基于改进贝叶斯网络的省级政府债务风险预警模型-徐占东.pdf

《基于改进贝叶斯网络的省级政府债务风险预警模型-徐占东.pdf》由会员分享，可在线阅读，更多相关《基于改进贝叶斯网络的省级政府债务风险预警模型-徐占东.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第32卷第8期V0132 No8统计与信息论坛Statistics&Information Forum2017年8月Au舀，2017【统计应用研究】基于改进贝叶斯网络的省级政府债务风险预警模型徐占东1，时欣2，迟国泰3(1东北财经大学经济学院，吉林长春116025；2首都经济贸易大学财政税务学院，北京100078；3大连理工大学工商管理学院，辽宁大连116023)摘要：利用格兰杰非因果关系检验确定贝叶斯网络节点，反映经济变量之间的影响方式。采用误判率最小原则，确定预警指标临界值。利用贝叶斯网络学习，确定贝叶斯网络节点的后验概率。利用贝叶斯网络推理，测算地方政府债务风险，计算预警指标变化对省级政

2、府债务违约概率的影响。研究结果表明：财政收入财政支出与GDP增速债务增速是预警省级政府债务风险的最重要指标，保持债务依存度、GDP增速债务增速和民间投资增速政府债务增速在适度区间内，能够有效降低省级政府债务风险。关键词：贝叶斯网络；格兰杰非因果关系检验；预警模型；政府债务中图分类号：F8107：021163 文献标志码：A 文章编号：10073116(2017)08一0087一09一、引言由于经济不断波动是典型事实，经济危机也必然时有发生。即便是最理性的经济学家，也会期望利用经济预警模型，准确预测经济危机发生的时间和程度1|。为了避免20世纪30年代美国经济大萧条的重现，1937年，美国经济研

3、究局建立了包含21项指标的经济危机预警系统，对美国经济周期和潜在的经济危机进行预警和监控。1961年，美国商务部正式发布宏观景气动向信号。这一事件标志着经济预警模型进入实际应用阶段。在此之后，经济周期景气监测指标体系日益健全。1998年席卷全球的金融风暴、2008年美国次贷危机表明，现存的经济周期景气监测指标体系还远远达不到准确预测经济危机的目的。学术界需要不断研究和开发新的经济危机预警模型2_3。从中国的经济危机预警模型研究情况看，早在1991年，张守一等借鉴国外研究，建立经济周期预警指标体系，利用经济预警模型对中国经济周期进行监测和预警H。随着地方政府债务规模的不断扩大，中国地方政府债务风

4、险问题日益突出。首先，由于中国地方政府长期财政赤字，地方政府债务规模不断增大，地方政府债务违约风险也不断加大。根据国家统计局公布的数据，仅北京、上海等13个省市的政府财政收入财政支出在o5以上，19个省市的政府财政收入财政支出小于o5。这表明60省份的一半以上的财政支出依赖于政府债务。其次，地方政府财政收入增速不断降低，这加大了地方政府债务违约风险。根据2015年国家统计局公布的数据，2014年国家财政收入增速为86，近20年首次低于10，与2013年相比，财政收入增速下降15个百分点。显然，利用适当的经济指标体系，采取合适的方法，构建地方政府债务风险预警模型，对中国地方政府债务风险进行监测和

5、预警，不仅具有重要的学术价值，还具有积极的应用价值。收稿日期：20161029；修复日期：201706一05基金项目：国家自然科学基金项目开放获取背景下的全文引文分析方法与应用研究(71501031)；辽宁省社科规划基金项目基于改进贝叶斯网络的地方政府债务风险预警模型研究(L15BTJ001)；东北财经大学校级科研课题项目Ponzi策略、土地财政与地方政府债务可持续性(DuFE2015Y08)作者简介：徐占东，男，吉林磐石人，经济学博士，讲师，研究方向：信用风险评价；时欣，女，山东菏泽人，硕士生，研究方向：财政理论与税收政策；迟国泰，男，黑龙江海伦人，教授，博士生导师，研究方向：金融工程。87

6、万方数据统计与信息论坛二、文献综述实践中，广泛应用的经济预警模型，通常以构建合适的经济指标体系为基础。美国经济研究局采用的经济危机预警系统就是如此。这类经济预警模型模型包含指标体系、模型构建方法和预警效果检验三个重要因素5。此类预警模型的进展，主要取决于预警模型方法的改进程度。预警效果的提高，取决于预警模型方法的不断改进。随着计算机技术的发展，利用贝叶斯网络方法，构建经济预警模型受到了学术界的青睐。与现有研究使用的其他方法相比，贝叶斯网络方法不仅能够反映变量之间的因果关系，还能通过推理，对经济危机进行预测和预警。表1给出了贝叶斯网络方法与其他方法的对比情况。表1贝叶斯网络方法与其他预警模型方法

7、的对比表方法 优点 缺点模糊评价法 模型设定简单层次分析法主成分分析Pmbit回归VARGARCHHP滤波贝叶斯网络方法不能表达因果关系；不能进行推理反映因果关系 模型设定复杂；不能推理利用贝叶斯网络学习反映模型设定复杂因果关系利用贝叶斯网络进行推理对于中国地方政府债务风险预警模型来说，现有大部分研究都采用了系统评价方法6，部分研究使用主成分分析等经济计量方法7_8。采用这些方法构建的预警模型，其缺点是不能反映经济变量之间的因果关系。与现有研究相比，本文构建的地方政府债务风险预警模型，主要有如下特点：一是采用贝叶斯网络方法，反映影响地方政府债务风险关键变量之间的不确定性因果关系。利用贝叶斯网络

8、进行推理，预测和预警地方政府债务违约概率。克服现有研究使用系统评价方法无法反映变量因果关系，使用经济计量方法无法进行推理的问题。二是采用格兰杰非因果关系检验，确定贝叶斯网络节点，构建贝叶斯网络。现有研究往往根据基础理论确定贝叶斯网络节点。对于地方政府债务风险来说，由于缺少基础理论，无法明确地方政府债务相关变量(例如中央转移支付、债务负担率)的父子88节点关系。采用格兰杰非因果关系检验确定网络节点，解决缺少理论支持的贝叶斯网络节点确定问题。三、中国地方政府债务风险预警模型的构建(一)地方政府风险预警指标的选择本文在许争、戚新的地方政府债务风险预警指标基础上，保留债务依存度、债务负担率、GDP增速

9、债务增速与民间投资增速债务增速等四个指标，加入财政收入财政支出指标，反映地方政府支出对债务的依赖程度，加入地方转移支付、土地出让收入、税收收入等三个财政收入指标，反映偿还政府债务对中央转移支付、土地出让收入以及税收收入的依赖程度。预警指标分类以及经济意义见表2。表2地方政府债务风险预警指标结果表(二)贝叶斯网络的构建1贝叶斯网络构建原理。现有大部分研究，都是按照指标层对指标进行分类9。按照这种方法构建的网络节点，忽略了预警指标之间的相互作用和影响。事实上，经济预警指标确实存在相互作用和相互影响10。本文利用格兰杰非因果关系检验方法，判别预警指标之间的相互作用方式和影响路径，揭示地方政府债务风险

10、预警的关键指标，建立贝叶斯网络。格兰杰非因果关系检验方法基本原理如下：给定指标五。f，其中i歹，i一1，行，J一1，靠，”为指标个数。格兰杰非因果关系检验方程为：z女=ao+alzi，Pl+azi，P+向弓，P1+岛zf，。+e。 (1)万方数据徐占东，时欣，迟国泰：基于改进贝叶斯网络的省级政府债务风险预警模型其中，志和m为滞后阶数，。为随机误差项。原假设Ho为：向一位一一胁一o (2)如果检验结果显著，拒绝原假设式(2)，说明解释变量zi是被解释变量zi的格兰杰原因。此时，利用指标z；的过去值，能够预测zi的未来变化，这时在网络节点上，指标z，是zi的上游指标。对指标逐对进行格兰杰非因果关系

11、检验，就可以确定每个指标zi对于其他指标z，的位置，进而确定每个指标zi在贝叶斯网络中的节点位置。2贝叶斯网络构建。将债务依存度z，、GDP增速债务增速zz、民间投资增速债务增速z。和财政收入财政支出z。、债务负担率z。、中央转移支付财政收入z。、土地出让收入财政收入z，、税收收入财政收入z。指标数据，两两代人格兰杰非因果关系式(1)，得到格兰杰非因果关系检验结果，进而画出贝叶斯网络图，如图1。图1地方政府债务风险预警模型贝叶斯网络图可以看到：一是中央转移支付是解决地方政府债务风险的最后手段，一种是通过财政收入财政支出影响地方政府债务违约风险，另一种是通过土地出让收入占财政收入比率影响地方政府

12、债务违约风险。中央转移支付是地方政府债务风险的最上游指标。二是财政收入财政支出反映了地方政府财政赤字程度，不仅能够解释税收收入、土地出让收入的变化，还能解释民间投资增速的变化。财政收入财政支出是预警地方政府债务违约风险的最重要指标。三是GDP增速债务增速反映了地方政府经济增长对债务的依赖程度，能够解释投资增速和土地出让收入的变化，进而影响地方政府债务违约风险。GDP增速债务增速是预警地方政府债务违约风险的重要指标。四是债务依存度、民问投资增速债务增速、债务负担率与税收收入财政收入、土地出让收入财政收入直接影响地方政府债务违约风险，是预警地方政府债务违约风险的直接指标。土地出让收入财政收入反映了

13、地方政府债务偿还对土地的依赖程度。如果地方政府土地出让收入减少，财政赤字压力增加，地方政府债务违约风险增加。(三)贝叶斯网络节点参数的估计对于地方债务风险预警体系，一个重要步骤是设置每个指标的预警值。一旦指标实现值超过预警值，预警模型发出警报。贝叶斯网络的预警效果通常由误判率来判别。为了达到最佳的债务风险预警效果，本文采用误判率最小原则估计贝叶斯网络参数，估计过程如下：1确定初始临界值zi。根据现有文献确定债务依存度z。、GDP增速债务增速z。与债务负担率z。的预警值7川。采用样本均值作为民间投资增速债务增速zs、财政收入财政支出zn、中央转移支付财政收入z。、土地出让收入财政收入z，与税收收

14、入财政收入z。的初始值。对地方政府债务违约风险3I，设定临界值y”一o5。当地方政府债务违约风险大于临界值o5时，地方政府财政收入不能满足债务偿还需要，此时地方政府会违约，违约风险y一1。当地方政府债务违约风险小于临界值o5时，地方政府财政收入能够满足债务偿还需要，地方政府不会违约，违约风险yo。各指标的初始临界值设置如表3所示。表3 预警指标的初始预警临界值确定表这里采用。或1判断是否违约，而没有采用概率值大小细化预警门限值。其理由有三：一是由于事实上，地方政府债务出现违约的样本极小，无法利用概率值反映地方政府债务违约的真实状态。因此，从实际数据角度，无法测算概率值进行细化门限值。二是在理论

15、上，本文借鉴了韩立岩等的研究思89万方数据统计与信息论坛路，利用KMV模型测算地方政府债务的违约概率I川。当地方政府债务违约风险大于临界值o5时，地方政府财政收入不能满足债务偿还需要。将其作为违约发生，具有一定的理论基础。三是利用0或1判断是否违约，将连续随机变量离散化构建离散贝叶斯网络模型。此时随机变量分布变为二项分布，先验分布的设定相对简单和稳健。借鉴茆诗松，二项分布的共轭先验分布为Beta分布，其参数刻画了成功概率1220。2利用无条件概率估计初始贝叶斯网络节点参数。本文利用表3中的初始预警临界值，把GDP债务增速等连续随机变量进行离散化，采用离散贝叶斯网络，构建债务风险预警模型。虽然，

16、通过将连续随机变量离散化构建离散贝叶斯网络，会导致一定的模型误差，但是这种做法有如下好处：一是如上文所述同，采用离散的二项分布，设定简单稳健，并且所得参数刻画了成功概率。二是研究中的回溯检验表明，与现有文献相比，采用离散贝叶斯网络，降低了预警误判率，提高了预警准确率。三是根据二项分布进行研究，发现债务依存度、GDP增速债务增速与民间投资增速政府债务增速应控制在适度区间内。当样本数据大于预警临界值时，z：一1；当样本数据小于预警临界值时，z：一o。分别计算z：一1和zio的概率。True表示预警指标样本值大于预警值zi+的概率，即zi一1的概率。False表示预警指标样本值小于预警值z。+的概率

17、，即z：一。的概率。将初始概率填入贝叶斯网络中结果见图2：F磊丽丽蔽一。磊赢丽i订丽森蔽瓣疆两匿二登塑蔓鹫鼍至薹羹塑：j 。i上J，二二坠：1一-一一垦竺墨!型摹!兰 璺垦皇圭塞苎垦士， !皇!曼丝曼塞塞垒， !璺聋曼 !量!篡篙I臻。ii鬻l獬薹鬃I篙戮鬣+篡，i!：l醚 1| j”#8一畦i1 白Be 0判女晦 硪n E1。I嗍粥一：雕 l一、=“一一了t、 ，7。、赢矗毛鬲i争7i1薏黧图2 基于先验概率的地方政府债务风险预警贝叶斯网络图3利用样本数据推理，确定贝叶斯网络的后验概率。根据图2的贝叶斯网络结构和初始参数，利用极大似然估计方法估计网络节点参数。令口为待估计参数，D为预警指标的

18、数据，目的极大似然估计量为：90臼一argmaxL(口J D)一argmax U P功(z：)(3)目 F1其中，P功(zi)表示地方政府债务风险预警指标zi的概率分布，N为样本数量。将样本数据代入贝叶斯网络，经过贝叶斯网络学习后，可以得到后验概率的贝叶斯网络。4地方政府债务风险预警模型。定义误判率r为样本违约风险为1推理为。的个数，加上样本违约风险为1但推理结果为。的个数，除以样本数量。最优的指标预警l临界值为：最优(z，z方，z亭)=Minr(z?) (4)通过反复调整表3中民间投资增速债务增速z。，财政收入财政支出z。，中央转移支付财政收入z。，土地出让收入财政收入z，与税收收入财政收入

19、zs的初始f临界值，计算不同临界值的误判率r。利用式(4)，得到误判率最小的预警指标临界值，如表4。表4 预警指标的最优预警临界值表注：由于现有文献已经给出债务依存度z1，GDP增速债务增速z2与债务负担率z5的预警值。本文没有对这三个指标的预警临界值进行调整。在表4的预警指标临界值下，得到地方政府债务风险预警贝叶斯网络，如图3。图3预瞀临界值调整后的地方政府债务风险预警贝叶斯网络图(四)地方政府债务风险预警模型的稳健性检验根据图3进行贝叶斯网络推理后，分别计算预警准确率和误判率，结果见表5。对于样本值为1(违约概率大于o5)的样本，万方数据徐占东，时欣，迟国泰：基于改进贝叶斯网络的省级政府债

20、务风险预警模型预警准确率为917。整个样本的预警准确率达到967。表5基于贝叶斯网络的地方政府债务风险预警模型的推理情况表类别 样本值为1(违约) 样本值为o(不违约)根据图3测算30个省份的地方政府债务风险。结果表明：地方政府债务处于警戒线以上的省份有11个。违约风险最高的三个省份是贵州、青海和重庆，违约概率分别是797，618和588。处于警戒线以下的省份有19个。违约风险最低的三个省份是福建、浙江和江苏，违约概率分别是18。6，187和204。2014年5月21日批准的8个地方政府发债试点省市(上海、浙江、广东、江苏、山东、北京、江西、宁夏)的违约风险都低于违约警戒线50，说明利用贝叶斯

21、推理的省级政府债务风险具有较好的预警能力。(计算中使用的GDP、财政收入、财政支出、税收收入、中央转移支付、投资等基础数据均来自于20032013中国统计年鉴；地方政府债务余额数据来自于国家审计署及各省市年度公报)。综合预警准确率和省级地方政府债务违约风险推理结果，基于贝叶斯网络推理的地方政府债务风险预警模型具有较好的稳健性。四、地方政府债务风险变化分析(一)债务依存度变化对债务风险的影响根据表3的债务依存度z。临界值o1，将30个省市分为两组。一组是低于临界值的省份，z。一o；一组是高于临界值的省份，z，一1。表6第1列为分组情况。表6 债务依存度变化对债务风险的影响表(z1II缶界值取o1

22、)25个省份的债务依存度低于临界值o1，5个省份高于临界值。债务依存度高于临界值o1的5个省份均为东部地区省份。由于债务依存度等于地方政府当年债务新增额与地方政府当年财政支出的比，这意味着天津、北京、上海、浙江和福建5省地方政府财政支出，对新增政府债务依赖较大。其他25个省份中财政支出对新增债务的依赖程度较低。对于广东、辽宁等25个省份，债务依存度低于临界值o1，政府债务风险处于安全水平。对于北京、上海等省份，债务依存度高于o。1时，地方政府债务风险较高，违约概率较大。对于债务依存度低于临界值的25个省份，如果其他条件不变，当年新增债务增加到临界水平以上，20个省份(80的省份)债务风险具有下

23、降的趋势，违约概率平均下降419；2个省份(甘肃和宁夏)的违约概率不受新增债务的影响；3个省份(新疆、河北和江苏)违约风险会加大，违约概率平均提高88。对于债务依存度高于临界值的5个省份，如果其他条件不变，当年新增债务降低到临界水平以下，4个省份(80的省份)债务风险具有下降的趋势，违约概率平均下降61；1个省份(天津)的违约概率提高16。结果表明，由于各省市财政收入、投资增速等经济基础存在差别，再加上条件违约概率和贝叶斯后验概率的非线性特征，得到的结论具有如下特点：一是债务依存度应该是一个区间指标，而不是正向指标。二是本文的研究结果更符合地方政府债务风险的实际情况。对于债务依存度低于临界值o

24、1时，广东、辽宁等20个省份可以适度新增政府债务，不仅不会导致违约风险增加，相反会大幅降低地方政府债务违约概率。对于高于临界值o1的5个省份，适度降低新增债务，北京、上海、浙江和福建(除天津)的4省份政府债务违约概率会下降。(二)债务负担率变化对债务风险的影响根据表3的债务负担率弱的临界值o3，将30个省份分为两组。一组是低于临界值的省份，z。一91万方数据统计与信息论坛o；一组是高于临界值的省份，z。一1。表7第1列为 分组情况。表7 债务负担率变化表(zs临界值取o3)11个省份的债务负担率低于临界值o3，19个省份高于临界值。由于债务负担率等于地方政府债务余额与地方GDP的比，意味着超过

25、60的省份债务余额超过警戒线。由于辽宁、山西等19个省份债务依存度高于临界值o3，政府债务风险较大。对于上海、北京等11个省份，债务负担率低于临界值，地方政府债务风险较低。对于债务负担率低于临界值的11个省份，如果其他条件不变，当债务余额超过临界水平，8个省份(77的省份)债务风险具有增加的趋势，违约概率平均增加167；2个省份(安徽和山东)的违约概率不受债务余额增加的影响；1个省份(北京)违约风险会减小，违约概率降低51。对于债务负担率高于临界值的19个省份，如果其他条件不变，当债务余额降低到临界水平以下，14个省份(70的省份)债务风险具有下降的趋势，违约概率平均下降34；4个省份不受影响

26、；1个省份(湖北)的违约概率提高267。从平均上看，支持许争和戚新的线性预警模型假设，债务余额对违约风险存在正向影响，即债务余额占GDP比率越大，违约风险越大。但是，如果考虑各省份条件违约概率和贝叶斯后验概率的非线性特征，北京与湖北两个省份表现出不同的违约概率变化趋势。(三)财政收入财政支出比变化对债务风险的影响根据表3的财政收入财政支出z。的临界值o3，将30个省份分为两组。一组是低于临界值的省份，zao；一组是高于临界值的省份，z。一1。表8第1列为分组情况。表8 财政收入财政支出比变化对债务风险的影响表(zt临界值取o3)21个省份(70的省份)的财政收入财政支出低于临界值O3，9个省份

27、高于临界值。根据财政收入财政支出的情况，70的省份超过警戒线，具有较高的违约风险。低于警戒线(o3)的9个省市均为东部地区省份。显然中西部地区省份财政支出大部分依赖于地方政府债务和中央转移支付。对于财政收入财政支出低于临界值的21个省份，如果其他条件不变，当财政收入财政支出债务超过临界水平，8个省份债务风险具有下降的趋势，违约概率平均下降15；13个省份的违约概率不受影响。对于财政收入财政支出高于临界值的929个省份，如果其他条件不变，当财政收入财政支出降低到临界水平以下，8个省份债务风险不受影响；1个省份(广东)的违约概率提高213。从平均上看，这个结论与徐占东、王雪标的研究结论一致1 5|

28、，即财政收入财政支出与债务违约风险负相关，即财政收入财政支出越高，债务违约风险越低。(四)GDP增速债务增速变化对债务风险的影响根据表3的GDP增速债务增速z：的临界值为1，将30个省市分为两组。一组是低于临界值的万方数据徐占东，时欣，迟国泰：基于改进贝叶斯网络的省级政府债务风险预警模型省份，此组zzo；一组是高于临界值的省份，z。一 1。表9第1列为分组情况。表9 GDP增速债务增速变化对债务风险的影响表(zz临界值取1)22个省份(70的省份)的GDP增速债务增速大于临界值1，8个省份低于临界值。这意味着70省份的GDP增速大于政府债务增速，具有较低债务违约风险。对于GDP增速大于政府债务

29、增速的22个省份，如果其他条件不变，当GDP增速下降到小于政府债务增速，或政府债务增速提高到高于GDP增速，15个省份债务风险不受影响。6个省份的违约概率有下降，平均下降132；1个省份(广东)的违约概率会增加。对于GDP增速小于政府债务增速的8个省份，如果其他条件不变，当GDP增速增加到大于政府债务增速，或政府债务增速降低到低于GDP增速，7个省份债务风险不受影响；1个省份(吉林)的违约概率提高114。从上述结果上看，GDP增速债务增速对地方政府债务违约风险影响相对较小。这说明中国地方政府债务偿还主要依赖于土地出让收入和中央政府的转移机制，受地方政府GDP增速与债务增速之问的比值影响较小。这

30、反映了中国地方政府债务增长速度与经济增长速度脱节这一事实。防范地方政府债务风险，亟需注意这一事实。(五)民间投资增速债务增速变化对债务风险的影响根据表3的民间投资增速债务增速z。的临界值为1，将30个省市分为两组。一组是低于临界值的省份，此组z。一o；一组是高于临界值的省份，z。一1。表10第1列为分组情况。表10 民间投资增速债务增速变化对债务风险的影响表(z。临界值取1)21个省份的民间投资增速小于债务增速。9个省份的民间投资增速高于债务增速。对于民间投资增速大于债务增速的21个省份，如果其他条件不变，当民间投资增速增加到大于政府债务增速，或政府债务增速减小到低于民间投资增速，15个省份(

31、70的省份)债务风险具有下降的趋势，违约概率平均下降303；2个省份(海南和宁夏)的违约概率不受影响；4个省份(黑龙江，天津，辽宁和江西)违约风险会加大，违约概率平均提高147。对于民间投资增速小于政府债务增速的9个省份，如果其他条件不变，当民间投资增速下降到小于政府债务增速，或政府债务增速增加到大于民间投资增速，7个省份(80的省份)债务风险具有下降的趋势，违约概率平均下降106；2个省份(河南和山西)的违约概率平均提高25。上述结果表明，民间投资增速与政府债务增速比是一个区间指标，即政府债务增速要与民间投资增速保持在一个合理的区间内。对于民间投资增速较高的省份，可以适度提高地方政府债务增速

32、；对于民间投资增速较低的省份，适当降低政府债务增速。对于债务依存度低于临界值o1时，广东、辽宁等20个省份可以适度新增政府债务，不仅不会导致违93万方数据统计与信息论坛约风险增加，相反会大幅降低地方政府债务违约概率。对于高于临界值o1的5个省份，适度降低新增债务，北京、上海、浙江和福建(除天津)的4省份政府债务违约概率下降。五、土地出让收入与省级政府债务风险的统计分析财政部公布的数据表明，从2013年开始“土地出让金”占地方财政收入比重不断下降。2013年1月至4月，“土地出让金”占地方财政收入比重为598；2014年1月至4月为562；2015年1月至4月，“土地出让金”占地方财政收入比重下

33、降到32。作为地方政府财政收入的主要来源，土地出让收入的减少势必对地方政府债务违约风险产生影响。根据表3土地出让收入财政收入z，的临界值o15，将30个省市分为两组。一组是低于临界值的省份，z，一o；一组是高于临界值的省份，z，一1。统计结果表明：对于土地出让收入占财政收入比小于临界水平的15个省份，12个(80)省份的违约概率小于50，违约风险较小，仅有西部的云南、陕西和青海3个省份的违约概率大于50。对于土地出让收入占财政收入比大于临界水平的15个省份，8个省份的违约概率大于50，违约风险较高。7个省份违约概率小于50，违约风险较低。从地区分布看，东部11个省份的违约概率小于50，违约风险

34、相对较低。东部地区仅有广西的违约概率大于50，违约风险较高。对于中部和西部地区的省份，违约概率大于50的省份分别有3个(三分之一)和7个(80)。这个结论与徐占东、王雪标的结论一致u 3|。对于土地出让收入占财政收入比大于临界水平的15个省份，表11给出了土地出让收入下降，使得土地出让收人占财政收入比小于临界水平时，相应违约概率变化情况。当其他条件不变时，降低土地出让收入比例，11个省份的违约概率呈现下降趋势，违约概率平均下降20。对于违约概率达到797的贵州和618的青海，违约概率分别下降到48和444。显然对于上述省份，土地出让收入降低，并不意味着违约风险会增加，相反更有利于降低地方政府债

35、务风险。表11 土地出让收入财政收入下降时省级政府债务风险变化表对于河南、江西、天津与辽宁4个省份，如果土地出让收入降低，违约概率呈现上升趋势，违约概率平均上升86。但由于增加幅度较低，增加后的违约概率分别为268、319、323与301，均小于50，这四个省份的地方政府债务违约风险相对较低。上述讨论表明，一是土地出让收入占财政收入比例低于临界水平的省份，地方政府债务违约风险也较小。对于土地出让收入占财政收入比例大于临界水平的省份，违约概率相对较高；二是土地出让收入的减少，并不意味着地方政府债务风险的增加。如果现有条件不变，11个省份的违约概率会下降，并且这些省份的债务违约概率都下降到50以下

36、。对于4个违约概率上升的省份，违约概率都远远小于50，处于违约风险较低的水平。94六、主要结论本文引入税收收入、土地出让收入、中央转移支付等收入要素反映政府债务偿还能力。利用格兰杰非因果关系检验，确定贝叶斯网络节点，反映经济变量的解释关系。采用预警误判率最小原则，确定预警指标临界值。利用贝叶斯网络学习，确定贝叶斯网络节点的后验概率。利用贝叶斯网络推理，测算地方政府债务风险，计算预警指标变化对省级政府债务违约概率的影响。研究结果表明：一是从对地方政府债务风险影响的路径看，中央转移支付是地方政府债务风险的最上游指标。财政收入财政支出与GDP增速债务增速是预警地方政府债务违约风险的最重要指标。债务依

37、存度、民间投资增速债务增速、债务负担率与税收收入财政收入、土地出让收入财政收入是预警地方政府万方数据徐占东，时欣，迟国泰：基于改进贝叶斯网络的省级政府债务风险预警模型债务违约风险的直接指标。二是从变量变化引起地方政府债务违约概率变化的大小看，债务依存度对债务风险的影响最大；其次是债务负担率；再次是民间投资增速债务增速；再次为财政收入财政支出。GDP增速债务增速变化对地方政府债务违约风险的影响最小。参考文献：三是从指标类型看，债务负担率，财政收入财政支出符合现有研究的线性假设，对债务风险存在线性影响。债务依存度、GDP增速债务增速与民问增速政府债务增速则是区间指标。当债务依存度、GDP增速债务增

38、速与民间增速政府债务增速在适度区间内，能够有效降低地方政府债务风险。1 Blanco H，Garber P Recurrent Devaluation and speculative Attacks on the Me)【ican PesoJJoumal of PoliticalEconomy，1986，94(1)2 Berg A，Pattillo cPredicting currency crises：The Indicators Approach and an Altemative口Joumal of IntemationalMoney and Fimnce，1999，18(4)3 Cev

39、ik E I，Dibooglu S，Kenc TMeasuring Financial StreSs in TurkeyJJournal of P01icy Modeling，2013，35(2)4张守一，葛新权，林寅宏观经济监测预警系统新方法论初探J数量经济技术经济研究，1991(8)5刘蓉，黄洪中国地方政府债务风险的度量、评估与释放口经济理论与经济管理，2012(1)6许争，戚新地方政府性债务风险预警研究基于东北地区某市的经验数据J科学决策，2013(8)7卢宗贝我国地方债发行现状、存在问题及对策研究J时代金融旬刊，2013(6)8姚丹丹中国地方政府债务风险评估基于我国东部某省的实证分析J

40、中南财经政法大学研究生学报，2014(3)9顾海峰信用突变下商业银行信用风险预警模型及应用口数量经济技术经济研究，2013(9)10包富华，陈瑛FDI与入境商务旅游的关系研究以北京、上海、广州为例J统计与信息论坛，2016(4)11韩立岩，牟晖，王哲兵市政债券的风险识别与控制策略J管理世界，2005(3)12峁诗松贝叶斯统计M北京：中国统计出版社，199913徐占东，王雪标中国省级政府债务风险测度与分析J数量经济技术经济研究，2014(12)MeaSuring M腿idpal Debt Str鹤s Based on II叩r0Ved Bayesi蚰Netw0帐XU Zhan-don91，SHI

41、 Xin2，CHI Guotai3(1Sch001 of Economics，D0ngbei University of Fimnce and Economics，Dalian 116025，China；2school of Public Finance and taxation，Capital University of Economics and Business，Beijing 100078，China；3Sdhod of Management Dalian university o壬Techndogy，Dalian 106023，Chi眦)Abstract：In this paper，

42、we apply Granger Causality test to determine the Ehyesian network nodesBythe principle of minimizing false alarm rate，we determine the optimal threshold of stress index The MLSmethod was used to estimate Bayesian network parameters， thus the government debt stress model wasestablished By the Bayesia

43、n network inference methods，we determined the province government debtrisk。 Through finding the changes of debt default probabilities resulting from the change of stress index，we detemined the impact of stress index on the default risk Results show that the revenueexpenditureratio and GDP growthdebt

44、 growth are the most important indicator It can reduce the government debtrisk significantly to keep debt dependence， GDP growthdebt growth， and ciVil inVestment growthgovernment debt growth in the moderate rangeKey words：Bayesian networkGranger noncausality；risk measurement；government debt(责任编辑：于茜)95万方数据