您当前的位置:首页 > 管理论文>行政管理论文

基于VAR模型的财政支农绩效评价体系构建——从

2015-11-07 11:18 来源:学术参考网 作者:未知

论文摘要:采用关键绩效指标法建立我国财政支农绩效评价体系,从目标和指标的确立,到运用计量经济的VAR模型进行绩效指标的分析,最后对绩效评价体系结果的导出,得出我国现存财政支农支出结构中,增加农村基础设施建设投入效用最大,农业科技虽有较大潜力,但现时效果仍不明显,而对支援农村生产资金应加强管理并加大农村救济费的支出,才能从整体上优化财政支农结构。
论文关键词:财政支农,绩效评价,模型,结构优化
  一.引言
  农业是国民经济的基础,自然也是国家财政的基础。作为一个农业大国,财政支农支出是我国财政支出的重要组成部分,因此对财政农业支出的绩效评价也显得尤为关键。财政部曾提出“积极探索建立财政支出绩效评价工作体系”的工作思路,表明财政支农绩效问题已经受到了国家及相关政府部门的重视,而且党的“十七大”报告也提出了“统筹城乡发展,推进社会主义新农村建设”,“解决好农业、农村、农民问题,事关全面建设小康社会大局,必须始终作为全党工作的重中之重”,本文旨在探讨如何建立一套完整、科学的绩效评价体系,从而提高财政支农资金的使用效率和优化支出结构,切实增加农民收入,提高农村居民家庭的生活水平。
  在国外,从二战以来到20世纪70年代,由于政府规模的不断扩张,绩效问题日益引起人们的关注。美国从20世纪90年代开始,在全国广泛推行政府绩效评价,认为财政支出绩效评价作为政府绩效管理的基础和重要组成部分,强调的是“结果导向”。马克·霍哲(2000)提出一个良好的评估和业绩改善体系应当包括鉴别项目、陈述目的等七个步骤,每一实现目标的项目都应当被连续不断的进行监督,一项良好的业绩评估制度应定期报告项目结果。萨尔瓦托雷·斯基亚沃-坎波和丹尼尔·托马西(2001)对加强公共支出管理中的“业绩”做出了详细地分析,提出了业绩标准和各种业绩指标之间的层级结构,简单说明了各种指标之间的关系。但是对于财政支出中的支农支出没有找到相关的文献。从国内来看,王奎泉(2003)认为我国政府农业支出效率低下,可从政府农业支出资金的分配方式、投入方式和拨付方式等3个不同层面加以改进解决;崔元锋、严立冬(2006)提出财政农业支出资金应实行项目管理,提高其支农行为的系统性以提高其综合效率。国内只有少数地方开始从整个财政支出的角度探索财政资金使用绩效量化评价试点,如广东省从2003年开始进行财政支出绩效评价的试点工作。
  综上,大多数已有研究都还停留在定性分析方面,或是采用效益分析法,逐个要素进行比较,没有比较完善的定量计量和分析,而且在建立绩效评价体系时没有比较系统的方法,总的体系结构不够完整。与现有研究相比,本文的创新之处则在于应用企业管理中的关键绩效指标法(KPI),建立我国财政支农绩效评价体系,并应用计量经济学的VAR模型进行分析,在一个完整的评价体系中,导出结果,并将之结合实际,指出我国现存财政支农结构中存在的一些问题。
  二.财政支农绩效评价体系的目标和指标确定
  绩效评价最初起源于企业管理,旨在通过对企业的综合评价以减少成本费用,提高企业效益。直到20世纪70年代,一些西方国家才逐步将绩效评价用于政府公共部门管理,绩效评价是绩效管理的一个核心环节。公共支出绩效评价是指按照市场经济管理的要求,根据投入-产出原理,借助于一定的分析工具,对政府公共支出的目标、结果、影响等方面内容进行的综合性考核与评价,以提高政府管理效率、资金使用效益和公共服务水平。
  一般来说,我国财政支出绩效评价工作的目标是:利用绩效评价指标体系得出绩效评价结果,并以此诊断评价主体的绩效管理水平,包括财政支出结构,资金使用效率和财政支出配置效益等,并提出改善绩效的对策,对财政支出实施评价和控制,使财政支出更加合理,评价财政资金使用的经济性和效率性。
  (一).财政支农绩效评价体系的目标
  本文旨在通过对我国财政支农的绩效评价体系分析,从而指出如何更好地促进财政支结构的优化。绩效评价体系的目标为提高农村居民的生活水平,以农村居民家庭恩格尔系数来表示,恩格尔系数是指食品支出总额占个人消费支出总额的比重,一个家庭收入越少,家庭总支出中用来购买食食物的支出所占的比例就越大,简单地说,一个家庭的恩格尔系数越小,就说明这个家庭经济越富裕。由于恩格尔系数作为一个绝对量,可以减少相关其它指标对它的影响,所以作为目标使得衡量更加准确。
  (二).财政支农绩效评价体系的方法和指标确立
  在建立财政支农绩效评价体系中,本文采用关键绩效指标(KPI)的方法,即按照SMART原则确立可量化或可行为化的指标体系,使其对组织体系目标的实现具有增值作用。从我国1978年以来的财政支农统计数据看,主要四项支出即支援农村生产支出、农村基本建设支出、农村科技三项费用支出和农村救济费支出总和就占到了支农总支出的近90%,所以本文以此四因素作为基础,通过VAR模型分析各因素增长量对目标变量农村居民家庭恩格尔系数变化的影响率和贡献率作为四项关键绩效指标。
  三.基于VAR模型的财政支农绩效评价分析
  (一).数据来源与理论模型选择
  本文数据来源于中国1985-2007年统计年鉴,在模型中以农村居民家庭恩格尔系数为因变量Y,以财政支农四项主要支出:支援农村生产支出,农村基本建设支出,农村科技三项费用支出,农村救济费支出作为自变量X1,X2,X3,X4,并对自变量取对数,以避免数据的剧烈波动并消除时间序列中存在的异方差,应用Eviews5.0统计软件进行计量分析。


  向量自回归模型VAR采用多方程联立的形式,不需要添加不必要的假定约束,能够充分详尽地描绘出变量之间相互作用的动态轨迹,通过对模型的全部内生变量的滞后期进行自回归,VAR(1)模型可表示为:
  (1)
  (2)
  其中,写成矩阵形式为:
  (3)
  设
  则
  在上述模型中,如果发生变化,不仅使当期的发生变化,而且还会通过当期的影响到、的未来取值。本文即在VAR模型的基础上,采用各个变量的同比增长,由于一阶对数差分的VAR模型本质上分析的是各变量之间环比增长率的数量关系,所以采用同比数据构造的VAR模型并不违背一阶对数差分VAR模型的基本原理,并进一步利用脉冲响应函数和方差分解法来分析财政支农支出增长与农村居民家庭恩格尔系数变化之间的关系。
  (二).实证分析
  1.单位根检验
  在对时间序列数据进行计量分析时,首先要对各变量进行平稳性检验,否则直接对非平稳的时间序列进行回归将导致谬误回归现象。根据ADF检验来确定各变量的平稳性,ADF检验是通过以下三个模型完成的:
  模型1:
  模型2:
  模型3:
  零假设:即存在一单位根。实际检验从模型3开始,然后模型2,模型1,直到检验拒绝零假设为止。先对原数列进行单位根检验,检验结果如表1所示,在5%的显著性水平下,Y、lnX1、lnX2、lnX3以及lnX4都未通过ADF检验,原序列是非平稳的。而其一阶差分序列D(Y)、D(lnX1)、D(lnX2)、D(lnX3)和D(lnX4)均通过检验,同是一阶单整的稳定序列,接下来可进一步检验这些变量之间的协整性。
  表1原序列及一阶差分序列ADF检验结果
  

在D(lnX2)与D(Y)的脉冲响应中,农村基本建设支出增长的冲击力稍有放缓,分别在第1期和第3期达到正向和负向的最大值;在D(lnX3)与D(Y)的脉冲响应中,农村科技三项费用支出的增长对于总体来说刚开始是负效应,从第7期转为正值,后期则收敛;最后在D(lnX4)与D(Y)的脉冲响应中,农村救济费支出增长呈现不稳定的正负替换效应。
  (2)方差分解
  方差分解表示的是当系统的某个变量受到一个单位的冲击以后,以变量的预测误差方差百分比的形式反映向量之间的交互作用程度,它的基本思想是把系统中每个内生变量的变动按其成因分解为与各方程随机扰动项(新息)相关联的各组成部分,以了解各新息对模型内生变量的相对重要性。本文利用方差分解分析财政支农支出增长对农村居民家庭恩格尔系数变化的贡献率。
  表4方差分解
  

变量模型

模型选择

检验统计量

5%临界值

是否稳定

Y

(c,t,0)

-1.0381

-3.6450

DY

(c,t,0)

-3.8029

-3.6584

lnX1

(c,t,0)

-3.1476

-3.6450

DlnX1

(c,t,0)

-7.2792

-3.6584

LnX2

(c,t,0)

-2.2321

-3.6450

Dlnx2

(c,t,0)

-5.5607

-3.6584

lnX3

(c,t,0)

-1.7733

-3.6450

DLnX3

(c,t,0)

-5.4138

-3.6584

lnX4

(c,t,3)

-3.6717

-3.6908

Dlnx4

(c,t,3)

-4.4860

-3.7104

相关文章
学术参考网 · 手机版
https://m.lw881.com/

期数

S.E.

DLNX1

DLNX2

DLNX3

DLNX4

DY

1

0.065538

0.008535

15.06479

8.617160

20.20596

56.10355

2

0.089797

3.695012

13.41551

12.20245

17.39396

53.29307

3

0.109766

3.460891

35.67787

11.57058

12.50637

36.78430

4

0.112968

7.076111

33.04119

15.21732

11.25744

33.40794

5

0.117562

11.66226

29.15114

16.87152

12.06552

30.24956

6

0.121485

12.24612

28.43423

17.14961

11.67159

30.49844

7

0.124599

12.09820

29.57287

16.80379

11.48213

30.04302

8

0.125139

12.15387

30.26853

16.30564

11.67709

29.59487

9

0.126678

12.18176

30.03507

16.57712

11.92402

29.28203

10

0.127379

12.38595

29.86723

16.87644

11.84373

29.02664