进行参数估计。

考虑到基于极大似然法的空间面板模型估计结果可能存在偏误[31],我们采用Elhorst[30]的转换估计法对原始估计结果进行偏差校正,按照确定的空间自回归模型(SAR)形式,将最终得到的参数估计结果报告在表3中。从表3的空间面板模型估计结果中,可以得出3点结论。

(1)地方政府的商服、住宅、工业用地出让量均存在显著的互动影响。即使在空間面板模型中已经控制三种用途土地出让量主要影响因素的情况下,3个模型空间滞后项(W×lnYit)的系数仍在1%的显著水平下通过t检验,说明地方政府的商服、住宅、工业用地出让量互动影响是高度显著的。但是,令人意外的是:从空间滞后项系数大小来看,商服用地出让量的系数最高为0.418,工业用出让量系数居中为0.397,住宅用地出让量的系数最低为0.339。在我们预期中,工业用地市场因为引资竞争激烈,从而形成“全国性买方市场”,因此,工业用地出让量的互动影响强度应该最为剧烈。但是,实证结果与此相悖,商服用地出让量的互动影响才最为剧烈。仔细分析之后,我们认为这也在情理之中。通过查阅各市国民经济和社会发展计划,我们发现各市均大力强调发展服务业,特别是发展生产性服务业。换言之,地方政府对下一个有前景的产业已经形成共识,进而导致在商服用地出让中形成了所谓的“潮涌现象”[32]。另外,值得指出的是,空间滞后项系数的大小在模型所有变量中处于中间水平,这说明互动影响在地方政府土地出让过程中发挥着较为重要的作用,是一个不能忽视的因素。

(2)特性控制变量对地方政府土地出让量均具有显著影响。第三产业比重(TI)、人均消费品零售额(PCC)、城镇居民可支配收入(IC)、城镇就业人员数(UE)、第二产业比重(SI)、人均工业产值(IOV)等特性控制变量系数均在10%的显著水平下通过t检验,且系数均为正,说明这些因素确实对提升地方政府相应用途的土地出让量具有显著的促进作用。

(3)共性控制变量对地方政府土地出让量的影响各异。3个模型中,2个制度变量财政赤字规模(FP)、地方主官任期(OT)的系数在10%的显著水平下通过t检验,系数一正一负,这说明财政压力大、地方主官任期短的地方政府倾向多出让土地,这符合我们预期中的财税、政治激励的作用逻辑。值得注意的是,在控制财政激励、政治激励代理变量后,地方政府土地出让互动影响仍然显著。事实表明:地方政府土地出让的互动影响并非单纯出于对激励的响应,在排除财政压力、官员晋升压力导致的短期与局部行为后,地方政府仍然会对“邻居”的土地出让行为做出相应的反应,这为地方政府土地出让互动影响的长期与全局存在提供了理据。另外,考虑到财政赤字规模、地方主官任期通常是从结果端反映财税、政治激励的变量[18],在控制这两个因素后,我们认为本文测度出的互动影响的形成机制接近于Tiebout[3]、Brueckner[4]的理论框架,即这种互动影响是在标尺竞争作用下,对“邻居”土地出让所具有的影响要素流动外部性的行为响应。此外,在3个模型中,人口密度(PD)、地区生产总值(GDP)这2个变量的系数均在10%的显著水平下通过t检验,系数均为正。这表明相对于其他城市,在人地关系紧张、经济增长较快的城市,无论对于商服用地、住宅用地、还是工业用地,都有增加供应量的倾向。人均道路面积(PR)这一变量对商服用地出让量的影响不显著,这可能是由于城市基础设施的主要作用在于改善人居环境和企业生产条件,进而促进住宅、工业用地出让,而对商服用地出让是间接的、不显著的影响。城市等级哑变量(UH)对住宅用地出让量的影响不显著,这可能是由于住宅用地非饱和出让行为是地方政府的共识选择,因此在控制其他因素情况下,不同等级城市的住宅用地出让量差异并不显著。

3 地方政府土地出让互动影响模式的识别

互动影响是地方政府土地出让较为重要的影响因素,这种互动影响到底表现为一种怎样的模式?为回答这一问题,我们将网络分析融入博弈模型,通过搜索关系矩阵,构建网络模型刻画、识别这种互动影响的具体模式。模型构建需要设置必要的假设条件,本文模型的假设是地方政府出让的土地具有替代性。诚然,由于土地天然的位置固定性,地方政府出让的土地具有完全的替代性是不可能的。但是,考虑到两方面的原因,我们认为这一假设具有合理性:一是考虑到空间计量分析结果揭示的地方政府土地出让的显著互动影响,有充分理由认为地方政府与其“邻居”出让的土地在一定程度内是存在替代关系的;二是考虑到模型只是用于识别互动影响的存在性,并不刻画这种互动影响的大小程度,一定程度替代关系的存在便足以满足分析要求。

3.1 互动影响模式识别模型的构建

从博弈分析的视角出发,作为土地一级市场的垄断供给者,地方政府在土地出让过程中有两种决策情形:考虑与不考虑“邻居”的出让量。如果考虑“邻居”的出让量,

则将其出让量纳入自己的供给函数,并基于利润最大化调整自己的出让量,在这种情形下互动影响发生。另一情形,如果不考虑“邻居”的出让量,则仅根据自身情况,基于利润最大化决定自己的出让量,在这种情形下互动影响没有发生。鉴于此,互动影响模式的识别演化为“考虑”关系的求解。具体而言,基于地方政府土地出让的替代关系,设各地方政府面对的土地市场状况均由线性函数P(Q)=a-bQ确定,土地出让成本为c。那么,考虑与不考虑“邻居”出让量的博弈分析过程如下。

(1)不考虑“邻居”的出让量。在双寡头市场上,这种情形就是经典的古诺双头垄断模型。地方政府i(i=1,2)的土地出让利润由函数πi(qi)=qi P(Q)-cqi确定。在双头垄断模型中,若一对出让量组合为纳什均衡,对地方政府i,土地出让量q*i应为下面最优化问题的解:

max0≤qi≤a/bπi(qi,q*j)=max0≤qi≤a/bqi[a-b(qi+q*j)-c](2)

利用一阶条件对式(2)进行求解,可得出两个城市政府的纳什均衡出让量:q*1=q*2= (a-c)/(3b)。进一步,将古诺双头垄断模型扩展到多寡头市场,设地方政府数量为n,容易得出地方政府i(i=1,2,...,n)的纳什均衡出让量为(a-c)/[(n+1)b]。在这种情形下,地方政府在土地出让过程中不考虑“邻居”的出让量,互动影响没有发生。

(2)考虑“邻居”的出让量。在双寡头市场上,这种情形就是经典的斯塔克尔贝里双头垄断贯序博弈模型,若一对出让量组合为子博弈精炼纳什均衡,则其必然为:q*1=(a-c)/(2b);q*2=(a-c)/(4b)。根据单海燕等[33]的研究,若将斯塔克尔贝里双头垄断模型扩展至多寡头市场,设地方政府数量为n,则地方政府i(i=1,2,...,n)的出让量(qi)应为下面最优化问题的解:

max0≤qi≤a/bπi(qi,qi1…,qim)=max0≤qi≤a/bqi[a-b(qi+qi1+…+qim+(n-m-1)qnash)-c](3)

式(3)中,qi1,…,qim 分别为地方政府i纳入考虑范围的m个“邻居”的土地出让量;qnash为不考虑“邻居”出让量的纳什均衡:(a-c)/[(n+1)b]。利用一阶条件对式(3)最优化问题求解,可得出地方政府i的子博弈精炼纳什均衡出让量:q*i=(a-c)/(2b)-x/2,其中x=(a-c)/[(n+1)b]·(n-m-1)+qi1+…+qim。值得指出的是,不考虑“邻居”出让量博弈模型的纳什均衡其实只是考虑“邻居”的出让量博弈模型子博弈精炼纳什均衡的一个特殊情况(m=0)。

上述博弈分析结果将地方政府土地出让量与“考虑”关系结合在一起,为构建互动影响模式识别模型提供了便利。进一步,我们基于利润最大化构建识别模型:

max0≤qi≤a/bπi(q1,…,qn)=max0≤qi≤a/b∑ni=1q*i[a-b∑ni=1q*i-c](4)

式(4)中,q*i含义同上。可见,在均衡情况下,地方政府i的土地出让量受到其纳入考虑范围的“邻居”出让量的影响。为进一步直观地识别这种“考虑”关系,我们引入网络分析中常用的关系矩阵,将地方政府土地出让过程中的互动影响模式用关系矩阵进行刻画:

X=x11 x12 … x1n

x21 x22 … x2n

… … … …

xn1 xn2 … xnn(5)

式(5)中的关系矩阵为一个n×n矩阵,矩阵元素为0,1二值元素,用于反映地方政府在土地出让过程中的互动影响关系,矩阵元素的取值规则为:

xij=0 (当i=j时或当i不考虑j出让量时)

1 (当i考虑j出让量时)(6)

据此,根据关系矩阵的定义,将矩阵元素引入将式(4)所构建的地方政府土地出让互动影响模式识别模型中,地方政府i的土地出讓量进一步表示为:

q*i=(a-c)/(2b)-x/2

其中,x=a-c(n+1)b·(n-∑nj=1xij-1)+xi1q1+…+xinqn;xi1,…,xij,…,xin反映的是地方政府i将哪些“邻居”的出让量纳入考虑范围,用于识别地方政府土地出让互动影响模式。通过对式(4)所构建的识别模型所表达的最优化问题的求解,可以测度出式(5)中关系矩阵的具体形式,进而可以刻画、识别地方政府土地出让互动影响的具体模式。

3.2 互动影响模式识别的结果分析

地方政府土地出让互动影响模式识别的基本思路是:基于构建的识别模型,根据地方政府的土地出让量以及其他相关参数,采用Matlab遗传算法工具箱,针对式(4)模型使用改进的遗传算法对目标空间进行随机优化搜索,反复进行基于遗传学的操作(选择、交叉和变异),搜索出式(5)关系矩阵中的元素值,进而构建起网络模型并对网络结构进行解构分析。识别模型要求的参数包括:各地方政府商服、住宅、工业用地的出让量;区域商服、住宅、工业用地多寡头市场供给函数P(Q)=a-bQ中的系数a、b的估计值;土地出让成本c。为减少年间数据波动的影响,保证识别出的地方政府土地出让互动影响模式具有稳定性,我们对相关参数作了处理:土地出让量取2007—2017年整个样本期内的平均值;供给函数的系数基于2007—2017年整个样本期设区市层面面板数据估计得出;土地出让成本用2007—2017年整个样本期内单位面积土地成交价款减去土地交易纯收益并取各市平均值而得,具体结果如表4所示。在明确地方政府土地出让互动影响模式识别模型参数取值后,我们利用Matlab遗传算法工具箱编程搜索刻画地方政府商服、住宅、工业用地出让互动影响模式的关系矩阵,进而得出3个17×17的矩阵。为直观表现这3个矩阵所体现的网络模型,我们在考虑城市之间相对空间位置的基础上,绘制地方政府土地出让互动影响关系网络的示意图。具体过程为:如果地方政府j在土地出让过程中考虑地方政府i的出让量,换言之,地方政府i对地方政府 j的出让量产生影响,即关系矩阵元素xij=1,则在关系网络图中标绘一条由地方政府j出发,箭头指向地方政府i的连线(具体结果如图1所示)。

通过观察图1中商服、住宅、工业用地出让互动影响关系网络图可以发现,地方政府商服、住宅、工业用地出让的互动影响是广泛存在的,互动影响关系相互连接、交错织成了网状结构。对于这种互动影响关系网络的总体考察难以得出有洞察力的结果。对此,我们利用网络科学的方法,对互动影响关系网络进行解构,总体思路是:利用网络分析的方法,识别出在互动影响关系网络具有重要影响的关键少数。基于此,我们进行了两方面的解构:一是利用复杂有向网络声望测度的方法,测算各地方政府的等级声望,反映各地方政府的全局影响;二是利用结构洞分析工具,测度各地方政府的结构洞指数,发现互动影响传导过程中的关键节点。

(1)等级声望测度。等级声望用于反映行动者被其他行动者关注或选择的显著性[34]。在地方政府土地出让互动影响关系网络中,高等级声望的地方政府意味着能够对较多的其他地方政府的出让量产生影响,并且受其影响的地方政府能够影响更多的其他地方政府。换言之,高等级声望意味着地方政府对区域土地出让量具有全局性的影响。对于等级声望的测度,我们采用GRADAP软件实现,测度结果如表5所示。可以发现,在商服、住宅、工业用地出让互动影响关系网络中,等级声望最高的地方政府分别是:济宁、青岛、菏泽,表明这3个地方政府的出让量对山东省整个区域的商服、住宅、工业用地出让量具有全局性的影响。

(2)结构洞分析。结构洞是指网络节点之间非冗余的连接[35]。以一个甲、乙、丙、丁4节点组成的网络为例,如果除甲与丙、乙与丙、丙与丁之间有连接之外无其它连接,则认为甲、乙与丁之间存在一个结构洞,结构洞的存在使丙可以控制关系的传导。在地方政府土地出让互动影响关系网络中,结构洞就是互动影响关系传导过程中的关键节点。对于结构洞的分析,我们采用限制度指标反映地方政府运用结构洞的能力[35],测度过程使用UCINET软件实现,测度结果如表5所示。可以发现,在商服用地出让互动影响关系网络中,限制度最高的地方政府是潍坊;在住宅用地出让互动影响关系网络中,限制度最高的地方政府是烟台、威海、临沂、德州;在工业用地出让互动影响关系网络中,限制度最高的地方政府是济宁、日照、莱芜,这表明上述地方政府分别是对应网络中互动影响传导的关键节点。

4 地方政府土地出让互动影响模式的溢出效应分析

地方政府在商服、住宅、工业用地出让过程中的互动影响呈现出复杂的网络结构。换言之,地方政府土地出让量会受到“邻居”的影响,同时,在互动影响关系网络中不直接相连的两个地方政府,也可能通过“中间人”过渡产生间接影响,这必然会导致地方政府土地出让行为产生溢出效应。我们推测基于互动影响关系网络产生的溢出效应应该是普遍存在的,同时,高等级声望、处于结构洞位置的地方政府等关键少数应该具有明显区别于其他地方政府的溢出效应表现形式。如何考察互动影响关系网络产生的溢出效应?对此,我们利用脉冲响应分析的方法,针对识别出的地方政府土地出让互动影响模式进行溢出效应分析,即测度地方政府土地出让量变动的冲击对其他地方政府土地出让量变动的影响。需要指出的是,脉冲响应分析是一种乏理论模型,甚至两个毫无现实联系的变量也可能测度出脉冲响应。但是,由于我们的脉冲响应分析建立在互动影响检验与模式识别的基础上,因此,本文的脉冲响应分析具有明确的现实依据,分析结果也具有相应的参考价值。

4.1 广义脉冲响应函数的构建

考虑到空间上“邻居”影响与时间上滞后影响的存在,溢出效应分析模型应兼顾时空两个维度的因素。因此,只能反映随机冲击在时间维度动态影响的传统脉冲响应函数不能很好地适用于本文分析的主题。鉴于此,应将空间因素纳入传统时间序列分析,进而用于本文的研究。对此,Holly等[36]与Gong等[37]的研究为我们提供了启示。他们提出将空间滞后变量纳入时间序列分析,构建误差修正模型(ECM)与广义脉冲响应函数(GIRF),并成功地用于测度城市间房价变动冲击的相互影响。参考他们的研究,我们设置了地方政府土地出让互动影响模式溢出效应的分析模型,模型形式为误差修正模型:

Δqit=is(qi,t-1-q-si,t-1)+ai+ai1Δqi,t-1+bi1Δq-si,t-1+εit(7)

式(7)中,Δqit为地方政府当期土地出让量的变动,其余差分变量含义以此类推;q-si,t-1=∑wijqjt-1为空间滞后变量,即上一期“邻居”的距离加权平均土地出让量,wij=1/dij,为城市i与城市j(j≠i)基于经纬度球面距离的倒数;下标i=1,2,…,17。模型中待估参数含义分别为:is测度的是误差修正項,即对“邻居”出让量偏离的动态调整;ai1测度的是地方政府土地出让量的滞后影响;bi1测度的是“邻居”土地出让量的滞后影响;ai为常数项。根据式(7)模型,可以构建一个广义脉冲响应函数,用于分析某个地方政府土地出让量变动冲击对其他地方政府土地出让量的影响。广义脉冲响应函数中H和G为基于式(7)模型整理得出的系数矩阵:

Δqit=a+Hqit-1+GΔqit-1+εit(8)

4.2 互动影响模式溢出效应的结果分析

根据构建的广义脉冲响应函数,我们采用2007—2017年山东省各设区市商服、住宅、工业用地出让数据进行实证分析。需要说明的是,为提高模型参数估计的显著性,我们将土地出让量调整以半年周期计算的数据,共22期。在此基础上,分用途、分城市对式(7)模型中3个变量进行参数估计(限于篇幅未列出估计结果),并构建广义脉冲响应函数,采用基于MATLAB的广义脉冲分析工具GVAR工具箱(GVAR Toolbox 2.0)进行分析,得出如下结果。

4.2.1 商服用地出让互动影响模式溢出效应分析

总体层面上,参与分析的16个设区市地方政府对其他地方政府商服用地出让量平均影响强度的均值为3.35 hm2(见表6),占设区市地方政府商服用地年均出让量的1.89%。换言之,在平均水平上,一个地方政府商服用地出让量一个标准差大小的随机扰动冲击会导致其他地方政府商服用地出让量变动1.89%,这说明溢出效应是普遍存在的。个体层面上,为反映各设区市地方政府商服用地出让溢出效应的差异,我们将参与分析的16个设区市地方政府商服用地出让量的广义脉冲响应分析结果加以整理,报告在表6中的第二、三列。第二、三列分别报告的是地方政府商服用地出让量变动冲击对其他地方政府的平均影响强度与变异系数,这样可以同时反映某个地方政府商服用地出让量变动冲击对其他地方政府影响的大小和离散程度。可以发现,商服用地出让互动影响关系网络中等级声望数值排名第一的济宁以及与其差异不大(0.95以上)的其他3个地方政府:滨州、东营、枣庄,对其他地方政府商服用地出让的平均影响强度较大,分别导致其他地方政府商服用地出让量变动9.10 hm2、4.11 hm2、4.96 hm2、8.19 hm2,分别占地方政府商服用地年均出让量的5.13%、2.32%、2.79%、4.62%,

在平均影响强度中分别排名第一、第六、第四、第二,同时变异系数处于较低水平。综上,我们认为商服用地出让互动影响关系网络中高等级声望的地方政府商服用地出让量的变动对其他地方政府具有广泛且明显的影响。另一方面,商服用地出让互动影响关系网络中结构洞指数排名第一的潍坊以及与其较为接近的烟台,其平均影响强度较小,分别为1.35 hm2、1.72 hm2,但其变异系数较大,分别为1.14、1.01,排名第一和第三。综上,我们认为商服用地出让互动影响关系网络中高结构洞指数的地方政府商服用地出让量的变动对其他地方政府具有强度不大但差异明显的影响。

4.2.2 住宅用地出让互动影响模式溢出效应分析

总体层面上,参与分析的16个设区市地方政府对其他地方政府住宅用地出让量平均影响强度的均值为7.67 hm2(见表6),占设区市地方政府住宅用地年均出让量的1.19%,说明溢出效应是普遍存在的。个体层面上,为反映各设区市地方政府住宅用地出让溢出效应的差异,我们报告了参与分析的16个设区市地方政府住宅用地出让量广义脉冲响应分析的量化结果。表6中第四、五列分别列出了住宅用地出让量变动冲击的平均影响强度与变异系数。可以发现,住宅用地出让互动影响关系网络中等级声望数值排名前三(0.95以上)的3个地方政府:青岛、潍坊、枣庄的平均影响强度较大,分别为25.38 hm2、15.39 hm2、21.09 hm2,分别占设区市地方政府住宅用地年均出让量的3.94%、2.39%、3.27%,在平均影响强度中分别排名第一、第三、第二,同时变异系数处于较低水平。综上,我们认为住宅用地出让互动影响关系网络中高等级声望的地方政府住宅用地出让量的变动对其他地方政府具有广泛且明显的影响。另一方面,由于住宅用地出让互动影响关系网络中不存在明显的结构洞(体现为结构洞指数低),因此,结构洞对地方政府住宅用地出让溢出效应的影响不明显。外在表现为,结构洞指数排名并列第一的4个地方政府:烟台、威海、临沂、德州,其平均影响强度较小,并且变异系数并不明显偏大。

4.2.3 工业用地出让互动影响模式溢出效应分析

总体层面上,参与分析的17个设区市地方政府对其他地方政府工业用地出让量平均影响强度的均值为16.22 hm2(见表6),占设区市地方政府工业用地年均出让量的1.72%,溢出效应普遍存在。个体层面上,为反映各设区市地方政府工业用地出让溢出效应的差异,我们报告了参与分析的17个设区市地方政府工业用地出让量广义脉冲响应分析的量化结果。在表6的第六、七列分别提供了工业用地出让量变动冲击的平均影响强度与变异系数。可以发现,工业用地出让互动影响关系网络中等级声望数值排名前二(0.95以上)的2个地方政府:菏泽、济南的平均影响强度较大,分别为55.68 hm2、38.86 hm2,分别占设区市地方政府工业用地年均出让量的5.90%、4.12%,在平均影响强度中分别排名第一、第二,同时变异系数处于较低水平。综上,我们认为工业用地出让互动影响关系网络中高等级声望的地方政府工業用地出让量的变动对其他地方政府具有广泛且明显的影响。另一方面,结构洞指数排名并列第一的3个地方政府:济宁、日照、莱芜,其平均影响强度较小,但变异系数较大,分别为1.67、1.73、2.12,分别排名第三、第二、第一。综上,我们认为工业用地出让互动影响关系网络中处于结构洞位置的地方政府的工业用地出让量变动对其他地方政府具有强度一般但差别明显的影响。

5 研究结论与政策启示

本文以山东省设区市地方政府为研究对象,在对地方政府土地出让互动影响进行检验的基础上,结合博弈模型与网络分析,识别出这种互动影响的具体模式,并利用广义脉冲响应函数分析了互动影响关系网络所产生的溢出效应。研究发现:

(1)地方政府商服、住宅、工业用地出让量存在显著的互动影响,互动影响强度按照商服、工业、住宅的顺序减少。同时,模型中空间滞后项系数的大小在所有变量中处于中间水平,说明互动影响在地方政府土地出让过程中发挥着较为重要的作用,是一个不能忽视的因素。

(2)地方政府商服、住宅、工业用地出让的互动影响关系相互连接、交错织成了网络结构。在商服、住宅、工业用地出让互动影响关系网络中,等级声望最高的地方政府分别为:济宁、青岛、菏泽。在商服用地出让互动影响关系网络中,结构洞指数最高的地方政府为潍坊;在住宅用地出让互动影响关系网络中,结构洞指数最高的地方政府为:烟台、威海、临沂、德州;在工业用地出让互动影响关系网络中,结构洞指数最高的地方政府为:济宁、日照、莱芜。

(3)在平均水平上,地方政府商服、住宅、工业用地出让量一个标准差大小的随机扰动冲击会导致其他地方政府商服、住宅、工业用地出让量变动1.89%、1.19%、1.72%,表明溢出效应是普遍存在的。同时,高等级声望、处于结构洞位置的地方政府等关键少数具有明显区别于其他地方政府的溢出效应表现形式。

基于上述研究结论,可以得出的“表”与“里”两点政策启示:

(1)考虑到地方政府土地出让互动影响是客观存在的,并且其模式及溢出效应是可识别的。那么,表面上的政策启示是直接而明确的:应该重视地方政府土地出让互动影响导致的溢出效应,避免一叶障目的误区,按照分清主次的原则,通过对关键少数地方政府土地出让行为的有效管理,充分利用其溢出效应,更好地促进相关政策目标的实现。

(2)考虑到地方政府土地出让互动影响的发生机制来源于标尺竞争,而标尺竞争的结果有害于效率已是普遍共识,我国已经发生并影响至今的重复建设、市场分割便是教训。在土地管理领域,我们也可以观察到,地方政府土地出让的标尺竞争已经导致土地供给结构失衡,并进而引发了土地要素的价格扭曲。因此,地方政府局部的、短期的获利,伴随的是全局的、长期的经济效率的受损。鉴于此,利用溢出效应,促进土地出让调控目标的实现只是一个在目前既定制度安排下的次优选择。对此,更深层次的政策启示是:要打破地方政府之间缺乏效率的土地出让互动影响,需要对导致标尺竞争产生的财税制度、政绩考核制度、土地制度等一系列的既有制度安排进行改革,这是实现更有效率的地方政府土地出让行为的基础。

(编辑:刘照胜)

参考文献

[1]GLAESER E L, SHAPIRO J. Urban growth in the 1990s: is city living back?[J]. Journal of regional science, 2003, 43(1):139-165.

[2]彭山桂,陈晨,王健,等.居住模式、地方政府土地供给行为与人口流动——以广东省和山东省为例[J].资源科学,2017,39(10):1858-1870.

[3]TIEBOUT C. A pure theory of local expenditures[J]. Journal of political economics, 1956,64:416-424.

[4]BRUECKER J K, SAAVEDRA L A. Do local governments engage in strategic tax competition?[J]. National tax journal,2001,54:203-230.

[5]BESLEY T, CASE A. Incumbent behavior: vote seeking, tax setting and yardstick competition[J]. American economic review, 1995, 85(1):25-45.

[6]BRUECKER J K. Strategic interaction among governments: an overview of empirical studies[J]. International regional science rev-iew, 2003,26(2): 175-188.

[7]SU F B, TAO R, XI L, et al. Local officials incentives and Chinas economic growth: tournament thesis reexamined and alternative explanatory framework[J]. China & world economy, 2010,20(4):1-18.

[8]XU C G. The fundamental institutions of Chinas reforms and development[J]. Journal of economic literature, 2011,49(4):1076-1151.

[9]REVELLI F. On spatial public finance empiric[J]. International tax and public finance,2005(12):475-492.

[10]BYRNE P F. Strategic interaction and the adoption of tax increment financing[J]. Regional science and urban economics, 2005,35(3):279-303.

[11]MURILLO R H. Strategic interaction in tax policies among states[J]. Federal reserve bank of St Louis review,2003,85(5):47-56.

[12]ALLERS M A, ELHORST J P. Tax mimicking and yardstick competition among local governments in the Netherlands[J]. International tax and public finance, 2005(12): 493-513.

[13]ELHORST J P, FRERET S. Evidence of political yardstick competition in France using a two-regime spatial durbin model with fixed effect[J]. Journal of regional science,2009,49(5):931-951.

[14]DENG X Z, HUANG J K, ROZELLE S, et al. Economic growth and the expansion of urban land in China[J]. Urban studies,2010, 47(4):813-843.

[15]汪冲.寡头型一级土地供应、策略互动影响与财政调整——基于 282 个城市面板数据的动态空间计量[J].财经论丛,2011(5):32-37.

[16]龍奋杰,王萧濛,邹迪.基于标尺竞争的地方政府土地出让行为互动[J].清华大学学报(自然科学版),2015,55(9):971-976.

[17]罗必良,李尚蒲. 地方政府间竞争:土地出让及其策略选择——来自中国省级面板数据 (1993—2009年)的经验证据[J].学术研究,2014(1):67-78.

[18]TAO R, SU F B, LIU M X, et al. Land leasing and local public finance in Chinas regional development: evidence from prefecture-level cities[J]. Urban studies,2010,47(10): 2217-2236.

[19]HE C F, HUANG Z J, WANG R. Land use change and economic growth in urban China: a structural equation analysis [J].Urban studies, 2014, 51(13):2880-2898.

[20]HUANG Z J, HE C F, HAN L. Local government intervention, firm-government connection, and industrial land expansion in China[J]. Journal of urban affairs,2017(4):1-17.

[21]HUANG Z H, DU X J. Strategic interaction in local governments industrial land supply: evidence from China[J]. Urban studies,2017, 54(6): 1328-1346.

[22]陆铭,张航,梁文泉.偏向中西部的土地供应如何推升了东部的工资[J].中国社会科学,2015(5):59-83.

[23]羅能生,王玉泽.财政分权、环境规制与区域生态效率——基于动态空间杜宾模型的实证研究[J].中国人口·资源与环境,2017,27(4):110-118.

[24]HODGE T R, MCMILLEN D P, SANDS G, et al. Assessment inequity in a declining housing market: the case of Detroit[J]. Real estate economics,2016(1):1-22.

[25]宋佳楠,金晓斌,唐健,等. 中国城市地价水平及变化影响因素分析[J].地理学报,2011,66(8):1045-1054.

[26]华文,范黎,吴群,等. 城市地价水平影响因素的相关分析——以江苏省为例[J].经济地理,2005,25(2):202-206.

[27]吴群,李永乐. 财政分权、地方政府竞争与土地财政[J].财贸经济,2010(7): 51-59.

[28]山东省统计局. 山东省统计年鉴(2008—2018)[M]. 北京:中国统计出版社,2008—2018.

[29]国家统计局城市社会经济调查司.中国城市统计年鉴(2008—2018)[M]. 北京:中国统计出版社,2008—2018.

[30]ELHORST J P. Applied spatial econometrics: raising the bar[J].Spatial economics annals,2010,5(1):9-28.

[31]LEE L F, YU J. Spatial panels: random components versus fixed effect[J]. International economic review,2012,53(4):1369-1388.

[32]林毅夫.潮涌现象与发展中国家宏观经济理论的重新构建[J].经济研究,2007(1):126-131.

[33]单海燕,王文平.面向产量决策的多寡头网络最优结构分析[J].管理科学学报,2010,13(5):33-42.

[34]WASSERMAN S, FAUST K, GALASKIEWICZ J. Correspondence and canonical analysis of relational data[J]. Journal of mathema-tical sociology,1990(15):11-64.

[35]BURT R S. Detecting role equivalence[J]. Social network,1990(12):83-97.

[36]HOLLY S, PESARAN M H, YAMAGATA T. The spatial and temporal diffusion of house prices in the UK[J]. Journal of urban economics, 2011, 69(1):2-23.

[37]GONG Y L, HU J X, BOELHOUWER P J. Spatial interrelations of Chinese housing markets: spatial causality, convergence and diffusion[J]. Regional science and urban economics,2016,59(7):103-117.

Study on the mode and spillover effect of interaction influence of localgovernment land transfer

PENG Shan-gui1,2 JING Lin-lin1 ZHANG Miao1 CHENG Dao-ping1 WU Qun3

(1.School of Business, Shandong Normal University, Jinan Shandong 250358, China;2.Public Administration PostdoctoralResearch Station, Nanjing Agricultural University, Nanjing Jiangsu 210095, China;3.College of Public Administration, Nanjing Agriculture University, Nanjing Jiangsu 210095, China)

Abstract Based on the test of the interaction influence of land transfer of local government, combined with the game model and network analysis, this paper takes the local governments of the prefecture-level cities in Shandong Province as the research object, and uses GIRF to identify the specific mode of this interactive influence and to analyze the spillover effect generated by the interactive influence network. The results show as follows: ①There is a significant interactive influence in the quantity among commercial land, residential land and industrial land of local governments, and the strength of interactive influence is reduced in the sequence of commercial, industrial and residential land. The interactive influence plays an important role in land transfer process of the local governments and it is a factor that cannot be ignored. ②The interactive influences of commercial, residential and industrial land transfer of the local governments are interconnected and intertwined into a network structure. In the interactive influence network of commercial, residential and industrial land transfer, cities with the highest level of prestige are: Jining, Qingdao and Heze respectively. City with the highest structural hole index in the interactive influence network of commercial land transfer is Weifang. Cities with the highest structural hole index in the interactive influence network of residential land transfer are Yantai, Weihai, Linyi and Dezhou. Cities with the highest structural hole index in the interactive influence network of industrial land transfer are Jining, Rizhao and Laiwu. ③On the average, a random disturbance impact of one standard deviation of commercial, residential and industrial land transfer of local government will lead to changes of 1.89%, 1.19% and 1.72% of land transfer in other local governments respectively, indicating that spillover effects are widespread. The key and few local governments, such as local governments with the highest level of prestige and standing in structural hole, have obvious forms of spillover effects that are different from other local governments. Policy implications of the above research conclusions are as follows: ①We should pay more attention to the spillover effect of interactive influence among construction land transfer of the local governments. According to the principle of distinguishing the primary and secondary factors, we can achieve the relevant policy objectives better through the effective management of the land transfer behavior of the key and few local governments and making full use of the spillover effect. ②We should standardize the interactive influence of land transfer caused by yardstick competition. A series of existing institutional arrangements needs to be reformed such as fiscal system, government performance appraisal system and land system, which are the basis of local governments to achieve more efficient land transfer behavior.

Key words local government; land transfer; interaction influence; spillover effect

猜你喜欢

工业用地住宅模型
自制空间站模型
模型小览(二)
圆周运动与解题模型
9月百城住宅均价环比连续17个月上涨
浅议工业用地招拍挂出让存在的问题及对策
6月百城住宅均价环比连续14个月上涨
5月百城住宅均价环比连续13个月上涨
1月百城住宅均价环比连续第9个月上涨
离散型随机变量分布列的两法则和三模型