影子银行利率提高了我国地方政府债务风险吗——基于省际面板数据模型-赵颖岚.pdf

《影子银行利率提高了我国地方政府债务风险吗——基于省际面板数据模型-赵颖岚.pdf》由会员分享，可在线阅读，更多相关《影子银行利率提高了我国地方政府债务风险吗——基于省际面板数据模型-赵颖岚.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 2017年第6期No. 6 2017四川大学学报(哲学社会科学版)Journal of Sichuan University (Social Science Edition)总第213期Sum No. 213财政金融研究影子银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型赵颖岚,张鑫杰,倪克勤摘 要:通过灰色聚类分析模型和面板数据模型检测近年来我国各省份债务风险及预警等级，实证分析影子银行利率对地方政府债务风险的线性和非线性影响而作出的研究表明:全国地方政府债务风险总体可控;影子银行利率提高显著增加了地方政府债务风险;人均GDP、债务比率、财政分权程度和晋升激励强度增加了地方政府

2、债务风险;经济增长水平提高、财政分权程度提高、晋升激励强度提高、影子银行利率变动对地方政府债务风险的影响程度提高。预警模型预测各省份的风险预警等级具有较高的准确率，实证检验结果稳健性较好。关键词:地方政府;债务风险;影子银行利率;风险预警等级中图分类号: F812， F832 文献标志码: A 文章编号: 1006-0766 (2017) 06-0104-16作者简介:赵颖岚，四川大学经济学院讲师(成都 610065);张鑫杰，新加坡国立大学经济系博士研究生;倪克勤，西南财经大学中国金融研究中心教授(成都 610074)基金项目:教育部西部边疆青年基金项目“我国影子银行的发展及其对资产价格和宏

3、观经济的影响”(13XJC790006)、国家社科基金一般项目“影子银行视角下我国利率市场化的收入分配效应研究” (15BJY181)、四川大学中青年学者高水平学术团队建设项目(SKGT201303)、中央高校基本科研业务费学科前沿与交叉创新项目(skqy201412) 具体数据见审计署网站: 2011年6月27日， http: www. audit. gov. cn n5 n25 c63566 content. html。 具体数据见财政部网站: 2017年4月20日， http: www. mof. gov. cn pub yusuansi zhuantilanmu dfzgl sjtj2

4、01704 t20170401 2573824. html。 济南市历城区城市建设综合开发公司2013年发生债务违约情况。 2014年6月28日， http: finance. sina. chanjing gsnews20140628021019548578. shtml。 袁增霆: 中外影子银行体系的本质与监管， 中国金融 2011年第1期。 如下文所述，本文把城投债利率和信托产品利率均作为影子银行利率的代理变量。一、引 言随着我国现代化建设进程的加快，地方政府的支出规模越来越大，政府债务规模也不断增加。特别是2008年全球金融危机发生后，地方政府债务规模呈现出快速增长的态势。审计署审计

5、结果显示，2010年末我国地方政府债务余额达到10. 7万亿元，到2016年末，财政部数据显示，我国地方政府债务余额达到17. 2万亿元，比2010年提高了60. 7%，年均增速为10%左右。地方债务规模的膨胀会不断增加地方政府债务的违约风险，给国民经济带来巨大的风险。 2013年我国首次出现地方政府债务违约的现象。因此，地方政府债务风险已经成为经济增长、社会稳定和金融安全面临的一个严峻问题。由于不断扩大的债务和担负发展经济的任务，地方政府除了向银行借贷资金外，还通过其他渠道，如债券、信托、 BT项目等筹集资金。在我国金融抑制的背景下，影子银行体系发展较快。影子银行体系是对游离于传统银行体系之

6、外和从事类似于传统银行业务的非银行机构的总称。地方政府通过发行城投债和信托产品进行融资，这些都是属于广义的影子银行。我国的城投债是地方政府通过建立城市基础设施建设公司发行企业债券，实际上也是地方政府从银行以外的渠道融得资金，很多时候也是借新还旧，具有一定的杠杆性和期限错配。同时，信托公司与地方政府在基础设施和民生工程等领域合作，建立相应的信托计划，投资者通过信托公司，把资金投入到地方政府的项目当中。这些政信类信托产品也是地方政府从银行以外的渠道融取资金，也具有一定的杠杆性和期限错配。因此，根据影子银行的定义，城投债和政信信托都是与地方政府债务相关的影子银行体系。据审计署2013401 万方数据

7、赵颖岚,张鑫杰,倪克勤：影子银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型2017年第6期年全国政府性债务审计结果显示，约有2. 31万亿元的地方债务的资金来源于城投债和信托融资，约占地方政府债务总额的12. 9%。而其较高的利率水平会影响到地方政府的债务成本负担和违约的可能性以及举债行为，加大地方政府债务风险，甚至有可能出现债务危机。因此，研究我国地方政府债务风险问题，不能不讨论影子银行利率变化的影响。许多国内外学者研究了地方政府债务风险产生的原因:地方政府加快经济建设形成的财政赤字会增加地方政府债务风险;利率、 GDP和物价等宏观经济变量会对地方政府债务风险产生较大的影响;我

8、国分税制改革后的财税体制和地方官员政绩考核制度会导致地方政府债务积累。一些学者测度了地方政府债务风险:从债务内部结构和外部负担两方面构建我国地方政府债务风险指标体系，并测度了西部某省的债务风险;利用层次定性分析法建立了辽宁省的地方政府债务风险预警体系，发现其地方政府债务风险开始凸显;利用KMV模型对我国整体的地方政府债务风险进行预警。一些国内外学者研究了如何管理地方政府债务风险:地方政府应该控制政府债务的适度规模;建立全国性的和开放的金融市场，特别允许地方政府发行债券进行融资是解决地方政府债务问题的根本出路;10地方政府应建立完善的债务信息披露体系，严格落实地方政府债务责任追究制度。11一些学

9、者研究了影子银行与地方政府债务相关的问题。研究了在我国地方政府债务融资中影子银行的主要表现形式，分析地方政府债务中潜在的各种风险;12影子银行规模的增加推动了地方政府债务规模的增加;13地方政府通过影子银行进行融资的成本较高，高利率的特点改变了地方政府的债务结构，使其债务风险趋于复杂;14地方政府融资平台通过影子银行融资存在违规经营，其融资成本较高，有关部门对其监管缺失。15有学者对如何控制地方债务风险和影子银行风险提出了相应的对策。16总的来说，已有研究存在以下不足: (1)大多数文献测算某个省份某年度地方政府的债务风险，很少文献完整测算出近年来全国所有省份的地方政府债务风险水平。 (2)讨

10、论地方政府债务风险因素时，以定性讨论为主，缺乏定量的研究，特别是从影子银行利率角度讨论得很少。 (3)有个别文献研究了影子银行规模对地方政府债务规模的影响，但是讨论影子银行利率对地方政府债务风险的影响应该更重要。 (4)没有文献研究影子银行利率对地方政府债务风险的非线性影响。 (5)没有建立一个可以有效预测地方政府债务风险预警等级的计量模型。相比已有的研究，本文的不同在于: (1)基于国家审计署对地方政府债务审计数据，完整测算了2010年到2015年17各省地方政府债务风险水平、预警等级以及影子银行利率。 (2)从影子银行利率而不是规模的角度来实证研究影子银行对地方政府债务风险的影响。 (3)

11、使用了面板数据门限模50110111213141516172013年以后审计署没有再公布地方政府债务的具体融资结构。林毅夫: 应重视地方债务风险， 金融博览 2014年第9期。J. L. Mikesell， “Fiscal Administration: Analysis and Applications for the Public Sector，” Dorsey Press， 2010.T. J. Sargent， and G. J. Hall， “Interest Rate Risk and Other Determinants of Post WWII U. S. Government

12、 DebtGDP Dynamics，” Meeting Papers， Society for Economic Dynamics， 2010.龚强、王俊、贾珅: 财政分权视角下的地方政府债务研究:一个综述， 经济研究 2011年第7期。缪小林: 我国地方政府性债务风险生成与测度研究 基于西部某省的经验数据， 财贸经济 2012年第1期。王振宇: 我国地方政府性债务风险识别和预警体系研究 基于辽宁的样本数据， 财贸经济 2013年第7期。王俊: 地方政府债务的风险成因、结构与预警实证， 中国经济问题 2015年第2期。Alessandro Missale， Francesco Giavazzi

13、， and Pierpaolo Benigno， “Managing the Public Debt in Fiscal Stabilizations:The Evidence，” Cambridge， MA， National Bureau of Economic Research， 1997， pp. 21 -67.T. D. Lane， “Market Discipline，” International Monetary Fund Staff Papers， 1993， No. 40.马金华: 地方政府债务:现状、成因与对策， 中国行政管理 2011年第4期。朱文蔚、陈勇: 我国地方政

14、府性债务风险评估及预警研究， 亚太经济 2015年第1期。王丽娅、刘固: 我国地方政府债务的风险及其化解对策， 经营与管理 2014年第10期。吕健: 影子银行推动地方政府债务增长了吗， 财贸经济 2014年第8期。蔡书凯、倪鹏飞: 地方政府债务融资成本:现状与对策， 中央财经大学学报 2011年第11期。王梅、贾康、樊纲: 以阳光化地方政府债券取代影子银行融资， 第一财经日报 2013年7月4日。张平、张丽恒、刘灿: 我国省级地方政府债务风险影子银行化的成因、途径及其控制， 理论探讨 2016年第6期。李成业、刘彦生: 如何化解地方债务、影子银行和货币政策风险， 银行家 2015年第3期。其

15、中2011年审计署没有公布地方政府债务余额数据。最新的地方政府债务余额数据截至到2015年12月。万方数据四川大学学报(哲学社会科学版)总第213期型考察了影子银行利率对地方政府债务风险的非线性影响。 (4)使用面板有序响应probit随机效应模型建立了债务风险预警模型。二、地方政府债务风险和影子银行利率测算(一)地方政府债务风险测算1.地方政府债务风险测算方法的选择对指标体系评价的方法通常包括:因子分析法、聚类分析法、层次分析法和神经网络法等。而以灰色系统理论为基础的灰色聚类分析方法目前应用较为广泛。灰色系统理论是由我国的邓聚龙教授于1982年首次提出的。灰色系统理论的优点是能够通过对“部分

16、”已知信息提取有价值的信息，以实现对系统行为、演化规律的正确描述和有效监控。经过三十多年的发展，灰色系统理论已经成为一个综合性的学科结构体系，其中以灰色关联和灰色聚类分析为核心的评价模型体系已经比较成熟。灰色聚类分析法是指根据灰色关联矩阵或灰数白化权函数，将一些观测指标或观测对象聚集成若干个可定义类别的方法。本文使用灰色聚类分析法计算地方政府债务风险指标的优等、良好、一般、差等灰类的聚类系数，并结合因子分析法得到的各指标权重，加权计算出各省综合决策测度值，以此测算地方政府债务风险大小。2.地方政府债务的相关指标遵循相关性、重要性、全面性和数据可获得性等原则，本文将地方债务相关指标进一步分解成债

17、务率、债务经济负担率等11个风险预警指标，构建了2010年到2015年的各省份的地方政府债务风险预警指标体系。具体经济学含义如表1所示。表1 地方政府债务风险指标体系及说明指标指标说明1债务率债务率=年末债务余额当年政府综合财力100%2债务经济负担率债务经济负担率=年末债务余额地方当年GDP 100%3经济债务弹性经济债务弹性=年末债务余额增长率当年GDP增长率100%4居民应债率居民应债率=年末债务余额居民储蓄存款余额100%5居民储蓄债务弹性居民储蓄债务弹性=年末债务余额增长率居民储蓄存款增长率100%6人均负债额人均负债额=年末债务余额年末人口总数100%7居民收入债务弹性居民收入债务

18、弹性=当年人均债务余额增长率当年人均居民收入增长率100%8债务居民负担率债务居民负担率=人均债务余额当年人均居民收入100%9公共预算收入增长率公共预算收入增长率=当年政府预算收入的增加额去年政府预算收入100%10 5个主体税收收入占比5个主体税收收入占比=5个主体税种税收收入公共财政收入100%11财政自给率财政自给率=财政收入财政支出100%数据来源:中华人民共和国统计局和审计署601邓聚龙: 灰色系统基本方法，武汉:华中理工大学出版社， 1987年。王晶、高建设、宁宣熙: 企业价值评估指标体系的构建及评价方法实证研究， 管理世界 2009年第2期;迟国泰、程砚秋、王丽君: 基于灰色聚

19、类的社会评价模型及省辖市的实证， 中国管理科学 2010年第6期。万方数据赵颖岚,张鑫杰,倪克勤：影子银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型2017年第6期3.各个指标的不同灰类的聚类系数(1)根据各指标计算均值和标准差，将“均值-2 标准差，均值-标准差，均值+标准差，均值+2 标准差”作为优等灰类、良好灰类、一般灰类和差等灰类样本取值范围的端点。(2)根据不同灰类取值范围的端点，把各指标具体数据代入白化权函数公式可以计算各指标的优等灰类、良好灰类、一般灰类和差等灰类的白化权函数值: fj1、 fj2、 fj3和fj4， j代表不同的指标。(3)对每个指标的四类白化权函

20、数值进行归一化处理，即:gjk(x) = fjk(x) 4k =1fjk(x)(1)gj1、 gj2、 gj3和gj4就是各省第j个指标的优等灰类、良好灰类、一般灰类和差等灰类的聚类系数。4.各个指标在政府债务风险评估中的权重因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。本文中关于各债务指标在债务风险评价体系中的权重即由因子分析法计算所得。通过因子分析得到了3个指标集:经济负担指标集，弹性指标集，偿还能力指标集，如表2所示。经济负担指标集包括债务经济负担率、居民应债率、债务居民负担率、债务率等指标

21、，主要反映的是相对于各省的经济总量、各省地方政府的财力和居民的收入，地方政府负担的债务规模的大小。这些指标越大，地方政府的债务风险越大。弹性指标集包括经济债务弹性、居民收入债务弹性、居民储蓄债务弹性等指标，主要反映的是各省经济总量、居民收入和储蓄的变化引起地方政府债务规模变化的大小，一般来说，若GDP增长1%，债务增长大于1%，说明债务对于经济增长的反应非常灵敏。这些指标越大，地方政府的债务风险越大。偿还能力指标集包括人均负债额、财政自给率、公共预算收入增长率、 5个主体税收收入占比等指标，主要反映地方政府通过融资和收入来偿还债务的能力大小。人均负债额指标越大，地方政府的债务风险越大。其他指标

22、越大，地方政府的债务风险越小。表2 债务风险指标的公因子指标集分指标指标类型经济负担指标集债务经济负担率负指标居民应债率负指标债务居民负担率负指标债务率负指标弹性指标集经济债务弹性负指标居民收入债务弹性负指标居民储蓄债务弹性负指标偿还能力指标集人均负债额负指标财政自给率正指标公共预算收入增长率正指标5个主体税收收入占比正指标根据公式:权重=公因子的方差贡献率累积方差贡献率，得到三个指标集的权重，如表3所示:701通过正态分布检验，各指标数据基本上是正态分布。万方数据四川大学学报(哲学社会科学版)总第213期表3 历年债务风险指标集权重指标集经济负担指标集权重1弹性指标集权重2偿还能力指标集权重

23、32010年0. 415 0. 318 0. 2672012年0. 361 0. 326 0. 3132013年0. 436 0. 314 0. 252014年0. 394 0. 362 0. 2442015年0. 465 0. 301 0. 233由表3可以看出，经济负担指标集是权重最高的指标集。经济规模、地方政府财力、居民收入、居民储蓄存款是体现地方政府的可持续筹资能力的根本因素，因此，经济负担指标集所占权重最高，对风险评估的影响最大。接下来依次是弹性指标集、偿还能力指标集。5.测算各省综合聚类系数按照上述“地方政府债务的白化权函数”计算每年各省各指标的优等灰类、良好灰类，一般灰类，差等灰

24、类的聚类系数，并参照上述各指标集的权重，加权计算出各省综合聚类系数。6.确定各省地方政府债务风险水平值和地方政府债务风险预警等级将各省综合聚类系数按照: “综合决策测度值=综合优等灰类系数4 +综合良好灰类系数3 +综合一般灰类系数2 +综合差等灰类系数1”来计算，得到各省综合决策测度值来代表地方政府债务风险水平值。进一步对地方政府债务风险水平值指数化处理后，再按照表4预警等级区间来决定预警等级:表4 预警等级区间债务风险指数化值0 -25 25 -50 50 -75 75 -100预警等级安全区轻警中警重警25 -32 32 -44 44 -50 50 -56 56 -68 68 -75 7

25、5 -82 82 -94 94 -100轻警-轻警轻警+中警-中警中警+重警-重警重警+我国各省份的债务风险预警等级主要集中在轻警和中警，如表5所示。而北京(2012年)、陕西(2015年)和贵州(2015年)的风险预警等级为重警( - )，贵州(2014年)和辽宁(2015年)的风险预警等级为重警，风险相对较高。据笔者计算，北京2012年债务率达到133. 2%，陕西2015年债务率达到102. 8%，贵州2014年和2015年债务率分别达到210. 6%和199. 9%，辽宁2015年债务率达到188. 1%。总的来说，我国各省份都存在一定的地方政府债务风险，在全国范围内是可控的，中西部地

26、区和东北部地区地方政府债务风险预警等级相对东部地区较高，局部地区的债务风险凸显。北京市债务风险较高的原因是，北京市较高的地价和当地对土地财政的依赖导致北京市政府的负有偿还责任债务中“土地收储”项目债务规模较大，甚至超过债务总额的一半。中西部地区债务风险较高的原因是，经济发展程度相对东部地区较为落后，地方政府收入相对东部地区较少，而经济发展的任务比较重，提供公共服务的支出也比较高。东北部地区债务风险较高的原因是，以辽宁省为代表的东北地区经济增速下滑，地方政府收入增速较低，而经济建设的任务比较繁重。因此，中央政府应该加大对中西部地区和东北部地区的转移支付，从政策和资金上支持这些地区经济追赶式发展，

27、逐步降低其地方政府债务风险。而且，随着时间推移，各省的债务风险预警等级基本上都有所提高。这是由于2008年全球金融危机发生后，我国经济的下行压力持续较大，为了刺激经济增长，地方政府普遍加大了财政投入，债务规模增速较快，各省的债务指标普遍上升。801 万方数据赵颖岚,张鑫杰,倪克勤：影子银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型2017年第6期表5 各省份地方政府债务风险预警等级省份2010年2012年2013年2014年2015年省份2010年2012年2013年2014年2015年安徽省轻警轻警+中警-中警-中警辽宁省中警-中警-中警重警北京市中警重警-中警中警-中警+内蒙

28、古中警中警中警中警+中警+福建省轻警轻警中警-中警-中警宁夏轻警轻警轻警+中警+中警甘肃省轻警+轻警+中警轻警+中警-青海省中警中警+中警广东省轻警-中警山东省轻警轻警轻警中警中警广西轻警+轻警+轻警重警中警山西省轻警轻警轻警中警中警-海南省中警中警中警+中警陕西省轻警+轻警+中警-重警-河北省轻警轻警+轻警中警-中警上海市中警中警轻警中警+中警河南省轻警轻警轻警中警四川省中警-轻警+中警中警-中警黑龙江省中警-轻警+轻警+中警+天津市轻警重警-湖北省中警-中警-中警轻警+中警新疆轻警+中警中警湖南省中警-轻警+轻警+中警-中警云南省中警-中警中警中警中警吉林省中警中警-轻警+轻警+中警浙江省

29、轻警-轻警-轻警+中警+江苏省轻警+中警-中警重庆市中警中警-中警江西省轻警+轻警+轻警中警中警贵州省重警重警-7.各省份地方政府债务风险预警等级数值根据各省份债务风险的预警级别，设定其风险预警等级数值:Riskratingit =1 预警级别为轻度预警( -)2 预警级别为轻度预警3 预警级别为轻度预警( +)4 预警级别为中度预警( -)5 预警级别为中度预警6 预警级别为中度预警( +)7 预警级别为重度预警( -)8 预警级别为重度预警9 预警级别为重度预警( +)8.各省份地方政府债务风险分布图根据各省份债务风险预警级别，利用GeoDa软件，对各省份债务风险情况进行图示说明。如图1所

30、示，图中颜色越深，表示风险程度越高，颜色越浅，则表示风险程度越低。 2015年在风险最低的前10个省份中，东部省份为5个，占比为50%，包括:福建省、江苏省、北京市、河北省和安徽省。在风险最高的前10个省份中，中西部省份为7个，占比为70%，包括:内蒙古自治区、贵州省、宁夏回族自治区、广西壮族自治区、云南省、新疆维吾尔族自治区和江西省。从图中可以看出，债务风险在我国各个省份普遍存在，而且中西部地区的地方政府债务风险要大于东部地区。(二)影子银行利率的测度地方政府的资金来源主要是银行贷款、 BT项目、债券、信托等，其中地方政府通过发行城投债和信托产品融资，都是属于与地方政府债务相关的影子银行体系

31、的重要部分。由于地方政府通过信托901东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西11个省市和自治区;中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省和自治区;西部包括四川、重庆、云南、陕西、甘肃、青海、宁夏、新疆8个省和自治区。万方数据四川大学学报(哲学社会科学版)总第213期图1 2015年全国各省份的地方政府债务风险分布情况注:剔除我国港澳台三地。融资的政信信托产品只是信托产品类别中的一部分，其利率数据较少，无法采用省际面板数据模型来实证研究。而考虑到相关性和数据可得性，本文使用各省城投债加权利率作为与地方政府债务相关的影子银行利率的主要

32、代理变量。同时，由于在我国信托产品属于主要的影子银行类别之一，部分信托产品也与地方政府债务相关，本文使用与城投债加权利率相关性比较强的各省信托产品总体加权利率作为影子银行利率变量，进一步对实证分析模型进行了稳健性检验。同时，由于省际面板数据的可得性和与地方政府债务的相关性，没有使用银行理财利率和委托贷款利率作为影子银行利率变量。本文搜集我国各省份在2010年、 2012年到2015年发行的每只城投债的利率微观数据，按照每年每只城投债规模占该年总规模的比例为权重，对每只城投债的利率加权计算出该年城投债总体加权利率。同时，搜集了我国各省份在2010年、 2012年到2015年发行的每只信托产品的利

33、率微观数据。按照每年每只信托产品规模占该年总规模的比例为权重，对每只信托产品的利率加权计算出该年信托产品总体加权利率。图2为计算出的2015年的城投债和信托产品加权利率水平。图2 2015年我国各省地方政府债务相关的影子银行的利率2015年，城投债利率最高的前五位的省份为:内蒙古自治区、辽宁省、山西省、黑龙江省和吉林省。其中东北部地区有三个省份，中西部地区有两个省份。城投债利率最低的后五位的省份为:北京市、宁夏回族自治区、上海市、福建省、广东省。这些省份大多位于东部地区。2015年，信托利率最高的前五位的省份为:河南省、河北省、青海省、湖北省、吉林省。其中西部地区有四个省份，东北部地区有一个省

34、份。城投债利率最低的后五位的省份为:重庆市、新疆维吾尔自治区、云南省、江苏省、安徽省。其中西部地区有三个省份，东部地区有两个省份。总的来说，中西部地区和东北部地区影子银行利率相对较高，东部地区影子银行利率相对较低。这主要是中西部地区和东北部地区的地方政府债务风险相对东部地区更高，其发行的城投债和信托产品的信用风险较高，投资者要求获得的收益率更高。011城投债加权利率和信托产品加权利率之间的相关性为0. 6356，在1%的水平上拒绝不相关的原假设。贵州和西藏缺少城投债发行的数据，故没有统计其利率;广西、海南、宁夏和西藏缺少信托产品发行的数据，故没有统计其利率。万方数据赵颖岚,张鑫杰,倪克勤：影子

35、银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型2017年第6期三、模型构建(一)理论假设1.影子银行利率对地方政府债务风险的影响2008年全球金融危机发生后，我国经济面临下行的巨大压力，政府通过积极的财政政策来刺激经济增长，推出4万亿元的财政支出计划，其中地方政府配套财政支出规模达到2. 8万亿元，这导致地方政府的债务激增。地方政府融资相当部分是通过银行贷款的方式融资。近年来，国家加强银行信贷风险控制，地方政府通过银行信贷融资规模受到限制。根据审计署统计数据显示，地方政府通过银行贷款融资规模占比从2010年的79. 01%下降到2013年的56. 6%。地方政府转向通过更少被监管

36、、利率更高的影子银行进行融资，城投债和信托是其中的重要部分。 2015年城投债平均利率为5. 65%，信托产品平均利率为8. 25%，均大于同期银行贷款1至3年期利率4. 75%。地方政府从影子银行体系融资主要用于城市基础设施建设，城市基础设施建设周期较长、回报率较低。影子银行利率提高会增加地方政府融资成本，如果基础设施建设项目回报率仍然处于较低水平，地方政府可能不能按期还本付息，甚至可能出现违约，这会显著增加地方政府的债务风险，可能出现债务危机。由于地方政府对债务的需求具有刚性，因此影子银行利率Sbankirateit提高会增加地方政府的债务风险。理论假设1:影子银行利率Sbankirate

37、it提高增加了地方政府的债务风险。影子银行利率对地方政府债务风险可能具有非线性影响。随着各省经济增长水平Pergdp提高，财政分权程度Fd上升，晋升激励强度Pm提高，地方政府有大量改善基础设施的投资需求，地方政府财政压力和缺口变大。同时，地方政府为提高政绩大量投资，其举债的意愿和压力增加，债务负担规模也会显著扩大，因此，地方政府对融资利率的敏感性会更高，影子银行利率变动对地方政府债务风险的影响会更大。理论假设2:人均GDPPergdp、财政分权程度Fd、晋升激励强度Pm越高，影子银行利率提高对地方政府债务风险的影响越大。2.其他影响因素对地方政府债务风险的影响经济增长水平Pergdp提高增加了

38、地方政府还债的信心，使地方政府有大量改善基础设施的投资需求。政府大量举债，增加了地方政府的债务风险;同时经济增长水平提高增加了税基，进而增加地方政府的财政收入，降低了地方政府债务违约的可能性，减少了地方政府的债务风险，也就是说经济增长水平对地方政府债务风险的影响具有不确定性。债务比率Debtgdp越高，地方政府负债相对规模越大，给地方经济所带来的债务负担程度越大，债务违约的可能性越高，导致其债务风险提高。由于我国1994年分税制改革后，财权向上集中在中央政府，事权向下集中在地方政府，地方政府财权和事权的不平衡，导致其财政收入难以满足支出的膨胀。财政分权程度Fd越高，地方政府财政压力和缺口越大，

39、地方政府不得不更多地举债，导致其债务风险提高。地方政府官员由于存在晋升的竞争，晋升激励强度Pm高。为了短期内尽快提高政绩，地方政府更多地通过举债来突破现有的预算约束，以刺激GDP的增长，导致其债务风险提高。理论假设3:人均GDPPergdp提高对地方政府债务风险的影响不确定。理论假设4:债务比率Debtgdp提高增加了地方政府的债务风险。理论假设5:财政分权程度Fd提高增加了地方政府的债务风险。理论假设6:晋升激励强度Pm提高增加了地方政府的债务风险。1112013年以后审计署没有再公布地方政府债务的具体融资结构。王文剑、覃成林: 地方政府行为与财政分权增长效应的地区性差异 基于经验分析的判断

40、、假说及检验， 管理世界 2008年第1期。刘伟、李连发: 地方政府融资平台举债的理论分析， 金融研究 2013年第5期。这与理论假设2并不矛盾，理论假设2讲的是人均GDP的增大使影子银行利率对债务风险的影响的变化，而这里讲的是人均GDP本身对债务风险的影响。以下三个假设相同。万方数据四川大学学报(哲学社会科学版)总第213期(二)计量模型构建GJ Hall和TJ Sargent的研究表明利率和经济增长、债务率等变量对地方政府债务风险有显著影响，本文在其基础上根据上述理论假设，引入影子银行利率、财政分权和晋升激励变量，建立以下基本计量模型:DebtRiskit = + 1Sbankiratei

41、t + 2Pergdpit + 3Debtgdpit + 4Fdit + 5Pmit-1 + i + it (2)被解释变量DebtRiskit为地方政府债务风险水平变量。解释变量Sbankirateit为影子银行实际利率，Pergdpit为人均GDP， Debtgdpit为债务比率， Fdit为财政分权变量， Pmit -1为晋升激励变量。 uit = i + it表示复合残差项，包括个体异质性和时间异质性。 i是个体异质性，不随时间改变，是区分随机效应和固定效应的关键; it是特质误差项，服从正态分布N (0， 2i ); i代表省份; t代表年份。(三)晋升激励的测度钱先航和陈菁等人通过

42、GDP增长率、财政盈余率与失业率数据分别构建了地方官员晋升激励指标，本文沿用这些研究的方法。首先，把全国各省份分为七个地区，即华东、华南、华北、华中、西南、西北和东北地区。其次，以每个地区的不同省份的GDP为权重，计算该地区的加权平均GDP增长率、加权财政盈余率与加权失业率。再次，用各省份的GDP增长率与省份所在地区的加权平均GDP增长率比较，如果各省份的GDP增长率小则赋值为1，大则赋值为0;用各省份的财政盈余率与省份所在地区的加权平均财政盈余率比较，如果各省份的财政盈余率小则赋值为1，大则赋值为0;用各省份的失业率与省份所在地区的加权平均失业率比较，如果各省份的失业率大则赋值为1，小则赋值

43、为0。最后，把上面的三个值加总，即得到衡量地方政府晋升激励强度的指标变量。晋升激励强度变量的值越大，代表地方政府晋升激励强度越大。同样，由于地方政府举债行为对晋升激励的反应具有滞后性，本文取晋升激励强度变量的滞后一期作为计量模型中的解释变量。(四)变量含义和数据来源本文设定变量含义及其数据来源如表6所示。表6 变量含义和数据来源变量表示变量含义预期影响方向数据来源地方政府债务风险水平Debtrisk通过各省债务指标构建各省债务风险综合决策测度值。值高代表地方政府债务风险低，值低代表地方政府债务风险高。原始数据来自中华人民共和国统计局和审计署，由笔者计算得出地方政府债务风险预警等级Riskrat

44、ing根据各省地方政府债务风险综合决策测度值指数化后设置预警等级。取值范围: 1 -8。笔者计算得出影子银行实际利率(%) Sbankirate分别通过城投债利率和信托利率微观数据构建影子银行名义利率，并减去消费者物价指数得到实际利率。( - )原始数据来自Wind金融终端和中经网统计数据库，由笔者计算得出人均GDP (万元) Pergdp各省GDP除以各省年末人口数不确定国泰安数据库211Sargent and Hall， “ Interest Rate Risk and Other Determinants of Post WWII U. S. Government Debt GDPDyn

45、amics，” 2010.钱先航、曹廷求、李维安: 晋升压力、官员任期与城市商业银行的贷款行为， 经济研究 2011年第12期;陈菁、李建发: 财政分权、晋升激励与地方政府债务融资行为 基于城投债视角的省级面板经验证据， 会计研究 2015年第1期。华东地区包括江苏、浙江、福建、上海、安徽、江西和山东。华南地区包括广东、广西和海南。华北地区包括北京、天津、河北、山西和内蒙古。华中地区包括河南、湖北和湖南。东北地区包括辽宁、吉林和黑龙江。西南地区包括重庆、四川、贵州、云南和西藏。西北地区包括陕西、甘肃、青海、宁夏和新疆。因为债务风险综合决策测度值值高代表地方政府债务风险低，值低代表地方政府债务风

46、险高，所以影子银行利率对地方政府债务风险的预期影响方向为负。以下对解释变量预期影响方向的解释相同。万方数据赵颖岚,张鑫杰,倪克勤：影子银行利率提高了我国地方政府债务风险吗? 基于省际面板数据模型2017年第6期续表6债务比率(%) Debtgdp各省地方政府债务余额除以各省GDP ( - )债务余额数据来自笔者计算， GDP数据来自国泰安数据库财政分权变量(%) Fd各省人均地方政府本年财政支出与人均中央政府本年财政支出的比值。值高代表地方政府财政分权程度大，值低代表地方政府财政分权程度小。( - )原始数据来自历年中国财政年鉴和中经网统计数据库，由笔者计算得出晋升激励变量Pm通过各省GDP增

47、长率、财政盈余率与失业率数据构建。值高代表地方政府晋升激励强度大，值低代表地方政府晋升激励强度小。( - )原始数据来自中经网统计数据库，由笔者计算得出四、实证分析(一)基本回归结果首先本文使用固定效应模型对数据估计，结果为模型一到模型二。估计效果并不理想，大多解释变量不显著。通过F检验表明，混合回归模型比面板数据固定效应模型更有效。通过LM检验表明，混合回归模型比面板数据随机效应模型更有效。因此，本文采用混合回归模型来对整体数据估计，结果为模型三到模型五。模型三包括全部解释变量，模型四没有晋升激励变量，模型五没有财政分权变量。三个模型的估计结果基本一致，估计结果比固定效应模型结果更为有效。基

48、本回归结果如表7所示。表7 基本回归结果Debtrisk固定效应模型混合回归模型模型一模型二模型三模型四模型五Sbankirate -0. 087(0. 146) -0. 083(0. 146) -0. 324 (0. 095) -0. 333 (0. 093) -0. 351 (0. 093)Pergdp -0. 475 (0. 193) -0. 475 (0. 192) -0. 282 (0. 055) -0. 277 (0. 054) -0. 234 (0. 043)Debtgdp -0. 174 (0. 031) -0. 172 (0. 003) -0. 113 (0. 014) -0. 112 (0. 014) -0. 102 (0. 011)Fd 0. 14(0 . 185) 0. 125(0. 182) -0. 160 (0. 095) -0. 156 (0. 093)Pm -0. 101(0. 204) -0. 063 (0. 025) -0. 055 (0. 02)Constant 14. 272 (0. 782) 11. 92 (0. 493) 13. 244 (0. 517) 13.