“

近年来，政府发债融资在社会融资规模中的占比越来越高，财政支出与信用扩张之间的关系越发密切。此前我们的研究发现，房地产市场深度调整以来，财政支出对内需相关指标的驱动作用相较于房地产市场调整前出现了大幅增加。本文研究了在房地产市场调整前后，财政支出强度与信用扩张强度之间的关系。

本文使用30个省份地区的季度面板数据，对比房地产市场深度调整前（2015—2019年）与调整后（2023—2025年）两个时期，从不同维度、利用不同经济含义下的回归方法，考察了财政支出对信用扩张驱动作用的变化，得到如下主要发现。

第一，对于一个省份地区而言，从时间序列来看，财政支出强度对信用扩张的驱动作用在后房地产时期出现了显著增强，且对于GDP更大的省份地区，财政对信用驱动作用的增幅更明显。

第二，对于不同的省份地区之间，也即在横截面维度上，房地产市场调整前，财政支出强度高的地区，信用扩张强度往往也更大，而在房地产深度调整以后，这种相关性大幅减弱。

第三，2024年的财政扩张不足以抵消非政府部门的信用收缩，而2025年财政扩张带动信用扩张的同时，非政府部门信用水平自身也出现了明显改善。这一转变印证了我们此前对于中国经济已走过周期拐点的判断。

* 本文作者系中国金融四十人研究院刘怡彤。本文版权归中国金融四十人研究院所有，未经书面许可，禁止任何形式的转载、复制或引用。受版面所限，参考文献略。

”

过去三十年间，我国形成了一种以房地产、土地和基建投资为底层资产的信用扩张模式。在该模式下，土地资产作为核心抵押物，通过银行信贷体系实现了信用的倍数级扩张，有力支撑了工业化与城镇化的高速进程。然而，随着房地产市场进入深度调整阶段，经济增速放缓，企业和居民部门的消费与投资需求出现减速。面对宏观背景的深刻转变，本研究的开展基于以下两方面考量。

第一，前期研究发现后房地产时代财政支出对内需的拉动作用增强，这引发了我们对财政支出和信用扩张之间关系的思考。在CF40研究·简报《财政政策正在成为影响内需的关键》中我们发现，在后房地产时代总需求承压的背景下，财政政策对消费和非房地产投资的促进作用出现了明显提升。而在现代宏观经济学的分析框架中，信用是连接生产、分配、交换与消费全过程的“血脉”，经济的发展往往伴随着信用规模的扩张。我们不禁要问，如果财政政策对消费和投资的提振作用显著改善，那么财政政策对信用扩张的驱动作用是否也发生了类似的变化。

第二，政府发债在社会融资规模中的占比持续攀升。2023年，政府发债占社会融资规模的比重为27%，2025年该比重已上升至39%。然而，政府发债本身是对银行信贷资源的占用，其对于私人部门投资既可能带来挤入效应，也可能带来挤出效应。在社融中政府发债比例攀升的背景下，厘清财政支出强度对信用扩张规模的作用方向具有重要的意义。

鉴于房地产市场进入深度调整期的时间跨度较短（2023年-2025年仅两年），若采用全国的总量数据进行分析，将面临样本容量不足的问题，难以精准刻画财政与信用的关系。因此，本文使用全国省级季度面板数据进行实证分析，在剔除数据缺失省份后，最终样本为30个省、自治区和直辖市。

对全部省份财政和信用关系的分析

1、指标的选择

为了探究财政支出对信用规模的影响方向，我们首先需要确定衡量财政支出强度和信用扩张强度的指标。

我们采用地区的广义财政支出，也即一般公共预算支出和政府性基金支出之和，来衡量地区财政支出强度。构建方式分为三步：第一步，估算政府性基金支出。由于无法直接获取省级政府性基金支出的季度数据，我们以其主要收入来源——专项债发行收入和土地出让金收入之和——作为替代。第二步，计算广义财政支出，将上述估算的政府性基金支出和一般公共预算支出相加（由于黑龙江省存在部分土地出让金收入数据的缺失，我们从总样本中剔除该省份）。

需要指出的是，当我们说广义财政支出，通常指的是全国层面的总量数据，同时包括中央本级支出、中央对地方的转移支付和地方本级支出。当我们使用地区层面的数据时，对于一般公共预算账本，其实只包括了地方本级支出和中央对地方的转移支付，而对于政府性基金支出账本，按照前述的估计方法，则只包括了地方本级支出。但中央财政支出（不论是本级支出还是对地方的转移支付），终究会落实到某个具体地域，因此，我们这里衡量地区的财政支出强度的方式，其实对于地区真正的财政强度存在一定程度的低估。

我们使用地区层面财政支出之和和全国层面广义财政支出的实际年度数据进行对比，来观察一下低估的程度有多大。从图1中可以看到，地区广义财政支出之和略低于全国广义财政支出，在整个样本时间区间，前者是后者的81%-95%。如果我们对两者的差距进行拆解（图2），则会发现大部分的差距来自一般公共预算，也即一般公共预算中的中央本级支出是差距的主要来源（占全部差距的70%以上）。

但中央本级一般公共预算支出的去向中，占比最大的为国防支出（如果不考虑疫情期间，从2015年至2019年国防支出占比在34%-35%，2023-2024年占比恒定在41%），其次为科学技术（自2015年以来占比未超过10%）。而国防支出的地域分布在短期内较为稳定，长期稳定的地理特征（如边界、地形）往往是国防支出规模的基础。因此，对于这部分中央本级国防支出的缺失带来的低估问题，可以通过在后续回归中加入地区固定效应加以缓解。

信用扩张强度使用省份当季的社会融资规模增量来表示。

模型选择上，我们使用简单的线性回归模型，自变量（X）为“财政支出强度”，因变量（Y）为“信用扩张强度”，并在模型中加入了季节虚拟变量和地区固定效应。季节虚拟变量用于尽可能剔除非经济基本面驱动的社融的季节性，例如一季度银行的开门红效应下的信贷高增，和四季度企业出于财务做账目的的集中融资。在这些情况下，高融资并不对应高投资，企业获得的资金更多留在银行体系内而非进入实体经济。我们在这里并没有对财政支出进行季节性调整，其原因为，在考虑直接拉动内需的政策力度时，即便是财政支出的季节性因素，也代表着对实体经济的真实政策刺激。

时间区间选择上，我们选择了2015-2019年和2023年-2025年第二季度两个时期进行对比。前者代表房地产市场深度调整前的常态时期，后者代表房地产深度调整时期。之所以刻意跳过2020-2022年，是因为疫情期间经济运行受到大量非经济因素干扰，不适合用于财政支出效果的常态化研究。通过对比这两个时段，可以观察在房地产周期的不同阶段，财政与信用之间的关系的变化。

表1展示了回归结果。两段时间区间内财政支出强度对信用扩张强度的回归系数均显著为正。2019年前为0.41，2023年有所上升，达0.63，其含义为在房地产深度调整后，对一个特定省份地区而言，广义财政支出每增加1元，社会融资规模增加约0.63元。

2、对信用扩张强度的修正

但如果仔细想一下，上述回归结果其实存在问题，原因在于信用扩张强度的衡量方式。

信用扩张强度的问题和改进。我们关注的是财政支出对信用扩张的影响，这里的信用扩张主体不应包括狭义上的政府部门，但是社会融资规模指标本身包括了地方政府发行债券获得的信用。如果不对社会融资规模这个指标加以调整，即便回归系数为正，也难以说明财政支出对信用扩张起到的是促进作用。

我们借助一个简单的例子进行说明：假设回归系数为0.6，此时政府支出1块钱，社融会增加6毛钱。但如果1块钱支出中有7毛是政府发债筹来的，此时财政支出对信用的作用体现为挤出（发债支出本身就会带来等量的7毛社融增量，但最终的社融增量只有6毛）；但如果政府1块钱支出中只有3毛是发债筹得的，此时财政支出的作用又体现为挤入（发债支出带来了3毛的社融增量，但最终的社融增加了6毛）。为了看到财政支出对信用扩张的真实影响，我们将在原本的社会融资规模指标中剔除政府发债的部分。

除此之外，我们还要进行一个修正——如果不考虑“化债”过程对信用统计的影响，会低估非政府部门整体的信用水平。化债过程（以偿还银行贷款为例）是这样的，政府发行债券筹集资金，然后用这笔钱偿还城投平台此前在商业银行的贷款。这个过程在社融统计中会产生两个变化：一方面政府发债规模增加了，另一方面银行对实体经济发放的贷款减少了（因为城投把贷款还掉了）。此时，城投贷款的减少并不代表城投公司发生了真实的信用收缩。如果我们不加回这部分由于化债效应带来的社融的下降，会低估真实的信用规模。

所以，我们需要把政府发债中的用于化债的部分（特殊新增专项债和特殊再融资专项债）加回减去政府发债后的社融，这样才能还原出真实的非政府部门的信用规模。表2对比了信用扩张强度指标修正前后的计算方式。

3、指标修正后的分析

在对指标修正后，其他模型设定与此前保持一致，重新进行回归分析后的结果如表3所示。在两个时期，财政支出对于信用扩张最终都体现为促进作用，且在后房地产时代，促进作用明显提升。对于一个特定的省份地区而言，2019年前，财政支出强度每增加1个单位，信用扩张强度增加约0.37个单位，而在2023年后，财政支出对信用扩张的驱动作用上升，财政支出强度每增加1个单位，信用扩张强度增加约0.68个单位。

4、不同变量处理方式下的回归分析

在上述回归中，我们对变量的处理方式，不论是财政支出强度还是信用扩张强度，均采用的是增量的绝对水平（设定一）。这种回归方式存在一种潜在的风险，即回归系数易被经济体量较大省份的数据所主导。

为了降低这种风险的影响，我们进一步采用了两种新的处理方式：一种是将财政支出强度的指标和信用扩张强度的指标均在原来绝对水平的基础上除以地区GDP（设定二），以避免回归结果被大省过度主导；另一种是在设定二的基础上，按照地区GDP进行加权回归（设定三），也即2015-2019年的回归按照2015年一季度的地区GDP加权，2023-2025年的回归按照2023年一季度的地区GDP加权。

上述三种设定在经济含义上各有差异，其中最值得关注的区别在于：经济体量较大的省份在回归估计中所占的“权重”高低不同。若按权重由大到小排列，三种设定的顺序依次为：设定一 ＞ 设定三 ＞ 设定二。

此外，西藏和青海两个省份由于经济体量太小，其财政支出和社会融资规模数据在除以GDP后，远远大于其他省份地区，是明显的异常值。因此我们在采用设定二和设定三的回归中（此时自变量和因变量均需要除以地区GDP），剔除这两个省份，以确保异常值不会主导最终回归结果。

三种方式的回归结果如表5所示。当回归采用的是财政和信用的绝对水平时，回归系数从0.37上升至0.68，涨幅最大；当回归采用的是绝对水平与GDP的比重并对各地区等权重回归时，回归系数在房地产市场调整前后两个时期均在约0.36的水平；当回归采用的是绝对水平与GDP的比重并且对各地区加权回归时，回归系数从0.36升至0.50，涨幅居中。

综合上述回归结果，大部分回归系数都出现了上升，表明在后房地产时期，财政支出对信用扩张的驱动作用总体有所增强。其次，绝对水平回归涨幅最大（0.37→0.68），GDP加权回归居中（0.36→0.50），等权重回归几乎不变（约0.36），意味着后房地产时期财政对信用扩张驱动效应的增强，在相当程度上可能是由经济体量较大的省份所贡献的。

……