养老PPP项目落地率驱动因素研究

导语：养老PPP项目落地率驱动因素研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:探索我国“一带一路”沿线省份养老ppp项目落地率，有助于向国际社会贡献养老服务领域的中国智慧。基于PEST理论建立驱动因素分析框架，运用模糊集定性比较分析，以14个“一带一路”沿线省份为样本，试图探讨多种组合路径如何驱动养老PPP项目高落地率。结果表明:地方政府信誉、民营经济发展程度、社会养老需求、项目投资风险和抵御风险能力的单一嵌入均不能产生高落地率。存在3条驱动高落地率的路径:抵御风险能力主导型、地方政府信誉—项目投资风险驱动型、地方政府信誉—社会养老需求—抵御风险能力驱动型。因此，养老PPP项目的发展要重视以抵御风险能力为核心条件的组态路径，努力激活养老内需市场，扩融政府资金储备进而提高项目落地率。

关键词:“一带一路”;养老PPP;高落地率;模糊集定性比较分析

合力优化养老服务需求是国家紧抓高质量养老服务体系的重要根基［1］。自“一带一路”倡议提出以来，互联互通的基础设施建设、养老服务及医疗卫生等养老领域得到显著发展。然而，“一带一路”沿线省份受限于区域经济发展不均衡及利益主体之间最优选择等原因，其相对拮据的公共养老资金难以满足老龄趋势下养老服务建设的资金需求［2］。党的五中全会明确提出要“加快构建以国内大循环为主体，国内国际双循环相互促进的新发展格局。”借此背景下，政府凭借金融性政策工具，盘活资金补给需求，创新与社会资本展开合作的PPP模式(public－privatepartnership，PPP)，这对提高我国养老服务有效供给与绩效水平具有重要意义。但截至2021年2月，我国“一带一路”沿线省份针对养老PPP项目的建设共计36个，项目库总占比0．36%，其中落地项目25个，落地率低且仅为69%①。因此，运用组态视角跨越单一案例研究“一带一路”沿线省份养老PPP项目落地率的影响因素，既可打破各因素之间的关联藩篱，也可协调区域间养老PPP项目落地，寻求项目间可持续发展道路。

一、文献综述

国内外文献针对“一带一路”沿线省份PPP项目的研究主要集中于筹资模式、主体关系与发展前景等。其中，邓忠齐、温来成认为，“一带一路”沿线基础设施建设融资缺口大，应尽快构建多元化投融资机制与方案，并辅之模式创新与安全保障［3－4］。就主体关系而言，Sanog、仇娟东等区分了高低级别政府偏好，并认为低级别政府偏好下的基础设施建设项目更贴合使用者，私人部门对其也更具吸引力［5－6］。王威以“经济走出去”为视角，认为“一带一路”沿线地区市场资源丰厚，可为我国资本“走出去”提供平台保障，但在复杂的外部环境中如何正确评估投资环境，将是未来需进一步探讨的关键点［7］。近年来，养老PPP项目在我国发展受多重条件制约，融资难、周期长、收益低等问题持续阻碍着项目的高落地率。已有研究中，对其原因及影响因素的归纳可分为内部与外部两方面。就内部因素而言，马恩涛认为民营企业参与度不高，深度激发民营企业参与养老PPP项目活力，可破解落地难困境［8］。谈婕认为目前我国养老PPP项目落地率的测量没有统一判定标准。官方数据中落地率看似上涨，但其统计口径并不一致，进而无法准确的横向对比［9］。就外部因素而言，王岭等通过面板数据实证发现，地方财政约束程度越大，越影响养老PPP项目落地率，并具有一定区域差异特征［10］。王冠、霍伟东等认为养老类PPP项目积极融入新型社会资本、构建金融支持体系、组织环境保障等措施是促成高落地率的重要基石［11－12］。目前，学术界关于PPP项目的相关研究成果丰硕，在实际应用上也取得诸多突破。但区域间养老PPP项目落地率研究仍存在些许不足值得探索。首先，现有文献多对“一带一路”沿线国家PPP项目进行的研究，鲜有针对我国“一带一路”沿线省份养老PPP项目落地率进行研究。其次，现有研究多基于定性归纳或者定量运算，侧重对单一因素进行研究。但该问题本身是由多种复杂因素共同影响所产生的结果，各因素之间的相互组合可能产生多条等效路径，故碎片化、单因素的结论阐释则略显单薄［13］。鉴于此，本文在运用PEST理论分析的基础之上，提出影响我国“一带一路”沿线省份养老PPP项目落地率的组态分析框架，采用14个案例作为样本，并结合模糊集定性比较分析(fsQCA)，来挖掘多种组合推动养老PPP项目落地率的驱动因素。

二、理论基础

PEST理论作为一种科学性的宏观环境分析，是对市场机制运行中所出现潜在问题的检验，并侧重于将组织外部环境与自身特点进行整合研究。本文基于全国养老PPP项目发展现状，结合PEST分析模型对我国“一带一路”沿线省份养老PPP项目所处的政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)各宏观外部环境与项目自身特性进行识别与剖析，探讨各要素共同影响养老PPP项目落地率之间的关系［14－15］。其中，本文所提出的政治因素，主要指地方政府信誉，政府信誉是影响各方社会资本建立契约信任的重要参考。经济因素，主要指民营经济发展程度，社会资本中民营企业的资金注入是降低养老PPP项目全生命周期运营风险的重要保障［16］。社会因素，主要指社会养老需求，即各省每年民政事业费支出中老年福利的支付占比，项目中的社会需求进一步诠释了国家为扩大养老内需导向的动力。技术因素，既包含PPP项目投资规模所体现的项目开发风险，也包含政府抵御财政风险的管理技术水平［17］。下文是对5个要素进行具体阐述。1．地方政府信誉协同治理理论认为组织间协商信任、共同遵守契约精神是实现利益最大化的基本准则。PPP模式是以地方政府信誉作为顺利运营的信任担保，吸引多方社会资本参与项目融资管理，进而缓解地方政府有限资金压力。但现阶段，PPP项目管理库中所公示的相关信息并非全面且透明，这导致PPP模式本质上是一种天然不完全契约［18］。社会资本也只能凭借以往实践经验，选取具有较高廉洁性、财力较为雄厚的地方政府展开合作。因此，地方政府信誉的高低如何影响我国“一带一路”沿线省份养老PPP项目的落地率还需进一步探讨。2．民营经济发展程度福利多元理论认为，有实力的多元供给主体可进一步优化项目的发展现状。学术界也普遍认为民营经济发展越成熟越有利于PPP项目的顺利落地［19］。近年来，为加快转变政府职能推动PPP项目落地，政府凭借自身“帮助之手”，实现与民营企业的共存共栖，并为其参与PPP项目提供多项制度支持，依靠民营企业先进的工程技术与管理经验激活PPP项目中各生命周期进程［20］。然而，PPP项目出于自身利益考虑，多将大型和资本丰厚项目交于国有企业合作，民营企业占据市场份额不高，未能充分发挥分摊政府财政压力的作用。3．社会养老需求新公共服务理论认为公民作为政府服务的中心主体，满足公民服务需求是官员工作的职责所在。社会养老需求在整个养老PPP项目中发挥着重要的“催化作用”［21］。当前，“一带一路”沿线省份人口老龄化趋势日益加重，养老机构过高的边际成本难以维持老年人对多层次、高质量养老设施的需求。养老PPP模式的出现，可以弥补沿线省份养老机构区域供给不足难题，补齐养老服务短板，满足老年人多重护理需求。同时，政府为协同区域发展和切实保障民生也会持续为养老PPP项目的顺利落地提供制度保障［22］。4．项目投资风险利益相关者理论认为各利益主体之间的行为选择和决策结果会直接影响合作的共同利益。社会优秀资本倾向于选择具有较小投资风险的项目来推动养老PPP项目相关基础设施的长期可持续经营。现有文献通常使用“项目投资总额”进行表示，合理的项目投资总额所实施的开发规模和力度能处于可控范围之内，进而保障项目利润水平的安全系数［23］。已有研究表明，项目规模越大，存在可能的潜在风险也就越大［24］。5．抵御风险能力政府拥有较高的财政管理能力可以为养老PPP项目抵御风险提供保障。政府作为项目牵头人，也承担着一定的项目风险，而抵御风险的技术后盾是良好的财政管理技术［25］。一方面，通常情况下政府财政负债减轻，拥有可持续资金流的抵御风险的能力随之增强，进而降低了企业利益侵占的可能性。另一方面，参与PPP项目的社会资本，会依据地方政府的财政支付能力做出综合评估，以避免不必要亏损，这对提高PPP项目落地率产生了积极影响［26］。因此，本文以政府的财政管理技术衡量养老PPP项目抵御风险能力。本文在参考了PEST分析模型的基础上，对每个影响养老PPP项目落地率的条件变量引入组态分析，并建立养老PPP项目落地率的驱动机制分析框架，研究政治、经济、社会、技术各环境要素对“一带一路”沿线省份养老PPP项目落地率的复杂因果关联，分析框架如图1所示。图1养老PPP项目落地率的驱动机制分析框架.

三、研究方法与数据

1．QCA方法定性比较分析(qualitativecomparativeanaly-sis，QCA)作为一种跨案例研究方法，是结合定性与定量方法各自优势，旨在研究跨案例之间的“多重并发因果关系”［27］。相较于传统定量研究，它立足于组态思维，运用协同性、系统性视角去剖析多种条件变量所构成的组态，而不是单独看待某个单因素对结果的影响。在QCA研究中，运用多案例之间的比较分析与布尔代数运算相结合，并通过必要性与一致性检验去确定变量之间的相互关系。QCA方法对研究样本数量.的要求不严，它既可适用10～15的小样本研究，也可适用于15～50的中等样本研究，也适用于100以上的大样本研究。因此，该研究方法适合本研究选用的样本数量。2．样本选择本文选用财政部PPP项目管理库中关于我国“一带一路”沿线14个省份养老PPP案例中具体数据的原因有:第一，项目管理库中各PPP项目所公布数据都需经过项目必要性评估、按效付费审查等一系列严格的审核流程，本文选用该数据库具有较强权威性。第二，我国“一带一路”沿线共计18个省份，而项目管理库中只有14个省份涉及养老PPP项目，故最终选用14个省份作为样本。第三，本文前因变量中“民营经济发展程度”是用民营企业法人单位数与各省企业法人单位数之比表示，但因2018年民营企业法人单位数缺失，最终该变量剔除2018年数据。因此，本文选用14个样本，5个条件变量作为影响落地率的前因变量，各省养老PPP项目落地率作为结果变量。具体变量解释及赋值规则详见表1.3．数据校准在运用QCA方法之前，需要对原始数据进行预处理的过程称之为校准，即将原始数据转化为集合隶属分数的过程。依据学者Fiss的经验，需要将校准后的模糊集数据结合相关理论与外部知识设定3个锚点，分别为95%分位数(完全隶属阈值)、50%分位数(交叉点)及5%分位数(完全不隶属阈值)，处理后的集合隶属度介于0～1之间［28］。因此，本文结合财政部PPP项目管理库中相关案例数据，将锚点设置情况列示如表2所示四、结果分析1．必要性分析首先，本文需要对影响结果变量的各单一因素进行分析，即寻找是否存在影响养老PPP项目高落地率的必要条件。当一致性系数大于0．9时，说明该前因变量是影响结果的必要条件。本研究运用fsQCA3．0软件对相关前因变量进行必要性分析，分析结果如表3所示。结果显示，对于高落地率而言，单项前因条件的一致性分析均不高于0．9，故不存在影响养老PPP项目高落地率的必要性条件。因此，需要对这5个前因变量之间的协同影响进行进一步分析。2．条件组合分析由上述必要性分析可知，没有构成养老PPP高落地率的必要条件。然而，养老PPP项目的成功落地是由多因素组合共同产生作用的结果。因此，进一步对各前因变量之间的组态情况进行分析则显得尤为重要。参照Fiss、拉金等相关学者建议后，将组态分析的一致性阈值和案例阈值分别设定为0．8、1。fsQCA软件输出结果后，共出现三种构型方案，即复杂解、简单解和中间解。本文结合简单解及中间解进行具体阐述，从中引出核心要素与非核心要素概念。其中二者共同出现的前因变量称之为核心条件，仅在简单解中出现的前因变量称之为边缘变量。表4为5个前因变量所产生的组态分析结果。

作者：倪培凡 马广博 单位：安徽财经大学 财政与公共管理学院