李 妍，陳 行

（河北經(jīng)貿(mào)大學(xué)，河北 石家莊 050061）

低收入水平國家的經(jīng)濟發(fā)展程度不高，基礎(chǔ)設(shè)施的建設(shè)相對于中等收入水平的國家落后。PPP項目的開展能夠很好地減輕政府部門在公共基礎(chǔ)設(shè)施建設(shè)方面的壓力。而在疫情不斷肆虐的背景下，存在著經(jīng)濟發(fā)展遲緩、社會資本流動困難、人口失業(yè)問題嚴(yán)重、社會醫(yī)療保障的需求增大等問題，這些都需要政府的處理。此時，國家的治理效能顯得尤為重要。有良好治理能力的國家在受到風(fēng)險影響時能夠及時快速反應(yīng)，減少其對國家政治經(jīng)濟的影響，保持社會穩(wěn)定，從而為私人參與基礎(chǔ)設(shè)施建設(shè)提供良好的社會環(huán)境。那么，低收入水平的發(fā)展中國家在收入水平不高的情況下，如何通過政府治理水平的調(diào)節(jié)挽救PPP 項目的低迷狀態(tài)，提高PPP項目的運營效率？如何分配各部門之間的風(fēng)險使之在可承擔(dān)的范圍之內(nèi)？這些問題值得探究。

1 研究設(shè)計

1.1 變量選取

1.1.1 解釋變量

本文采用世界銀行的全球治理指標(biāo)（Worldwide Governance Indicators，簡稱WGI）。其中含有6 個指標(biāo)，包括政治穩(wěn)定、腐敗治理、政府效率、法治水平、公民話語權(quán)、監(jiān)管質(zhì)量。各指標(biāo)數(shù)值區(qū)間在-2.5～2.5，以標(biāo)準(zhǔn)正常分布的單位提供國家對總指標(biāo)的評分。由于并不是所有低收入水平國家都有參與PPP 項目的數(shù)據(jù)，為保證數(shù)據(jù)的完整性，本文選取了2010～2019年24 個低收入水平發(fā)展中國家參與PPP 項目的數(shù)據(jù)進(jìn)行研究，涉及的樣本數(shù)據(jù)共81 個。

1.1.2 被解釋變量

本文采用世界銀行PPI 數(shù)據(jù)庫，此數(shù)據(jù)庫將PPP 項目的數(shù)據(jù)根據(jù)PPI 類型、是否為PPP、項目狀態(tài)、項目規(guī)模和地區(qū)等進(jìn)行分類。本文以各國設(shè)有的PPP 項目為單位，選取其中正在運營、正在建設(shè)以及即將開工的項目，按每個國家參與的所有PPP 項目的年份與政府治理水平的指標(biāo)相結(jié)合進(jìn)行線性回歸。

在以往的論文中，有為風(fēng)險分擔(dān)結(jié)構(gòu)賦值的方法，如張晨[1]在研究PPP 項目風(fēng)險分擔(dān)時采用了5 分制打分法，以便于清楚地比較分析各國PPP項目的風(fēng)險分擔(dān)結(jié)構(gòu)。劉新平[2]在試論PPP 項目的風(fēng)險分配原則和框架中，對PPP 模式的具體方式和風(fēng)險分擔(dān)進(jìn)行了打分，項目所采用的具體方式不同，風(fēng)險分擔(dān)各主體參與PPP 項目所承擔(dān)的風(fēng)險也有所區(qū)別。本文統(tǒng)計各發(fā)展中國家設(shè)立私人參與的PPP 項目種類[3]，依據(jù)PPI 類型及細(xì)分的PPP項目的子類型，參照這種方法對不同主體承擔(dān)的項目風(fēng)險進(jìn)行賦值[4]，從而得出各國承擔(dān)PPP 項目風(fēng)險主體結(jié)構(gòu)[5]的數(shù)據(jù)，具體可見表1。

表1 風(fēng)險分擔(dān)賦值

1.1.3 控制變量

關(guān)于控制變量的選取，本文參考以往文獻(xiàn)，如周記順等[6]在研究20 個中國低收入發(fā)展中國家的對外直接投資存量時，使用了人均GDP 數(shù)據(jù)衡量經(jīng)濟發(fā)展水平。鄭子龍[7]在衡量政府治理水平與PPP 項目投資的關(guān)系時，以GDP 增長速度和人口增長速度作為控制變量。結(jié)合本文內(nèi)容，本文控制變量選自世界數(shù)據(jù)庫World Development Indicators，包括經(jīng)濟發(fā)展水平、教育水平、人口增長率及對外開放度這4 項。

表2 變量名稱及表示方法

從世界發(fā)展指標(biāo)數(shù)據(jù)庫中直接獲取年人口增長率數(shù)據(jù)。本文直接引用貨物和服務(wù)貿(mào)易出口占GDP 的百分比來衡量對外開放度。由于世界數(shù)據(jù)庫中，部分國家在這4 項控制變量的數(shù)據(jù)方面缺失情況較大，如非洲的塞拉利昂和西非的利比里亞這兩個國家的數(shù)據(jù)極不完整，為保持?jǐn)?shù)據(jù)的準(zhǔn)確性，將這兩個國家的數(shù)據(jù)剔除。本文用到的所有變量的表達(dá)方式可見表2。

1.2 計量模型構(gòu)建

政府治理水平對PPP 項目風(fēng)險分擔(dān)結(jié)構(gòu)影響的模型構(gòu)建，具體如下：

式中：Y 表示風(fēng)險分擔(dān)數(shù)值；i 代表各國開展的PPP 項目（按項目名稱區(qū)分）；b1-b10為系數(shù)，b0表示截距項。

2 實證結(jié)果與分析

2.1 回歸分析（模型1）

回歸結(jié)果如表3 所示，解釋變量的t 檢驗統(tǒng)計量只有PV 的值接近于2，且P 值小于0.05，其他的解釋變量均不通過t 檢驗，在顯著性為5%的水平下拒絕原假設(shè)。本文數(shù)據(jù)為截面數(shù)據(jù)，對擬合優(yōu)度的要求并不高，模型1 的擬合優(yōu)度檢驗值接近0.13，可以據(jù)此粗略分析風(fēng)險承擔(dān)結(jié)構(gòu)的分值與解釋變量間的線性關(guān)系。

私人部門承擔(dān)風(fēng)險的數(shù)值與政府部門治理腐敗的水平負(fù)相關(guān)，其他政府治理水平的指標(biāo)與私人部門承擔(dān)的風(fēng)險正相關(guān)，即當(dāng)法治水平、監(jiān)管質(zhì)量、公民話語權(quán)的分值越大時，風(fēng)險分擔(dān)的數(shù)值越大，社會部門承擔(dān)的風(fēng)險就越大。人們對社會規(guī)則的遵守程度越高，法律法規(guī)越健全，公民的話語權(quán)越高時，往往代表政府治理水平就越好，此時，由政府承擔(dān)的風(fēng)險就越小，風(fēng)險由私人資本家承擔(dān)的多。

表3 模型1

2.2 回歸分析（模型2）

上述的整體回歸分析不夠精確，多個變量未通過t 檢驗，可知方程的設(shè)定不正確，需要進(jìn)行分析以選擇最顯著的變量對風(fēng)險分擔(dān)結(jié)構(gòu)進(jìn)行解釋。

2.2.1 平穩(wěn)性檢驗

首先對每個變量進(jìn)行平穩(wěn)性檢驗，各數(shù)據(jù)在1%的置信水平下均平穩(wěn)，無需進(jìn)行差分。

2.2.2 相關(guān)性及協(xié)方差分析

進(jìn)行各解釋變量的相關(guān)性分析和協(xié)方差的分析，RL 同其他變量的相關(guān)系數(shù)均超過了0.7，RQ同其他變量的相關(guān)程度也極高，存在高度的共線性，剔除這兩個變量。

2.2.3 逐步回歸

剔除RL、RQ 變量后進(jìn)行線性回歸分析，結(jié)果見表4 模型1-1。VA 的P 值均達(dá)到0.9 以上，無法通過t 檢驗。采用逐步回歸的方法消除以多重共線性。先剔除VA 變量，得結(jié)果如表4 模型2，各解釋變量均在5%的水平下顯著，通過t 檢驗。

表4 逐步回歸

2.2.4 異方差檢驗

對模型2 進(jìn)行異方差檢驗，異方差檢驗結(jié)果中F 檢驗P 值大于0.05，則此模型的數(shù)據(jù)不存在異方差，通過檢驗。

2.2.5 回歸結(jié)果

如表5 所示，模型2 的t 檢驗統(tǒng)計量絕對值均大于2，3 個解釋變量的P 值均小于0.05，通過t檢驗。D.W 值在1.5～2.5 的區(qū)間內(nèi)，序列無自相關(guān)。且F-statistic 的P 值小于0.05 通過聯(lián)合假設(shè)檢驗，在5%的顯著性水平下模型顯著。且模型2 的擬合優(yōu)度明顯比模型1 的擬合優(yōu)度高。

表5 模型2

2.3 穩(wěn)健性檢驗

2.3.1 控制變量法

本節(jié)采用控制變量法檢驗?zāi)Ｐ偷姆€(wěn)健性，逐步加入控制變量，觀察解釋變量的顯著程度，驗證模型穩(wěn)健性。腐敗控制、政府治理效能、政治穩(wěn)定性這3 個指標(biāo)系數(shù)的正負(fù)都與模型2 相同，此結(jié)果與之前的試驗結(jié)果沒有任何差別。

鄭子龍[7]在分析發(fā)展中國家的PPP 項目面板數(shù)據(jù)時，也運用了這種逐次加入控制變量的方法來檢驗?zāi)Ｐ偷姆€(wěn)健性，并且觀察不同模型的差異。模型2 在不斷加入控制變量的過程中，模型的擬合優(yōu)度逐漸增加，3 個解釋變量系數(shù)的絕對值不斷增大，對風(fēng)險分擔(dān)數(shù)值的影響也逐漸增大。政府控制腐敗的能力與私人部門承擔(dān)PPP 項目風(fēng)險始終有明顯的負(fù)相關(guān)性。由此可見，模型2 通過穩(wěn)健性檢驗。

2.3.2 分樣本回歸法

在通過控制變量法檢驗?zāi)Ｐ头€(wěn)健性的基礎(chǔ)上，采用分樣本回歸法，按項目部門分類，探究了不同行業(yè)的PPP 項目風(fēng)險分擔(dān)結(jié)構(gòu)上同政府治理水平的敏感性。

私人參與基礎(chǔ)設(shè)施建設(shè)數(shù)據(jù)庫將PPP 項目分為5 個部門，分別是能源部門、交通部門、供水和排污部門、信息通信技術(shù)部門以及城市固體廢物處理部門。而低收入水平國家參與城市固體廢物處理建設(shè)的項目數(shù)量為2 個，參與污水處理部門建設(shè)的項目數(shù)量為1 個，參與信息通信技術(shù)部門建設(shè)的項目數(shù)量為11 個。且由于控制變量數(shù)值缺失，導(dǎo)致信息通信技術(shù)項目可觀測的樣本數(shù)量為6 個，這3 個部門的樣本量都太少不足以證明模型的穩(wěn)健性。因此，本文選取能源部門和交通部門進(jìn)行穩(wěn)健性檢驗。

表6 按部門分析

運用最小二乘法檢驗的結(jié)果可見表6。兩個部門均通過懷特檢驗，模型顯著。部分解釋變量能夠保持在90%的置信水平下顯著。政府治理腐敗指標(biāo)的系數(shù)一直為負(fù)，政府治理效能和社會穩(wěn)定的系數(shù)皆為正，這兩個檢驗結(jié)果在指標(biāo)的系數(shù)正負(fù)上與模型2 相同。綜上，模型2 能夠通過穩(wěn)健性檢驗。

對分行業(yè)分析的結(jié)果進(jìn)行分析可知，作為項目數(shù)量最多的能源部門，在政府治理腐敗的水平上，其系數(shù)的絕對值要小于交通部門。低收入水平國家參與交通部門PPP 項目建設(shè)的私人投資者，在國家政府治理腐敗能力不高的情況下，承擔(dān)的風(fēng)險要小于參與能源部門建設(shè)的私人投資者。在政府治理效能方面，這一指標(biāo)對交通部門PPP 項目風(fēng)險分擔(dān)結(jié)構(gòu)的影響更為顯著，提升政府的治理效能有利于使私人部門多承擔(dān)交通部門項目的風(fēng)險。

3 結(jié)語

對于低收入發(fā)展中國家而言，從風(fēng)險分擔(dān)結(jié)構(gòu)與政府治理水平的相關(guān)關(guān)系來看，得知法治水平、監(jiān)管質(zhì)量、公民話語權(quán)的水平越好時，風(fēng)險的分擔(dān)就會更傾向于私人部門，這意味著政府治理水平越好時，政府部門承擔(dān)的風(fēng)險就越小。私人部門承擔(dān)的風(fēng)險與政府的治理效能和政治穩(wěn)定正相關(guān)。社會的穩(wěn)定會使整個經(jīng)濟環(huán)境處于和諧的大背景下，有利于發(fā)展經(jīng)濟、進(jìn)行投資，私人部門也相應(yīng)會愿意承擔(dān)項目的風(fēng)險，以期獲取更多的收益。如果整個國家處于不斷面臨暴力襲擊的狀態(tài)，那么私人部門連投資的意愿都會減少，自然不會承擔(dān)過多的項目風(fēng)險。另外，政府治理腐敗與風(fēng)險分擔(dān)的數(shù)值成反比，且政府治理腐敗這一指標(biāo)所占的比重較大，對風(fēng)險分擔(dān)結(jié)構(gòu)的影響遠(yuǎn)大于政府效率和政治穩(wěn)定對風(fēng)險分擔(dān)結(jié)構(gòu)的影響。政治腐敗實則有利于私營部門從中撈取額外的利潤，對私營部門來說，既然能夠通過鉆取政治腐敗的空子來獲取利潤，就不會認(rèn)真遵守風(fēng)險與收益相適應(yīng)的規(guī)則。在這種情況下，私營部門就會不可避免地減少自己承擔(dān)的風(fēng)險，同時期望獲取更大的收益。