Empirical Study of the Relationship between Digital Economic Development and Local Fiscal Sustainability-A Case Study of the Yangtze River Delta Urban Agglomeration
-
摘要:
基于2017—2021年长三角地区41个城市的面板数据，运用熵权TOPSIS法对12个财政可持续性指标进行赋权，计算出地方财政可持续能力指数，并采用双向固定效应模型实证研究数字经济发展与地方财政可持续性相关关系。结果表明：长三角地区数字经济发展与地方财政可持续性存在显著的正相关关系。通过异质性分析发现，城市数字经济发展水平不同，其对财政可持续性的提升效果不一；数字经济发展水平越高，对财政可持续能力的提升作用也就越明显。因此，地方政府应加大对数字经济的关注和投入，并结合当地数字经济发展水平，制定科学合理的规划，避免资源浪费。
Abstract:Based on panel data from 41 cities in the Yangtze River Delta region from 2017 to 2021, this study uses entropy weight TOPSIS method to assign weights to 12 indicators of fiscal sustainability, calculates the local fiscal sustainability index, and employs a two-way fixed effects model to empirically study the correlation between digital economic development and local fiscal sustainability. The results show that there is a significant positive correlation between digital economic development and local fiscal sustainability in the Yangtze River Delta region. Through heterogeneity analysis, it is found that cities with different levels of digital economic development have different effects on improving fiscal sustainability; the higher the level of digital economic development, the more obvious the effect on improving fiscal sustainability. Therefore, local governments should pay more attention to and invest in the digital economy, and formulate scientific and reasonable plans according to the local level of digital economic development to avoid waste of resources.
-
21世纪以来，数字经济发展势不可当，尤其是与互联网、大数据、人工智能相关的高速信息通信技术在近年来经济发展中扮演着越来越重要的角色。2021年，我国数字经济规模超45万亿元，占GDP比重达到39.8%，数字经济成为国民经济发展的“加速器”“稳定器”。我国经济发展进入新常态以来，地方政府积极实施结构性减税，激发了实体经济的活力，起到培养税源、挖掘税源的作用。但大规模的减税降费使地方政府财政收支差额不断扩大，对财政可持续发展造成了巨大压力[1]。人口老龄化和政府债务问题在中长期来看也会使地方财政可持续问题面临更大压力[2]。因此，地方经济比任何时候都需要一场技术革命、产业革命。从我国新冠肺炎疫情持续的这几年来看，数字经济表现十分突出。在各城市静默期间，直播带货、网络购物、线上教学等数字经济活动仍然在有条不紊地进行，有力地保障了国民经济的有效运转。数字经济对我国经济发展新常态、构建新发展格局具有十分重要的意义。
对数字经济的认识要追溯到上世纪末，日本NEC公司在1977年首次预测到信息化浪潮的到来。随后，Don Tapscott[3]最早提出“数字经济”一词，成功预言了数字经济未来发展趋势。随着信息技术不断发展，数字经济将会与各个行业、各种领域交汇融合[4-5]，通过创新完善循环经济，进而推动社会转型和经济可持续发展[6]。数字经济的含义正由浅入深不断完善和发展。关于如何定量数字经济，John Haltiwanger[7]在2000年提出从电子商务等方面衡量数字经济发展水平，此后一些学者从信息通讯、互联网、数字交易等领域出发，用指标体系对数字经济发展水平进行了测度[8-9]。
关于财政可持续的概念，最初Buiter[10]将其定义为政府具有偿债能力，若政府无法偿还债务，则财政不可持续。随着研究的持续深入，财政可持续被赋予越来越多的含义。Krishanu Pradhan[11]认为保持政府债务、财政赤字水平与 GDP 之比的稳定是财政可持续的核心任务。陈宝东等[12]通过对省级面板数据的实证研究，发现控制负债率是保持地方政府财政可持续的有效措施。白彦锋等[13]从财政均衡的角度出发，认为财政长期保持均衡状态是财政可持续的关键。张东玲等[14]则认为财政可持续衡量标准不仅仅只局限于财政收支、政府债务，还应当将经济、资源和社会问题纳入评价体系。此后，学者们从金融周期[15-16]、财政信息披露[17]、人口老龄化[18-20]、减税降费[1]等多个方面探讨财政可持续性。
现有文献成果为数字经济、财政可持续性指标构建和分析奠定了坚实的基础，但鲜有文献探讨数字经济与财政可持续之间关系。基于此，本文分别构建指标体系测度地方政府财政可持续发展能力与数字经济发展水平，通过理论分析与实证分析相结合的方式研究数字经济发展对地方财政可持续能力的影响，最后得出结论和相关建议，以期为地方政府制定产业规划和相关财政政策提供参考。
一. 理论分析
数字经济是以信息通讯、互联网为基础发展起来的新产业，是当前我国经济发展的新引擎、新动力，也是世界各国提升国际竞争力的重要手段。数字化改革趋势正由新兴产业向农业、工业等传统产业蔓延，成为经济发展转型升级和社会变革的有力推手。数字经济对财政可持续影响如图1所示，大致可从以下三个方面来描述。
一是数字经济通过驱动投资、增加创业就业机会等方式刺激经济增长[21-22]，促进经济高质量发展，提高税收收入及质量，进而影响财政可持续。数字经济以其网络化、数字化、智能化的特征与其他产业进行融合，优化资源配置，创造出越来越多的投资机会、创业就业机会，推动了产业结构升级优化，加快了产业高端化进程。以此涵养税源，保持财力增长韧性。同时，地方政府税收征收管理信息化建设也离不开数字化技术的支持。区块链、大数据算法分析等技术在税源管控、票据管理、税收监督等方面发挥着重要作用。税收征管信息化建设能够优化纳税流程，降低税收管理成本，从而提高地方财政汲取能力[23]。
二是数字经济与实体经济深度融合，改善资源配置效率，使财政支出更有效地转化为各种公共产品[24-25]，促进财政支出效率提高。数字技术与产业技术相融合，赋能传统产业技术数智化，推动科技创新；数字技术与企业招聘结合，构建线上人才招聘网站，提高居民就业水平；数字技术与教育行业相结合，促进优质教育资源共享，使得教育资源匮乏地区的学生也能听名师讲课。此外，数字经济与居民消费、城乡发展等方面同样有着类似的融合效果。在财政支出向这些方面倾斜时，借助数字经济与实体经济的融合，能够以较低的成本在短时间内实现更好的社会效益，有效地提升地方政府财政支出效率。
三是数字经济背景下，地方政府债务融资规模得到提升的同时，融资成本和融资风险有所下降[26]，财政风险管理水平将会大幅度提升。大数据、区块链等数字技术不断发展，为地方政府建立债务管理系统提供了技术条件，地方政府债务评级、债务动态评估以及债务风险预警将会得到系统化管理。数字经济发展有助于打破地方政府债务信息壁垒，加快地方政府财政透明度建设，提升地方政府财政风险管控能力。
二. 财政可持续性测度
针对地方财政可持续能力的测度，学术界目前尚未形成一致意见，但从已有文献来看，学者大多是从财政收支、政府债务两个方面着手，衡量地方政府财政是否可持续。基于此，本文选取了3个一级指标（如表1所示），从财政收入、财政支出、财政风险[14,27]三个方面设计了12个二级指标，并借鉴刘建民[28] 的思路，通过熵权TOPSIS法对各项指标进行赋权，最终得到长三角41个城市2017—2021年的财政可持续发展指数。测算结果如表2所示，以上海、苏州、南京为代表的沿江城市财政可持续发展能力明显高于其他城市，长江以北城市财政可持续发展能力普遍低于沿江城市和长江以南城市。
表 1 财政可持续能力评价体系一级指标 二级指标 指标定义 指标方向 财政收入 财政收入增长 当年一般公共预算收入/上年一般公共预算收入 + 人均财政收入 一般公共预算收入/年末常住人口数 + 财政收入质量 税收收入/一般公共预算收入 + 大税种收入占比 增值税、所得税收入/税收收入 + 财政支出 人均财政支出 一般公共预算支出/年末常住人口数 + 人均公共服务与公共安全支出 公共服务、公共安全支出/年末常住人口数 + 财政自给率 一般公共预算收入/一般公共预算支出 + 人均民生性支出 城乡社区、农林水、教育、社保和就业、医疗卫生、科技与环保支出之和/年末常住人口数 + 财政风险 一般债务率 当年年末政府一般债务余额/GDP − 专项债务率 当年年末政府专项债务余额/GDP − 剩余举债空间 当年政府债务限额—当前年末政府债务余额 + 政府公开水平 政府透明度指数 + 表 2 2017—2021年长三角41个城市财政可持续发展指数2017 2018 2019 2020 2021 上海 0.788 8 0.816 4 0.805 5 0.783 5 0.807 6 合肥 0.456 6 0.475 5 0.487 9 0.399 5 0.362 6 淮北 0.142 2 0.160 6 0.182 3 0.171 9 0.178 7 亳州 0.192 9 0.169 0 0.181 1 0.168 9 0.149 1 宿州 0.185 1 0.210 3 0.190 5 0.168 8 0.151 3 蚌埠 0.205 9 0.207 2 0.203 5 0.182 4 0.173 6 阜阳 0.235 4 0.164 7 0.152 7 0.123 8 0.115 4 淮南 0.280 9 0.314 3 0.312 5 0.272 8 0.254 9 滁州 0.214 3 0.196 9 0.198 3 0.189 5 0.190 1 六安 0.192 2 0.183 8 0.170 6 0.168 5 0.152 5 马鞍山 0.237 3 0.210 1 0.266 0 0.513 9 0.244 3 芜湖 0.258 5 0.253 6 0.265 6 0.267 0 0.263 1 宣城 0.195 3 0.212 0 0.223 6 0.220 2 0.213 1 铜陵 0.219 8 0.239 3 0.231 9 0.272 1 0.300 6 池州 0.127 8 0.177 1 0.191 7 0.317 0 0.209 4 安庆 0.122 0 0.182 4 0.177 1 0.181 2 0.179 0 黄山 0.188 3 0.191 0 0.203 9 0.220 2 0.220 5 南京 0.419 3 0.470 8 0.459 0 0.425 2 0.458 5 无锡 0.366 3 0.367 1 0.381 8 0.367 3 0.385 7 徐州 0.266 4 0.253 1 0.243 7 0.208 9 0.216 7 常州 0.305 2 0.320 7 0.329 3 0.312 8 0.318 2 苏州 0.604 7 0.619 3 0.596 8 0.513 0 0.568 1 南通 0.271 9 0.277 9 0.287 2 0.300 4 0.293 4 连云港 0.203 3 0.218 3 0.239 2 0.213 5 0.217 6 淮安 0.223 7 0.221 6 0.228 8 0.263 9 0.243 9 盐城 0.169 3 0.176 3 0.183 0 0.225 7 0.230 8 扬州 0.255 1 0.253 5 0.257 3 0.300 3 0.294 0 镇江 0.279 7 0.273 8 0.374 7 0.297 0 0.281 7 泰州 0.284 9 0.311 7 0.308 5 0.355 8 0.289 1 宿迁 0.173 4 0.167 7 0.177 5 0.224 2 0.170 6 杭州 0.376 7 0.370 8 0.389 0 0.392 5 0.425 0 宁波 0.528 3 0.433 0 0.449 3 0.432 2 0.425 2 温州 0.203 0 0.193 9 0.213 1 0.214 5 0.203 5 嘉兴 0.283 6 0.295 1 0.305 0 0.275 5 0.309 5 湖州 0.241 9 0.256 3 0.267 9 0.282 8 0.290 0 绍兴 0.259 8 0.283 4 0.288 9 0.278 9 0.289 5 金华 0.202 4 0.206 9 0.210 1 0.209 7 0.206 4 衢州 0.183 8 0.217 4 0.268 1 0.263 9 0.283 6 舟山 0.320 8 0.369 4 0.393 8 0.399 5 0.438 6 台州 0.213 9 0.221 9 0.224 7 0.202 7 0.206 5 丽水 0.226 3 0.236 4 0.281 0 0.272 7 0.278 7 三. 模型设定与数据说明
一 模型设定
为了梳理数字经济发展与地方政府财政可持续性之间的相关关系，本文构建模型如下：
$$ {LnS}_{ \mathrm{i}\mathrm{t}}={\alpha }_{0}+{\alpha }_{1}Ln{Dig}_{\mathrm{i}\mathrm{t}}+{\alpha }_{\mathrm{i}}{Control}_{\mathrm{i}\mathrm{t}}+{\gamma }_{\mathrm{i}}+{\mu }_{\mathrm{t}}+{\varepsilon }_{\mathrm{i}\mathrm{t}} $$ 其中，
$ {LnS}_{ \mathrm{i}\mathrm{t}} $ 为财政可持续能力指数取对数；$ {\alpha }_{\mathrm{i}} $ 表示待估参数；$ {LnDig}_{\mathrm{i}\mathrm{t}} $ 表示数字经济发展指数取对数；$ {Control}_{{\mathrm{it}}} $ 表示控制变量；$ {\mu }_{{\mathrm{t}}}\mathrm{、}{\gamma }_{\mathrm{i}} $ 分别表示时间固定效应和城市固定效应；$ {\varepsilon }_{\mathrm{i}\mathrm{t}} $ 表示残差项。二 变量选取
1.被解释变量。财政可持续能力
$ {LnS}_{ \mathrm{i}\mathrm{t}} $ 。财政可持续能力以上文测算结果取对数表示。2.解释变量。数字经济发展指数
$ {LnDig}_{\mathrm{i}\mathrm{t}} $ 。借鉴赵涛[29]等的做法，并充分考虑数据可得性与适用性，从互联网发展和数字普惠金融两方面运用熵权法对数字经济发展水平进行测度，指标体系见表3。表 3 数字经济指数评价体系一级指标 二级指标 指标方向 互联网发展水平 移动电话用户数 + 互联网宽带接入用户数 + 电信业务收入 + 数字普惠金融发展水平 数字普惠金融指数 + 3.控制变量。选取产业结构（
$ {Stru}_{\mathrm{i}\mathrm{t}} $ ）、教育水平（$ {Edu}_{\mathrm{i}\mathrm{t}} $ ）、科技创新水平（$ {Tech}_{\mathrm{i}\mathrm{t}} $ ）、经济增长水平（$ {Rgdp}_{\mathrm{i}\mathrm{t}} $ ）作为控制变量。三 数据来源
本文选取长三角三省一市41座城市2017—2021年的面板数据。财政可持续能力评价的12个指标数据来源于各地市统计年鉴、各地市财政局官网以及清华大学公共管理学院财政透明度课题组；数字经济测度指标移动电话用户数、互联网宽带接入用户数、电信业务收入以及控制变量均来源于EPS数据库、各地市统计年鉴；数字普惠金融指数来源于“北京大学数字普惠金融指数”课题组[30]。其中部分城市个别年份电信业务收入数据缺失，已采用线性插值法进行填补。各变量释义及描述性统计见表4。
表 4 变量含义和描述性统计变量属性 变量名称 变量含义 样本数 均值 标准差 最大值 最小值 被解释变量 财政可持续能力$ {LnS}_{it} $ 通过指标体系构建，见上文 205 3.343 0 0.385 7 4.467 9 2.465 8 解释变量 数字经济发展指数$ {LnDig}_{it} $ 通过指标体系构建，见上文 205 4.730 5 0.827 2 6.903 6 2.223 5 控制变量 产业结构$ {Stru}_{it} $ 第三产业增加值/GDP 205 0.495 7 0.070 6 0.781 7 0.340 0 教育水平$ {Edu}_{it} $ 高等学校在校生人数（万人） 205 12.408 6 17.546 9 93.525 4 0.718 0 科技创新$ {Tech}_{it} $ 科学技术支出占地方一
般公共预算支出的比重205 3.834 5 2.506 6 14.225 6 0.437 6 经济增长水平$ {Rgdp}_{it} $ 当年GDP与上一年GDP之比 205 1.067 8 0.022 8 1.120 0 0 .979 0 四. 实证结果分析
一 基本面板回归结果分析
实证结果见表5。通过双向固定效应模型回归后，发现无论是在不加入控制变量，还是逐步加入控制变量的情况下，数字经济发展与地方财政可持续能力之间的正向关系都十分显著。对此，结合上述理论分析，做出以下几点可能的解释：一是数字经济发展通过驱动投资、增加创业就业等提升经济活跃度、促进经济高质量发展，以此来涵养税源、改善税收质量，保证地方税收长期稳定增长，为地方财政可持续提供收入保障；二是数字经济发展通过与实体经济深度融合，使财政支出更有效地转化为公共产品，极大提高了政府财政支出效率；三是数字经济下，各种数字化技术迭代更新，在打造数字化政府、提升地方政府透明度、防范债务风险方面发挥着至关重要的作用。此外，通过方差膨胀因子检验，发现各解释变量VIF值远小于10，说明解释变量之间基本不存在共线性的问题。
表 5 基准回归结果(1) (2) (3) (4) (5) VIF 变量 LnS LnS LnS LnS LnS LnDig 0.202*** 0.238*** 0.232*** 0.233*** 0.232*** 1.87 (4.68) (5.36) (4.76) (4.77) (4.76) Stru −0.774*** −0.752** −0.700** −0.594* 2.14 (−2.71) (−2.55) (−2.32) (−1.91) Edu −0.001 65 −0.000 303 −0.000 664 2.48 (−0.33) (−0.06) (−0.13) Tech −0.007 92 −0.007 12 1.42 (−0.83) (−0.74) Rgdp 0.626 1.04 (1.13) _cons 3.046*** 3.375*** 3.486*** 3.411*** 2.685*** (10.83) (11.20) (7.69) (7.37) (3.72) Year_Fe yes yes yes yes yes Fixed_Effect yes yes yes yes yes N 205 205 205 205 205 F 92.20 93.93 91.42 89.35 87.96 R2 0.963 0.965 0.965 0.965 0.965 注：* p<0.1，** p<0.05，*** p<0.01，下同。 二 稳健性检验
本文采用OLS模型检验数字经济发展与地方财政可持续性相关关系的稳定性。实证结果如表6所示，数字经济发展与地方财政可持续性之间存在十分显著的正相关关系，与前文结论基本一致。
表 6 稳健性检验：替换模型(1) (2) (3) (4) (5) LnS LnS LnS LnS LnS LnDig 0.311*** 0.244*** 0.195*** 0.174*** 0.175*** (12.74) (8.15) (6.37) (5.99) (6.00) Stru 1.291*** 0.565 0.914** 0.868** (3.69) (1.51) (2.55) (2.37) Edu 0.006 58*** 0.003 04* 0.003 13** (4.34) (1.93) (1.98) Tech 0.043 9*** 0.043 9*** (5.24) (5.23) Rgdp −0.525 (-0.67) _cons 1.873*** 1.551*** 2.057*** 1.859*** 2.436*** (15.99) (10.82) (11.42) (10.71) (2.75) N 205 205 205 205 205 F 162.3 92.98 73.75 69.45 55.50 R2 0.444 0.479 0.524 0.581 0.582 三 异质性分析
我国幅员辽阔，不同区域、不同城市之间发展基础、资源禀赋等差异较大，在分析数字经济发展对地方财政可持续能力的影响时，必须对不同区域进行异质性分析。通过分析长三角地区沿江区域、江南区域和江北区域的数字经济发展综合指数，发现沿江区域城市数字经济发展综合指数最高（20.861 9），结合长江经济带发展研究院公布的长江经济带中心城市名单、《长三角数字经济发展报告（2021）》，将上海、苏州、南京、无锡、南通等沿江城市作为异质性分析研究样本之一。同时，长江以南城市数字经济发展综合指数（16.311 2）要明显高于长江以北城市（10.543 2），结合长江南北两翼城市经济、文化、资源禀赋等差异显著的情况，决定将江北城市和江南城市分别作为研究样本进行实证分析，使用模型、解释变量与基准回归相同。
异质性分析结果见表7。不同区域数字经济发展与地方财政可持续能力之间的关系差异较大，长江沿线城市与江南城市模型回归系数显著为正，且沿江城市回归系数大于江南城市，江北城市回归系数为负。这表明沿江城市和江南城市数字经济发展对地方政府财政可持续能力提升具有正向作用，而江北城市数字经济发展在一定程度上抑制了地方财政可持续能力。对此，可能的解释是：沿江城市、江南城市有较为完备的数字化基础和坚实的产业基础，为数字经济提供了优质的发展环境，推动了数字经济与实体经济深度融合，且沿江城市和江南城市财政状况较好，能够持续地投入资源建设数字经济，进一步加快了数字经济产出效益的进程，进而提升政府财政可持续能力。其中，沿江城市数字化基础和产业基础又优于江南城市，其数字经济发展综合指数较江南城市高出27.90%。因此，沿江城市回归系数要高于江南城市。江北城市回归系数为负，其可能的主要原因：一是江北城市产业多集中于重工业、能源开采等行业，在我国经济高质量发展的大背景下，重工业和能源开采行业存在着产能过剩、发展方式绿色转型等问题，企业面临结构性调整，短时期内发展缓慢，导致政府税收增长方面支撑力不足；二是江北城市数字化基础薄弱，且与产业融合程度不高，无法有效发挥数字经济在提升财政支出效率方面的作用；三是政府财政收入增长乏力，刚性支出不减，财政状况较差。构建数字化基础，发展数字经济会占用大量资源且短时间内产出效益有限，导致财政负担加重，造成财政不可持续。
表 7 异质性分析沿线城市 江南城市 江北城市 LnS LnS LnS LnDig 0.342*** 0.174*** −0.228* (4.07) (3.37) (−1.69) Stru −0.370 −0.879** 0.156 (−0.53) (−2.30) (0.25) Edu −0.006 76 0.008 97* −0.027 7** (−0.40) (2.00) (−2.64) Tech −0.000 57 −0.029 7* 0.008 29 (−0.03) (−1.98) (0.49) Rgdp 1.100 −0.329 0.095 4 (1.02) (−0.54) (0.13) _cons 1.566 3.279*** 6.069*** (0.82) (4.42) (4.77) Year_Fe yes yes yes Fixed_Effect yes yes yes N 70 65 70 F 57.67 86.45 36.58 R2 0.964 0.977 0.945 五. 结论与建议
本文以长三角地区41个城市2017—2021年的面板数据为样本，通过理论分析与实证分析相结合的方式探讨数字经济发展与地方财政可持续之间的关系，得出结论：总体来看，长三角地区数字经济发展与地方财政可持续之间存在十分显著的正向关系，即数字经济发展对地方财政可持续能力的提升具有积极的作用。但通过异质性分析发现，数字化基础、财政状况较好的城市，数字经济发展产生效益的速度更快，对地方财政可持续发展的推动作用更明显。而数字化基础、财政状况较差的城市，将资源集中在数字经济建设短时期内反而加重政府的财政负担，抑制财政可持续发展。
对此，提出以下建议：第一，数字经济是促进经济高质量发展的新引擎、新动力，是解决当前财政可持续问题的一大抓手。各地方政府要准确认识到数字经济发展对产业结构优化、资源合理配置、技术创新等多方面的积极影响，充分发挥主动性，适时出台积极政策引导数字经济健康发展，借助新一轮的科技革命，打造更具竞争力的发展模式。第二，数字经济发展需要科学合理规划。任何一种经济发展模式都离不开城市基础设施建设的支持，数字经济发展也不例外。地方政府应结合当地数字化基础设施建设水平、数字化用户普及率等实际情况，具体问题具体分析，不盲目制定数字化发展战略。尤其是对于数字化基础设施状况较差、财政自给能力较低的城市，对数字经济建设的投入短时间内很难产生可观效益，容易造成资源浪费，加重财政负担。第三，财政可持续，是推进地方政府治理体系和治理能力现代化的必由之路。当前国内外形势颇为复杂，经济不确定因素增加，各级地方财政承受压力较大。因此地方政府需要综合研判财政可持续发展的长期影响因素，着力用改革的思路化解难题，抓住数字经济发展中的机遇，培育中小企业，推进企业数智化发展，以此涵养税源，提升财力增长韧性；促进数字经济与实体经济深度融合，使财政支出能更有效地转化为公共产品，提高财政支出效率；加强数字技术在政府债务管理、政府信息公开方面的应用，严控财政风险，以此保障地方财政健康持续发展。
-
表 1 财政可持续能力评价体系
一级指标 二级指标 指标定义 指标方向 财政收入 财政收入增长 当年一般公共预算收入/上年一般公共预算收入 + 人均财政收入 一般公共预算收入/年末常住人口数 + 财政收入质量 税收收入/一般公共预算收入 + 大税种收入占比 增值税、所得税收入/税收收入 + 财政支出 人均财政支出 一般公共预算支出/年末常住人口数 + 人均公共服务与公共安全支出 公共服务、公共安全支出/年末常住人口数 + 财政自给率 一般公共预算收入/一般公共预算支出 + 人均民生性支出 城乡社区、农林水、教育、社保和就业、医疗卫生、科技与环保支出之和/年末常住人口数 + 财政风险 一般债务率 当年年末政府一般债务余额/GDP − 专项债务率 当年年末政府专项债务余额/GDP − 剩余举债空间 当年政府债务限额—当前年末政府债务余额 + 政府公开水平 政府透明度指数 + 
下载: 导出CSV
表 2 2017—2021年长三角41个城市财政可持续发展指数
2017 2018 2019 2020 2021 上海 0.788 8 0.816 4 0.805 5 0.783 5 0.807 6 合肥 0.456 6 0.475 5 0.487 9 0.399 5 0.362 6 淮北 0.142 2 0.160 6 0.182 3 0.171 9 0.178 7 亳州 0.192 9 0.169 0 0.181 1 0.168 9 0.149 1 宿州 0.185 1 0.210 3 0.190 5 0.168 8 0.151 3 蚌埠 0.205 9 0.207 2 0.203 5 0.182 4 0.173 6 阜阳 0.235 4 0.164 7 0.152 7 0.123 8 0.115 4 淮南 0.280 9 0.314 3 0.312 5 0.272 8 0.254 9 滁州 0.214 3 0.196 9 0.198 3 0.189 5 0.190 1 六安 0.192 2 0.183 8 0.170 6 0.168 5 0.152 5 马鞍山 0.237 3 0.210 1 0.266 0 0.513 9 0.244 3 芜湖 0.258 5 0.253 6 0.265 6 0.267 0 0.263 1 宣城 0.195 3 0.212 0 0.223 6 0.220 2 0.213 1 铜陵 0.219 8 0.239 3 0.231 9 0.272 1 0.300 6 池州 0.127 8 0.177 1 0.191 7 0.317 0 0.209 4 安庆 0.122 0 0.182 4 0.177 1 0.181 2 0.179 0 黄山 0.188 3 0.191 0 0.203 9 0.220 2 0.220 5 南京 0.419 3 0.470 8 0.459 0 0.425 2 0.458 5 无锡 0.366 3 0.367 1 0.381 8 0.367 3 0.385 7 徐州 0.266 4 0.253 1 0.243 7 0.208 9 0.216 7 常州 0.305 2 0.320 7 0.329 3 0.312 8 0.318 2 苏州 0.604 7 0.619 3 0.596 8 0.513 0 0.568 1 南通 0.271 9 0.277 9 0.287 2 0.300 4 0.293 4 连云港 0.203 3 0.218 3 0.239 2 0.213 5 0.217 6 淮安 0.223 7 0.221 6 0.228 8 0.263 9 0.243 9 盐城 0.169 3 0.176 3 0.183 0 0.225 7 0.230 8 扬州 0.255 1 0.253 5 0.257 3 0.300 3 0.294 0 镇江 0.279 7 0.273 8 0.374 7 0.297 0 0.281 7 泰州 0.284 9 0.311 7 0.308 5 0.355 8 0.289 1 宿迁 0.173 4 0.167 7 0.177 5 0.224 2 0.170 6 杭州 0.376 7 0.370 8 0.389 0 0.392 5 0.425 0 宁波 0.528 3 0.433 0 0.449 3 0.432 2 0.425 2 温州 0.203 0 0.193 9 0.213 1 0.214 5 0.203 5 嘉兴 0.283 6 0.295 1 0.305 0 0.275 5 0.309 5 湖州 0.241 9 0.256 3 0.267 9 0.282 8 0.290 0 绍兴 0.259 8 0.283 4 0.288 9 0.278 9 0.289 5 金华 0.202 4 0.206 9 0.210 1 0.209 7 0.206 4 衢州 0.183 8 0.217 4 0.268 1 0.263 9 0.283 6 舟山 0.320 8 0.369 4 0.393 8 0.399 5 0.438 6 台州 0.213 9 0.221 9 0.224 7 0.202 7 0.206 5 丽水 0.226 3 0.236 4 0.281 0 0.272 7 0.278 7
下载: 导出CSV
表 4 变量含义和描述性统计
变量属性 变量名称 变量含义 样本数 均值 标准差 最大值 最小值 被解释变量 财政可持续能力$ {LnS}_{it} $ 通过指标体系构建，见上文 205 3.343 0 0.385 7 4.467 9 2.465 8 解释变量 数字经济发展指数$ {LnDig}_{it} $ 通过指标体系构建，见上文 205 4.730 5 0.827 2 6.903 6 2.223 5 控制变量 产业结构$ {Stru}_{it} $ 第三产业增加值/GDP 205 0.495 7 0.070 6 0.781 7 0.340 0 教育水平$ {Edu}_{it} $ 高等学校在校生人数（万人） 205 12.408 6 17.546 9 93.525 4 0.718 0 科技创新$ {Tech}_{it} $ 科学技术支出占地方一
般公共预算支出的比重205 3.834 5 2.506 6 14.225 6 0.437 6 经济增长水平$ {Rgdp}_{it} $ 当年GDP与上一年GDP之比 205 1.067 8 0.022 8 1.120 0 0 .979 0
下载: 导出CSV
表 5 基准回归结果
(1) (2) (3) (4) (5) VIF 变量 LnS LnS LnS LnS LnS LnDig 0.202*** 0.238*** 0.232*** 0.233*** 0.232*** 1.87 (4.68) (5.36) (4.76) (4.77) (4.76) Stru −0.774*** −0.752** −0.700** −0.594* 2.14 (−2.71) (−2.55) (−2.32) (−1.91) Edu −0.001 65 −0.000 303 −0.000 664 2.48 (−0.33) (−0.06) (−0.13) Tech −0.007 92 −0.007 12 1.42 (−0.83) (−0.74) Rgdp 0.626 1.04 (1.13) _cons 3.046*** 3.375*** 3.486*** 3.411*** 2.685*** (10.83) (11.20) (7.69) (7.37) (3.72) Year_Fe yes yes yes yes yes Fixed_Effect yes yes yes yes yes N 205 205 205 205 205 F 92.20 93.93 91.42 89.35 87.96 R2 0.963 0.965 0.965 0.965 0.965 注：* p<0.1，** p<0.05，*** p<0.01，下同。
下载: 导出CSV
表 6 稳健性检验：替换模型
(1) (2) (3) (4) (5) LnS LnS LnS LnS LnS LnDig 0.311*** 0.244*** 0.195*** 0.174*** 0.175*** (12.74) (8.15) (6.37) (5.99) (6.00) Stru 1.291*** 0.565 0.914** 0.868** (3.69) (1.51) (2.55) (2.37) Edu 0.006 58*** 0.003 04* 0.003 13** (4.34) (1.93) (1.98) Tech 0.043 9*** 0.043 9*** (5.24) (5.23) Rgdp −0.525 (-0.67) _cons 1.873*** 1.551*** 2.057*** 1.859*** 2.436*** (15.99) (10.82) (11.42) (10.71) (2.75) N 205 205 205 205 205 F 162.3 92.98 73.75 69.45 55.50 R2 0.444 0.479 0.524 0.581 0.582
下载: 导出CSV
表 7 异质性分析
沿线城市 江南城市 江北城市 LnS LnS LnS LnDig 0.342*** 0.174*** −0.228* (4.07) (3.37) (−1.69) Stru −0.370 −0.879** 0.156 (−0.53) (−2.30) (0.25) Edu −0.006 76 0.008 97* −0.027 7** (−0.40) (2.00) (−2.64) Tech −0.000 57 −0.029 7* 0.008 29 (−0.03) (−1.98) (0.49) Rgdp 1.100 −0.329 0.095 4 (1.02) (−0.54) (0.13) _cons 1.566 3.279*** 6.069*** (0.82) (4.42) (4.77) Year_Fe yes yes yes Fixed_Effect yes yes yes N 70 65 70 F 57.67 86.45 36.58 R2 0.964 0.977 0.945
下载: 导出CSV
-
[1] 张斌. 减税降费、资源统筹与增强财政可持续性[J]. 国际税收,2022(6):3-9. [2] 楼继伟. 面向2035的财政改革与发展[J]. 财政研究,2021(1):3-9. [3] TAPSCOTT D. The Digital Economy: Promise and Peril in the Age of Networked Intelligence[M]. New York: McGraw-Hill, 1996: 69-71.
[4] GOPAL D R, RAMESH R, WHINSTON B A. Microproducts in a digital economy: trading small, gaining large[J]. International Journal of Electronic Commerce,2003,8(2):9-30. doi: 10.1080/10864415.2003.11044292
[5] AFSHAR M A, RAKIBUL M H, KHORSHED A. An empirical investigation of the relationship between e-government development and the digital economy: the case of Asian countries[J]. Journal of Knowledge Management,2018,22(5):1176-1200. doi: 10.1108/JKM-10-2017-0477
[6] ILIĆ M P, RANKOVIĆ M, DOBRILOVIĆ M, et al. Challenging novelties within the circular economy concept under the digital transformation of society[J]. Sustainability,2022,14(2):702. doi: 10.3390/su14020702
[7] HALTIWANGER J, JARMIN R S. Measuring the digital economy[M]//BRYNJOLFSSON E, KAHIN B. Understanding the Digital Economy: Data, Tools and Research. Cambridge: Mit Press, 2000: 13-33.
[8] 徐清源, 单志广, 马潮江. 国内外数字经济测度指标体系研究综述[J]. 调研世界,2018(11):52-58. [9] 刘军, 杨渊鋆, 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究,2020(6):81-96. [10] BUITER W H. A guide to public sector debt and deficits[J]. Economy Policy,1985,1(1):13-79. doi: 10.2307/1344612
[11] PRADHAN K. Analytical framework for fiscal sustainability: A review[J]. Review of Development and Change,2019,24(1):100-122. doi: 10.1177/0972266119845951
[12] 陈宝东, 邓晓兰. 中国地方债务扩张对地方财政可持续性的影响分析[J]. 经济学家,2018(10):47-55. [13] 白彦锋, 姜哲. 我国财政动态平衡问题研究[J]. 中央财经大学学报,2019(1):15-22. [14] 财政可持续发展研究课题组, 张东玲, 何洲娥. 新常态下地方财政可持续发展研究[J]. 公共财政研究,2017(1):49-61. [15] 谭东洋, 吴信如, 何启志. 中国金融周期对财政可持续性影响的实证研究[J]. 云南财经大学学报,2022,38(12):1-15. doi: 10.3969/j.issn.1674-4543.2022.12.yncmxyxb202212001 [16] 金成晓, 李梦嘉. 金融周期对我国财政可持续性影响研究[J]. 财政研究,2019(3):93-103. [17] 刘新波, 谢晓攀, 刘轶芳. 财政可持续信息披露与区域财政可持续性发展[J]. 财政科学,2022(11):87-103. [18] 张青, 王安琦, 周振. 外在压力与内在激励: 老龄化背景下地方政府的财政选择[J]. 财经理论与实践,2023,44(1):70-77. [19] 余红艳. 人口老龄化对地方财政可持续性的影响研究[J]. 财经问题研究,2022(11):100-109. [20] 邱国庆, 杨志安. 人口老龄化、扭曲效应与财政可持续性[J]. 当代经济科学,2022,44(4):19-30. doi: 10.3969/j.issn.1002-2848.2022.4.ddjjkx202204002 [21] NAMBISAN S, WRIGHT M, FELDMAN M. The digital transformation of innovation and entrepreneurship: Progress, challenges and key themes[J]. Research Policy,2019,48(8):103773. doi: 10.1016/j.respol.2019.03.018
[22] 韩艳旗, 郭志文. 数字经济赋能家庭创业: 理论机制与微观证据: 基于CFPS2018的实证分析[J]. 湖北大学学报(哲学社会科学版),2022,49(3):170-179. [23] 杨志安, 胡博. 数字经济能否提升地方财政汲取能力: 兼论财政纵向失衡的调节作用[J]. 现代经济探讨,2022(11):36-45. [24] 丁松, 李若瑾. 数字经济、资源配置效率与城市高质量发展[J]. 浙江社会科学,2022(8):11-21. doi: 10.3969/j.issn.1004-2253.2022.8.zjshkx202208002 [25] 易秋平. 价值链重构视角下数字经济与实体经济深度融合机理研究[J]. 湖南科技大学学报(社会科学版),2023,26(3):92-102. [26] 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. [27] 谢申祥, 郭健, 刘金东, 等. 山东省财政可持续能力研究[J]. 公共财政研究,2020(1):20-38. [28] 刘建民, 薛妍, 熊鹰. 减税降费背景下地方财政可持续发展水平测度与时空分异: 以湖南省为例[J]. 经济地理,2022,42(12):42-49. [29] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展: 来自中国城市的经验证据[J]. 管理世界,2020,36(10):65-76. [30] 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),2020,19(4):1401-1418.
计量
- 文章访问数: 69
- HTML全文浏览量: 45
- PDF下载量: 8
