| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

中國前兩個月土地出讓收入大跌(圖


請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
隨著中國地產市場持續低迷,地方政府賣地收入大減,2025年,地方政府的國有土地使用權出讓收入已連續第四年出現兩位數下降。最新官方數據顯示,今年1—2月,國有土地出讓收入繼續大幅下跌,同比跌去25.2%。分析指,土地出讓收入數據存在水分,地方政府賣地收入持續下滑是結構性趨勢,不可逆轉。


3月19日,中共財政部發布的2026年1—2月財政收支情況顯示,今年前兩個月,全國政府性基金預算收入5363億元(人民幣,下同),同比下降16%。

分中央和地方看,中央政府性基金預算收入862億元,同比增長6.7%;地方政府性基金預算本級收入4501億元,同比下降19.2%,其中,國有土地使用權出讓收入3547億元,同比下降25.2%。


今年2月初,財政部公布的數據顯示,2025年地方政府性基金預算本級收入中的國有土地使用權出讓收入4萬1518億元,比上年下降14.7%。

這是自2022年以來,連續第四年該收入出現兩位數降幅。與2021年收入峰值8.7萬億元相比,2025年地方土地使用權出讓收入,已經減少了約4.6萬億元,降幅達到52.3%。實際數據可能更糟糕。

土地出讓收入虛高及其原因

對此,財經評論員蕭易分析,地方政府的土地出讓收入數據存在一定程度水分。這是個長期存在的結構性問題,尤其在地方財政壓力大、房地產低迷時期更為突出。

首先,統計口徑高估。土地出讓收入是指地方政府通過“招拍掛”出讓土地使用權獲得的合同金額,在統計時,官方卻使用“成交總價”來替代。

蕭易說,“大多數土地交易都采用分期付款,這就導致在現實中,當年的統計數據往往與現金數據不符。尤其在房地產下行周期,當房企延遲付款,甚至違約棄地時,在統計上還是會將簽約收入算上。中指研究院、克而瑞等機構的監測數據顯示‘土地出讓金’往往是簽約/成交額。”

其次,人為做高賣地收入。地方政府通過其所控制的城投公司拍地,拉高競拍價,通過“左手倒右手”的方式,實現土地收入,但城投債務也相應增加。這些資金實際上是借來的,是需要償還的。


蕭易指出,“在過去多年審計報告中,國家審計署多次披露地方通過國企、城投公司‘空轉’拿地虛增土地出讓收入。2022年,財政部曾專門發文禁止國企購地虛增收入,針對的就是這類‘左手倒右手’操作。”

最後,僅是賬面上的繁榮。地方政府通過抬價實現土地高溢價成交,或由地方國企、城投公司接盤,從賬面上看土地出讓收入增加,但後續卻無力開發,不能轉化為實際經濟活動。

他表示,“除了看官方公布的土地出讓收入數據,還應該看以下幾個指標:比如城投公司拿地比例、流拍率、土地收入與房地產銷售比例。如果這些指標都較高,就說明地方政府通過城投體系‘自我交易’維持財政收入,這使得土地出讓收入數據在統計上成立,但在經濟意義上大幅失真。”

土地出讓收入持續下滑是結構性趨勢


此外,蕭易也指出,地方政府的土地出讓收入持續下滑,已經不是短期波動,而是一個結構性趨勢。

從數據上來看,經過從2022年到2025年連續4年的下跌,與高峰期相比已經“腰斬”,累計下跌超過50%。土地財政占地方收入的比例從2020年的36%下降到2025年的13%。

核心原因是土地財政的模式難以持續,“以前的模式是,賣地→基建→拉高地價→繼續賣地;現在是,房地產需求的萎縮→ 房地產企業拿地意願和能力下降→地方政府減少土地供給(控制地價下跌、防止流拍等)→需求繼續萎縮。”

蕭易說,“財政收入減少,但剛性支出難以削減。造成的結構就是:財政赤字擴大、地方債務危機、基建投資捉襟見肘,最終累及中國經濟的增長。”



示意圖 (Qilai Shen for The New York Times)
您的點贊是對我們的鼓勵     這條新聞還沒有人評論喔,等著您的高見呢
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0289 秒 and 5 DB Queries in 0.0037 秒