| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 公共/财税 |
| 西部地区财政支出减贫效应空间计量分析 |
| 第617期 作者：□文/向晓宇 时间：2019/9/16 17:09:17 浏览：358次 |
［提要］ 本文基于我国西部地区省级面板数据，运用空间计量经济模型，对财政分项支出对减贫的效应进行实证研究。研究表明：我国西部地区各省贫困水平有显著的空间相关性；提高人力资本的财政支出相较于改善经济发展环境的财政支出具有更强的减贫效应；财政在教育支出、社会保障和就业方面的支出具有比较明显的减贫溢出效应。在实现全面脱贫目标过程中，加大财政在人力资本上支出力度，建立政府间协同合作机制，以期将更好地发挥财政支出在减贫中的作用。
关键词：财政支出；减贫；西部地区；空间溢出
中图分类号：F812 文献标识码：A
收录日期：2019年5月29日
一、文献综述
2015年11月27日，习近平在中央扶贫开发工作会议上强调，到2020年全面建成小康社会，是要包括所有贫困地区和贫困人口一道迈入全面小康社会，一个都不能落下。扶贫一直是我国重要民生工程，财政支出作为政府实现调控经济发展和改善与保障民生的重要手段，是减贫的重要推手。建设人民满意的服务型政府逐渐成为我国政府的目标，财政支出也随之向公共服务领域倾斜。
近年来，学者从不同的角度对于财政支出减贫效应进行了大量研究。从财政分权的角度看，财政支出对农村和城镇贫困减少产生了显著的正向作用；从财政再分配的角度看，我国财政对贫困深度和广度均表现出了显著的减少作用；从财政分类支出的减贫效果的角度，我国教育和支农支出具有显著的减贫效应；从政策惠及程度的角度，财政资金投入的减贫效率在非国定贫困县更高。从空间的角度，分项财政支出对本地经济增长和其他地区经济增长具有不同的促进或阻碍效应。然而，由于历史和地理区位等多方面因素的差异，我国区域经济发展存在严重的不平衡，而且这种状况将在一段时期内持续存在，西部地区作为经济发展水平最为落后的区域，贫困人口数量也相应最多，据《中国农村贫困监测报告2018》显示，截至2017年末，在我国现有的3，046万贫困人口中，1，634万人分布在西部地区，比例高达53.6%；国家级贫困县共有584个，其中425个出现在西部地区；在扶贫攻坚难点的14个集中连片特殊困难地区中，有10个位于西部地区。可见，西部地区是未来我国减贫工作的重中之重。即使在2020年实现全面脱贫后，我们仍要长期面临防止返贫和解决相对贫困的问题。
本文选取贫困程度较深的西部地区12个省、直辖市或自治区（陕西、四川、云南、贵州、广西、甘肃、青海、宁夏、西藏、新疆、内蒙古、重庆）作为研究对象，通过对2010～2017年的省级面板数据的空间计量分析，检验财政支出的减贫作用及其空间溢出效应。
二、模型设定及指标选取
（一）模型设定。通过文献梳理，我们可以得到一个普遍的共识，财政支出具有显著的减贫效应，故本文设定如下财政支出减贫效应模型：
Pit=?籽Git+?啄Xit+?着it （1）
其中，t代表时间，i代表地区，P代表贫困水平，G代表财政支出，X是其他对贫困水平可能产生影响的控制变量集，?着是服从正态分布的随机误差项。
在建立空间计量模型之前，首先对数据进行空间自相关的检验。参照以往关于空间计量经济学的研究，本文采用最为常见的Moran’s I指数对观测变量进行检验。
I＝■ （2）
其中，S2=■为样本方差，wij为空间权重矩阵的（i，j）元素，本文构建满足以下条件的空间权重矩阵：
wij＝1，当i地区与j相邻0，当i地区与j不相邻 （3）
Moran’s I指数的取值一般介于-1和1之间，大于0表示正自相关，小于0表示负自相关，其绝对值越大，表示空间相关性越强。
接下来进行空间面板模型的设定。
首先，考虑模型中的被解释变量贫困水平在相邻地区可能存在相互影响，建立空间滞后模型（SLM）：
Pit=?姿WPit+?茁Git+?啄Xit+?着it （4）
其中，W为空间权重矩阵，λ度量了空间滞后项WP对被解释变量P的影响。
考虑到贫困水平的降低是由多方合力共同作用产生的结果，在主要的解释变量财政支出之外，可能还存在其他对贫困水平P有影响的遗漏变量，考虑其可能具有空间相关性，建立空间误差模型（SEM）：
Pit=?茁Git+?啄Xit+?滋it （5）
式中扰动项μ的生成过程为
?滋it=?籽W?滋it+?着it （6）
除了上述的情况，还应考虑可能存在相邻地区的财政支出可能会对本地区的贫困水平产生影响，建立空间杜宾模型（SDM）：
Pit=?姿WPjt+WGjt?兹+?茁Git+?啄Xit+?着it （7）
其中，W为已知的空间权重矩阵，WGθ度量了来自相邻地区财政支出对本地区贫困水平的影响。
可见，空间杜宾模型中既包含了本地区财政支出对贫困水平的影响，即财政支出的直接溢出效应，还包含了跨区域的溢出效应，Elhorst、Lesage和Pace通过偏微分矩阵分析方法将这种空间效应的分解表示出来：
■=Sr（W）ij （8）
矩阵Sr（W）ij的主对角线元素（即i=j）的平均值表示直接效应，非主对角线元素的平均值表示间接效应，矩阵所有元素的平均值表示总效应。
（二）指标选取
1、被解释变量P。衡量一个地区贫困水平的变化可以有多种方式，考虑到数据的可得性和贫困人口的分布具有地理空间特征，本文选用农村贫困人口密度来衡量贫困水平的变化。农村贫困人口密度P=农村贫困人口数量/区域土地面积。
2、解释变量G。本文的核心解释变量是财政支出G，为了检验哪些方面的财政支出具有更显著的减贫效果，我们对财政支出进行结构分解，主要选取可能对减少贫困产生明显作用的6项财政支出：教育支出（EDU）、医疗卫生支出（MED）、社会保障与就业支出（SUP）、农林水事务支出（AGRI）、环境保护支出（ENV）、交通运输支出（TRAF）。为了消除人口规模因素的影响，各项地方财政支出均取人均值。
3、控制变量X。参照以往的研究，城镇化水平、人力资本水平、产业结构等因素也对贫困水平有着不可忽视的影响，故本文选取以下指标作为控制变量：（1）人口城镇化率（URB）。（2）人均受教育年限（EDUY）。采用Krueger等的方法，人均受教育年限（EDUY）=∑（小学人口数/总人口数×6+初中人口数/总人口数×9+高中人口数/总人口数×12+大专及以上人口数/总人口数×16）。（3）第三产业产值比重（IND）。
（三）数据来源。综合考虑财政支出分类改革和数据的可得性，本文选取2010～2017年中国西部地区12个省（或自治区）的面板数据作为样本进行分析研究，所用原始数据来自于历年《中国农村贫困监测报告》、《中国统计年鉴》以及各省或自治区的统计年鉴。所有经济数据均采用CPI消除了价格因素的影响，并除以当年地区总人口，得到其人均水平。为了方便考察财政支出对减贫的弹性，并增加数据平稳性，对所有样本数据进行了取自然对数的处理。
三、实证分析
（一）空间相关性检验。在进行空间计量分析前，首先，对被解释变量P进行空间自相关检验，运用StataSE 15.0软件对西部12省区2010～2017年的农村贫困人口密度进行Moran’s I指数检验，检验的原假设为没有空间自相关性。检验结果显示，农村贫困人口密度在本文所选取的8年里全部具有显著的空间自相关性，说明本研究应该考虑财政支出减贫的空间效应。（表1）
由Moran’s I指数值还可以看出，各地的贫困水平之间的空间相关性随着时间在逐渐减弱，这正是国家近年来扶贫成效显著的佐证，由于贫困人口不断减少，贫困的连片聚集特征正在逐渐减弱，由地理区域上普遍的贫困转向特发单发的贫困，正是基于这一现实基础，国家提出了精准扶贫政策，而不再是大规模的扶贫开发。虽然存在Moran’s I值的降低，但检验结果仍显示有显著的空间依赖性，可以预计未来一段时间，贫困水平的空间相关性仍将持续存在，我们依然有必要建立空间计量模型进行研究。
（二）模型选择。在进行空间计量分析前，首先对模型进行普通面板的OLS回归估计，根据检验结果来选择最优的估计方法。非空间面板的Hausman检验结果显著为正，表明应该选择固定效应模型进行估计。由LM检验结果，在1%的显著性水平下拒绝了模型不存在空间滞后项和空间误差项，表明构建空间面板回归模型是有必要的。接下来将SDM模型与SLM和SEM模型进行对比和检验，由Wald检验和LR检验结果可知，在1%的显著性水平下拒绝SDM模型能够简化成SLM或SEM模型的假设，故选择固定效应的SDM模型为本文的最优配适模型。
由SDM模型回归结果可知，能够提高人力资本的财政教育支出、医疗卫生支出、社会保障与就业支出分别在1%和5%的显著性水平下为负，表明这3项财政支出具有显著的减贫效应，弹性系数分别为0.652、0.711、0.204，医疗卫生支出的减贫效应最大，其次是教育支出。能够改善经济发展环境的农林水事务支出、环境保护支出、交通运输支出并没有都表现出显著的减贫效应，其中环境保护支出在10%的显著性水平下为负，弹性值是0.171，交通运输支出在1%的显著性水平下为负，弹性值为0.179，表明这两项财政支出具有显著的减贫效应。整体来看，提高人力资本的财政支出具有更显著的减贫效应。（表2）
从空间溢出效应来看，首先，ρ值在5%的显著性水平下为正，表示邻近地区贫困水平的下降对本地区的贫困水平有正向的溢出效应，系数0.28表示邻近地区农村贫困人口密度每下降1单位，本地区农村贫困人口密度下降0.28单位。从解释变量的空间溢出效应的角度来看，社会保障与就业支出的对邻近地区的贫困水平具有显著的改善作用，其弹性值为0.746，教育支出对其他地区的贫困水平有改善的作用，但并不显著，其他支出对邻近地区的空间溢出效应并不显著或者对减贫存在明显的阻碍作用。
（三）空间效应分析。通过偏微分矩阵得到SDM模型中空间溢出效应的分解，如表3所示。财政教育支出对本地区和邻近区域的贫困水平均有改善作用，对本地的减贫作用非常显著，弹性值为0.682，对跨区域的溢出效应不显著。财政医疗卫生支出对本地区有显著的减贫效应，其弹性值为0.644，但对邻近区域的减贫有显著的抑制作用，优质的医疗资源有聚集效应，一个地区的医疗水平提高，会导致其他地区的人才向本地聚集，从而导致邻近地区人才流失，对经济发展起到一定的抑制作用，从而不利于贫困水平的改善。财政社会保障与就业支出对本地和邻近地区都有非常显著的减贫效应。财政农林水事务支出对本地减贫有显著的促进作用，但对相邻地区有显著的促进作用。财政环保支出对本地区的贫困具有显著的改善作用，由于西部地区自然环境比较恶劣，生态脆弱，自我修复功能较差，经济发展对生态环境造成的负面影响无法及时消除，会反过来成为制约经济发展的因素，环保支出通过改善生态环境，促进经济发展，从而减轻贫困，环保支出的空间外溢效应较弱。财政交通运输支出对本地区的减贫效应非常显著，西部地区12省区地域面积广阔，占全国面积的70%，山区和沙漠分布较多，交通条件不便一直是制约西部地区经济发展的重要因素，财政支出通过改善西部地区的基础设施建设，使交通便利化程度提高，促进经济发展，从而带动贫困人口脱离贫困。跨省区的交通设施建设一般由中央本级财政支出，所以地方财政支出的空间溢出效应并不明显。（表3）
四、结论及启示
本文运用空间计量经济模型，基于我国西部地区2010～2017年省级面板数据，实证研究了财政分项支出对减贫的空间效应，得出了以下结论：第一，我国西部地区各省的贫困水平有显著的空间相关性。第二，财政教育和医疗卫生支出的减贫弹性系数最高，提高人力资本的财政教育、医疗卫生、社会保障与就业支出相较于改善经济发展环境的财政环境保护支出、农林水事务支出、交通运输支出有更强的减贫效应。第三，财政分项支出的空间溢出效应明显不同。财政教育支出、社会保障与就业支出具有比较明显的减贫空间溢出效应；财政农林水事务支出不利于跨区域的减贫。而本文研究的其他几项财政支出的跨区域溢出效应没有通过显著性检验。
通过分析思考和总结归纳，得出以下启示：第一，在实现全面小康的目标之年2020年即将到来之际，要继续加大财政投资力度，充分利用财政支出的减贫效应，加快实现全面脱贫；第二，由于人力资本支出的减贫效应最显著，财政资金的投入可以向提高人力资本的方面倾斜，特别是同时具有本地减贫效应和跨区域减贫效应的财政教育和社会保障与就业支出，以实现财政资金使用的更高效率；第三，由于财政支出具有跨区域的减贫效应，可以建立财政跨区域协同合作机制，对具有外溢性的财政支出项目可以加大投入。此外，还可以加快城镇化进程，优化产业结构，加快第三产业的发展，吸纳农村剩余劳动力，促进贫困地区人口加快脱贫。
（作者单位：新疆财经大学公共经济与管理学院）
主要参考文献：
［1］刘建民，欧阳玲，毛军.财政分权、经济增长与政府减贫行为［J］.中国软科学，2018（6）.
［2］卢洪友，杜亦譞.中国财政再分配与减贫效应的数量测度［J］.经济研究，2019.54（2）.
［3］陈鹏，李建贵.财政支农资金的减贫增收效应分析［J］.西北农林科技大学学报（社会科学版），2018.18（5）.
［4］刘建民，欧阳玲，毛军.财政教育支出的农村减贫效应研究——基于网络空间结构的分析［J］.财经理论与实践，2018.39（6）.
［5］张佳雨.财政扶贫资金投入的减贫成效的实证研究［D］.湖南师范大学，2018.
［6］宋丽颖，张伟亮.财政支出对经济增长空间溢出效应研究［J］.财政研究，2018（3）.
［7］Elhorst，J. P.Matlab Software for Spatial Panels［J］.International Regional Science Review，2014.37（3）.
［8］Arnold M .James Le Sage，Robert K.Pace：Introduction to spatial econometrics［J］.Statistical Papers，2011.52（2）.
［9］Krueger A B，Lindahl M.Education for Growth：Why and for Whom［J］.Journal of Economic Literature，2001.39（4）.
|
|
|
|
