CNDD文献复刻 | 数字政府建设与城投债定价（免分享）
在第四次技术革命的浪潮下，数字技术赋能政府职能转变和治理模式改革已经全面铺开（王俊 豪和周晟佳，2021）。作为推进国家治理体系和治理能力现代化的重大举措和重要途径①，数字政 府建设为地方债务治理和风险化解提供了新的着力点。一方面，数字技术赋能数字政府建设让政 府的政策发布和日常运行更加透明化（于文超等，2020），减少了投资者信息收集成本，使投资者能 够更加精准地评估债务风险。另一方面，依托大数据、大模型和大平台等技术手段，数字政府在提 升公共服务能力和行政效率（潘越等，2022）的同时，也增进了与公众之间的互动交流。这不仅会降 低企业经营投资的制度性成本进而提升当地经济活力（朱光顺等，2020），还增强了公众对地方政府 的信任感（刘伯凡等，2023；Wang 和 Guan，2023）。此外，张会平等（2021）针对成都市案例的分析指 出，数字政府建设过程中通过整合和激活现有公共数据资源，以数据入表的形式授权给城投公司， 能够促进城投公司的市场化转型和持续发展。上述作用均有助于降低城投债的隐性担保成本，从 而化解地方债务风险。 本文以城投债发行利差为切入点，通过理论分析和实证研究系统考察数字政府建设对地方隐 性债务风险的影响效果和机制。具体地，本文利用 2017~2022 年政府网站工作年度报表数据构建 了地方政府的数字政府发展指数，并以省级大数据机构改革这一外生冲击作为工具变量解决了潜 在的内生性问题。主要研究发现：数字政府建设能够显著降低城投债的发行利差；平均来看，数字 政府发展指数每提高一个标准差，能够使城投债发行利差下降 43 个基点。机制分析表明，数字政 府建设主要通过提升政策和信息透明度、提升区域经济活力、增强公众对地方政府的信任感和赋能 城投公司转型发展，降低城投债的偿还风险。异质性分析发现，在财政自给率较低和政府自我规制 较差的地区，数字政府建设对城投债发行成本的降低作用更大。拓展分析显示，数字政府建设在降 低城投债发行利差的同时，未导致地方隐性债务规模的扩张和发债质量的下降，高质量地缓解了地 方债务风
▪ 文献来源 ：经菠,李怡凡,孙伟增,李汉雄.数字政府建设与城投债定价——基于地级市政府网站工作报表数据的分析[J].数量经济技术经济研究,2025,(7):5-24 ▪ 数据与代码来源： 《数量经济技术经济研究》编辑部 （http://www.jqte.net/） ▪ 关键词： 数字经济 城投债发行利差 债务风险 大数据管理机构改革 ▪ 主要内容： 数字政府建设是深化政府职能转变和治理能力现代化的重要战略举措。本文 利用 2017~2022 年政府网站工作年度报表和城投债发行数据，实证考察了数字政府建设 对城投债发行利差的影响。研究表明，数字政府建设显著降低了城投债发行利差，在使用 工具变量解决内生性问题后上述结论依然成立。机制分析显示，数字政府建设能够提高 政策和信息透明度、提升区域经济活力、增强公众对地方政府的信任感和赋能城投公司转 型发展，从而减少城投债偿还风险和溢价需求。拓展讨论表明，数字政府建设带来的发债 成本降低，不会引致地方隐性债务规模扩张和发债质量下降，反而能够从偿还风险、规模 控制和保证质量多个维度缓解地方隐性债务风险。本文研究结论为理解数字经济时代的 政府治理模式现代化与地方债务风险的关系提供了新的经验证据，为地方政府利用数字 技术建立防范化解地方债务风险长效机制提供了政策支持。 ▪创新点： 第一，本文将政府自身的数字化转型纳入城投债定价的分析框架，首次探讨了数字经济时代政 府治理模式转型与地方债务风险之间的关系，是对现有关于地方债务风险和城投债定价研究的补 充和推进，为理解和防范地方债务风险提供了新视角。第二，本文利用地级市政府网站工作年度 报表数据构造了城市层面的数字政府发展指数，基于工具变量法得到的因果推论揭示了数字政 府建设在地方债务化解过程中的积极作用，既为推进数字政府建设和国家治理现代化提供了理论 依据，也为构建以数字政府建设为核心的现代化治理模式和有效化解地方债务风险提供了重要的 政策参考。第三，本文系统梳理了数字政府建设对城投 债定价的影响路径，为更好地理解数字政府建设与地方债务风险之间的关系提供了理论支撑。具 体地，本文从城投债定价的决定因素视角出发，详细论述了数字政府通过降低信息不对称、提升经 济活力、增强公众对地方政府的信任感和促进城投公司转型发展四条影响城投债定价的传导路径，并较早地提供了数字政府促进城投公司转型发展的经验证据，能够为新时代“数据财政”的构 建提供参考。
▪数据来源与指标构建：
数字政府发展指数。本文参考张齐林和孙伟增（2024）的方法，利用 2017~2022 年各地级及以 上城市的《政府网站工作年度报表》构造中国城市数字政府发展指数，并根据功能类型分别计算了 政务公开水平、公共服务能力和安全保障能力三个一级指标。具体指标体系如表 1 所示。
城投债发行数据。本文使用的城投债和城投公司数据来自万得（Wind）数据平台。中国城投 债发行最早从 2004 年开始。考虑到与数字政府发展指数进行匹配，本文将样本时间范围限定在 2017~2022 年。参考李凤羽等（2021）和刘晓蕾等（2021）的研究，本文按照下列标准对城投债样本 进行筛选：剔除含权和含有债券提前偿还条例的债券；剔除非固定利率债券；剔除距离到期时间小 于 3 个月的债券；剔除样本期间城投公司财务指标缺失的债券。经过上述筛选，本文最终得到 2017~2022 年期间发行的 13031 支城投债数据。在此基础上，城投债发行利差等于城投债发行上市 当天收益率减去发行当日相同期限的国债到期收益率。针对没有相应期限国债可以匹配的问题， 本文参考 Ang 等（2023）的方法，根据已有国债数据估算国债利率曲线，从而确保每个城投债券都能 匹配到与之期限相对应的国债收益率。
本文基于债券层面数据考察数字政府发展指数对城投债发行利差的影响，具体模型设定如下： 其中，yieldict为被解释变量，代表城市 c 的债券 i在年份 t的发行利差；DGct为核心解释变量，代表 地级市 c 在年份 t 的数字政府发展指数。controls 表示债券、城投公司和城市三个维度的控制变量： 债券特征变量包括发行期限、发行规模、是否公开发行、上市地点和信用评级；城投公司特征变量包 括总资产、现金债务比、资产负债率、盈利能力以及行业固定效应；城市特征变量包括常住人口规模 （取对数）、人均 GDP（取对数）、第二产业和第三产业 GDP 占比、规模以上工业企业数（取对数）、财 政收入（取对数）、城市职工平均工资（取对数）、城市银行竞争程度、银行网点数目（取对数）和数字 经济发展指数。其中，银行竞争程度参考姜付秀等（2019）的研究，用银行分支机构数计算得出的各 城市银行业的赫芬达尔—赫希曼指数（HHI）来衡量；银行网点数目参考蔡庆丰等（2020）的研究，采 用地级市银行分支机构数来衡量；数字经济发展指数参考柏培文和张云（2021）的做法进行测算。 所有连续性变量均在 1% 的水平上进行了缩尾处理。FEs 为一系列地区层面的固定效应。为了尽 可能减轻遗漏变量问题带来的影响，本文充分考虑了城市地理区位、城市群属性和行政级别的影 响，同时加入了城市固定效应、地理分区（东部、中部、西部和东北部）和年份交互固定效应、城市群 （长三角、京津冀、珠三角、成渝和其他）和年份交互固定效应，以及行政级别（直辖市、副省级城市或 者计划单列市、非副省级城市的省会城市和其他）和年份交互固定效应。εict为随机扰动项。模型估 计时在城市层面对标准误进行聚类。以上城市经济和人口数据来自各年份的《城市统计年鉴》。
▪ 文章及代码 《数量经济技术经济研究》编辑部 （http://www.jqte.net/）
▪ 关注本微信公众号，输入“sjcz”，即可获得。
表 2 报告了模型（1）的回归结果，列（1）~列（5）使用 OLS 估计；其中列（1）只加入了城市固定 效应和年份固定效应，列（2）~列（4）逐次加入债券、城投公司和城市层面的控制变量，列（5）进一 步控制了地区特征×年份固定效应。结果显示，数字政府发展指数的系数均显著为负，表明数字 政府建设显著降低了所在城市的城投债发行利差。从系数估计值来看，以列（5）为例，城市数字 政府发展指数每上升 1 个标准差（0.12），可以使城投债发行利差显著下降 8 个基点，相当于均值 水 平（189.2 个 基 点）的 4.23%。 2017~2022 年 ，中 国 地 级 及 以 上 城 市 数 字 政 府 发 展 指 数 均 值 从 0.11 增加到 0.18，增幅达到 63.64%，但大部分城市相比于数字政府发展水平较高的城市（杭州为 0.75）仍有较大提升空间。由此可以预期，加快数字政府建设是未来化解地方发债压力的重要路 径之一。 为避免内生性问题，列（6）报告了以大数据管理机构改革作为工具变量的 2SLS 估计结果。第 一阶段回归结果中，工具变量的系数在 1% 的统计水平上显著为正，说明大数据管理机构改革显著 提升了城市的数字政府发展水平，同时一阶段回归的 F 统计量显著高于临界值，说明不存在弱工具 变量问题。第二阶段的回归结果显示，城市数字政府发展指数每上升 1 个标准差，城投债发行利差 将显著下降 43 个基点，相当于均值水平的 22.72%。
见推文末尾。
或长按扫描下方二维码（客服工作时间为每天9:00—22:00）
▪ 客服微信方式 ：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：
DeepData001
获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
资源下载 此资源仅限注册用户下载，请先登录 部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
