财政支农对农民人均纯收入影响效应分析：1981-2013——基于陕西省县际多维要素面板数据的实证

张 强，张映芹

(1.陕西师范大学 国际商学院，陕西 西安 710062；2.西安财经学院，陕西 西安 710100)



财政支农对农民人均纯收入影响效应分析：1981-2013
——基于陕西省县际多维要素面板数据的实证

张 强1，2，张映芹1

(1.陕西师范大学 国际商学院，陕西 西安 710062；2.西安财经学院，陕西 西安 710100)

从新经济增长及新经济地理增长理论研究视角，采用县际面板数据模型方法，结合陕西省区域经济发展实际，选取多项影响农民收入增长指标，测算了多维要素协同作用对农民人均纯收入增长的效应，检验结果显示：1981-2013年陕西省劳动力、农村人力资本、财政支农、农村交通基础设施等因素对农民人均纯收入有正向促进效应，财政支农的正向促进效应最为显著，长期以来，财政支农成为影响农民人均纯收入增长的一个重要因素。

财政支农；农民人均纯收入；面板数据模型；经济效应

解决好“三农”中促进农民持续增收问题，是城乡经济社会协调发展中的一项重大而紧迫的战略任务。陕西省是一个农业大省，长期以来，农民人均纯收入与农业发展水平均低于全国平均水平，其关中、陕北、陕南三大区域城乡经济社会发展存在较为显著的差异，在“十二五”区域经济协调发展的关键时期，在经济进入新常态阶段，研究如何高效地促进陕西省农民增收，推动城乡经济社会协调发展目标的快速实现便成为政策制定者与学者们所关注的一项现实问题。

国外发达国家的大量实践经验业已证明，政府财政支农不仅促进了农民增收、农业经济增长，还促进了城乡经济社会发展差距的缩小。改革开放以来，国家出台的多项财政惠农政策在解决“三农”问题方面取得了一定的成效。但是，未考虑区域空间地理差异性因素所测算的影响效应，结果缺乏一定的科学性。因此，从新经济地理增长理论等研究视角，实证分析在“西部大开发”战略的不断推进以及“关中-天水经济区”、“呼包银榆经济区”等优惠政策注入的环境下，陕西省政府大量注入的财政支农政策能否成为促进农民增收的一项有效的举措？财政支农政策对提高农民人均纯收入的经济效应价值几何？在计量经济学不断发展、面板数据模型以及STATA、MATALABE等经济分析软件引入的条件下，采用区域面板数据分析法建立计量模型，解决诸如此类问题，无疑具有重要的理论意义与现实意义。

一、研究综述

关于经济增长理论的研究，古典经济增长理论强调人口对经济增长的作用。新古典经济增长理论中索洛-斯旺模型(Solow-Swan Model)认为劳动力、资本是内生于经济增长的主要因素，劳动有效性即技术进步被假定为外生的。以保罗·罗默(Paul M.Romer，1990)[1]为代表的新经济增长理论通过知识积累模型分析认为，劳动力、资本、人力资本、技术是内生经济增长的基本投入①参见：Romer.内生技术变革，1990。。罗伯特·卢卡斯(Robert Lucas，1988)[2]指出人力资本积累是实现经济增长的源泉。尔后，知识外溢、人力资本投资、研发等知识积累，与人力资源的形成密切相关的技术进步实现机制等被重点引入内生经济经济增长模型中。由于现实经济活动中的运输成本、产业聚集等因素对于经济增长作用不可忽视，即区域之间存在空间差异性，对于大量的经济空间集聚与扩散现象，以保罗·克鲁格曼与藤田(Krugman and Fujita，1991)[3]为代表的新经济地理学者们认为，忽视了地理空间因素影响的新经济增长理论框架下分析的区域经济并不科学，应考虑地理空间因素将其模型化与实证研究。

关于财政支农效果研究，庇古(A.c.Pigou，1920)最早从福利经济学视角提出以基数效用论为基础的两个检验社会福利标准。阿罗和库兹(Arrowand Kurx，1970)最先实证研究公共资本存量与经济增长之间关系。钱纳里(Chenery，1986)等学者选取较长时段的多样本数据分析结果显示，财政支出规模与农业经济增长之间存在正相关关系，财政支出规模是影响经济增长长期变化的主要因素。巴罗(Barro，1990)[4]将政府公共支出于基础设施、研究开发及教育等物质资本纳入经济增长模型中，论证了政府公共支出对经济增长的影响。尔后，以戴维简特(Devarajanetal，1998)为代表的大部分学者通过建立柯布-道格拉斯(Cobb-Douglas)生产函数法，将政府公共支出、人力资本等多变量引入到实证模型中。林等(Lin，2000)将农业科学技术进步、农业基础设施改善等因素纳入农业经济增长模型中分析其贡献率。英国经济学家简·莫里特(Jane Moritt，2000)通过选取发达国家与发展中国家样本，论证了农业劳动力投入、财政农业投入与农民人均收入、农产品总值增加的关系。近年来，关于财政支农效果的实证研究主要有两种方法，一是以迪米特里与迪考萨艾斯(Dimitris and Diakosaoas，2002)为代表，通过数理统计对比相关指标评价了财政政策支农的效果；二是以奥尔加与米利肯(Olga and Melyukhina，2002)为代表，通过建立经济计量模型测算政策支农的水平。在被引入变量不断增加的国外诸多相关研究中，大多数研究结论认为财政支出规模与农业经济增长之间存在正相关关系[5]。

国内关于财政支农效应的研究主要从两个视角分析：一是以国外发达国家的财政政策实施效果研究为切入点，对比分析各国财政政策实施效果(财政部农业司(2003)、国务院税改办(2003)、郑志冰等(2009))；二是从理论和实践角度，分析财政政策与农村经济增长关系。蔡昉(2008)认为中国改革开放30年以来财政政策对于农业经济增长具有促进作用[6]。孙瑞玲等(2008)论证了公共财政支农可以缩小城乡之间的发展差距。杜云(2009)、胡振虎(2010)等通过计量模型实证检验了财政政策的经济效率、农村公共投资的减贫效应，大多数研究结果显示，财政政策对于农业产出有重要的促进作用[7]。

综观目前可查阅的国内外相关文献，学者们大多选取较大范围的国际、省际样本数据，而县际面板数据分析很少。多维要素作用下通过县际面板数据分析财政支农效应的文献很少见。选取陕西省区域县际面板数据样本，建立考虑多种因素协同影响下的财政支农效应，分析改革开放以来多变量因素对农民增收影响的研究更是没有。因此，本文拟从新经济增长与新经济地理理论研究视角，结合陕西省实际选取多种指标，建立多维要素影响下县际面板数据模型，测算1981-2013年陕西省财政支农政策对农民人均纯收入影响效应，希望能够检验改革开放以来陕西省财政支农的真实效果，进而对于提高农民收入提供新的理论支持。

二、研究内容

(一)相关数据

劳动力L与资本K被视作影响经济增长的内生因素，依据奥德·度昆(Ode-dokun，1996)的动态两部门经济效率模型，在此，将资本K分解为财政支农投资Kc*注：利用陕西省财政支农支出减去来自农业各税后的时间序列数据来反映财政支农支出状况。、金融支农投资Kj*注：用陕西省历年的各个金融机构农业贷款规模表示。以及农村固定资产投资Kg*注：依据业已论证的农村固定资产投资对农村经济增长有正向促进作用的结论，除了公共部门投资以外，私人部门的投资对于经济增长的促进作用也很重要。大多文献选取农村全社会固定资产投资指标，但是，农户固定资产投资额的私人部门的投资因素也不可忽视，否则会出现忽略市场对固定资产的主体作用而低估私人部门的投资结果，影响分析的相对准确性，因此，本文选取农户固定资产投资与农村全社会固定资产投资这两项数据进行加总一并记为农村固定资产投资指标。三项，选取覆盖陕西省三大区域的80个县的县际面板数据，时间段为1981-2013年，其各种要素投入与农民人均纯收入均剔除了当年居民消费价格指数后的描述性统计结果见下表1所示。

表1显示：各指标在陕西省的关中、陕北、陕南三大地区之间差距明显。陕南地区各项投资在县际间的差距小于关中、陕北县地区际间的差距，各变量的最大值大部分集中在关中地区，而最小值落在陕南地区。

(二)变量选择

面对陕西省区域农业经济增长及各种投入的差距，如何才能较为准确地测算财政支农的经济效应？需要采用较长时段的面板数据模型法，将影响农民收入增长的诸多变量纳入到分析框架中。由于地理空间、人力资本、交通基础设施、贸易与城镇化差异等因素在一定程度上影响区域经济增长，因此，立足于陕西省区域经济发展实际，选取以下变量进行分析。

表1 1981-2013年陕西省农民人均纯收入与各种投入的描述性统计

资料来源：根据历年陕西统计年鉴、地区统计年鉴等相关数据计算整理。

因变量选取陕西省农民人均纯收入表示农村经济增长，比选取农业GDP更切合实际，并可避免多个指标涉及GDP而导致多重共线性的存在。所有样本以当年农民人均纯收入除以相应年份的居民消费价格指数，取自然对数后记为LY。其中，农民人均纯收入、居民消费价格指数来源于陕西省历年统计年鉴、农村经济统计年鉴。

自变量选取以下9项指标：

(1)劳动力(X1)。以农村从业人员数作为劳动投入L指标，根据历年陕西省统计年鉴的年末从业人员数整理，取自然对数后记作LX1。

(2)财政支农(X2)。保罗·罗默(Paul Romer，1999)在新经济增长理论中提出，政府实施的某种经济政策对一国的经济增长具有重要的影响，为了分析陕西省地方财政支农对经济增长的影响效应大小，选取陕西省财政支农支出剔除农业各税后的数据表示财政支农状况*2006年1月1日，中国完全取消了农业四税(农业税、屠宰税、牧业税、农林特产税)。，剔除居民消费价格指数后取自然对数，记LX2。

(3)农村人力资本(X3)。舒尔茨(Schultz，1961)提出的人力资本理论中认为，人力资本为人类自身在经济活动中获得收益并不断增值的能力。人力资本是指通过教育、培训、保健、劳动力迁移、就业信息等获得的凝结在劳动者身上的技能、学识、健康状况和水平的总和。目前，测算农村人力资本主要方法有4种：①劳动者受教育的年限(Barro and Lee，1993)；②入学率(Barro，1997，2001)；③农村教育经费占GDP或财政支出的比重(沈利生等，1997)；④对农村教育经费投入与医疗卫生保健投入的规模。本文选取对农村教育经费与医疗卫生保健投入作为农村人力资本投资指标，剔除居民消费价格指数后取自然对数，记为记LX3[8]。

(4)农村交通基础设施(X4)。基于新经济地理经济增长学派代表人物保罗·克鲁格曼(Paul Krugman，1999)的相关理论提出的运输成本是经济增长的一个内生变量的观点，选取反映陕西省各样本地区的交通运输能力指标为公路里程，预期两个变量之间存在正相关关系，取自然对数后记为LX4。

(5)金融支农(X5)。以陕西省历年的各个金融机构农业贷款规模剔除居民消费价格指数后取自然对数，记为LX5。

(6)固定资产投资(X6)。选取农户固定资产投资与农村全社会固定资产投资两项数据合并值，剔除居民消费价格指数取自然对数，记为LX6。

(7)农产品进出口贸易总额(X7)。新经济增长理论认为，技术变革是经济增长的内生核心因素，开放贸易(国际贸易)是影响技术外溢的重要途径，有助于技术进步与经济增长，因此，选取农产品进出口贸易总额作为衡量农业技术的指标(LX7)。

(8)区域农村经济差距(X8)。新经济地理理论认为，区域经济差距是影响地区空间差异的一个重要因素，参照张学良(2009)的指标选取方法，以陕西省陕北、关中、陕南三大区域样本地区的地均GDP作为衡量区域差距指标(LX8)。

(9)城镇化水平。卢卡斯(Lucas，1988)、藤田(Fujita，1999)等相关研究认为，城镇化在区域经济增长中具有重要作用。徐雪梅、王燕(2004)[182]认为经济增长与城镇化水平互为因果关系。张学良(2009)等论证了城镇化对经济增长有正向促进作用。此处以非农人口占总人口的比重作为城镇化率指标，取自然对数后记为LX9[9]。

(三)实证模型

将上述新经济增长理论与新经济地理增长理论中的9个自变量纳入到研究框架中，所建立的多元线性回归方程为：

lnYit=a0+a1lnX1it+a2lnX2it+a3lnX3it+a4lnX4it+a5lnX5it+a6lnX6it+a7lnX7it+a8lnX8it+a9lnX9it+εit

(1)

式(1)Yit表示农民人均纯收入，解释变量有9个：劳动力(LX1)、财政支农(LX2)、农村人力资本(LX3)、农村交通基础设施(LX4)、农产品进出口贸易总额(LX5)、金融支农(LX6)、固定资产投资(LX7)、区域农村经济差距(LX8)、城镇化水平(LX9)。

本文主要使用MATLAB与STATA软件进行数据处理，STATA软件也是以矩阵作为数据的基本处理单位，在处理面板数据方面，STATA软件具有非常大的优势，可以实现菜单命令与编程的较好结合。使用MATLAB与STATA软件包编程对面板数据进行分析，得到的估计结果中常数项、固定效应模型与随机效应模型的Huasman检验值不同，但是，各变量的参数值、各参数的t检验值、模型的假设检验值完全一样，说明这两种软件具有可靠性。因此，在实证分析中通过使用STATA10.0软件进行编程、计量[10]。通过式(1)对1981-2013年陕西省三大区域80县的面板数据进行回归，得到的混合型、固定效应以及随机效应面板数据的回归估计结果如下表2所示：

表2的估计结果表明，混合型模型中的农村人力资本项的回归系数出现了难以解释的负值，并且，截面固定效应模型Wald F检验值大于1%显著性水平的临界值，应该选取截面固定效应模型。判断固定效应和随机效应的Huasman的检验结果值大于1%显著性水平的临界值，表明应优先考虑固定效应面板数据模型。

(四)检验结果

从表2的固定效应面板数据模型的检验结果显示，影响陕西省农村经济增长的各项因素中，除了区域经济差距(LX8)的产出弹性为负值以外，其余各项变量的弹性值均为正值。即，陕西省区域经济差距对于陕西省农民人均纯收入有负面影响，区域经济差距的扩大影响着陕西省收入的长期增长。

从各项因素的估计系数来看，劳动力的产出弹性为0.0507，通过了5%显著性水平检验，劳动力与农民人均纯收入之间存在正相关关系，表明陕西省农村经济发展还处在劳动力驱动经济增长的阶段；农村人力资本变量的产出弹性为0.0416，通过了1%的水平检验，农村人力资本与农民人均纯收入增长呈现出较为明显的正相关关系；反映农村交通运输能力的公路里程变量的产出弹性为0.0472，通过了5%显著性水平检验，表明陕西省农村交通基础设施投入对区域农民人均纯收入增长有着正向促进作用，提高农村交通运输能力会降低运输成本，促进农民增收，不过其贡献率偏低，有待加强，即，财政要加大对农村交通基础设施支持，促进对农民增收贡献率的进一步发挥；财政支农

表2 混合型、固定效应和随机效应面板数据模型的估计结果

注：***表示1%显著性水平，**表示5%显著性水平，＊表示10%显著性水平。

的估计系数最显著，通过了1%显著性水平检验，财政支农对于农民人均纯收入增长的贡献率为0.0529%。金融资本项的产出弹性为0.0513，通过了10%显著性水平检验，对于农民人均收入的贡献率较为显著，仅次于财政支农的贡献程度。这表明，随着“西部大开发”政策的实施以及县域经济发展的大力推进，农业贷款逐渐成为促进农民增收的一项有力的措施；固定资产投资项的产出弹性为0.0413，通过了1%显著性水平检验，对于农民人均纯收入增长的正向促进作用较低。而代表农业技术水平的农产品进出口贸易总额的估计系数为0.0210，通过了1%显著性水平检验。地理空间、交通不便等因素在一定程度上影响了农产品进出口贸易总额，引致其产出弹性系数较小，此项指标对农民人均收入增长具有正向促进作用，与国内有些研究结论基本一致，尽管弹性值较小，但与现实相符；区域农村经济差距的估计系数为-0.0281，此变量对农民人均纯收入增长有负面影响，表明陕西省区域农村经济差距有逐渐增大的趋势，这可能与不断加快的城镇化等因素有关。因为城镇化水平对于农民人均纯收入的增长有正向促进作用，模型通过了5%显著性水平的统计检验，表明陕西省农村经济持续增长，加快农村剩余劳动力转移非常重要。

1981-2013年，陕西省劳动力、农村人力资本、财政支农、农村交通基础设施、金融资本、固定资产投资、农产品进出口贸易总额以及城镇化水平对农民人均纯收入有正向促进效应，其中，财政支农的正向促进效应最为显著，次之依次为金融资本、劳动力、农村人力资本、农村交通基础设施、固定资产投资及农产品进出口贸易总额。即，陕西省财政支农每增加1元，所选取样本中每个农民人均纯收入将增加0.0529元，金融资本、劳动力、农村人力资本、农村交通基础设施、固定资产投资及农产品进出口贸易总额每增加1元，每个农民人均纯收入将分别增加0.0513元、0.0507元、0.0416元、0.0472元、0.0413元及0.0210元。

三、研究结论

基于新经济增长及新经济地理理论的研究视角下多维要素县际面板数据协同作用模型的研究结果表明，1981-2013年，陕西省农村经济发展位处劳动力驱动经济增长的阶段，农村人力资本对农民增收有正向促进效应，陕西省财政支农每增加1元，农民人均纯收入将增加0.0529元，财政支农成为影响农民人均纯收入增长的一个非常重要的因素。农村交通运输能力的提高，在一定程度上降低了运输成本，促进了农民增收，农村交通基础设施投资对于农村农副产品物流也发挥了举足轻重的作用；金融支农的农业贷款有力地促进了农民人均收入的提高，其贡献率仅次于财政支农的贡献程度，农业贷款已逐渐成为促进农民增收的一项有效措施；固定资产投资项、农产品进出口贸易总额、城镇化水平提升对农民人均纯收入增长表现出一定的正向促进效应，农业技术水平的不断提升在推动农业生产力进步、提高农民增收的作用日渐显现。区域农村经济差距对农民人均纯收入增长有负面影响，区域经济差距的扩大影响着陕西省农民经济的长期增长。

鉴于此，为了促进陕西省农民持续增收，政府应进一步加大财政支农的投入力度，完善强农惠农富农的财税扶持政策，拓宽农民增收渠道，推动农民收入快速增长；继续强化农村人力资本，加快农村剩余劳动力转移；重视农业贷款，加大对农村基础教育、医疗卫生支出的投资力度，重视对农民的职业教育、身心健康、技能培训、户籍迁移等投资与补助。考虑另设专门的农贷机构加大对农业贷款的扶持力度，增加农业发放贷款的项目，完善农村金融机构在信贷投放过程的相关机制；重视农村交通基础设施投资，拓展农村公路里程、通行能力和服务水平，促进农副产品物流的发展；同时，要不断深化对外开放，提升农业技术水平，推动农副产品进出口贸易增长。另外，由于陕西省存在关中、陕北、陕南三大明显差异地区，因此在出台上述政策时，需要结合三大区域的具体特点，不同区域应该要有所差异。

[1] Paul M.Romer. Endogenous Technological Change[J]. The Journal of Political Economy, 1990(10).

[2] Lucas R E. On the mechanics of economic development planning[J]. Journal of Monetary Economics, 1988.22(1):3-42[3] Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991. 99：483-499.

[4] Barro R J, Sala-I-Martin X. Economic Growth[M]. New York：McGraw-Hill, 1990.

[5] 李燕凌，欧阳万福.县乡政府财政支农支出效率的实证分析[J].经济研究,2011(1)：110-123.

[6] 蔡昉.中国农村改革三十年[J].中国社会科学，2008(6)：99-110.

[7] 杜云，周红刚.我国财政政策的路径演化与效率检验——基于改革开放30年来微观经济数据和经验[J].财经研究. 2009(1)：86-96.

[8] 黄小舟.财政支农支出绩效研究[D].华中农业大学，2010.

[9] 张学良.交通基础设施、空间溢出与区域经济增长[M].南京：南京大学出版社，2009年版.

[10] 鲍姆.用Stata学计量经济学(经济科学译库)[M].北京：中国人民大学出版社，2012.

[11] 李佼瑞，徐书雅. 陕西省各地区经济发展差异比较研究[J].西安财经学院学报，2014(6).

(责任编辑：司国安)

The Analysis on Effect of Financial Support for Agriculture to Farmers per Capita Net Income：from 1981 to 2013—Based on the Multidimensional Elements Panel Data of Counties in Shaanxi Province

ZHANG Qiang1,ZHANG Yingqin2

(1.International Business School, Shaanxi Normal University, Xi′an 710062, China;2.Xi ′an Institute of Finance and Economics, Xi′an 710100, China)

This paper calculated the multidimensional elements synergistic effect on farmers per capita net income growth by using the panel data model, selecting the index that effect the peasant income growth combined with the actual development of regional economy in Shaanxi Province from the perspective of the new economic growth and new economic geography theories. The test results showed that the labor force, the rural human capital, financial support for agriculture, rural transport infrastructure and other factors had positive effects on per capita net income of farmers from 1981 to 2013 in Shaanxi Province, and the positive effect of the financial support is the most predominant one. For a long time, the financial support for agriculture has become one of the important factors to influence farmers per capita net income growth.Key words financial support for agriculture; farmers per capita net income; the panel data model; economic effect

10.15896/j.xjtuskxb.201505014

2015-02-10

国家社科基金项目(12XKS020)；陕西省教育厅科学研究计划项目重点研究基地计划项目(12JZ010)；陕西省2014年科技计划项目(2014KRM02)

张强(1977- )男，陕西师范大学国际商学院博士研究生，西安财经学院讲师；张映芹(1963- )女，陕西师范大学国际商学院教授，博士生导师。

F812.45

A

1008-245X(2015)05-0093-06