2008年金融危机以来,为避免经济陷入衰退,中央政府启动了超常规刺激政策。旺盛的基础设施投资需求与严格的财政纪律形成矛盾,使得地方政府的举债行为被迫从“预算内”转向“预算外”,由此形成了大量的地方隐性债务。自2014年起,中央政府高度关注地方政府债务治理,相继颁布《中华人民共和国预算法》和《国务院关于加强地方政府性债务管理的意见》两部文件,意图化解日益高企的地方债务风险。尽管上述法律法规的出台使得地方政府显性债务规模得到了有效控制,但隐性债务治理困境并未得到根本性扭转。正如刘尚希等[1]指出,地方政府借助“多渠道”进行融资的规模还在持续增长。2017年,中央政治局会议首次提出“政府隐性债务”的概念,并强调其具有多类别、不透明、中央政府不易掌握、流动性风险易发、财政风险集聚时易诱发金融风险等特征。2018年,财政部下发《关于规范金融企业对地方政府和国有企业投融资行为有关问题的通知》,明令禁止地方政府违法违规、变相举债。同年4月,《关于规范金融机构资产管理业务的指导意见》发布,堵住了城投公司借助影子银行进行融资的路径。两大重磅文件出台后,地方隐性债务扩张势头才得以真正遏制。
2019年,党的十九届四中全会明确指出,要着力解决地方政府对于隐性债务的依赖。同年,全国财政工作会议将防范和化解地方政府隐性债务风险作为首要任务。2020年中央经济工作会议、2021年中央财经委员会第十次会议等均强调,抓实化解地方政府隐性债务风险工作,并将其作为防范化解重大金融风险的重中之重,推进地方政府债务“阳光化”,切实把债务风险关进笼子里。2022年,党的二十大强调,坚决遏制新增地方政府隐性债务,决不允许新增隐性债务上新项目、铺新摊子,稳妥化解隐性债务存量,建立市场化、法治化的债务违约处置机制,为地方债现代化治理指明方向。尽管地方政府隐性债务成为2018年以后中央政府关注的重点,部分省份的存量债务也得以分批置换,但并不意味着上述工作能够轻而易举地完成。由于化解地方隐性债务的举措天然会带来基础设施投资规模的萎缩,一些经济发展落后省份债务治理压力巨大。例如,2022年,贵州省某城投公司在处置隐性债务时,展期长达20年之久,前10年还只付息、不偿本,引发了市场的强烈关注。近年来,不时有城投债爆雷的消息发布,更有部分城市被曝采取“让公务员从银行贷款购买地方债、城投债”等非市场化手段进行治理,足见地方政府隐性债务治理波及的范围之广,蕴含的困难之大。
学术界长期关注地方政府隐性债务治理问题。动因方面,部分学者认为,中国地方政府隐性债务的成因隐秘复杂,具体包括预算外担保激增、地方政府财权及事权不一致、政府调控政策偏激、人口老龄化进程提速、慈善项目和基建支出负担不断增加和中央政府施压及不合理的经济增长方式等原因[2-6]。因此,在债务治理方面,转变政府职能[7]、强化问责机制[8]等措施成为化解地方债务风险的关键。目前,我国面临后疫情时代经济复苏的大环境,地方政府债务环境更趋复杂,隐性债务问题更加突出,建立有效的治理路径备受各界期待。化解地方政府隐性债务风险的途径之一便是最大可能地推进其“阳光化”即“由隐变显”,然而实现全部债务的“阳光化”并非易事。数字经济时代,信息技术深度变革,特别是2015年以后兴起的区块链技术,其具有去中心化、信息公开且准确、可信任、不可伪造等明显特征,可较完整、系统地记载政府业务往来数据并保证政府总账记录的安全性,当前世界各国政府都对其投入高度关注并将其运用于政务管理,实现交易信息的透明与公开,而且已经得到广泛应用,它与债务“阳光化”的发展趋势高度适配。
部分文献关注到区块链技术在政府治理层面的应用。例如,陈菲菲、王学栋[9]认为,借助区块链技术构建政务公开及信息共享平台、多主体共同监管反馈参与机制,从而搭建起政府信任网络并形成政府信任生态。王东、张馨[10]指出,以区块链技术为基础构建政府采购模型,有助于提升政府采购效率。债务治理方面,侯望达[11]强调,将区块链技术运用到预算管理、税收征管、政府采购以及地方融资平台管理四大场景中,可以使得地方政府负债状况更加透明,进一步规范其举债行为。史锦华、张亮亮[12]进一步论证了区块链技术的优势及其在破解地方政府债务治理难题中呈现的多重内在耦合性。孙志效[13]指出,借助区块链技术可增强政府预算数据的统计能力和财政监督能力,进而有效控制隐性债务规模扩张。李海霞等[14]认为,区块链与审计的融合将提升地方政府债务审计效率,它也将为提升地方政府的债务治理能力提供监督保障。
鉴于区块链技术在地方政府治理领域的全面应用,一个重要的问题便是,区块链技术是否提升了地方政府应对隐性债务风险的能力。鉴于区块链技术成熟应用以来,中国地方政府隐性债务规模恰好经历了“高速扩张”到“逐渐萎缩”的转变,可以通过考察区块链技术对地方政府隐性债务规模的影响,审视信息技术在地方债治理方面的赋能作用。相较已有文献,本文可能的边际贡献在于:其一,借助Python工具,采用文本挖掘方法,构建了2015—2020年我国30个省份区块链发展指数,并量化识别了区块链发展对地方政府隐性债务规模的影响,丰富了数字经济赋能政府治理的量化研究范畴;其二,从地方政府债务治理能力着手,深入分析了区块链影响地方政府隐性债务规模的作用机制,拓展了信息技术赋能债务治理的研究深度。
区块链由分布式数据贮存、加密算法、智能合约、共享机理、点对点传递等多元手段组成,是一种聚合创新性的现代技术。区块链技术的核心在“链”的理念架构,其中“链”的含义包括“节点链”与“数据链”。“节点链”运行机理为平台网络将不同相关节点联络在一起,彼此之间分享资源,共识节点协同施行共识算法,进而形成并证实区块。“数据链”采用链式架构布局区块数据,形成数据追踪和校正的链条。在区块链上,所产生的交易事件、信息、状态等均被记入特定数据库或大数据平台,满足人们对数据查询分析的需要,较好地解决了网络信任问题,尤其在提高政务数据公开性、建设可信任的政府债务数据分享平台、保证不同部门之间的信息敞开且安全、化解资料联系风险等层面存在显著优势。分布式账户作为区块链底层技能,是开展去中心化自动交易的前提,这个特性也会弱化参与者对某个组织或节点的信赖,转换为对计算机网络的信任。相比于中心化交易账本,分布式账本具有不易伪造、账实相符的显著特征,因此赋予了网络平台即链上每个个体节点数据存储者及数据读取者的身份,解决了长期以来数据在各部门之间的兼容性问题,这种去信任化特质应用于地方政府隐性债务治理中,将使地方政府不再处于数据垄断者的地位,有助于解决地方政府对数据信息隐瞒和限制的问题。
美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)在《区块链回顾》(Blockchain Technology Overview)中强调评定适合运用区块链的行业或产业的具体判别原则,即具备需要数据库供给—需要多方写入数据—数据写入方彼此不信任但利益相同等三个基本条件。地方政府隐性债务治理之所以困难,除“稳增长”与“防风险”的冲突以外,一个重要的技术原因在于难以核实隐性债务的实际规模。尽管财政部针对不同省份采取了多轮的摸底工作,但效果却始终不理想。目前,我国尚未形成由财政部、审计署、地方人大、司法部门、银保监会、银行及非银行类金融机构等多方进行数据写入的数据库系统。短期来看,区块链技术的出现,在一定程度上使得部分参与主体实现了信息互通共享、彼此验证,实现了去信任化、去中心化,信息透明度的提高使得相关主体在博弈过程中打破了“信息不对称”制约,更容易达成共识,即协同降低隐性债务风险。从这个意义上讲,区块链技术与地方政府隐性债务治理存在着较高程度的耦合性。
长期来看,区块链技术有助于搭建现代政府治理体系,赋予地方政府更大的主动权,当然也要承担更大的责任。治理不同于管理,管理强调由唯一的主体进行规制,容易形成权力滥用和自我膨胀,并导致相关部门之间缺乏沟通,效率低下。在过去很长一段时间内,地方政府在“央地博弈”中处于明显的弱势地位,“事权”与“财权”并不匹配。为了招商引资、发展地方经济,地方政府不得不绕道“预算内”渠道,进行“预算外”融资。而治理更加重视多群体参加,强调彼此之间的互动、公正、协同。区块链技术的出现,有助于社会多方共同参与地方债治理,准确表达自身的观点与诉求,不断强化彼此之间的共识,结成良好的信任网络,这将重塑中央政府与地方政府之间的博弈格局,使得地方债治理从“以行政管制为中心”向“以利益共赢为中心”全面转变,打破传统科层制管理的弊端。此外,区块链技术能够准确记录每一笔融资业务的规模、用途、周期等关键信息,便于进行生命周期的责任追溯,这也使得地方政府在决策中更加谨慎。借助区块链技术搭建全新的信息链接模式和信任系统、信任机制,可以推动债务治理布局扁平化、流程阳光化,使得地方政府“事权”和“财权”更加协调一致。基于此,本文提出如下假设。
H1:区块链技术的发展能够抑制地方政府隐性债务规模扩张。
一方面,区块链技术的出现极大地提升了地方财政透明度。现阶段,要获取我国地方政府债务数据,主要有三种途径:第一,通过财政部公开数据获取;第二,通过审计署公布数据获取;第三,通过财政部公布的各地方政府自行上报数据获取。第一种途径与第三种途径的统计数据是高度吻合的,这是因为财政部门公开数据也是来自各地自行上报的数据,这类数据的统计质量堪忧,地方政府存在漏报、瞒报动机。而第二种途径中,地方政府债务审计公告虽然更为准确,但审计成本较高,难以做到常态化。在统计数据质量低下的背景下,监管对象不清晰,各主体之间“信息孤岛”现象明显。由于区块链技术的应用,交易事件、信息、状态等均被记入特定数据平台,能够满足不同利益主体的信息获取需要,提高地方政府政务数据的公开性。当然,公开透明的信息对相关责任主体起到了警示与督促作用,强化了其收支行为的硬约束。具体而言,区块链技术可以应用于地方政府“收”(如税收、政府债券的发行、中央政府转移支付)的征管,提升财政收入质量;也可以应用于地方政府“支”(如政府采购、融资平台基建项目的投资等)的统筹与安排,提升财政支出质量。区块链能够较好地提高财政政策执行的高效性与精准度,链上的会计与审计监督将更加有力,提升财政资源的配置效率。
另一方面,区块链技术的应用使得地方政府提高了决策智能化水平。传统模式下,地方政府债务治理主要通过设立风险指标进行预警和控制。这些预警指标包括“债务率”“债务限额”“负债率”“债务增长率”“债务依存度”等。显然,这种预警方式下的操作由于信息漏损严重显得过于简单、粗糙,监测结果也往往呈现“表象化”“片面化”的缺陷,属于典型的“数量型治理”模式,对债务风险的动态发展轨迹难以深度监测。而区块链的“时间戳”特性可有效解决信息“碎片化”问题,增强信息互联互通,并基于大数据支撑,有效集合社会、经济、生态、文化等各方面的数据信息,对其进行更深入的挖掘和剖析,一改“片面化”做法,提升对于政府债务的实时动态监测能力和准确判断能力,以便及时预警、精准处置,改“数量型治理”为“智慧型治理”模式。
当然,需要注意的是,地方政府隐性债务规模的攀升是由城镇化进程加快、经济减速前提下央地政府非对称性收支等制度因素造成的。地方政府“事权”和“财权”的不匹配引起地方政府财政收不抵支,“前门”融资不足自然绕道“后门”举债。区块链很难在短期内破解上述制度瓶颈。但鉴于区块链技术在提升地方政府财政透明度和决策智能化方面的积极作用,不难预见,其将通过提升地方政府债务治理能力而缓解隐性债务风险。基于此,本文提出如下假设。
H2:区块链技术通过提升地方政府债务治理能力可抑制地方政府隐性债务规模扩张。
考虑到区块链进入公众视野并开始快速发展是在2015年前后,因此本文选取2015—2020年我国30个省份(不包括港澳台地区和西藏)的面板数据进行研究。数据主要来源于历年《中国统计年鉴》、历年《中国区域经济统计年鉴》、各省份历年统计年鉴以及Wind咨询数据库,区块链指标通过互联网爬虫技术获取。
1.被解释变量:地方政府隐性债务规模
借鉴张斌等[15]的观点,采用间接法估算各省份地方政府隐性债务规模(Debt)。根据会计恒等式“支出=收入”,地方政府隐性债务=地方政府支出-地方政府自有资金-已纳入财政预算的债务,即地方政府的实际债务增量,进一步扣除已纳入财政预算的债务后得到的余额就是地方政府隐性债务。其中,“支出”主要用于政府购买,包括固定资产和公共产品的资金投入,“自有资金”则主要包括预算资金、准公益性项目和一般竞争性项目的收入,自有资金不能抵补支出的部分则为政府融资。2014年新预算法规定,地方政府债券是唯一合法(纳入预算内)的债务,其余地方政府融资部分均为隐性债务。由于地方政府的主要支出项为固定资产投资,本文在充分考虑这一要点的基础上将地方政府隐性债务测算公式调整如下,即地方政府隐性债务=地方固定资产投资完成额-地方固定资产投资中央项目-地方固定资产投资预算内资金-各行业EBITDA率×该行业地方固定资产投资完成额-地方政府债务余额。基于此,对2015—2020年各省份新增隐性债务规模估测结果见表1。
2.解释变量:区块链发展水平
参考郭品、沈悦 [16]和刘孟飞[17]等的做法,借助Python软件,采用文本挖掘分析,将区块链这一关键词在各省份的百度搜索指数作为衡量该地区区块链发展水平(Bc)的代理变量。以区块链发展指数取代政府应用指数,首先是因为政府在区块链技术的有效投资和实践应用中发挥了主要的引导与聚合作用,政府区块链政策的密集出台与应用落地将会引起社会面的广泛关注,势必引起搜索热度上升,提升该地的区块链发展指数。其次,根据链塔智库2020年8月以来开始公布的各省份区块链政策竞争力指数TOP10(该指数涵盖近一个月内各省份发布的区块链专项政策,其他政策中与区块链相关的,以及各省级政府在区块链领域的布局和应用等几个维度,通过专家打分测评得出),2020年年度排名居前的省份依次为江苏、湖南、上海、广东、广西、山东、北京、贵州、福建、浙江,与本文计算得出的2020年区块链发展指数经过比对,除个别省份(贵州)以外基本吻合。再次,如前文所述,目前各级政府已经开始积极地将区块链技术应用于政务服务包括债务治理领域,地方政府已经成为区块链发展的主要推动力。最后,由于链塔智库公布的区块链政策竞争指数采用专家打分测评得出并且公布时间较晚,不适合选作为实证分析样本,因此本文以区块链发展指数代表各省份区块链应用指数①。由图1可知,2015—2020年我国区块链发展指数不断上升。总体而言,区块链技术的应用在我国整体上呈现“沿海强内陆弱”和“南方强北方弱”的局面,沿海以及南方地区的区块链发展指数都高于全国平均水平。
表1 2015—2020年中国30个省份地方政府新增隐性债务规模估测 单位:亿元
省份2015年2016年2017年2018年2019年2020年北京2818.704709.124634.074513.033797.862698.33天津6773.686114.985603.684949.324068.682659.68河北30502.3726276.6025816.9324689.6423214.1020951.50山西8975.098613.508421.748036.637488.416387.65内蒙古18393.5317533.0916993.0916675.5815903.0914941.82辽宁31821.6231888.5231958.7231817.5231529.3231156.61吉林7862.027721.857424.656906.296273.125396.52黑龙江6568.636613.336279.035617.134985.034049.13上海2342.822737.322528.622187.921500.72331.34江苏24672.8124313.6723202.7721943.4720350.6918001.38浙江24724.1525522.2524673.0523117.7521602.8119270.52安徽20608.1420395.6419891.9419010.7417778.9416115.34福建26442.1426068.5425572.0324978.1224002.8323808.23江西12922.1112703.6112391.3111881.0111309.409511.28山东29100.1928714.8927962.4926723.2925031.7822937.29河南32779.6932719.6932696.0931703.2930335.5928429.59湖北27338.4026932.7326320.9025360.7023996.4021957.70湖南25766.3625165.3624162.3623210.1621743.8620104.36广东30195.5130757.7930313.7429329.3027388.8224020.92广西17715.4617386.1317187.5916535.3515669.6114409.51海南2018.372266.572107.271892.571596.171203.76重庆20081.1319723.2319441.8318769.7317856.6316661.33四川37866.6337518.6336851.6336032.6334753.6332587.63贵州16199.0216232.8216346.6816104.0215280.4513964.81云南22874.4722749.8722366.2721963.2720995.0719511.07陕西27275.9027416.2226927.2626435.7425790.7124889.86甘肃7336.726574.226284.125853.725236.124419.42青海5342.445239.745066.274815.844476.844124.54宁夏3385.923269.313195.913055.862786.182584.61新疆12877.1211569.4212132.8211530.4110916.139334.69
图1 区块链发展指数发展趋势与区域差异
3.中介变量:地方政府债务治理能力
对于地方政府债务治理能力(Gov)的衡量,通过构建指标体系并利用统计学方法进行合成。本文参考蒋文华、刘心怡[18]和吴建南等[19]以及《中国县级政府绩效指数报告》的做法,从地方政府财政能力与地方政府治理能力两个维度构建指标体系。其中,地方政府财政能力反映了地方政府对现有债务存量的化解能力,通过财政收支质量来度量,而财政收支质量以财政汲取能力、财政配置能力、地方财政缺口三个指标具体体现。地方政府治理能力反映了地方政府的政务处理水平,包括对债务的治理能力,本文选取电子政务发展水平、公众参与水平、政务公开水平、法制建设水平等四个指标进行度量。具体的指标体系如表2所示,其中指标方向是指该指标对各维度能力的影响方向,采用熵值法②对数据进行无量化处理,并对结果进行平移处理,分别计算在每一个指标下每个省份的贡献度及每个指标的熵值和冗余度、权重,最终计算得出2015—2020年30个省份的债务治理能力指数。
表2 地方政府债务化解能力指标
维度指标名称指标说明指标方向财政汲取能力地方政府一般公共预算收入/GDP+财政能力财政配置能力地方政府一般公共预算支出/GDP+地方财政缺口(一般公共预算支出-收入)/收入-电子政务发展水平地方政府网站访问量+治理能力公众参与水平互联网宽带接入用户/总人口+政务公开水平申请政务公开获批数/新收到政务公开申请数+法制建设水平行政诉讼数量的自然对数-
4.控制变量
参考已有研究[20-26],本文选取一般公共预算收入(Gpbr)、地方政府显性债务规模(Zwye)、人口密度(Pop)、固定资产投资(Fai)、经济发展水平(Pgdp)、基础设施水平(Infra)、人力资本(Hum)、开放程度(Open)作为控制变量。为有效消除异方差,对各控制变量取自然对数。主要变量定义如表3所示。
表3 主要变量定义
变量类型变量名称变量符号变量定义被解释变量地方政府隐性债务规模Debt地方政府隐性债务规模/GDP解释变量区块链发展水平Bc基于文本挖掘分析,将区块链这一关键词在各省份的百度搜索指数作为衡量该地区区块链发展水平的指数中介变量地方政府债务治理能力Gov熵值法合成一般公共预算收入Gpbr一般公共预算收入的自然对数地方政府显性债务规模Zwye地方政府显性债务规模的自然对数人口密度Pop人口密度的自然对数控制变量固定资产投资Fai固定资产投资的自然对数经济发展水平Pgdp人均GDP的自然对数基础设施水平Infra人均道路面积的自然对数人力资本Hum∑(Eduj·Popj)∑(Popj)开放程度Open进出口总额与GDP的比值
为检验区块链对地方政府隐性债务规模的影响(H1),本文采用双固定面板模型进行实证检验,具体模型构建如下。
Debtit=α+β1Bcit+A′Controlit+μi+γt+εit
(1)
其中,α为截距项,β1为核心解释变量区块链发展水平的系数,Controlit 为控制变量,μi为省份个体固定效应,γt为时间固定效应,εit为随机扰动项。
同时,为了检验区块链影响地方政府隐性债务规模的作用机制(H2),本文借鉴温忠麟、叶宝娟[27]关于中介效应模型的相关设定,采取逐步回归法进行估计。其中,第一步与式(1)完全一致,第二步与第三步如下。
Govit=α+λ1Bcit+B′Controlit+μi+γt+εit
(2)
Debtit=α+β2Bcit+φ1Govit+C′Controlit+
μi+γt+εit
(3)
中介效应的估计步骤如下。一是检验式(1)中区块链的系数β1,若β1显著则存在中介效应。二是检验式(2)和式(3)中λ1和φ1的系数,若λ1和φ1显著,则存在显著的间接效应。三是检验式(3)中β2,若β2显著,则直接效应显著,存在部分中介效应;反之,则存在完全中介效应。四是观察λ1×φ1与β2的系数是否一致,若一致,则存在中介效应;反之,不存在。
表4展示了主要变量的描述性统计结果。可以看出,主要变量的原始数据标准差较小,基本在0.050~1.560,且大部分数据标准差小于1,说明样本数据波动幅度不大,数据质量较好。其中,地方政府隐性债务规模(Debt)的平均值为0.719,最小值为0.009,最大值为2.210,说明我国各省份地方政府隐性债务规模的差异较大。区块链发展水平(Bc)的平均值为9.114,最小值为2.770,最大值为11.922,说明整体较为平缓。本文还进行了相关性分析,结果显示区块链发展水平与地方政府隐性债务规模显著负相关,方差膨胀因子均值为5.75,说明主要变量之间不存在多重共线性③。
表4 主要变量的描述性统计结果
变量名称观测值平均值标准差最小值最大值Debt1800.7190.4110.0092.210Bc1809.1141.5582.77011.922Gov1800.3550.0590.2390.525Zwye1808.5860.5976.9649.754Pop1807.9100.3817.0358.615Gpbr1807.7370.8275.4749.466Fai18014.3080.80112.51915.591Pgdp18010.9720.40010.17212.013Infra1809.9560.7637.58511.535Hum1809.3910.9477.47312.782Open1800.2390.2460.0071.160
本文采用双固定模型进行回归,表5披露了区块链发展水平对地方政府隐性债务规模影响的回归结果。其中,列(1)和列(2)并未控制时间固定效应,列(3)和列(4)同时控制了时间、省份固定效应。结果显示,无论是否控制固定效应,区块链发展水平(Bc)均在10%的水平下显著,且大多在1%的水平下显著,系数均为负,这说明区块链技术的应用确实对地方政府隐性债务规模的扩张产生了抑制作用,H1得以验证。这意味着,地方政府可以通过区块链技术强化隐性债务举借、使用、偿还等环节的监督管理,优化举债规模[12]。控制变量方面,地方政府显性债务规模(Zwye)在1%的水平下显著且系数为负;人口密度(Pop)在10%的水平下显著且系数为负;经济发展水平(Pgdp)在1%的水平下显著且系数为负;基础设施水平(Infra)在1%的水平下显著且系数为负;开放程度(Open)在10%的水平下显著且系数为负;其他控制变量的影响并不显著。
表5 区块链发展水平影响地方政府隐性债务规模的基准回归结果
(1)(2)(3)(4)Bc-0.086***-0.080*-0.111***-0.077***(-10.24)(-1.87)(-4.92)(-4.41)Zwye-0.110***-0.140***(-3.58)(-4.97)Pop-0.070-0.084*(-1.39)(-1.79)Gpbr0.167*0.125(2.03)(1.59)Fai-0.032-0.021(-0.67)(-0.49)Pgdp-0.595***-0.651***(-3.58)(-4.39)Infra-0.446***-0.442***(-2.88)(-2.96)Hum-0.004-0.034(-0.20)(-1.01)Open-0.381*-0.413*(-1.80)(-1.97)时间固定效应否否是是省份固定效应是是是是常数项1.508***12.565***-27.04714.359***(19.57)(12.50)(-0.60)(12.44)观测值180180180180调整后R20.3820.3320.3820.370
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
表6披露了中介效应的回归结果。在列(1)中,区块链发展水平(Bc)的回归系数为-0.077,变量在1%的水平下影响显著。在列(2)和列(3)中,区块链发展水平(Bc)、地方政府债务治理能力(Gov)都在1%的水平下显著,且λ1×φ1与β2的系数保持一致,并且Sobel检验Z值通过了5%水平的显著性检验,说明中介效应存在。在列(2)中,区块链发展水平(Bc)的回归系数为正,说明参与区块链提升了政府债务治理能力。主要原因在于,区块链技术可以运用于政府债券的发行、流通、使用、偿还以及风险控制等各个环节[28]。在列(3)中,地方政府债务治理能力(Gov)的回归系数为负,说明政府债务治理能力提升抑制了地方政府隐性债务规模的扩张。在新预算法生效背景下,随着国家和社会治理体系现代化进程的推进,以规范化、制度化、智能化、数字化为特征的政府债务治理能力逐渐提升,动态管理和监测评估手段覆盖政府债务的各个环节[29],有效抑制了政府隐性债务的规模扩张。
表6 中介效应检验结果
Debt GovDebt(1)(2)(3)Bc-0.077***0.010***-0.063***(-4.41)(2.84)(-3.84)Gov-1.124***(-3.31)控制变量是是是时间和省份固定效应是是是常数项14.359***1.521***6.956***(12.44)(12.18)(5.93)SobelZ=-2.158**观测值180180180调整后R20.3700.6530.652
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
鉴于可能存在的内生性问题,本文使用系统GMM估计方法重新进行实证检验。表7的列(1)披露了系统GMM模型的估计结果。从估计参数来看,AR(1)的p值小于0.05,AR(2)的p值大于0.05,说明扰动项的差分存在一阶自相关,但不存在二阶自相关。同时,Sargan统计量的p值大于0.05,说明估计模型的设定是合理的。从核心解释变量区块链发展水平的估计结果看,其中地方政府隐性债务规模的滞后项(L.Debt)的系数为0.808,变量在1%的水平下显著,说明上一期政府隐性债务的规模正向影响当期政府隐性债务规模。区块链发展水平(Bc)的回归系数为-0.105,变量在10%的水平下显著,与基准模型的回归结果保持一致。
为提升基准回归估计的稳健性,本文采用三种方法对基准回归结果进行稳健性检验。表7的列(2)~列(4)披露了稳健性检验结果。
1.删减特殊样本
由测算的各省份区块链发展指数可知,北京、上海、广东的区块链发展水平显著高于其他省份,因此对这3个地区的样本予以删除,利用其余省份的样本对模型进行回归。表7的列(2)反映了删除特殊样本后的估计结果,区块链发展水平(Bc)的回归系数为-0.062,变量在1%的水平下显著,与基准模型的回归结果保持一致。
表7 内生性处理与稳健性检验回归结果
(1)(2)(3)(4)L.Debt0.808***(5.88)Bc-0.105*-0.062***-0.093***-0.071***(-1.65)(-4.37)(-4.54)(-5.66)控制变量是是是是Fdi-0.011(-0.70)Industrial0.061(0.15)Market-0.011(-0.54)时间和省份固定效应是是是是常数项1.28513.813***14.434***14.280***(0.72)(11.33)(12.51)(11.67)观测值150156180180AR(1)p值0.000AR(2)p值0.595Sargan统计量p值0.433调整后R20.9180.9120.916
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
2.剔除极端值的影响
本文对所有连续变量进行了上下1%的缩尾处理,再次对基准模型进行了估计。表7的列(3)反映了这一估计结果。区块链发展水平(Bc)的回归系数为-0.093,变量在1%的水平下显著,与基准模型回归结果保持一致。
3.应对遗漏变量的影响
考虑到产业结构(Industrial)、外商直接投资(Fdi)以及市场化程度(Market)对政府债务的影响,本文在基准模型中控制了这些变量。由表7的列(4)可知,区块链发展水平(Bc)的回归系数为-0.071,变量在1%的水平下显著,与基准模型回归结果保持一致。
图1显示了我国区块链发展指数存在“东高西低”和“南强北弱”的现象,本文以沿海地区与内陆地区作为子样本反映我国东西部的差异,这是由于单纯按照东、西区域划分可能造成部分欠发达地区划入东部,造成样本的差异,我国沿海地区不仅地理上属于东部,相较于内陆地区经济发展更好,同时使用秦岭淮河线划分南方与北方地区[30]。表8反映了区块链对地方政府隐性债务规模存在地理区位的异质性影响。从模型回归结果看,内陆地区区块链发展水平(Bc)在1%的水平下显著且系数为负,沿海地区的影响并不显著。这表明,相对于沿海地区,区块链对内陆地方政府隐性债务规模更具抑制作用。与此同时,北方地区区块链发展水平(Bc)在1%的水平下显著且系数为负,南方地区的影响并不显著。这说明,区块链技术对北方地区地方政府隐性债务规模的抑制更为显著。究其原因,沿海地区经济发展水平、政府财政收入、技术进步较内陆地区更好,地方政府隐性债务压力较小而且技术治理手段多元化,导致区块链技术对政府隐性债务治理能力提升的效果并不显著。而我国“东数西算”战略的推进,极大地提高了财政造血能力较差的内陆地区的政府债务数字化治理能力,一定程度抑制了当地政府隐性债务规模的扩张。
表8 地理区位的异质性回归结果
沿海内陆北方南方沿海地区(1)内陆地区(2)北方地区(3)南方地区(4)Bc-0.011-0.068***-0.058***-0.051(-0.52)(-2.71)(-3.30)(-1.63)控制变量是是是是时间和省份固定效应是是是是常数项15.638***14.096***14.555***14.976***(13.18)(10.59)(17.33)(5.68)观测值661149090调整后R20.9960.9850.9930.987
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
本文通过借助Python软件对百度搜索指数进行获取与整理,计算得出2015—2020年我国30个省份的区块链发展指数;采用间接法估测出2015—2020年我国30个省份的隐性债务规模;构建指标体系并通过熵值法合成地方政府债务治理能力指标,将其作为模型的中介变量,研究发现:地方政府可借助于区块链技术有效提升地方政府隐性债务治理能力,进而抑制隐性债务规模扩张。进一步分析得出,在内陆地区及北方地区,地方政府更容易发挥后发优势,如果当地政府积极探索利用区块链技术提升其债务治理能力与水平,则区块链技术对该地区地方政府隐性债务规模扩张的抑制效果将更加显著。
研究结论为提升地方政府隐性债务治理能力进而抑制隐性债务规模提供了如下政策启示。
首先,地方政府应积极借助于区块链技术强化债务的监督管理。目前,我国地方政府应在债务治理领域拓展区块链应用研究的深度并加快进度。亟须根据我国国情制定区块链技术在地方政府债务治理领域应用的核心技术标准、体系、协议与软件,地方政府应主动将专业的金融科技公司、地方财政部门、监管部门、审计部门联合起来,形成技术联盟进行攻关,特别是在数字验证、共识机制、智能合约这些关键方面需要发挥技术协同效应。区块链技术应用于地方政府隐性债务治理,必将会牵涉很多的部门、机构、单位与团体,极有可能触动他们的经济利益而被阻挠,所以应加快研究进度。各地方政府应根据自身的发展需要建立地方政府隐性债务治理的区块链平台,并力争对平台依法合规地进行监管和治理。
其次,地方政府应大力培养相关人才并积极吸取经验,使区块链技术有效赋能债务治理。地方政府应结合具体情况,敢于打破常规,加快培养既具有金融科技素养又具有债务治理能力的复合型人才,并出台相应的担保、税收优惠政策,扶植相关的技术攻关项目。区块链技术在商业领域的运用要多于在政务领域的使用,所以政府要积极学习商业领域的相关经验,有选择性地将具有实力的区块链公司引导至债务治理的研究与应用领域。
最后,内陆地区及北方地区地方政府应充分发挥后发优势。内陆及北方地区地方政府应当积极吸取区块链先试地区的经验,鼓励多元主体在区块链技术方面积极投入。探索“中心化核心应用+非中心化区块链应用”的混合模式,保持对核心数据传统中心化管理的同时,在相关法规允许的范围之内构建区块链相关的基础设施,让原来就属于公开范围的信息或者安全性要求不高的内容率先进入区块链平台,并利用相关技术提升数据的准确性。在试运行时,要建立完善的数据备份机制,还要实时对数据进行检验。另外,还需统一区块链接口的标准,推动联盟链的发展,强化各区块链应用领域的互通合作。
注 释:
①由于各省份数据较多,正文不再逐一列示,仅展示区域平均特征。2015—2020年各省份区块链发展的详细数据留存备索,作者邮箱为1638834435@qq.com。
②熵值法步骤如下。首先,根据每一个指标的方向分别带入如下正向指标公式或负向指标公式进行无量纲化处理。为了使后续取对数的步骤能够进行,需对结果进行平移处理。其次,计算每一个指标某一个省份的贡献度。再次,计算每一个指标的熵值、冗余度和权重。最后,计算得到2015—2020年各省份的地方政府债务治理能力指数。篇幅所限,详细计算公式不再具体说明。
③由于篇幅所限,相关性分析表格不再具体披露,留存备索,作者邮箱为1638834435@qq.com。
[1]刘尚希,赵全厚,孟艳,等.“十二五”时期我国地方政府性债务压力测试研究[J].经济研究参考,2012(8):3-58.
[2]吴盼文,曹协和,肖毅,等.我国政府性债务扩张对金融稳定的影响——基于隐性债务视角[J].金融研究,2013(12):59-71.
[3]马宇,王群利.人口老龄化对政府债务风险影响的实证研究——基于20个发达国家动态面板数据的分析[J].国际金融研究,2015(5):46-55.
[4]岳红举,陈军.省级政府在地方债管理中的地位:现实困境与治理转型[J].当代财经, 2021(1):39-48.
[5]封北麟.隐性债务的应对之策[J].中国金融,2018(8):57-58.
[6]侯世英,宋良荣.财政—金融分权对地方政府债务扩张的影响研究[J].经济经纬,2021(4):141-149.
[7]姚晴.地方政府或有债务风险研究[J].北方经贸,2017(8):67-68.
[8]李一花,乔栋.金融分权、保增长压力与地方政府隐性债务[J].现代财经(天津财经大学学报),2020(8):59-72.
[9]陈菲菲,王学栋.基于区块链的政府信任构建研究[J].电子政务,2019(12):56-64.
[10]王东,张馨.区块链技术应用于政府采购信用体系建设中的价值与路径[J].西华大学学报(哲学社会科学版),2021(5):37-46.
[11]侯望达.区块链视角下地方政府债务管理问题研究[D].兰州:兰州财经大学,2021.
[12]史锦华,张亮亮.区块链破解地方政府债务治理难题的思考[J].中国行政管理,2021(4):83-87.
[13]孙志效.基于区块链技术的地方政府隐性债务风险治理[J].领导科学,2021(10):45-48.
[14]李海霞,冯均科,李亚辉.区块链审计与地方政府债务风险——基于审计流程再造视角[J]. 生产力研究,2021(9):9-15.
[15]张斌,王沈南,朱鹤,等. 财政政策“开前门”[J].新金融评论,2018(6):13-54.
[16]郭品,沈悦.互联网金融对商业银行风险承担的影响:理论解读与实证检验[J].财贸经济,2015(10):102-116.
[17] 刘孟飞.金融科技与商业银行系统性风险——基于对中国上市银行的实证研究[J].武汉大学学报(哲学社会科学版),2021(2):119-134.
[18] 蒋文华,刘心怡.省管县财政改革对地方政府财政能力影响的实证分析——基于中部六省倍差法的估计[J].经济问题,2017(5):68-72.
[19] 吴建南,胡春萍,张攀,等.效能建设能改进政府绩效吗?——基于30省面板数据的实证研究[J].公共管理学报,2015(3):126-138.
[20]钟辉勇,陆铭.财政转移支付如何影响了地方政府债务?[J].金融研究,2015(9):1-16.
[21]缪小林,伏润民.地方政府债务风险的内涵与生成:一个文献综述及权责时空分离下的思考[J].经济学家,2013(8):90-101.
[22]龚锋,余锦亮.人口老龄化、税收负担与财政可持续性[J].经济研究,2015(8):16-30.
[23]潘俊,王亮亮,沈晓峰.金融生态环境与地方政府债务融资成本——基于省级城投债数据的实证检验[J].会计研究,2015(6):34-41.
[24]沈洪涛,马正彪.地区经济发展压力、企业环境表现与债务融资[J].金融研究,2014(2):153-166.
[25]毛捷,黄春元.地方债务、区域差异与经济增长——基于中国地级市数据的验证[J].金融研究,2018(5):1-19.
[26]胡才龙,魏建国.地方政府债务水平与金融效率对经济开放度的驱动机制研究[J].经济评论,2022(1):82-95.
[27]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014(5):731-745.
[28]侯世英,宋良荣.数字金融对地方政府债务融资的影响[J].财政研究,2020(9):52-64.
[29]郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020(4):1401-1418.
[30]杨骞,刘鑫鹏.中国区域创新效率的南北差异格局:2001—2016[J].中国软科学,2021(12):92-100.