我國各省地方政府償債能力的空間格局和動態演進
——一般債務和專項債務的分類評估

刁偉濤，王 楠

(青島理工大學經貿學院，山東 青島 266033)

我國各省地方政府償債能力的空間格局和動態演進
——一般債務和專項債務的分類評估

刁偉濤，王 楠

(青島理工大學經貿學院，山東 青島 266033)

對地方政府償債能力的準確評估關系到債務風險的有效防范和債務限額的合理分配,而在地方債務分類為一般債務和專項債務之后,迫切需要進行相應的分類評估。本文利用熵值法,量化評估了我國30個省份2010～2014年的償債能力以及2014年的一般和專項債務償債能力,結果顯示,整體而言,東部省份的償債能力相對最高,西部次之,中部最低;同時省份之間的差別,東部最大,西部次之,中部最小;一般債務要略高于專項債務,并且后者在省份間的差異更為明顯。因此,對于地方債務風險的防范要關注重點區域,更加重視預警和管控專項債務風險,同時促進債務分布的空間均衡。

地方債務;償債能力;熵值法;空間格局

一、引 言

2015年12月,中央經濟工作會議提出“階段性提高財政赤字率”以后,通過中央政府和地方政府自身的“加杠桿”來穩住經濟增長的宏觀政策思路已經日益清晰,地方政府債務規模繼續擴張也基本已成定局,而另一方面,對于地方政府債務風險的關注和擔憂,在國內外財經界和學術界也是一直存在的,比如國際貨幣基金組織在2016年10月發布的《世界經濟展望》報告中,提出了對于中國政府債務問題的警示。如何理解上述兩種似乎矛盾的主張或觀點？本文認為關鍵在于地區之間的“結構性”,也就是說,雖然我國地方政府債務從整體上而言風險不高并且可控,但是其在不同地區的分布是不均衡的,因此全國意義上的“加杠桿”不能理解成對各個地區的“一刀切”,而應該是整體性加杠桿的同時縮小各個地區之間杠桿率的差距,否則容易引發區域性的債務風險。

本文試圖構建一個相對全面的指標體系來綜合評估地方政府的償債能力,并以我國30個省份(不含西藏、香港、澳門和臺灣)為樣本。當然,這一領域的相關文獻已是非常之多,而本文的創新或貢獻主要在于三個方面:一是對地方償債能力的分類評估,在《國務院關于加強地方政府性債務管理的意見》中,已經明確將地方債務分類為一般債務和專項債務,前者主要以一般公共預算收入為償債來源,后者主要以地方政府性基金收入為償債來源,因此對二者的償債能力進行相對獨立地分別評估,可以更準確更細化地把握地方償債能力;二是對于我國地方債務分省規模的數據更新,當前對于我國地方政府債務問題的量化或實證研究,利用的分省數據幾乎都是審計部門公布的截止2013年6月底的數據,而本文通過政府信息依申請公開渠道,獲得了各個省份清理甄別后的2014年底債務余額數據,利用這一數據可以跟蹤識別地方償債能力的最新狀況;三是明確地對地方政府償債能力的省份空間格局進行了分析,這種分析從區域集聚分異和空間關聯的角度,可以更深入地把握地方債務的區域結構性風險。

二、文獻綜述與評析

影響地方政府償債能力的因素是眾多的,而主導性的做法是構建相應的量化指標體系,王曉光(2005)構造了一個地方政府債務的風險預警評價體系,并提出了模糊評價方法的思路[1]。裴育和歐陽華生(2006)在對地方債務風險進行了等級劃分的基礎上,構建了債務風險預警的指標體系[2]。冉光和等(2006)采用模糊分析法,確定了地方政府性債務風險的區間[3]。謝虹(2007)利用模糊數學綜合評價方法,初步構建了一個債務風險綜合評價模型[4]。伏潤民等(2008)闡述了我國地方政府的橫向類比債務風險區間劃分方法[5]。考燕鳴等(2009)在構建了債務風險指標體系的基礎上,采用主成分分析方法測算地方政府性債務風險[6]。卿固等(2011)采用從低級到高級的逐級多次模糊綜合評判方法,對地方政府債務風險進行了整體量化[7]。伊淑彪(2011)通過對政府收支的分析,建立了一套分析政府債務的指標體系以及能夠綜合反映政府財政狀況的政府財力指數[8]。繆小林和伏潤民(2012)從債務內部結構和外部負擔兩方面,構建了我國地方政府性債務風險指標體系,并基于云南省的具體數據對債務風險進行了測度[9]。金榮學等(2013)運用多層次結構分析法,通過引入社會外生因素的指標體系,提出了債務風險的預警和評估模型[10]。許爭和戚新(2013)通過設計針對于借債、用債和償債三個環節的風險預警指標體系,對地方政府債務風險進行了整體量化[11]。郭玉清等(2015)借鑒國際信用評級機構的主權信用指標體系,設計了分層次的地方政府償債能力指標體系,并利用熵值法進行了估測[12]。楊林和侯歡(2015)從城鎮化與地方債務風險耦合關系的角度,從地方債務的規模風險、結構風險、管理風險和償債風險四個方面構建了相應的指標體系,并利用熵值法進行了測度[13]。

上述研究對于我們構建地方政府償債能力的指標體系具有很好的借鑒,相應的結論對于我們認識地方債務風險也具有深刻的啟發,但是考慮到我國地方債務問題的最新動向,其在如下三個方面還需要相應地深化和改進。首先,財政部在2014年下半年在全國范圍內對地方政府債務進行了一次清理甄別,這次清理甄別核實摸清了截止2014年底的地方債務存量,這應該是地方債務最為準確和權威的數據,因此應該基于這個數據更新對于我國地方債務風險最新狀況的分析。其次,地方政府債務已經明確劃分為一般債務和專項債務,并分別納入一般公共預算和政府性基金預算,從理論上來說,二者的風險是相對獨立的,因此應該分別進行評估,這樣才能更為準確和嚴謹地識別地方債務風險。最后,對于我國地方政府債務風險的認識,既要著眼于作為相對獨立的單個地方政府,對其債務風險進行防范隔離,同時也應該有全局性關聯性的視角,從空間格局的角度分析債務風險的集聚和分異,從而更加整體性地把握地方債務風險。

三、地方政府償債能力的量化估測、動態演進與空間格局

(一)償債能力的指標體系構建與熵值法測算

對于我國地方政府償債能力的指標體系構建,已經有大量的文獻進行了相關研究,基本囊括了各個方面并且全面涵蓋了正向指標、負向指標和中值指標。通過借鑒這些研究并且采納其關鍵和重要指標,舍棄次要或重疊指標,本文把地方政府償債能力的主要因素分別為四個大的方面:經濟發展狀況、財政運行狀況、舉借債務狀況和金融信貸狀況。

經濟發展狀況,主要包括經濟發展水平高低、未來發展趨勢以及產業結構等,這是支撐起政府舉債空間的根本因素,本文利用四個二級指標來具體刻畫衡量:人均實際GDP、實際GDP增長率、產業結構和固定資產投資率;財政運行狀況,直接決定了償債資金的規模和可償債能力,包括七個二級指標:地方政府財政汲取能力、公共財政自給率、公共財政剛性支出狀況、人均政府性基金收入、政府性基金收入水平、人均土地出讓收入和土地財政依賴度;舉借債務狀況,包括負債率、人均債務規模以及債務率三個二級指標;金融信貸狀況,在很大程度上決定了地方政府可以利用的金融或信貸資源的空間大小和能力高低,具體包括貸款水平、人均貸款規模、存貸比、政府債務余額比例四個二級指標。這些指標的構造方法及其說明,如表1所示。

表1 省份地方政府償債能力量化指標體系

上述指標的數據來源主要是相應年份的《中國統計年鑒》、《中國國土資源統計年鑒》、《中國金融年鑒》等,需要說明的是,其中的各省政府性基金收入數據和政府債務余額數據主要來自于本文的整理匯總。各個省份2010～2013年的政府性基金收入數據,來自于《地方財政研究》登載的“2008～2013年全國各地區政府性基金收入情況”,2014年的數據則來自于中國債券信息網發布的各個省份地方政府信用評級報告。各個省份2010～2013年的地方債務余額數據主要來自于各個省份審計部門在2014年1月集中公布的當地截止2013年6月底的政府性債務審計結果,而2014年底的數據在來自于本文向各個省份財政部門的信息公開申請*從審計部門公布的政府性債務審計結果中可以整理得到2010年底、2012年底和2013年6月底的地方債務余額數據,2011年底債務數據的估算主要是基于2010年底和2012年底的相應數據,而2013年底的債務數據估算則主要是基于2013年6月底和2014年底的相應數據。。

可以看出,上述指標體系中的數值單位差異很大,而且與償債能力的對應方向也并不一致,熵值法是一個將數量眾多且差異巨大的指標綜合成一個指標的常用方法。熵值法可以根據各個指標自身所提供的信息來計算其權重,指標值之間的差異或離散程度用來刻畫信息熵,差異程度大,則信息熵值小,意味著該項指標能夠提供的信息就越大,權重也越大;反之,離散程度小,則信息熵值大,該項指標能夠提供的信息就越小,權重也越小。與其他確定不同指標權重的主要方法相比,熵值法能夠有效地避免人為確定權重的主觀性,使評估結果更具客觀性*關于熵值法的具體計算步驟,請參見楊林和侯歡(2015),不再詳細介紹,同時限于篇幅,不再列示各個指標的權重賦值,感興趣的讀者可向筆者索要。。

(二)我國各個省份償債能力的動態演進

利用熵值法測算出各個指標的權重之后,對地方政府償債能力的量化評級指標進行逐層加權計算,得到2010～2014年我國30個省份的地方政府償債能力的估測結果,為了數據的直觀易讀便于比較,償債能力指數是在原始數據的基礎上乘以一百,如表2所示。

表2 2010～2014年我國各省份地方政府償債能力的量化評級結果

注:“T”代表最高償債能力省份;“H”代表高償債能力省份;“M”代表中等水平償債能力省份;“L”代表低償債能力省份,分組標準詳見下文省份空間格局部分。

表2對我國30個省份2010～2014年償債能力的評估結果進行了分組,采用ArcGIS標準差分組法將各省份的償債能力從高到低分為四組,分別定義為“最高償債能力組”、“高償債能力組”、“中償債能力組”和“低償債能力組”,通過分析可以看出,各省份償債能力存在很大的差距,尤其是最高償債能力組與低償債能力組,如北京、天津、上海穩居前列并且保持很高的償債能力,而低償債能力組的省區如河南的評分結果持續走低,較難突破;但是,位于西部地區的新疆、貴州、青海償債能力不斷提高,由“低償債能力組”上調至“中償債能力組”。

采用熵值法計算得到的各省份量化評級結果只能縱向比較同一年份不同省份的償債能力相對大小,不能橫向比較不同年份的償債能力變化,為了對比不同年份相對償債能力的集聚分異程度,本文采用差異系數指標。差異系數是用標準差除以平均值得到的數值,能夠更加精確客觀地說明一組數據的集聚與離散程度,差異系數越小,這些值偏離平均值的程度就越小,說明集聚程度越大。計算結果如表3所示。

表3 2010～2014年量化評級的平均值及差異系數

計算結果表明,平均而言,我國地方政府的償債能力并不高,各年份評級分數普遍低于中等水平,同時變異系數普遍處于中等水平,說明地區償債能力差別較大,低償債能力的省份在很大程度上拉低了全國的償債能力平均值。同時,這種分異程度從2010年到2014年出現了先變小后變大的變化趨勢,說明近幾年不同省份償債能力的分異程度開始出現逐漸分化的現象,不同的省份償債能力的差距又在加大。

(三)我國各個省份償債能力的空間格局

上文對我國各個省份政府償債能力進行了估測和排序,事實上,對這一問題的認識既要著眼于作為相對獨立的單個地方政府,同時也應該有全局性和關聯性的視角,從空間格局的角度分析債務償債能力的集聚和分異,從而更加整體性地把握地方債務償債能力。首先按照東中西三大區劃的劃分,從東中西的大空間格局角度進行分析。

表4 2010～2014年分地區的平均值及差異系數

由表4可以清晰地看出,東部地區償債能力的平均水平相對較高但是絕對水平仍然處于中等以下,同時差異系數很高且變動較大,說明東部地區的償債能力地區間的差距很大;西部地區的償債能力逐步趕超中部地區,而且差異系數處于一直下降的狀態,說明西部地區的償債能力逐步提高,并且省份間償債能力的差異正逐步縮小。中部地區的償債能力最差,而且差異系數最小,說明中部地區的償債能力普遍偏低,省份間差異性小,中部地區出現集中性償債能力低的問題。我國地方政府的償債能力在東、西、中三大區域呈現出逐步弱化的跡象,中部地區的相對償債能力水平已經低于西部地區。

進一步分析30個省份地方償債能力的空間格局,利用ArcGIS軟件,地方政府償債能力指標的分類采用標準差方法,并以一個標準差為間隔距離(Wong & Lee, 2008)[14]。依據該指標的具體取值,最終確定4個分檔或分組,第一個分組為該指標平均值減去0.5個標準差的數值以內,第二個分組為該指標平均值減去0.5個標準差到加上0.5個標準差之間,第三個分組為該指標平均值加上0.5個標準差到加上1.5個標準差之間,第四個分組為平均值加上1.5個標準差以上。按照上文中“最高償債能力組”、“高償債能力組”、“中償債能力組”和“低償債能力組”的分類,30個省份的具體分組如表5所示,在空間格局上的分布如圖1所示。

表5 2014年底30個省份償債能力分組

圖1 2014年底地方債務償債能力的省份空間格局

進一步分析省份償債能力之間的空間關聯性,一般而言,空間關聯性分為全域空間關聯性和局域空間關聯性,并分別用全域莫蘭指數和局域莫蘭指數刻畫。全域空間關聯性分析研究的是整個區域內所有地理或空間單元的整體空間關系,或者說是平均關聯程度,其對應的是全域莫蘭指數,計算公式如(1)所示(Moran,1950)[15]:

(1)

全域空間關聯性分析能夠揭示出相應變量在空間整體上的平均關聯性,但是在一般情況下,關聯性是存在空間差異的,也就是說,不同局域的空間單元關聯性可能會有所不同,因此需要進一步利用局域指標來進行以某空間單元為中心的關聯性分析,從而更好地識別省份償債能力的空間關系。一般利用局域莫蘭指數來分析局域空間關聯性,其計算公式如(2)所示(Anselin,1995)[16]:

(2)

局域莫蘭指數可以反映一個空間單元與其相鄰單元的平均值來說是屬于正向關聯的“高高聚集”或“低低聚集”,還是屬于負向關聯的“高低聚集”或“低高聚集”。本文利用GeoDa軟件按照“后”相鄰(Queen Contiguity)規則自動生成二元空間矩陣,并據此計算出全局莫蘭指數,同時繪制出局域莫蘭指數的散點圖(如下圖2所示)。可以看出,全局莫蘭指數為0.31,顯著為正,說明省份的償債能力具有正向的空間關聯性,進一步看局域莫蘭指數,其第一象限(HH)代表了高指標值的區域單元被高指標值的區域包圍,第二象限(LH)代表了低指標值的區域單元被高指標值的區域包圍,第三象限(LL)代表了低指標值的區域單元被低指標值的區域包圍,第四象限(HL)代表了高指標值的區域單元被低指標值的區域包圍,可以看出,較多的省份分布在空間正向關聯的第一象限和第三象限。

圖2 我國省份地方償債能力的全局和局域莫蘭指數

四、2014年省份償債能力的分類評估與空間格局

前文已經指出,《國務院關于加強地方政府性債務管理的意見》已經明確地將地方政府債務劃分為一般債務和專項債務:一般債務主要投向沒有收益的公益性項目,償債來源依靠一般公共預算收入,而專項債務主要投向有一定收益的項目,償債來源為政府性基金收入或專項收入,可以看出,二者的償債能力從理論上來說是相對獨立的*當然,根據財政部《地方政府性存量債務清理處置辦法》(征求意見稿),“一般公共預算可償債財力不足以償還到期一般債務的,可調入政府性基金預算資金和國有資本經營預算資金償還;政府性基金預算可償債財力不足以償還到期專項債務的,可調入國有資本經營預算資金償債”,從這個角度而言,一般債務和專項債務的風險是可以相互傳導的,但是在非極端情況下,二者基本上還是相互隔離的。。因此,對于地方債務的償債能力并不等同于對一般債務的償債能力,也不等同于對專項債務的償債能力,對這兩種類型債務的償債能力評估應該分別進行。實際上,財政部在2014年下半年進行的地方債務清理甄別工作中,已經明確將其分類為一般債務和專項債務,而正是基于這次甄別清理數據,本文對各個省份2014年底的一般債務和專項債務償債能力分別進行評估。

(一)一般和專項債務償債能力指標體系的構建

地方政府一般與專項債務償債能力的量化指標體系構建與我國各省份償債能力指標體系構建的方法和思路大致相同,其中一級指標同樣分為經濟發展狀況、財政運行狀況、舉借債務狀況以及金融信貸狀況四類。不同的是,對于一般債務,財政運行狀況只包括一般公共預算的相關指標,舉借債務狀況只考慮一般債務;而對于專項債務,財政運行狀況只包括政府性基金預算的相關指標,舉借債務狀況只考慮專項債務。基于上述思路,一般債務和專項債務所對應的財政運行狀況和舉借債務狀況的具體指標變動部分,分別如表6和表7所示:

表6 省份地方政府一般債務償債能力量化指標體系

表7 省份地方政府專項債務償債能力量化指標體系

(二)一般和專項債務償債能力指數及其空間格局

仍是基于熵值法,分別對地方政府一般債務和專項債務償債能力的量化評級指標進行逐層加權計算,得到2014年我國30個省份一般債務與專項債務的償債能力量化估測結果,為了數據的直觀易于比較,償債能力指數是在原始數據的基礎上乘以一百,如表8所示:

表8 2014年我國各個省份一般債務和專項債務償債能力的量化評估結果

可以看出,2014年我國各個省份一般債務的償債能力略微高于專項債務,并且東部地區的償債能力最高,其次是西部地區,最后是中部地區。東部地區專項債務的差異系數很大,部分原因是東部地區省份間經濟發展以及債務存量等存在很大的差別;中部地區的平均償債能力最低,同時差異系數也最小,從而說明中部地區的各省份償債能力普遍偏低,存在系統性債務風險;西部地區的一般債務償債能力高于專項債務很多,而且一般債務存在集聚現象,即相對償債能力水平相當,同時與一般債務相比,專項債務的差異系數較大,說明各省份的狀況很不平衡。

進一步分析30個省份地方一般和專項債務償債能力的空間格局,還是依據標準差間隔的分組方法,一般債務承債能力最終確定5個分檔:第一個分組為該指標平均值減去0.5個標準差以內,第二個分組為該指標平均值減去0.5個標準差到加上0.5個標準差之間,第三個分組為該指標平均值加上0.5個標準差到加上1.5個標準差之間,第四個分組為平均值加上1.5個標準差到2.5個標準差之間,第五個分組為平均值加上2.5個標準差以上,具體劃分如表9所示。與一般債務償債能力的分組相類似,30個省份專項債務償債能力也分為五組,具體劃分如表10所示:

表9 2014年30個省份一般債務償債能力分組

表10 2014年30個省份專項債務償債能力分組

進一步從空間關聯性來看,一般債務和專項債務償債能力的全局莫蘭指數分別為0.285和0.345,專項債務的空間關聯性更大*一般和專項償債能力的省份空間分布圖和莫蘭指數圖,與總和地方債務并沒有實質性差別,因此不再列示,感興趣的讀者可向筆者索要。,這從某種程度上反映出以土地出讓收入為主的政府性基金收入要比一般公共預算更具有空間上的關聯性,因此對于專項債務的償債風險防范、尤其是區域性風險要更加重點關注,這一點與專項債務償債能力的省份差異程度更大也是相一致的。

五、結論與啟示

本文主要利用熵值法對我國各個省份地方政府償債能力進行了量化估測,并分析了其動態演進和空間格局,并且首次將地方債務明確分為一般債務和專項債務進行了分類估測和分析。分析結果顯示,整體而言,東部省份的償債能力相對最高,西部次之,中部最低,從全局來看呈現出正向的空間關聯性;同時三大區域內的省份差別,東部最大,西部次之,中部最小;進一步分類為一般債務和專項債務,對于前者的償債能力要略高于后者,并且后者在省份間的差異更為明顯。基于上述論斷,本文提出如下的政策建議:

第一，對于經濟總量大,財政收入高的省份,可以進一步擴大舉債規模。經濟總量和財政收入是衡量負債承載力的主導因素,降低債務風險的根本措施就是發展地方經濟,擴大財政收入。權重賦值結果顯示,在經濟發展狀況、財政運行狀況、舉借債務狀況以及金融信貸狀況四類一級指標中,經濟發展、財政運行以及金融信貸狀況的比重超過90%,遠高于舉借債務狀況,經濟總量大、財政收入高和金融化水平高的省份應該有進一步擴大舉債規模的空間。

第二，在當前保民生、穩增長的背景下,我國地方債務規模很有可能會進一步擴大,對于償債能力相對高的地區要更多地承擔加杠桿的任務,對于償債能力相對低的地區,要更多地側重于治理管控其債務風險,在空間格局上要保持不同地區地方政府杠桿的有升有降、協調均衡。同時,要防范地方債務對財政穩定運行的負面影響,強化財經紀律、明確償債責任,實現地方償債風險的區域聯動預警,防范區域性債務風險。

第三，要更加重視對于地方專項債務的有效治理和風險防控,相對于一般債務,專項債務的償債能力在不同地區之間更為分化。更為重要的是,專項債務的主要償債來源:土地出讓收入波動程度較大,尤其是在房地產市場的總體下行趨勢日益明顯的情況下,必然會對地方政府土地出讓收入的持續穩定以及專項債務的償還帶來較大影響,因此對于專項債務的風險預警和處置要更加前置,同時將其風險化解和償還情況列入考核評價體系。

第四，地方債務限額的分配或核定要充分考慮債務風險因素,并探索建立地方債務額度的調劑機制,保證債務限額的用好用足。利用債務限額的增減分配縮小債務負擔狀況的地區差距,促進地區之間的平衡協調,同時要加強對債務資金合理有效使用的評估以及新增限額的充分利用,應盡快試點建立地方政府債務額度的調劑制度,在試點地區的總限額內,允許債務額度在地方政府間的統籌調劑,實現預算約束剛性、額度配置靈活的地方債務大國治理之道。

[1]王曉光.地方政府債務的風險評價與控制[J].統計與決策, 2005, (9): 35-38.

[2]裴育, 歐陽華生.地方債務風險預警程序與指標體系的構建[J].當代財經, 2006, (3): 36-39.

[3]鐘輝勇，陸銘.財政轉移支付如何影響了地方政府債務[J].金融研究, 2015，(9): 1-16.

[4]謝虹.地方政府債務風險構成及預警評價模型構建初探[J].現代財經, 2007, (7): 63-65.

[5]伏潤民, 王衛昆, 繆小林.我國地方政府債務風險與可持續性規模探討[J].財貿經濟, 2008, (10): 82-87.

[6]考燕鳴, 王淑梅, 馬靜婷.地方政府債務績效考核指標體系構建及評價模型研究[J].當代財經, 2009, (7): 34-38.

[7]卿固, 趙淑惠, 曹櫪元.基于逐級多次模糊綜合評價法構建地方政府債務預警模型[J].農業技術經濟, 2011, (2): 117-126.

[8]伊淑彪.地方政府債務評價指標體系構建及實證分析[J].地方財政研究, 2011, (4): 30-35.

[9]繆小林, 伏潤民.我國地方政府性債務風險生成與測度研究[J].財貿經濟, 2012, (1): 17-24.

[10]金榮學, 張楠, 張迪.我國地方政府性債務風險預警模型構建研究[J].湖南財政經濟學院學報, 2013, (1): 116-121.

[11]許爭, 戚新.地方政府性債務風險預警研究——基于東北地區某市的經驗數據[J].科學決策, 2013, (8): 30-47.

[12]郭玉清, 袁靜, 李永寧.中國各省區財政償債能力的比較與演進: 2005-2012[J].財貿研究, 2015, (1): 80-90.

[13]楊林, 侯歡.新型城鎮化進程中地方政府債務風險的再思考[J].財經論叢, 2015, (5): 24-31.

[14]Wong, David W.S., Jay Lee. ArcView GIS與ArcGIS地理信息系統統計分析[M].北京: 中國財經經濟出版社, 2008.

[15]Moran, P.A.P. Notes on Continuous Stochastic Phenomena[J].Biometrika, 1950, 37(1-2): 17-33.

[16]Anselin, Luc. Local Indicators of Spatial Association-LISA[J].Geographical Analysis, 1995,27(2): 93-115.

(責任編輯:風 云)

Space Pattern and Dynamic Evolution of Local Government Debt Capacity in China:Evaluation by General and Special Debt Classification

DIAO Weitao, WANG Nan

(School of Economics and International Trade, Qingdao University of Technology)

Assessment of local government debt capacity is important to avoid debt default, furthermore, as local debt is classified as general and special debt, its corresponding classified evaluation should be conducted. By using entropy method, quantitative evaluation of debt capacity of 30 provinces from 2010 to 2014 in China and the corresponding general and special debt capacity in 2014 are conducted, results show that, the eastern province is relatively high, followed in the west and mid minimum; at the same time, for the difference between provinces, the east is the largest, second in the west and mid minimum; and general debt is slightly higher than special debt which is more obvious difference between provinces. Therefore, we should focus on key areas, pay more attention to special debt risk, and promote its space equilibrium.

Local Government Debt; Debt Capacity; Entropy Method; Spatial Pattern

2016-10-21

教育部人文社會科學研究青年基金項目(16YJC790015);山東省高等學校人文社會科學研究項目資助(J16YE14);青島市社會科學規劃研究項目資助(QDSKL1601159)

刁偉濤(1980-),男,山東海陽人,青島理工大學經貿學院講師；王楠(1992-),女,山東高密人,青島理工大學經貿學院碩士生。

F428

A

1004-4892(2017)04-0026-11