-
在城市可开发利用的建设用地总量一定的前提下,如何通过不同用途建设用地的优化配置缓解城市用地功能结构性错配问题,是当前深化土地要素市场化改革的重要一环。既有研究已经发现地方政府在供地策略上存在差异[1-2]:一方面,通过拍卖方式高价出让住宅用地以获取更高的土地溢价,地价上涨也为地方债务扩张提供了支撑;另一方面,通过挂牌或协议的方式低价甚至补贴进行工业用地供给以便于招商引资,增加企业投资和税收收入。最终,很大程度缓解了地方政府预算约束,为城市基础设施建设和公共服务改善提供了财力保障。城市内的这种供地策略与其所处的制度环境密切相关[3-5]。1994年分税制改革后,财权和事权的不匹配导致地方政府愈发依赖于预算外土地财政收入,同时,在地方官员相对绩效考核制度背景下,地方政府围绕辖区内的经济绩效和财政收入展开竞争博弈,这一竞争激励对城市间的供地策略产生了深刻影响。
值得注意的是,地方政府普遍存在的策略性供地行为模式背后,表现出明显的相互模仿和学习的策略互动特征(图1)。最近的研究发现,企业之间存在显著的“同群效应”,即企业的经营决策不仅会受到自身经营状况的影响,也会受到同行业内其他企业行为的影响,从而在一定程度上导致同行业企业的行为具有同步性和相似性,企业的这种模仿通常是应对不确定性的自然反应[6]。地方政府作为一个特殊的组织机构,往往面临着政治经济等各方面的不确定性,作为地方政府决策主体的行政主官,其行为决策是否也会表现出显著地策略互动的特征。同时,在中国式分权制度背景下,现有地方政府土地出让行为因素的研究中[7-9],较少考虑行政区域间的市场竞争、地方政府间的官场竞争等竞争激励共同对城市间供地策略的影响。杨其静和彭艳琼[10]虽然考察了地方官员的晋升竞争对于城市间土地引资竞争的影响,但忽略了行政区域间地理位置相邻所带来的市场竞争对城市间供地策略的影响,同时也未考虑商住用地供给上是否也存在互动效应。也有学者从理论上提出了“官场+市场”的模式解释中国增长奇迹,但是对该理论的实证研究还相对缺乏,尤其是土地市场的经验证据[11]。鉴于此,有必要将研究视角从单一政府行为层面上升到政府间互动层面,从理论和实证角度分析竞争激励下地方政府在工业用地和商住用地供应过程中的策略性互动及其表现特征的差异性。
本文可能的创新与贡献主要有以下三方面:第一,研究视角上,从单一个体行为层面拓展到群体互动层面,研究城市间供地策略的空间互动;第二,研究内容上,从地方政府“土地经营”的多重行为动机出发,构建了不同的空间权重矩阵,并分析了政治经济压力下策略互动行为的响应;第三,研究结论上,验证了不同用途供地策略背后,蕴含了地方政府之间的相互竞相模仿和跟随的特征,补充了当前关于政府决策行为动机的理论分析框架。
-
空间计量经济学的模型方法已经被证明是研究社会经济现象空间互动行为的有效手段[24-26],首先设定一般性模型
$$ {Y}_{it}=\rho {\boldsymbol W}{Y}_{it}+{X}_{it}\beta +\theta {\boldsymbol W}{X}_{it}+\mu +{\delta }_{i}+{\eta }_{t} \quad\quad \mu =\lambda {\boldsymbol W}\mu +\varepsilon\; \;\;\; \;\;\varepsilon \sim N[0,{\sigma }^{2}I] $$ (1) 其中,
$ {Y}_{it} $ 为被解释变量,代表城市$ i $ 在$ t $ 年土地出让的宗地数;$ {X}_{it} $ 是一系列控制变量,代表城市$ i $ 在$ t $ 年影响土地出让数量的社会经济特征变量;$ \mu $ 和$\varepsilon$ 代表随机误差项,且$\varepsilon$ 服从均值为0、方差为$ {\sigma }^{2} $ 的独立同分布的正态分布;${\boldsymbol W}$ 为经过标准化后的零对角线的空间权重矩阵;${\boldsymbol W}{Y}_{it}$ 为空间滞后项,表示在$ t $ 年除城市$ i $ 之外的其他所有位于空间权重指定范围内的城市土地出让的平均数量。$ \rho $ 、$ \beta $ 和$ \theta $ 为待估计的参数,其中,$ \rho $ 为本文所关心的核心系数,反映了城市之间供地策略空间互动效应的大小,当$ \rho $ 显著为正时,表明城市之间供地策略存在显著的正向空间互动效应;$ \beta $ 表示本地区社会经济特征等控制变量对本地区土地出让数量的影响;而$ \theta $ 表示除本地区之外的空间权重矩阵所指定范围内的其他城市控制变量对本地区土地出让数量的影响。本文进一步控制了城市固定效应$ {\delta }_{i} $ 和年份固定效应$ {\eta }_{t} $ ,且两者共同控制的情形下称之为双向固定效应,以控制由于不可观测的地区差异和宏观经济因素所带来的估计偏误。上述一般性模型在实际应用时往往会简化为三种形式,即空间自回归模型(Spatial Autoregressive Model,SAR)、空间误差模型(Spatial Error Model,SEM)和空间杜宾模型(Spatial Dubin Model,SDM),SAR和SEM是SDM的特殊形式。当
$ \rho \ne 0、\theta =0 $ 且$ \lambda =0 $ 时,模型简化为空间自回归模型;当$ \rho =0、\theta =0 $ 且$ \lambda \ne 0 $ 时,模型简化为空间误差模型;当$ \rho \ne 0、\theta \ne 0 $ 且$ \lambda =0 $ 时,模型简化为空间杜宾模型。具体选用哪种空间计量模型,后文需要通过一系列判别准则进行验证。 -
空间权重矩阵是空间计量经济学应用的基础和关键,是反映行为主体在空间中相互依赖关系的矩阵,本质上是一种社会网络关系,将各种变量置于这一网络关系来分析彼此之间的影响。空间权重矩阵的设定直接决定了模型估计结果的好坏和因果关系的识别。依据本文的理论分析和研究假说,设定了如下三种空间权重矩阵:第一,“行政相邻”空间权重矩阵。如果两个地级市同属于同一省份,则空间权重矩阵W对应元素赋值为1,否则赋值为0,对角线元素赋值均为0剔除了自身对自身的影响。此时空间滞后项
${\boldsymbol W}{Y}_{it}$ 表示在$ t $ 年除城市$ i $ 之外的其他所有隶属于同省份的城市土地出让的平均数量,通过这一权重矩阵的设置可以验证研究假设H1地方政府的供地策略与同省份其他地级市存在显著的空间互动效应是否成立。第二,“经济相邻”空间权重矩阵。经济距离可以表示为${w}_{ij}=\dfrac{1}{\left|{\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{i}-{\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{j}\right|}(i\ne j)$ ,其中$ {\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{i} $ 和$ {\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{j} $ 为同省份城市$ i $ 和城市$ j $ 在研究时段内人均GDP的平均值。两个城市经济实力越相近,$ {w}_{ij} $ 越大,代表城市之间的竞争可能越激烈。此时空间滞后项$ {{\boldsymbol{W}}}{Y}_{it} $ 表示在$ t $ 年除城市$ i $ 之外的其他所有隶属于同省份但不同经济距离的城市土地出让的平均数量,通过这一权重矩阵的设置可以部分验证研究假设H2省内经济发展水平相近的地级市之间的供地策略的空间互动效应更高是否成立。第三,“地理相邻”空间权重矩阵。地理距离可以表示为${w}_{ij}=\dfrac{1}{{d}_{ij}}(i\ne j)$ ,其中$ {d}_{ij} $ 为同省份城市$ i $ 和城市$ j $ 市中心(用市政府所在地表示)之间的地理距离。两个城市地理距离越相近,$ {d}_{ij} $ 越大,代表城市之间的交流越便捷。此时空间滞后项${{\boldsymbol{W}}}{Y}_{it} $ 表示在$ t $ 年除城市$ i $ 之外的其他所有隶属于同省份但不同地理距离的城市土地出让的平均数量,通过这一权重矩阵的设置可以部分验证研究假设H2省内地理位置邻近的地级市之间的供地策略的空间互动效应更高是否成立。 -
本文从中国土地市场网爬取了2007—2019年全国200多万宗土地交易的详细信息,其中包括了交易日期、项目位置、地块面积、土地用途、成交价格、供地方式等特征属性字段。相关处理如下:首先,以中国地级市层面的供地策略为研究对象,考虑到直辖市的行政划分比较特殊,西藏、香港、台湾样本缺失严重,同时将少数民族自治州、省直辖县级市等地区的数据予以剔除,因此,最终实际使用的数据仅包含286个地级市(含副省级城市)。进一步剔除特征属性异常值、缺失值等,仅保留住宅和工业用途的交易记录。为验证所用土地微观交易数据的准确性和完整性,与相应年份的《中国国土资源统计年鉴》和《国土资源公报》的统计数据进行对比,发现二者高度匹配,验证了本文数据的准确性。
参照相关文献控制了一系列影响土地出让数量的城市层面控制变量[2]25[9]35[27],尽可能减少遗漏变量偏误。城市层面的社会经济特征数据主要来源于《中国城市统计年鉴》,对其中缺失的数据进行线性插值填补,并对不同年份之间存在单位差异的数据进行转换计算。进而将土地微观交易数据和城市统计数据通过地级市名称和年份进行匹配,得到本研究所使用的面板数据集,包含有效观测值10 775个。需要注意的是,由于面板数据的空间计量模型要求必须是强平衡面板数据集,因此,在进行空间计量回归时需要将非平衡面板数据转化为强平衡面板数据,会造成一定样本量的减少,导致后文使用到的样本量少于原始数据量。
本文涉及的主要控制变量包括:(1)第三产业占比,刻画城市产业结构;(2)人口密度,反映城市人口分布状况;(3)固定资产投资占比,反映城市固定资产投资的强度;(4)中学生人数,反映城市人力资本的水平;(5)科教_财政支出占比,反映人力资本投入的强度;(6)规模以上工业企业数,反映城市工业发展程度;(7)GDP增速,反映区域经济发展的潜力。表1列出了主要变量的定义和相关描述性统计。
表 1变量描述性统计
变量 定义 样本量 均值 标准差 最小值 最大值 土地出让宗数 取对数 10 775 4.176 1.075 0.693 9.576 第三产业占比/% 第三产业增加值占GDP的比重 10 775 39.018 9.260 11.380 79.230 人口密度(人/平方公里) 取对数 10 775 5.731 0.896 1.792 7.882 固定资产投资占比/% 固定资产投资总额占GDP的比重 10 775 80.833 39.611 17.248 212.730 中学生人数/万人 取对数 10 775 2.958 0.657 0.615 4.532 科教_财政支出占比 (教育支出+科学支出)/一般预算内支出 10 775 19.664 4.348 1.992 38.685 规模以上工业企业数 取对数 10 775 6.532 1.070 2.996 9.527 GDP增速/% — 10 775 10.160 4.711 –19.380 109.000 -
由于工业用地和住宅用地的供地逻辑背后体现了地方政府不同的“土地经营”行为动机,因此,本文分别考察两类用途供地策略的空间互动效应。首先采用全局莫兰指数分别对工业用地和住宅用地2007—2019年的土地出让宗数进行全局空间自相关检验,检验地方政府供地策略是否存在空间互动。该指数取值范围为[−1,1],正值表明存在正向空间相关性,反之则表明存在负向空间相关性。结果如表2所示。
表 2全局莫兰指数检验结果
年份 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 2007 0.103*** 0.234*** 0.098*** 0.103*** 0.171*** 0.104*** 2008 0.165*** 0.232*** 0.187*** 0.101*** 0.155*** 0.098*** 2009 0.299*** 0.329*** 0.325*** 0.045** 0.029 0.049* 2010 0.440*** 0.450*** 0.472*** 0.103*** 0.076* 0.115*** 2011 0.406*** 0.448*** 0.430*** 0.130*** 0.113*** 0.140*** 2012 0.457*** 0.441*** 0.475*** 0.215*** 0.202*** 0.223*** 2013 0.510*** 0.486*** 0.532*** 0.159*** 0.146*** 0.161*** 2014 0.489*** 0.474*** 0.505*** 0.192*** 0.185*** 0.195*** 2015 0.448*** 0.415*** 0.486*** 0.196*** 0.166*** 0.199*** 2016 0.432*** 0.436*** 0.471*** 0.177*** 0.149*** 0.183*** 2017 0.500*** 0.517*** 0.529*** 0.106*** 0.087** 0.110*** 2018 0.503*** 0.523*** 0.534*** 0.019** 0.011 0.021** 2019 0.444*** 0.462*** 0.466*** 0.096*** 0.104*** 0.094*** 注:*、**和***分别表示在10%、5%和1%的水平上显著。 由表2可以看出,在行政相邻矩阵、经济相邻矩阵和地理相邻矩阵下,工业用地出让宗数的全局莫兰指数值均在1%的显著性水平下为正且取值达到了0.5左右,表明了不同地级市之间的工业用地出让策略存在较强的正向空间依赖关系。而住宅用地出让宗数的全局莫兰指数值在部分年份并未通过显著水平的检验且取值在0.1左右,同时,住宅用地的全局莫兰指数无论是在何种空间权重矩阵下,都显著低于工业用地。由此可以推出,相比于高价出让住宅用地获得土地出让收入的土地财政行为动机,地方政府基于工业用地进行招商引资的行为动机所引发的相互模仿、跟随的空间互动效应更强。更进一步,工业用地全局莫兰指数整体呈现震荡上升态势,表明随着时间推移,不同地级市之间的工业用地出让策略的空间互动效应有所增强。而住宅用地始终处于相对较低的水平。因此,初步证明地方政府供地策略的空间互动效应明显,应该选用空间计量模型。
进一步为考察局部区域的空间相关程度,本文报告了地方政府供地策略的局部莫兰指数的散点图。由于篇幅原因,仅汇报2007年和2019年在行政相邻空间权重矩阵下土地出让宗数的空间互动结果,如图1所示。局部莫兰指数散点图将各个地级市土地出让宗数集群分为四个象限的空间互动模式:第一象限表示高土地出让宗数的城市所在省份的其他城市土地出让宗数也较多;第二象限表示低土地出让宗数的城市所在省份的其他城市土地出让宗数较多;第三象限表示低土地出让宗数的城市所在省份的其他城市土地出让宗数也较少;第四象限表示高土地出让宗数的城市所在省份的其他城市土地出让宗数较少。从图1中可以看出,工业用地和住宅用地的局部莫兰指数所对应的点大多分布在第一、三象限,即各省份内的地级市之间具有正向的空间互动效应,与全局莫兰指数的检验结果一致。从工业用地局部莫兰指数散点图看,2019年工业用地局部莫兰指数散点的拟合直线的斜率明显高于2007年,落入第一象限和第三象限的地级市数量增加,反映出不同地级市工业用地出让策略的正向空间互动效应有所增强。而住宅用地局部莫兰指数散点的拟合直线在两个时间点上变化不大。
-
根据空间相关性检验可知,在未考虑任何控制变量差异的条件下,地方政府的供地策略具有显著的空间互动特征。在此,进一步通过建立空间计量模型更加准确衡量空间互动特征的具体作用方向和程度大小。
首先,如何在一般性模型的基础上选择空间自回归模型、空间误差模型和空间杜宾模型中的哪一种,一个常用的判别准则是LM检验。通过对普通静态面板OLS回归进行空间相关性检验,以此判断空间效应类型,选择模型的具体形式,检验结果如表3所示。可以看出无论是工业用地还是住宅用地,四个指标均在1%的显著性水平上拒绝原假设,说明本文的研究样本具有空间滞后和空间误差自相关的双重效应,而空间杜宾模型同时考虑了这两种效应的存在,因此,选用空间杜宾模型更为合理。其次,对于空间杜宾模型,Hausman检验发现固定效应优于随机效应,进一步分析发现,个体固定效应和时间固定效应都通过了显著性检验,因此,本文采用双向固定效应的空间杜宾模型的回归结果。最后,通过LR统计量检验显示,空间杜宾模型简化为空间自相关模型或空间误差模型的零假设均在 1%的显著水平下被拒绝,进一步说明本文选择的空间杜宾模型是合适的。限于篇幅,未报告具体的检验结果。综上所述,本文将选择空间杜宾的双向固定效应模型来分析地方政府供地策略的空间互动特征。
表 3空间依赖性检验(LM检验)
检验统计量 工业用地 住宅用地 LM值 P值 LM值 P值 LM-Lag检验 65.940 0.000 330.137 0.000 稳健的LM-Lag检验 40.814 0.000 13.481 0.000 LM-Error检验 3 881.795 0.000 2 368.527 0.000 稳健的LM-Error检验 3 856.668 0.000 2 051.871 0.000 -
表4汇报了通过空间杜宾双向固定效应模型计算得到的土地出让宗数作为被解释变量的基准回归结果。模型(1)~模型(3)、模型(4)~模型(6)分别是工业用地和住宅用地基于行政相邻、经济相邻、地理相邻空间权重矩阵下的估计结果。从基准回归结果系数看,无论是采用哪种空间权重矩阵,空间滞后项系数ρ均在1%的显著性水平上为正,说明地方政府的供应决策行为存在显著的空间互动效应,初步验证了本文的假设H1和H2,即同一省份内地级市之间、同一省份内经济发展相近、地理位置相邻的地级市之间供地策略存在空间互动特征。值得注意的是,无论基于哪一种空间权重矩阵,工业用地空间滞后项系数都大于住宅用地的空间滞后项系数,表明相比于高价出让住宅用地获得土地出让收入的土地财政行为动机,地方政府基于工业用地进行土地引资的行为动机所引发的相互模仿、跟随的空间互动效应更强。同时,对于工业用地而言,基于行政相邻的空间权重矩阵的空间滞后项系数均大于经济相邻和地理相邻的情形,表明了地方政府在进行土地出让的过程中,更愿意将与本市处于同一官场的其他地级市作为自己的模仿和跟随对象,而不仅是市场互动频繁、发展水平相近的区域。
表 4空间互动效应的基准回归结果
变量 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.484*** 0.326*** 0.463*** 0.239*** 0.244*** 0.238*** (0.021) (0.018) (0.021) (0.006) (0.006) (0.006) 第三产业占比 0.001 0.001 0.000 0.013*** 0.012*** 0.012*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) 人口密度 0.133 0.279 0.075 0.033 0.144 −0.033 (0.226) (0.231) (0.223) (0.257) (0.262) (0.254) 固定资产投资占比 −0.000 −0.000 0.000 −0.000 0.000 −0.000 (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) 中学生人数 −0.161** −0.136** −0.180*** −0.054 −0.038 −0.077 (0.065) (0.066) (0.065) (0.074) (0.075) (0.074) 科教_财政支出占比 −0.024*** −0.018*** −0.022*** −0.006 0.002 −0.002 (0.004) (0.004) (0.004) (0.004) (0.005) (0.004) 规模以上工业企业数 0.539*** 0.478*** 0.519*** 0.127** 0.105** 0.109** (0.048) (0.047) (0.048) (0.054) (0.053) (0.055) GDP增速 0.002 0.002 0.002 0.010*** 0.010*** 0.009*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.216 0.270 0.205 0.063 0.052 0.066 极大似然值 −2 003.614 −2 075.528 −2 008.268 −2 515.611 −2 552.992 −2 510.977 注:*、**和***分别表示在10%、5%和1%的水平上显著。 从控制变量的回归结果看,第三产业占比只对住宅用地出让数量有显著的影响,而在统计意义上不影响工业用地的出让数量。可能的原因在于,第三产业占比高的城市,其服务业发展水平和规模效应更高,对GDP的拉动作用和贡献更大,同时,吸引大量的人口流入所带来的旺盛住房需求造成的房价压力促使地方政府愿意更多的供给住宅用地。其他控制变量的回归系数也基本符合预期。
-
为进一步检验基准回归结果的稳健性,采用更换被解释变量、控制变量滞后一期、剔除副省级城市样本、设定新的空间权重矩阵以及安慰剂检验等方法进行稳健性检验,结果如表5~表7所示。
表 5稳健性检验——重新定义变量
变量 工业用地—出让面积 住宅用地—出让面积 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.412*** 0.261*** 0.385*** 0.286*** 0.181*** 0.275*** (0.024) (0.019) (0.023) (0.028) (0.020) (0.027) 控制变量滞后 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.091 0.113 0.085 0.124 0.127 0.123 极大似然值 −2 870.264 −2 915.527 −2 875.034 −2 913.964 −2 939.645 −2 909.777 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 6稳健性检验——剔除副省级城市
变量 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.460*** 0.308*** 0.434*** 0.331*** 0.196*** 0.303*** (0.022) (0.019) (0.022) (0.027) (0.021) (0.026) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 315 3 315 3 315 3 354 3 354 3 354 调整R2 0.219 0.254 0.210 0.071 0.060 0.074 极大似然值 −1 875.408 −1 936.203 −1 882.945 −2 414.726 −2 441.188 −2 411.116 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 7稳健性检验——变换空间权重矩阵
变量 工业用地 住宅用地 (1)经济相邻 (2)地理相邻 (3)“伪相邻” (4)经济相邻 (5)地理相邻 (6)“伪相邻” ρ −0.084** 0.274*** −0.027 −0.078** 0.172*** −0.032 (0.035) (0.020) (0.040) (0.035) (0.021) (0.040) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.200 0.114 0.280 0.042 0.017 0.041 极大似然值 −2 215.755 −2 139.809 −2 230.416 −2 623.238 −2 546.460 −2 632.132 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 土地出让宗数从地块出让数量的角度衡量了地方政府的供地决策,而土地出让面积也可以从另一角度衡量地方政府供地的决策考量,两个指标可以相互佐证,因此,使用土地出让面积作为新的被解释变量进行稳健性检验。此外,由于地方政府的土地供应计划可能提前一年已经制定,即当年的土地出让宗数、面积等很可能是在上一年经济发展水平影响下而做出的选择,因此,将城市层面的控制变量进行滞后一期。从表5的回归结果看,无论是采用何种空间权重矩阵,空间滞后项回归系数ρ在方向和显著性水平上都与表4的基准回归结果一致,仅是系数的大小有所变动。因此,一定程度上验证了地方政府供地策略行为存在显著空间互动效应这一基准回归结论的稳健性。
由于副省级城市往往是中央政府区域发展战略的着力点,在人事任命权和经济社会管理权限上与其他地级市存在显著的差异,因此,将15个副省级城市的样本进行剔除重新回归,结果如表6所示。可以发现空间滞后项回归系数在方向和显著性水平上都与基准回归结果一致,仅是系数的大小有所变化,进一步验证了基准回归结果的稳健性。
前文的研究假说分析中,认为地方政府供地策略的空间互动效应更可能发生在同一省份内的不同地级市之间。但是,不同省份之间的交流由于交通基础设施以及信息技术等的发展日益频繁,故不同省份之间也可能存在竞争关系。因此,在不考虑省域边界的情形下,构建新的经济相邻以及地理相邻空间权重矩阵,考察地级市之间的供地策略是否依然存在空间互动效应及其效应的大小。首先,构建新的经济相邻空间权重矩阵。经济距离可以表示为
${w}_{ij}=\dfrac{1}{\left|{\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{i}-{\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{j}\right|}(i\ne j)$ ,其中$ {\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{i} $ 和$ {\mathrm{A}\mathrm{G}\mathrm{D}\mathrm{P}}_{j} $ 为城市$ i $ 和城市$ j $ 在研究时段内人均GDP的平均值,两个城市既可能是同一省份,也可能是不同省份。此时空间滞后项${\boldsymbol W}{Y}_{it}$ 表示在$ t $ 年除城市$ i $ 之外的其他所有不同经济距离的城市土地出让的平均数量。其次,构建新的地理相邻空间权重矩阵。地理距离可以表示为${w}_{ij}=\dfrac{1}{{d}_{ij}}(i\ne j)$ ,其中$ {d}_{ij} $ 为城市$ i $ 和城市$ j $ 市中心(用市政府所在地表示)之间的地理距离,两个城市依然不考虑隶属省份。但是,由于中国不同城市的面积差异很大,在此参考相关文献采用门槛距离来构建空间权重矩阵[28-29]。如果两个城市之间距离超过200公里,则空间权重矩阵W对应元素赋值为0,否则按照实际距离的大小进行赋值。表7中模型(1)和模型(2)、模型(4)和模型(5)分别是工业用地和住宅用地在新的空间权重矩阵下的回归结果,与基准回归估计系数比较发现,在使用不考虑省域边界的经济相邻的空间权重矩阵下,空间滞后项的系数很低,且显著性水平有所下降,住宅用地仅通过10%的显著性检验。在使用不考虑省域边界的地理相邻的空间权重矩阵下,空间滞后项的系数也大幅下降。因此,该结论进一步验证了本文的假设H2,即省内经济发展水平相近、地理位置邻近的地级市之间的供地策略的空间互动效应更高。同时本文还发现,允许跨省的城市之间的空间互动效应主要是发生在地理位置邻近的区域之间,而非经济上的相邻,进一步省内经济相邻的城市之间的空间互动效应大于跨省的地理相邻的城市之间的空间互动效应,表明了省内相对绩效考核机制下的城市土地供应策略的空间互动效应要大于省外土地引资所引发的空间互动程度。
借鉴相关研究安慰剂检验的做法[30],本文设置了一个“伪相邻”空间权重矩阵来检验上述结论是否依然成立,即将本不行政相邻的城市视作是相邻城市进行赋值。如果使用“伪相邻”空间权重矩阵后,空间滞后项的系数仍然显著,则说明上述的结论并不可靠,否则可以一定程度上验证基准回归结果的稳健性。表7的模型(3)和模型(6)分别报告了工业用地和住宅用地的回归结果,空间滞后项的系数均不显著,表明“伪相邻”的城市供地策略不会对本地区的决策产生影响,进一步验证了基准回归结果的稳健性。
-
作为中国一级土地市场垄断供给方的地方政府总是面临着各种政治经济压力,在此之下,地方政府是如何调整自身供地策略来实现各方利益诉求的平衡呢?根据对地方政府“土地经营”背后行为动机的分析,本文主要考察地方政府面临财政压力、增长压力和晋升压力之下,供地策略空间互动效应的变化。在式(1)简化后的空间杜宾模型中加入能够反映财政压力、增长压力和晋升压力的代理变量以及三个代理变量和空间滞后项的交互项,具体模型为
$$ \begin{array}{c}{Y}_{it}=\rho {\boldsymbol{W}}{Y}_{it}+{\gamma {Z}_{it-1}{{\boldsymbol{W}}}{Y}_{it}+{\alpha Z}_{it-1}+X}_{it}\beta +\theta {\boldsymbol{W}}{X}_{it}+{\delta }_{i}+{\eta }_{t}+\varepsilon \end{array} $$ (2) 其中,
${{\boldsymbol{W}}}{Y}_{it}$ 为空间滞后项;系数$ \rho $ 反映了城市之间供地策略空间互动效应的大小;$ {Z}_{it-1} $ 表示城市$ i $ 上一年度所面临的财政压力、增长压力或晋升压力中的某一类,其余变量的含义同式(1)。本文所关注的是交互项${Z}_{it-1}{{\boldsymbol{W}}}{Y}_{it}$ 的系数$ \gamma $ ,该系数反映了地方政府供地策略的空间互动效应如何随着财政压力、增长压力或晋升压力的变化而变化。其中,财政压力用地方财政缺口(地方财政一般预算内财政收入–地方财政一般预算内支出)/地区GDP来表示;增长压力采用当年的GDP增速与上一年GDP增速的差值来表示,数值越大,增长压力越小;晋升压力用地方行政长官的任期衡量,随着任期年限的增加,官员的晋升压力会增大,对区域经济发展会有层层加码的动机[31]。本文采用Bo的度量方式计算了市委书记的任期[32],原始数据来源于人民网、新华网公布的领导简历,并通过百度百科等网络平台进行补充。回归结果如表8所示,在控制了三种压力后,空间滞后项的系数依然显著为正。对于工业用地而言,只有财政压力和空间滞后项的交互系数显著为正,表明了财政压力会加强城市之间工业用地出让决策的空间互动效应。而三种压力都会显著增强地方政府住宅用地出让决策的空间互动性。验证了本文的假设H3。
表 8政治经济压力对空间互动效应的影响
变量 工业用地 住宅用地 (1) (2) (3) (4) (5) (6) ρ 0.459*** 0.454*** 0.458*** 0.313*** 0.314*** 0.318*** (0.022) (0.022) (0.022) (0.027) (0.027) (0.027) 财政压力_空间滞后项 0.022*** 0.010*** (0.004) (0.002) 增长压力_空间滞后项 0.003 0.015*** (0.004) (0.004) 晋升压力_空间滞后项 0.000 0.007** (0.002) (0.003) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 2 756 2 756 2 756 2 795 2 795 2 795 调整R2 0.169 0.170 0.168 0.062 0.061 0.061 极大似然值 −1 588.901 −1 594.297 −1 595.983 −2 026.692 −2 025.626 −2 028.303 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 -
本文进一步从经济发展程度的角度对空间互动内部的追随者和被模仿者进行识别分析。一方面,经济发展水平高的城市拥有丰富的知识积累和信息来源,在省内拥有更多的话语权,其他城市需要通过模仿其行为缩小彼此之间的差距[33];另一方面,同等经济发展水平的城市之间存在更强的可比性,在相对绩效考核体系下,地方官员之间的竞争更为激烈,促进了彼此之间的相互模仿学习。本文计算了研究区间内各地级市人均GDP的均值,然后按照中位数划分为两个组别,通过估计高低组合的四个回归方程得到表9的回归结果。H-H代表经济发展水平高的城市间的相互模仿,L-H代表经济发展水平低的城市对经济发展水平高的城市的模仿,H-L代表经济发展水平高的城市对经济发展水平低的城市的模仿,L-L代表经济发展水平低的城市间的相互模仿。
表 9补充性检验
变量 工业用地 住宅用地 (1)H-H (2)L-H (3)H-L (4)L-L (5)H-H (6)L-H (7)H-L (8)L-L ρ 0.387*** 0.691*** 0.440*** 0.583*** 0.124** 0.292*** 0.317*** 0.434*** (0.066) (0.085) (0.074) (0.083) (0.058) (0.064) (0.053) (0.057) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 控制 控制 观测值 1 301 1 308 2 178 2 178 1 278 1 298 2 213 2 213 调整R2 0.802 0.819 0.797 0.805 0.810 0.814 0.790 0.797 F值 8.440 12.160 14.290 15.100 4.030 6.680 10.570 13.280 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 从模型(1)~模型(4)的回归结果可以看出,地方政府在工业用地出让决策过程中,经济发展水平低的城市更倾向于模仿经济发展水平高的城市,且经济发展水平低的城市之间的空间互动效应显著大于经济发展水平高的城市之间的互动。地方政府在住宅用地出让决策中的空间互动方向与之不同,经济发展水平低的城市之间的空间互动效应最强,而经济发展水平低的城市对经济发展水平高的城市的模仿程度和经济发展水平高的城市间的互动效应基本一致。
Interaction and Pressure Response of Land Supply Strategies under Competitive Incentives
-
摘要:从地方政府间竞争激励视角出发,运用空间计量模型剖析了城市策略性供地的空间互动效应及压力响应。研究发现:同省份地级市之间供地策略存在显著的空间互动特征,且省内经济发展水平相近、地理位置邻近的地级市之间空间互动效应更强。分用途来看,相比于高价出让住宅用地获取更高土地溢价的土地财政行为动机,地方政府基于工业用地进行招商引资的行为动机所引发的相互模仿、跟随的空间互动效应更强。进一步讨论表明,地方政府面临的财政压力、增长压力和晋升压力等压力对不同用途供地策略空间互动特征的影响存在显著差异。此外,低经济发展水平城市更倾向于模仿高经济发展水平城市的供地策略,且低经济发展水平城市之间的供地策略空间互动效应明显更强。Abstract:In this article, the spatial interaction effects and pressure responses of strategic land supply among cities were analyzed from the perspective of competitive incentives among local governments using a spatial econometric model. The results show that there is a significant spatial interaction between land supply strategies of prefecture-level cities in the same province, and the spatial interaction effect is stronger among prefecture-level cities with a similar level of economic development and geographical proximity within the province. In terms of use, the spatial interaction effect of imitating and following each other triggered by behavioral motivation of local governments to attract investment based on industrial land is stronger than behavioral motivation of land finance to obtain higher land premiums by offering residential land at high prices. Further discussion shows that pressures faced by local governments, such as fiscal pressure, growth pressure and promotion pressure, have significantly different effects on spatial interaction characteristics of land supply strategies for different uses. In addition, cities with low economic development levels tend to imitate the land supply strategies of cities with high economic development levels, and the spatial interaction effects of land supply strategies among cities with low economic development levels are significantly stronger.
-
表 1变量描述性统计
变量 定义 样本量 均值 标准差 最小值 最大值 土地出让宗数 取对数 10 775 4.176 1.075 0.693 9.576 第三产业占比/% 第三产业增加值占GDP的比重 10 775 39.018 9.260 11.380 79.230 人口密度(人/平方公里) 取对数 10 775 5.731 0.896 1.792 7.882 固定资产投资占比/% 固定资产投资总额占GDP的比重 10 775 80.833 39.611 17.248 212.730 中学生人数/万人 取对数 10 775 2.958 0.657 0.615 4.532 科教_财政支出占比 (教育支出+科学支出)/一般预算内支出 10 775 19.664 4.348 1.992 38.685 规模以上工业企业数 取对数 10 775 6.532 1.070 2.996 9.527 GDP增速/% — 10 775 10.160 4.711 –19.380 109.000 表 2全局莫兰指数检验结果
年份 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 2007 0.103*** 0.234*** 0.098*** 0.103*** 0.171*** 0.104*** 2008 0.165*** 0.232*** 0.187*** 0.101*** 0.155*** 0.098*** 2009 0.299*** 0.329*** 0.325*** 0.045** 0.029 0.049* 2010 0.440*** 0.450*** 0.472*** 0.103*** 0.076* 0.115*** 2011 0.406*** 0.448*** 0.430*** 0.130*** 0.113*** 0.140*** 2012 0.457*** 0.441*** 0.475*** 0.215*** 0.202*** 0.223*** 2013 0.510*** 0.486*** 0.532*** 0.159*** 0.146*** 0.161*** 2014 0.489*** 0.474*** 0.505*** 0.192*** 0.185*** 0.195*** 2015 0.448*** 0.415*** 0.486*** 0.196*** 0.166*** 0.199*** 2016 0.432*** 0.436*** 0.471*** 0.177*** 0.149*** 0.183*** 2017 0.500*** 0.517*** 0.529*** 0.106*** 0.087** 0.110*** 2018 0.503*** 0.523*** 0.534*** 0.019** 0.011 0.021** 2019 0.444*** 0.462*** 0.466*** 0.096*** 0.104*** 0.094*** 注:*、**和***分别表示在10%、5%和1%的水平上显著。 表 3空间依赖性检验(LM检验)
检验统计量 工业用地 住宅用地 LM值 P值 LM值 P值 LM-Lag检验 65.940 0.000 330.137 0.000 稳健的LM-Lag检验 40.814 0.000 13.481 0.000 LM-Error检验 3 881.795 0.000 2 368.527 0.000 稳健的LM-Error检验 3 856.668 0.000 2 051.871 0.000 表 4空间互动效应的基准回归结果
变量 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.484*** 0.326*** 0.463*** 0.239*** 0.244*** 0.238*** (0.021) (0.018) (0.021) (0.006) (0.006) (0.006) 第三产业占比 0.001 0.001 0.000 0.013*** 0.012*** 0.012*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) 人口密度 0.133 0.279 0.075 0.033 0.144 −0.033 (0.226) (0.231) (0.223) (0.257) (0.262) (0.254) 固定资产投资占比 −0.000 −0.000 0.000 −0.000 0.000 −0.000 (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) 中学生人数 −0.161** −0.136** −0.180*** −0.054 −0.038 −0.077 (0.065) (0.066) (0.065) (0.074) (0.075) (0.074) 科教_财政支出占比 −0.024*** −0.018*** −0.022*** −0.006 0.002 −0.002 (0.004) (0.004) (0.004) (0.004) (0.005) (0.004) 规模以上工业企业数 0.539*** 0.478*** 0.519*** 0.127** 0.105** 0.109** (0.048) (0.047) (0.048) (0.054) (0.053) (0.055) GDP增速 0.002 0.002 0.002 0.010*** 0.010*** 0.009*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.216 0.270 0.205 0.063 0.052 0.066 极大似然值 −2 003.614 −2 075.528 −2 008.268 −2 515.611 −2 552.992 −2 510.977 注:*、**和***分别表示在10%、5%和1%的水平上显著。 表 5稳健性检验——重新定义变量
变量 工业用地—出让面积 住宅用地—出让面积 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.412*** 0.261*** 0.385*** 0.286*** 0.181*** 0.275*** (0.024) (0.019) (0.023) (0.028) (0.020) (0.027) 控制变量滞后 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.091 0.113 0.085 0.124 0.127 0.123 极大似然值 −2 870.264 −2 915.527 −2 875.034 −2 913.964 −2 939.645 −2 909.777 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 6稳健性检验——剔除副省级城市
变量 工业用地 住宅用地 (1)行政相邻 (2)经济相邻 (3)地理相邻 (4)行政相邻 (5)经济相邻 (6)地理相邻 ρ 0.460*** 0.308*** 0.434*** 0.331*** 0.196*** 0.303*** (0.022) (0.019) (0.022) (0.027) (0.021) (0.026) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 315 3 315 3 315 3 354 3 354 3 354 调整R2 0.219 0.254 0.210 0.071 0.060 0.074 极大似然值 −1 875.408 −1 936.203 −1 882.945 −2 414.726 −2 441.188 −2 411.116 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 7稳健性检验——变换空间权重矩阵
变量 工业用地 住宅用地 (1)经济相邻 (2)地理相邻 (3)“伪相邻” (4)经济相邻 (5)地理相邻 (6)“伪相邻” ρ −0.084** 0.274*** −0.027 −0.078** 0.172*** −0.032 (0.035) (0.020) (0.040) (0.035) (0.021) (0.040) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 3 510 3 510 3 510 3 549 3 549 3 549 调整R2 0.200 0.114 0.280 0.042 0.017 0.041 极大似然值 −2 215.755 −2 139.809 −2 230.416 −2 623.238 −2 546.460 −2 632.132 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 8政治经济压力对空间互动效应的影响
变量 工业用地 住宅用地 (1) (2) (3) (4) (5) (6) ρ 0.459*** 0.454*** 0.458*** 0.313*** 0.314*** 0.318*** (0.022) (0.022) (0.022) (0.027) (0.027) (0.027) 财政压力_空间滞后项 0.022*** 0.010*** (0.004) (0.002) 增长压力_空间滞后项 0.003 0.015*** (0.004) (0.004) 晋升压力_空间滞后项 0.000 0.007** (0.002) (0.003) 控制变量 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 观测值 2 756 2 756 2 756 2 795 2 795 2 795 调整R2 0.169 0.170 0.168 0.062 0.061 0.061 极大似然值 −1 588.901 −1 594.297 −1 595.983 −2 026.692 −2 025.626 −2 028.303 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 表 9补充性检验
变量 工业用地 住宅用地 (1)H-H (2)L-H (3)H-L (4)L-L (5)H-H (6)L-H (7)H-L (8)L-L ρ 0.387*** 0.691*** 0.440*** 0.583*** 0.124** 0.292*** 0.317*** 0.434*** (0.066) (0.085) (0.074) (0.083) (0.058) (0.064) (0.053) (0.057) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 双向固定效应 控制 控制 控制 控制 控制 控制 控制 控制 观测值 1 301 1 308 2 178 2 178 1 278 1 298 2 213 2 213 调整R2 0.802 0.819 0.797 0.805 0.810 0.814 0.790 0.797 F值 8.440 12.160 14.290 15.100 4.030 6.680 10.570 13.280 注:只报告空间滞后项系数,其他变量未报告;*、**和***分别表示在10%、5%和1%的水平上显著。 -
[1] 李永乐, 胡晓波, 魏后凯. “三维”政府竞争: 以地方政府土地出让为例[J]. 政治学研究, 2018, 138(1): 47-58. [2] 王媛, 杨广亮. 为经济增长而干预: 地方政府的土地出让策略分析[J]. 管理世界, 2016, 272(5): 18-31. [3] 刘守英, 熊雪锋, 章永辉, 等. 土地制度与中国发展模式[J]. 中国工业经济, 2022, 406(1): 34-53.doi:10.3969/j.issn.1006-480X.2022.01.003 [4] 杨其静, 郑楠. 地方领导晋升竞争是标尺赛、锦标赛还是资格赛[J]. 世界经济, 2013, 36(12): 130-156. [5] 张军. 中国经济发展: 为增长而竞争[J]. 世界经济文汇, 2005(Z1): 101-105. [6] 吴娜, 白雅馨, 安毅. 主动模仿还是被动反应: 商业信用同群效应研究[J]. 南开管理评论, 2022, 25(3): 149-161. [7] 田文佳, 张庆华, 龚六堂. 土地引资促进地区工业发展了吗: 基于土地、企业匹配数据的研究[J]. 经济学(季刊), 2020, 19(1): 33-60. [8] 亓寿伟, 毛晖, 张吉东. 财政压力、经济刺激与以地引资: 基于工业用地微观数据的经验证据[J]. 财贸经济, 2020, 41(4): 20-34. [9] 杨其静, 吴海军. 地理禀赋、土地用途与挂牌-拍卖出让策略: 基于2007—2017年土地出让数据的研究[J]. 南方经济, 2021, 385(10): 28-47. [10] 杨其静, 彭艳琼. 晋升竞争与工业用地出让: 基于2007—2011年中国城市面板数据的分析[J]. 经济理论与经济管理, 2015, 297(9): 5-17. [11] 周黎安. “官场+市场”与中国增长故事[J]. 社会, 2018, 38(2): 1-45. [12] 吕冰洋, 陈怡心. 财政激励制与晋升锦标赛: 增长动力的制度之辩[J]. 财贸经济, 2022, 43(6): 25-47. [13] LI H, KUNG K S. Fiscal incentives and policy choices of local governments: evidence from China[J]. Journal of Development Economics, 2015, 116: 89-104.doi:10.1016/j.jdeveco.2015.04.003 [14] WU G L, FENG Q, LI P. Does local governments' budget deficit push up housing prices in China?[J]. China Economic Review, 2015, 35: 183-196.doi:10.1016/j.chieco.2014.08.007 [15] 孙秀林, 周飞舟. 土地财政与分税制: 一个实证解释[J]. 中国社会科学, 2013, 208(4): 40-59. [16] 曹广忠, 袁飞, 陶然. 土地财政、产业结构演变与税收超常规增长: 中国“税收增长之谜”的一个分析视角[J]. 中国工业经济, 2007, 237(12): 13-21. [17] 陶然, 陆曦, 苏福兵, 等. 地区竞争格局演变下的中国转轨: 财政激励和发展模式反思[J]. 经济研究. 2009, 44(7): 21−33. [18] 张莉, 黄亮雄, 刘京军. 土地引资与企业行为: 来自购地工业企业的微观证据[J]. 经济学动态, 2019, 703(9): 82-96. [19] 张莉, 年永威, 刘京军. 土地市场波动与地方债: 以城投债为例[J]. 经济学(季刊), 2018, 17(3): 1103-1126. [20] 王乔, 王丽娟. 全国70个大中城市土地出让收入与价格的实证分析: 基于土地财政的空间互动效应研究[J]. 财贸经济, 2014, 393(8): 13-23. [21] 陈浩, 汪敏. 中国地方政府土地出让行为的竞争效应研究[J]. 中央财经大学学报, 2016, 350(10): 19-30. [22] 杨喜, 卢新海. 空间效应视角下中国城市土地城镇化的驱动因素[J]. 中国人口·资源与环境, 2021, 31(1): 156-164. [23] 姚洋, 席天扬, 李力行, 等. 选拔、培养和激励: 来自CCER官员数据库的证据[J]. 经济学(季刊), 2020, 19(3): 1017−1040. [24] LEE L, YU J. Estimation of spatial autoregressive panel data models with fixed effects[J]. Journal of Econometric, 2010, 154(2): 165-185.doi:10.1016/j.jeconom.2009.08.001 [25] 许和连, 邓玉萍. 外商直接投资导致了中国的环境污染吗: 基于中国省际面板数据的空间计量研究[J]. 管理世界, 2012, 221(2): 30-43. [26] LEE L, YU J. Some recent developments in spatial panel data models[J]. Regional Science and Urban Economics, 2010, 40(5): 255-271.doi:10.1016/j.regsciurbeco.2009.09.002 [27] 余莎, 游宇. 合伙卖地?地方政府合作与土地资源配置[J]. 财经研究, 2017, 43(12): 58-73. [28] SHI X, XI T. Race to safety: political competition, neighborhood effects, and coal mine deaths in China[J]. Journal of Development Economics, 2018, 131: 79-95.doi:10.1016/j.jdeveco.2017.10.008 [29] 邓慧慧, 赵家羚. 地方政府经济决策中的“同群效应”[J]. 中国工业经济, 2018, 361(4): 59-78. [30] 郭峰, 胡军. 地区金融扩张的竞争效应和溢出效应: 基于空间面板模型的分析[J]. 经济学报, 2016, 3(2): 1-20. [31] 耿曙, 庞保庆, 钟灵娜. 中国地方领导任期与政府行为模式: 官员任期的政治经济学[J]. 经济学(季刊), 2016, 15(3): 893-916. [32] BO Z. Economic performance and political mobility: Chinese provincial leaders[J]. Journal of Contemporary China, 2007, 5(12): 135-154. [33] 万良勇, 梁婵娟, 饶静. 上市公司并购决策的行业同群效应研究[J]. 南开管理评论, 2016, 19(3): 40-50.