PPP 项目对区域投资的效应研究

摘要：本文从空间自相关性，探讨 PPP 项目的分布是否有区域差异化，通过 GEODA 软件建立模型，分析全局 Moran 指数和局部 Moran 指数关于 PPP 项目投资总额的空间自相关性，找到分布区内的观测数据之间潜在的相互依赖性，从而得到区域分布的结果。并据此提供相关的政策建议。

通过整理 2016 至 2018 年的政府和社会资本合作中心的 PPP 各项数据，将除了 PPP 以外的地理、经济、社会环境、政府三个方面最可能影响区域投资的因素下手进行逐步多元线性回归分析，从而得出 PPP 项目对于区域投资的影响效应的结论。

关键词：PPP 模式；省际分布；区域投资；效应分析

一、引言

随着我国新型城镇化建设的不断推进，基础设施建设的必要性也愈趋重要，因此，地方政府财政支出的压力也越来越大。在这种条件下，新出现的 PPP 模式就打破传统，变成当下炙手可热的新型融资机制。PPP 模式是政府和社会资本合作的简称，是在基础设施及公共服务领域建立的一种长期的合作关系。自 2014 年开始，PPP 模式在各地呈现爆发性的增长：

（一）对政府来说

由于现有的庞大财政支出压力，使得地方政府难以继续沿用之前的自己大包大揽的传统融资模式。而典型的 PPP 融资机制一方面可以在某种程度上缓解资金短缺的问题，另一方面，我国的社会资本在过去经济高速发展阶段得到了较客观的积累，PPP 模式在投融资机制上的创新正是打开了引入这些闲散资金的大门。

（二）对企业来说

之前的传统模式是政府自己一手包揽了，明显缺乏竞争。通过 PPP 模式，政府和私营部门聚集在一起，为企业提供更多的基础设施和公共服务投资机会，使企业能够分享风险和利益。PPP 模式的出现为企业提供更多机遇，合理利用私营部门在建筑、金融、法律、设计等领域的优势，并减少了失败的风险。

（三）对社会来说

PPP 模式对于社会主义市场经济的良好发展至关重要。传统模式会导致政府官员滥用职权、办事效率低或者过度干预等一系列的问题出现。PPP 模式的基本特征就是政府和私营部门需要签订契约合同。这样通过契约绑定的合作，对于我国的现代法制体系有着良好的正面效应。

本文通过研究 PPP 模式的省际分布，能够有助于研究地方发起 PPP 模式的原因，观察 PPP 模式的地理因素是否影响区域投资的重要因素。其次，研究 PPP 模式对于区域投资的效应，可以将 PPP 模式与行业结合起来，找到影响 PPP 对于区域投资效应关键因素，证明其能够缓解地方政府的财政压力，使得 PPP 能够更好的对区域投资增长做贡献。

二、方法、模型与数据

（一）PPP 项目区域分布差异的分析方法

本文采用 Moran 指数分析来研究 PPP 项目投资数量及投资额存在明显的空间差异。本文根据 PPP 项目数量总额和 PPP 项目投资总额的官方数据，应用 GEODA 软件进行 Moran 指数空间自相关分析，即一些变量在同一个分布区内的观测数据之间潜在的相互依赖性，从而得到区域分布的结果。

Moran 的 I 系数分为两种，一种是全局空间自相关性，一种是局部空间自相关性。研究全局空间自相关性，Moran 指数的值一般在-1-1 之间，Moran's I >0 表示空间正相关性，其值越大，空间相关性越明显。Moran's I <0 表示空间负相关性，其值越小，空间差异越大，否则，Moran's I = 0，空间呈随机性。研究局部空间自相关性，是从整体地理空间范围内的特定局部区域在分布上是否有聚集性，仍用 MORAN 指数进行评价，Moran's I >0，表示局部空间单位与相邻单位之间存在空间正相关性，表现为「高-高」「低-低」聚集其值越大，Moran's I <0，表示局部空间单位与相邻单位之间存在空间负相关性，表现为「高-低」「低-高」聚集。

（二）PPP 项目对区域投资效应的模型建立

本文选择研究 PPP 项目数量总额和投资总额与分地区固定资产投资之间的关系。因此选择固定资产投资总额作为被解释变量，选取除了 PPP 以外的地理、经济、社会环境和政府四个方面的 7 个指标作为解释变量。

首先利用 vif 检验的方法检验 OLS 多元回归模型的完整版，说明这两个多元回归模型不存在多重共线性，然后采取逐步回归的方法将五组变量逐步加入模型，探究区域投资增长是否与 PPP 项目的投资有密切相关，通过 SPSS 26.0 建立以下模型一和模型二：

模型一：

;TI =α+βX1+γX2+δX3+εX4+ζX5+ μ （2-1）

其中，TI 是 Total investment 的简称，表示 2016 年至 2018 年固定资产总投资总额，X1 是指 2016 至 2018 年 PPP 项目数量总额，X2 是地区虚拟变量，X3 是指地区经济发展指标，X4 指的是地区社会环境指标，X5 为地区政府干预指标。α、β、γ、δ、ε、ζ 均为系数，μ 为随机扰动项。

模型二：

;TI =α+βY1+γX2+δX3+εX4+ζX5+ μ（2-2）

其中，TI 是 Total investment 的简称，表示 2016 年至 2018 年固定资产总投资总额，Y1 是指 2016 至 2018 年 PPP 项目投资额总额，X2 是地区虚拟变量，X3 是指地区经济发展指标，X4 指的是地区社会环境指标，X5 为地区政府干预指标。α、β、γ、δ、ε、ζ 均为系数，μ 为随机扰动项。具体变量名称与定义如下表 1；

（三）数据来源

由于 2019 年部分地区的其他数据仍缺失，所以对于模型建立的数据选择而言，本文选择研究政府和社会资本合作中心 2016-2018 年的 PPP 项目数量总额和投资总额。

由于 PPP 项目主要是在基础设施及公共服务领域的投资，所以选取分地区固定资产投资作为被解释变量，除了 PPP 以外的地理、经济、社会环境和政府四组变量的 7 个指标作为被解释变量，数据来源均为全国统计年鉴。

三、实证结果分析

（一）PPP 项目区域分布差异分析结果

研究 PPP 模式区域分布差异，本文应用 GEODA 软件对全局 Moran 指数和局部 Moran 指数的测算来揭露 PPP 项目投资的区域分布情况，结果如下：

第一，从全局 Moran 指数分析，将 PPP 项目数量总额作为第一个变量，PPP 项目投资总额作为第二个变量，进行双变量全局 Moran 指数的测算。我们可以发现 2016 年至 2019 的 Moran 指数 p 值不小于 0.05，说明 PPP 项目的投资并没有明显的空间相关性，中国各省的 PPP 项目的投资在不存在全局的空间相关性，空间不趋于聚集。

第二，由于全局 Moran 指数不能反映出内部的情况且求出的数据都不显着，所以我们进行局部 Moran 指数局部分析。通过 GEODA 制出聚类地图、Moran 散点图及显着性地图来揭示 PPP 项目数量总额和投资总额的空间结构及变化。可发现 PPP 投资本身也从东部逐渐开始转向西部地区。每年的聚集地区类型几乎是稳定不变的发展，说明这种 PPP 的聚集格局与经济发展态势紧密相连，PPP 的分布也是具有区域化特征的。

第三，总的来说，PPP 项目的投资分布不具有全局空间相关性，它在整个的形式下不呈现一种省与省之间的相关性，反而在局部空间的分布某些省份却具有聚集性，也就是说它的分布是在某些省份有一定区域聚集的特征，具有局部聚集性。

（二）PPP 项目对区域投资效应的分析结果

表 2 及表 3 是模型一、二的实证结果，对于区域投资这个被解释变量来说，会受到地区经济发展指标、地区社会环境指标、地区政府干预指标的影响。PPP 这个变量不会受到地区虚拟变量、地区经济发展指标、地区社会环境指标的影响，会受到地区政府干预指标的影响。具体来看：

1.PPP 因素对区域固定资产总投资有着强烈的影响效应。通过政府和社会资本的合作，PPP 模式一方面可以通过引入私人资本家，也就是民间投资，增加资金来源，缓减政府财政压力；另一方面可以发挥民间资本效率高、创新能力强、能够及时抓住新机遇等优势，提高基础设施和基本公共服务项目的建设、运营效率和质量，优化基础设施和公共服务品质，促进地区城镇化更为全面、稳定发展。

2.地理因素对于 PPP 对于区域投资的效应和区域投资都无影响。通过两个模型的回归结果发现地理因素并非影响 PPP 对于区域投资的效应关键因素，从而进一步证明了之前的区域分布并无空间相关性，PPP 项目的投资分布并没有明显的区域分布差异。

3.经济因素以及社会因素对于区域投资有着影响，但对于 PPP 因素的效应并无影响。如果需要进行 PPP，进行基础设施的投资，那么就需要政府有足够的资金来源。当一个地区的人均 GDP 变的高了，政府的主要收入来源税收也就多了，这样，政府可以用来投资基础设设施的资金也就多了。所以对于区域投资来说，PPP 和 GDP 是有着明显的联系的。城镇化率是城市化的度量指标，一般采用人口统计学指标，即城镇人口占总人口（包括农业与非农业）的比重。我们可以想象，当城镇化率这个指标越高，就说明当地的经济发展程度高，也就是说当地的基础设施和基本公共服务较其他地区来说更加的完善，从而不需要太多的基础设施的投资，所以区域投资也就减少了，PPP 项目的投资自然也就是减少了。简单来说就是社会环境好了，所需要的投资也就减少了。

4.政府因素对 PPP 的区域投资效应有着很大的影响。前面已经说到过 PPP 项目是政府与私人部门的结合，政府作为委托方，在其中的作用十分重要。对于区域投资的影响不仅大，而且超过 PPP 对其的影响。当政府需要减少财政支出的压力时，政府就会通过 PPP 模式这一重要的方法出发。从而不仅可以解决政府资金不足的问题，还可以使得区域投资增加。

模型二与模型一结果相似。

四、结论与政策意见

从 PPP 项目的省际分布出发，利用面板数据，通过实证分析其对区域投资的效应，得出以下主要结论：第一，PPP 对于区域投资的影响效应存在限度。第二，政府是影响 PPP 对区域投资效应的重要因素。第三，地理、经济、社会环境三方面对于 PPP 对区域投资的效应没有影响。根据实证分析结果，提出以下几点建议：

（一）大力推广并完善 PPP 模式

首先，相关法律法规的不完善会有很难预测的后果出现，因为每个地区都离不开基础设施的建设，政府的压力也是巨大的。所以需要在推广不足的地区出台相关的激励政策来引导 PPP 模式的发展。其次，选择合理的运营方案。PPP 模式的推广中，可以合理选择 BOT 还是 TOT 等适合项目经营的模式。合理运营方案的选择，是项目能够成功的保障。最后，在各种政策出台的指引下，还需要完善 PPP 模式的监管机制。政府在 PPP 模式中最重要的角色就是监管者，在 PPP 项目进行过程中，要不断完善 PPP 项目评估、监管机制，要不断更新出台适合当下的一系列政策，要高度重视，建立相应工作机制，明确责任分工，通力协作，协调解决推进工作中的重大问题，确保快速有序推进。

（二）结合 PPP 模式来推动城镇化建设

城镇化建设对于实现现代化强国十分重要，它可以带动区域投资的增长，我们应该推动城镇化建设。而如今城镇化建设面临着诸多的难题，如财政资金不足、公共服务效率低下等等。但 PPP 模式可以加强推动新型城镇化建设的基础设施和公共服务，提升政府的办事效率和服务水平，减轻政府的财政支出的巨大压力。PPP 模式将政府从原来的一手包揽，转变成现在的监管者、服务者，这让新型城镇化建设增添新动力，我们采取 PPP 模式推动新型城镇化建设的趋势是必然的。

（三）推进 PPP 模式的政府建设

首先政府应该做到的就是要明确政府和市场的界限。PPP 模式需要私人部门和政府签订契约，政府应该树立起符合市场要求的契约精神，做好监管者不要过多干预。其次，应该眼光放长远，不要过分承诺而导致一些不能完成的项目被签订了契约，增加了未来的财政压力，最终导致双方都承担不必要的责任。因此，政府应该树立长远意识，仔细规划好项目资金。最后，坐好监管者的位置，加强风险的防范。很多地方政府因为财政压力而选择了 PPP 模式，但是我们在选择项目的同时一定要考虑全面，做好监管者，不要导致「寻租」、豆腐渣工程等一系列的风险，在执行项目之前，政府一定要做好风险应对方案。

参考文献：

[1]徐磊.中国 PPP 项目分布的多维度差异及其动因研究 [D].杭州：浙江大学， 2019.

[2]曹烨娜.PPP 投资规模的区域效应——基于我国 30 个省市的实证分析[J].市场周刊（理论研究），2018（05）：5-7.

[3]李学乐，吴健，禇昭华.PPP 项目落地水平的影响因素研究——基于区域发展成熟度与政府信誉的对比分析[J].金融与经济，2017（09）：56-63.

[4]马威.我国基础设施采用 PPP 模式的研究与分析[D].北京：财政部财政科学研究所，2014.

[5]程哲，欧阳如琳，杨振山，蔡建明.中国城镇化进程中基础设施投融资时空格局.

[6]易茵.基础设施公私合作制（PPP）的影响因素实证研究[D].南昌：江西财经大学，2017.

[7]王雪婷.城市基础设施建设中应用 PPP 模式的理论基础分析[J].中国市场， 2016（0）：37-38

[8]逯进，王晓飞.固定资产投资，老龄化与经济活力[J].人口学刊，2019，41（05）： 57-71.

基金项目：北京市教委 2019 年高水平人才交叉培养「实培计划」毕设（科研）项目。

作者单位：北京信息科技大学经济管理学院

作者 陈施锜