少儿抚养比如何影响地方政府隐性债务风险——基于土地财政模式的研究

范小云 邹小备 杨昊晰

一、引 言

老龄少子化，是我国中长期经济社会发展面临的重大问题。一方面，我国劳动力人口(15 岁～64 岁)占总人口的比重自2011 年起逐年下降，劳动力人口的绝对数量也在2013 年达到峰值。据联合国《世界人口展望2019》(World Population Prospects 2019)预计，中国65 岁以上老年人口的比重将从2020 年的12%上升至2035 年的20.7%，与同期美国(21.2%)、挪威(21.8%)等部分发达国家的水平相当。另一方面，生育率的快速下降进一步加速了我国老龄少子化的进程。据国家统计局数据显示，在“全面二孩”政策实施之后，中国人口出生率仅在2016 年有所上升，达到12.95‰，此后便逐年下降，到2019 年已降至10.48‰的历史低位。吴帆(2019)认为，中国已经面临陷入“低生育率陷阱”的严重风险。民政部部长李纪恒(2020)更是撰文指出，我国适龄人口生育意愿偏低，总和生育率已跌破警戒线。有鉴于此，中共中央、国务院公布了《关于优化生育政策促进人口长期均衡发展的决定》(以下简称《决定》)，提出了建立积极生育支持政策体系、建设普惠托育服务体系、实施一对夫妻可以生育三个子女等重大政策举措。

人口的老龄少子化是一个复杂问题，与教育成本、住房成本等均有关系。正如《决定》中所述，积极生育支持政策体系离不开土地、住房、财政、金融、人才等方面的配套政策，其中财政与土地政策正是本文关注的焦点。从国际经验来看，为了避免陷入“低生育率陷阱”，公共财政对于育儿的支持力度需要大幅度提高(丁英顺，2019)，而新生人口需要若干年才能转化为劳动力以支持经济和财政，这本身就意味着新的财政赤字负担。再叠加后疫情时代中国经济发展韧性受到考验，局部地区财政收支矛盾加剧，地方政府隐性债务风险处置进入攻坚阶段。与此同时，作为地方财政重要支撑的土地财政模式也亟待调整。通过对房地产企业有息债务的增长设置“三道红线”、对部分城市实施二手房指导价等举措，中央再次宣示了“房住不炒”的决心，有力地引导着房地产市场、土地市场有序回归理性。于是，在地方财政特别是土地财政面临深刻变革的今天，积极生育支持政策将会给地方政府财政带来什么影响？对土地财政体制提出了哪些新的要求？如何影响地方政府债务风险状况？给因地制宜地实施积极生育支持政策又带来了哪些启示？这是本文尝试回答的问题。

为了回答上述问题，本文着重考察少儿人口抚养负担与地方政府隐性债务风险之间的关联。本文以城投债交易利差作为地方隐性债务风险的度量指标，利用少儿人口(0 岁～14 岁)与劳动力人口(15 岁～64 岁)之比(少儿抚养比)衡量某地区的少儿抚养负担，使用2009—2017 年的样本数据，发现地方隐性债务风险同少儿抚养负担之间存在显著的正向关联。在此基础上，本文创新性地提出采用历史出生率数据构建指标以描述地区中年人口比重的外生变化趋势，并以此作为少儿抚养负担的工具变量进行2SLS 分析，从而验证了少儿抚养负担催生地方隐性债务风险的因果效应。

进一步，本文采用实证方法分析了少儿抚养负担推高地方隐性债务风险的机制，特别是土地财政在此过程中所扮演的角色。首先，本文使用2SLS 回归验证了地区少儿抚养负担的增加有推升当地土地出让价格的作用，这反映出在住房、户籍、公共服务三者绑定的体制下，由少儿抚养负担提高所导致的更为激烈的公共服务资源竞争最终表现为更高的自有住房需求和更高的地价。其次，本文从实证角度揭示了土地价格与城投债交易利差之间的正向关联。对于地方政府及其融资平台而言，土地价格上升既存在资产负债表修复效应，又有刺激其举债的作用，于是该实证结果实质上反映出后者对于地方隐性债务风险的作用超过了前者，即土地价格上升意味着更高的地方隐性债务风险。基于以上分析，本文结合中国具体国情，提出了少儿抚养负担通过刺激地方政府的土地融资行为而加剧地方隐性债务风险的传导路径。最后，本文考察了地方财政对土地财政的依赖程度是如何放大上述传导效应的：当地方财政对土地财政的依赖程度更高时，对上述传导机制也将更为敏感，于是少儿抚养负担的外生增加将导致地方隐性债务风险出现更大程度的上升。

本文的主要贡献有以下三个方面。第一，首次将少儿抚养负担的因素引入地方隐性债务风险问题的分析当中，从实证角度发现了少儿抚养负担与地方隐性债务风险之间的正向关联。第二，利用了中年人口生育、抚养决策较少受到生育政策和经济发展影响的特征事实，将中年人口比重的外生变化趋势(从历史出生率当中得出)作为少儿抚养负担的工具变量，通过2SLS 分析验证了少儿抚养负担加重与地方隐性债务风险加大的因果效应。第三，结合中国具体国情，探讨了在少儿抚养负担加剧地方隐性债务风险的机制当中，土地财政扮演了何种角色，提出少儿抚养负担通过推高土地价格的方式刺激了地方隐性债务风险的膨胀，且地方政府对土地财政的依赖程度越高，这种效应的经济显著性越强。

本文余下内容的安排如下：第二部分回顾相关研究及其与本研究的关系；第三部分从理论角度分析土地财政、地方政府债务风险与少儿抚养负担之间的关联；第四部分介绍实证研究的数据来源、处理方式和变量的描述性统计结果；第五部分为实证分析，涉及少儿抚养负担与城投债风险的相关性分析以及运用工具变量2SLS 方法的因果性分析；第六部分探讨以土地价格为中间环节的作用机理和地方政府土地财政依赖程度的放大效应；最后一部分提出结论和政策建议。

二、相关文献回顾

人口年龄结构变迁对经济、金融和财政体系的影响一直是学界关注的热点问题。人口年龄结构通过影响劳动生产率提高和技术进步的节奏来推动经济的长期增长(Maestas 等，2016；Acemoglu 和Restrepo，2017)，并通过影响居民的储蓄倾向来塑造金融市场的长期趋势(Geanakoplos 等，2004；Favero 等，2016)。人口年龄结构变迁对金融市场的影响集中体现在对利率水平的决定上，学界在这方面的研究已经比较充分。例如，范小云等(2018)考察了我国人口年龄结构在基准利率决定中所发挥的作用，并将其引入中国金融体系系统性风险的测度当中；李雪等(2020)发现人口老龄化对我国的利率期限结构有深刻影响，使得收益率曲线变得平缓。在地方政府债务管理方面，国外有学者针对人口年龄结构变迁的影响进行了一些研究。例如，Butler 和Yi(2019)研究了美国人口老龄化对市政债券风险的影响，指出人口老龄化通过增加政府的养老金和医疗保险支出负担、降低税收收入导致市政债券信用风险增加。然而，现有研究多是侧重分析养老负担对地方财政和债务的影响，鲜有从人口年龄结构(特别是少儿抚养负担)方面分析其对地方财政和债务管理的影响机理，况且中国的地方财政体制和地方债务问题的基本逻辑与西方国家截然不同。当前中国的地方财政是围绕着土地财政展开的，土地财政与房地产市场密切相关。由于生育与少儿抚养活动构成了房地产市场刚性需求的重要组成部分，故而本文创新性地尝试从少儿抚养负担的角度，研究人口年龄结构变化通过土地财政影响地方财政状况的机理。

本文从城投债交易利差的角度分析地方隐性债务风险，研究内容及结果建立在国内外学者对于中国城投债的丰富研究成果之上。以新《预算法》出台为分水岭，学者们对于中国城投债的研究大致可分为两个阶段：第一阶段，学界将政府担保的作用作为研究城投债风险的重点(如汪莉和陈诗一，2015；钟辉勇等，2016；罗荣华和刘劲劲，2016；王永钦等，2016)。自国务院“43 号文”、新《预算法》实施以来，学界对城投债的研究更多地关注政府担保之外的经济和政策因素是如何影响城投债风险的，如宏观经济政策的不确定性(刘柳和屈小娥，2019)、来自金融市场和金融机构的信息和约束(沈红波等，2018；朱莹和王建，2018)，以及地方政府城投债政策文宣和执行间的微妙关联(郭峰和徐铮辉，2019)等。截至目前，鲜有研究从人口年龄结构(少儿抚养负担)角度分析中国地方隐性债务风险。本文填补了该领域的这一空白。值得一提的是，对于中国的地方债务管理问题，学界尤其关注房地产和土地财政对地方隐性债务风险的影响(如Ang 等，2018；张莉等，2018)，而本文将土地财政作为分析人口年龄结构(少儿抚养负担)影响地方隐性债务风险的中介环节，加深了学界关于土地财政与地方隐性债务风险之间关联的认识。

本文的研究结论建立在学界关于土地财政利弊的丰富研究成果之上。自分税制改革之后，土地财政逐渐成为地方财力的重要支撑(宫汝凯，2012)。土地财政的得与失是国内学界争论的焦点：一方面，以土地为信用基础所撬动的巨额资金极大地推动了中国的城市化建设(赵燕菁，2018)，城市化建设所带来的土地增值又被地方政府以土地出让金、土地抵押贷款等形式集中并进一步投入城市化建设当中(郑思齐等，2014)，地方政府还通过低价出让工业用地、高价出让商住用地来吸引企业、集聚产业并推进城市化(雷潇雨和龚六堂，2014)；另一方面，地方政府对土地市场的垄断和对土地财政的依赖是高房价的重要推手(宫汝凯，2012；邵新建等，2012；宫汝凯，2015)，土地财政借由房地产市场和土地价格加大了宏观经济波动(高然和龚六堂，2017；闫先东和张鹏辉，2019)，对工业用地的补贴造成了土地利用效率低下(田文佳等，2019)、助长了对产能过剩行业的过度投资(黄健柏等，2015)，从而挤出了对技术创新的投入(鲁元平等，2018)。本文旨在研究人口年龄结构影响地方隐性债务风险的作用机理，着重考察土地价格、土地财政在其中所发挥的作用，丰富了有关土地财政利弊的研究。

三、关于土地财政、地方政府债务和少儿抚养负担的理论框架

分税制改革之后，地方政府为了筹集更多财政资金以推动城市基础设施建设和地方经济发展，探索出了土地财政模式。郑思齐等(2014)将该模式概括为“以地生财、以财养地”的正循环：利用土地出让收入为城市基础设施建设融资，而完善城市基础设施又可以提升城市经济承载能力和居民生活质量，从而提高土地价格并创造出更多土地出让收入。上述理论模型与中国城市化快速发展阶段的特征事实基本符合，不过笔者认为，要使这一正循环模式得以维持，需要具备一个前提条件：地方政府前期投入的城市基础设施投资，必须顺利地通过土地出让交易转化为足以覆盖前期投入的后期财政收入——这是地方政府土地财政模式的“惊险一跃”。如果城市基础设施投资规模和土地价格水平只是适度超前于城市当前发展阶段并符合城市未来发展预期，那么这“惊险一跃”是可以实现的；倘若土地价格上涨脱离了城市未来发展的合理预期，这种上涨只是由债务规模非理性膨胀所催生的虚假繁荣，是不可持续的。“树不能长到天上去。”随着土地价格越来越高，在未来土地出让交易当中获取相同甚至更高土地出让收入的难度也越来越大，但地方政府在政绩考核和晋升竞争的压力下不会轻易地放缓城市基础设施建设的步伐，这一矛盾最终会以地方政府债务风险的形式表现出来。近年来，随着人口红利迎来拐点、经济增长面临新旧动能转换、国际争端和新冠疫情导致供应链稳定受到挑战，城市未来发展预期面临新一轮调整，土地出让收入的可持续增长日渐势微，于是“以地生财、以财养地”的地方财政正循环逐渐向着“以地举债，卖地还债”的地方债务负循环演化(如图1 所示)：地方政府以土地为抵押举借地方债务为城市基础设施建设融资所积累的存量地方债务规模膨胀，导致利息支出水涨船高；但已然“高处不胜寒”的土地价格开始逐渐脱离城市未来发展的合理预期，致使土地财政收入的增长难以为继并日趋落后于债务增长的步伐，城市基础设施投资亦会后劲不足，这反过来又会导致地方债务风险溢价上升和地方债务滚动难度增加，进一步增加地方政府的偿债压力。

为了理解少儿抚养负担对于地方债务风险的影响，笔者将其置于上文所构建的土地财政分析框架之下，如图1 所示。具体而言，生育支持政策和少儿抚养负担将增加居民对住房的刚需、改善性需求等合理的住房需求，从而对房价、土地价格构成正向冲击。然而，少儿抚养负担对家庭部门以及土地财政模式的影响并不止于此。一个值得关注的问题是少儿抚养负担对居民负债率的负面影响。自2008 年金融危机以来，与世界主要经济体住户部门去杠杆的大趋势相反，中国住户部门杠杆率一直呈快速攀升之势。来自国际清算银行的数据显示，中国住户部门杠杆率从2008 年末的17.9%升至2020 年末的61.7%，其2020 年末值远高于发展中经济体的整体水平(依购买力平价计算为46.6%)。造成上述现象的原因，除了居民消费观念转变、个人经营性小微贷款发展以外，伴随房价、地价上涨的住房按揭贷款增长无疑是最重要的推手。少儿抚养负担在增加居民合理住房需求的同时，亦会促进住房按揭贷款增长，从而提高居民的负债率。当居民背上过于沉重的债务包袱时，总需求会受到长期抑制且自然利率亦会随之降低(Mian 等，2021)，这势必会对城市未来发展预期造成负面影响。与此同时，少儿抚养负担增加也会迫使家庭部门在少儿抚养上投入更多时间和精力，从而对劳动力供给造成负向冲击。于是，少儿抚养负担一方面会刺激土地价格上涨，另一方面无论是从需求(居民债务)还是从供给(劳动力)角度都会给城市未来发展预期带来一定的负面影响，从而造成土地价格与城市未来发展预期的进一步脱离，加剧地方政府“以地举债，卖地还债”的债务负循环。

图1 关于土地财政、地方政府债务和少儿抚养负担的理论框架

四、变量、数据与描述性统计

基于上文关于土地财政、地方债务风险和少儿抚养负担之间关系的分析框架，本文尝试从实证角度考察少儿抚养负担加剧地方债务风险的效应以及土地财政在其中所发挥的作用。

至于如何度量地方债务风险，本文选择以地方政府隐性债务为切入点，用城投债在二级市场的交易利差来度量某地区地方政府的隐性债务风险。新预算法实施之后，作为地方债务风险治理工作的重要一环，地方政府债务“显性化”，即用债务主体为省级人民政府的地方政府债券(包括一般债、专项债)置换原有的主要以城投平台为债务主体的债务。置换后的债务被纳入政府预算管理，由财政资金偿付，是为显性债务；与此同时，仍有一些债务以城投平台、PPP 项目等为债务主体，是为存量隐性债务。存量隐性债务虽并未被纳入地方财政预算表的管理范围之内，但其发行与偿付仍与地方政府存在密切关联，因为债权人普遍存在对地方政府“隐性担保”的预期，即一旦平台丧失偿付能力，地方政府会动用财政资金实施救助：业内人士形象地称之为“城投信仰”。换言之，存量隐性债务对于地方财政而言属于或有债务。当前，地方政府显性债务风险总体可控，而地方政府隐性债务规模依旧庞大，潜在风险较高(张明和孔大鹏，2021)。因此，本文选择从地方政府隐性债务风险入手，并参考吴洵和俞乔(2017)、牛霖琳等(2021)的做法，用城投债利差作为实证模型的被解释变量。

（一）构建城投债月度交易利差

构建城投债月度交易利差需要用到有关城投债交易和发行的数据。城投债交易数据来自CSMAR 数据库中的单支债券日交易信息表，包括债券代码、日度交易量、日度收盘价等。城投债发行信息数据来自CSMAR 数据库的债券基本情况表，包括发行量、息票率、是否含权等。依据发行主体名称，从中筛选出国债交易数据和城投债交易数据，其中城投债发行主体名称的信息来自Wind 数据库。在此基础上，遵循Ang 等(2018)的做法，剔除所有含权债券的观测以及到期期限小于1 个月的观测。

为得到月度的城投债交易利差，本文参考Ang 等(2018)、Butler 和Yi(2019)的方法，对上述国债交易数据和城投债交易数据进行如下处理。首先，对于2009—2017 年间的每一个月，计算当月每一只有日度交易记录的国债和城投债的月度加权平均交易价格，权重为日度交易量。其次，参考Gürkaynak 等(2018)的方法，使用国债月度交易价格估计以Nelson-Seigel-Svensson 模型表示的国债零息债券收益率曲线。再次，对于每一个城投债月度交易的观测，构建对应的假想国债，使二者的未来现金流相同，并依据当月的国债零息债券收益率曲线计算该假想国债的理论价格和到期收益率。最后，依据月度城投债交易价格计算对应的到期收益率，并与对应的假想国债到期收益率相减，得出月度城投债交易利差的观测。

按照上述方法共整理出15986 个月度城投债交易利差的观测，其描述性统计结果如表1 第1 行所示。从表1 中可以看出，城投债利差的样本有明显的右偏、厚尾特征。为了避免极端值对实证分析的干扰，笔者对月度城投债交易利差样本做了1%分位点的截尾处理。值得注意的是，对不同时间段上的子样本进行比较，这种右偏、厚尾的程度存在较大差异。表2 汇报了每个年份的利差子样本的均值、方差、10%和90%分位数。结果表明，城投债交易利差分布的右偏、厚尾特征在2014 年开始露出端倪，自2015 年以后该特征愈发显著。这一结果说明，新《预算法》出台、国家治理影子银行的举措引发了债券市场的深刻分化与调整，资金追逐优质资产的趋势愈发明显。

表1 变量的描述性统计

表2 城投债利差历年样本的特征

（二）有关城投债交易、发行和城投平台特征的控制变量

城投债交易和发行信息可以对城投债交易价格产生影响，需要在实证模型中加以控制(吴洵和俞乔，2017)。因此，本文引入了对数剩余期限、对数发行量两个控制变量。计算上述指标所用到的数据同样来自CSMAR 数据库的单只债券日交易信息表和债券基本情况表。两个变量的描述性统计见表1。

此外，为了控制城投平台特征对城投债交易利差的影响，本文引入城投平台行政级别、主体信用评级两个指标作为控制变量。相关数据来自Wind 数据库。城投平台行政级别分为“县及县级市”“地级市”“省及省会(单列市)”，参考吴洵和俞乔(2017)的做法，本文对应控制变量的赋值依次为0、1、2。类似的，城投平台主体评级以AAA、AA+和AA 三类居多，又有少数平台的主体评级为AA-，本文控制变量的赋值依次为3、2、1、0。本研究所涉及的城投平台来自中国31 个省级行政区中的29 个。由于西藏、海南两地无论是城投平台数量还是有交易的城投债数量都远少于其他省级行政区，相关观测值难以代表这两个省级行政区的情况，故并未被纳入本研究的分析当中。

表3 展示了不同城投平台行政级别与不同主体评级在历年所对应的城投债交易利差观测值数。从城投平台行政级别来看，属于地级市的城投平台的观测值数最多，其次是属于省及省会(单列市)的平台，最后是属于县及县级市的平台。不同主体信用评级的城投平台相比较，评级为AA 的城投平台拥有最多的观测值数，其次是评级为AA+、AAA 的平台，评级为AA-的平台观测数最少。从时间维度看，无论是城投债月度交易利差观测值总数，还是城投债的二级市场交易量(如图2 所示)，在2009—2017 年的样本期内都是呈现出先升后降的趋势，峰值出现在2014 年。对于不同主体评级、不同行政级别的城投债而言，基本上也都符合此趋势。唯一的例外是主体评级为AAA的城投债，其观测值数在2014 年之后的样本内也呈上升趋势。这从另一个侧面显示了城投债二级市场在2015 年后表现出追逐优质资产的趋势。

表3 城投债月度交易利差观测数

图2 城投债二级市场月度交易量(亿手)

地方政府隐性债务不同于一般意义上的政府债务的一个重要特征是其以独立核算的城投平台企业、PPP 项目等为直接的债务主体，故而债务主体自身的财务状况也是影响利差的重要因素。为了控制平台自身财务状况对实证分析的干扰，我们在实证模型中加入了资产负债率、ROA、ROE、流动比率、总资产周转率等控制变量，涉及平台资本结构、盈利能力、偿债能力、营运能力等方面因素。此项数据同样来自Wind 数据库。

（三）人口年龄结构和历史出生率数据

本文使用各个省级行政区内的少儿抚养比，即常住人口当中少儿人口(0 岁～14岁)占劳动力人口(15 岁～64 岁)的比重，来衡量该地区的少儿抚养负担。各省级行政区少儿抚养比数据来自历年《中国人口和就业统计年鉴》，其中2010 年的数据为中国第六次全国人口普查结果，其余年度的数据为中国历年全国人口年度变动情况抽样调查结果。数据频率为年度，样本区间为2009—2017 年。

少儿抚养比作为同期城投债交易利差的解释变量，可能存在内生性的问题，这是因为地区当前的经济、财政状况一方面与城投债利差有密切关联，另一方面又可以影响当地的生育率、人口迁徙状况等因素，进而影响地区的人口年龄结构。本文运用历史出生率数据构建指标以描述地区中年人口比重的外生变化趋势，并以此作为少儿抚养负担的工具变量进行2SLS 分析。构建该指标时用到的各省级行政区历史出生率数据和人口总量数据来自《新中国60 年统计资料汇编》和《中国人口和就业统计年鉴》。

少儿抚养比及其工具变量的描述性统计结果汇总见表1。图3 展示了两个指标历年中位数，少儿抚养比呈现出先下降后上升的趋势，转折点与二胎政策逐步放开的时间点基本吻合；与之对应，与中年人口比重呈正相关的历史出生率在样本区间内则呈现出先升后降的趋势，不过转折点出现得更早。

图3 历年少儿抚养比及其工具变量的中位数

（四）各省份经济、财政及土地出让数据

汪莉和陈诗一(2015)、罗荣华和刘劲劲(2016)、吴洵和俞乔(2017)等的研究均强调了省级行政区的经济、财政状况与城投债利差之间的关联。为了控制这些因素对城投债利差的影响，本文引入了两组控制变量：首先是关于省级行政区经济、财政发展状况的控制变量，包括实际GDP 年增长率、工业增加值年增长率、固定资产投资年增长率、一般预算收入年增长率等；另外，实证模型中还控制了地区经济财政状况的结构特征，包括一般预算赤字与GDP 之比，以及与地方财政特别是土地财政关系密切的房地产投资、基础设施投资各自占GDP 比重。其中，基础设施投资为三个行业的投资之和：①电力、燃气及水的生产和供应业；②交通运输、仓储和邮政业；③水利、环境和公共设施管理业(吴洵和俞乔，2017)。有关数据均来自中国国家统计局网站。

本研究着重分析少儿抚养比通过土地价格进而影响城投债风险的传导路径。为了衡量土地价格，从《中国国土资源统计年鉴》中获得某省级行政区某年度国有建设用地出让面积和总成交价款，据此计算出当年该省级行政区的平均土地出让价格(亿元/公顷)。在此基础上，依据国家统计局公布的CPI 数据剔除通胀因素，得出实际土地出让单价，作为该省级行政区土地价格的代理变量。此外，为了研究地方财政对土地财政的依赖程度在本文所讨论机制中发挥的作用，用某省级行政区当年土地出让总成交价款与当年一般财政收入之比作为土地财政依赖度的代理变量，数据来源同上。

上述指标的描述性统计如表1 所示。中国不同省级行政区在地理位置、自然条件方面存在巨大差异，经济发展条件、财政运作模式上亦有显著区别。这在土地出让价格、土地财政依赖度上表现得尤为明显。为了展示这一点，参照陆铭等(2015)的做法，本文将29 个省级行政区分为东部地区和中西部地区两组，东部地区包括北京、天津、河北、辽宁、山东、江苏、浙江、福建、广东，其余省级行政区归为中西部地区。表4 展示了两组地区历年土地出让价格、土地财政依赖度中位数的变化情况。如表4 所示，土地出让价格走势在2009—2012 年总体保持平稳，自2013 年开始加速上涨；东部地区土地价格始终高于同期中西部地区土地价格，且自2013 年起东部地区地价上涨速度也要高于中西部地区。此外，表4 显示了地方财政对土地财政的依赖度在2010 年、2011 年之间达到高峰，此后呈下降的趋势，但在个别年度(2013 年、2017 年)有所反弹；在每一年度，东部地区的土地财政依赖程度均远高于中西部地区。

表4 东部与中西部的土地财政对比

五、少儿抚养负担对城投债利差的影响

这里将从一个基准OLS 模型出发，考察少儿抚养负担与城投债利差之间是否存在相关性；在此基础上构建少儿抚养负担的工具变量，并运用2SLS 方法分析更重的少儿抚养负担与更高的城投债风险之间是否存在因果关联。不过，在提出基准模型之前，针对如何控制2015 年前后的地方政府债务管理改革对本研究的影响，有必要展开专门的探讨。

（一）分样本相关性分析与全样本基准模型提出

2015 年是地方债务管理改革元年。以新《预算法》生效为标志，在此前后的地方债务管理政策有着深刻的区别，城投债交易利差的整体走势也有显著差异。这意味着在两个不同的时期，城投债利差与少儿抚养比的相关关系有可能亦不相同。因此，在进行全样本分析之前，有必要先分别对2015 年前后两个子样本进行分析，以观察二者有何不同表现。

在分样本分析中，本文采用如下OLS 回归模型研究城投债交易利差中所反映的城投债风险与少儿抚养比的相关性：

其中，C TSPD,表示位于p 省的某城投平台所发行的城投债i 在第t 月的交易利差，C DR表示p 省在第t 月所在年份的少儿抚养比。控制变量X描述的是可能影响城投债i 交易利差的交易、发行信息(包括对数剩余期限、对数发行量)以及发行该城投债的平台所具备的特征(包括平台行政级别、主体信用评级以及各项财务状况指标)；X为反映p 省特征的经济、财政控制变量(包括实际GDP 年增长率、工业增加值年增长率、固定资产投资年增长率、一般预算收入年增长率、一般预算赤字与GDP之比、房地产投资与GDP 之比、基础设施投资与GDP 之比)。和分别表示分省固定效应和分月份固定效应，前者用于控制省p 的某些长期稳定的特征对利差的影响，如地理位置、资源禀赋等，后者用于控制季节性因素所造成的债券利差定价异常(Butler 和Yi，2019)。为控制随机误差项的异方差和自相关，本文使用分省-分年度的聚类稳健标准误。

分别使用2009—2014 年和2015—2017 年两个子样本对式(1)进行估计，结果如表5 第1 列和第2 列所示。在2009—2014 年子样本回归结果中，省级行政区少儿抚养比每增加1%将意味着城投债利差增加0.3314%；而2015—2017 年子样本回归结果则显示，省级行政区少儿抚养比每增加1%，城投债利差将增加3.4329%。虽然在两个子样本中少儿抚养比的系数估计结果均在5%的水平上显著为正，但是系数估计值存在差别。这种差别是否意味着城投债利差与少儿抚养比的相关关系发生了实质性的变化，还需要进一步进行全样本回归分析。此外，各个控制变量的系数估计结果在两个子样本当中亦有明显差别，这也是全样本回归当中需要考虑的。

表5 少儿抚养负担对城投债交易利差的影响

续表5

基于以上分样本回归结果，向模型(1)中添加能够反映两个子样本差别的项，得到如下全样本分析的模型：

其中，Law 为虚拟变量，在2009—2014 年取0，2005—2017 年取1。式(2)所示的回归不仅通过引入虚拟变量Law 控制了新《预算法》实施前后城投债利差在总体水平上可能存在的差异，而且通过引入虚拟变量Law 同其他控制变量的交叉项考虑了各个控制变量对城投债利差的影响在新《预算法》实施前后可能发生的变化。基于式(2)的OLS 回归得出，少儿抚养比的系数估计值为1.4175 且在1%的水平上显著，参见表5 第3 列。在此基础上，将少儿抚养比与Law 的交叉项引入模型，表5 第4 列汇总了该估计结果。其中交叉项并不显著，且少儿抚养比的系数估计结果没有发生明显变化。据此可以判断，城投债利差与少儿抚养比之间的相关性在2015 年前后没有发生统计意义上显著的变化。综上，本文以表5 第3 列结果为依据，构建了对应的全样本基准模型：模型中加入了Law 及其与各个控制变量的交叉项，控制新《预算法》生效所带来的政策冲击；Law 与少儿抚养比的交叉项则没有被纳入基准模型。

（二）内生性问题与2SLS 估计结果

虽然全样本基准模型估计结果揭示了城投债利差和少儿抚养比之间存在显著的正向关联，但是此结果并不能直接用于因果推断。因为在上述实证模型当中，少儿抚养比并不是完全外生的：城投债利差与地区经济发展水平和地方政府财力水平有密切关联，而地区的经济和财政状况又能够通过以下两种途径影响地区的少儿抚养比。

首先是人口的迁徙和户籍制度。中国不同地区的经济发展水平有很大差异，经济发展水平更高的地区的地方政府财力也更为充沛，故而这些地区能够提供更好的就业机会和公共服务，吸引人口向这些地区迁徙。与此同时，中国的经济发达地区为了缓解治理能力和公共服务水平跟不上人口流入速度的矛盾，长期通过户籍制度限制人口的流入。户籍制度限制人口流动的主要方式是在享受当地公共服务程度方面对取得和未取得当地户籍的人口实施差别对待。这些公共服务包括社保、教育、医疗等多个方面。于是，相对更多地依赖这些公共服务的年龄段人口，比如老人和儿童，其向经济发达、财力充沛地区的迁徙将更多地受到户籍制度的抑制，中国农村出现的“留守老人”“留守儿童”现象就是例证(段成荣等，2019)。由于存在户籍制度的限制，劳动力常住人口的迁徙并没有伴随着同等程度的少儿常住人口的迁徙，这势必会导致经济发达、财力充沛的人口迁入地区少儿抚养比更低而人口迁出地区的少儿抚养比更高。

其次是育龄人口的生育决策。对于育龄人口而言，生育是有成本的，这既包括养育子女直接导致的支出，也包括为了养育子女而放弃的职业发展机会、享受其他产品和服务的机会等机会成本(靳永爱等，2016)。无论是哪种成本，都会随着经济发展水平的提高而提高，故而生育率、少儿抚养比会随着经济发展水平和人均收入水平提高而下降。这是世界范围内的普遍现象，中国亦非例外(张明，2020)。当经济发展水平的差异体现在中国不同地区之间时，就会成为推动地区之间生育率和少儿抚养比差异的因素。另外，地方政府的财力越强，越能够提供优质的教育、医疗等公共服务，这也会影响到育龄人口的生育决策。

总而言之，以上两种途径意味着城投债利差与少儿抚养比关系的OLS 估计结果存在内生性问题，不能直接用于因果推断。因此，本文参考Maestas 等(2016)以及Butler 和Yi(2019)的做法，利用历史出生率数据构建少儿抚养比的工具变量。历史出生率能够影响当前的人口结构，但是不受当前地区经济、财政等因素影响，故而具有外生性。不过，不同于Maestas 等(2016)和Butler 和Yi(2019)的研究，本研究在构建少儿抚养比的工具变量时，并没有从少儿抚养比的分子入手，即用最近14 年内的人口出生率之和作为少儿抚养比的工具变量。这是因为此时历史出生率的观测时点同被解释变量的观测时点非常接近，而近期的历史出生率同样可能与各种当期因素存在关联，所以其内生性问题依旧存在。于是，本文转而从少儿抚养比的分母入手构建工具变量：用某省于某观测点的40 年前、41 年前……49 年前的历史出生率加权和来刻画该省当年40 岁～49 岁人口数的外生部分。

之所以聚焦于40 岁～49 岁的中年人口而非其他年龄段的劳动力人口，是因为中年人口比重同少儿抚养比之间的负向关系是稳定的。图4 展示了2000 年、2010 年和2017 年全国育龄女性分年龄生育率情况，其中2000 年、2010 年的数据分别来自当年的人口普查结果，而2017 年的数据则是来自当年全国人口变动情况抽样调查结果。从图4 可以看出，从2000 年到2010 年，随着经济发展水平的提高，中国育龄女性的生育率呈现出总体下降、高峰后延的变化趋势，特别是对于20 岁～29 岁的生育高峰年龄段的生育率的下降十分明显；而在“全面二孩”政策出台之后的2017 年，24 岁以上育龄女性的生育率有了较明显的提升；不过，无论是经济发展还是生育政策的变化，对40岁以上女性生育率的影响都非常有限。

如图4 所示，以10 岁的差距为窗口的话，20 岁～29 岁的年龄段在不同时期都是生育率最高的。因此，向后推20 岁，对于40 岁～49 岁的中年人口而言，他们早年生育的子女基本已经度过了少儿期；而这个年龄段人口的生育率又很低，且这种低生育率并没有因为经济发展、生育政策的改变而发生大的变化。这意味着，40 岁～49 岁人口比重对少儿抚养比有稳定的负向贡献。

图4 全国育龄女性分年龄的生育率(‰)

相比之下，其他年龄段的人口比重则不适合用于构建工具变量：对于青年(20 岁～29 岁)和中青年(30 岁～39 岁)人口来说，由于该阶段是生育、抚养比较集中的年龄，因而这部分人口的增加同样会伴随着少儿人口的增加，而且二者的相对大小受当前经济发展、生育政策的影响很大。因此，青年、中青年人口比重同少儿抚养比的相关关系是不确定的；对于中老年人口(50 岁～65 岁)而言，由于中国存在比较普遍的隔代抚养现象，且中老年人参与隔代抚养的意愿取决于多种外部因素(王伟同和陈琳，2019)，所以老年人口比重与少儿抚养比的相关关系同样存在不确定性。

利用此工具变量，基于上一小节提出的全样本基准模型，构建如下2SLS 模型以分析少儿抚养比的外生变化对城投债利差的影响：

表5 中第6 列展示了2SLS 第二阶段的估计结果。少儿抚养比预测值的系数估计结果在5%水平上显著为正，且经济显著性比表5 第3 列展示的全样本OLS 基准模型估计结果更强：少儿抚养比每提高1%，平均而言将导致本省城投债交易利差上升3.91%。2SLS 结果与全样本基准模型结果的对比，反映出内生性的作用部分抵消了少儿抚养比对城投债利差的正向影响。

六、基于土地财政模式的影响机理分析

下面，我们将进一步探究少儿抚养负担加剧地方隐性债务风险的机理。考虑到中国地方政府隐性债务问题的特殊性，笔者从城投平台的运作入手，从土地财政的视角分析少儿抚养负担是如何加剧地方隐性债务风险的。

城投平台是特定法律、政策环境下的产物。新《预算法》实施以前，地方政府有举债支持地方建设的迫切需求，却缺乏作为债务主体直接举债的合法渠道，故而成立作为地方国企的城投平台并经由平台间接举债：通过将土地使用权等土地相关的国有资产注入平台，地方政府实现了以土地为抵押品通过城投平台加杠杆。尽管在新《预算法》实施之后，城投平台逐渐剥离政府融资职能，但是地方政府对土地财政的依赖依旧存在，而城投平台作为土地财政的延伸，依旧是观察地方土地财政乃至更广义的地方隐性债务状况的重要窗口。此外，作为独立法人实体，城投平台的债务发行以其与土地价格有密切关联的资产端作为支撑，故而分析外部因素影响城投债利差的机制绕不开土地价格这个主轴。

（一）少儿抚养比的外生变化对土地价格的作用

房价是土地价格的重要推动力量(况伟大和李涛，2012)。少儿抚养负担对土地价格的作用，可以通过影响居民购置自有住房的需求来实现。少儿抚养比的背后是结婚、生育、抚养等一系列家庭活动。在中国目前的国情之下，这些家庭活动会从三个方面导致居民购置自有住房的需求增加。第一，这些家庭活动的开展意味着居民对教育、医疗、社保等公共服务的需求更为迫切，而是否拥有自有房产是能否取得当地户籍进而享受这些公共服务的前提条件——“购房入户”政策、“学区房”现象等可以为证。第二，中国的房产具有资本化的公共服务享有权的性质，其投资属性过强而居住属性偏弱(赵燕菁，2018)。住房作为资产对流动性的要求，加剧了房屋租赁市场的摩擦，如租赁合同期限短、违约成本低导致合同约束力不足以及“押一付三”等常见条款使得出租方过于强势等。这些摩擦所产生的成本基本上由承租方承担，而结婚、生育、抚养等家庭活动会进一步放大上述成本的影响，促使这些家庭寻求住房自有。第三，基于以上两点，居民在结婚、生育决策之前，就倾向于依据是否购置了自有住房来判断是否达到结婚、生育所需的物质条件，这又进一步推高了购置自有住房的需求。于是，更高的少儿抚养比将导致居民更倾向于购置自有住房，进而推高了土地价格。

为了验证有关少儿抚养负担对土地价格作用的分析，本文使用省级行政区层面的年度数据，分别估计了如式(6)所述的OLS 模型和如式(7)、式(8)所述的2SLS 模型：

其中，L LP表示剔除通胀之后省p 在t 年的对数土地出让价格。使用2009—2017 年来自29 个省级行政区的数据得出的估计结果如表6 所示。OLS 估计结果显示，少儿抚养比每增加1%，土地出让实际价格平均增加4.84%；2SLS 第一阶段的估计结果再次显示了少儿抚养比及其工具变量之间的负向相关性，而第二阶段的估计结果则展示了少儿抚养比的外生变化对土地价格的正向作用，即少儿抚养比每增加1%将导致土地出让的实际单价平均上升14.64%。这一估计结果支持了上文的分析，即少儿抚养负担的增加将推高土地价格。

表6 少儿抚养负担对土地出让价格对数的影响

（二）土地价格与城投债利差的关联性

土地价格与城投债风险之间的关系必须从两个角度分析。一方面，土地价格与城投平台的资产端价值有密切关联，故而土地价格的上升意味着城投平台资产端价值的上升，这种资产负债表修复效应将降低城投债风险。另一方面，有研究表明，土地出让收入能够促进城投债的发行(张莉等，2018)，故而土地价格上涨会刺激城投平台债务规模的扩张，从而加剧城投债风险。现实当中哪一种效应占上风，需要使用实证方法进行检验。

首先，以对数土地出让价格作为核心解释变量，使用类似式(2)所述的OLS 模型分析土地价格与城投债利差的相关性：

其估计结果如表7 第1 列所示。对数土地出让价格的系数估计结果在5%的水平显著为正：某省的平均土地出让实际价格每上升1%，该城投债交易利差就上升约4.28%。这一结果说明：对于城投平台而言，土地价格上升所带来的债务规模刺激效应要大于资产负债表修复效应，最终使得城投债风险上升。

表7 土地出让价格的中介作用

续表7

表7 第2 列展示了将少儿抚养比和对数土地出让价格同时引入模型时的OLS 估计结果，这时可以将对数土地出让价格视为控制变量。此时对数土地出让价格的系数估计结果依旧显著为正，由此可见对数土地出让价格与城投债利差之间正向关联的稳健性。将此结果与引入对数土地出让价格作为控制变量之前的结果(如表5 第3 列所示)相比较，可以发现对数土地出让价格的引入使得少儿抚养比的系数估计值从1.4175 减小到1.2688。这一结果说明土地价格可以部分代替少儿抚养比对城投债利差的解释力，从而支持了少儿抚养比是通过土地价格影响城投债风险的分析。

为了进一步验证少儿抚养负担经由土地价格影响城投债利差的传导路径，本文借鉴Butler 和Yi(2019)的方法，将对数土地出让价格作为控制变量引入式(4)和式(5)所述的2SLS 模型：如果在引入之后，少儿抚养比的系数估计值减小而模型整体的调整R提高，则表明土地价格是少儿抚养负担影响城投债利差的途径。表7 第3 列和第4列展示了将对数土地出让价格引入2SLS 模型之后的估计结果。与未引入时的2SLS估计结果(如表5 第5 列和第6 列所示)相比，少儿抚养比的2SLS 系数估计值由3.9100 减小至3.1951，调整R提高了0.16 %，基本符合预想。

（三）土地财政依赖程度的放大效应

下面分析少儿抚养负担对地方隐性债务风险的影响是否会因为其他因素的作用而出现差异性。鉴于在本文提出的传导机理当中土地财政所扮演的重要角色，本节将重点考察地方财政对土地财政的依赖程度是否放大少儿抚养负担对地方隐性债务风险的作用，从而为抑制少儿抚养负担对地方政府债务的负面影响提供政策思路。

本文采用某省级行政区当年的土地出让收入与一般财政收入的比值来衡量地方财政对土地财政的依赖程度。为了验证地方财政对土地财政的依赖程度是否会放大少儿抚养负担对地方隐性债务风险的作用，在上文中式(4)和式(5)所述的2SLS 模型当中引入少儿抚养负担与土地财政依赖程度的交叉项作为解释变量并引入历史出生率与土地财政依赖程度的交叉项作为其工具变量：

式(10)、式(11)中的 LDR表示地方财政对土地财政的依赖程度。如果式(12)中2的估计值显著为正，则表明更高的土地财政依赖程度放大了少儿抚养负担刺激地方隐性债务风险的效应。表8 展示了式(10)、式(11)和式(12)所述2SLS 模型的估计结果，交叉项系数的2SLS 估计值在10%的水平上显著为正。这意味着，对于给定的少儿抚养负担水平而言，若土地出让收入相对于一般财政收入越高，即地方政府对土地财政的依赖程度越高，那么少儿抚养负担加剧地方隐性债务风险的效应越强。另外，少儿抚养比系数的2SLS 估计结果在引入交叉项之后依旧显著为正，从一个侧面检验了上文实证结果的稳健性。

表8 土地财政依赖度的放大效应：对城投债交易利差

七、结论和政策建议

当前，建立积极生育支持政策体系，对地方财政体制特别是土地财政体制提出了新的改革要求。本文将人口年龄结构与地方隐性债务风险相联系，从实证角度研究了少儿抚养负担(少儿人口数与劳动力人口数之比)是否以及如何影响地方隐性债务风险。本文以城投债交易利差作为地方隐性债务风险的度量指标，使用2009—2017 年的样本数据，发现了少儿抚养负担加剧地方隐性债务风险的经验性证据：基本回归显示，少儿抚养负担与地方隐性债务风险之间存在显著的正相关关系；与之相对应的，2SLS 分析(使用历史出生率数据构建少儿抚养负担的工具变量)结果支持了此相关性背后的因果关联，即少儿抚养负担的外生性增加确实加剧了地方隐性债务风险。在此基础上，本文进一步探究了少儿抚养负担通过土地出让市场和土地财政加剧地方隐性债务风险的机理：借助2SLS 回归，本文发现少儿抚养负担的外生性增加提高了当地的土地出让价格；而土地出让价格与地方隐性债务风险之间又存在正向关联，证实了土地价格上升带来的举债刺激效应超过了城投平台资产负债表修复效应。另外，本文还揭示出，当地方政府对土地财政的依赖程度较高时，少儿抚养负担加剧地方隐性债务风险的效应将更强。

本研究用经验事实表明，积极生育支持政策体系对地方隐性债务风险的管控能力提出了更高的要求。这是因为在既有的土地财政模式和房地产市场运行逻辑之下，生育支持政策将刺激房地产市场和土地交易市场，进而刺激地方财政举借隐性债务的冲动。于是，为了协调支持生育和防控隐性债务风险两方面的政策目标，围绕既有土地财政模式的改革理应成为重要的抓手。此外，鉴于地方财政收支矛盾和隐性债务风险水平存在较大的地区差异性，生育支持政策的制定也应该从不同地区地方财政的具体情况出发，因地制宜。

第一，通过土地和住房市场改革，适度抑制由生育支持政策所导致的土地价格上升，从而遏制地方政府依靠土地举债的倾向。对于土地市场而言，土地供给应该是改革的重点。一方面，建设用地指标的分配应该向少儿抚养负担较重、商住用地需求较高的地区倾斜；另一方面，要尝试打破城乡之间、地区之间土地市场的壁垒，重庆的“地票”实践即取得了很好的效果；陆铭(2016)进一步提出土地和户籍制度联动改革，允许建设用地指标的跨地区交易，允许外来务工者将其宅基地复耕之后所对应的新增建设用地指标有偿转让给现在工作和生活的城市——笔者认为，这些都是非常值得探索的改革方向。对于住房市场而言，应该尝试放松公共服务获取权与住房自有之间的绑定，同时大力发展长租、廉租公寓，规范租房市场以保护租房者权益、降低租房市场摩擦度，推动租购同权——这些政策将有助于减少因生育支持政策所带来的自有住房需求增长及土地价格上涨。

第二，降低地方政府对土地财政的依赖。土地价格上涨之所以会诱发地方隐性债务风险上升，一个重要的原因是土地财政模式为地方政府举债提供了过多便利。土地财政模式的本质，是以土地使用权为载体，通过透支未来发展回报来为当前的城市化建设融资，在城市化早期确有其必要性，但长期而言是不可持续的，与人口长期均衡发展之间亦存在深层次矛盾。为了降低地方政府对土地财政的依赖程度，应继续深化地方财税体制改革，细化有关土地出让金、土地抵押贷款的使用规定，并引导地方财政向着以财产税为基础的模式转型。从根本上讲，还是要深化行政体制改革，调整地方官员政绩评价和晋升体制，推动地方政府职能向服务型政府转变，从而化解地方政府所面临的有限财力与无限发展责任之间的矛盾。

第三，根据不同地区的具体情况，实施差异化的生育支持政策。从地方财政角度来看，目前东部经济发达地区的隐性债务风险相对较低，也更有条件实施积极生育支持政策；而西南、东北和中部地区的部分省份财政收支矛盾较大，隐性债务风险较高，需要中央预算内投资的更多支持。从人口空间分布的客观趋势来说，第七次人口普查结果显示，我国人口流动趋势更加明显：与2010 年相比，人户分离人口增长88.52%，流动人口增长69.73%，并向东部经济发达地区加速聚集。这些由广大群众用脚投票选出的地区，是育龄人口相对集中的地区，理应是推出生育支持政策的重点地区。一方面，要加快这些地区的普惠托育服务体系建设，着力降低生育、养育、教育成本；另一方面，也要推动公共服务均等化，减少外来人口特别是儿童、青少年享受当地公共服务的障碍，着力解决留守儿童问题，真正实现幼有所育。对于人口流出地区，可以着重从发展和民生问题入手探索支持生育的方式。培育特色产业以创造就业机会，使青年在面临职业发展和家庭生活的矛盾时有更多选择，以助力育龄人口优化其生育决策。