王思思（高級會計師），龔 鋒（博士生導師）

一、引言與文獻回顧

2015 年《預算法》（修訂案）正式生效后，發(fā)行政府債券成為地方政府唯一合法合規(guī)的融資渠道。據統(tǒng)計，2015 年底，全國地方政府債券余額為4.83 萬億元，專項債與一般債券的比例為25.13%；而2022年6月底，全國地方政府債券存量為34.58萬億元，專項債與一般債券的比例達到141.05%，是2015 年的5.6 倍。這表明專項債已成為地方政府融資的主要手段。有鑒于此，值得關注和評估的問題是，專項債在拉動地方經濟增長方面到底發(fā)揮了多大作用？未來如何進一步更好地發(fā)揮專項債的經濟增長效應？為回答上述問題，本文以湖北省各地市州2019 ～2022 年上半年發(fā)行的專項債項目數據為基礎，通過實證檢驗湖北省專項債發(fā)行對地方經濟增長的影響，以及基于充分的異質性檢驗識別拉動經濟增長效果更為突出的項目類型，為未來優(yōu)化地方專項債發(fā)行決策和類別結構提供完善建議。

對于政府債務與經濟增長的關系，國內外已有不少研究。在國外，研究的重點是探討國家發(fā)行公債對一國經濟增長的影響效應。相關的研究可謂汗牛充棟，但由于不同研究采用的國別樣本不同，得到的研究結論也存在較大差異。以近期發(fā)展中國家的研究為例：Hallunovi（2020）基于阿爾巴尼亞的研究發(fā)現公債對經濟增長具有正向影響；Ssempala等（2020）基于烏干達的研究則發(fā)現公債對經濟增長的影響是負向的；Sansa（2020）基于坦桑尼亞的研究發(fā)現公債對經濟增長沒有顯著影響；而Lopesda（2016）得出的基于52個非洲經濟體的面板數據模型估計結果顯示，公債和經濟增長之間呈“倒U”型關系。

在國內，不少研究采用國別、中國全國或各級地方政府債務數據，探討政府債務對經濟增長的影響。其中，有代表性的研究是：在國別層面，蘇民（2021）采用多個國家的面板數據，研究發(fā)現公債與經濟增長之間存在顯著的非線性關系，即兩者之間存在顯著的“門限”效應；在中國全國層面，夏詩園（2017）采用SVAR 模型和我國1995 ～2014 年的國債數據，發(fā)現持續(xù)增長的政府債務規(guī)模可能會對我國經濟增長帶來不利影響；在中國省級層面，溫來成和王濤（2020）、崔智星等（2021）發(fā)現地方政府債務有助于促進地區(qū)經濟增長，而鄭金宇和鐘瑋（2022）發(fā)現地方政府債務對經濟增長的影響呈“倒U”型；在中國地級市層面，尹李峰等（2021）基于175 個地級市的專項債數據，發(fā)現地方政府專項債能有效促進經濟增長，但發(fā)行進度會對拉動作用帶來一定程度的影響。

與已有研究相比，本文的不同之處在于：第一，本文回歸估計所采用的地方專項債數據來源于中國債券信息網公開披露的官方原始數據，具有可靠、準確和全面的特點。第二，本文基于豐富的專項債項目特征信息進行充分的異質性檢驗，明確了哪種類型的專項債能夠更好地發(fā)揮拉動經濟增長的效應，從而為未來優(yōu)化專項債發(fā)行結構提供精準、可靠的定量依據。第三，本文將實證分析的結果充分應用于政策建議中，致力于為地方財政部門遴選經濟效應優(yōu)良的專項債項目提供切實可行的實施建議。

二、湖北省專項債發(fā)行情況分析

2019 ～2022 年上半年，全國累計發(fā)行新增專項債12.74萬億元，湖北省累計發(fā)行近5800億元。湖北省專項債余額自2018 年底的2933 億元增長至2022 年的8405 億元，增長幅度遠高于GDP和財政收入的增長幅度。

（一）專項債資金的投放領域

圖1顯示，2019 ～2022年湖北省累計發(fā)行新增專項債項目共2963個。所有項目共投放至10個領域，排名前三的分別是：保障性安居工程、市政和產業(yè)園區(qū)基礎設施、社會事業(yè)。前三類項目累計發(fā)行金額占總金額的73.18%。

圖1 2019 ～2022年湖北省專項債資金投放領域占比

（二）專項債資金的發(fā)行期限

圖2顯示，2019 ～2022年湖北省發(fā)行的新增地方政府專項債期限除3年期的極少外，其他期限分布較為均衡，其中發(fā)行前三的分別是20 年期、5 年期和10 年期。由此表明，湖北省專項債投放領域從期限較短、資金回籠較快的土儲、棚改項目轉向期限更長的有一定穩(wěn)定現金流的產業(yè)園區(qū)基礎設施、民生保障等社會事業(yè)項目。

圖2 2019 ～2022年湖北省專項債發(fā)行期限占比

（三）專項債資金的區(qū)域分布

圖3顯示，2019 ～2022年湖北省不同地市州之間專項債發(fā)行量分三個梯隊：第一梯隊是武漢市，占比59.34%，遠超其他城市之和；第二梯隊是襄陽市、宜昌市、荊州市、鄂州市，占比在3.69%～6.03%之間；第三梯隊為其他地區(qū)，占比均在3%以下。這說明湖北省在專項債額度分配上傾向于省會城市武漢。

圖3 2019 ～2022年湖北省專項債發(fā)行地區(qū)占比

三、研究假設

本文致力于檢驗并回答以下問題：①湖北省專項債是否對經濟增長有促進作用？②湖北省專項債發(fā)行對經濟增長的影響是否具有非線性特征？③不同投放領域的專項債發(fā)行對經濟增長的影響是否存在異質性？④不同債券期限的專項債發(fā)行對經濟增長的影響是否存在異質性？⑤不同經濟體量的城市發(fā)行專項債對經濟增長的影響是否存在異質性？

根據上述五個問題，對應提出五個研究假設，分別是：①湖北省專項債對經濟增長的影響為正向促進作用。根據凱恩斯主義經濟學理論，在經濟衰退期需要實行寬松的經濟政策，通過刺激就業(yè)、消費需求來帶動經濟增長。目前，我國經濟增長乏力，專項債作為積極的財政政策之一，預期會對促進經濟增長產生正面作用。②湖北省專項債對經濟增長的影響為線性關系。根據王秋石和關陣（2021）的研究結論，地方政府債務在一定范圍內會通過增加地方政府投資規(guī)模來促進地區(qū)經濟發(fā)展，但這種邊際效用隨著經濟總量的不斷增加而遞減。目前湖北省經濟體量正處于爬坡上坎階段，但由于本文分析時間段的局限性，故假設樣本考察期間內專項債對經濟增長的影響為線性關系。③不同投放領域的專項債對經濟增長的影響存在異質性。專項債自2017 年試點發(fā)行以來，發(fā)行領域不斷調整，說明政策希望專項債能在不同的領域發(fā)揮不同的作用。④不同債券期限的專項債對經濟增長的影響存在異質性。2019 年以來，發(fā)行環(huán)境的轉變說明債券期限結構的調整更有利于專項債發(fā)揮其預期的作用。⑤不同經濟體量的城市發(fā)行專項債對經濟增長的影響存在異質性。崔智星等（2021）發(fā)現，東部地區(qū)或經濟較發(fā)達地區(qū)的專項債對經濟增長的促進作用更加顯著，主要是由于不同地區(qū)資源稟賦、經濟基礎不同導致專項債對經濟增長的影響出現不一致性。雖然現有文獻主要是在全國范圍內分區(qū)域研究，但是在同一省份內，不同城市之間也同樣存在資源稟賦、經濟基礎不同等差異。

四、實證研究設計、變量設定與數據來源

（一）實證研究設計

本文根據湖北省2019 ～2022 年上半年的新增專項債數據，基于屬地原則對其在地市州進行匯總，獲得地市州專項債的發(fā)行額。同時，考慮到其他變量數據可獲得性的限制，將月度債務數據匯總為季度數據，利用湖北省17個地市州2019年第1季度到2022年第2季度共計14個季度的面板數據，構建如下回歸方程，檢驗地方專項債發(fā)行規(guī)模及結構對地方經濟增長的影響。

其中，ln（GDPit）為地級市GDP的自然對數，ln（Debtit）為地級市新增專項債發(fā)行額的自然對數，X 為其他控制變量，αi為個體固定效應，ρt為時期固定效應，εit為隨機干擾項。其余為待估系數。

（二）變量設定

1.被解釋變量。本文構建的計量回歸模型中的被解釋變量為經濟增長，而反映經濟增長的指標通常有GDP、人均GDP、人均收入等，結合研究數據的可獲取性，本文用可比價格的GDP絕對值來度量經濟增長，使用湖北省地市州的季度實際GDP的自然對數衡量。

2.核心解釋變量。模型中的核心解釋變量為湖北省地市州各季度發(fā)行的新增專項債金額的自然對數，根據項目明細匯總而成。由于對0無法取自然對數，如果某個地區(qū)某個季度沒有發(fā)行新增專項債，則令其值為1，取自然對數后的值為0。

3.控制變量。本文在模型中控制了其他可能影響經濟增長的變量，具體包括：①社會消費品零售總額，衡量居民消費對經濟增長的拉動作用；②一般公共預算支出，衡量地區(qū)政府消費對經濟增長的影響；③固定資產投資同比增速，衡量固定資產投資對經濟增長的影響；④規(guī)模以上工業(yè)增加值同比增速，衡量產業(yè)結構對經濟增長的影響；⑤工業(yè)用電量占比，衡量產業(yè)發(fā)展和開工水平對經濟增長的影響；⑥進出口總額，衡量對外開放對經濟增長的拉動效應；⑦金融業(yè)存貸比，衡量金融發(fā)展水平對經濟增長的影響。

（三）數據來源

本文主要通過拜訪調查法、互聯(lián)網信息收集法對所需數據進行采集。核心數據為湖北省2019 ～2022 年上半年新增專項債的發(fā)行數據，即以項目編碼為最小ID的明細數據，共計4175條，包括所屬區(qū)域、發(fā)行時間、投放領域、債券期限，還本方式、發(fā)行金額等。由于本文數據細化至地市州，無法通過現有數據庫獲取，故通過各級統(tǒng)計局以及人民政府官網統(tǒng)計到可比價格GDP和其他控制變量的數據。

五、實證分析結果

（一）描述性統(tǒng)計

根據前文整理得到的城市季度面板數據，對相關變量進行描述性統(tǒng)計分析，結果如表1 所示。從表1 中可以看出，ln（GDP）的中位數略小于平均值，呈輕微右偏分布狀態(tài)；ln（Debt）的中位數遠小于平均值，呈明顯右偏分布狀態(tài)。相比專項債的分布態(tài)勢，GDP 分布較為均勻。固定資產投資同比增速的中位數略大于平均值，分布較均勻，呈輕微左偏分布狀態(tài)；規(guī)模以上工業(yè)增加值同比增速的情況與固定資產投資同比增速差不多；社會消費品零售總額的中位數小于平均值，呈右偏分布狀態(tài)；進出口總額分布較集中；金融業(yè)存貸比的中位數略小于平均值，呈輕微右偏分布狀態(tài)；工業(yè)用電量占比分布較均勻；一般公共預算支出各地差異較大，中位數小于平均值，呈右偏分布狀態(tài)。

表1 描述性統(tǒng)計

（二）數據平穩(wěn)性檢驗

在實證分析之前，為了使估計結果更準確，本文利用Levin-Lin-Chu法對數據進行平穩(wěn)性檢驗，結果顯示：在使用AIC 準則下所選擇的最優(yōu)滯后階數時，Levin-Lin-Chu 檢測下本文所選變量的未調整的t 值（傳統(tǒng)的t 統(tǒng)計量）、調整后的t值以及P值都顯著為負，也即強烈拒絕面板數據包括單位根的原假設，故認為本文所使用到的數據是平穩(wěn)的。

（三）回歸結果分析

1.數據預處理。由于本文所使用的是時間維度為季度層面的面板數據，在進行回歸之前有必要對經濟數據進行季節(jié)性調整。其重要性體現在：首先，消除季節(jié)性影響可以使數據更具可比性；其次，突出長期趨勢，幫助分析者更清晰地了解經濟發(fā)展的整體方向和長期變化趨勢；最后，有助于更準確地進行預測和規(guī)劃，這對政府、企業(yè)和投資者做出決策具有重要意義。本文采用目前文獻中主流的回歸法實現季節(jié)性調整?；貧w法的基本步驟為：首先，生成季度虛擬變量；然后，對季度虛擬變量進行回歸；最終，上一步回歸中得到的殘差加上均值即為季節(jié)性調整之后的數據。需要說明的是，在做回歸法下的季節(jié)性調整時，首先要判斷分解出來的季節(jié)性因子對原本經濟變量的解釋能力是否足夠充分，即季節(jié)虛擬變量對于模型中的解釋變量的回歸系數是否顯著和整體擬合優(yōu)度是否足夠大，其次才能在之后的回歸分析中使用季節(jié)性調整之后的數據。通過驗證，本文發(fā)現仙桃市的數據較為特殊，當引入該市經濟數據時會導致季節(jié)性調整的結果較差，因此本文將仙桃市的數據進行剔除，導致回歸分析的樣本量減少至177個。

2.基準結果回歸分析。在對數據進行季節(jié)性調整后，利用回歸方程（1）進行固定效應回歸，在控制城市的個體效應與季度時間趨勢效應后，估計結果如表2所示。

表2 基準回歸結果

表2第（1）～（4）列分別為混合OLS回歸、個體固定效應模型、時間固定效應模型和雙向固定效應模型。核心解釋變量的回歸系數均顯著為正，說明湖北省專項債發(fā)行額對GDP的影響顯著為正，即專項債發(fā)行能有效促進湖北省經濟增長。本文重點分析雙向固定效應模型下的回歸結果。在該模型中，核心解釋變量的回歸系數為0.956，且在5%的水平上顯著，說明湖北省每新增發(fā)行專項債1個單位，可以帶動GDP增加0.956個單位。規(guī)模以上工業(yè)增加值同比增速、社會消費品零售總額這兩個變量的回歸系數顯著為正，與GDP 支出法核算原理相符，說明工業(yè)企業(yè)和居民消費是帶動經濟增長的重要動因。工業(yè)用電量占比變量的回歸系數顯著為負，可能的原因為2020年初至2022年湖北省受到疫情影響，使得工業(yè)用電量占比無法有效反映工業(yè)用電量對經濟的影響。固定資產投資同比增速、進出口總額、一般公共預算支出、金融業(yè)存貸比變量的回歸系數未通過顯著性檢驗，可能的原因為：第一，固定資產投資同比增速反映的是固定資產投資與上一年度同期指標的對比，不能充分反映當期固定資產投資狀況；第二，進出口總額為進口產品價值和出口產品價值之和，無法有效反映凈出口的情況；第三，政府消費只包含經常性業(yè)務支出，而一般公共預算支出范圍更廣，不能很好地體現政府消費的情況；第四，湖北省目前的金融結構與實體經濟結構相適應的程度有待提高，或者存在滯后現象等，導致金融業(yè)存貸比不能很好地體現金融發(fā)展對經濟增長的影響。綜上，假設①得以驗證。

3.非線性關系檢驗。為進一步驗證在樣本考察期內，湖北省專項債發(fā)行對經濟增長的正向影響是否為線性關系，在基準回歸模型的基礎上通過引入二次項函數，構建新的回歸模型：

其中，［ln（Debtit）］2表示專項債發(fā)行額自然對數的平方項。

依據模型（2）對樣本數據進行雙固定效應回歸，估計結果如表3 所示。從非線性關系異質性檢驗回歸結果中可以看出，在加入［ln（Debtit）］2后，平方項的系數不顯著，說明在樣本考察期內湖北省專項債發(fā)行對經濟增長的影響為線性關系，符合目前國家專項債投放的政策預期，假設②得以驗證。

表3 非線性關系檢驗回歸結果

4.異質性檢驗。由于本文使用的專項債的最小口徑是專項債項目維度，而各地市州面板數據的最小口徑是城市維度，因此在合并為最終使用到的數據時，需要將專項債數據根據其屬地轉化為城市個體維度。當依據專項債的投放領域、債券期限進行異質性研究時，需要進行分樣本回歸。以投放領域為例，若按照常規(guī)做法，只保留某一特定投放領域的專項債數據，會導致最終數據是非平衡面板數據，而且不同類別的數據量有較大差異，從而導致結果失真。因此，本文采取反向做法，在研究某一投放領域時，刪去投放于該領域的數據，再匯總為城市個體維度的面板數據。當刪除某一領域樣本后的專項債回歸系數由基準回歸中的顯著變?yōu)椴伙@著時，說明該投資領域對經濟增長的影響是最顯著的；當其顯著性下降時，說明該投資領域對經濟增長的影響較為顯著；當系數的顯著性不變，但是系數值變小時，說明該投資領域對經濟增長的推動作用略高于平均水平。反之，則說明該投資領域對經濟增長的推動作用低于平均水平。不同債券期限的異質性檢驗同理。

（1）不同投放領域異質性檢驗。值得說明的是，本文在投放領域的異質性檢驗中剔除了土地儲備和支持中小銀行發(fā)展兩類項目，原因如下：第一，2019 年9 月國務院常務會議提出專項債不再支持土地儲備類項目，全國自2020 年開始均不再發(fā)行該類專項債；第二，支持中小銀行發(fā)展項目為特定時期的特定產物，湖北省僅在2021 年發(fā)行37 億元，未投放至具體的專項債項目，故上述兩個類型的項目在樣本考察期內不具備研究意義。在剔除上述兩類專項債發(fā)行金額后，考慮到城市冷鏈等物流基礎設施、能源、農林水利等領域專項債發(fā)行金額較小，單獨分類數據量不足，對投放領域進行如下匯總處理：生態(tài)環(huán)保、農林水利、能源和社會事業(yè)合并為民生補短板等社會事業(yè)，城市冷鏈等物流基礎設施并入市政和產業(yè)園區(qū)基礎設施類別。據此，得到本次異質性檢驗的四大投放領域：保障性安居工程、交通基礎設施、民生補短板等社會事業(yè)及市政和產業(yè)園區(qū)基礎設施。依據基準回歸模型對分樣本數據進行雙固定效應回歸，結果如表4所示。

表4 分不同投放領域異質性檢驗回歸結果

從投放領域的異質性檢驗回歸結果中可以看出，在樣本考察期內，刪除民生補短板等社會事業(yè)領域的專項債數據后，ln（Debt）的回歸系數變?yōu)椴伙@著，表明民生補短板等社會事業(yè)領域的專項債對經濟增長的影響作用最明顯。其次，在刪除交通基礎設施領域的專項債數據后，核心解釋變量的系數顯著性與基準回歸相比有所下降，說明交通基礎設施領域的專項債投放對經濟有較為明顯的帶動作用。最后，在刪除保障性安居工程及市政和產業(yè)園區(qū)基礎設施領域的專項債數據后，核心變量的系數顯著性與基準回歸相同，但系數值增大，說明其對經濟的帶動作用略低于平均水平，從這兩個系數的大小來看，市政和產業(yè)園區(qū)基礎設施對經濟的帶動作用略高于保障性安居工程。這說明不同領域的專項債對經濟的帶動作用存在異質性，假設③得以驗證。其他控制變量對經濟增長的影響與基準回歸結論基本一致。

（2）不同債券期限異質性檢驗。為避免分類后樣本量過于零散，對債券期限進行如下匯總處理：3 年和5 年為短期，7 年和10 年為中長期，15 年和20 年為長期，30年為超長期。據此，將債券期限分為以下四類：短期、長期、中長期和超長期。依據基準回歸模型對分樣本數據進行雙固定效應回歸，結果如表5所示。

表5 分不同債券期限異質性檢驗回歸結果

在債券期限的異質性檢驗回歸結果中，首先可以看出在刪除中長期專項債數據后，ln（Debt）的回歸系數變?yōu)椴伙@著，說明7 年期和10 年期的專項債對經濟增長的影響作用最明顯。其次，在刪除超長期專項債數據后，核心解釋變量的系數顯著性與基準回歸相比有所下降，說明30 年期專項債對經濟的帶動作用僅次于7 年期和10 年期。最后，在刪除短期和長期專項債數據后，核心解釋變量的系數顯著性與基準回歸相同，但系數值增大，說明其對經濟的帶動作用略低于平均水平，從這兩個系數的大小來看，長期專項債對經濟的帶動作用高于短期專項債。這說明不同債券期限對經濟影響存在異質性，假設④得以驗證。其他控制變量對經濟增長的影響與基準回歸結論和不同投放領域異質性檢驗回歸結論基本一致，此處不再做過多闡述。

（3）不同經濟體量異質性檢驗。為保證回歸結果不受樣本觀測數據的影響，本文需保證兩個不同經濟體量的組內樣本觀測數據基本一致，因此將每一期ln（GDP）的中位數作為劃分依據，在中位數以上的為經濟體量大的城市，在中位數以下的為經濟體量小的城市。同時，設置虛擬變量Index，當Index為1時，表示經濟體量小的城市，當Index 為0 時，則為經濟體量大的城市。檢驗假設⑤的回歸方程如下：

在假設⑤的研究中，本文要探究專項債和GDP 的關系是否存在經濟體量上的異質性，也即專項債對經濟增長的推動作用是否會隨著經濟體量的不同而不同。依照公式（3），經濟體量對經濟增長的影響分為兩部分，一部分是β1，另一部分是β2×Index。依據公式（3）對分樣本數據進行雙固定效應回歸，估計結果如表6所示。

表6 分不同經濟體量異質性檢驗回歸結果

在經濟體量的異質性檢驗回歸結果中，關注的重點在于：Index×ln（GDP）的回歸系數在10%的統(tǒng)計性水平上顯著為負（回歸系數為-0.884），所以本文認為在樣本考察期內湖北省專項債在經濟體量大的城市中投放的效果遠好于經濟體量小的城市。具體而言，經濟體量較大的城市每新增發(fā)行專項債1個單位，對經濟的帶動效應會比經濟體量小的城市高出0.884個單位。因此，不同經濟體量的城市發(fā)行專項債對經濟的影響存在異質性，假設⑤得以驗證。

（四）內生性與IV估計

考慮到在經濟下行周期內專項債發(fā)行會對經濟產生促進作用，而地區(qū)經濟的發(fā)展又會影響專項債的發(fā)行，被解釋變量和核心解釋變量之間可能存在互為因果的關系。因此，本文考慮通過工具變量法來消除回歸模型中因內生性而導致的解釋變量和誤差項的相關關系。工具變量設置為滯后一期和滯后兩期的專項債數據，采用2SLS 進行IV估計，結果顯示：第一階段F值分別為78.94和65.72，說明本文選取的工具變量滿足工具變量有效性的相關要求；通過觀察2SLS 估計結果發(fā)現，其與基準回歸結果方向一致，滯后一期的變量通過了10%的顯著性統(tǒng)計檢驗，滯后兩期的變量通過了1%的顯著性統(tǒng)計檢驗。該結果也說明上述假設①～⑤的回歸結果是穩(wěn)健可信的。

六、結論與政策建議

本文以湖北省2019 ～2022年上半年的專項債發(fā)行數據為樣本，通過實證分析發(fā)現，從湖北省當前的經濟狀況來看，專項債的發(fā)行對經濟有正向促進作用且呈線性上升的趨勢。同時，在異質性影響方面，民生補短板等社會事業(yè)領域的專項債項目、7 年期和10 年期的專項債項目以及經濟體量較大的城市發(fā)行專項債對經濟的刺激效果最顯著。這為下一步湖北省專項債如何從發(fā)行管理入手，更有效地利用專項債資金提供了思路。

根據研究結論，本文提出以下政策建議：第一，建議湖北省在未來幾年繼續(xù)通過專項債這一政策工具發(fā)力，推動全省產業(yè)轉型升級，帶動地方GDP 增長，但需要注意優(yōu)化專項債分配結構。第二，基于經濟增長角度考慮，建議湖北省優(yōu)先將專項債資金投放于生態(tài)環(huán)保、農林水利、能源等民生補短板社會事業(yè)項目，其次是交通基礎設施類項目，再次是城市冷鏈物流等市政和產業(yè)園區(qū)基礎設施項目，最后是保障性安居工程項目。第三，湖北省在專項債發(fā)行期限上除考慮項目現金流實現周期外，建議優(yōu)先考慮發(fā)行7 年期和10 年期的債券，其次是30 年期，再次是15年期和20年期，最后是3年期和5年期。第四，根據湖北省各地市州的債務風險等級評定情況，在同等債務風險等級內，建議將專項債資金向武漢市、襄陽市、宜昌市、荊州市等經濟體量大的城市予以傾斜，更大程度地發(fā)揮債券資金對經濟的帶動作用。

【 主要參考文獻】

崔智星，胡志勇，姜楓.地方政府專項債經濟增長效應的實證研究［J］.財政科學，2021（1）：52 ～62.

蘇民.公共債務對經濟增長的非線性影響研究——基于135個國家面板數據的實證分析［J］.南方金融，2021（4）：16 ～29.

王秋石，關陣.中國地方政府債務促進了經濟增長嗎？——一個元分析［J］.公共管理與政策評論，2021（3）：107 ～122.

溫來成，王濤.地方政府債券發(fā)行與區(qū)域經濟均衡發(fā)展——基于省級政府債務數據［J］.山東財經大學學報，2020（6）：5 ～13+30.

夏詩園.轉軌時期政府債務、財政赤字及經濟增長的長短期動態(tài)研究——基于SVAR模型的實證分析［J］.宏觀經濟研究，2017（3）：68 ～77+175.

尹李峰，張登，繆小林.專項債是否拉動了經濟增長？——基于私人投資和政府投資傳導的比較［J］.現代財經（天津財經大學學報），2021（5）：19 ～32.

鄭金宇，鐘瑋.地方政府債務對經濟增長的非線性影響［J］.統(tǒng)計與決策，2023（24）：149 ～153.

Hallunovi A..Role of public and privacy debt on economic growth in Albania［J］.ILIRIA International Review，2020（1）：25 ～34.

Sansa N.A..Analysis of the impact of public debt on economic growth and poverty in Tanzania［J］.Electronic Research Journal of Social Sciences and Humanities，2020（1）：154 ～167.