我国财政支出对经济增长影响实证应用研究.docVIP

我国财政支出对经济增长影响的实证研究 常熟理工学院 尹陈、王瑜瑾、周丽萍 摘要：财政支出对经济增长的影响一直是经济学研究的热点话题，也是我国财政体系的重要课题之一。作为我国经济宏观调控的重要手段，财政各类别的支出状况对我国的经济增长都有着深远影响。本文以我国财政支出与经济增长为研究对象，结合西方经济学、财政学、计量经济学等学科的相关知识，以现有的财政支出与经济增长理论为基础，利用统计软件对我国的财政支出与经济增长的相关时间序列数据进行分析研究及建立模型，并对财政支出的分项目进行了分析。研究结果显示，在总量关系上，我国财政支出每增长1个百分点，国内生产总值平均增长0.997个百分点；在结构关系上，除行政管理费基本建设支出支农支出文教、科学、卫生支出国防支出协整理论是一种建模技术。它从分析时间序列的非平稳性入手探求非平稳变量间蕴含的长期均衡关系①。进行时间序列分析时，传统的计量经济学方法要求时间序列必须是平稳的。否则就会存在“伪回归”问题。而实际上，大多数经济数据都是非平稳的时间序列。对于非平稳时间序列，可以通过协整理论来寻找它们之间的数量关系。如果通过单位根检验，证明两个或多个时间序列是非平稳的，但可以通过取对数、差分处理变成平稳的时间序列，即所有变量都是单整变量，则它们之间就可能存在协整关系。如果协整关系成立，就可以进行协整回归分析，找出这些变量之间的数量关系。根据经济变量是否平稳，可以建立不同的计量模型。通常，对于平稳的时间序列，可以通过直接建立回归模型来确定变量间的长期均衡关系；对于非平稳的时间序列，则需要根据协整理论，先对非平稳经济变量进行差分，然后通过建立动态分布滞后模型或误差修正模型来寻找非平稳时间序列之间可能存在的长期均衡关系[2]。对时间序列数据进行建模主要包括五大步骤：第一，模型识别，建立时间序列模型的前提是序列必须有平稳，所以必须先检验时间序列是否平稳，若不平稳则先进行差分，然后再分析相关图和偏相关图来选择模型形式；第二，模型定阶，即选择模型形式，模型形式的选择通常不是唯一的；第三，模型参数估计，应用Eviews等统计软件进行估计；第四，模型检验，包括模型的适应性检验和参数的显著性检验两大步；第五：利用所建立模型进行短期预测[3]。 1.3.2主成分回归分析① 主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将我们手中很多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少、能解释大部分资料中的变异的几个新变量，即所谓主成分，并用以解释资料的综合性指标。主成分分析实际上是一种降维方法，其基本分析方法是通过构造原变量的线性组合来产生一系列互不相关的新变量，从中选出少数几个新变量并使它们含有尽可能多的原变量带有的信息，从而使得用这几个新变量代替原变量分析并解决问题。 我国财政支出分为多个分支，而各个分支对经济的影响又各有差异。本文利用财政支出的各项分支数据，来研究各项分支对我国经济增长的影响。主成分回归分析是在主成分分析的基础上，采取适当的方法对提取出的主成分进行回归模型估计。主成分分析较好的反映原来众多相关性指标的综合信息，用主成分作为新的自变量进行回归分析，使得回归方程及参数估计更加可靠，进而得出各个变量对因变量的影响，在此基础上对模型回归系数进行显著性检验和模型整体进行适应性检验。 2.国内外相关研究综述 2.1 国外财政支出对经济增长影响的研究 自1960年以来，许多学者就财政支出与GDP（Gross Domestic Product，简称GDP）之间的关系展开了研究。不同学者关于政府财政支出与GDP之间的关系的研究发现财政支出对经济增长的影响有双重作用：既对经济具有促进作用，也会对经济有不同程度的抑制作用。以后的研究中，不同的学者通过不同的模型、分析法及采用不同的变量，得出的结论也各不相同。Aschauer (1989)将政府支出分为政府消费支出和政府的资本支出进行研究，发现政府的资本支出对GDP的增长率贡献为正[4]； Landau (1983)利用104个国家1960—1977年数据进行同归分析后发现，政府支出的增长阻碍经济增长，人均实际GDP增长与政府消费占GDP比重显著负相关[5]；Evans (1997)应用一个简单的随机增长模型，利用92个国家1960-1989年的数据分析，表明政府消费占总产出的比例是差分平稳，人均产出的增长与政府消费比重的相关性不显著[6]；Rivera和Currais(2004)利用一个动态面板数据模型，分析了西班牙公共卫生支出对经济增长影响，得出公共卫生支出比其它支出对经济增长贡献更显著的结论[7]。 2.2 国内财政支出对经济增长影响的研究 关于中国财政支出与经济增长问题研究，国内学者并没有达成一致结论。从财政支出的多个