Officials’ individual effect on local government land transfer behavior
PENG Shangui,1,2, SUN Hao3, WANG Jian4, WU Qun,4通讯作者:
收稿日期:2020-03-5修回日期:2020-12-28网络出版日期:2021-01-25
基金资助: |
Received:2020-03-5Revised:2020-12-28Online:2021-01-25
作者简介 About authors
彭山桂,男,四川蓬安人,博士,副教授,研究方向为土地经济。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (5055KB)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
彭山桂, 孙昊, 王健, 吴群. 地方政府土地出让行为中的官员个人效应. 资源科学[J], 2021, 43(1): 134-147 doi:10.18402/resci.2021.01.11
PENG Shangui, SUN Hao, WANG Jian, WU Qun.
1 引言
在中国,官员的治理水平是理解地方发展的一个重要视角[1]。地区经济社会发展中,地方官员的能力与作用体现于各种战略、规划、政策的制定与执行[2],地方官员在地区经济社会发展中扮演着重要角色[3]。众多实证研究都证实了上述观点的正确性,发现地方官员在地区经济增长、社会发展、环境保护等多个维度具有显著影响。在经济增长方面,相关研究发现,官员个人能力对地区经济发展绩效有显著影响[1],其影响在任期内呈倒U型趋势[4]。官员交流①(① 官员交流是指官员岗位的流动,发生于地区之间,部门之间,地方与部门之间,党政机关与国有企业事业单位、人民团体、群众团体之间。本文中的官员交流聚焦于市委书记、市长在地区之间的交流。)具有显著的产业结构调整效应、投资扩张效应、市场一体化促进效应,总体上有利于第二产业发展[5],会导致地区固定资产投资与贷款的显著增加[6],有利于促进国内市场一体化[7]。在社会发展方面,相关研究发现,地方官员对地区社保、基建、教育事业的发展具有显著影响,官员任期过短会抑制地区社保事业的发展[8],官员交流有利于地区基础设施的建设和完善[9],中西部地区的官员交流显著扩大了地区的教育支出规模[10]。在环境保护方面,相关研究发现,不同类型的地方官员的污染治理效应差异明显[11],官员交流有利于流入地区环境保护事业的发展[12],但官员垂直交流不利于环境质量改善[13]。上述多个维度的经验证据从不同侧面表明,中国地方官员对地区经济社会发展具有重要影响。遗憾的是,土地出让作为地方政府推动经济发展的重要政策工具,尚无相关研究系统考察地方政府出让行为中的官员个人作用。鉴于此,本文构建实证模型测度地方政府土地出让行为中官员的个人效应,并进一步分析官员特征对官员个人效应的影响,以期从“人本”视角深化对地方政府土地出让行为形成机理的认识,进而针对性地提出相应的政策启示。2 研究假说的提出
基于以下3方面的考虑,将本文研究对象所指向的地方官员界定为地级及以上城市(不含直辖市)的市委书记和市长(为方便行文,以下简称“官员”):其一,考虑到在中国现行的土地产权与交易制度安排下,市、县地方政府是土地出让的主体,与此相对应,应将研究对象界定为与地方政府土地出让行为产生紧密联系的市、县官员。其二,考虑到县级层面研究所需的数据不齐全,基于数据可得性的考虑,排除县的样本,将研究对象进一步缩减为地级及以上城市(包括地级市、副省级市、直辖市)的官员。其三,考虑到直辖市的特殊性,可比性不足,排除直辖市的样本,将研究对象进一步缩减为地级及以上城市(不含直辖市)的官员。那么,这些官员是否可以影响地方政府土地出让行为,涉及主观意愿与客观条件两方面的机制。在主观意愿方面,由于地方政府不可能控制货币政策,也难以控制资本、人口等流动要素,在这种背景下,土地出让成为为数不多的能够影响地区经济发展的政策工具之一[14]。土地出让具有的引资、融资、创收等功能很好地契合了官员的需求,是一种功能齐备的政策工具。因此,为促进地区经济发展,官员有影响地方政府土地出让行为的主观意愿:一方面可以通过土地出让带动土地开发、融资,推动城市建设、经营与发展,促进地区经济增长。另一方面可以利用土地出让增加财政收入,用于提供基础设施、教育、医疗、社保等公共物品,增强城市的吸引力,促进引资与引智,推动地区经济进一步发展。
在客观条件方面,土地出让由国土资源管理部门负责具体实施,而省以下国土资源管理体制实行垂直管理。在这种制度安排下,官员似乎缺乏影响地方政府土地出让行为的客观条件。但是,从实践经验来看并非如此,这根植于国土资源管理系统垂直管理的不完整性,主要表现有三:一是人、财、物管理权限的不完整性。行政管理的核心在于人、财、物,真正意义上的垂直管理是人、财、物完整的垂直管理。但是,省以下国土资源系统的垂直管理只是下管一级干部,关键的编制管理、财力保障、办公条件都需要依赖地方。二是关键领导干部管理权限的不完整性。虽然省以下国土资源系统拥有“下管一级”的干部管理权限,但是,对于市(县)国土资源管理部门党政正副职的任命,上一级国土资源主管部门党组(党委)需要事先征求地方党委的意见。三是职能行使的不完整性。国土资源管理部门在土地储备、土地征收、土地利用等具体事务上,无法做到完全独立地行使职能,具体事务的推进需要地方相关职能部门的密切配合。可见,地方官员有相应的客观条件,实施对土地出让的影响。
上述理论分析表明官员既有意愿也有条件,对地方政府土地出让行为产生影响。但需要指出的是,这种理论分析倾向于将官员抽象为“同质化”。实际上,由于生理上的差别、教育经历的差异、任职成长锻炼过程的不同,官员会形成差异性的个人特征。这种“异质化”自然也会体现在官员对土地出让工具的运用上,反映为具有不同个人特征的官员对地方政府土地出让行为影响的异质性。综上,本文提出两个逻辑递进的研究假说:
假说1:官员对地方政府土地出让行为具有重要影响,并且这种影响是异质性的。
假说2:官员的个体特征差异是上述异质性影响形成的重要原因。
其中,假说1为一个简单的“是非题”,用于确认本文研究主题的科学价值,而假说2则蕴含更多的政策价值,用于将官员的个体特征与官员在地方政府土地出让行为中的个人效应进行匹配,可以提供相应的政策启示。
3 计量模型与数据收集
3.1 计量模型
3.1.1 计量模型一:测度地方政府土地出让行为中的官员个人效应按照一般的计量分析思路,测度官员对地方政府土地出让行为的影响,直观的计量策略是,在控制地方政府土地出让行为的主要影响因素后,考察官员个人效应的水平与显著性。但是,这种计量方法存在一个明显缺陷:就是官员个人效应与城市固定效应之间极有可能存在共线性的问题。这是因为,官员与城市共处于同一空间,在这种情况下,即使计量模型控制了地方政府土地出让行为的主要影响因素以及时间固定效应,测度出的地区固定效应也并不等价于官员个人效应——其中既包含官员个人效应,还包含不可观测但影响地方政府土地出让行为的城市固定效应。在这种包含城市—时间—官员的“三维”固定效应模型中,必须采用一些特别的、有针对性的计量手段,才能可靠地测度出官员的个人效应。Bertrand等[15]、Jones等[16]的研究为我们提供了借鉴,他们采用跨企业流动的经理人样本,成功地将经理人的个人效应从企业固定效应中分离出来。国内的姚洋等[17]、王贤彬等[1]等也重复了类似的实证策略。一系列的实证研究表明采用“流动样本”估计个人效应的计量策略是可行的。具体的面板数据计量模型如下:
式中:LTitk为被解释变量,为表征地方政府土地出让行为的变量;下标i、t、k分别对应城市、年份、地方政府出让行为种类。目前地方政府土地出让中存在以下3方面的突出矛盾,是政府和社会关注的焦点:一是土地出让数量经常性突破年度用地计划,导致建设用地规模过早突破规划控制,根据2014年《国家土地督察公告》披露的数据,早在2013年很多省份就已经提前突破2020年的规划指标。二是住宅用地出让价格上涨过快,导致城市居民居住成本过高。根据易居研究院《全国50城地价房价比报告》披露的数据,2010年以来中国城市商品房中地价占房价的比重逐渐走高,目前一线、二线城市商品住宅中的地价占房价比重接近50%。三是工业用地出让价格“逐底竞争”现象广泛存在,导致工业用地粗放低效利用现象普遍。全国各类型的工业园区遍地开花,中西部大量工业园区荒废,圈好了地却没有足够的企业入驻[18]。对此,针对上述3方面的焦点问题,本文将表征地方政府土地出让行为的被解释变量LTitk(当k=1, 2, 3时)分别设置为:地方政府土地出让总量、住宅用地出让价格、工业用地出让价格,测度官员个人效应对这3种地方政府土地出让行为的影响。LDj为本文关注的核心解释变量,即官员的个人效应,以官员虚拟变量的形式进入模型,下标j分别对应不同的官员个体。可以看出,如果官员在研究期内一直在一个城市任职,其个人效应将与城市固定效应混同,无法分离。但如果其发生了“流动”,则其个人效应不再与城市固定效应共线性,可以分离。Xit为一系列的控制变量,用于控制3种地方政府土地出让行为的主要影响因素,对应地,β为控制变量的系数。αt、γi分别为年份、城市固定效应;εit为残差项。
3.1.2 计量模型二:识别官员个人效应的影响因素
计量模型一测度出的官员个人效应,反映的是在分离了其他因素的情况下,官员对地方政府土地出让行为的影响。在此基础上,本文将官员的个人效应与官员的个人特征联系起来,以官员特征为切入点,构建截面数据计量模型,考察官员特征与官员个人效应的关系。具体的计量模型如下:
式中:c为常数项;OCj为官员j的一系列特征变量,
3.2 数据的收集
3.2.1 样本范围的确定:基于官员交流网络的选择为利用式(1)测度官员的个人效应,需要寻找一个合适的“流动样本”数据集。本文注意到中国特有的官员交流制度带来的便利。《党政领导干部交流工作规定》(中办发〔2006〕19号)明确规定:“地区之间的干部交流,重点围绕国家经济社会发展战略和人才战略、地方经济社会发展布局和支柱产业及重大项目建设进行。”“干部交流的重点是县级以上地方党委、政府正职领导成员及其他领导成员”。对此,从官员交流总样本中,选择发生异地交流的地级及以上城市的市委书记和市长作为样本数据集,测度其个人效应。选取这一样本的原因有三:一是这些官员是异地交流的重点,异地交流信息及时发布,通过公开渠道能够获取相关信息;二是这些官员在2个以上的城市担任过党政“一把手”,有助于将官员个人效应与城市固定效应分离,实现对官员个人效应的测度;三是异地交流的官员将不同城市连通起来,使得计量模型中的官员个人效应具有可比性[17]。
样本范围确定的技术处理上,我们注意了5方面的因素:一是按照常情推测,官员进入一个新城市需要一定的适应时间才能发挥个人特色,换言之,官员个人效应的体现通常有一定时滞,因此本文选择的异地交流官员样本是在每个城市均任职2年以上的个体。二是为确定面板数据中官员与城市的匹配关系,对于一个城市年内有官员变动的,以半年为界限,在任时间超过半年的统计为该城市当年任职官员。三是考虑到直辖市政治地位的特殊性,样本中排除了与直辖市相关的官员样本。四是与其余变量数据时间范围相一致,收集的是研究期2007—2017年间的官员异地交流样本。五是与其余变量数据来源的空间范围相一致,官员异地交流样本限于《中国城市统计年鉴》中地级及以上城市统计范畴。基于上述规则限定,我们通过系统梳理人民网地方领导资料库中2007—2017年间相关城市1649位市委书记和市长的简历,确定了研究期内发生过异地交流的市委书记和市长为347人次,进而将异地交流官员与调出、调入城市进行匹配,利用社会网络的方法构建了一个235×235官员异地交流网络(图1,图上箭头由官员调出城市指向调入城市),并从中提取出18个连通子样本。其中,最大连通子样本包括109个城市,涉及107位官员,基于连通样本的传递性,这些官员的个人效应相互可比,该子样本即是最终确定的样本范围。
图1
新窗口打开|下载原图ZIP|生成PPT图1官员交流网络
Figure 1Exchange network of government officials
3.2.2 数据收集
(1)地方政府土地出让数据。基于中国土地市场网的土地交易数据库收集土地出让数据,考虑数据完整性,收集的是2006—2017年109个城市的土地出让记录,其中,2007—2017年的数据为式(1)模型中被解释变量所使用;2006—2016年的数据为式(1)模型中控制变量所使用。一共收集了2006—2017年109个城市发生的161971宗商服用地、285947宗住宅用地、359476宗工业用地出让成交记录。进而,剔除明显异常的记录(如关键数据缺失、计量单位错误),并借鉴Hodge等[19]的方式,参考国际估价师协会(IAAO2010)对异常数据界定的建议,根据宗地出让单价,以城市为单位,分用途进一步剔除位于上下四分位数的1.5倍四分位距以外的异常记录。在此基础上,汇总、处理数据获取109个城市2006—2017年的土地出让总量、住宅用地出让平均价格、工业用地出让平均价格。
(2)控制变量数据。为避免多重共线性的不利影响,应精炼选择控制变量。针对式(1)中被解释变量的差别,控制变量分为3类:第一类是土地出让总量的控制变量。主要考虑了两方面的因素:其一,指标管控从供给端构成了土地出让总量的主要约束,应将其纳入控制变量。当然,新增建设用地指标分解方案也是统筹考虑经济增长、农业人口转移、产业结构、节约集约用地、土地资源禀赋、区域平衡发展等因素的结果[20],而这些因素也刻画了不同城市社会经济发展的主要特征,因此也正是从需求端影响土地出让总量的主要因素。其二,省级层面官员考核、财政分成的具体政策安排、新增建设用地指标总量及其分配偏好也会影响城市的土地出让总量。对此,应考虑省际差异的影响,应将其纳入控制变量。按照上述思路,参考相关研究[21,22],分别采用地区生产总值增速、人口城镇化率、第三产业增加值占GDP比重、单位建设用地二三产产出、建设用地面积占辖区面积比重、人均GDP、省份哑变量等7个变量,控制经济增长、农业人口转移、产业结构、节约集约用地、土地资源禀赋、区域平衡发展、省际差异对城市土地出让总量的影响。第二类是住宅用地出让价格的控制变量。遵循价格形成规律,住宅用地出让价格的形成源于需求、供给两方面的因素。参考相关研究[23,24],选择如下:①需求因素,采用工资水平、就业人数控制需求状况对住宅用地出让价格的影响;②供给因素,采用住宅用地出让量控制供给状况对住宅用地出让价格的影响。第三类是工业用地出让价格的控制变量。也从需求、供给两方面选择控制变量,参考相关研究[24],选择如下:①需求因素,采用第二产业比重、人均工业产值控制需求状况对工业用地出让价格的影响;②供给因素,采用工业用地出让量控制供给状况对工业用地出让价格的影响。控制变量数据的技术处理过程中,需要说明2点:一是为避免可能存在的逆向因果关系带来联立性内生问题,并捕捉控制变量的滞后影响,控制变量均以一阶滞后项的形式进入模型,对应的是2006—2016年的数据。二是控制变量中,涉及价格因素的变量,均采用各省份的价格指数进行了消胀处理,调整为2005年可比价。
(3)官员特征变量数据。一般而言,生理特征、能力特征与任职经历特征共同构成了官员特征。参考相关研究[25,26],从这3方面选择官员特征变量:①生理特征。在中国,官员年龄是最重要的生理特质,年龄优势意味着下一阶段有更高的作为空间,影响着官员面对激励时的反应强度,可能对地方政府土地出让行为产生差异性的影响。对此,采用首次担任地级城市市委书记、市长时的年龄考察其影响。②能力特征。大量人力资本研究文献表明个人受教育程度与能力的形成有密切关系[27],制约着官员的治理能力,可能对地方政府土地出让行为产生差异性的影响。考虑到官员在职学历能否很好地反映个人能力值得商榷,因此,采用官员参加工作前的最高学历度量,对于中学及以下、大专、本科、硕士、博士学历,分别赋值1、2、3、4、5,进而考察其影响。具体而言,确认官员参加工作前的最高学历时,我们作了如下技术处理:一是考虑到1977年恢复高考的特殊时间节点,即使在这之前已参加工作的,也以参加高考后获得的学历为准。二是参加工作后,如果一直从事的是与政府系统无关的工作(如科研技术工作),工作后继续深造获得更高学历,此后再调入政府部门工作的,以调入政府部门工作前的最后学历为准。③任职经历特征。其一,官员任期长短决定着其行为模式长期化或短期化的倾向。如果官员担任地级城市市委书记、市长以来,在每个城市的平均任职时间都比较短,就可能会强化短期行为模式倾向,进而对地方政府土地出让行为产生影响。对此,采用官员担任地级城市市委书记、市长以来,在每个城市的平均任职时间,衡量任期长度,考察其影响。其二,一般而言,基层党委、政府的工作聚焦于政策执行,高层级党委、政府的工作着力于政策制定,不同的锻炼成长路径会影响官员工作方式的形成,可能对地方政府土地出让行为产生差异性的影响。对此,分别采用地级市市委书记、市长之前是否担任过县级党政一把手的虚拟变量,考察主持基层全面工作经历的影响;采用官员担任地级市市委书记、市长之前是否有过中央、省级党委、政府任职经历的虚拟变量,考察高层级党委、政府工作经历的影响。特别地,考虑到有过国土系统工作经历的官员更熟悉土地出让政策工具的运作,对此,采用官员担任地级市市委书记、市长之前是否有过国土系统任职经历的虚拟变量,考察国土系统工作经历的影响。上述各方面变量的数据来源、构造过程及其描述性统计结果见表1。
Table 1
表1
表1变量说明与描述性统计分析结果
Table 1
变量名称 | 平均值 | 标准差 | 最大值 | 最小值 | 指标构造过程及数据来源 |
---|---|---|---|---|---|
土地出让量 | 6.597 | 0.943 | 9.328 | 3.287 | 样本汇总整理,单位:hm2,取自然对数 |
住宅用地出让价格 | 6.937 | 1.087 | 11.031 | 2.392 | 样本汇总整理,单位:元/m2,取自然对数 |
工业用地出让价格 | 5.174 | 0.628 | 2.124 | 9.619 | 样本汇总整理,单位:元/m2,取自然对数 |
地区生产总值增速 | 11.136 | 2.523 | 32.900 | –0.900 | 数据来源于《中国城市统计年鉴》[28],部分缺失数据由相应省份的统计年鉴数据补齐,单位:% |
人口城镇化率 | 53.712 | 13.755 | 99.740 | 25.060 | 城镇人口/年末总人口,数据来源于相应省份的统计年鉴,常住人口口径,单位:% |
第三产业增加值占GDP比重 | 43.706 | 8.981 | 77.490 | 12.010 | 数据来源于《中国城市统计年鉴》,单位:% |
单位建设用地二三产产出 | 10.847 | 0.681 | 12.931 | 8.652 | 第二、三产业增加值总和/城市建设用地面积,数据来源于《中国城市统计年鉴》,单位:万元/km2,取自然对数 |
建设用地面积占辖区面积比重 | 8.435 | 7.741 | 49.720 | 1.240 | 城市建设用地面积/行政区域土地面积,数据来源于《中国城市统计年鉴》,单位:% |
人均GDP | 0.581 | 10.491 | 12.206 | 8.307 | 数据来源于《中国城市统计年鉴》,单位:元,取自然对数 |
省份哑变量 | 0.100 | 0.300 | 1.000 | 0.000 | 以虚拟变量0、1表示 |
人口数量 | 5.878 | 0.627 | 7.039 | 4.290 | 用年末总人口衡量,数据来源于《中国城市统计年鉴》,单位:万人,取自然对数 |
地区生产总值 | 16.276 | 0.974 | 19.091 | 13.160 | 数据来源于《中国城市统计年鉴》,单位:万元,取自然对数 |
工资水平 | 10.425 | 0.435 | 12.678 | 8.906 | 用职工平均工资衡量,数据来源于《中国城市统计年鉴》,单位:元,取自然对数 |
就业人数 | 3.563 | 0.753 | 6.113 | 1.609 | 用年末单位从业人员数衡量,数据来源于《中国城市统计年鉴》,单位:万人,取自然对数 |
住宅用地出让量 | 5.281 | 1.089 | 8.195 | 1.048 | 样本汇总整理,单位:hm2,取自然对数 |
第二产业比重 | 48.916 | 10.861 | 85.640 | 14.950 | 数据来源于《中国城市统计年鉴》,单位:% |
人均工业产值 | 10.671 | 1.158 | 13.654 | 6.002 | 工业总产值/年末总人口,数据来源于《中国城市统计年鉴》,单位:元,取自然对数 |
工业用地出让量 | 5.704 | 1.081 | 8.379 | 1.682 | 样本汇总整理,单位:hm2,取自然对数 |
官员晋升年龄 | 47.682 | 3.411 | 56.000 | 39.000 | 官员晋升为地级城市市委书记、市长时的年龄,数据由人民网地方领导资料库[29]中的官员简历整理而得 |
官员学历 | 2.429 | 0.813 | 5.000 | 1.000 | 由人民网地方领导资料库中的官员简历整理而得 |
官员任期长度 | 3.415 | 1.351 | 7.000 | 2.000 | 由人民网地方领导资料库中的官员简历整理而得,单位:年 |
官员主持基层全面工作经历 | 0.364 | 0.483 | 1.000 | 0.000 | 由人民网地方领导资料库中的官员简历整理而得 |
官员中央党委政府工作经历 | 0.074 | 0.264 | 1.000 | 0.000 | 由人民网地方领导资料库中的官员简历整理而得 |
官员省级党委政府工作经历 | 0.607 | 0.491 | 1.000 | 0.000 | 由人民网地方领导资料库中的官员简历整理而得 |
官员国土部门工作经历 | 0.037 | 0.190 | 1.000 | 0.000 | 由人民网地方领导资料库中的官员简历整理而得 |
新窗口打开|下载CSV
4 结果与分析
4.1 地方政府土地出让行为中的官员个人效应分析
按照式(1)模型,对107位官员的个人效应进行测度。在式(1)城市、年份双固定效应模型形式的设定下,残差诊断结果表明以土地出让总量、住宅用地出让价格、工业用地出让价格为被解释变量的3个模型均存在同期截面相关,因此选择Cross-section SUR方法得到参数估计量方差协方差矩阵的一致性估计,进而从宏观、微观两个层面对地方政府土地出让行为中官员个人效应测度结果进行分析。4.1.1 宏观层面的分析
在宏观层面上,本文关注的是官员个人效应在地方政府土地出让行为形成机理中的贡献大小。很显然,式(1)回归模型中的解释变量系数大小是不能用于直接比较的。对解释变量系数进行标准化似乎是一个解决方案,但是,标准化后系数只能用于重要性排序,并不能明确解释变量贡献的具体水平。对此,本文使用基于回归方程的夏普里值分解框架测度式(1)模型中各种变量的贡献大小,进而分析地方政府土地出让行为形成机理中各种因素的重要程度,确定官员个人效应在地方政府土地出让行为形成过程中的贡献。根据Israeli[30]与Shorrocks[31]的研究,回归方程中解释变量的贡献大小相当于其对决定系数(R2)的边际效用,在数值上,等于用完整回归方程对应的决定系数减去不包含该解释变量回归方程对应的决定系数。但是,需要指出的是,随着解释变量被剔除回归方程顺序的变化,其对决定系数的边际效用也会发生变动。因此,对解释变量贡献大小的测度必须是解释变量剔除顺序全部可能组合所对应结果的平均值。按照上述夏普里值分解框架,测度了式(1)中相关解释变量的贡献大小(表2)。其中,贡献量是分解得到的解释变量对应的决定系数边际增量,贡献度是贡献量标准化后的百分比。可见,对于被解释变量土地出让总量、住宅用地出让价格、工业用地出让价格,官员个人效应的贡献量分别为0.146、0.151、0.176,对应的贡献度分别为16.28%、17.41%、23.34%。无论从贡献的绝对量还是从贡献的百分比来看,官员个人效应都是地方政府土地出让行为形成机理中的重要影响因素。
Table 2
表2
表2夏普里值分解过程
Table 2
变量名称 | 被解释变量:土地出让总量 | 被解释变量:住宅用地出让价格 | 被解释变量:工业用地出让价格 | |||||
---|---|---|---|---|---|---|---|---|
贡献量 | 贡献度/% | 贡献量 | 贡献度/% | 贡献量 | 贡献度/% | |||
城市虚拟变量 | 0.137 | 15.27 | 0.059 | 6.81 | 0.086 | 11.41 | ||
年份虚拟变量 | 0.079 | 8.81 | 0.119 | 13.73 | 0.114 | 15.12 | ||
控制变量 | 0.535 | 59.64 | 0.538 | 62.05 | 0.378 | 50.13 | ||
官员虚拟变量 | 0.146 | 16.28 | 0.151 | 17.41 | 0.176 | 23.34 | ||
合计 | 0.897 | 100.00 | 0.867 | 100.00 | 0.754 | 100.00 |
新窗口打开|下载CSV
4.1.2 微观层面的分析
宏观层面的分析表明,官员个人效应是地方政府土地出让行为形成机理中的重要影响因素。在此基础上,我们自然会进一步追问这种官员个人效应是否不相上下,表现为一种“平均水平”?或是因人而异,表现出明显的个体差异?为回答这一问题,我们通过考察估计得出的官员个人效应分布进行判断。对此,刻画了地方政府土地出让总量、住宅用地出让价格、工业用地出让价格中官员个人效应的核密度分布(图2)。在Jarque-Bera检验中,3种官员个人效应均在10%显著性水平上无法拒绝样本为正态分布的原假设。且相比标准正态分布,官员个人效应呈现出尖峰厚尾分布特征,这提示官员个人效应分化现象较标准正态分布更为明显。
图2
新窗口打开|下载原图ZIP|生成PPT图2官员个人效应的核密度分布
Figure 2Kernel density distribution of government officials’ individual effect
进一步,在表3中报告了3种官员个人效应(地方政府土地出让总量、住宅用地出让价格、工业用地出让价格中的官员个人效应)分布的细节信息,包括均值、最大值、最小值、标准误、中位数、较小四分位数、较大四分位数等数值。可见,3种官员个人效应的均值与最大值、最小值差异明显,中位数与较小、较大四分位数差异明显,表明3种官员个人效应的样本内部均存在明显差异。综合宏观、微观层面的分析结果,可以认为,官员的个人效应是地方政府土地出让行为形成机理中重要的、富有个体差异的影响因素。实证研究结果支持研究假说1,我们从经验证据中发现了官员在地方政府土地出让行为中留下的鲜明的个人特色烙印。
Table 3
表3
表3官员个人效应分布统计信息
Table 3
统计指标 | 官员个人效应:土地出让总量 | 官员个人效应:住宅用地出让 价格 | 官员个人效应:工业用地出让 价格 |
---|---|---|---|
Jarque-Bera检统计量(P值) | 0.419 (0.811) | 2.120 (0.346) | 3.636 (0.163) |
均值 | 0.006 | 0.028 | -0.049 |
最大值 | 0.551 | 0.814 | 0.470 |
最小值 | -0.398 | -0.825 | -0.881 |
标准误 | 0.193 | 0.282 | 0.209 |
中位数 | -0.002 | 0.043 | -0.019 |
较小四分位数 | -0.127 | -0.151 | -0.232 |
较大四分位数 | 0.125 | 0.172 | 0.143 |
观察值数 | 107 | 107 | 107 |
新窗口打开|下载CSV
4.2 官员个人效应影响因素分析
官员个人效应的分析结果表明,官员对地方政府土地出让行为具有重要影响,并且这种影响呈现出明显个体差异。在这种状况下,我们感兴趣的是:这种重要影响个体差异的存在,是否暗示其与官员个体特征存在紧密联系?换言之,我们需要以官员特征为切入点,进一步明确官员个人效应的形成机制。对此,分别以3种官员个人效应为被解释变量,按照式(2)构建3个截面数据模型,从官员生理特征、能力特征与任职经历特征等维度,考察官员个人效应形成机制。White检验结果表明本文的3个截面数据模型不存在显著的异方差问题,因此采用普通最小二乘法(OLS)进行参数估计。4.2.1 官员特征与地方政府土地出让总量中的个人效应
表4中报告了以地方政府土地出让总量中官员个人效应为被解释变量的回归分析结果。在表4的模型(1)、模型(2)、模型(3)中依次放入官员生理特征(官员晋升年龄)、能力特征(官员学历)、任职经历特征(官员任期长度、官员主持基层全面工作经历、官员中央工作经历、官员省级党委政府工作经历、官员国土部门工作经历)3方面的官员特征变量,并在模型(4)中将3方面的官员特征变量全部放入。可以发现,在仅考察某一方面特征与综合考察全部特征的过程中,变量系数的符号一致,显著性水平与系数大小略有差异,结果基本保持稳定,可以认为计量分析结果具有稳健性。根据表4的回归分析结果,可以得出一系列的结论:
Table 4
表4
表4地方政府土地出让总量中官员个人效应影响因素的回归分析结果
Table 4
变量名称 | 模型(1) | 模型(2) | 模型(3) | 模型(4) |
---|---|---|---|---|
官员晋升年龄 | 0.012 (0.027) | 0.022 (0.029) | ||
官员学历 | -0.034*** (0.012) | -0.031*** (0.009) | ||
官员任期长度 | -0.074** (0.035) | -0.066*** (0.024) | ||
官员主持基层全面工作经历 | -0.031 (0.045) | -0.027 (0.051) | ||
官员中央工作经历 | 0.246*** (0.061) | 0.228*** (0.055) | ||
官员省级党委政府工作经历 | 0.115* (0.064) | 0.102* (0.059) | ||
官员国土部门工作经历 | -0.438*** (0.077) | -0.387*** (0.068) | ||
截距项 | -0.009 (0.114) | -0.249*** (0.083) | 1.629*** (0.507) | 1.541*** (0.511) |
观察值数 | 107 | 107 | 107 | 107 |
R2 | 0.003 | 0.051 | 0.376 | 0.446 |
新窗口打开|下载CSV
其一,官员晋升年龄系数未通过显著性检验,表明年龄未对地方政府土地出让总量中官员个人效应产生显著影响。考虑到样本官员首次担任地级城市市委书记、市长时的平均年龄接近48岁,表明这些官员都经历了长期的任职锻炼。我们认为在长期的锻炼过程中,官员面对激励时运用土地出让工具的行为模式已经趋于成熟,在这种情况下,年龄的边际影响不显著也在情理之中。
其二,反映官员能力特征的学历变量系数在1%水平上显著为负,表明在控制其他影响因素的情况下,官员学历越高越倾向于抑制土地出让总量。一般而言,高学历通常意味着更高的学习能力和认知水平。根据社会学习理论,人类行为模式形成的重要驱动因素来源于观察学习[32]。在中国经济发展阶段进入后工业化时代后,要实现经济的可持续发展,需要依靠的是技术进步与创新而非要素投 入[33]。在此背景下,更高学历的官员可能更好地适应了经济发展阶段变化对政策安排转变的要求,因此,在发展地区经济的政策工具选择中,并不过分依赖于土地要素投入。
其三,反映官员任职经历特征的几个变量对地方政府土地出让总量中官员个人效应的影响各异。首先,官员任期长度在1%的水平上显著为负,这意味着在控制其他影响因素的情况下,官员平均任期越长,越倾向于抑制土地出让总量;相反,官员的平均任期越短,越倾向于增加土地出让总量,与社保[8]、环境[13]治理领域的研究类似,可以确认地方政府土地出让量也受官员短期行为的影响。此外,考虑官员任期长度作为时间变量可能存在非线性影响[4],我们在后备模型中还加入了任期长度的二次项、三次项,但都不显著(限于篇幅未列出)。这可能与样本官员任期长度有限,无法表现出显著的非线性影响有关。其次,衡量官员主持基层全面工作经历、中央工作经历、省级工作经历的3个虚拟变量的系数显著性形成了鲜明对照:官员主持基层全面工作经历的系数不显著,中央与省级党委、政府工作经历的系数分别在1%、10%的水平上显著为正。这表明高层级党委、政府工作经历对地方政府土地出让总量中官员个人效应具有正向影响,而基层工作经历则没有显著影响。这种情况的产生,可能与主观、客观两方面的因素有关:主观方面是垂直交流官员的补偿性动机。由于垂直交流官员缺乏全面主持一个地区经济发展的经验,平均上会导致辖区经济增长降低1个百分点左右[5],即所谓的辖区支付的培养成本。出于补偿动机,垂直交流官员会更为激进地增加土地出让总量,推行以土地开发为基础的城市经营,推动地区经济增长,弥补培养成本。客观方面是垂直交流官员的政治资源优势。高层级党委、政府工作经历形成的背景和关系网络[34],使得垂直交流官员通常拥有更多的政治资源,能更便利地争取到土地出让指标的政策倾斜,进而为增加土地出让总量提供了条件。最后,官员是否具有国土系统工作经历的虚拟变量在1%的水平上显著为负,表明具有国土系统工作经历的官员更倾向于控制土地出让量。这与人们长期形成的国土部门主要职能是“卖土地”的偏见不一致。本文实证研究表明,具有国土系统工作经历的官员,并未表现出更为积极地利用土地出让工具的行为倾向。相反,在有效约束土地出让总量方面其实做得更好。这可能与这部分官员熟悉土地规划、管理相关法律法规,知悉土地违法案例惩罚结果有关,进而选择更合理地控制土地出让总量。
4.2.2 官员特征与地方政府土地出让价格中的个人效应
表5中报告的回归分析结果针对的是2种出让价格中的官员个人效应。表5中模型(1)至模型(4)的被解释变量为住宅用地出让价格中的官员个人效应,在模型(1)、模型(2)、模型(3)中依次放入官员生理特征(官员晋升年龄)、能力特征(官员学历)、任职经历特征(官员任期长度、官员主持基层全面工作经历、官员中央工作经历、官员省级党委政府工作经历、官员国土部门工作经历)3方面的官员特征变量,并在模型(4)中将3方面的官员特征变量全部放入。表5中模型(5)至模型(8)的被解释变量为工业用地出让价格中的官员个人效应。在模型(5)、模型(6)、模型(7)中依次放入官员生理特征(官员晋升年龄)、能力特征(官员学历)、任职经历特征(官员任期长度、官员主持基层全面工作经历、官员中央工作经历、官员省级党委政府工作经历、官员国土部门工作经历)3方面的官员特征变量,并在模型(8)中将3方面的官员特征变量全部放入。可以发现,2种被解释变量对应的回归分析结果中,单独考察某方面官员特征与综合考察官员全部特征的基本结果保持稳定,可以认为计量分析结果具有稳健性。表5的回归分析结果如下:
Table 5
表5
表5地方政府住宅与工业用地出让价格中官员个人效应影响因素的回归分析结果
Table 5
变量 名称 | 被解释变量:住宅用地出让价格中的官员个人效应 | 被解释变量:工业用地出让价格中的官员个人效应 | |||||||
---|---|---|---|---|---|---|---|---|---|
模型(1) | 模型(2) | 模型(3) | 模型(4) | 模型(5) | 模型(6) | 模型(7) | 模型(8) | ||
官员晋升年龄 | 0.009 (0.011) | 0.007 (0.009) | -0.014 (0.009) | -0.011 (0.008) | |||||
官员学历 | -0.107*** (0.037) | -0.082*** (0.027) | 0.021*** (0.008) | 0.016*** (0.004) | |||||
官员任期长度 | -0.051** (0.024) | -0.055** (0.022) | 0.031*** (0.008) | 0.027*** (0.008) | |||||
官员主持基层全面工作经历 | 0.237*** (0.078) | 0.231*** (0.068) | -0.087** (0.033) | -0.081** (0.026) | |||||
官员中央工作经历 | -0.014 (0.092) | -0.011 (0.076) | 0.021 (0.045) | 0.023 (0.042) | |||||
官员省级党委政府工作经历 | -0.034 (0.049) | -0.028 (0.056) | 0.032 (0.049) | 0.024 (0.036) | |||||
官员国土部门工作经历 | -0.252*** (0.062) | -0.194*** (0.055) | 0.144*** (0.046) | 0.172*** (0.057) | |||||
截距项 | 0.054 (0.396) | 0.946*** (0.122) | -0.067*** (0.025) | -0.959*** (0.061) | -0.349 (0.369) | -0.262*** (0.071) | -0.046*** (0.016) | -1.003*** (0.047) | |
观察值数 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | |
R2 | 0.011 | 0.107 | 0.269 | 0.387 | 0.026 | 0.168 | 0.168 | 0.369 |
新窗口打开|下载CSV
其一,官员晋升年龄系数均未通过显著性检验,表明年龄对2种出让价格中的官员个人效应都没有显著影响。这也再次印证了官员样本年龄偏大,面对激励时运用土地出让工具的行为模式已经趋于成熟的推断。
其二,官员学历对2种出让价格中官员个人效应的影响差异明显。对于住宅用地出让价格中的官员个人效应,学历变量系数在1%水平上显著为负,表明在控制其他影响因素的情况下,官员学历越高越倾向于抑制住宅用地出让价格。相反,对于工业用地出让价格中的官员个人效应,学历变量系数在1%水平上显著为正,表明在控制其他影响因素的情况下,官员学历越高越倾向于提升工业用地出让价格。对此,我们认为这从另一个侧面表明,学历更高的官员更好地适应了经济发展方式的转变,不强调通过扭曲土地要素价格实现经济发展,反映在住宅、工业用地出让价格中表现为不依靠通过高价出让住宅用地创收,不依赖通过工业用地低价出让招商引资。
其三,官员任职经历特征对2种出让价格中的官员个人效应影响各异。首先,对于住宅、工业用地出让价格中的官员个人效应,官员任期长度的系数分别在5%、1%的水平上显著为负、为正。这意味着官员的平均任期越长,越倾向于抑制住宅用地出让价格及提升工业用地出让价格;相反,官员的平均任期越短,越倾向于推升住宅用地出让价格及压低工业用地出让价格。这让我们再次确认地方政府土地出让价格也受官员短期行为的影响。此外,我们也在后备模型中加入了任期长度的二次项、三次项,但都不显著(限于篇幅未列出),表明官员任期长度对2种出让价格中的官员个人效应没有显著的非线性影响。其次,值得注意的是,对于住宅、工业用地出让价格中的官员个人效应,中央、省级工作经历等反映高层级党委、政府任职历练的虚拟变量的系数不再显著,相反,主持基层全面工作经历的虚拟变量的系数一正一负,分别在1%、5%的水平上显著。表明相比其他官员,从基层提拔的官员,更倾向于推升住宅用地出让价格及压低工业用地出让价格。我们认为,这可能与他们长期面临更为激烈的横向竞争形成的行为模式有关。相比垂直交流官员,基层官员的政治资源相对匮乏,更需要通过出色的经济增长绩效,证明个人工作能力[35]。为此,没有高层级党委、政府工作经历,从基层提拔上来的官员会更趋于利用土地出让价格工具追求财政增收、经济增长等经济绩效。最后,对于住宅、工业用地出让价格中的官员个人效应,反映官员是否具有国土系统工作经历的虚拟变量在1%的水平上显著为负、为正。这表明相比其他官员,具有国土系统工作经历的官员更倾向于抑制住宅用地出让价格及提升工业用地出让价格。这让我们再次确认具有国土系统工作经历的官员倾向于合理地把握土地出让价格。
综上分析结果,可以发现,官员的个体特征构成了地方政府土地出让总量、住宅用地出让价格、工业用地出让价格中官员个人效应的重要形成机制,以官员个体特征为切入点,可以有效解释官员个人效应差异的产生原因。实证研究结果支持研究假说2,我们从经验证据中发现了官员特征对官员个人效应的重要影响。
4.2.3 稳健性检验
在官员个人效应影响因素计量分析已有结果中我们已经考虑了一种稳健性检验:通过逐方面地加入官员特征变量,进而改变模型形式的方式,检验了计量分析结果对不同模型形式的稳健性。除此之外,我们还考虑了2种稳健性检验:一是替换解释变量。改变官员年龄变量的定义,以研究期中点处2012年时官员的年龄定义年龄变量;改变官员学历变量的定义,以受教育年限替代1~5的学历分类定义学历变量。二是拆分样本。将官员样本按照任职城市拆分为东部和中西部2个样本,并剔除跨区域调动的4位官员,然后分区域进行计量分析。上述回归分析结果同样支持本文的基本结论。限于篇幅,结果未列出。
5 结论与政策启示
5.1 结论
在中国,官员治理水平是理解地方经济发展的一个重要视角,而土地出让是地方政府推动经济发展的重要政策工具。将两者放在同一视域中加以考察,研究官员对地方政府土地出让行为的影响,有利于从“人本”视角深化对地方政府土地出让行为形成机理的认识。本文利用官员交流网络选择并构建样本数据集,采用城市—时间—官员的“三维”固定效应模型分离出地方政府土地出让行为中的官员个人效应,并基于官员特征视角分析了官员个人效应的形成机制。得到以下主要结论:(1)在地方政府土地出让总量、住宅用地出让价格、工业用地出让价格的形成过程中,官员个人效应的贡献度分别为16.28%、17.41%、23.34%,是地方政府土地出让行为形成机理中的重要影响因素。官员个人效应的分布表现出尖峰厚尾正态分布的特征,呈现出明显的分化。
(2)对于土地出让总量、住宅用地出让价格、工业用地出让价格中的官员个人效应,官员晋升年龄均没有显著影响,官员学历、官员任期长度与国土系统工作经历则均具有显著影响。其中,学历越高的官员越倾向于抑制土地出让总量、住宅用地出让价格以及提升工业用地出让价格;平均任期越短的官员,越倾向于推升土地出让总量、住宅用地出让价格以及压低工业用地出让价格;具有国土系统工作经历的官员更倾向于抑制土地出让总量、住宅用地出让价格以及提升工业用地出让价格。
(3)对于土地出让总量中的官员个人效应,中央、省级等高层级党委、政府工作经历具有显著影响,而主持基层全面工作经历则没有显著影响。与之相反,对于住宅、工业用地出让价格中的官员个人效应,中央、省级等高层级党委政府工作经历则没有显著影响,主持基层全面工作经历则具有显著影响。表现为垂直交流官员更倾向于增加土地出让总量;从基层提拔上来的官员,更倾向于推升住宅用地出让价格及压低工业用地出让价格。
5.2 政策启示
基于上述研究结论,无法刻画一个具有“完美”的土地出让行为模式的官员形象。对于合理控制土地出让总量,避免突破规划;合理把握土地出让价格,防止土地要素价格严重扭曲的政策目标,政策安排似乎顾此失彼,难以形成具有一致性、普适性的措施设计。鉴于此,“全局+局部”是更为合理的政策安排思路。需要强调的是,官员对地区经济社会影响维度呈现出多样性,在这里提供的仅是针对地方政府土地出让行为治理的一些政策启示:(1)针对官员学历、官员任期长度、官员国土部门工作经历的全局性影响,可以给出3点全局性的政策启示:其一,高学历的官员具有更合理的土地出让行为模式,在官员的培养与任用过程中,重视学历因素是有现实合理性的。其二,为避免官员短期行为带来的不利影响,应适当增加官员任期长度。特别是,考虑到本文样本官员在每个城市的平均任期不到3.5年的现状,增加官员任期长度尚有充足的调整空间。其三,官员国土系统的工作经历有助于形成更合理的土地出让行为模式,为充分利用官员国土系统工作经历带来的积极影响,在官员锻炼培养过程中,可适当注意国土系统工作历练。
(2)针对官员任职经历特征的非全局性影响,可以给出2点局部性的政策启示:首先,考虑到垂直交流官员增加土地出让总量的倾向,对于突破土地利用规划现象严重的地区,应注意频繁的官员垂直交流的不利影响,防止过多的垂直交流官员进一步扩张土地出让总量。其次,考虑到没有高层级党委、政府工作经历,从基层提拔上来的官员具有推升住宅用地出让价格、压低工业用地出让价格的倾向,对于住宅用地出让价格严重偏高、居民住房支出占比明显偏大的地区,以及工业用地出让价格明显偏低、工业用地粗放利用现象严重的地区,应注意基层党委、政府与高层级党委、政府之间官员的双向交流,进而抑制官员人为影响土地要素价格的动机。
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: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
URL [本文引用: 1]
很荣幸今天能在"经济学家论坛"发表我对中国经济研究的一点心得.作为山东大学的兼职教授,今天能够与这么多的同学在一起交换一些看法,我也感到非常高兴.大家已经注意到,最近两周来,我们国内的主要媒体一直在强调着一个重要的观点,也就是小平同志曾经讲过的那句话,发展是硬道理.发展是第一要务.这句话对经济学家来说意味深长,因为我还没有看到世界上的哪个国家和地区如此明确地表明过这么一个重要的发展共识和贯穿到底的发展意愿,而它们却常常被经济学家的视野所忽略.今天我想说明为什么我认为这个发展的意愿和共识是经济增长的格外重要的因素.
[J].
[本文引用: 1]
[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: 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]
[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]. ,
DOI:10.1016/j.landusepol.2018.04.027URL [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]
[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]. ,
DOI:10.1093/jeg/lbt024URL [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: 1]
[J]. ,
URLPMID:33514823 [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]
[R]. ,
[本文引用: 1]