使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

地方政府债务、土地利用效率与房价

——基于255个城市面板数据检验

- ORCID：
王维安 ¹
- ORCID：
谢朱斌 ¹
- ORCID：
陈梦涛 ²
✉

1. 浙江大学经济学院，浙江杭州 310058； 2. 浙江财经大学金融学院，浙江杭州 310018

最近更新：2024-05-21

DOI： 10.3785/j.issn.1008-942X.CN33-6000/C.2023.08.104

摘要

在我国土地财政的制度环境下，地方政府债务一方面促进了基础设施建设，推动了城镇化进程；另一方面也会影响土地市场供给，进而对房地产价格产生影响。理论模型发现，地方政府债务对房价的正向效应可以解构为直接效应和间接效应。实证研究验证：（1）地方政府债务扩张会导致房地产价格上涨；（2）土地利用效率能够通过调节效应削弱地方政府债务对房价的正向刺激；（3）在低数字经济水平、高土地财政依赖度的城市，地方政府债务对房价的正向刺激更显著，且土地利用效率对该刺激的负向调节效应更强。上述结论为加速我国地方政府债务置换、因地制宜提升土地利用效率，以及防范化解房地产风险提供了理论与经验支撑。

关键词

地方政府债务; 土地利用效率; 房价; 数字经济水平; 土地财政依赖度

一引言

2008年全球金融危机后，大量研究尝试提出中国房地产价格高企的影响因素，例如投机需求、社会互动和金融自由化等^［

1-3］。一些文献认为，地方政府债务和房价也具有深刻关联^{［参考文献 4

百度学术}4］。然而，以往文献主要关注房价对地方政府债务的促进作用^{［参考文献 5

百度学术}5］。即使一些文献探索了二者的双向关系，也仅关注地方政府债务通过土地市场对房价的总量影响，未能深入探究其中细分机理，难以给出更具实践价值的政策建议^{［参考文献 6

百度学术}6］。一方面，党的二十大报告再次强调“守住不发生系统性风险底线”的要求，而房价高企带来的风险问题仍是当下中国系统性风险的主要来源；另一方面，全国人大常委会强调要“积极稳妥化解地方政府债务风险，坚决遏制隐性债务增量”^脚注，地方政府债务规模管控仍是财政工作的重中之重。有鉴于此，有必要对地方政府债务和房价的关系进行更深入的研究，拓展化解金融与财政联动风险的视角。

1994年实行分税制后，地方财政收入难以满足经济增长需求，急需新的收入来源以应对自身财政支出^［

7］。土地出让与抵押成为地方政府最主要的收入来源，土地财政占地方政府收入比重达60%—80%^{［参考文献 8

百度学术}8］。中国地方政府债务的两大主要类型即城投债和银行贷款，大多以土地收入作为担保。具体来讲，城投公司发行的债券由地方政府注入以土地销售收入为主要来源的资本作为担保，商业和政策性银行也接受土地作为政府银行贷款的抵押品。考虑到土地财政在中国地方政府财政体系中的重要性以及土地市场与房地产市场的紧密联系，有必要进一步研究地方政府债务对房价影响的土地渠道。此外，Liao等发现，中国土地资源日益紧缺，土地利用效率与政府通过土地市场筹资的能力的相关性日益紧密^{［参考文献 9

百度学术}9］。土地利用效率指的是土地被充分优化利用的程度，显然，土地利用效率的变化会影响地方政府用于土地财政的土地数目。因此，从土地利用效率视角对地方政府债务和房价关系进行解构，具有重要的理论和现实意义。

本文通过提出一个包含家庭、房地产开发商和政府的三部门均衡理论框架，并使用2011—2019年255个地级及以上城市的面板数据搭建实证模型，对地方政府债务、土地利用效率和房价三者的关系进行探讨。本文的边际贡献可能体现在如下两个方面：第一，本文有助于拓展已有文献如梅冬州等对地方政府债务与房价关系的讨论^［

10］。现有研究已将土地渠道纳入二者关联机制的重点考量，例如邹琳华和钟春平认为地方政府为增加售地收入以覆盖地方政府债务，存在结构性的“饥饿供地”行为，从而抬升地价最终影响房价^{［参考文献 11

百度学术}11］；又如李瑶瑶等从土地供应结构视角出发，发现不同属性的供地规模对房价也有不同程度的影响^{［参考文献 12

百度学术}12］。但这些讨论仍限于二元关系，未能进一步将其他因素纳入研究框架。本文通过理论建模与实证检验发现，地方政府债务增长会显著刺激地价和房价，且土地利用效率对这一影响机制存在负向调节效应。一方面，地方政府债务增长时，政府将抬高土地出让价格以满足融资、抵押需求，进而推动房价增长；另一方面，在土地利用效率较高的情况下，城市能够以较少的开发土地面积实现居民部门的公共品需求，进而有更多的未开发土地待售以满足地方政府还款需求，从而抑制地方政府抬高地价的动机，地方政府债务对房价的抬升影响也随之减弱。第二，朱乾隆等^{［参考文献 13

百度学术}13］与钟文等^{［参考文献 14

百度学术}14］分别发现，数字经济水平和土地财政均对土地利用效率及土地供应有深远的影响。因此本文对不同数字经济水平及土地财政依赖度的城市进行了异质性分析，有助于深化我们对处于不同发展阶段城市的地方政府债务和房价关系的理解。本文发现，在低数字经济水平、高土地财政依赖度的城市，地方政府债务对房价的刺激与土地利用效率的负向调节效应更显著。因此本文提出，这些城市应配套因地制宜的土地使用策略，提升土地利用效率，在数字经济水平发展、政府融资需求不变的背景下，抑制地方政府债务所引致的房价高企现象，从而在稳定经济增长的同时防范化解地方系统性风险。

二理论模型

参考Wu等^［

15］与Guo和Shi^{［参考文献 16

百度学术}16］的研究，本文构建了一个包含三部门的小型理论模型，分别为家庭、房地产开发商和政府。其中，家庭部门决定住房需求，房地产开发商决定房产供给与土地需求，政府控制土地供应。该模型表明，以土地收入为担保的地方政府债务会导致土地价格上涨，进而拉动房价上涨。同时，较低的土地利用效率会加剧这一传导机制，因为这会使可供出售的土地进一步减少，导致政府有动机以更高的土地垄断定价偿债。

（一）家庭部门

城市 $i$ 的家庭部门效用函数设定如式（1）所示。其中， $a_{i}$ 代表城市 $i$ 的公共品供给； $γ_{i}$ 代表标准化消费品，其价格为1； $H_{i}^{d}$ 表示家庭拥有的房产数量。家庭部门受到如下预算约束 $p_{i} H_{i}^{d} + γ_{i} = y_{i}$ 。其中， $p_{i}$ 和 $y_{i}$ 分别代表房价和可支配收入。

U_{i} = U (a_{i}, γ_{i}, H_{i}^{d})

（1）

通过在预算约束下最大化家庭效用函数，我们可以得到房地产的需求函数，如式（2）所示，此时， $\frac{\partial H_{i}^{d}}{\partial p_{i}} < 0$ ， $\frac{\partial H_{i}^{d}}{\partial a_{i}} > 0$ ， $\frac{\partial H_{i}^{d}}{\partial y_{i}} > 0$ 。

H_{i}^{d} = H^{d} (p_{i}, a_{i}, y_{i})

（2）

（二）房地产开发商部门

房地产开发商既供给房产，又有土地需求。假设房地产开发商之间存在完全竞争，其生产技术为 $H_{i}^{s} = f (L_{i}^{d})$ 。其中， $H_{i}^{s}$ 代表住房供应， $L_{i}^{d}$ 代表土地需求，则房地产开发商的利润函数如式（3）所示。此时， $L (\cdot)$ 是土地价格 $l_{i}$ 的成本函数， $c_{i}$ 表示完全竞争条件下零利润条件产生的补充成本。最大化利润函数可得土地需求函数如式（4）所示，其中 $\frac{\partial L_{i}^{d}}{\partial l_{i}} < 0$ ， $\frac{\partial L_{i}^{d}}{\partial p_{i}} > 0$ ， $\frac{\partial L_{i}^{d}}{\partial c_{i}} < 0$ 。

π_{i} = p_{i} f (L_{i}^{d}) - L (l_{i}) - c_{i}

（3）

L_{i}^{d} = L^{d} (l_{i}, p_{i}, c_{i})

（4）

根据式（4）与开发商生产技术函数，我们可推出住房的供给函数如式（5）所示，其中 $\frac{\partial H_{i}^{s}}{\partial l_{i}} < 0$ ， $\frac{\partial H_{i}^{s}}{\partial p_{i}} > 0$ ， $\frac{\partial H_{i}^{s}}{\partial c_{i}} < 0$ 。

H_{i}^{s} = f (L_{i}^{d}) = H^{s} (l_{i}, p_{i}, c_{i})

（5）

（三）政府部门

本文假设地方政府对其土地资源拥有管辖权，从而可以对土地进行垄断定价。地方政府的预算约束可以表示为 $l_{i} L_{i}^{s} = M (A_{i}, L_{i}^{0}) + g_{i}$ 。其中， $L_{i}^{s}$ 表示城市 $i$ 的土地供应； $g_{i}$ 表示完全以土地收入为担保的政府债务，同时也可代表政府在公共品上的支出。地方政府回收农用土地的成本函数记作 $M (\cdot)$ ，它是农民从农业活动中获得的平均利润 $A_{i}$ 和当前农田数量 $L_{i}^{0}$ 的函数，其中 $\frac{\partial M}{\partial A_{i}} > 0$ ，表明农业利润的增加会导致回收农田成本的增加。类似的， $\frac{\partial M}{\partial L_{i}^{0}} < 0$ ，表示当前农田供应减少会导致回收土地成本增加。地方政府预算约束可转化为式（6），其中 $\frac{\partial L_{i}^{s}}{\partial l_{i}} > 0$ ， $\frac{\partial L_{i}^{s}}{\partial g_{i}} > 0$ ， $\frac{\partial L_{i}^{s}}{\partial A_{i}} < 0$ ， $\frac{\partial L_{i}^{s}}{\partial L_{i}^{0}} > 0$ 。

L_{i}^{s} = L^{s} (l_{i}, g_{i}, A_{i}, L_{i}^{0})

（6）

值得注意的是， $a_{i} \equiv e_{i} (L_{i}^{t o t a l} - L_{i}^{0}) = a (g_{i})$ 。 $L_{i}^{t o t a l}$ 是代表城市 $i$ 总土地资源的常数， $L_{i}^{0}$ 表示当前农田数量。因此， $(L_{i}^{t o t a l} - L_{i}^{0})$ 为用于城市化的土地。我们将 $e_{i}$ 定义为城市 $i$ 的土地利用效率，衡量每单位城市土地资源投入所产生的公共品产出。因此， $a_{i} \equiv e_{i} (L_{i}^{t o t a l} - L_{i}^{0})$ 。此外，由于公共品的供给 $a_{i}$ 又可以表示为政府债务的函数 $a (g_{i})$ ，且 $\frac{\partial a_{i}}{\partial g_{i}} > 0$ ，故 $a_{i} \equiv e_{i} (L_{i}^{t o t a l} - L_{i}^{0}) = a (g_{i})$ ，意味着政府支出增加会扩大公共品供给数量。

（四）一般均衡

结合土地需求函数式（4）与土地供给函数式（6），可得土地定价等式：

L^{s} (l_{i}, g_{i}, A_{i}, a_{i}) = L^{d} (l_{i}, p_{i}, c_{i})

（7）

根据式（7），我们用政府债务 $g_{i}$ 对土地价格 $l_{i}$ 求导，可得：

\frac{\partial l_{i}}{\partial g_{i}} = \frac{\partial l_{i}}{\partial g_{i}} + \frac{\partial l_{i}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}} = \frac{\partial l_{i}}{\partial g_{i}} + \frac{\partial l_{i}}{\partial L_{i}^{0}} \times \frac{\partial L_{i}^{0}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}}

（8）

显然， $g_{i}$ 对 $l_{i}$ 的影响可以分为两部分：直接效应 $\frac{\partial l_{i}}{\partial g_{i}}$ 和间接效应 $\frac{\partial l_{i}}{\partial L_{i}^{0}} \times \frac{\partial L_{i}^{0}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}}$ 。从经济角度来看，直接效应 $\frac{\partial l_{i}}{\partial g_{i}} > 0$ 表明由于未来用于偿债的土地资源有限，土地价格将因政府债务的上升而上涨；间接效应 $\frac{\partial l_{i}}{\partial L_{i}^{0}} \times \frac{\partial L_{i}^{0}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}}$ 中， $\frac{\partial l_{i}}{\partial L_{i}^{0}} < 0$ ， $\frac{\partial L_{i}^{0}}{\partial a_{i}} \equiv - \frac{1}{e}$ ， $\frac{\partial a_{i}}{\partial g_{i}} > 0$ ，表明土地利用效率 $e_{i}$ 的提高将削弱政府债务 $g_{i}$ 对土地价格 $l_{i}$ 的正面影响。这是因为更高的土地利用效率使政府能以更少的土地满足最优的公共品供给需求，从而释放更多的可供出售的土地用于政府债务偿还，进而在政府债务对地价的影响上产生负向调节作用。

结合房地产需求函数式（2）和房地产供给函数式（5），可得房地产定价等式：

H^{d} (p_{i}, a_{i}, y_{i}) = H^{s} (l_{i}, p_{i}, c_{i})

（9）

同样，我们用政府债务 $g_{i}$ 对房地产价格 $p_{i}$ 求导，可得：

\frac{\partial p_{i}}{\partial g_{i}} = \frac{\partial p_{i}}{\partial g_{i}} + \frac{\partial p_{i}}{\partial l_{i}} \times \frac{\partial l_{i}}{\partial g_{i}} = \frac{\partial p_{i}}{\partial g_{i}} + \frac{\partial p_{i}}{\partial l_{i}} (\frac{\partial l_{i}}{\partial g_{i}} + \frac{\partial l_{i}}{\partial L_{i}^{0}} \times \frac{\partial L_{i}^{0}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}})

（10）

政府债务对房价的影响也可以分为直接效应 $\frac{\partial p_{i}}{\partial g_{i}}$ 和间接效应 $\frac{\partial p_{i}}{\partial l_{i}} (\frac{\partial l_{i}}{\partial g_{i}} + \frac{\partial l_{i}}{\partial L_{i}^{0}} \times \frac{\partial L_{i}^{0}}{\partial a_{i}} \times \frac{\partial a_{i}}{\partial g_{i}})$ ，其中 $\frac{\partial p_{i}}{\partial l_{i}} > 0, 确保了$ 房价的间接效应与土地价格类似，即土地利用效率 $e_{i}$ 的提高会降低政府债务对房价的正面影响。

综上，根据式（8）和式（10），我们可以得出以下两个理论推论：

推论1：在土地财政制度下，地方政府债务增长时，对土地进行垄断定价的政府将抬高土地出让价格以满足融资、抵押及还款需求，进而推动房价增长。

推论2：在土地利用效率较高的情况下，城市能够以较少的土地开发面积满足居民部门的公共品需求，进而有更多的未开发土地待售以满足地方政府的还款需求，从而抑制了地方政府抬高地价的动机，地方政府债务对房价抬升的影响也随之减弱。因此，土地利用效率在地方政府债务对地价和房价的影响机制中起到负向调节作用。

三研究设计

（一）样本选择与数据来源

本文选取2011—2019年中国255个地级及以上城市为原始样本，包括4个中央直辖市、15个副省级城市、13个省会城市和223个地级市。这些城市代表了我国不同阶段的社会经济发展和地理特征，为调查政府债务影响房价的土地渠道提供了较为全面的样本。本文被解释变量数据来源于国家统计局、中国土地网，核心解释变量数据来源于Wind数据库、中国城市统计年鉴、中国城市建设统计年鉴，其他数据来源于各地方统计局。

（二）变量定义

1 被解释变量

房价（ $H P$ ）。现有文献使用了多种涵盖不同类型目标资产的房价衡量指标，例如中国35个和70个大中城市房地产价格指数^［

17］。然而，它们均未能完全覆盖本文样本城市。因此，我们使用商品房销售收入除以销售面积来计算房价，缺失值以安居客网站数据进行补充。

土地价格（ $L P$ ）。本文土地价格数据来源于中国土地市场网，采用Yuan等使用的方法，只保留招、拍、挂交易方式的土地使用权转让数据^［

18］。此外，由于我们关注的是住房价格传导机制，故只考虑用于房地产建设的土地使用权转让数据，诸如工业用地等土地利用形式数据不纳入考量范围。最后，我们根据交易面积对土地使用权转让费用进行加权平均，得到年度城市级土地价格数据。

2 核心解释变量

地方政府债务（ $G o v D e b t$ ）。根据现有文献，我们采用Wind数据库中城投债总量数据代表政府债务^［

19］。值得注意的是，Wind数据库将不同交易市场交易的同一债券视为不同债券，应作剔除。在过滤缺失与重复数据后，我们按照地区和年份层面聚合城市当年发行城投债总额，并参照林毅夫等^{［参考文献 20

百度学术}20］的处理方式，将其除以人口总量来获取地方政府债务相对水平。

土地利用效率（ $L a n d E f f_{t - 1}$ ）。如何构建土地利用效率指标对本研究至关重要。在前文理论模型中，土地利用效率被定义为单位城市土地资源投入所产生的公共品生产量。因此，我们参考Liao等^［

9］的做法，采用带有非期望产出的Super-SBM DEA模型计算土地利用效率，将输入变量定义为土地、劳动力、资本，将期望产出变量定义为经济增量、社会福利，将非期望产出变量定义为环境污染。具体变量选取如图1所示^脚注。

图1 土地利用效率计算投入及产出变量

3 控制变量

借鉴Yuan等^［

18］文献，本文选取了如下控制变量。（1）经济控制变量：经济发展水平（

G D P

），采用国内生产总值进行衡量；地方财政状况，分别用一般财政收入（

F i s R

）与一般财政支出（

F i s S

）表示；信贷融资水平（

B a n k L

），以金融机构各项贷款余额数据表示；当地消费水平（

C o n

），用社会消费品零售总额表示；人口增长情况（

N G R

），以人口自然增长率表示。（2）社会福利控制变量：包括小学及中学数量（

S c h o o l

）、医院床位数（

H o s B e d

）、移动电话用户数（

P h o n e

）、国际互联网用户数（

I n t e r n e t

）、城镇职工养老保险参保人数（

P e n s i o n

）。以上数据均来源于《中国城市统计年鉴》。

4 描述性统计

表1提供了所有变量的描述性统计。为了减轻极端值的影响，我们将所有变量在1%的水平上进行缩尾处理。同时，对除地方政府债务水平、人口自然增长率外的所有解释变量和控制变量都进行了自然对数转换。

表1 描述性统计

变量	变量定义	观测值	均值	标准差	最小值	最大值
$H P$	房价	2 295	8.529	0.437	7.576	10.929
$L P$	土地价格	2 295	2.142	0.050	2.025	2.391
$G o v D e b t$	城投债总额/人口数量	2 295	1.201	2.151	0.000	21.610
$L a n d E f f$	土地利用效率	2 295	0.637	0.290	0.132	2.548
$G D P$	国内生产总值	2 295	16.559	0.904	14.177	19.605
$F i s R$	一般财政收入	2 295	13.936	1.067	11.071	18.079
$F i s S$	一般财政支出	2 295	14.789	0.761	11.711	18.241
$B a n k L$	金融机构各项贷款余额	2 295	16.364	1.166	13.585	20.373
$C o n$	社会消费品零售总额	2 295	15.547	1.023	12.156	18.657
$S c h o o l$	小学及中学数量	2 295	6.474	0.800	3.367	8.827
$H o s B e d$	医院床位数	2 295	9.653	0.709	7.209	12.086
$N G R$	人口自然增长率	2 295	5.698	6.115	－16.640	40.780
$P h o n e$	移动电话用户数	2 295	4.030	0.858	1.386	6.842
$I n t e r n e t$	国际互联网用户数	2 295	13.275	0.941	10.606	17.762
$P e n s i o n$	城镇职工养老保险参保人数	2 295	13.327	0.969	9.902	16.583

（三）模型设定

为评估地方政府债务对房价的整体影响，我们采用以下双向固定效应模型：

M P_{i, t} = α_{0} + α_{1} G o v D e b t_{i, t - 1} + β C o n t r o l s_{i, t - 1} + μ_{i} + ϕ_{t} + σ_{i, t}

（11）

其中，下标 $i$ 和 $t$ 分别代表城市和时间， $M P$ 代表土地价格 $L P$ 或房价 $H P$ ， $μ_{i}$ 、 $ϕ_{t}$ 和 $σ_{i, t}$ 分别为城市、年份固定效应和扰动项， $α_{i}$ 表示地方政府债务对地价或房价的整体影响。

为进一步评估地方政府债务和土地利用效率对地价和房价的联合影响，我们采用以下方程进行估计：

M P_{i, t} = α_{0} + α_{1} G o v D e b t_{i, t - 1} + α_{2} L a n d E f f_{i, t - 1} + α_{3} L E_{t - 1} \times G D_{i, t - 1} + β C o n t r o l s_{i, t - 1} + μ_{i} + ϕ_{t} + σ_{i, t}

（12）

在这里，我们添加了土地利用效率及其与地方政府债务的交乘项（LE×GD）作为解释变量，其中 $α_{1}$ 和 $α_{3}$ 分别表示地方政府债务对地价或房价的直接影响和间接影响。由于可能存在逆向因果关系和内生性问题，我们同时使用2SLS模型和SYS-GMM模型对上述方程进行估计。

四实证分析

（一）基准回归结果

表2展示了地方政府债务对地价和房价总量影响的OLS估计结果。我们在列（1）—列（6）中进行了三组回归：列（1）与列（4）为没有控制变量的回归；列（2）与列（5）为只包含经济控制变量的回归；为了在一定程度上缓解遗漏变量导致的内生性问题，列（3）与列（6）中同时包含了经济控制变量与社会福利控制变量

。可以发现，列（1）—列（5）中解释变量

G o v D e b t_{t - 1}

的系数均在5%水平上显著为正，列（6）在10%水平上显著为正。这一结果与Wu等^{［参考文献 15

百度学术}15］与赵扶扬等^{［参考文献 21

百度学术}21］的研究结论一致，即上年的政府债务水平

G o v D e b t_{t - 1}

总体而言对当年房价

H P_{t}

和当年地价

L P_{t}

均有显著的正向影响。

表2 地方政府债务水平对地价和房价的总体影响

变量	（1）	（2）	（3）	（4）	（5）	（6）
变量	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.557^***	0.529^***	0.518^***
$H P_{t - 1}$	（0.024）	（0.025）	（0.025）
$L P_{t - 1}$				0.294^***	0.272^***	0.267^***
$L P_{t - 1}$				（0.025）	（0.025）	（0.025）
$G o v D e b t_{t - 1}$	0.347^**	0.415^***	0.346^**	1.120^**	1.322^**	0.981^*
$G o v D e b t_{t - 1}$	（0.161）	（0.160）	（0.165）	（0.571）	（0.554）	（0.572）
常数项	3.816^***	2.530^***	2.712^***	5.387^***	1.124	1.024
常数项	（0.203）	（0.401）	（0.427）	（0.187）	（1.298）	（1.354）
经济控制变量	否	是	是	否	是	是
社会福利控制变量	否	否	是	否	否	是
城市固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本数量	2 295	2 295	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255	255	255
Adj. R²	0.961	0.962	0.962	0.881	0.884	0.885

注：括号内数值表示异方差矫正后的标准误，^*、^**、^***分别表示在10%、5%和1%水平上显著。同时，由于篇幅限制，本文表格均不陈列控制变量回归系数，留存备索。若无特别说明，下表同。

然而，以往文献仅验证了地方政府债务对土地价格与房价的总体正向激励作用，却未能对其进行进一步解构。参照理论模型推导，我们在回归中使用地方政府债务和土地利用效率的交乘项来研究二者对地价和房价的直接影响和间接影响。表3显示，上一年地方政府债务每增加1%，对当年房价对数有约0.834—0.991个百分点的显著正向直接影响，对当年地价对数有约3.228—3.928个百分点的显著正向直接影响，这证实了推论1。此外，我们发现 $L a n d E f f_{t - 1}$ 系数均不显著，这说明土地利用效率对地价与房价没有直接影响。这与Uzuner和Adewale^［

22］以及Yang等^{［参考文献 23

百度学术}23］的发现相悖，他们认为土地使用效率与土地使用目的会显著影响当地房价。然而，地方政府债务与土地利用效率的交乘项

G D_{t - 1} \times L E_{t - 1}

系数均显著为负，这表明较高的土地利用效率削弱了地方政府债务对地价和房价的正向影响，证实了推论2。值得注意的是，在表3列（4）—列（6）中，

G o v D e b t_{t - 1}

和

G D_{t - 1} \times L E_{t - 1}

的系数绝对值始终大于列（1）—列（3），这表明土地价格更容易受到地方政府债务和土地利用效率的直接和联合影响，而这种影响在从土地市场到房地产市场的传导过程中逐渐减弱。

表3 地方政府债务水平、土地利用效率对地价和房价的直接和间接影响

变量	（1）	（2）	（3）	（4）	（5）	（6）
变量	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.552^***	0.526^***	0.515^***
$H P_{t - 1}$	（0.024）	（0.025）	（0.025）
$L P_{t - 1}$				0.288^***	0.268^***	0.263^***
$L P_{t - 1}$				（0.025）	（0.025）	（0.025）
$G o v D e b t_{t - 1}$	0.991^***	0.927^***	0.834^***	3.928^***	3.541^***	3.228^***
$G o v D e b t_{t - 1}$	（0.287）	（0.282）	（0.290）	（0.995）	（0.986）	（1.007）
$L a n d E f f_{t - 1}$	－0.001	0.001	0.001	－0.007	0.001	－0.001
$L a n d E f f_{t - 1}$	（0.003）	（0.003）	（0.003）	（0.010）	（0.010）	（0.010）
$G D_{t - 1} \times L E_{t - 1}$	－0.233^**	－0.191^**	－0.181^*	－0.999^***	－0.812^**	－0.827^***
$G D_{t - 1} \times L E_{t - 1}$	（0.098）	（0.097）	（0.097）	（0.330）	（0.317）	（0.317）
常数项	3.864^***	2.687^***	2.873^***	5.457^***	1.829	1.730
常数项	（0.204）	（0.418）	（0.440）	（0.193）	（1.307）	（1.357）
经济控制变量	否	是	是	否	是	是
社会福利控制变量	否	否	是	否	否	是
城市固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本数量	2 295	2 295	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255	255	255
Adj. R²	0.961	0.962	0.962	0.882	0.885	0.885

（二）内生性检验

本文在基准回归中同时纳入经济控制变量与社会福利控制变量，一定程度上缓解了式（11）和式（12）因可能遗漏重要变量而导致的内生性问题。然而，梅冬州等^［

4］、唐云锋和刘清杰^{［参考文献 6

百度学术}6］均指出，房价和地方政府债务之间可能存在双向叠加效应，这会对上述结果的稳健性产生影响。具体而言，地方债务风险的扩张可能会增强政府寻求更高地价与房价的动机，反过来说，高企的地价与房价也会刺激地方政府，使其更激进地扩张债务规模。因此，本文的基准回归可能导致被解释变量和解释变量之间互为因果而造成的内生性问题。同时，孔令池等发现住房价格也会影响土地利用效率^{［参考文献 24

百度学术}24］。具体而言，住房价格会改变家庭与企业部门的决策行为，一方面在初期诱导企业采取“摊大饼”式的增长模式以规避过高的房价，降低土地利用效率；另一方面在后期土地资源稀缺、房价高企的情况下，决策部门会尽可能提升单位土地产出，提高土地利用效率。因此，房价和地价与土地利用效率同样也可能存在互为因果的问题。尽管在基准回归中，我们将各解释变量均作一阶滞后处理，但该问题仍十分突出。为得到核心解释变量的一致估计结果，本文引入工具变量

\bar{G o v D e b t}

与

S l o p e

进行2SLS回归。

参考林毅夫等^［

20］的研究，本文定义变量

\bar{G o v D e b t}

为同一省份内其他地级市地方政府债务与人口总量的比率^{［参考文献 20

百度学术}20］。对于直辖市，包括北京、天津、上海和重庆，我们采用相邻省份数值。从与解释变量的相关性角度看，同一省份内不同城市之间债务水平关联度较高。这是因为在我国特殊财政分权体制下，追求经济高增长的政府选择用财政支出规模代替财政资金效率，且该地方政府的举债行为因地区间的标尺竞争而表现出明显的策略模仿，这一效应在本省内的城市间更为突出^{［参考文献 25-26}25-26］。从被解释变量的外生性角度看，相邻城市的地方政府债务与本市房地产价格之间的相关性较弱。因此，我们可以尝试采用

\bar{G o v D e b t}

作为

G o v D e b t

的工具变量进行回归。同时，我们参考鲁元平等^{［参考文献 27

百度学术}27］的做法，采用城市地形平均坡度数据

S l o p e

作为土地利用效率的工具变量进行回归。一方面，城市地形平均坡度一定程度上代表了该城市土地开发的难度水平，与土地使用效率高度相关；另一方面，其作为一个常量地理数据，并不受到被解释变量房价与土地价格的影响，有效地缓解了逆向因果的问题。我们进一步将

\bar{G o v D e b t} 与 S l o p e

相乘，作为地方政府债务与土地利用效率交互项

G D \times L E

的工具变量进行回归。

表4展示了基于KP-LM和CD-Wald F统计量的识别不足与弱识别检验结果，在列（1）—列（4）中两个统计量均通过检验。与基准回归中得到的结论相似，解释变量 $G o v D e b t_{t - 1}$ 与 $G D_{t - 1} \times L E_{t - 1}$ 在5%及以上水平显著为正或为负。

表4 地方政府债务水平、土地利用效率对地价和房价影响的IV估计

变量	（1）	（2）	（3）	（4）
变量	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.869^***	0.837^***
$H P_{t - 1}$	（0.015）	（0.015）
$L P_{t - 1}$			0.779^***	0.751^***
$L P_{t - 1}$			（0.015）	（0.015）
$G o v D e b t_{t - 1}$	1.209^***	1.425^***	3.264^**	3.733^***
$G o v D e b t_{t - 1}$	（0.394）	（0.395）	（1.419）	（1.408）
$L a n d E f f_{t - 1}$	0.008^***	0.007^**	0.039^***	0.031^***
$L a n d E f f_{t - 1}$	（0.003）	（0.003）	（0.010）	（0.010）
$G D_{t - 1} \times L E_{t - 1}$	－0.464^***	－0.374^***	－1.498^***	－0.974^**
$G D_{t - 1} \times L E_{t - 1}$	（0.128）	（0.128）	（0.451）	（0.443）
常数项	0.893^***	0.891^***	0.143	0.343
常数项	（0.133）	（0.129）	（0.230）	（0.311）
经济控制变量	是	是	是	是
社会福利控制变量	否	是	否	是
城市固定效应	是	是	是	是
年份固定效应	是	是	是	是
样本数量	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255
Adj. R²	0.974	0.949	0.832	0.840
KP-LM	76.177	67.382	72.453	65.055
KP-LM	［0.000］	［0.000］	［0.000］	［0.000］
CD-Wald F	148.507	117.926	142.702	120.275
CD-Wald F	｛39.789｝	｛33.990｝	｛37.307｝	｛32.802｝

注：［］中的数值代表KP-LM统计量的Chi2（1）p值；｛｝中的数值代表10% maximal IV size值。

为进一步缓解内生性问题，验证假设的稳健性，我们还采用了SYS-GMM模型进行回归。在模型设定时，将 $G o v D e b t_{t - 1}$ 与 $G D_{t - 1} \times L E_{t - 1}$ 视为内生性变量，将所有其他变量视为预先决定与外生变量。表5列示了4个模型的Hansen检验结果与AR（2）检验结果，可以发现二者均大于0.10，说明模型不存在过度识别与自相关问题。

表5 地方政府债务水平、土地利用效率对地价和房价影响的SYS-GMM估计

变量	（1）	（2）	（3）	（4）
变量	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.628^***	0.743^***
$H P_{t - 1}$	（0.148）	（0.107）
$L P_{t - 1}$			0.693^***	0.612^***
$L P_{t - 1}$			（0.122）	（0.133）
$G o v D e b t_{t - 1}$	1.826^***	1.735^***	2.351^*	3.219^***
$G o v D e b t_{t - 1}$	（0.569）	（0.510）	（1.207）	（1.171）
$L a n d E f f_{t - 1}$	0.015^***	0.012^**	0.024^*	0.029^**
$L a n d E f f_{t - 1}$	（0.005）	（0.005）	（0.013）	（0.012）
$G D_{t - 1} \times L E_{t - 1}$	－0.549^***	－0.506^***	－0.826^*	－0.967^**
$G D_{t - 1} \times L E_{t - 1}$	（0.211）	（0.183）	（0.447）	（0.415）
常数项	1.980^**	1.217^**	－0.023	0.405
常数项	（0.801）	（0.530）	（0.308）	（0.490）
经济控制变量	是	是	是	是
社会福利控制变量	否	是	否	是
城市固定效应	是	是	是	是
年份固定效应	是	是	是	是
样本数量	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255
AR（2）	0.997	0.875	0.594	0.664
Hansen	0.698	0.651	0.198	0.298
Instruments	43	49	43	49

与表3、表4类似，表5中 $G o v D e b t_{t - 1}$ 与 $G D_{t - 1} \times L E_{t - 1}$ 的系数均显著为正或为负。值得注意的是，表4和表5估计的 $G o v D e b t_{t - 1}$ 系数绝对值与表3相仿，但 $G D_{t - 1} \times L E_{t - 1}$ 的系数绝对值显著大于表3中的数值。这说明内生性问题可能导致基准回归低估了土地利用效率提升对削弱地方政府债务对房价、地价的正向作用的影响。以上两个内生性检验回归都进一步验证了推论1与推论2的稳健性，即地方政府债务对地价和房价具有直接的正向作用，而土地利用效率的提高对这种影响具有负向的调节效应。

（三）稳健性检验

在我们的基准回归中，使用了带有非期望产出的Super-SBM DEA模型来计算主要解释变量 $L a n d E f f_{t - 1}$ 。该模型除了考虑期望产出（如非农GDP、小学与中学数量和医院床位数目等），也考虑了非期望产出（如二氧化硫排放和废水排放量）。然而，在估计非期望产出模型时设定的参数值可能会引致不稳健结果。因此，参考Tone^［

28］，我们构建了一个不考虑非期望产出的土地利用效率变量

\bar{L a n d E f f_{t - 1}}

，用于测试本文回归的稳健性。

表6报告了替换解释变量 $\bar{L a n d E f f_{t - 1}}$ 进行分析的回归结果。可以发现，除列（6）外，所有 $G o v D e b t_{t - 1}$ 的系数在1%的水平上显著为正，列（6）在5%的水平上显著为正。此外， $G D_{t - 1} \times L E_{t - 1}$ 的系数显著为负，与基准回归结果一致。与表3相同，两个核心解释变量的系数绝对值在列（1）—列（3）中更小，证明了政府债务与土地利用效率对房价的影响是由土地市场传导到房地产市场的结论的稳健性。

表6 稳健性检验结果：替换解释变量

变量	（1）	（2）	（3）	（4）	（5）	（6）
变量	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.545^***	0.522^***	0.512^***
$H P_{t - 1}$	（0.024）	（0.025）	（0.025）
$L P_{t - 1}$				0.286^***	0.267^***	0.263^***
$L P_{t - 1}$				（0.025）	（0.025）	（0.024）
$G o v D e b t_{t - 1}$	1.131^***	1.035^***	0.975^***	3.381^***	2.518^***	2.137^**
$G o v D e b t_{t - 1}$	（0.238）	（0.239）	（0.245）	（0.891）	（0.887）	（0.903）
$L a n d E f f_{t - 1}$	0.001	0.004	0.003	0.022^**	0.027^**	0.025^**
$L a n d E f f_{t - 1}$	（0.003）	（0.003）	（0.003）	（0.011）	（0.011）	（0.011）
$G D_{t - 1} \times L E_{t - 1}$	－0.523^***	－0.425^***	－0.426^***	－1.551^***	－0.856^*	－0.797^*
$G D_{t - 1} \times L E_{t - 1}$	（0.128）	（0.130）	（0.129）	（0.467）	（0.462）	（0.460）
常数项	3.921^***	2.740^***	2.939^***	5.409^***	1.087	1.090
常数项	（0.206）	（0.413）	（0.435）	（0.188）	（1.292）	（1.351）
经济控制变量	否	是	是	否	是	是
社会福利控制变量	否	否	是	否	否	是
城市固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本数量	2 295	2 295	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255	255	255
Adj. R²	0.962	0.962	0.963	0.881	0.885	0.885

进一步，由于理论模型中我们对土地利用效率的定义是 $e_{i} = \frac{a_{i}}{(L_{i}^{t o t a l} - L_{i}^{0})}$ ，单纯采用Super-SBM DEA模型的投入产出方法并不能对其进行精准刻画。因此，我们将地均公共品供应作为土地利用效率的代理变量进行回归，以验证理论模型得到的结果的稳健性。具体而言，我们参考吴敏和周黎安^［

29］的做法，以园林绿化固定资产投资完成额代表可视性公共品规模，以供水、燃气、集中供热固定资产投资完成额代表非可视性公共品规模，上述指标加总后代表理论模型中的

a_{i}

即公共品供应。同时，我们以建成区面积代表已开发的土地

(L_{i}^{t o t a l} - L_{i}^{0})

，由此可以计算出

e_{i} = \frac{a_{i}}{(L_{i}^{t o t a l} - L_{i}^{0})}

，即土地利用效率以每建成区面积的公共品供应表示。各类固定资产投资完成额规模与建成区面积数据均来源于2010—2019年中国城市建设统计年鉴。表7为将地均公共品供应作为土地利用效率代理变量后的回归结果，其中

G o v D e b t_{t - 1}

的系数均在1%的水平上显著为正，而交互项的系数除列（6）之外，也均在5%的水平上显著为负，与表3结论相同。因此，本结果同样证明了前文结论的稳健性。

表7 稳健性检验结果：地均公共品供应

变量	（1）	（2）	（3）	（4）	（5）	（6）
变量	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
$H P_{t - 1}$	0.556^***	0.529^***	0.520^***
$H P_{t - 1}$	（0.024）	（0.025）	（0.025）
$L P_{t - 1}$				0.283^***	0.255^***	0.251^***
$L P_{t - 1}$				（0.024）	（0.024）	（0.024）
$G o v D e b t_{t - 1}$	0.535^***	0.570^***	0.517^***	2.286^***	2.484^***	2.011^***
$G o v D e b t_{t - 1}$	（0.157）	（0.156）	（0.160）	（0.646）	（0.646）	（0.657）
$L a n d E f f_{t - 1}$	0.001	0.000	0.000	0.004	0.003	0.003
$L a n d E f f_{t - 1}$	（0.000）	（0.000）	（0.001）	（0.002）	（0.002）	（0.002）
$G D_{t - 1} \times L E_{t - 1}$	－0.078^**	－0.067^**	－0.068^**	－0.274^**	－0.250^**	－0.244^*
$G D_{t - 1} \times L E_{t - 1}$	（0.033）	（0.032）	（0.032）	（0.134）	（0.132）	（0.131）
常数项	3.821^***	2.520^***	2.704^***	5.400^***	－0.036	－0.442
常数项	（0.205）	（0.408）	（0.436）	（0.178）	（1.520）	（1.544）
经济控制变量	否	是	是	否	是	是
社会福利控制变量	否	否	是	否	否	是
城市固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本数量	2 295	2 295	2 295	2 295	2 295	2 295
城市面板数量	255	255	255	255	255	255
Adj. R²	0.962	0.962	0.963	0.881	0.885	0.885

五异质性分析

（一）数字经济水平

数字经济发展对要素配置效率具有举足轻重的作用^［

30-31］。一方面，数字经济水平能够弱化地方政府竞争带来的负面激励，显著化解城市污染治理问题，释放更多开发空间^{［参考文献 32

百度学术}32］；另一方面，数字经济能够增加政府财政收入、提升财政支出效率^{［参考文献 33

百度学术}33］。这表明，数字经济水平、土地使用效率与地方政府债务之间存在深刻的相关性，进而能够影响土地价格与房地产价格。因此，有必要探究在不同数字经济水平的城市中，地方政府债务和土地使用效率对地价和房价的影响会出现怎样的分化。

我们借鉴赵涛等^［

34］的做法，选取互联网宽带接入用户数占比、计算机服务与软件业从业人员占比、人均电信业务总量和移动电话用户数占比、中国数字普惠金融指数等五个指标，利用熵权法测算城市级数字经济水平变量

D L

。一般而言，上述五个指标数值越大，数字经济水平越高。同时，为了稳健性处理，我们还采用主成分分析法将上述数据降维处理，得到数字经济水平的另一个测度标准

D L^{r o b u s t}

进行回归^脚注。

我们将数字经济水平 $D L$ 的中位数作为划分组别的界限。表8列（1）—列（4）展示了在高数字经济水平组（High DL）和低数字经济水平组（Low DL）的城市中，地方政府债务和土地利用效率对房价的不同影响，列（5）—列（8）列展示了其对地价的不同影响。我们发现，列（1）—列（4）中 $G o v D e b t_{t - 1}$ 的系数均至少在5%的水平上显著为正，说明无论数字经济水平高低，地方政府债务对房价均有明显的正向作用。然而，对于土地价格而言，仅在低数字经济水平组的城市中，地方政府债务对房价有1%水平上显著的正向影响。同时，两组城市样本中 $G o v D e b t_{t - 1}$ 系数差无论在房价回归还是在土地价格回归中均在1%水平上显著为负。这说明在高数字经济水平的城市中，地方政府债务相对值增加1%对土地价格的影响相比于低数字经济水平城市显著减少了7.036%—7.100%，而对房价来说显著减少了1.282%—1.455%。这可能是因为，高数字经济水平的城市能够更好地配置土地要素资源，例如更好地进行污染治理、减少“摊大饼”式增长的企业数量等，从而释放了城市开发用地空间。在地方政府债务压力一定的情况下，更多可用于偿债的开发用地抑制了政府抬高土地出让价格的意愿，进而也压低了房价。

表8 数字经济水平异质性分析结果

变量	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）
	$H P_{t}$	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
	High DL	Low DL	High DL	Low DL	High DL	Low DL	High DL	Low DL
$H P_{t - 1}$	0.527^***	0.477^***	0.530^***	0.456^***
$H P_{t - 1}$	（0.035）	（0.041）	（0.035）	（0.041）
$L P_{t - 1}$					0.271^***	0.222^***	0.268^***	0.221^***
$L P_{t - 1}$					（0.035）	（0.039）	（0.035）	（0.040）
$G o v D e b t_{t - 1}$	0.912^***	2.367^**	0.841^**	2.123^**	1.594	8.629^***	1.312	8.412^***
$G o v D e b t_{t - 1}$	（0.321）	（0.993）	（0.326）	（0.987）	（1.323）	（2.994）	（1.335）	（3.021）
$L a n d E f f_{t - 1}$	0.001	0.007	0.001	0.005	－0.014	0.022	－0.016	0.019
$L a n d E f f_{t - 1}$	（0.004）	（0.005）	（0.004）	（0.005）	（0.016）	（0.017）	（0.016）	（0.018）
$G D_{t - 1} \times L E_{t - 1}$	－0.123	－0.862^***	－0.125	－0.761^***	－0.094	－2.903^***	－0.121	－2.762^***
$G D_{t - 1} \times L E_{t - 1}$	（0.104）	（0.298）	（0.104）	（0.291）	（0.399）	（0.918）	（0.395）	（0.920）
常数项	2.343^***	3.810^***	2.362^***	3.909^***	－1.272	2.976	－2.885	2.781
常数项	（0.684）	（0.680）	（0.753）	（0.694）	（2.380）	（1.894）	（2.461）	（1.944）
经济控制变量	是	是	是	是	是	是	是	是
社会福利控制变量	否	否	是	是	否	否	是	是
城市固定效应	是	是	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是	是	是
样本数量	1 120	1 126	1 120	1 126	1 120	1 126	1 120	1 126
Adj. R²	0.968	0.907	0.968	0.909	0.897	0.790	0.898	0.790
$∆ G o v D e b t_{t - 1}$	－1.455^***		－1.282^***		－7.036^***		－7.100^***
Empirical p-value	0.000		0.000		0.000		0.000
$∆ G D_{t - 1} \times L E_{t - 1}$	0.740^***		0.636^***		2.808^***		2.641^***
Empirical p-value	0.000		0.000		0.000		0.000

此外， $G D_{t - 1} \times L E_{t - 1}$ 的系数在低数字经济水平组的城市中显著而在高数字经济水平组的城市中不显著，二者的系数差异也均在1%水平上显著。这可能是因为数字经济水平更低的城市更依赖于直接提升土地利用效率而非通过发展数字经济水平来释放城市用地空间。值得注意的是，从系数差异方面来看， $G D_{t - 1} \times L E_{t - 1}$ 的系数差绝对值在房价回归中为0.636—0.740，在土地价格回归中则为2.641—2.808。这说明在不同数字经济水平的城市中，土地利用效率对政府债务作用机制的影响在土地价格上表现得更为明显，这与基准回归中的逻辑一致。因为地方政府债务对房价的影响是通过土地市场渠道传导的，土地利用效率的调节效应在传导过程中被逐渐削弱。

（二）土地财政依赖度

分税制改革后，地方政府面临日益增长的财政压力，急需寻求其他持续且稳定的财政收入来源。在财政压力较大的情况下，土地转移收入成了地方政府主要的表外融资来源^［

35］。地方政府通过土地资本化拓展地方财政空间，以进一步满足城市化与产业升级的资金需求。正如本文理论模型所述，以土地出让金担保的政府债务会以直接与间接两种形式影响土地价格与房产价格。因此，有多少份额的政府债务是由土地财政收入偿还，即地方政府的土地财政依赖度，对地方政府债务影响地价和房价的程度至关重要。我们定义土地财政依赖度变量为地方政府土地转移收入与一般预算收入的比值。其中，土地转移收入数据来自中国土地市场网，与前文处理方式不同，我们在此不仅仅考虑招拍挂等出让形式，而是囊括了所有转移形式的土地出让金数据。同样，土地财政依赖度的中位数被作为划分组别的依据。

表9列（5）—列（8）显示，无论是在高土地财政依赖度组（High LF）还是低土地财政依赖度组（Low LF）， $G o v D e b t_{t - 1}$ 的系数均显著为正。这说明在全样本中，地方政府债务对土地价格仍有显著的正向直接作用。同时，两个组别的系数差在1%水平上显著为正，说明在高土地依赖度组的城市中，地方政府债务水平每增加1%对土地价格的影响相比于低土地依赖度组的城市显著增加了3.156%—3.327%。这可能是因为在高土地依赖度的城市，政府债务的偿还更多通过土地出让金而非市政债券或税收收入等形式，导致地方政府债务的直接效应更加明显地传导至土地价格。 $G D_{t - 1} \times L E_{t - 1}$ 的系数仅在高土地财政依赖度组的城市显著为负，且两个样本组系数差显著为负。这同样是因为在高土地依赖度的城市，提升土地利用效率能够保有更多用于偿还政府债务的土地存量，地方政府垄断土地定价的高偿债动机随之弱化。

表9 土地财政依赖度异质性分析结果

变量	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）
	$H P_{t}$	$H P_{t}$	$H P_{t}$	$H P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$	$L P_{t}$
	High LF	Low LF	High LF	Low LF	High LF	Low LF	High LF	Low LF
$H P_{t - 1}$	0.504^***	0.524^***	0.491^***	0.511^***
$H P_{t - 1}$	（0.039）	（0.037）	（0.039）	（0.037）
$L P_{t - 1}$					0.242^***	0.194^***	0.243^***	0.184^***
$L P_{t - 1}$					（0.035）	（0.037）	（0.035）	（0.037）
$G o v D e b t_{t - 1}$	2.209^***	0.499	2.143^***	0.463	6.005^***	2.849^**	5.916^***	2.589^*
$G o v D e b t_{t - 1}$	（0.487）	（0.395）	（0.493）	（0.403）	（1.454）	（1.353）	（1.472）	（1.367）
$L a n d E f f_{t - 1}$	0.008	0.002	0.006	0.001	0.020	－0.000	0.022	－0.003
$L a n d E f f_{t - 1}$	（0.005）	（0.004）	（0.005）	（0.004）	（0.014）	（0.015）	（0.015）	（0.015）
$G D_{t - 1} \times L E_{t - 1}$	－0.463^***	－0.029	－0.458^**	－0.031	－1.434^***	－0.379	－1.423^***	－0.453
$G D_{t - 1} \times L E_{t - 1}$	（0.179）	（0.123）	（0.178）	（0.123）	（0.471）	（0.414）	（0.474）	（0.410）
常数项	4.739^***	2.550^***	4.621^***	2.914^***	6.860^***	0.120	7.062^***	－0.282
常数项	（0.821）	（0.608）	（0.843）	（0.656）	（1.997）	（2.040）	（2.149）	（2.036）
经济控制变量	是	是	是	是	是	是	是	是
社会福利控制变量	否	否	是	是	否	否	是	是
城市固定效应	是	是	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是	是	是
样本数量	1 136	1 132	1 136	1 132	1 136	1 132	1 136	1 132
Adj. R²	0.956	0.969	0.956	0.969	0.885	0.894	0.885	0.894
$∆ G o v D e b t_{t - 1}$	1.711^***		1.680^***		3.156^***		3.327^***
Empirical p-value	0.000		0.000		0.010		0.000
$∆ G D_{t - 1} \times L E_{t - 1}$	－0.434^***		－0.426^***		－1.055^***		－0.970^***
Empirical p-value	0.000		0.000		0.010		0.010

表9列（1）—列（4）列展示了在不同土地依赖度的城市中地方政府债务和土地利用效率对房价的影响差异，结论与土地价格作为被解释变量时的结论一致。唯一区别与前文数字经济水平异质性讨论类似，即 $G o v D e b t_{t - 1}$ 和 $G D_{t - 1} \times L E_{t - 1}$ 的系数差绝对值相较于列（5）—列（8）更小。这是因为在传导机制中，土地市场先于房地产市场受到冲击。

六结论与建议

本文构建了一个三部门均衡理论模型，同时使用中国255个地级及以上城市面板数据设计实证框架，从土地市场传导的视角更加精细地解释了2010年以来中国房价和地方政府债务双双攀升的现象，并得出如下结论：第一，地方政府债务对当地土地价格和房地产价格有显著的总量促进效应。此效应主要来源于地方政府以土地出让金等作为主要偿债手段，拉升土地出让价格，进而刺激房价提升。第二，地方政府债务对土地价格和房地产价格的总量效应可以拆分为直接效应和间接效应。在间接效应中，土地利用效率的提高能够显著削弱政府债务对土地价格和房地产价格的正向影响。这是因为土地利用效率的提升可以释放现有土地空间，降低政府基于高偿债动机的单位土地垄断定价。第三，在数字经济水平较低或土地财政依赖度较高的城市，政府债务对土地价格和房地产价格的正向影响作用更为明显，同时，土地利用效率对其的调节效应也更加突出。

基于以上理论与实证结果，响应党的十九届五中全会提出的防范化解重大金融风险号召，本文提出以下政策建议：一是地方政府应采取行动，减少隐性的政府债务数量，特别是城投债数量。2014年，我国推出预算内地方政府债券替换城投债计划，有效减缓了2015—2018年城投债增长速率。然而，2020年新冠疫情以来，城投债发行量复又回升。随着我国疫情防控措施的逐步放松，城投债置换政策应继续跟进。二是我国应考虑扩大房产税试点范围。考虑到增加的城投债等地方政府债务较大比例是通过土地出售偿还的，征收房产税可以有效满足部分地方政府融资需求，因此可以遏制地方政府债务扩张，从供应侧减轻房地产价格增长带来的风险。同时，异质性分析的结果也表明，高土地财政依赖度的城市，政府债务对房价的刺激更加显著，因此利用房产税替代土地出让金等财政收入手段可以有效降低城市土地财政依赖度，削弱地方政府债务对房价和地价的正向影响。三是地方政府应致力于提高土地利用效率。这能使城市在提供的公共服务质量不变的情况下释放更多土地空间，从而减缓地价和房价的增速。对于提升土地利用效率的方向，Wu等^［

15］、Yang等^{［参考文献 22

百度学术}22］与Uzuner和Adewale^{［参考文献 23

百度学术}23］均作了细分研究，例如将更多土地用于医疗设施建设和街道管理，可以有效降低附近街区的房价。

参考文献

Garriga C.， Hedlund A. & Tang Y. et al.， “Rural-urban migration， structural transformation， and housing markets in China，” American Economic Journal： Macroeconomics， Vol. 15， No. 2 （2023）， pp. 413-440. [百度学术]

Chen K. & Wen Y.， “The great housing boom of China，” American Economic Journal： Macroeconomics， Vol. 9， No. 2 （2017）， pp. 73-114. [百度学术]

Minetti R.， Peng T. & Jiang T.， “Keeping up with the Zhangs and house price dynamics in China，” Journal of Economic Dynamics and Control， Vol. 109 （2019）， https：//doi.org/10.1016/j.jedc.2019.103778. [百度学术]

梅冬州、崔小勇、吴娱：《房价变动、土地财政与中国经济波动》，《经济研究》2018年第1期，第35-49页。 [百度学术]

秦凤鸣、李明明、刘海明：《房价与地方政府债务风险——基于城投债的证据》，《财贸研究》2016年第5期，第90-98页。 [百度学术]

唐云锋、刘清杰：《土地财政、房价上涨与地方政府债务风险——基于双向叠加视角的研究》，《财经问题研究》2020年第2期，第81-89页。 [百度学术]

梅冬州、王志刚：《土地财政、基建投资扩张与生产率下降》，《经济学（季刊）》第2023年第4期，第1531-1548页。 [百度学术]

Huang D. & Chan R. C. K.， “On ‘land finance’ in urban China： theory and practice，” Habitat International， Vol. 75 （2018）， pp. 96-104. [百度学术]

Liao X.， Fang C. & Shu T. et al.， “Spatiotemporal impacts of urban structure upon urban land-use efficiency： evidence from 280 cities in China，” Habitat International， Vol. 131 （2023）， https：//doi.org/10.1016/j.habitatint.2022.102727. [百度学术]

梅冬州、温兴春、王思卿：《房价调控、地方政府债务与宏观经济波动》，《金融研究》2021年第1期，第31-50页。 [百度学术]

邹琳华、钟春平：《饥饿供地，还是售地冲动——基于地级以上城市土地出让及房价数据的实证分析》，《财贸经济》2022年第3期，第82-97页。 [百度学术]

李瑶瑶、戚渊、朱道林：《基于不同住房属性视角的土地供应规模对房价的影响》，《中国土地科学》2020年第12期，第59-67页。 [百度学术]

朱乾隆、石晓平、马贤磊：《数字经济发展对工业用地利用效率的影响——基于国家级大数据综合试验区的准自然实验》，《中国土地科学》第11期，第41-51页。 [百度学术]

钟文、钟昌标、郑明贵：《土地财政对城市土地利用效率的扭曲效应研究——基于经济集聚与产业结构视角》，《华东经济管理》第10期，第105-111页。 [百度学术]

Wu G. L.， Feng Q. & Li P.， “Does local governments’ budget deficit push up housing prices in China？” China Economic Review， Vol. 35 （2015）， pp. 183-196. [百度学术]

Guo S. & Shi Y.， “Infrastructure Investment in China： a model of local government choice under land financing，” Journal of Asian Economics， Vol. 56 （2018）， pp. 24-35. [百度学术]

Shi Y.， “Financial liberalization and house prices： evidence from China，” Journal of Banking & Finance， Vol. 145 （2022）， https：//doi.org/10.1016/j.jbankfin.2022.106655. [百度学术]

Yuan F.， Wei Y. D. & Xiao W.， “Land marketization， fiscal decentralization， and the dynamics of urban land prices in transitional China，” Land Use Policy， Vol. 89 （2019）， https：//doi.org/10.1016/j.landusepol.2019.104208. [百度学术]

Fan J.， Liu Y. & Zhang Q. et al.， “Does government debt impede firm innovation？ evidence from the rise of LGFVs in China，” Journal of Banking & Finance， Vol. 138 （2022）， https：//doi.org/10.1016/j.jbankfin.2022.106475. [百度学术]

林毅夫、文永恒、顾艳伟：《地方政府债务与经济增长——基于地方投资平台债务的分析》，《财政研究》2023年第2期，第3-15页。 [百度学术]

赵扶扬、陈斌开、刘守英：《宏观调控、地方政府与中国经济发展模式转型：土地供给的视角》，《经济研究》2021年第7期，第4-23页。 [百度学术]

Uzuner G. & Adewale A. A.， “Does asymmetric nexus exist between agricultural land and the housing market？ evidence from non-linear ARDL approach，” Environmental Science and Pollution Research， Vol. 26 （2019）， pp. 7677-7687. [百度学术]

Yang H.， Fu M. & Wang L. et al.， “Mixed land use evaluation and its impact on housing prices in Beijing based on multi-source big data，” Land， Vol. 10 （2021）， https：//doi.org/10.3390/land10101103. [百度学术]

孔令池、刘彩珍、张智：《住房价格、土地财政与城市土地利用效率》，《城市问题》2020年第12期，第69-77页。 [百度学术]

缪小林、史倩茹：《经济竞争下的地方财政风险：透过债务规模看财政效率》，《财政研究》2016年第10期，第20-35，57页。 [百度学术]

辛冲冲、徐婷、周菲：《被动之举还是主动为之——基于纵向财政不平衡与地区竞争对土地财政依赖影响的再解释》，《经济学家》2021年第4期，第30-40页。 [百度学术]

鲁元平、张克中、欧阳洁：《土地财政阻碍了区域技术创新吗？——基于267个地级市面板数据的实证检验》，《金融研究》2018年第5期，第101-119页。 [百度学术]

Tone K.， “A slacks-based measure of super-efficiency in data envelopment analysis，” European Journal of Operational Research， Vol. 143， No. 1 （2002）， pp. 32-41. [百度学术]

吴敏、周黎安：《晋升激励与城市建设：公共品可视性的视角》，《经济研究》2018年第12期，第97-111页。 [百度学术]

陈雨露：《数字经济与实体经济融合发展的理论探索》，《经济研究》2023年第9期，第22-30页。 [百度学术]

赵艳敏、王迪：《数字经济发展对全要素能源效率的影响机制研究——以黄河流域73个地级市为例》，《软科学》，2023年12月5日，https：//link.cnki.net/urlid/51.1268.G3.20231204.1732.006。 [百度学术]

余典范、龙睿、王超：《数字经济与边界地区污染治理》，《经济研究》2023年第11期，第172-189页。 [百度学术]

向钰、赵静梅：《基于数字经济的地方财政可持续性研究》，《中国软科学》2023年第3期，第203-212页。 [百度学术]

赵涛、张智、梁上坤：《数字经济、创业活跃度与高质量发展——来自中国城市的经验证据》，《管理世界》2020年第10期，第65-76页。 [百度学术]

唐云锋、马春华：《财政压力、土地财政与“房价棘轮效应”》，《财贸经济》2017年第11期，第39-54，161页。 [百度学术]

地方政府债务、土地利用效率与房价

——基于255个城市面板数据检验

摘要

关键词

一 引 言

二 理论模型

（一） 家庭部门

（二） 房地产开发商部门

（三） 政府部门

（四） 一般均衡

三 研究设计

（一） 样本选择与数据来源

（二） 变量定义

（三） 模型设定

四 实证分析

（一） 基准回归结果

（二） 内生性检验

（三） 稳健性检验

五 异质性分析

（一） 数字经济水平

（二） 土地财政依赖度

六 结论与建议

参 考 文 献

一引言