（1）模型的建立

经济发展是一个长期变化的过程，一般的横截面数据模型很难捕捉其动态效应和控制个体的异质性，而面板数据模型因自身数据具有高自由度与低共线性，能够很好地弥补这些不足，同时还能运用相关的技术方法解决被解释变量的内生性问题，因此本章将采用动态面板数据模型进行研究。

构建土地财政对经济增长的影响模型，最核心的问题就是根据经济增长的内在动力和土地财政对经济增长的作用机理选择控制变量。本章为了保证研究的全面性和科学性，尽可能多的选取了经济增长的主要影响因素和土地财政对经济增长的重要传导因子，参照邵帅等人的研究模型以及前文的理论分析，构建了土地财政与经济增长的面板数据回归模型：

其中，i、t分别表示地区和时间，SEG表示经济增长，一般用人均GDP和GDP增长表示，考虑到人均GDP无法表示动态的经济增长，而地区生产总值增长率又不能全面地反映新常态背景下“以人为本”的发展理念，这里用人均GDP增长率表示经济增长，λ0-λ3为待估参数，σ为随机扰动项，I、P、T分别表示基本控制变量，重点考察变量以及传导机制变量。从公式7.1可以看出，经济增长会随着土地财政和其他影响因素的变化立即发生变化，但现实中并非如此，在经济发展过程中，一些影响经济增长的因素特别是产业发展、劳动力转移、技术创新投入等存在明显的滞后效应，即当期的变量发生改变会导致下一期的经济增长变化，而且经济增长对各种变量的敏感程度决定了滞后效应的大小。因此为了充分反映经济增长的动态变化，在解释变量中加入了滞后一期的经济增长，并将其作为基本变量进行控制，下面来具体阐述。

重点考察变量：土地财政及二次项（L、L²）。与土地相关的收入主要来源于土地出让金，这里用其占财政收入的比重来表示。

基本控制变量：是影响经济增长的基本因素，这里包括滞后一期的人均GDP增长率（SEGt-1）和全要素生产率（TFP）。据前文所述，滞后一期的人均GDP不仅能够反映各因素的滞后效果，还能在一定程度上减少潜在的内生性问题。而全要素生产率对经济总量的贡献已经被许多学者证实，并且计算方法比较多，这里选取全社会从业人员和固定资本存量为投入变量，运用DEA - Malmquist指数法计算该变量值，其中固定资本存量采用永续盘存法，以2000年为基年进行估算的。

主要传导变量：根据前文的理论分析，土地财政在发展过程中会对产业调整、城镇化水平、政府行为、投资力度、市场开放等产生影响进而影响经济的总越增长，故该模型选取了第三产业发展水平（S）、城镇化水平（U）、政府干预程度（G）、资本增长率（C）、市场开放程度（O）等作为传导变量，各变量计算方法见表7.1。

表7.1 数量型经济增长变量解释 (www.daowen.com)

将各变量带入到公式7.1中可以得到数量型经济增长回归模型：

其中，φ0-φ9为待估参数，公式7.2就是本文构建的动态回归面板模型。

（2）数据来源

因为各省份的土地出让金数据只统计到2014年，因此本章的研究数据为中国内陆30个省市、自治区（不含西藏）2001—2014年的面板数据，所用数据包括了经济方面的数据与土地相关的数据，其中经济数据均来源于2001—2014年《中国统计年鉴》与各省统计年鉴，土地财政相关数据来源于2002—2015年《中国国土资源年鉴》及国土资源年报。为了消除物价变动的影响，以2000年为基期，利用CPI对GDP进行了平减。

（3）参数估计方法选取

因为土地财政与经济增长之间具有一定的自相关性，上面所构建的两个模型可能存在内生性问题，传统的面板数据估计方法如固定效应和随机效应得到的结果可能会有偏见且不一致的，因此本文采用广义矩估计（GMM）方法进行参数估计。虽然差分广义矩估计（DIF-GMM）和系统广义矩估计（SYS-GMM）都能很好解决动态面板模型的内生性问题，但是DIF-GMM仍旧存在弱工具变量问题，而SYS-GMM则在此基础上做了很大的改进。因此选用SYS-GMM方法对土地财政对经济增长的关系进行研究，SYS-GMM估计有效要求工具变量有效，同时权重矩阵选择也十分关键，工具变量有效性检验方法采用AB检验和Hansen检验，要求AB检验误差项与随机扰动项一阶序列不相关，而二阶序列相关（通常认为P＜0.05），同时满足Hansen检验接受原假设。权重矩阵采用两步（two-step）稳健性估计，克服传统一步估计（one-step）估计和两步标准误估计导致估计可能无效的问题。此外本文的选取的是宽截面、短时序的面板数据，恰好满足SYS-GMM大N小T的使用条件，能够保证估计结果的一致性，故采用SYS-GMM方法进行参数估计。