《地方政府土地出让策略互动行为的检验及其影响分析》-经济学论文，人口资源与环境论文-论文范文参考-科学狗论文网

标题

地方政府土地出让策略互动行为的检验及其影响分析

范文

彭山桂++程道平++张勇

摘要本文以山东省设区市地方政府土地出让行为作为研究对象，通过构建空间面板模型，从价格和数量两个维度，全面检验了地方政府商服、住宅、工业用地出让的策略互动行为，并利用空间计量工具，分析了地方政府土地出让策略互动行为的影响。研究发现：①山东省内地方政府商服、住宅、工业用地出让价格以及工业用地出让量存在显著的策略互动，地方政府的商服、住宅、工业用地出让价格以及工业用地出让量，不仅会受城市自身情况的约束，还会受邻近地区地方政府土地出让行为的影响，外在表现为你涨我跌、你增我减的反向变动格局；②由于未考虑策略互动，传统计量经济学非空间面板模型对地方政府土地出让行为影响因素的估计普遍存在偏误。对于商服用地出让价格，第三产业比重、人口密度的影响分别被低估了33.33%、13.08%；对于住宅用地出让价格，人口城镇化率、人均可支配收入的影响分别被低估了20.00%、9.98%，人口密度的影响被高估了32.34%；对于工业用地出让价格，人均外商直接投资的影响被高估了3.68%；对于工业用地出让量，第二产业比重、地均工业产值的影响分别被高估了13.95%、31.36%；③地方政府土地出让行为的影响因素普遍存在明显的空间溢出效应。对于商服用地出让价格，具有空间溢出效应的影响因素为人口密度；对于住宅用地出让价格，具有空间溢出效应的影响因素为人口城镇化率、人口密度、人均可支配收入；对于工业用地出让价格，具有空间溢出效应的影响因素为人均外商直接投资、地均固定资产投资；对于工业用地出让量，具有空间溢出效应的影响因素为第二产业比重、地均固定资产投资。

关键词地方政府；土地出让；策略互动；影响分析；空间计量模型

中图分类号F301.4文献标识码A文章编号1002-2104（2017）07-0111-09DOI：10.12062/cpre.20170405

政府行为模式的形成总是与制度环境密切相关。要理解我国地方政府的土地出让行为模式需要从制度环境产生的政治和财税激励两方面入手。在政治激励方面，我国实行的是单一的、高度集中的行政管理体系，地方政府以政绩考核指标为依据，运用相关资源实现相应的目标。在我国，地方官员的政绩考核方式是一种基于经济绩效的标尺竞争。因此，为取得良好的政绩考核结果，获得职位晋升，地方官员一方面需要促进本地区经济发展，另一方面还需要利用各种手段进行竞争，限制其他地区的发展。在财税激励方面，20世纪90年代中期的分税制改革后，地方政府普遍面临着事权—财权不对等的局面，地方政府为保障财政收支的可持续性，必须尽量追求财政增收[1]。在这种政治、财税双重激励下，地方政府必须使用一切工具，实现自身经济增长和财政增收的最大化，同时最大限度地限制其他地区获取经济资源的可能。由于20世纪90年代中期以后分税制和金融改革的开展，我国地方政府失去了对资本要素的控制。同时，在货币政策外生给定，劳动力配置日益由市场决定的情况下，土地出让政策成为了地方政府为数不多的影响地区经济发展的重要手段，地方政府有运用土地出让行为影响经济发展的主观意愿。同时，由于我国土地制度的特殊性，我国地方政府控制着土地一级市场的供应权，地方政府有运用土地出让行为影响经济发展的客观条件。因此，土地出让行为成为地方政府用于影响地区经济的自然选择。在我国特殊的地方政府官员政绩考核制度、财税制度、土地制度的作用下，地方政府一方面凭借自身在土地一级市场的垄断地位，选择商、住用地非饱和供给模式，使商、住用地保持供不应求状态，高价供给商、住用地，获得土地出让收入，弥补财权事权的不对等[2]；另一方面通过协议出让，设置前置性条件的招、拍、挂出让等手段低价供给工业用地，以争取投资，在做大本地GDP的同时限制其他城市获得投资的机会，进而形成了特殊的价格差别化的土地供给策略。总体而言，现有研究对于地方政府在财税和政治激励下，如何运用土地出让工具应对财税竞争和经济增长竞争压力进行了深入的研究，在不同用途土地出让价格分化的形成原因上形成了普遍的共识。值得注意的是，在我国地方政府间激烈的标尺竞争的背景下，城市政府的土地出让行为自然不应只考虑地区的自身情况，还应考虑相关城市土地出让行为的影响。鉴于此，在单一主体层面地方政府土地出让行为研究已经形成共识的基础上，有必要将研究视角从单一地方政府层面上升到地方政府间层面，探讨两个问题：一是地方政府土地出让是否存在策略互动行为？二是地方政府土地出让策略互动行为具有怎样的影响？通过对上述两个问题的研究，更为全面地理解中國地方政府的土地出让行为。

1相关研究回顾

地方政府策略互动（strategic interaction）行为研究发源于公共经济领域。Brueckner和 Saavedra[3]、Revelli[4]利用空间计量经济模型研究发现，地方政府在税收竞争方面存在策略互动，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。Brueckner的研究[5]发现，地方政府在财政支出方面存在策略互动，经济发展水平越接近的地区，他们之间产生竞争和攀比的可能性越大。目前，在地方政府土地出让策略互动行为方面，相关的研究并不多见：王贺嘉等[6]利用282个地市级土地出让价格数据构建空间面板模型，估计了工业用地价格反应方程，实证研究表明地市级政府间的工业用地价格竞争不存在明显的策略互动。但是，更多的研究表明地方政府土地出让存在策略互动行为。汪冲[7]同样利用282 个城市的面板数据，采用动态空间计量模型研究发现，土地出让纯收益存在明显的策略互动影响，城市之间围绕土地出让份额的争夺是一个典型的策略互动形成机制。龙奋杰等[8]基于空间面板计量模型估计结果指出，地方政府的土地出让结构存在明显的策略互动，经济表现越接近这种影响越明显，呈现出“模仿”的特征。罗必良等[9]基于省级数据的空间面板计量模型估计结果指出，各省土地出让政策存在明显的策略互动行为，并且在行为上存在跨期影响。可以发现，对于地方政府土地出让是否存在策略互动行为，相关研究结论存在分歧。分歧的存在表明这一领域的研究存在一些问题：①分析存在片面性。现有研究没有完整、系统地区分土地用途、出让价格、出让数量，地方政府在商服、住宅、工业用地出让行为中目标函数的差异显而易见，必须区分用途、价格和数量，全面考察商服、住宅、工业用地出让行为的策略互动，才能保证研究的完整性。②数据处理存在偏差。现有研究的数据均来源于《中国国土资源统计年鉴》、《城市统计年鉴》等统计资料。但是，在这些统计资料中并没有连续系统的分用途的土地出让价格、面积记录。因此，相关研究均是以协议出让近似工业用地出让数据、以“招、拍、挂”出让近似商服和住宅用地出让数据等方式获取研究数据，这会使研究结论存在相当程度的不准确性。③空间计量模型选择的随意性。部分研究只考虑了被解释变量的策略互动，采用空间自回归（SAR）模型分析地方政府土地出让的策略互动行为，但是没有考虑解释变量可能存在的策略互动，因此估计结果可能存在偏误。④缺少对地方政府土地出让策略互动行为影响的分析。检验地方政府土地出让是否存在策略互动行为只是一个起点，一个随之而来的问题就是这种策略互动行为的存在具有怎样的影响？但是，目前的研究成果无法回答这一问题。针对上述问题，我们利用收集的第一手的土地出让记录，构建空间计量模型，从价格和数量两个维度，全面检验地方政府商服、住宅、工业用地出让的策略互动行为，进而分析其存在的影响。

2地方政府土地出让策略互动行为的检验

区域一体化程度较高的区域，地区间土地市场联系更为紧密，能够较好地反映地方政府土地出让中的策略互动行为。山东半岛城市群作为中国重要的城市群之一，其所处的山东省区域一体化程度较高，适合作为研究区域。同时，综合考虑土地出让自主性和统计资料完整性两方面因素，将“地方政府”设定为山东省的17个设区市政府；将地方政府土地出让行为界定为数量维度的出让量以及价格维度的出让价格。

2.1空间计量模型的设定

根据LeSage等[10]的研究，对于一般的空间计量分析，有足够的理由选择空间杜宾模型（SDM）。据此，设定如下一个空间面板计量模型：

式（1）中，Y为被解释变量，分别为商服、住宅、工业用地出让价格和数量；W为空间权重矩阵；X为n×k维矩阵，为一组控制变量，即影响商服、住宅、工业用地出让价格和数量的相关因素。为避免控制变量与被解释变量之间可能存在的双向因果关系，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；ρ1、ρ2、ρ3为待估系数；ε为残差项；i、t分别为地区和时间。对于空间计量分析中空间权重矩阵的设置，参考Elhorst[11]的研究，引入基于经纬度球面距离的地理空间权重矩阵。在此基础上，根据式（1）模型中系数ρ1是否显著的t检验结果，检验地方政府在商服、住宅、工业用地出让价格、数量维度是否存在策略互动行为。如果ρ1顯著，说明地方政府的土地出让受其他地方政府行为的影响，存在策略互动；如果ρ1不显著，说明地方政府的土地出让不受其他地方政府行为的影响，不存在策略互动。

2.2数据的收集和整理

（1）土地出让价格、数量数据。在现有的土地资源统计资料中缺乏市级层面连续、系统的土地出让价格、面积的记录，无法准确反映地方政府的土地出让行为。对此，为获得第一手的土地出让数据，本文利用国土资源部搭建的全国建设用地交易信息发布平台——中国土地市场网的土地交易数据库作为数据收集工具。由于数据库中山东省大部分市（县）的出让记录始于2007年，因此将数据收集时间范围设定为2007—2015年，共收集了山东17个设区市19 545宗商服用地、33 535宗住宅用地、42 378宗工业用地的交易记录。在此基础上，通过经验判断的方法，剔除明显错误的数据，进一步整理得出各设区市商服、住宅、工业用地历年的出让均价和面积。同时，为保证历年出让均价的可比性，我们采用GDP平减指数，对出让价格进行了平减处理，剔除了价格因素的影响。

（2）空间权重矩阵数据。利用国家基础地理信息中心下载的山东省行政区划图，提取各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）模型中控制变量为影响地方政府商服、住宅、工业用地出让价格和数量的相关因素。一般而言，影响土地出让价格和数量的因素包括宏观因素、中观因素、微观因素。其中，宏观因素主要影响城市整体的土地出让价格和数量；中观和微观因素则主要对城市内部区域及宗地层面的土地出让价格和数量产生影响[12]。本文以地方政府的土地出让行为作为研究对象，涉及的是设区市整体的土地出让价格和数量。因此，我们从宏观因素入手，选择相关因素作为式（1）模型的控制变量。同时，为避免变量过多导致的多重共线性，基于宜精不宜多的原则，尽量选择主要的影响因素作为控制变量。在借鉴相关研究[12-13]的基础上，对式（1）模型中的控制变量选择如下：①商服用地出让价格和数量的控制变量包括：第三产业比重（TI）、人口城镇化率（URB）、人均消费品零售额（PCC）、人口密度（PD）；②住宅用地出让价格和数量的控制变量包括：人口城镇化率（URB）、城镇居民可支配收入（IC）、人口密度（PD）、人均基础设施投资额（PII）；③工业用地出让价格和数量的控制变量包括：第二产业比重（SI）、人均外商直接投资（FDI）、地均固定资产投资（FAI）、地均工业产值（IOV）。空间计量分析相关变量的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

空间计量分析借鉴Anselin等[17]、Elhorst[18]建立的研究范式，按照空间相关性检验、空间模型设定检验、固定与随机效应检验、参数估计的顺序进行。首先，按照式（1）模型，利用非空间面板模型构建LM 和稳健（robust）LM统计量，进行空间自相关性检验。检验的原假设是模型为非空间面板模型；备选假设是模型为SAR或SEM模型。如果在4种检验中，均接受原假设，则认为式（1）模型为非空间面板模型；否则，认为式（1）模型中被解释变量（或解释变量、误差项）存在空间相关性，模型为空间面板模型。利用MATLAB空间计量工具包编程进行空间相关性检验，结果如表2所示。

从表2结果中可以发现，6个模型中没有任何一个在4种检验中均接受原假设，说明6个模型中都存在空间相关性，应建立空间面板模型。在此基础上，我们进一步进行空间模型设定检验，考察式（1）模型应为SDM模型，或是能简化为SAR、SEM模型。对此，我们通过构建Wald统计量和LR统计量，对空间模型的形式进行检验。检验的两个原假设分别为H10∶ρ3=0和H20：ρ3+ρ1ρ2=0，如果两个原假设均被拒绝，应选择建立SDM模型；如果原假设H10∶ρ3=0不能被拒绝，应选择建立SAR模型；如果原假设H20：ρ3+ρ1ρ2=0不能被拒绝，应选择建立SEM模型。利用MATLAB空间计量工具包编程进行空间模型设定检验，结果如表3所示。

从表3结果中可以发现，除模型3接受原假设H10外，其余模型均在1%、5%的显著性水平上拒绝H10和H20两个原假设。说明除模型3应设定为SAR面板模型外，其余模型均应设定为SDM面板模型。进一步，我们对相关模型的固定与随机效应进行检验。根据Elhorst[18]的研究，可基于空间随机效应和时间固定效应模型的估计结果，利用该模型与双向固定效应模型的参数估计值及渐近协方差矩阵构建Hausman检验统计量，实现固定效应和随机效应的检验。对此，利用MATLAB空间计量工具包编程进行Hausman 检验，结果如表3所示。可以发现，模型1、模型2、模型3、模型5均在5%的显著性水平上拒绝原假设，说明对于这些模型，空间和时间双向固定效应模型更适合于数据特征的刻画；对于模型4、模型6，空间随机和时间固定效应模型更适合于数据特征的刻画。按照上述模型形式设定和Hausman检验的结果，我们可以构建合适形式的空间面板模型。对于模型的参数估计，现有研究一般采用基于原始数据中心化的极大似然估计法。根据Lee和Yu的研究，对于空间面板模型，基于原始数据中心化的极大似然估计结果可能存在偏误[19]。对此，我们依据Elhorst[11]的转换估计法对极大似然法的估计结果进行纠偏，并据此对6个模型进行参数估计，结果如表4所示。

通过对表4中空间面板模型参数估计结果的分析，可以得出两点结论：

（1）某些地方政府土地出让行为存在显著的策略互动。表4中，地方政府土地出让行为的策略互动项，即被解释变量空间滞后项（W·lnPit、W·lnQit）的系数，在模型2和模型4中未在10%的显著水平上通过t检验，这说明山东省区域内地方政府的商服、住宅用地出让量并不存在明显的策略互动，地方政府商服、住宅用地的出让量并不受其他地方政府出让量的影响。但是，模型1、模型3、模型5、模型6中被解释变量空间滞后项的系数，分别在1%、5%、1%、5%的显著性水平上通过了t检验，这说明山东省区域内地方政府的商服、住宅、工业用地出让价格以及工业用地出让量存在显著的相互影响，是典型的策略互动形成机制。地方政府的商服、住宅、工业用地出让价格以及工业用地出让量，不仅会受城市自身情况的约束，还会受邻近地区地方政府土地出让行为的影响。

（2）地方政府土地出让的策略互动表现为反向变动的格局形式。表4中，模型1、模型3、模型5、模型6中被解释变量空间滞后项的系数均为负值。这说明山东省区域内相邻地区的商服、住宅、工业用地出让价格以及工业用地出让量的策略互动表现为你涨我跌、你增我减的反向变动的格局形式。

3地方政府土地出让策略互动行为的影响分析

3.1地方政府土地出让策略互动行为影响分析模型的设定

根据Behrens和Thisse的研究[20]可以推测，只要地方政府之间在土地出让过程中存在策略互动行为，那么某一地方政府土地出让行为影响因素的变化会潜在地导致其他地方政府土地出让行为发生改变。在这种情况下，地方政府土地出让行为影响因素变化对自身及其他地方政府的影响就不能再用传统计量经济学假设个体相互独立的模型来描述，而需要使用空间计量工具进行分析。对于SAR模型，影响的路径是：某项影响地方政府i土地出让价格、数量的因素发生变化，导致地方政府i出让价格、数量发生变化，由于被解释变量（土地出让价格、数量）策略互动的存在，将会间接地导致其他地方政府出让价格、数量的变化。对于SDM模型，影响包括两条路径：除SAR的影响路径外，另一条路径为：某种影响地方政府i土地出让价格、数量的因素发生变化，由于解释变量（土地出让价格、数量的影响因素）策略互动的存在，会导致其他地方政府同种因素发生变动，进而间接地影响其他地方政府土地出让的价格、数量。对于这些策略互动行为的影响，我们借鉴LeSage和Pace[21]提出的空间权重矩阵分析方法进行测度。具体而言，式（1）模型中，地方政府i土地出让价格、数量的调整可用下面一个过程表示：

式（2）中，被解释变量（Y）、解释变量（X）、空间权重矩阵（W）与式（1）相同；Sr（W）=V（W）（Inρr2+Wρr3）；V（W）=（In-ρ1W）-1=In+ρ1W+ρ21W2+ρ31W3+…；In为一个n×n的单位阵；其余均为系数。上述结果以矩阵的形式，直观表现为：

在这种情况下，地方政府i（i=1，2，…，n）第r（r=1，2，…，k）个因素（xir）变动对自身土地出让价格、数量的影响，就不能再用假设变量间相互独立的最小二乘法的回归系数ρr2表示了，而需要用这一偏导数表示：yixir=Sr（W）ii，这个表达式测度了地方政府i第r个因素变动，导致的自身土地出让价格、数量的变动，包括在本地区内的局部影响和其他地区策略互动的反馈效应，将其称为“直接效应”。此外，地方政府j（j=1，2，…，n）第r（r=1，2，…，k）个因素（xjr）变化，对地方政府i土地出让的价格、数量的影响也不再为0，其影响用这一偏导数表示：yixjr=Sr（W）ij，将其称为“间接效应”或“空间溢出效应”。进一步，通过对矩阵Sr（W）求行（列）均值，可以测度因素r变动导致的区域内地方政府土地出让价格、数量的平均总变动；对矩阵Sr（W）求对角线均值，可以测度因素r变动导致的“平均直接效应”，即因素r变动对所在地区地方政府自身土地出让价格、数量的平均影响；用平均总变动扣除“平均直接效应”可以测度因素r变动导致的“平均间接效应”，即因素r变动在区域内产生的空间溢出效应（对区域内其他地区地方政府土地出让价格、数量的平均影响）。

3.2地方政府土地出让策略互动行为影响的实证分析结果

根据第二部分的研究可知，山东省区域内地方政府的商服、住宅、工业用地出让价格以及工业用地出让量属于典型的策略互动形成机制。对此，我们针对表4中的模型1、模型3、模型5、模型6，估计相关解释变量（土地出让价格、数量的影响因素）的平均直接效应和平均间接效应。在估计过程中，直接效应和间接效应的估计值根据4个模型的参数估计结果及空间权重矩阵的设定易于获取。但是，直接效应和间接效应估计值的显著性却难以检验，因为推断直接效应和间接效应的统计显著性，須综合测度直接效应和间接效应的分布状态。对此，依据LeSage和Pace研究[21]，我们利用数值模拟的方法，使用极大似然估计隐含的方差协方差矩阵模拟直接效应和间接效应的分布，进行1 000次参数联合抽样，将平均直接效应和平均间接效应用1 000次抽样的均值近似，判断显著性水平的t统计量则由均值除以相应的标准差获取。对于估计程序的设计，我们以Elhorst[22]的程序为基础，并根据本文研究模型对其进行改写，用于估计模型1、模型3、模型5、模型6的平均直接效应和平均间接效应。同时，我们还估计了相关模型的非空间面板形式，结果如表5所示。

通过对表5中4个空间面板模型直接、间接效应估计结果的分析，可以得出以下一些结论：

（1）对于以商服用地出让价格为被解释变量的空间面板模型，模型1的估计结果显示，第三产业比重（TI）、人口密度（lnPD）的平均直接效应分别在1%、5%的显著性水平上通过了t检验。由于平均直接效应表示了空间面板模型中第三产业比重、人口密度变化对商服用地出让价格的边际影响，那么通过对比平均直接效应的估计结果与非空间面板模型相关变量系数的估计结果，可以发现非空间面板模型系数存在的高估或低估。具体而言，空间面板模型中第三产业比重、人口密度的平均直接效应估计值分别为0.042、0.428，这意味着非空间面板模型中第三产业比重的影响（0.028）被低估了33.33%，人口密度的影响（0.372）被低估了13.08%。而目前影响因素的计量分析通常使用的是传统计量经济学的非空间计量模型，可以发现，由于没考虑策略互动，相关变量影响的估计存在明显的偏误。另外，模型1的估计结果显示，人口密度的平均间接效应在5%的显著性水平上通过了t检验，表明人口密度存在显著的空间溢出效应。其平均间接效应估计值为-0.197，为负值，说明一个地区人口密度的变化对该地区的局部影响与周边区域的影响呈现反向变动趋势。这意味着，山东省区域内一个地区人口密度的增加不仅会导致该地区地方政府商服用地出让价格的上涨，与此同时，还会导致邻近地区地方政府商服用地出让价格的下降。上涨和下降的比例，可以通过测度人口密度的平均直接效应与平均间接效应的绝对值之比0.428∶0.197得出，为1∶0.460（下文解释变量空间溢出的分析过程与此相同）。而常用的非空间计量模型认为样本个体间相互独立，不存在空间面板模型中的间接效应，这并没有真实反映人口密度对其他地方政府商服用地出让价格空间溢出效应的影响。

（2）对于以住宅用地出让价格为被解释变量的空间面板模型，模型3的估计结果显示，人口城镇化率（URB）、人均可支配收入（lnIC）、人口密度（lnPD）的平均直接效应均在5%的显著性水平上通过了t检验，平均直接效应的估计值分别为0.030、1.302、0.402。通过对比，可以发现非空间面板模型相关变量系数的估计值，由于未考虑策略互动，存在明显偏误。其中，人口城镇化率的影响（0.024）被低估了20.00%，人均可支配收入的影响（1.172）被低估了9.98%，人口密度的系数（0.532）被高估了32.34%。同时，模型3的估计结果显示，人口城镇化率、人均可支配收入、人口密度的平均间接效应均在5%的显著性水平上通过了t检验，其估计值分别为-0.011、0.392、-0.120，三者存在明显的空间溢出效应。具体而言，山东省区域内一个地区城镇化率、人口密度的提升不仅会导致该地区地方政府住宅用地出让价格的上涨，还会导致邻近地区地方政府住宅用地出让价格的下降，两者导致的上涨和下降的比例分别为：1∶0.367和1∶0.298。而人均可支配收入的增加不仅会导致该地区地方政府住宅用地出让价格的上涨，还会导致邻近地区地方政府住宅用地出让价格的上涨，本地和邻近地区住宅用地出让价格上涨的比例为：1∶0.301。

（3）对于以工业用地出让价格为被解释变量的空间面板模型，模型5的估计结果显示，人均外商直接投资（lnFDI）的平均直接效应在5%的显著性水平上通过了t检验，平均直接效应的估计值为0.543，而非空间面板模型中人均外商直接投资偏回归系数估计值为0.563，由于未考虑策略互动，存在明显偏误，影响被高估3.68%。同时，模型5的估计结果显示，人均外商直接投资和地均固定资产投资（lnFAI）的平均间接效应均在5%的显著性水平上通过了t检验，其估计值分别为0.120、0.012，表明二者存在明显的空间溢出效应。山东省区域内一个地区人均外商直接投资、地均固定资产投资的提升，不仅会导致该地区地方政府工业用地出让价格的上涨，还会导致邻近地区地方政府工业用地出让价格的上涨，两者导致的本地和邻近地区工业用地出让价格上涨的比例为：1∶0.221和1∶0.750。

（4）对于以工业用地出让量为被解释变量的空间面板模型，模型6的估计结果显示，第二产业比重（SI）、地均工业产值（lnIOV）的平均直接效应在5%的显著性水平上通过了t检验，平均直接效应的估计值分别为0.043、0.778，非空间面板模型中二者的偏回归系数估计值分别为0.049、1.022，由于未考虑策略互动，存在明显偏误，其影响分别被高估了13.95%、31.36%。同时，模型6的估计结果显示，第二产业比重和地均固定资产投资强度的平均间接效应均在5%的显著性水平上通过了t检验，其估计值分别为0.016、0.015，表明二者存在明显的空间溢出效应，山东省区域内一个地区第二产业比重、地均固定资产投资的提升，不仅会导致该地区地方政府工业用地出让量的增长，还会导致邻近地区地方政府工业用地出让量的增长，两者导致的本地和邻近地区住宅用地出让量增长的比例为：1∶0.372和1∶0.193。

4研究结论及启示

本文以山东省设区市地方政府作为研究对象，通过构建空间面板模型，从价格和数量两个维度，全面检验了地方政府商服、住宅、工业用地出让的策略互动行为，并利用空间计量工具，分析了地方政府土地出让策略互动行为的影响。研究发现：

（1）山东省区域内地方政府商服、住宅、工业用地出让价格以及工业用地出让量存在显著的策略互动，相邻地区的商服、住宅、工业用地出让价格以及工业用地出让量的策略互动表现为你涨我跌、你增我减的反向变动的格局形式。

（2）常用的非空间计量模型中地方政府土地出让行为影响因素的估计，由于未考虑策略互动，普遍存在偏误。对于商服用地出让价格，第三产业比重、人口密度的影响分别被低估了33.33%、13.08%；对于住宅用地出让价格，人口城镇化率、人均可支配收入的影响分别被低估了20.00%、9.98%，人口密度的影响被高估了32.34%；对于工业用地出让价格，人均外商直接投资的影响被高估3.68%；对于工业用地出让量，第二产业比重、地均工业产值的影响分别被高估了13.95%、31.36%。

（3）地方政府土地出让行为的影响因素普遍存在明显的空间溢出效应。对于商服用地出让价格，具有空间溢出效应的影响因素为人口密度；对于住宅用地出让价格，具有空间溢出效应的影响因素为人口城镇化率、人口密度、人均可支配收入；对于工业用地出让价格；具有空间溢出效应的影响因素为人均外商直接投资、地均固定资产投资；对于工业用地出让量，具有空间溢出效应的影响因素为第二产业比重、地均固定资产投资。

基于上述结论，我们可以得出下面两方面的启示：

（1）正确估计地方政府出让行为影响因素的影响强度。如果地方政府土地出让行为存在策略互动，而分析模型未引入适当的空间权重矩阵，则无法合理把握相关因素对地方政府出让行为的影响强度。只有在进行地方政府土地出让策略互动行为检验的基础上，合理构建空间或非空间计量模型，才能正确估计地方政府出让行为影响因素的影响强度，进而才能保证政策措施强度的合理性。

（2）合理利用地方政府土地出让行为影响因素的空间溢出效应。以住宅用地出让价格为例，若希望一个地区的住宅用地出让价格上升，而邻近地区住宅用地出让价格下降，那么提升该地区的人口城镇化率、人口密度，发挥二者负向的空间溢出效应影响是一个可行的政策选择。与此类似，在充分认识地方政府土地出让行为影响因素空间溢出效应的基础上，合理利用空間溢出效应对邻近地区的影响，能够更有针对性地实现相关的政策目标。

（编辑：刘呈庆）

参考文献（References）

[1]TSUI K Y， WANG Y Q. Between separate stoves and a single menu： fiscal decentralization in China[J].The China quarterly，2004， 177（3）：71-90.

[2]王玉波，唐莹.中国土地财政地域差异与转型研究[J]. 中国人口·资源与环境，2013，23（10）： 151-159.[WANG Yubo， TANG Ying. Discrepancy of land finance in different areas and its transformation in China[J]. China population， resources and environment， 2013， 23（10）：151-159.]

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

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

[5]BRUECKNER J K. Strategic interaction among governments： an overview of empirical studies[J]. International regional science review，2003（26）：175-188.

[6]王賀嘉，宗庆庆，陶佶. 竞次到底：地市级政府工业用地出让策略研究[J].南方经济， 2013（9）： 37-51. [WANG Hejia， ZONG Qinqin， TAO Ji. Race to the bottom： the manufacturing land leasing strategy of municipal governments in China[J]. South China journal of economics，2013（9）：37-51.]

[7]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.[WANG Chong. Oligopolistic granting of stateowned land， strategic interaction and fiscal adjustment： based on a dynamic spatial econometric model with urban panel data[J]. Collected essays on finance and economics，2011（5）：32-37.]

[8]龙奋杰，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.[LONG Fenjie， WANG Xiaomeng， ZOU Di. Effect of local governments land leasing behavior based on yardstick competition[J]. Journal of Tsinghua University（science & technology），2015，55（9）：971-976.]

[9]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.[LUO Biliang， LI Shangpu. The competition among local governments： land leasing and strategy choices with empirical evidences from provincial panel data in China（1993-2009）[J].Academic research，2014（1）：67-78.]

[10]LESAGE J P， FISCHER M M， SCHERNGELL T. Knowledge spillovers across Europe， evidence from a Poisson spatial model with spatial effects[J].Regional science， 2007，86（3）：393-421.

[11]ELHORST J P. Spatial econometrics： from crosssectional data to spatial panels[M]. Dordrecht： Springer， 2014： 97-105.

[12]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.[SONG Jianan， JIN Xiaobin， TANG Jian， et al. Analysis of influencing factors for urban land price and its changing trend in China in recent years[J]. Acta geographica sinica， 2011， 66（8）： 1045-1054.]

[13]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. [HUA Wen， FAN Li， WU Qun， et al. Regression analysis of urban land value influencing factors： for Jiangsu Province[J].Economic geography，2005，25（2）：202-206.]

[14]山东省统计局. 山东省统计年鉴（2008—2016）[J]. 北京：中国统计出版社，2008—2016. [Bureau of Statistics of Shandong Province. Statistical yearbook of Shandong Province（2008-2016）[J]. Beijing：China Statistics Press，2008-2016.]

[15]山东省住房和城乡建设厅，山东省统计局. 山东省城镇化发展报告（2008—2016）[J]. 济南：黄河出版社，2008—2016. [Housing and UrbanRural Development Department of Shandong Province， Bureau of Statistics of Shandong Province. Urbanization development report of Shandong Province（2008- 2016）[J]. Jinan：The Yellow River Press，2008-2016.]

[16]山东省住房和城乡建设厅. 山东省城市建设统计年报（2007—2015）[J]. 北京：中国建筑工业出版社，2007—2015.[Housing and Urbanrural Development Department of Shandong Province. Shandong provincial urban construction statistics annual report（2007-2015）[J]. Beijing：China Building Industry Press，2007-2015.]

[17]ANSELIN L， BERA A K， FLORAX R， YOON M J. Simple diagnostic tests for spatial dependence[J]. Regional science and urban economics，1996， 26（1）：77-104.

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

[19]LEE L F， YU J. Spatial panels： random components versus fixed effect[J]. International economic review， 2012， 53（7）：1369-1388.

[20]BEHRENS K， THISSE J F. Regional economics： a new economic geography perspective[J]. Regional science and urban economics， 2007， 37（4）：457-465.

[21]LESAGE J P， PACE P K. Introduction to spatial econometrics[M]. Boca Raton： Press Taylor and Francis Group， 2009： 66-71.

[22]ELHORST J P. Matlab software for spatial panels[J]. International regional science review，2012， 37（3）：389-405.

[23]李萬新.对央地土地博弈的制度分析[J].中国地质大学学报（社会科学版），2017（1）：135-148. [LI Wanxin. Can the central government control local land use without public participation？ [J]. Journal of China University of Geosciences （social sciences edition）， 2017（1）：135-148.]

[24]PENG K L， BAI X M. Welfare effects of ruralurban land conversion on different aged landlost farmers： exemplified in Wuhan City[J]. Chinese journal of population， resources and environment， 2016， 14（1）： 45-52. http：//dx.doi.org/10.1080/10042857.2015.1113650.

[25]黄金升，陈利银，赵爱栋. 经济发展差异下县域土地引资竞争研究[J].中国地质大学学报（社会科学版），2017（3）：163-172. [HUANG Jinsheng， CHEN Liyin， ZHAO Aidong. Competition of county land investment at different stage of economic development [J].Journal of China University of Geosciences （social sciences edition）， 2017（3）：163-172.]

[26]钟国辉. 我国城市建设用地价格扭曲研究[J]. 经济与管理评论，2016（3）：41-46. [ZHONG Guohui. A study of price distortions of urban construction land in China[J]. Review of economy and management， 2016（3）： 41-46.]

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。