论文摘要:本文采用2005~2008年辽宁省十四个地级市的面板数据,通过空间计量经济模型、空间自相关聚类图及显著性水平图定量地研究了财政支出对经济增长的影响。实证结果表明:辽宁省各城市财政支出和经济增长在地理空间分布上存在着依赖性和异质性。政府基本建设支出和行政支出对辽宁经济增长具有负效应,科教文卫支出对经济增长有正效应,而社会保障支出对经济增长的影响不显著。最后,基于分析结论,本文提出打破地区间行政限制、加强地区间的相互交流与合作以及优化财政支出结构等政策建议。
论文关键词:财政支出,经济增长,空间计量,实证分析
一、问题的提出与文献回顾
随着经济的高速增长,我国的财政支出规模不断扩大,尤其是地方财政支出规模稳步攀升。2008年,地方财政支出已占全国财政支出的78.7%,2009年进一步达到80.1%,这使人们越来越关注财政支出,尤其是地方财政支出的经济增长效应。
财政支出与经济增长的关系是国内外众多学者研究的重要领域。Arrow&Kurz(1970)较早的在新古典增长理论的框架里讨论财政支出与经济增长的关系,随后这一重要的理论问题一直备受关注。现有的研究主要围绕两方面展开,一是从财政总支出方面:Ram(1986)利用115个国家1960~1980年的数据对政府服务大小和经济增长的关系进行了测算,发现政府消费的系数为正,政府规模对经济增长具有正影响。Landnu(1983)也对财政支出和经济增长关系进行了研究,但却得出政府财政支出与经济增长呈反方向变化的结论。Evans(1997)也对财政支出和经济增长关系进行了分析,却得出人均产出的增长与政府消费比重的相关性不显著。二是从分类支出方面:由于研究的样本不同、时间不同以及对财政支出结构划分标准不同,学者们得出的结论也出现了较大分歧。Barro(1990)在内生经济增长理论的框架里研究财政支出与经济增长的关系,得出生产性财政支出促进经济增长,消费性支出降低经济增长速度。而Devarajan(1996)等人也得出生产性支出与经济增长负相关,而经常性支出却与经济增长正相关的结论。从Arrow&Kurz研究政府支出和经济增长关系开始至今三十多年来,对于财政支出对经济增长影响的争论从未停止过,也没有达成共识。
在国内,对财政支出与经济增长关系的研究也较多,其研究结论同样分歧不断。庄子银和邹薇(2003)使用全国1980~1999年的时间序列以及同一时期31省(含自治区和直辖市,不含港澳台)的横截面数据,发现财政支出对经济增长具有负效应,这也得到了郭庆旺(2003)等人的支持;刘进(2004)等人的研究却发现财政支出和财政投资对经济增长均具有显著正效应;而王小利(2005)却得出了财政投资的经济增长效应并不显著的结论。遗憾的是,国内对我国财政支出和经济增长的研究都忽略了空间相关性的作用,从而使估计的模型不够准确。不过值得一提的是,余可(2008)运用空间经济计量方法对我国省域财政支出结构与地区经济增长进行了实证研究得出:生产性事业费、企业挖潜改造和政府机构支出对经济增长有正的影响,农业支出对经济增长具有显著的负效应,其它几项支出对地区经济增长的影响均不显著,其得出的结论也与前述文献不尽相同。在研究方法上,现有的关于我国财政支出与经济增长关系研究文献,大都属于传统的回归和协整分析,而各地区财政支出在地理空间上存在着相互影响,当使用面板数据建立常规计量经济模型进行区域研究时,由于数据在空间上表现出的复杂性,自相关性和变异性,使得解释变量(财政支出)对被解释变量(GDP)的影响在不同地区之间可能是不同的,况且各地区财政支出在空间上具有异质性的差异可能更加符合现实,采用传统计量经济方法进行分析所得出的结论可能不可靠,而空间计量经济学方法可以更有效地解决这个问题。
本文在传统的分析财政支出模型中加入空间权重矩阵构建空间计量模型,以辽宁省为例,对辽宁省财政支出对经济增长影响进行实证分析。其目的在于:一是通过对一个地方政府财政支出与经济增长关系的研究,深化对相关问题的认识;二是为人们所关注的东北老工业基地振兴政策下的辽宁省经济发展趋向提供一个新的认识角度。全文的结构安排如下;第二部分对空间计量模型的特征简短说明;第三部分是空间计量模型的构建;第四部分是模型的应用,即考察辽宁省财政支出与经济增长之间的关系;第五部分给出本文的结论并提出政策建议。
二、空间计量经济模型的特征
(一)空间自相关分析
空间自相关是指同一个变量在不同空间位置上的相关性,是空间单元属性值聚集程度的一种度量,而空间自相关主要使用全局和局部两种指标。表示全局空间自相关的指标和方法很多,主要连接统计指标包括:Moran指数、全局G系数和GearyC系数,其中,Moran指数较为常用,其取值范围为[-1、1],表示各地区同一变量的空间相关程度,若取值为正表示存在空间正相关,为负表示存在空间负相关。全局空间自相关假定空间是同质的,即只存在一种充满整个区域的趋势,但事实上,区域要素的空间异质性并不少见。因此,需要发展局域统计方法来衡量每个空间要素属性在“局部(一般为相邻)”的相关性质,其结果一般可以采用地图可视化表达。通过定义不同类“局部”范围(不同的空间连接矩阵),局域空间自相关分析可以帮助我们更准确地把握空间要素异质性特性。
(二)空间滞后模型
空间滞后模型也称空间自回归模型,表示某一地区经济增长的所有解释变量,都会通过空间传导机制作用于其它地区,模型中包括解释变量和空间滞后项。
形式上,空间滞后模型可以表示为:
(1)
(1)式中:是空间自回归系数,是误差项(干扰项)向量。可以估计模型中变量的空间相关程度,同时调整其它解释变量的影响。
(三)空间误差模型
空间误差模型则反映了区域外溢是随机冲击作用的结果,其考虑了残差项对其它地区经济增长的空间作用,其形式可以表示为:
,(2)
这个模型结合了标准回归模型和误差项的空间自回归模型,同时假设误差项满足条件,,即方差固定且误差项是不相关的。
三、模型的建立
(一)模型构建及指标说明
本文使用振兴东北老工业基地实施以来的2005~2008年辽宁省的年度数据,我们用地区历年GDP作为衡量各地级市经济增长水平的指标,在财政支出方面,本文借鉴曾娟红(2005)等的分类方法,主要考察基本建设支出、科教文卫支出、行政支出以及社会保障支出四个方面。基于Devarajan、Swaroop&Zou(1996)的理论分析框架,本文采用柯布-道格拉斯生产函数,并将地方财政的四项支出全部纳入模型中进行分析,其生产函数为:。在生产函数式中,y代表国内生产总值,k代表私人资本,代表第j类政府公共资本或公共服务水平。对生产函数式两边分别取自然对数,可得。该方程式便是本文进行实证分析的基本模型,考虑到劳动力因素,本文最后所建立的实证模型如下式:
(3)
其中:代表辽宁省所包括的14个地级市,t代表年份,代表随机干扰项,以上是传统意义上的函数,由于传统的模型在经典的高斯马尔可夫假设条件下才适用,若模型存在空间相关性,随机扰动项不再是均质的,如果仍然采用传统的计量模型,可能会导致模型设定偏误和估计结果的不准确。根据以上所述的空间滞后模型和空间误差模型,本文在(3)式中加入了空间因素来构造空间计量模型,即所采用的空间滞后模型为:
(4)
空间误差模型为:
(5)
其中:为空间权重矩阵,空间权重矩阵的选择对任何空间统计分析的结果而言,都是一个重要的决定因素。对于空间权重矩阵的计算和设定,常用的主要有两种方法:一种是一阶地理相邻权重矩阵,即相邻空间单位的权重为1,其它为0;另一种是距离权重矩阵,即设定某一距离为门限值,大于该距离就设定为0,小于该距离就设定为1。由于辽宁省各地级市面积相对较小,且各城市相对密集,因此在本文中,不采用地理距离权重矩阵,而采用一阶地理相邻权重矩阵,即:相邻地区取1,不相邻则取0。
在上式中,因变量表示地区i第t年的真实经济增长,为了提高实证分析的灵敏度,又因为财政支出对经济增长的影响有一定的滞后期,我们将以真实GDP的四年移动平均值为因变量进行截面数据的空间计量回归分析,自变量表示i地区第t年的第j类财政支出,从~按顺序分别为:政府基本建设支出、科教文卫支出、行政支出以及社会保障支出。表示i地区第t年的真实社会固定资产投资;表示i地区第t年的就业人数;表示i地区第t年的残差;c为常数项。文中所有变量均用我国历年消费价格指数进行平减。另外,为了消除异方差、提高估计精度,对所有数据均取自然对数,有关经济变量数据均来自历年《辽宁统计年鉴》(1995~2008年)。
(二)模型估计方法和选取原则
由于空间相关具有双向或者多方向的性质,如果用传统的OLS方法去估计带有滞后因变量或序列相关的模型,参数的OLS估计结果将是有偏的。因此,需要考虑其它估计方法,Ord(1975)首先提出了空间滞后和空间误差模型的极大似然估计(ML估计)法,本文在进行模型估计时也采用此估计方法。在模型结果估计出来后,我们不能辨别出是空间滞后模型较优,还是空间误差模型较优,这就涉及到模型选择的问题,常用的模型选择标准有两种:一、根据Anselin(2004)提出的判别准则,可通过对统计量、LMLAG统计量和LMError统计量的检验来判别,哪种模型的统计量绝对值越大,显著水平越高,就采用哪种模型。二、在LMLAG统计量和LMError统计量都无法辨别模型优劣的条件下,一般对两个模型的极大似然估计量(LogL)、赤迟信息量(AIC)和施瓦茨信息量(SC)进行比较,LogL越大、AIC和SC值越小,说明模型越优。
四、空间计量模型的应用分析
(一)空间相关性检验
为了更深入的揭示辽宁省各地区经济发展集聚与空间差异格局及其影响因素,我们采用空间计量的Moran指数法测算和检验各地级市经济增长在空间上的相关性。在进行空间计量分析以前,首先要对地区间的空间相关性进行检验,空间相关性检验主要应用的是指数,这里我们采用一阶ROOK空间权重矩阵的全域Moran指数对辽宁省十四个地级市数据做全局空间自相关检验,以分析其是否存在空间相关性(集聚性和异质性),这种方法允许我们通过计算临近城市之间经济增长水平相互关系的空间自相关指数,进而测算并估计各城市间的空间临近效应和空间依赖性。
根据文章的分析目的,本文只对各地区GDP、地区政府总支出、以及地区政府支出结构等六个变量做Moran指数空间自相关检验,各变量的Moran指数计算结果见表1。
表1各城市空间依赖性的全域Moran空间自相关指数检验值
变量 | GDP | 财政支出 | 基本建设支出 | 科教文卫支出 | 行政支出 | 社会保障支出 |
Moran | -0.1804 | -0.2141 | -0.1517 | -0.2456 | -0.1560 | -0.2149 |