地方政府杠杆率与银行信贷风险研究
——基于中国31省市空间面板的实证分析

王连军

(湖南工商大学 财政金融学院，湖南 长沙，410205)

一、引言

2008年国际金融危机爆发之后，我国政府及时推出了4万亿元投资的经济刺激计划，这在客观上强化了政府通过债务扩张拉动经济增长的模式，直接提高了房地产行业等领域的杠杆率，虽然地方政府积极建立规范的举债融资机制，尝试化解财政金融风险，但目前一些地方政府违规融资仍然存在，尤其是我国地方政府大量隐性债务以及对土地财政的依赖严重[1-2]，一旦政府债务风险爆发将通过金融系统传导，引发系统性财政风险甚至金融经济危机。为此，2018年4月召开的中央财经委员会首次提出“要以结构性去杠杆为基本思路，分部门、分债务类型提出不同要求，地方政府要尽快把杠杆率降下来，努力实现宏观杠杆率稳定和逐步下降”。“结构性去杠杆”为防范系统性重大风险提供了新的思路，但地方政府杠杆率变化过程中如何对金融风险在空间上进行有效监控、跟踪与防范，并基于中国地区差异进行杠杆率的空间优化，这些问题在当前推进供给侧改革背景下显得尤为紧迫。

对政府杠杆率问题的认识直接关系到国家宏观审慎政策的制定，只有准确、全面地理解中国政府高杠杆问题的形成机制，才能对症下药、解决问题。如何准确地测算政府杠杆率的真实水平？文献中衡量政府杠杆最直接的指标是债务总量与GDP的比率，然而这一指标忽略了与偿债能力相关的资产质量与效率等问题，无法进一步考察负债背后可能存在的深层次原因，从而无法提出相应的应对措施[3-4]。此外，现有文献主要将关注点聚焦在金融风险在国家间的溢出和传染，由于长期以来形成的“一国内部均质论”的基本假设，使得对于一国内部金融风险空间维度分布和演化的研究比较缺乏，如果忽略了地区之间的内生互动机制，就会低估金融风险对实体经济的负面影响，从而进一步造成区域经济发展的不平衡与不协调。

本文试图从空间层面围绕地方政府杠杆率与银行信贷风险展开研究，即地方政府杠杆率对地区金融风险的空间外溢机制。本文首先构建了地方政府资产负债率为代理变量，并且从杠杆率公式的分子(债务率)与分母(资本形成率)两个角度分别讨论了政府杠杆率对银行信贷风险空间溢出的直接与间接效应。其次，政府杠杆率对银行信贷风险的作用机制还受到外部金融发展水平、房地产投资规模以及GDP增长幅度等多因素的影响，研究基于两区制(Two- Regime)空间杜宾模型，讨论政府杠杆率与地区银行信贷风险二者之间的非线性机制。

二、文献综述与研究假设

(一)国内外研究现状

关于杠杆率处于何种水平为适度，现有理论迄今并无定论，如Reinhart和Rogoff(2010)[5]基于不同国家数据研究认为杠杆率对经济增长的影响存在阈值效应，当政府部门或企业债务/GDP指数超过90%之后，债务的继续累积将阻碍经济增长。Oet等(2013)[6]研究认为高杠杆率会产生金融风险，在降杠杆进程中容易造成大范围违约。文献中对于地方政府债务影响金融机构(主要是商业银行)风险的主要机理在于：地方政府债务扩张传导对银行信用产生不利影响(Bonis 和 Stacchini,2013)[7]，由此造成金融机构资产负债表的恶化，进而带来较高不良贷款率[8]。此外，也有研究认为银行同业拆借市场是导致不同地区银行发生风险传染的根源，当银行之间的关联超过一定程度时，个体银行风险会引发风险传染甚至会诱发系统性金融风险[9-10]。

国内研究主要运用宏观杠杆指标(M2/GDP或信贷/GDP等)对我国总杠杆和分部门杠杆水平和增速进行测算，总体上认为我国政府杠杆率仍处于安全水平，但增长速度较快[11-12]。中国作为转型中国家，政府债务中绝大部分是来自银行贷款，因此杠杆率变化过程容易引发银行流动性风险[13]。各地方政府潜在债务风险也可能会降低资源配置效率和降低经济增长速度[14-15]。Chen等(2017)[16]认为我国地方政府融资需求与影子银行的扩张之间有着紧密的联系，地方政府债券发行更多的省份，其影子银行规模也更大，这一结论意味着影子银行资金可能流向了地方政府的融资平台。熊琛和金昊(2018)[17]通过建立DSGE模型研究认为地方政府债务以各种形式存在于金融部门的资产负债表中，且两者存在非线性影响机制。

政府为达到预定的经济目标通常是通过干预商业银行的金融资源配置来实现，孙光林等(2017)[18]发现政府干预通过直接与间接两个方面对银行不良贷款产生影响，其中的直接效应能扭曲金融效率，增大信贷回收风险，而市场机制的形成对政府干预有约束作用，能提高信贷资产的整体收益，减少不良贷款。姜子叶和胡育蓉(2016)[19]从财政分权的视角研究认为存在预算软约束的条件下，地方政府会过度投资和债务融资，政府官员在追求绩效的激励动机下，政府债务将暴露流动性风险。苗文龙(2018)[20]认为金融分权过程中地方政府成为城市商业银行和农村商业银行的大股东，在地方银行的公司治理和重大项目贷款审批等事项上具有一定的干预权利，从而加剧了银行的贷款风险。

文献从财政视角为理解地方政府债务风险提供了实验证据，但实证研究采用的宏观杠杆率分析过于粗略，难有实质性借鉴价值，尤其是政府杠杆率既要涉及分子的债务因素又要考虑分母的资产因素，现有研究忽视了两者之间的影响机制。其次，文献由于将研究重心限定于金融行业自身相关变量的空间效应，且实证方法中大多基于线性模型，而地方政府空间竞争过程中外部因素如金融发展状况、所处省份的经济增长速度等都会明显影响政府融资决策行为，而鲜有文献涉及地方政府杠杆率变动导致金融风险空间溢出效应以及非线性特征研究。

(二)理论假设

命题1：政府杠杆率对地区信贷风险的影响存在空间外溢效应，直接效应表现为本地政府杠杆率越高，则本地的金融风险也越高。同样的，其他区域的政府杠杆率也通过间接效应影响本地政府的金融风险水平。

地区信贷风险空间溢出效应发生的根源是由于不同区域银行间存在直接关联和间接关联引发的区域风险传染。如图1所示，两者直接关联渠道主要包括资产负债渠道、同业贷款渠道及支付系统渠道[21]。间接渠道主要是由于信息不对称环境下市场投资者的非理性行为引起的挤兑、羊群行为等[22-23]。Acharya和Yorulmazer(2002)[24]从信息不对称的角度研究发现了银行间拆借市场的风险传染效应，投资者会担心持有相同资产银行或类似地区出现同样的问题而发生挤兑风险。关于我国政府行为导致信贷风险在空间生成与传染机制方面，吕健(2014)[25]研究发现地方政府债务增长更容易受到邻近地方的影响，其中东部和中部地区债务增长率持续放缓，而西部地区则出现了明显的上升。缪小林和伏润民(2015)[26]认为地方政府债务存在权责时空上的分离，在政绩考核模式下，周边同类地区经济水平越高，越能激发地方政府加速举债，因此会形成相互仿效卸责的区域传染效应。

图1 政府杠杆率对地区金融风险的空间作用机制

命题2：地方政府杠杆率对银行信贷风险的影响取决于分子债务规模和分母资本总额两者的共同驱动。通常债务规模越大，地方政府遭受地区信贷风险也越大，而资本产出率越高，则地区信贷风险水平越低。

中国现阶段的转型经济特征决定了政府财政支出将面临较大的压力，尤其在2008年之后，地方政府为应对国际金融危机而成立大量政府融资平台，由此形成的这类政府性债务主要用于交通运输、电力燃气等市政领域的基础设施建设，投资规模大且多为回报率较低的公益性项目，因此，资产负债期限错配问题使得银行系统的信用风险和流动性风险加大。其次，政府债务本身并不必然导致系统性风险，要合理评估我国的债务风险，还要看债务的用途及是否形成了优质资产，因此，政府债务效率对经济发展可持续性和金融稳定具有重要影响(纪敏等，2017)[3]。

衡量政府杠杆率最直接的指标是信贷规模(或负债总额)与GDP的比率，但传统杠杆率在学理分析上和实践操作中都存在一定的缺陷，要合理评估中国的债务风险，需要区分资本产出比的趋势性与周期性变化。为了针对这一问题进行考察，对债务率公式进行如下简单拓展：

债务率=债务总额/GDP=(债务总额/资产总额)×(资产总额/GDP)，进一步地，政府的资产负债率(债务/资产)=债务率/资本形成率。通过这一变动，我们将政府杠杆率拆分为两项，分子项是负债总额与GDP的比值，衡量政府总体负债情况，分母项为总资产/GDP(即资本形成率)，较高的资本形成率意味着未来总产出增长率也就越高，其他保持不变情况下，资本形成率与生产技术水平具有一定的对应关系，被视作衡量债务投资效率的重要指标。当前我国资本产出比处于较快上升阶段，资本形成率的上升变动特征[27-28]也是中国经济发展不可避免的结果，并不必然反映债务风险的持续累积。

命题3：政府杠杆率对地区信贷风险的影响存在空间非线性效应。地方政府杠杆率对信贷风险的影响受到当地金融发展状况、GDP增速和房地产投资强度等调节变量的影响。

在金融发展过程中地理上邻近的行业及相关企业会产生资源的集聚，共享基础设施，降低融资成本，给实体经济带来额外收益。由于地区间经济发展不平衡，使得发达地区更容易吸引投资，欠发达地区则难以获得资金青睐。在金融发展、宏观经济周期等外部调节因素作用下政府杠杆率对信贷风险的影响会出现非对称性特征。郭玉清等(2017)[29]认为地方政府扩张杠杆过程中西部落后省区表现出更强烈的短视卸责融资倾向，低于门槛的财政杠杆助力增长，高于门槛的财政杠杆可跨期、跨域卸责避险，增长绩效趋降。

中国以 GDP 为核心的政绩考核体制往往是地方政府干预商业银行信贷投放的诱因之一，在官员政绩竞赛的刺激下区域投资规模扩大，进而促进当地经济增长，但地方政府债务规模的过度扩张也会占用社会大量资金，通过影响信贷环境加重企业融资约束，从而极易诱发企业投融资期限错配。尤其是对房地产业这一资金密集型行业而言，因其与金融业之间的紧密联系以及金融体系内复杂的债权债务关系，使得房地产市场风险传导到银行体系，从而威胁到金融稳定。Moscone等(2014)[30]以美国城市数据研究表明房价对银行的不良贷款有消极影响，受到政府资助的房地产抵押贷款造成不良贷款率上升。彭俞超等(2018)[31]认为房地产投资对金融效率的抑制作用在西部地区、经济欠发达地区和房地产销售状况较差的地区更强。由于我国地方政府可用财力对土地财政依赖度高，融资平台举债多以土地抵押并依赖于地方政府隐性担保下的借新还旧，杠杆率很高的地方融资高度依赖于中央政府的土地调控政策，这就进一步给银行体系带来极大的风险，一旦融资政策收紧，或房地产市场成交量下降、价格下跌，风险就会骤然增大。

三、数据选择与空间自相关检验

(一)数据来源及指标选取

1.变量选取

(1)被解释变量

根据2013年《全国政府性债务审计结果》数据，我国地方政府债务资金中将近60%都来自银行贷款，不良贷款实际上反映了各地区信贷风险暴露状况。由于我国各地区经济基础以及经济发展所处的阶段不同，各地区债务规模与风险水平也表现出明显的区别，以2017年银行不良贷款率的数据为例，其中北京、上海不良贷款率仅为0.55%、0.68%，数据低于全国不良贷款率水平，而内蒙古、云南、山西的不良贷款率已经达到3.57%、3.07%、2.72%，这些省份均高于全国平均水平。借鉴吕勇斌和陈自雅(2014)[32]的研究方法，考虑到近年来银行不良贷款进入新一轮扩张期，成为金融风险主要隐患，防控商业银行不良贷款风险对于打好防范化解重大风险攻坚战具有重要意义。综上，研究采用各省份年度银行不良贷款余额作为信贷风险的代理变量，计算方法上对不良贷款余额取对数后得到(LNnpl)。

(2)解释变量

政府杠杆率指标利用政府债务总额与该地区资产总额的比值作为政府杠杆率的代理指标(Lev1)。由于分子上的地方政府债务2013年之前没有相关数据披露，借鉴吕健(2014)[25]对地方政府债务的估算方法，利用市政领域的固定资产投资减去政府可用收入的差额替代，即地方政府债务=市政领域的固定资产投资-地方政府财政支出投资额-土地出让金净收入-投资项目的盈利收入。按照吕健(2014)[25]的推算，应用上述方法估算的债务数值与审计署(2013)报告公布的数字实际误差仅为-0.32%，估算误差处于可接受的范围之内。需要说明的是，以上各变量均做对数化处理，因此模型估计系数的经济含义为弹性，即地方政府杠杆率变化1%，在控制其他变量的情况下，各地区银行不良贷款的变化率。

(3)控制变量

基于中国国情出发，主要选取人均基础设施、对外开放度、房地产投资额、固定资产投资额、工业化水平等作为控制变量。具体来看：①利用人均道路面积的对数值(LNinfra)来度量人均基础设施水平；②房地产开发投资额取对数(LNreal)，用房地产开发投资额来度量城市房地产投资活跃程度；③考虑到地方政府金融风险可能在区域经济网络中存在空间依存关系，加入各省份对外贸易的进出口总额的对数值(LNport)，经济含义表明各地政府对外依存度越高，其经济增长对外依靠的程度也越高；④投资规模用固定资产投资额对数值来表示各省份的投资规模(LNinvest)；⑤工业化程度，用第二产业增加值的对数值来表示工业水平(LNindust)。

2.数据来源

采用2005—2016年全国31个省(市、自治区)的相关年度数据进行估计，指标及指标测算数据分别来源于EPS全球统计数据/分析平台数据库，2013年以后的政府债务数据来自Wind数据库。为了消除价格对经济指标的干扰，本文以2004年各地价格为基准，对地区生产总值、全社会固定资产投资、进出口总额等宏观经济指标采用定基物价指数进行处理。总体上数据以平衡面板呈现。具体数据特征如表1所示。

表1 变量描述性统计

在进行系数估计之前，对变量两两之间的相关性进行了检验，系数矩阵显示变量之间最大的相关系数均在-0.3到+0.3之间，说明各自变量间不存在明显的多重共线性问题(篇幅所限，本文不再报告)。

(二)变量空间探索性分析

1.空间自相关检验指标

在进行空间计量分析之前，需要考察变量的空间依赖性，以判断是否适合建立空间计量模型。空间自相关可以通过全局莫兰指数(GlobalMoran′sI)来度量。当全局Moran′sI指数>0时，说明信贷风险在地区间呈现空间正相关性，表现为信贷风险的空间集聚效应。相反则说明信贷风险在地区间的差异程度。

通常全局Moran′s指数计算公式为：

(1)

上式(1)中wi,j为空间权重矩阵中的元素。Anselin(1995)指出整体的评价可能忽略了局部地区的非典型特性，而局部地区的相关性具体如何，是否出现显著的集聚现象，探讨这一问题需要引入局域相关性指标(LISA)来考察。其计算公式为：

(2)

2.空间自相关实证结果分析

(1)全局自相关统计

表2中报告的是基于省域空间数据计算的全局Moran指数，结果表明各地区信贷风险和政府杠杆率的全局Moran指数都明显大于零，说明二者在空间上呈明显的全局相关性。从时间趋势上来分析，在样本区间内(2005—2016)各地区的信贷风险完全正相关(P值至少在10%置信水平显著为正)，政府杠杆率指标除了在2005—2007年间全局Moran无法拒绝空间相关性原假设之外，其余年份也表现出显著的空间自相关特征。

表2 中国31个省份主要经济变量全局Morans’I统计指标

(2)空间局部聚集效应

我国幅员辽阔，地区之间表现出较大的差距，其中东部地区凭借技术、管理以及市场方面的优势，获取了国内大部分金融机构信贷资金投放；而西部地区则由于中央政府的政策倾斜及其东部地区产业的转移，其政府债务更多的属于被动的加杠杆过程。通常我国西部省份大多数财政收入相对有限，一旦受到外部冲击，在抵押物价值变动规律的作用下，债务风险的“顺周期”效应在这些地区体现得更明显。当政府对长期投资、信贷投放的行政干预一定程度替代了市场决策，必然会伤害市场利益主体，损害经济发展效率，从而助长了不良贷款的扩张。

图2表明解释变量(政府杠杆率)2016年在西部地区出现了更多聚集现象，如四川、重庆、贵州、甘肃等省份都位于第一象限(高-高区域)，而北京、上海等经济发达省市的空间自相关绝大多数是“低-低”相关的空间特征。结论说明政府杠杆率较高的西部地区邻近的省份通常政府杠杆率也较高，而政府低杠杆率的发达地区通常也被临近的低杠杆率省份所包围。

图2 政府杠杆率2016年空间自相关统计

图3 杠杆率的分子：2016年政府债务率LISA指数

图4 杠杆率的分母：2016年资本形成率LISA指数

图3、图4分别从政府杠杆率中分子与分母两个角度进行局部空间自相关统计，LISA指数表明我国各地政府2016年无论是总债务率还是资本形成率总体上仍呈现出西部地区或经济欠发达省份周围呈高度自相关特征。

四、计量模型及实证结果分析

(一)空间计量模型设定

对于空间相邻的两个城市而言，一般存在着时空相关性，这打破了经典统计的独立同分布假设，因此在研究空间溢出与集聚现象时，经典统计模型的前提条件得不到满足。为了考察政府杠杆率对地区信贷风险影响的直接效应与间接效应，研究选择空间滞后模型与空间杜宾模型进行计量检验，其中空间滞后模型(SLM)的表达式为：

(3)

式(3)中i和t分别代表省份和年份，ρ度量了相邻区域观测值对本区域观测值的影响程度，wij为经过行标准化处理后的空间权重矩阵中的元素，ε为残差扰动项。Xit为外生解释变量，β为解释变量的回归系数，具体含义表示为控制其他变量的情况下，地方政府宏观杠杆率每变动1%，平均来说，对各省份不良贷款规模Y的变化程度。

根据LeSage和Pace(2009)[33]的研究，空间杜宾模型(SDM)是唯一能够得到无偏估计的模型，基于我国省域数据的空间杜宾模型可以扩展为：

(4)

空间权重矩阵设定通常采用邻接法或距离法。如果两区域在地理位置上相邻，邻接法则将空间权重矩阵对应的元素赋值为“1”；否则赋值为“0”。即：

基于距离法的空间权重矩阵元素赋值规则为：

其中Di,j为省域i与省域j的省会城市所在地的地表距离，利用地理信息系统(GIS)获得全国省份之间的经纬度地理坐标，以经度为X轴、维度为Y轴，采用欧氏距离来计算两点(两个地区的质心)之间的距离，从而生成地理空间权重矩阵。所有的空间权重矩阵W中的矩阵元素都要经过行标准化处理后得到。

上述模型(4)的构建采用的是线性空间模型，由于区域经济发展阶段不同或区位优势差异等因素，地方政府行为可能并非一致。在此，假定同属某一区域内相邻的省市与虽相邻但分属不同区域的信贷风险生成系数不相同，为此引入两区制的空间杜宾模型(Elhorst和Fréret，2009)[34]。通过构建空间异质性的指示变量，将不同性质空间关系纳入同一模型来估计。构建“两区制”空间杜宾模型如下：

(5)

(二)空间计量模型实证结果分析

1.空间溢出机制分析

选用空间滞后模型(SLM)、空间杜宾模型(SDM)与双固定效应的空间杜宾模型(SDMFE)进行实证检验，并分别采用空间相邻与地理距离两种方法生成空间权重矩阵。模型估计系数采用极大似然估计法进行参数估计(Log-Likelihood)，估计结果如表3所示：

第一，表3中被解释变量空间滞后项系数ρ六组回归结果均在1%置信水平上显著为正数，说明信贷风险在区域之间均存在较强的正向空间溢出效应，即“以邻为壑”现象在我国仍长期存在。以模型1的回归结果为例，当周围省份信贷风险每增加1%，会引起本地区信贷风险增加0.43%。

表3 政府杠杆率与信贷风险的空间计量模型检验

续表

第二，为了进一步探讨空间计量模型回归系数所包含的交互信息，表中给出了直接效应、间接效应及总效应估计值。其中直接效应反映的自变量对本地区的因变量具有显著影响，间接效应主要用于检验是否存在空间溢出效应，测度的是某一单位自变量的变动对其他空间单元因变量的影响。空间滞后模型1中检验结果表明，政府杠杆率对地区信贷风险的弹性系数为0.49%，即本省的政府杠杆率每下降1%，当地信贷风险将下降0.49%。间接效应估计系数为0.33%，表明周围临近省份的杠杆率每下降1%则本地区信贷风险也下降0.33%。模型1中两者之和的总效应为0.83%。考虑到地区之间的固定效应与年度时间效应之后，空间杜宾模型5中变量LNlev1的直接效应估计系数在5%置信水平为0.17%，而间接效应与总效应检验结果均不显著，模型5的结果表明政府杠杆率对地区信贷风险的影响更多地是来自省域内政府杠杆率的直接效应。

第三，其他控制变量中对外开放度(LNport)对地区信贷风险的总效应(模型1—4)在1%置信水平显著为正，说明随着中国地方政府对外贸易的快速发展和开放程度的加深导致地区信贷风险增加，回归结果也符合预期。其次，基础设施(LNinfra)对信贷风险总效应的估计系数显著为负。良好的基础设施有利于商品流转，降低地区间的交易运输成本，提高资源要素的流通配置效率，最终造成地区信贷风险的下降。工业化程度(LNindust)对地区信贷风险的总效应只有在空间滞后模型1和模型2中的系数在1%水平显著为正，意味着工业化程度的提高会引起银行信贷资金的投入，理论上也会提高不良贷款规模的增加。除此之外，LNreal回归系数只有模型4中的回归系数显著，其余结论都不稳定，说明房地产投资与地区信贷风险之间的弹性并不明显。

政府杠杆率对地区信贷风险的影响途径理论上是通过分子和分母共同驱动的，基于这一思路再分别选取分子中的政府债务率的对数值(LNDebt)以及分母的资本形成率取对数(LNCapital)作为解释变量，从两个角度展开实证研究。回归结果如表4所示：

从表4中看到，分子的政府债务率对信贷风险的直接效应在5%置信水平显著为负，其经济含义为本省政府债务率每下降1个百分比，则当地的银行不良贷款余额下降0.2个百分比，此外模型估计的间接效应与总效应均不显著。其次，分母资本形成率对信贷风险的间接效应在5%置信水平为-1.26%，说明临近省份资本形成率每提高1个百分比，则本地区信贷风险下降1.26个百分比，同样模型4和模型6项中资本总额对信贷风险的直接效应和总效应均不显著。综合表4中的检验结果可以判断：政府杠杆率还是主要通过分子上债务总额的直接效应来影响地区信贷风险，高债务率仍然是引发系统性金融风险最根本因素，而分母的资本额则更多是通过间接效应来影响地区信贷风险。

表4 政府债务与资产总额对地区信贷风险的影响检验

虽然提高资本形成率可以有效降低所在地区的信贷风险，但我国地方政府资产结构中主要是由固定资产和土地储备等构成，这些资产流动性较差，处置起来比较困难，一旦受到严重的外部冲击，资本变现比较困难，可能会造成价格大幅缩水的现象，很难起到缓解债务压力的作用。

2.稳健性分析

稳健性分析选择金融杠杆波动来衡量地区信贷风险。具体计算方法借鉴马勇等(2016)的研究，对地区信贷总额求HP滤波，得到其周期波动项，然后取其绝对值，再用这个绝对值除以当年的地区信贷总额即金融杠杆波动(Vol)。显然，金融波动的数值越大，表示对应的金融不稳定程度也就越高、信贷风险也越大。稳健性分析中解释变量选择以地方政府信贷总额/GDP作为宏观杠杆率的代理变量(Lev2)，该指标不仅显示出金融失衡及受内生周期的冲击情况，同时反映出逆周期资本缓冲顺周期性状况。为了进一步分析政府杠杆率的结构特征，回归模型再加入政府债务率(Debt)与资产形成率(Capital)等两个解释变量。

稳健性分析再将控制变量进行调整，将表3中控制变量的绝对数值转换成相对比值。具体做法为：①城市基础设施水平仍然采用人均道路面积(LNinfra)来度量；②房地产投资采用房地产投资额的增长率(Growreal)来表示；③对外开放程度采用各省份的进出口总额与国内生产总值的比值进行衡量(Port_ratio)；④利用固定资产投资额的增长率表示投资因素(Growinvest)；⑤工业化程度用第二产业增加值与GDP之比来表示(Indus_ratio)。稳健性回归结果如表5所示：

表5 政府杠杆率与信贷风险波动率的空间计量检验

表5结果显示，以地区信贷总额/GDP为政府杠杆率对信贷风险的总效应在1%置信水平显著为正(0.09%)，意味着政府杠杆率将会显著降低银行信贷的波动性。再来考察政府资产负债率中的分子与分母两项对信贷风险的影响，其中分子政府债务率(债务总额/GDP)对银行信贷波动的直接效应在5%置信水平为负，而分母资本形成率(资本总额/GDP)对信贷波动的间接效应在10%置信水平显著为正，两者回归结果与表3中的结论相反，出现这一差距的可能原因在于，信贷资金对地区经济的影响通常具有一定的滞后性，而表5中得到的回归系数为当期变量间的影响，实际上政府提高本年度债务总额短期内会提高本地经济增长，能够起到抑制经济波动的作用。

(三)进一步讨论：双区制空间杜宾模型回归分析

根据前文假设3，本文构造如下区制指示变量：(1)金融发展区制变量。本文采用王小鲁等(2016)报告提出的中国各地区金融业市场化指数来衡量金融发展差异，报告中构建的金融发展市场化指数分别涵盖了政府与市场的关系、非国有经济的发展、要素市场的发育程度、产品市场的发育程度、市场中介组织的发育和法律制度环境等五方面指标，因此该指数具有很好的综合性。当金融发展水平大于邻近省市区的金融发展水平时，上述d1it赋值为1，否则为0。(2)房地产投资强度区制变量d2it。利用省域内房地产投资额占固定资产投资占比作为基础指标，当这一指标超过全国平均的比值则d2it赋值为1，否则为0。(3)GDP增速区制变量d3it，将地方政府GDP增速高于全国平均水平作为区制衡量指标，此时d3it赋值为1，否则为0。

由于各省市区的经济发展水平与区位存在差异，为了进一步分析区域异质性对信贷风险的影响，采用国家分类标准，将东部地区所在省份进行对比分析。回归结果如表6所示。

(1)全样本回归结果中金融发展与房地产投资强度的空间滞后项系数在1%的置信水平拒绝了区制1和区制2系数相等的原假设，说明以双区制模型对地区信贷风险进行空间滞后识别是合理的。对比模型筛选的R2、Log-L等指标可以判断双区制估计结果也优于表3中空间杜宾模型估计结果。

(2)全样本回归结果表明：金融发展区制变量的空间滞后项ρ1和ρ2至少在5%的显著性水平上为正，且前者ρ1系数值小于后者ρ2。结论说明，一方面我国省域之间金融发展水平无论是大于还是小于其他竞争地区，各地之间都存在模仿式空间交互行为；另一方面也表明那些金融发展较高的省份更容易受到区域外信贷风险溢出的影响。其次，以地区房地产投资强度为区制变量的结果同样表明本地区房地产投资强度越高则信贷风险受到省域外部风险溢出的影响越明显，二者估计结果证实了假设3的推论。最后，以GDP增速为区制变量来看，双区制下空间滞后项虽然估计系数显著，但是两者并没有明显的区别，说明地方政府要采取以GDP增长率为衡量指标的考核体系，但政府杠杆率对银行信贷风险的空间溢出机制并没有随经济增速的快或慢而发生改变，该结论也证实了中国地方政府的决策行为仍然存在明显的唯GDP论的内在倾向。

(3)分地区检验结果表明，东部省份区制变量的空间滞后项ρ1与ρ2都在1%置信水平显著为正，但是ρ1-ρ2检验均没有通过检验，结果表明东部省份地区信贷风险存在明显的空间正向溢出效应，但在东部省份内部没有表现出明显的区制转换特征。此外，东部地区的政府杠杆率(LNlev1)估计系数明显高于全样本的估计结果，说明东部省份政府杠杆率对信贷风险的作用效果更加显著。

表6 双区制空间杜宾模型估计结果

续表

五、研究结论及政策启示

本文利用我国31个省域2005年至2016年的空间数据，研究了中国地方政府杠杆率对地区信贷风险的影响。主要结论有：

(1)空间自相关统计表明我国地区信贷风险在西部省份、经济欠发达地区存在明显的高聚集现象，而北京、上海等经济发达省市的信贷风险多为“低-低”相关的空间特征。同样政府杠杆率较高的西部地区邻近的省份也呈现高度自相关空间特征。

(2)空间计量模型回归结果表明，我国地区信贷风险在区域之间均存在较强的正向空间溢出效应，“以邻为壑”现象在我国仍长期存在。从分子与分母两个角度来看，分母中的资产总额通过间接效应来降低地区信贷风险，而分子(债务总额)主要通过直接效应影响地区信贷风险。由于我国地方政府资产结构中主要由固定资产和土地储备等构成，一旦面临外部冲击，政府将面临流动性风险的威胁。

(3)双区制空间杜宾模型估计结果表明，我国地方政府杠杆率与地区信贷风险存在明显的非线性关系，其中本地金融发展水平、房地产投资强度等数值越高，当地地区信贷风险的空间溢出效应越显著；而GDP增速为区制变量的回归结果没有明显区别，该结论从侧面印证了中国地方政府的决策行为仍然存在明显的唯GDP论的内在倾向。

本文政策启示在于：首先，政府调整杠杆率进程中监管部门有必要重视金融风险在区域间传导的监控，在及时化解区域爆发的金融风险的同时注重区域政策统筹协调，完善政策影响行业和产业联动机制。其次，宏观审慎政策制定部门要结合政府杠杆率的结构性特征来制定差别化对策，引导地方政府主动降杠杆。最后，地方政府应从源头深化金融体系改革，资本市场发展较好的地区，应当大力发展股权融资，同时还要进一步改善实体经济的资本配置效率，提高经济发展质量，这样才能从根本上化解地方政府金融风险。