Impact of administrative approval reform on land leasing in industries with overcapacity
XU Shengyan,1, WU Jingwei2收稿日期:2019-11-15修回日期:2020-05-29网络出版日期:2020-11-25
基金资助: |
Received:2019-11-15Revised:2020-05-29Online:2020-11-25
作者简介 About authors
徐升艳,女,云南腾冲人,副教授,研究方向为发展经济。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (3448KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
徐升艳, 邬径纬. 行政审批改革对产能过剩行业土地供应的影响. 资源科学[J], 2020, 42(11): 2224-2236 doi:10.18402/resci.2020.11.14
XU Shengyan, WU Jingwei.
1 引言
产能过剩阻碍资源优化配置和经济效率提升。近年来,中央政府一直致力于化解过剩产能,然而诸多行业产能过剩状况依然严重。1999年以来,国务院发布了一系列化解过剩产能工作的通知。2009年中央《关于抑制部分行业产能过剩和重复建设引导产业健康发展若干意见的通知》中明确要求各级政府“对不符合产业政策和供地政策的项目一律不批准用地”。因此,土地出让是地方政府影响本地工业产能的重要工具。李永乐等[1]将土地出让纳入“三维政府竞争”分析,地方政府通过工业地价补贴进行招商引资竞争[2],运用工业与商住差异化的出让政策,推高住宅土地出让价格[3],根据重点产业政策利用土地工具扭曲资源配置[4,5]。因此,土地出让是理解地方政府资源配置的一个重要“抓手”。关于产能过剩的学术文献,主要围绕市场和政府两大维度展开。在市场维度,文献指出信息不对称[6],市场结构和市场扩张[7],出口波动[8]和企业税收负担[9]等市场本身的因素会引起短期的产能过剩问题。林毅夫等[6]指出企业会对产业发展前景产生共识,而企业投资的信息不对称,会导致企业过度投资带来产业的产能过剩。徐朝阳等[7]认为在市场发展早期,产业前景好但需求不确定,市场的集中度和产能利用率都会比较低,随着市场成熟最终形成合理的市场结构和产能利用率。刘航等[8]指出出口波动会影响企业的产能利用。李建军等[9]利用世界银行调查数据,发现企业的税收负担提高会降低企业的产能利用率。但这些市场因素的影响,主要产生短期的产能波动,并不必然带来长期的产能过剩。在政府维度,文献从地方政府财政压力[10]、地区竞争和地方政府激励[11]、地方应对中央政策[12]等方面,指出地方政府根据自身利益激励干预地方产业发展,会引起市场失灵、带来长期的产能过剩。关于中国产能过剩持续存在的原因,一些文献认为在中国中央地方分权的体制中,国有企业的预算软约束[13]和国家发展阶段的产业共识[6]极容易造成大量的投资涌入特定行业,带来产能过剩问题。另外一些文献提出,地方政府出于税收利益和地区竞争会引入重复投资和保护产能过剩行业。地方政府主要目标是促进经济发展,经济效率不是最重要的考虑因素。在激烈的经济发展竞争中,由于产业升级的困难和不确定性,地方政府必然长期默许过剩产能存在[14]。此外,中央政府的产业政策和宏观刺激政策也会导致产能过剩。由于有财政资金的扶植和政企合作的空间,产业政策受到各级政府和企业家群体追捧。企业投资盯着政府补贴和优惠政策,会过度涌入政府支持的行业。加上地方政府之间的招商引资竞争,极易把新兴产业演变为产能过剩产业[4,14,15]。例如,“四万亿”刺激政策、新能源汽车扶持政策带来了大量过剩产能。总之,在地区竞争中地方政府为了GDP和就业等目标,利用产业政策、刺激政策和环保、土地等优惠政策降低企业进入门槛,从而可能不断产生过剩的产能[4,16]。因此,不少文献认为受地方政府和中央政府利益分歧的影响,中央提出的去产能政策地方政府落实过程中无法产生效果[14,15]。
根据《土地管理法》,中国的城市土地归国家所有,农村土地归集体所有,并且在一般情况下农村土地需要通过地方政府征收或征用才能转化为城市建设用地。因此,在中国特殊的制度背景下地方政府是城市建设用地的唯一供应主体,能独立自主决定城市建设用地的配置。相关文献研究发现,土地作为地方政府掌控的核心资源,地方政府通过土地配置深刻地影响本地的资源配置和经济增长[2,4,5]。由于新进入的企业投资需要用地,本文研究地方政府对产能过剩行业新增工业用地的供应,可以从土地供应的角度回答地方政府对中央去产能政策的落实情况。
行政审批改革把权力“晒”在阳光下,明确政府的行政权力边界。改革后把地方政府行政审批权的主体、范围、程序、责任后果等具体内容完全公开。在微观上,行政审批中心设立阳光化地方政府行为,能减少地方政府对中央政策执行的对抗性。毕青苗等[17]发现设立行政审批中心,通过降低进入成本提高了企业的进入水平。吴利学等[16]通过构建项目匹配机制,也发现在透明度越低的行业,如果政府获得的收益越大越可能产生过剩产能。于斌斌等[18]指出规范地方政府的行为,有利于减少过剩产能。新增投资限制政策是化解过剩产能的重要手段,而土地供应是反映新增投资的重要指标。因此,本文利用行政审批中心成立的政策冲击和土地出让的资源配置抓手,研究地方政府产能过剩行业去产能的行为。具体而言,在杨其静等[12]、吴利学 等[16]的研究基础上,本文从工业土地出让视角,利用行政审批中心成立这一政策冲击,分析地方政府对产能过剩和非过剩行业资源配置的影响。研究使用地级市产能过剩行业土地出让微观成交数据作为地方政府干预资源配置的指标,估计2007—2017年地级市行政审批改革对于地方政府产能过剩行业去产能的影响。本研究的意义主要体现在两方面:第一,已有文献对土地出让的研究虽然有涉及工业用地,但是细分到产能过剩行业的土地出让问题还缺乏讨论,本文拓展了关于地方政府土地出让的相关研究。第二,地方政府是否落实中央去产能政策存在争论,本文通过对地方政府产能过剩行业的土地供应研究,可以回答这一问题。
2 假说提出
审批制是政府部门实施产业政策和干预企业投资的主要手段。2001年国务院办公厅下发《关于成立国务院行政审批制度改革工作领导小组的通知》,成立行政审批制度改革工作领导小组,推进行政审批制度改革。随后中央和地方政府积极地推进和落实相关工作。行政审批改革内容主要表现在两个方面:一是减少行政审批数量和规范审批流程;二是建立行政审批中心,健全行政审批服务体系,落实和深化行政审批改革。行政审批中心建设是行政审批改革的集中体现,通过跨部门合作,一站式服务,公开透明,减少审批手续、规范审批流程,实现了审批事项的简化和集中办理,减少了企业的制度性交易成本。设立行政审批中心能更好地落实行政审批改革的政策,是全面深化审批改革的关键。夏杰长等[19]指出审批中心是推动改革继续向前的行动主体,它的设立反过来又全面推动了行政审批制度的深化改革。因此,认为行政审批中心设立时间的先后可以较大程度地代表行政审批改革的强度。毕青苗等[17]和孙艳阳[20]在实证研究中采用行政审批中心设立指标来研究行政审批改革的影响和效应,发现设立行政审批中心显著地提高企业的进入率和企业价值。本文也采用文献[17,20]相同的做法,用行政审批中心成立指标来反映行政审批改革。中央政府可以采用提高地方政府引资成本和企业投资成本的政策,抑制产能过剩行业的产能。地方政府通过项目审批也可以影响本地的产业发展和不同企业的投资。通过设立行政审批中心,使行政审批的环节和过程更加公开和透明,这可能有助于促进地方政府落实中央政府的去产能政策。由于地区之间激烈的GDP竞争,地方政府并没有积极性主动去除产能过剩行业的产能。去过剩产能的政策是由中央政府推动的。2003年国务院办公厅转发发展改革委等部门《关于制止钢铁电解铝水泥行业盲目投资若干意见的通知》,提出钢铁、电解铝和水泥为产能过剩行业。2006年《国务院关于加快推进产能过剩行业结构调整的通知》,指出钢铁、电解铝、电石、铁合金、焦炭、汽车等行业产能已经出现明显过剩;水泥、煤炭、电力、纺织等行业存在潜在的产能过剩问题。2009年国务院转发发展改革委等部门《关于抑制部分行业产能过剩和重复建设引导产业健康发展的若干意见》,指出钢铁、电解铝、水泥、平板玻璃、多晶硅、煤化工、风电设备、造船、大豆压榨产能过剩,大型锻件存在产能过剩隐忧。2010年国务院《关于进一步加大节能减排力度加快钢铁工业结构调整的若干意见》指出钢铁、电力、煤炭、焦炭、铁合金、电石、有色金属、建材、纺织存在产能过剩。2013年国务院《关于化解产能严重过剩矛盾的指导意见》指出钢铁、电解铝、水泥、平板玻璃、煤炭和造船业产能过剩。2016年国务院《关于营造良好市场环境促进有色金属工业调结构促转型增效益的指导意见》和《关于石化产业调结构促转型增效益的指导意见》再次明确指出钢铁、煤炭、有色金属、石化和建材产能过剩。比较历年中央政策文件提及的产能过剩行业不同年份虽有小的变化,但是主要的行业是重合的,主要涉及钢铁、电解铝、水泥、电石、煤炭、焦炭、有色金属、纺织、建材。
根据历年国务院出台的去产能政策提到的主要行业,本文借鉴席鹏辉等[10]和韩国高等[21]确定产能过剩行业的方法,在制造业分类中界定石化炼焦、造纸制品、化学原料、黑色金属、矿物制品、有色金属和化学纤维等7个行业作为制造业产能过剩行业。对于非制造业的其他产业,参考沈坤荣等[14]研究工业行业产能过剩的做法,加入电力、热力的生产和供应业、黑色金属矿采选业、有色金属矿采选业、煤炭开采和洗选业、非金属矿采选业以及石油和天然气开采业这6个其他行业作为非制造业产能过剩行业。最终,本文确定了13个工业产能过剩行业。根据国标国民经济行业分类(GB/T4754-2017)二位行业代码分类,工业被分为41个行业,本文确定的产能过剩行业个数约占总数1/3。据此分类,统计出2007—2017年地级市产能过剩与非过剩行业的工业用地平均出让宗数,发现产能过剩行业的土地出让明显少于非过剩行业(图1)。地方政府可以通过加强土地出让审批,减少新增产能过剩行业用地占比,从而达到结构去产能的目的。因此,通过研究行政审批中心建立对产能过剩和非过剩行业的土地出让的影响,可以分析行政审批改革对地方政府去过剩产能的影响。
图1
新窗口打开|下载原图ZIP|生成PPT图12007—2017年地级市产能过剩和非过剩行业工业用地出让宗数均值
数据来源:根据自然资源部网站的数据整理。
Figure 1Average number of plots of overcapacity and non-overcapacity industry land transfer in prefecture-level cities, 2007-2017
由于行政审批改革是中央政府自上而下推动的,地方政府的土地出让活动不会影响行政审批中心是否设立。因此,城市是否设立行政审批中心与地方政府的土地出让行为相对外生,故可以研究行政审批中心设立对地方政府产能过剩行业土地出让的影响。王永进等[22]认为政府干预企业微观活动的核心机制是行政审批。刘诚等[15]研究表明地方政府滥用行政审批是地方产能过剩形成的重要原因。现实中地方政府在招商引资时“特事特办”滥用行政审批的现象时常发生。行政审批制是地方政府实施产业政策和干预企业投资的主要手段。然而,化解过剩产能只有在市场竞争中才能实现。2001年开始,中国自上而下推动行政审批制度改革,通过“多规合一”、多部门协同办公和信息技术实现审批事项全方位监管,约束和规范政府的行政审批权力,减少对企业活动的不当干预。也就是说行政审批改革,能减少政府对资源配置的扭曲,提高市场配置的效率。行政审批中心设立通过公开透明和规范化能约束地方政府行为,一方面促进地方政府在项目审批时落实中央的去产能政策;另一方面为市场机制松绑,弱化企业的政策依赖,回归市场调节,减少产能过剩行业企业的进入,从而起到化解过剩产能的效果。
综合上述分析,当地方行政审批越不透明,政府越容易出于经济发展需要干预行业发展,越容易造成产能过剩问题。由此,我们推断,当地方进行行政改革之后,地方政府会减少对中央明令禁止行业的支持,减少这些行业的工业用地供应。为此,我们提出假说:城市行政审批中心设立,会使地方政府减少产能过剩行业的土地供应。
3 模型设定与数据选取
3.1 模型设定
为了考察行政审批改革是否通过土地要素成为化解过剩产能关键“抓手”,我们利用行政审批中心成立作为外生的政策冲击,分析行政审批改革对地方政府微观地块出让行业选择的影响。本文首先考察行政审批中心设立对产能过剩产业土地出让数量和概率的影响。在数据处理上,直接采用地级市的微观地块出让数据。设定的计量模型如式(1)所示:式中:因变量
由于城市之间设立行政审批中心的时间并不一致,以行政审批中心设立时间作为政策冲击,运用双重差分模型(Difference-in-difference,DID)可以解决内生性问题。因此,本文以行政审批中心设立作为准自然实验,设计DID模型检验各个城市在设立行政审批中心前后,地方政府出让产能过剩行业土地的差异。以产能过剩行业为实验组,以非过剩行业为控制组。数据的处理上,将微观工业地块数据按宗数进行分行业加总。运用DID方法分析行政审批中心设立,是否对地方产能过剩产业发展具有抑制作用。为此,设定计量模型如式(2):
式中:因变量
3.2 数据选取
本文主要使用了3套数据。首先,采用中山大学岭南学院徐现祥教授团队构建的中国地级行政审批中心数据库,该数据依据各地行政审批中心官方主页信息整理,涵盖中国333个地级市和地级区域,覆盖港澳台地区以外全国所有的地级市。在此基础上,本文补充了2016和2017年地级市行政审批中心设立数据。其次,从自然资源部网站,收集了2007—2017年全部工业用地出让地块数据(共计324912宗),数据包括地块的具体位置、出让面积、用地类型、所属行业等信息。根据原国土资源部39号令,自2007年开始要求全国工业用地公开出让,此后能收集到详细的工业用地出让地块数据,所以本文研究时间从2007年开始。参考张少辉等[23]的做法,对数据进行如下处理:若该工业用地的出让结果中对行业的标识为“其他”,认为无法对其行业性质分类,而且这些数据占比较少,在数据处理过程中直接剔除。由于因变量为产能过剩行业工业用地出让,因而对同一城市同一年份同一行业的工业用地出让数据进行加总。为了避免直辖市的行政特殊性将其剔除。最终,得到城市二位码行业的工业土地出让数据(共计37649条)。再次,经济数据来自《中国城市统计年鉴(2008—2018)》[24],包括地级市的GDP、普通高等学校在校学生数、城市面积、人口密度、预算内财政缺口、第二产业增加值占GDP比重等。对水平变量数据取对数。主要变量的描述性统计见表1。Table 1
表1
表1主要变量的描述性统计
Table 1
变量 | 说明 | 样本量 | 平均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|---|
地块是否产能过剩行业虚拟变量 | 地块属于产能过剩行业为1,否则为0 | 324912 | 0.2070 | 0.4050 | 0.0000 | 1.0000 |
工业用地出让面积/hm2 | 地级市工业用地出让面积 | 37648 | 623.270 | 786.3640 | 0.0050 | 7750.3100 |
产能过剩行业出让宗数占比/% | 产能过剩行业出让宗数/地级市工业用地出让宗数 | 37649 | 0.0910 | 0.1220 | 0.0000 | 1.0000 |
产能过剩行业出让面积占比/% | 产能过剩行业出让面积/地级市工业用地出让面积 | 37649 | 0.0910 | 0.1520 | 0.0000 | 1.0000 |
行政审批中心设立虚拟变量 | 设立了行政审批中心为1,否则为0 | 37649 | 0.9280 | 0.2590 | 0.0000 | 1.0000 |
城市GDP/亿元 | 取对数 | 35069 | 7.1090 | 0.8600 | 4.2470 | 10.4700 |
人力资本 | 普通高校在校学生数(万人)取对数 | 34810 | 1.4780 | 1.2710 | -3.9120 | 4.6610 |
城市面积/万km2 | 取对数 | 35081 | 0.1360 | 0.7480 | -2.1960 | 3.2320 |
基础设施 | 年末道路铺装面积(万m2)取对数 | 34767 | 7.0600 | 0.9140 | 3.2960 | 9.5920 |
二产比重/% | 二产GDP/GDP | 35081 | 0.5040 | 0.0878 | 0.1490 | 0.9100 |
土地供应总量/hm2 | 取对数 | 37393 | 7.2430 | 0.8750 | 0.0583 | 10.3200 |
人口密度/(人/km2) | 取对数 | 35081 | 5.8860 | 0.8270 | 1.5730 | 7.8820 |
预算内财政缺口/亿元 | 取对数 | 32516 | 4.3790 | 0.8410 | -1.7720 | 7.5600 |
土地财政收入/亿元 | 取对数 | 37393 | 13.1100 | 1.3640 | 3.7230 | 17.0200 |
新窗口打开|下载CSV
4 结果与分析
本文实证分为两个部分:第一部分基本回归,直接采用地级市微观地块出让数据,检验行政审批改革对产能过剩行业工业用地出让宗数的影响;第二部分DID估计,将地级市微观地块数据按行业加总,使用DID方法先分析行政审批中心设立对产能过剩行业工业用地出让宗数的影响。为了DID估计的稳健性,把因变量替换为产能过剩行业土地的出让面积和出让面积占比,分析行政审批中心设立对产能过剩行业土地的出让面积和出让面积占比的影响。此外,还用工具变量估计进一步考虑了内生性,用安慰剂检验验证DID模型估计的有效性。4.1 OLS和Probit估计
OLS和Probit基本回归估计得出,行政审批改革使地方政府减少了产能过剩行业工业用地的出让(表2)。基本回归运用计量模型(1)回归分析行政审批改革对产能过剩行业土地出让的影响,因变量为地块是否产能过剩行业虚拟变量,直接运用微观地块数据计算,回归方法采用OLS和Probit回归估计,回归结果见表2。列(1)、列(2)没有控制变量,列(3)-列(8)加入了控制变量,其中,列(3)、列(4)控制了城市经济、地理特征和土地供应约束的控制变量,列(5)、列(6)增加控制了城市固定效应,列(7)、列(8)进一步控制了年份固定效应。从回归结果看,所有回归系数显著为负,说明设立行政审批中心的地级市显著地降低了产能过剩行业的工业用地出让。根据列(7)和列(8),平均而言地级市设立行政审批中心,相比没有设立行政审批中心的地级市,产能过剩行业工业用地的出让宗数减少了1.91个百分点,出让概率下降了7.59个百分点。根据描述性统计产能过剩行业工业用地出让宗数占全市工业用地比重的均值是9.10%,设立行政审批中心后地级市产能过剩产业的工业土地出让宗数下降1.91个百分点,这意味着相比地级市平均的产能过剩行业的土地出让宗数下降了20.98%。这些结论初步说明,行政审批改革显著地减少了地方政府对产能过剩行业工业用地的出让宗数和降低了出让概率,反映出行政审批改革有助于地方政府落实中央的去产能政策。Table 2
表2
表2行政审批中心设立对于产能过剩行业土地出让的影响
Table 2
因变量: 地块是否产能过剩行业虚拟变量 | (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) |
---|---|---|---|---|---|---|---|---|
OLS | Probit | OLS | Probit | OLS | Probit | OLS | Probit | |
行政审批中心设立虚拟变量 | -0.0500*** | -0.1658*** | -0.0415*** | -0.1354*** | -0.0213*** | -0.0855*** | -0.0191*** | -0.0759*** |
(0.003) | (0.010) | (0.003) | (0.012) | (0.006) | (0.025) | (0.006) | (0.025) | |
控制变量 | NO | NO | YES | YES | YES | YES | YES | YES |
年份 | NO | NO | NO | NO | NO | NO | YES | YES |
城市 | NO | NO | NO | NO | YES | YES | YES | YES |
观察值 | 324912 | 324912 | 277930 | 277930 | 277930 | 277911 | 277930 | 277911 |
调整的R2 | 0.001 | 0.000 | 0.034 | 0.019 | 0.094 | 0.001 | 0.095 | 0.053 |
新窗口打开|下载CSV
4.2 DID估计
4.2.1 行政审批改革对产能过剩行业工业用地出让宗数的影响DID估计发现行政审批改革减少了城市产能过剩行业工业用地的出让宗数,普通地级市比省会城市效果更大(表3)。尽管OLS和Probit基本回归结果显著为负,但是结论的稳健性可能存在疑问:到底是不是行政审批改革减少了产能过剩行业的土地出让?产能过剩和非过剩行业是否具有可比性?有没有可能那些产能过剩行业本来需要的土地就少?为了解决产能过剩行业和非过剩行业之间可能存在的不可比性,利用计量模型(2)进行双重差分估计。因变量为产能过剩行业土地出让宗数占全市工业用地比重,通过微观地块出让数据在地级市层面加总计算,自变量为行政审批中心设立与地块是否产能过剩行业的交互项,回归结果见表3。列(1)-列(3)为全样本,列(4)为剔除省会城市的地级市样本。回归结果与预期一致,交互项回归系数为负且在1%的水平上显著,说明设立审批中心可以显著降低产能过剩行业的土地出让。根据列(3)设立行政审批中心的地级市,相比没有设立行政审批中心的城市,每年向产能过剩行业出让土地宗数占全市工业用地比重降低1.94个百分点;根据列(4)剔除省会城市后,下降2.5个百分点。结合描述性统计产能过剩行业工业用地出让宗数占全市工业用地比重的均值是9.10%,设立行政审批中心后,地级市产能过剩产业的工业土地出让宗数下降至7.16%,省会城市下降至6.60%,相比城市平均水平分别下降了21.32%和27.47%。反映出非省会城市行政审批改革产生的影响更大,对产能过剩行业工业用地出让的抑制作用更强。这说明地方行政审批改革对产能过剩行业资源配置的影响,在一般的地级市效果更大。原因可能是在一般地级市,制度更加不完善,地方政府的干预程度更高。DID模型回归分析再次证实了本文的研究假说,城市行政审批中心设立,会使地方政府减少对产能过剩行业的土地供应。
Table 3
表3
表3行政审批中心设立对产能过剩行业工业用地出让宗数的影响
Table 3
因变量: 产能过剩行业土地出让宗数占比 | (1) | (2) | (3) | (4) |
---|---|---|---|---|
全样本 | 全样本 | 全样本 | 剔除省会城市 | |
行政审批中心设立与 地块是否产能过剩行业交互项 | -0.0223*** (0.005) | -0.0198*** (0.005) | -0.0194*** (0.005) | -0.0250*** (0.005) |
行政审批中心设立虚拟变量 | -0.0213*** (0.003) | -0.0035 (0.003) | 0.0021 (0.004) | -0.0016 (0.005) |
地块是否产能过剩行业虚拟变量 | 0.0176*** (0.005) | 0.0114** (0.005) | 0.1095*** (0.009) | 0.1136*** (0.010) |
控制变量 | NO | YES | YES | YES |
年份 | NO | NO | YES | YES |
城市 | NO | NO | YES | YES |
行业 | NO | NO | YES | YES |
观察值 | 37649 | 31698 | 31698 | 28259 |
调整的R2 | 0.004 | 0.100 | 0.297 | 0.291 |
新窗口打开|下载CSV
4.2.2 行政审批改革对产能过剩行业工业用地出让面积的影响
稳健性估计发现行政审批改革减少了城市产能过剩行业工业用地的出让面积,普通地级市比省会城市效果更大,并且产能过剩行业的大项目减少(表4)。上文利用工业用地出让宗数指标回归发现,行政审批中心设立抑制了地方政府产能过剩行业产能的扩张冲动。为了回归的稳健性,将因变量替换为工业用地出让面积指标,回归结果见表4。回归结果显示所有回归列交互项系数均为负且在1%水平上显著,说明行政审批改革抑制了产能过剩行业的土地出让。根据列(1)、列(3),设立行政审批中心的城市每年向产能过剩行业出让土地面积下降21.56%,占全市工业用地比重下降3.66个百分点。结合描述性统计产能过剩行业工业用地出让面积占全市工业用地比重的均值是9.10%,设立行政审批中心后地级市产能过剩产业的工业土地出让面积下降至5.44%,相比平均水平下降了40.22%。列(2)、列(4)剔除省会城市的地级市样本回归系数更大,再次说明行政审批中心设立对普通地级市的产能过剩行业去产能作用更强。以上结果说明,采用土地出让面积指标的全样本和剔除省会城市的样本,回归结果均稳健。回归系数比使用宗数指标更大,说明产能过剩行业的工业用地出让面积比出让宗数下降更多,反映出产能过剩行业的大项目减少更多,体现出显著的去产能效果。
Table 4
表4
表4行政审批中心设立对产能过剩行业工业用地出让面积的影响
Table 4
(1) | (2) | (3) | (4) | |
---|---|---|---|---|
全样本 | 剔除省会城市 | 全样本 | 剔除省会城市 | |
行政审批中心设立与地块是否产能过剩行业交互项 | -0.2156*** | -0.2918*** | -0.0366*** | -0.0441*** |
(0.077) | (0.085) | (0.006) | (0.007) | |
行政审批中心设立虚拟变量 | 0.1198* | 0.1948** | 0.0065 | 0.0034 |
(0.066) | (0.078) | (0.005) | (0.007) | |
地块是否产能过剩行业虚拟变量 | 2.0640*** | 2.1031*** | 0.1403*** | 0.1429*** |
(0.146) | (0.155) | (0.012) | (0.013) | |
控制变量 | YES | YES | YES | YES |
年份 | YES | YES | YES | YES |
城市 | YES | YES | YES | YES |
行业 | YES | YES | YES | YES |
观察值 | 31697 | 28259 | 31698 | 28259 |
调整的R2 | 0.219 | 0.216 | 0.177 | 0.174 |
新窗口打开|下载CSV
4.2.3 进一步考虑内生性的工具变量估计结果
进一步考虑内生性的工具变量估计,分别用政府服务、政商关系和到省内首个设立审批中心的距离作为行政审批中心设立的工具变量,也得出行政审批改革减少了城市产能过剩行业工业用地出让的结果(表5)。为了排除行政审批改革与土地出让的内生性,本文采用工具变量法进行进一步估计。我们选择了3个指标作为行政审批改革的工具变量。第一个和第二个工具变量指标来自于中国城市政商关系排行榜[25],分别是政府服务指数和政商关系指数。政府服务指数和政商关系指数,得分越高表示服务环境越好或关系越健康。行政审批是政府服务的主要内容,两者具有高度相关性。政商关系指数虽然是截面数据,但可以较好地体现制度因素变化,适合作为工具变量。第三个工具变量指标是到省内首个设立行政审批中心城市的地理距离。若同省内没有唯一首个审批中心,则计算当地市政府到省政府的距离。为了增加工具变量时间维度的变化,将政府服务指数、政商关系指数与到省内首个设立审批中心的地理距离分别和地方财政缺口交互,作为工具变量。表5报告了工具变量估计的回归结果。Sargan检验表明工具变量选择有效。表5所有回归交互项的系数均显著为负,说明进一步考虑内生性的影响后研究结论依然成立。
Table 5
表5
表5工具变量法回归结果
Table 5
(1) | (2) | (3) | |
---|---|---|---|
工具变量 | 政府服务 | 政商关系 | 到省内首个设立审批中心的距离 |
行政审批中心设立与地块是否产能过剩行业交互项 | -0.0128*** (0.002) | -0.0116*** (0.001) | -0.0249*** (0.008) |
控制变量 | YES | YES | YES |
城市 | YES | YES | YES |
年份 | YES | YES | YES |
城市数 | 263 | 259 | 258 |
观测值 | 33949 | 33391 | 31698 |
工具变量F值 | 8.77 | 8.74 | 4.42 |
调整的R2 | 0.192 | 0.193 | 0.279 |
新窗口打开|下载CSV
4.2.4 DID估计的有效性:安慰剂检验
如果设立行政审批中心的地级市本身就具有减少产能过剩行业土地出让的趋势,又或者存在无法控制的遗漏变量同时影响行政审批中心设立和产能过剩行业的土地出让,那么会使得DID模型失效。为了确保DID估计的有效性,本文进行安慰剂检验。借鉴Martincus等[26]的方法,将政策事件的时间向前推移。如果存在共同趋势导致的伪回归问题,那么改变城市行政审批中心的成立时间,相关系数还应该是显著的,反之则不存在共同趋势导致的伪回归。我们把各城市行政审批中心的成立时间分别向前推移3年、4年和5年,表6回归结果表明交互项系数不显著,与前面回归结果截然不同。这说明本文使用的DID回归模型可靠,城市设立行政审批中心对产能过剩行业土地出让具有显著的抑制作用。
Table 6
表6
表6安慰剂检验回归结果
Table 6
因变量: | (1) | (2) | (3) |
---|---|---|---|
产能过剩行业土地出让宗数占比 | 向前推移3年 | 向前推移4年 | 向前推移5年 |
行政审批中心设立与地块是否产能过剩行业交互项 | -0.0132* (0.007) | -0.0123 (0.008) | -0.0116 (0.008) |
行政审批中心设立虚拟变量 | -0.0069 | -0.0061 | 0.0113 |
(0.006) | (0.007) | (0.008) | |
控制变量 | YES | YES | YES |
年份 | YES | YES | YES |
城市 | YES | YES | YES |
行业 | YES | YES | YES |
观察值 | 31812 | 31812 | 31812 |
调整的R2 | 0.307 | 0.307 | 0.307 |
新窗口打开|下载CSV
4.3 地区和行业的异质性分析
4.3.1 行政审批改革对产能过剩行业工业用地出让影响的地区差异地区之间存在显著的差异,行政审批改革减少中西部地区城市产能过剩行业工业用地出让,对东部地区城市影响较小(表7)。东部地区城市包括北京、天津、上海,以及河北、辽宁、江苏、浙江、福建、山东、广东和海南等省份所辖城市,其余为中西部地区城市。中国的东部与中西部城市在制度发育和产业发展阶段存在较大的差异。总体上,东部城市制度发育相对成熟,产业发展也基本完成了工业化,正在经历产业升级的后工业化阶段;中西部城市制度发育相对落后,政府干预的力量更强,产业发展远远落后于东部城市,大量城市处于工业化阶段的早期和中期[27],各城市地方政府努力吸引工业投资,承接东部的产业转移。那么,行政审批改革对产能过剩行业工业用地出让的影响在东部和中西部城市之间差异如何?根据表7回归结果,在东部城市,设立行政审批中心能够减少产能过剩行业的土地出让,但是显著性仅仅在10%的水平上显著,回归系数也较小;而行政审批中心设立与地块是否产能过剩行业交互项不显著,说明行政审批改革对东部城市产能过剩行业工业用地减少没有显著的作用。与东部地区城市不同的是,根据交互项系数可以看到,在中西部地区可以观察到行政审批改革显著地减少了产能过剩行业工业用地出让,相比没有设立行政审批中心的城市,每年向产能过剩行业出让土地宗数占全市工业用地比重降低2.33个百分点,减少相当于地级市产能过剩行业出让土地宗数平均水平的25.60%。上述结果说明,行政审批改革减少产能过剩行业工业用地出让的政策效果在中西部地区城市发挥更重要的作用。
Table 7
表7
表7行政审批中心设立对产能过剩行业工业用地出让影响的地区差异
Table 7
因变量: 产能过剩行业土地出让宗数占比 | (1) | (2) |
---|---|---|
东部 | 中西部 | |
行政审批中心设立与地块是否产能过剩行业交互项 | 0.0001 (0.007) | -0.0233*** (0.007) |
行政审批中心设立虚拟变量 | -0.0081* | 0.0026 |
(0.005) | (0.006) | |
地块是否产能过剩行业虚拟变量 | 0.0106 | 0.1287*** |
(0.014) | (0.012) | |
控制变量 | YES | YES |
年份 | YES | YES |
城市 | YES | YES |
行业 | YES | YES |
观察值 | 14366 | 17332 |
调整的R2 | 0.363 | 0.296 |
新窗口打开|下载CSV
还有一个值得注意的是,地块是否产能过剩行业虚拟变量的系数,在东部地区不显著在中西部地区显著,反映出东部城市不显著增加产能过剩行业的土地供应,而中西部地区城市存在显著增加产能过剩行业的土地供应的现象,这可能与东部地区城市在推动产业升级,而中西部地区城市积极推进工业化进程,承接东部的产业转移,这其中包括了东部产能过剩行业的转移。此外,东部城市的制度更成熟、市场更完善,中西部城市的制度相对落后,政府干预力量强,行政审批改革作为制度建设,会在中西部地区发挥更显著的效果。这也说明,为了减少产能过剩行业的土地出让,更好地落实去产能政策和发展好中西部地区的产业,需要更多关注中西部地区的行政审批改革,建设良好的制度环境。要规范行政审批行为,建设良好的营商环境,让市场决定中西部城市的产业发展,减少政府干预下吸引产能过剩行业的重复投资建设活动。
4.3.2 行政审批改革对制造业和非制造业产能过剩行业工业用地出让影响的差异
制造业和非制造业产能过剩行业之间存在显著的差异,行政审批改革显著减少制造业产能过剩行业工业用地出让,对非制造业产能过剩行业影响较小(表8)。制造业和非制造业具有不同的特征,行政审批改革对这两类工业用地出让影响差异如何?本文的非制造业产能过剩行业包括采矿业(包括黑色金属矿采选业、有色金属矿采选业、煤炭开采和洗选业、非金属矿采选业以及石油和天然气开采业)、电力、热力的生产和供应业。表8列(1)制造业的回归交互项显著,列(2)非制造业的回归交互项不显著,说明行政审批改革抑制产能过剩行业工业用地出让的作用主要对制造业发挥作用,对非制造业影响较小。原因可能是采矿业、电力、热力的生产和供应业这些存在产能过剩的非制造业主要是国有企业在从事生产活动,私人企业较少,国有企业具有天然的政治联系,使得地方城市的行政审批改革对这些行业的产能过剩影响较小,从而对这些行业的土地供应影响不显著。这也说明中国在去产能过程中,需要特别注意采矿业、电力、热力的生产和供应业这类国企主导的行业,需要采取专门研究,采用专项的政策才能发挥政策作用。
Table 8
表8
表8行政审批中心设立对制造业和非制造业产能过剩行业工业用地出让影响的差异
Table 8
因变量: 产能过剩行业土地出让宗数占比 | (1) | (2) |
---|---|---|
制造业 | 非制造业 | |
行政审批中心设立与地块是否产能过剩行业交互项 | -0.0169*** (0.005) | -0.0127 (0.018) |
行政审批中心虚拟变量 | 0.0020 (0.004) | -0.0387* (0.021) |
地块是否产能过剩行业虚拟变量 | -0.0770*** | 0.0864*** |
(0.008) | (0.020) | |
控制变量 | YES | YES |
年份 | YES | YES |
城市 | YES | YES |
观察值 | 29301 | 2397 |
调整的R2 | 0.305 | 0.362 |
新窗口打开|下载CSV
4.3.3 行政审批改革对制造业内不同类型产能过剩行业工业用地出让影响的差异
在制造业内部不同类行业的影响也存在显著差异,行政审批改革对制品业行业产能过剩行业的工业用地出让减少显著大于加工业(表9)。制造业类别较多,根据大类可以分为制品业、加工业和设备制造业。行政审批改革对不同类型制造业产能过剩行业工业用地出让影响差异如何?在本文界定的产能过剩行业中,造纸制品属于制品业的产能过剩行业,加工业的产能过剩行业包括石化炼焦、化学原料、黑色金属、矿物制品、有色金属和化学纤维,设备制造业无产能过剩行业。表9的回归交互项的显著性表明,行政审批改革对制品业产能过剩行业的土地出让有显著的抑制作用,而对加工业产能过剩行业的土地出让影响较小,对设备制造业影响不显著。可能的原因是,制品业是最终产品,而加工业主要是中间品,最终产品是否产能过剩容易观测到,而中间品则相对困难,因此,行政审批改革对制品业产能过剩行业工业用地出让影响大于加工业的影响。这个结论说明,在去产能的政策落实中,需要更多关注制造业加工品行业的去产能。
Table 9
表9
表9行政审批中心设立对制造业内不同类型产能过剩行业工业用地出让影响的差异
Table 9
(1) | (2) | (3) | |
---|---|---|---|
制品业 | 加工业 | 设备制造业 | |
行政审批中心设立与地块是否产能过剩行业交互项 | -0.0229** (0.011) | -0.0159* (0.008) | -0.0222 (0.018) |
行政审批中心虚拟变量 | 0.0079 | -0.0059 | -0.0063 |
(0.006) | (0.009) | (0.008) | |
地块是否产能过剩行业虚拟变量 | -0.0588*** (0.011) | 0.0087 (0.009) | -0.0800*** (0.017) |
控制变量 | YES | YES | YES |
年份 | YES | YES | YES |
城市 | YES | YES | YES |
观察值 | 12192 | 8645 | 8973 |
调整的R2 | 0.365 | 0.279 | 0.341 |
新窗口打开|下载CSV
5 结论
结合中国的制度变革,本文利用城市行政审批中心设立这一政策冲击,实证检验行政审批改革对地方政府产能过剩行业去产能的影响。研究使用2007—2017年全国地级市的微观土地出让数据与地级市经济数据相结合,利用多种回归模型检验行政审批改革对地方政府产能过剩行业工业用地出让的影响。不同的回归方法和稳健性检验都发现:(1)行政审批中心设立使地方政府减少了产能过剩产业的工业用地出让。设立行政审批中心后,地级市产能过剩产业的工业土地出让宗数占全市工业用地比重显著降低约1.94个百分点,面积占比降低约3.66个百分点,相对城市平均产能过剩行业土地出让水平分别减少21.32%和40.22%,面积下降更多反映出对产能过剩大项目的土地出让减少。说明行政审批改革显著地减少了地方政府对产能过剩行业工业用地的出让,减少了产能过剩行业企业的进入和投资,促进地方政府更好地落实中央的去产能政策。
(2)行政审批改革促使地方政府有效抑制了产能过剩行业的土地出让,这种作用在普通地级市比省会城市效果更大。设立行政审批中心后,剔除省会城市后一般地级市产能过剩产业的工业土地出让宗数占全市工业用地比重显著下降2.5个百分点,面积下降4.41个百分点,相对城市平均产能过剩行业土地出让水平分别减少27.47%和48.46%。反映出非省会城市行政审批改革产生的影响更大,对产能过剩行业工业用地出让的抑制作用更强。这说明地方行政审批改革对产能过剩行业资源配置的影响,在一般的地级市效果更大。
(3)行政审批改革抑制产能过剩行业工业用地出让的作用存在异质性。分地区来看,设立行政审批中心显著减少中西部地区城市产能过剩行业工业用地出让,对东部地区城市影响较小;分产业类别看,行政审批改革显著减少制造业产能过剩行业工业用地出让,对采矿业、电力、热力的生产和供应业这类以国企为主的非制造业产能过剩行业影响较小;在制造业内部,对制品业行业产能过剩行业的工业用地出让减少显著大于加工业产能过剩行业。这反映出城市的行政审批改革促进去产能政策的效果,在制度欠缺的中西部地区更大,对以国企为主的非制造业影响较小,对中间品为主的制品业影响较小。
研究发现说明,行政审批改革重塑了政府和市场的关系,抑制了产能过剩行业的投资活动,改善了资源配置效率。原因可能是行政审批中心设立通过公开透明和规范化能约束地方政府行为,一方面促进地方政府在项目审批时落实中央的去产能政策,减少产能过剩产业土地供应;另一方面通过减低交易费用为市场机制松绑,弱化企业的政策依赖,回归市场调节,这会减少产能过剩企业进入,减少产能过剩行业的土地需求,从而起到化解过剩产能的效果。已有研究大多直接探讨土地的利用效率[27,28],本文从行政审批改革这个新视角分析对地方政府产能过剩行业土地出让的影响,证实在行政审批中心设立后地方政府更好地执行了中央的去产能政策,减少了产能过剩行业的土地供应。同时,也证实了地方政府可以利用土地资源配置干预本地产业发展。研究发现说明,通过行政审批改革规范地方政府的行政权力,有助于解决中国的产能过剩问题,减少资源配置扭曲。研究结论的政策含义:①未来应进一步深化行政审批改革,让行政审批改革成为提高中国经济发展质量的重要助力;② 在去产能的政策落实中关注地区差异,更多关心中西部地区的行政审批改革,建设良好的制度环境,促进中西部地区城市产业健康发展;③采用专项的政策推动采矿业、电力、热力的生产和供应业这类国企主导的行业改革;④注意制造业内部不同行业的差异,需要更多关注以中间品为主的加工品行业的去产能。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[EB/OL]. (
URL [本文引用: 1]
[EB/OL]. (
URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]