吴淑萍^1,2, 杨赞^1,2
1. 清华大学 恒隆房地产研究中心, 北京 100084;
2. 清华大学 建设管理系, 北京 100084

收稿日期：2018-01-23
基金项目：国家自然科学基金面上项目（71673154）
作者简介：吴淑萍(1993-), 女, 博士研究生
通信作者：杨赞, 副教授, E-mail: zanyang@tsinghua.edu.cn

摘要：土地作为经济发展的基本生产要素，其有效供应对经济和社会发展具有重要影响。在中国，国有土地实行计划供应，土地供应计划对地方政府土地供应决策的影响会显著影响土地供应效率。该文在前景理论框架下，基于全国各省及直辖市以及地级市住房用地供应计划及执行情况的面板数据，采用面板模型和门槛面板模型，分析发现2010—2013年间地方政府在住房用地供应计划下的住房用地供应行为符合前景理论预测：对供应计划目标存在参照依赖，但同时存在敏感度递减。超额设定的供应计划可以提高地方政府的住房用地供应量；但计划目标设定过高时，计划效力减弱，计划未完成率提升。
关键词：土地供应政府前景理论门槛面板模型
Impacts of land supply planning on local government land supply behaviour: An analysis based on prospect theory
WU Shuping^1,2, YANG Zan^1,2
1.Hang Lung Center for Real Estate Studies, Tsinghua University, Beijing 100084, China;
2.Department of Construction Management, Tsinghua University, Beijing 100084, China


Abstract: The land supply significantly impact economic and social development. China supplies state-owned land under an administrative plan whose effectiveness determines the land resource allocation efficiency. Prospect theory is used here to investigate a local government's residential land supply behavior for one representative administrative plan from 2010 to 2013 based on panel data from provincial and prefecture level cities in China. The results illustrate the reference dependence and diminishing sensitivity of a local government's residential land supply behavior and indicate that a residential land supply administrative plan will not be efficient if the objective is set too high.
Key words: land supplygovernmentprospect theorypanel threshold model
土地作为具有公共性质的稀缺性资源，是经济发展的基本生产要素。土地供应，尤其是国有建设用地中的住房用地供应，对经济和社会发展存在重要影响。在经济层面，住房用地供应会通过影响住房供应价格弹性和住房价格，影响居民储蓄^[1]、消费和投资行为^[2-3]，并最终传导向城市发展和宏观经济^[4]。在社会层面，住房用地供应还会影响社会组织结构的形态和家庭抵御风险的能力^[5]。
土地使用规划和计划在不同国家虽然形式不同，但都对土地市场运行存在重要影响^[6]。在中国，国家作为国有土地所有者，对国有建设用地使用权实行有计划的供应^[7]。在计划管理模式下，土地供应计划对地方政府土地供应决策的影响路径和影响结果，具有尤为重要的理论和现实意义。特别是住房用地供应计划，2010年以来被作为我国土地供应政策中的重要调控工具，对房价和城市住房市场造成了显著影响^[8]。
土地市场中的政府行为一直是研究的重要内容。大量****基于分权理论与激励理论^[9-10]、博弈理论^[11]、实物期权理论^[12]、合谋理论^[13]等，对国有建设用地供应中的政府决策进行了关注。诸多研究分析了财政约束下地方政府的土地供应决策^[14-15]，但对土地供应计划这一对地方政府土地供应决策影响最大的行政约束^[14]的研究却非常有限^[16]。
此外，现有研究基于完全市场假设和理性人假设，与现实存在较大背离^[17]。随着行为经济学的发展，****对土地市场的研究逐渐从完全市场理论向不完全市场理论过渡，对决策主体的假设逐渐由完全理性向有限理性过渡^[18]。行为经济学已被****应用于分析政府在财政预算执行^[19]、农村土地制度调整^[20]中的行为。但从行为经济学视角出发，对土地市场的政府行为进行解释和分析的研究还十分匮乏^[21]。
因此，本文在行为经济学框架下，开创性地对国有住房用地供应中土地供应计划的影响进行了理论和实证分析。基于前景理论，对地方政府在全国住房用地供应计划下的土地供应决策进行理论分析；基于各省、自治区及直辖市住房用地供应计划及执行情况的面板数据，对2010—2013年全国住房用地供应计划的行政约束效力进行实证检验。在理论上，基于前景理论对政府行为进行理论建模，拓展了政府行为分析的研究框架；同时结合数据验证了住房用地供应环节地方政府的前景理论偏好，将前景理论的应用从微观主体消费投资行为拓展至政府行为分析。在实证上，研究发现当计划目标设定过高时，目标约束效力减弱而计划未完成率上升，为土地计划供应管理模式的有效性分析提供了视角和依据。
1 全国住房用地供应计划2010年之前，住房用地年度供应计划作为土地利用年度计划的一部分，由地方政府确定。2010—2013年间，中央政府为增加住房建设用地有效供应、稳定房地产市场预期、抑制房价过快上涨，连续4年组织各省(区、市)及新疆生产建设兵团编制《全国住房用地供应计划》(下文称《计划》)。《计划》对各地方政府当年保障性安居工程用地和商品住房用地供应规模进行明确规定，地方政府需按计划执行住房用地供应。
如表 1所示，2010—2013年间，在增加住房建设用地供应的政策目标下，各省需执行的土地计划供应量大多显著高于上年土地实际供应量；但对于《计划》中设定的超额土地供应目标，地方政府的执行情况并不理想，各省完成的土地实际供应量大多显著低于当年的土地计划供应量。2010—2012年间《计划》的完成率依次为67.89%、62.34%和64.19%。2013年，国土资源部主动将计划由2012年的17.26万公顷大幅下调至15.08万公顷，但完成率也仅提升至91.64%。
表 1 住房用地计划供应量与住房用地实际供应量(2010—2013年)

地区	当年住房用地计划供应量/上年住房用地实际供应量	(当年住房用地实际供应量/当年住房用地计划供应量)/%
北京市	2.86	40
青海省	2.48	49
陕西省	3.04	50
河南省	2.39	51
吉林省	2.24	53
黑龙江	2.23	55
西藏	2.52	57
海南省	1.91	58
山西省	2.46	58
四川省	2.04	59
上海市	1.44	65
内蒙古	1.82	67
新疆	2.55	67
甘肃省	2.15	67
湖北省	1.93	70
河北省	2.06	71
广东省	1.45	73
安徽省	2.04	74
辽宁省	1.58	78
贵州省	2.26	81
云南省	1.41	83
山东省	1.32	85
广西	1.47	87
浙江省	1.28	88
湖南省	1.46	89
江西省	1.54	89
宁夏	1.51	89
江苏省	1.21	91
福建省	1.59	96
重庆市	1.79	98
天津市	0.96	103
均值	1.90	72

表选项






住房用地实际供应规模连续4年未达到《计划》要求，反而引起市场形成土地供应不足的预期，这表明：深入探究地方政府在住房用地计划供应管理模式下的行为逻辑，对住房用地计划供应管理模式有效性进行探讨，是中国土地供应管理中值得关注的问题。
2 前景理论及理论假设前景理论(prospect theory)^[22]的提出奠定了行为经济学发展的基石。在过去的30年间，前景理论被视为对不确定和风险环境下决策行为的现有最好的描述性理论^[23]。对于某一预期结果x，具有前景理论偏好的决策者的价值函数表示如下：

$v\left( x \right) = \left\{ \begin{array}{l}{\left( {x - r} \right)^a}, x > r;\\ - \gamma {\left( {r - x} \right)^\beta }, x < r.\end{array} \right.$

(1)

其中：v(x)表示决策者从预期结果x中获得的价值或效用；r为参照点，刻画决策者的参照依赖性(reference dependence)，即决策者基于现状相对于参照点的改变而非现状本身进行效用评估进而作出决策；系数0＜α＜1, 0＜β＜1，刻画决策者的敏感度递减性(diminishing sensitivity)，即在参照点右侧价值函数为凹函数，在参照点左侧价值函数为凸函数，决策者面对预期收益时风险规避，面对预期损失时风险偏好；系数γ＞1，刻画决策者的损失规避性(loss aversion)，即同等程度预期损失带来的效用减损要大于同等程度预期收益带来的效用增加，决策者对损失更敏感。式(1)描述的价值函数如图 1所示。

图 1 前景理论价值函数

图选项

基于前景理论构建政府行为决策模型^{[19-21, 23]}，对2010—2013年间地方政府执行全国住房用地供应计划的行为进行分析。
2010—2013年间，假定没有《计划》约束，地方政府根据住房用地供应的边际经济收益等于住房用地收储的边际经济成本确定住房用地供应临界值n。但依据《计划》，地方需执行住房用地供应计划量N。考虑中央政府组织编制《计划》时希望增加住房用地供应的动机，可以认为N显著大于n。此外在各年的全国住房用地供应计划公告中，中央政府指出，要加强监督检查地方政府对供应计划量N的执行情况。因此，在《计划》约束下，地方政府在临界值n的基础上增加住房用地供应，一方面会增加边际成本大于边际收益带来的经济成本，但另一方面会减少中央监督检查下的行政压力。地方政府要在行政压力减少和经济成本增加之间进行权衡，以决策《计划》约束下新的最优土地供应值M。
在前景理论框架下，假设地方政府以供应计划量N为参照点决策土地供应对应的行政效用。决策者进行消费和投资决策时，往往会依赖于某些参照点，这是行为经济学家的共识^{[20, 24]}。在政府行为，尤其是地方政府行为分析中，参照依赖现象同样存在。Feng等^[20]证实了在农村土地调整制度变迁中，中央政府设定的政策目标作为地方政府政策执行决策参照点的存在性。在土地供应中，为确保稀缺土地资源的合理配置和有效供应，中央政府对地方政府的土地供应行为实行严格的行政和财政监管^[14]；2010—2013年间施行的全国住房用地供应计划作为地方政府在住房用地供应中需执行的政策目标，理应对地方政府住房用地供应行为具备一定的行政约束效力。
在供应计划量N作为参照点的情况下，地方政府若供应n单位土地，价值函数将为v(n)=-γ(N-n)^β；地方政府若供应M单位土地，价值函数将为v(M)=-γ(N-M)^β。考虑不同地方政府土地供应规模之间的数量差异，对N和M进行标准化处理，记Δ=N/n-1为超额计划比例，Δ＞0；记m=M/n-1为超额供应比例，0＜m＜Δ。则地方政府供应土地由n增至M单位，增加m倍土地供应会减少的行政压力对应的价值函数如下：

$\begin{array}{l}V\left( m \right) = v\left( M \right) - v\left( n \right) = \\ - \gamma {\left( {\Delta n - mn} \right)^\beta } + \gamma {\left( {\Delta n} \right)^\beta }.\end{array}$

(2)

进一步，假定土地供应增加m倍后，由边际成本超出边际收益带来的经济成本增加为C(M-n)=C(mn)。则地方政府增加m倍土地供应的总收益E(m)等于减少的行政压力带来的收益减去增加的经济成本，表示如下：

$E\left( m \right) = V\left( m \right) - C\left( m \right).$

(3)

将式(2)代入式(3)，基于一阶条件求得m的最优解：

${m^ * } + {\left[ {{n^{1 - \beta }}C'\left( {{m^ * }n} \right)/\gamma \beta } \right]^{\frac{1}{{\beta - 1}}}} = \Delta .$

(4)

记$ g\left( {{m^ * }} \right) = {m^ * } + {\left[ {{n^{1 - \beta }}C'\left( {{m^ * }n} \right)/\gamma \beta } \right]^{\frac{1}{{\beta - 1}}}} $，则m^*=g^-1(Δ)。即如果前景理论偏好的地方政府以土地供应计划N为参照点，其超额供应比例m依赖于超额计划比例Δ(假设1)。进一步将V(m)对超额计划比例Δ求导，表示如下：

$\partial V/\partial \Delta = \gamma \beta {n^\beta }\left[ {{\Delta ^{\beta - 1}} - {{\left( {\Delta - m} \right)}^{\beta - 1}}} \right].$

(5)

由于0＜β＜1，?V/?Δ＜0，即前景理论偏好的地方政府对计划目标约束存在敏感度递减，因此地方政府超额供应m倍土地获得的行政收益会随着超额计划比例Δ的升高而降低。图 2对这一过程进行了更直观的描述。

图 2 前景理论在住房用地供应中的应用

图选项

与此同时，经济成本C(mn)不随超额计划比例的升高而变动，地方政府增加土地供应的意愿随超额计划比例Δ的升高而减弱。因此，对于全国住房用地供应计划未完成，本文提出如下假设：地方政府对计划目标约束存在敏感度递减，当土地供应计划目标设定过高时，目标约束效力减弱(假设2)。Feng等^[20]证实了在中国农村土地调整制度变迁中，政策目标存在失效区间，设定过高的目标对具有前景理论偏好的地方政府的激励作用很小甚至没有。
3 数据和实证检验基于全国各省、自治区及直辖市的住房用地计划和实际供应面板数据，本文对地方政府在2010—2013年间的住房用地供应决策机制进行检验。基于理论假设，首先需要确定各地方政府在无约束条件下根据边际收益等于边际成本确定的住房用地供应临界值n，进而计算计划供应量与实际供应量分别超出临界值的比例Δ和m。土地资源作为一种稀缺资源，其供应临界值首先受制于地区所有拥有的特定的土地资源禀赋；同时住房用地作为经济社会发展的重要资源和财政收入的主要来源，其供应临界值还依赖于地区经济社会发展计划和城市规划，以及地区财政收支管理的政策目标。由于某一特定地区的土地资源禀赋以及发展规划和财政目标等经济社会环境具有相对稳定性，地方政府在住房用地供应中存在路径依赖行为，因此，将滞后一期的住房用地供应量作为地方政府在无约束条件下供应临界值的代理变量。基于此计算出的超额供应比例和超额计划比例分别记为m_histroy和Δ_histroy。
此外，基于2005年以来各地方政府住房用地供应的历史数据，对供应量进行预测，将当期住房用地供应量预测值作为地方政府在无约束条件下供应临界值的另一个代理变量，表示如下：

${\rm{suppl}}{{\rm{y}}_{i, t}} = \beta {X_{i, t - 1}} + {\varepsilon _{i, t}}.$

(6)

其中：supply_{i, t}为t期住房用地实际供应量；ε_{i, t}为误差项；X_{i, t}为滞后一期影响住房用地供应的经济社会因素。经济社会因素包括：城市人口密度，刻画城市人口的集聚程度；人均地区生产总值，刻画城市经济发展水平；城镇单位就业人员平均工资，刻画城市居民收入水平及住房购买力；人均城市道路面积，刻画城市基础设施发展水平；地方财政一般预算支出与地方财政一般预算收入的比值，刻画地方政府面临的财政收支压力^{[10, 13, 15]}。基于预测值计算出的超额供应比例和超额计划比例分别记为m_predict和Δ_predict。变量的描述性统计结果见表 2。
表 2 变量描述性统计

变量	定义	样本量	均值	标准差	极小值	极大值
m_history	当期住房用地供应量/滞后一期住房用地供应总量-1	120	0.208	0.367	-0.573	1.408
Δ_history	当期住房用地供应计划/滞后一期住房用地供应总量-1	120	0.882	0.873	-0.249	3.291
m_predict	当期住房用地供应量/当期住房用地供应量预测值-1	120	4.272	5.667	-0.873	27.642
Δ_predict	当期住房用地供应计划/当期住房用地供应量预测值-1	119	6.879	8.846	-0.825	42.071
Compratio	住房用地供应总量/住房用地供应计划量	120	0.728	0.284	0.288	1.778
Popden	城市人口密度(人/ km2)的对数值	120	7.824	0.465	6.639	8.669
Pergdp	人均地区生产总值(RMB/人)的对数值	120	10.337	0.460	9.303	11.333
Wage	城镇单位就业人员平均工资(RMB)的对数值	120	10.461	0.233	10.093	11.237
Road	人均城市道路面积(m2)的对数值	120	2.278	0.310	1.379	2.818
Finance	上一年地方财政一般预算支出/一般预算收入	120	2.327	1.050	1.080	6.740

表选项






3.1 假设1：地方政府住房用地供应行为的参照依赖性首先检验地方政府在住房用地供应环节是否参照依赖于计划目标，建立面板回归模型，表示如下：

${m_{i, t}} = \alpha {\Delta _{i, t}} + \beta {X_{i, t - 1}} + {\varepsilon _{i, t}}.$

(7)

其中：m表示地方政府的超额供应比例；Δ表示超额计划比例；X表示影响住房用地供应的其他经济社会因素。采用混合OLS、固定效应和随机效应进行分析，并基于F检验和Hausman检验结果，选择固定效应面板模型进行报告，结果如表 3所示。列1—3和列4—6分别表示以滞后一期土地供应量和以当期土地供应量预测值作为无约束条件下当期土地供应临界值的代理变量的结果。所有结果均表明：计划设定的超额计划比例Δ对地方政府的超额供应比例m存在正向影响：从平均意义上讲，当设定2倍于地方政府供应临界值的计划供应量(Δ=1)，地方政府将多供应约20%的住房用地(m $\simeq$0.2)，该影响在1%的水平上显著。说明地方政府的住房用地供应决策受土地供应计划的显著影响，地方政府在住房用地供应环节对计划目标存在参照依赖。控制变量反映了其他宏观经济社会变量对地方政府住房用地超额供应决策的影响，但影响住房用地供应量的变量对住房用地超额供应比例的影响并不显著。
表 3 地方政府住房用地实际供应对住房用地供应计划的参照依赖性

变量	被解释变量：m_history				被解释变量：m_predict
	1	2	3		4	5	6
Δ_history	0.266***	0.255***	0.237***
	(3.584)	(3.387)	(3.110)
Δ_predict					0.169*	0.244***	0.217***
					(1.769)	(4.076)	(3.295)
Pergdp_1	-1.599*	-2.057**	-0.520		-5.243	-10.596**	-9.082
	(-2.006)	(-2.172)	(-0.584)		(-1.480)	(-2.454)	(-1.642)
Wage_1	2.093**	1.076	0.695		8.160	-0.245	-1.627
	(2.199)	(0.754)	(0.540)		(1.351)	(-0.060)	(-0.335)
Road_1	-0.005	0.002	0.083		-1.167	-1.057	-1.382*
	(-0.010)	(0.005)	(0.145)		(-1.190)	(-1.541)	(-1.987)
Finance_1	-0.195	-0.256	-0.175		0.186	-0.399	-0.506
	(-1.008)	(-1.431)	(-0.912)		(0.283)	(-0.548)	(-0.678)
Popden_1	-0.726	-1.188	-0.284		14.063*	6.128	6.254
	(-0.426)	(-0.663)	(-0.148)		(1.860)	(0.799)	(0.819)
截距项	-3.435	-267.610	-1.005		-56.168	-2 808.430***	104.635**
	(-0.599)	(-0.965)	(-0.059)		(-1.538)	(-2.866)	(2.107)
时间趋势		控制				控制
年份固定效应			控制				控制
样本数	120	120	120		119	119	119
调整R2	0.305	0.307	0.397		0.177	0.326	0.338
Prob.＞F	0.000	0.000	0.000		0.000	0.000	0.000
注：括号内为t值；***p＜0.01，**p＜0.05，*p＜0.1；模型应用固定效应面板回归。

表选项






3.2 假设2：地方政府住房用地供应行为的敏感度递减性本文进一步建立Hansen^[25]固定效应门槛面板模型，验证地方政府在住房用地供应环节的敏感度递减行为。基于门槛效应显著性检验，Δ_history和Δ_predict均存在一个显著的门槛值，因此建立门槛模型，表示如下：

$\begin{array}{l}\;\;\;\;\;{m_{i, t}} = {\alpha _1}{\Delta _{i, t}}I\left( {{\Delta _{i, t}} < \theta } \right) + \\{\alpha _2}{\Delta _{i, t}}I\left( {{\Delta _{i, t}} > \theta } \right) + \beta {X_{i, t - 1}} + {\varepsilon _{i, t}}.\end{array}$

(8)

其中θ为门槛值。门槛回归的结果如表 4所示。结果表明：超过门槛值后，超额计划比例对超额供应比例的正向影响显著下降，即地方政府对计划目标的约束存在敏感度递减，当计划中的土地供应目标过高时，目标约束效力减弱，假设2得到验证。
表 4 地方政府住房用地实际供应对住房用地供应计划的敏感度递减性(一)

变量	被解释变量：m_history				被解释变量：m_predict
	1	2	3		4	5	6
Δ_history I(Δ＜θ)	1.016***	0.993***	0.364***
	(4.079)	(3.952)	(4.577)
Δ_history I(Δ＞θ)	0.313***	0.304***	0.219***
	(5.111)	(4.858)	(3.745)
Δ_predict I(Δ＜θ)					0.376***	0.420***	0.396***
					(4.500)	(5.468)	(4.844)
Δ_predict I(Δ＞θ)					0.199***	0.265***	0.247***
					(3.579)	(4.997)	(4.385)
Pergdp_1	-1.660**	-2.020**	-0.319		-4.125*	-9.195***	-7.585***
	(-2.248)	(-2.350)	(-0.346)		(-1.986)	(-4.088)	(-2.931)
Wage_1	2.602***	1.791	0.255		8.268***	0.448	-0.730
	(2.655)	(1.287)	(0.189)		(2.983)	(0.143)	(-0.226)
Road_1	-0.248	-0.237	0.269		-1.559	-1.420	-1.614*
	(-0.726)	(-0.694)	(0.806)		(-1.661)	(-1.659)	(-1.846)
Finance_1	-0.187	-0.235	-0.174		0.433	-0.145	-0.190
	(-0.833)	(-1.010)	(-0.777)		(0.671)	(-0.240)	(-0.311)
Popden_1	-1.650	-1.995	-0.677		12.013	4.871	5.124
	(-0.576)	(-0.687)	(-0.243)		(1.464)	(0.635)	(0.669)
截距项	-5.788	-213.725	1.878		-64.644***	-2 613.739***	81.578*
	(-0.743)	(-0.845)	(0.108)		(-3.139)	(-4.273)	(1.949)
时间趋势		控制				控制
年份固定效应			控制				控制
样本数	120	120	120		116	116	116
调整R2	0.151	0.148	0.224		0.011	0.179	0.182
Prob.＞F	0.000	0.000	0.000		0.000	0.000	0.000
注：括号内为t值；***p＜0.01，**p＜0.05，*p＜0.1；模型应用固定效应门槛面板回归。

表选项






特别地，如第1列和2列所示，在门槛值以下，超额计划比例每增加一个单位，超额供应比例随之平均增加约一个单位；但超过门槛值后，超额计划比例每增加一个单位，超额供应比例仅随之平均增加约0.3个单位。这意味虽然超额供应量伴随着约束目标的提升会增加，但未完成的目标缺口也随之增加^[8]，导致更加强烈的市场恐慌。
表 4虽然证实了假设2，但无法刻画超额计划对超额供应的连续影响。进一步构建以政策目标完成比例为被解释变量的面板模型作为补充验证，表示如下：

${\rm{Comprati}}{{\rm{o}}_{i, t}} = {m_{i, t}}/{\Delta _{i, t}} = \alpha {\Delta _{i, t}} + \beta {X_{i, t - 1}} + {\varepsilon _{i, t}}.$

(9)

结果如表 5所示，Δ的系数显著为负。由于d(Compratio)/dΔ=[Δ(dm/dΔ)-m]/Δ²，Δ的系数显著为负意味着dm/dΔ＜＜m/Δ≤1。即在平均意义上，Δ每增加一单位，增加的m显著小于1。当Δ取极小值，Δ每增加一单位，增加的m应该接近1。表 4的结果表明，每增加一单位Δ，增加的m随之减小，使得在平均水平上每增加一单位Δ增加的m显著小于1。为地方政府住房用地供应行为对计划目标的敏感度递减性提供了另一个佐证。
表 5 地方政府住房用地实际供应对住房用地供应计划的敏感度递减性(二)

被解释变量：Compratio	1	2	3	4	5	6
Δ_history	-0.150***	-0.157***	-0.173***
	(-3.271)	(-3.384)	(-3.600)
Δ_predict				-0.064***	-0.051***	-0.055***
				(-3.904)	(-3.659)	(-3.873)
Pergdp_1	-0.700	-0.978	0.229	-0.901*	-1.792***	-1.373**
	(-1.474)	(-1.506)	(0.381)	(-1.844)	(-3.987)	(-2.455)
Wage_1	1.309**	0.691	0.314	1.810**	0.411	0.141
	(2.203)	(0.795)	(0.404)	(2.340)	(0.435)	(0.146)
Road_1	0.072	0.077	0.112	0.040	0.058	0.019
	(0.226)	(0.244)	(0.304)	(0.173)	(0.311)	(0.107)
Finance_1	-0.040	-0.076	-0.023	0.072	-0.025	-0.032
	(-0.309)	(-0.628)	(-0.179)	(0.359)	(-0.106)	(-0.134)
Popden_1	-1.155	-1.436	-0.844	1.947	0.626	0.723
	(-0.961)	(-1.213)	(-0.606)	(0.988)	(0.266)	(0.308)
截距项	-3.295	-163.795	-3.184	-12.869***	-470.869***	12.366
	(-0.824)	(-0.826)	(-0.268)	(-2.880)	(-3.236)	(1.117)
时间趋势		控制			控制
年份固定效应			控制			控制
样本数	120	120	120	119	119	119
调整R2	0.350	0.351	0.469	0.424	0.480	0.485
Prob.>F	0.000	0.000	0.000	0.000	0.000	0.000
注：括号内为t值；***p＜0.01，**p＜0.05，*p＜0.1；模型应用固定效应面板回归。

表选项






此外，为剔除地方土地市场异常供需状况对回归结果的影响，本文剔除北京、上海2个土地供给紧缺的省份以及青海、陕西2个土地需求相对不足的省份进行了稳健性检验，稳健性检验结果与表 3—5基本一致。
3.3 基于市级数据的稳健性检验为了克服内生性问题和样本量较少的问题，接下来基于市级数据进行稳健性检验。这样做的理由是：各省级地方政府需要完成的住房用地供应目标，会进一步将该目标相应分解到各市，因此省级政府需要完成的超额计划比例会影响省内各市级政府的超额供应比例，但反向影响基本不存在，可以规避由反向因果带来的内生性问题。同时市级层面的遗漏变量与省级超额计划比例基本不相关，可以规避由遗漏变量导致的内生性问题。结果如表 6所示。
表 6 地方政府住房用地实际供应对住房用地供应计划的敏感度递减性：基于市级数据

被解释变量：m_history_city	1	2	3	4	5	6
Δ_history	-0.314***	-0.311***	-0.331***
	(-3.288)	(-3.150)	(-3.423)
Δ_history I(Δ＜θ)				0.582**	0.619***	0.705***
				(2.473)	(2.613)	(2.975)
Δ_history I(Δ＞θ)				0.078	0.093	0.077
				(1.384)	(1.617)	(1.338)
Δ×Ratio	3.885***	3.881***	3.873***	0.299	0.253	0.279
	(4.215)	(4.204)	(4.210)	(0.858)	(0.723)	(0.801)
Pergdp_1	-0.423*	-0.386*	-0.322*	-0.428	-0.331	-0.287
	(-1.909)	(-1.867)	(-1.665)	(-1.524)	(-1.139)	(-0.990)
Wage_1	-0.824	-0.437	-0.607	-2.302***	-1.018	-1.130
	(-1.069)	(-0.347)	(-0.496)	(-3.216)	(-0.833)	(-0.931)
Road_1	0.381	0.416	0.455	0.195	0.287	0.331
	(1.102)	(1.192)	(1.291)	(0.515)	(0.743)	(0.861)
Finance_1	-0.028	-0.030	-0.048	-0.003	-0.007	-0.035
	(-0.465)	(-0.494)	(-0.834)	(-0.017)	(-0.046)	(-0.235)
Popden_1	1.030	1.007	1.107	1.016	0.974	1.139
	(1.090)	(1.065)	(1.108)	(0.466)	(0.447)	(0.526)
Ratio	-1.044	-1.013	-1.048	11.045***	11.263***	11.112***
	(-0.183)	(-0.178)	(-0.184)	(8.102)	(8.204)	(8.127)
截距项	10.814	122.539	7.618	25.030***	374.757	11.347
	(1.307)	(0.474)	(0.556)	(3.079)	(1.389)	(0.833)
时间趋势		控制			控制
年份固定效应			控制			控制
样本数	1 091	1 091	1 091	988	988	988
调整R2	0.803	0.803	0.805	0.459	0.459	0.466
注：括号内为t值；***p＜0.01，**p＜0.05，*p＜0.1；列1—3为固定效应面板模型；列4—6为固定效应门槛面板模型，单门槛显著性检验通过。被解释变量为某一城市住房用地超额供应比例m_history_city，关键变量为该市所在省份住房用地超额计划比例Δ_history。Ratio为该市住房用地出让量占全省住房用地出让量的比例；其余控制变量为该市滞后一期宏观经济变量。

表选项






表 6中列1—3表明，超额计划比例Δ对超额供应比例m存在1%水平上的显著影响，再一次验证了假设1。基于Δ与该市住房用地出让量占全省住房用地出让量比例Ratio的交叉项的系数，超额计划比例Δ对住房用地出让量在省内占比超过10%的城市的超额供应比例m的影响显著为正；住房用地出让量在省内占比越高的城市，该正向影响越明显。进一步，列4—6的结果表明，超过门槛值后，超额计划比例对超额供应比例的正向影响显著下降，即地方政府对供应计划的约束存在敏感度递减，再次验证了假设2。
4 结论本文在前景理论的框架下对《全国住房用地供应计划》下地方政府的住房用地供应行为进行了分析。结果表明：一方面，地方政府对土地供应计划目标存在参照依赖，超额设定的计划目标可以提高地方政府的住房用地供应量；但另一方面，地方政府对计划目标约束存在敏感度递减，土地供应计划目标越高，效力越弱，当计划目标过高时，过弱的平均约束效力将导致计划的整体失效。2010—2013年间住房用地供应计划的完成率过低，反而引起了市场对地方政府捂地惜售以致未来住房供应不足的预期，政策效果与中央政府希望通过增加土地供应进而抑制房价上涨的政策目标背道而驰。
本文为行为经济学理论在政府行为分析中的适用性提供了证据；同时对中国土地公有制框架和土地供应计划管理模式下，土地计划供应管理模式的有效性分析提供了视角和依据。因此，要加强监管力度，提高地方政府在计划执行中出现委托代理问题的成本；更要考虑影响地方政府决策的行为和心理因素，制定合理的计划目标，避免目标设定过高引起实施率过低而导致的效力损失^[8]。基于门槛面板模型刻画的是计划效力与计划目标之间的分段平均关系；后续研究可以通过模拟等手段更具体地分析计划效力与目标的非线性关系，进一步验证地方政府在土地供应决策中的前景理论偏好。

参考文献

[1]	陈斌开, 杨汝岱. 土地供给、住房价格与中国城镇居民储蓄——基于中国城镇住户调查(UHS)数据的微观实证研究[J]. 经济研究, 2013, 48(1): 110-122. CHEN B K, YANG R D. Land supply, housing price and household saving in urban China:Evidence from urban household survey[J]. Economic Research Journal, 2013, 48(1): 110-122. (in Chinese)
[2]	杨赞, 张欢, 赵丽清. 中国住房的双重属性:消费和投资的视角[J]. 经济研究, 2014, 49(S1): 55-65. YANG Z, ZHANG H, ZHAO L Q. Dual role of housing consumption and investment:Reexamine correlation of housing and consumption in urban China[J]. Economic Research Journal, 2014, 49(S1): 55-65. (in Chinese)
[3]	杨赞, 张欢, 陈杰. 再购房潜在动机如何影响住房的财富效应?——基于城镇住户大样本调查数据的微观层面分析[J]. 财经研究, 2014, 40(7): 54-64. YANG Z, ZHANG H, CHEN J. How does potential motivation for purchasing houses again affect housing wealth effect? A micro study based on urban household survey data[J]. Journal of Finance and Economics, 2014, 40(7): 54-64. (in Chinese)
[4]	杨俊杰. 房地产价格波动对宏观经济波动的微观作用机制探究[J]. 经济研究, 2012, 47(S1): 117-127. YANG J J. Research of the microscopic mechanism of house price change on macroeconomic fluctuation[J]. Economic Research Journal, 2012, 47(S1): 117-127. (in Chinese)
[5]	DEININGER K, JIN S Q. The impact of property rights on households' investment, risk coping, and policy preferences:Evidence from China[J]. Economic Development and Cultural Change, 2003, 51(4): 851-882.
[6]	JONES C. Land use planning policies and market forces:Utopian aspirations thwarted?[J]. Land Use Policy, 2014, 38: 573-579.
[7]	朱道林. 土地管理学[M]. 北京: 中国农业大学出版社, 2007. ZHU D L. Land management[M]. Beijing: China Agricultural University Press, 2007. (in Chinese)
[8]	王良健, 颜蕾, 李中华, 等. 土地供应计划对房价的传导机制研究[J]. 自然资源学报, 2015, 30(11): 1823-1833. WANG L J, YAN L, LI Z H, et al. The transmission mechanism of land supply planning on housing prices[J]. Journal of Natural Resources, 2015, 30(11): 1823-1833. DOI:10.11849/zrzyxb.2015.11.004 (in Chinese)
[9]	丰雷, 杨跃龙, 姚丽. 分权与激励:土地供应中的中央-地方关系研究[J]. 中国土地科学, 2013, 27(10): 4-10, 23. FENG L, YANG Y L, YAO L. Decentralization and incentives:Research on the central-local relations within the land supply system[J]. China Land Sciences, 2013, 27(10): 4-10, 23. DOI:10.3969/j.issn.1001-8158.2013.10.001 (in Chinese)
[10]	余靖雯, 肖洁, 龚六堂. 政治周期与地方政府土地出让行为[J]. 经济研究, 2015, 50(2): 88-102, 144. YU J W, XIAO J, GONG L T. Political cycle and land leasing:Evidence from Chinese cities[J]. Economic Research Journal, 2015, 50(2): 88-102, 144. (in Chinese)
[11]	周滔, 杨庆媛, 丰雷. 土地出让市场的博弈分析:利益背景与政府行为过程[J]. 中国土地科学, 2006, 20(4): 18-23. ZHOU T, YANG Q Y, FENG L. Game analysis of urban wholesale lease land market:Benefit motives and governmental action process[J]. China Land Science, 2006, 20(4): 18-23. DOI:10.3969/j.issn.1001-8158.2006.04.004 (in Chinese)
[12]	郭晓旸, 刘洪玉. 政府土地供应决策中等待期权的实证检验[J]. 系统工程理论与实践, 2013, 33(11): 2787-2794. GUO X Y, LIU H Y. Empirical test of the government's waiting option in land transfer[J]. Systems Engineering:Theory & Practice, 2013, 33(11): 2787-2794. DOI:10.12011/1000-6788(2013)11-2787 (in Chinese)
[13]	张莉, 高元骅, 徐现祥. 政企合谋下的土地出让[J]. 管理世界, 2013(12): 43-51, 62. ZHANG L, GAO Y H, XU X X. Land transfer under the collusion between government and enterprise[J]. Management World, 2013(12): 43-51, 62. (in Chinese)
[14]	白彦锋, 刘畅. 中央政府土地政策及其对地方政府土地出让行为的影响——对"土地财政"现象成因的一个假说[J]. 财贸经济, 2013(7): 29-37. BAI Y F, LIU C. Land policy of Chinese central government and its impact on land transfer of the local governments:A hypothesis of the land-based local public finance in China[J]. Finance & Trade Economics, 2013(7): 29-37. DOI:10.3969/j.issn.1005-913X.2013.07.016 (in Chinese)
[15]	赵文哲, 杨继东. 地方政府财政缺口与土地出让方式——基于地方政府与国有企业互利行为的解释[J]. 管理世界, 2015(4): 11-24. ZHAO W Z, YANG J D. The fiscal gap of local government and the way of land transfer:An explanation based on the mutually beneficial behavior of local government and state owned enterprises[J]. Management World, 2015(4): 11-24. (in Chinese)
[16]	曲波. 北京市土地供应计划编制及执行:问题与对策[J]. 中国土地科学, 2008, 22(6): 51-56. QU B. Preparation and implementation for land supply plan in Beijing:Problems and countermeasures[J]. China Land Science, 2008, 22(6): 51-56. DOI:10.3969/j.issn.1001-8158.2008.06.008 (in Chinese)
[17]	赵文哲, 杨其静, 周业安. 不平等厌恶性、财政竞争和地方政府财政赤字膨胀关系研究[J]. 管理世界, 2010(1): 44-53. ZHAO W Z, YANG Q J, ZHOU Y A. A study on the relationship between the inequality aversion, the fiscal competition, and the deficit expansion of the local government[J]. Management World, 2010(1): 44-53. (in Chinese)
[18]	冯广京, 林坚, 胡振琪, 等. 2014年土地科学研究重点进展评述及2015年展望[J]. 中国土地科学, 2015, 29(1): 3-19. FENG G J, LIN J, HU Z Q, et al. Progress review on land sciences research in 2014 and prospects for 2015[J]. China Land Sciences, 2015, 29(1): 3-19. (in Chinese)
[19]	马蔡琛, 张铁玲, 孙利媛. 政府预算执行偏差的行为经济学分析[J]. 财经论丛, 2015(3): 17-23. MA C C, ZHANG T L, SUN L Y. Behavioral economics analysis of government budget execution bias[J]. Collected Essays on Finance and Economics, 2015(3): 17-23. DOI:10.3969/j.issn.1004-4892.2015.03.003 (in Chinese)
[20]	FENG L, BAO H X H, JIANG Y. Land reallocation reform in rural China:A behavioral economics perspective[J]. Land Use Policy, 2014, 41: 246-259. DOI:10.1016/j.landusepol.2014.05.006
[21]	ZHANG Y J. A view from behavioral political economy on China's institutional change[J]. China Economic Review, 2012, 23(4): 991-1002.
[22]	KAHNEMAN D, TVERSKY A. Prospect theory:An analysis of decision under risk[J]. Econometrica, 1979, 47(2): 263-292.
[23]	Wilson R K. The contribution of behavioral economics to political science[J]. Annual Review of Political Science, 2011, 14: 201-223.
[24]	BARBERIS N C. Thirty years of prospect theory in economics:A review and assessment[J]. Journal of Economic Perspectives, 2013, 27(1): 173-195.
[25]	HANSEN B E. Threshold effects in non-dynamic panels:Estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.