财政支出结构对资源型省区经济增长的影响分析*

肖枝洪， 隆　蓉

(重庆理工大学 数学与统计学院，重庆 400054)



财政支出结构对资源型省区经济增长的影响分析*

肖枝洪， 隆蓉**

(重庆理工大学 数学与统计学院，重庆 400054)

摘要：利用我国18个资源型省区2007—2013年的面板数据，采用SEM模型和一般面板数据模型对资源型省区的各结构财政支出对经济增长的影响进行了分析。结果显示，资源依赖度对经济增长存在负效应的省区，一般公共服务支出对经济增长具有显著的促进作用，但农林支出、社会保障支出、环境保护支出和科教支出对经济增长不利；另外的省区，各结构财政支出对经济增长的影响也不相同。政府应根据各资源型省区的发展状况，进行合理的财政支出。

关键词：SEM模型；面板数据；财政支出；资源型省区

作为我国资源战略基地的资源型省区，近年来的发展面临着诸多问题，例如高耗能、高污染、高排放项目低水平重复建设，接续替代产业发展滞后等。资源型地区要实现可持续发展，就必须转型升级已有的产业，并且开发可持续发展的绿色产业，但人才、资金等要素的缺乏，是困扰这些地区经济发展的一个重大问题。同时资源型地区的资金有限，如何在已有的资金条件下，尽可能地促使资源型地区经济快速增长，也是其实现可持续发展必须考虑的因素。

我国地区发展中资金对经济增长的作用，很大程度上可以从地方的财政支出对经济增长的作用中体现。在探究财政支出对地区经济增长的影响中，郑航(2013)用因子分析法对福州市各区县的财政支出进行了评价，表明财政支出越多，投入越大， 经济文化方面发展越快[1]，其研究在一定程度上能够揭示财政支出与经济发展的关系。张丽彩(2015)指出财政支出必须把握好“度”，超出一定规模，财政支出对经济增长会造成严重的后果[2]，其研究是对我国的整体而言，但对于特定省区“度”的把握并不能够充分体现。对于特定地区的考虑，朱玉春采用加入虚拟变量的一般面板模型，对我国财政支出及其构成与经济增长的关系进行了研究，分析了不同结构的财政支出对各个省区经济增长的影响，其研究结果能够对各个区域的财政支出提出指导意见，但是一般面板模型是假设误差项是相互独立的，而经济地区之间的误差往往并非相互独立。空间计量经济学中的空间面板模型通过引入空间权重矩阵，能够考虑到空间单元的相互关系，弥补了一般面板模型的不足。所以，为了研究各资源型省区的财政支出对经济的影响，并且考虑到 “几乎所有的空间数据都有空间自相关的特征”[3-4]，此处拟采用空间面板模型分析资源型省区的各结构财政支出对经济增长的影响，最后对资源型省区的财政支出提出可行性建议。

1模型原理与算法

1.1Moran指数

探究各区域是否存在空间相关性，一般用Moran指数进行判断，Moran指数定义：

(1)

1.2空间面板模型原理

空间面板模型的一般表达式为

(2)

当λ=0时，模型(2)为空间误差模型(SpatialErrorModel,SEM)：

(3)

当ρ=0时，模型(2)为空间滞后模型(SpatialLagModel,SLM)：

(4)

当无空间相关时，即λ=0，ρ=0时，模型(2)为一般的面板数据模型：

(5)

1.3空间相关性检验及模型选择

对空间相关性的检验一般有Moran检验、LMLAG检验、LMERR检验(拉格朗日乘子检验)以及R-LMLAG检验、R-LMERR检验(拉格朗日乘子检验的稳健形式)等，但它们只是针对截面数据而言。而对于面板数据，取M=IT⊗W(IT为T阶单位阵)，若写成矩阵形式，并用M替换空间权重矩阵W，便很容易把一般的空间模型拓展到空间面板模型上进行计算。

2指标选择及数据来源

2.1指标选择

评价性指标x，包括经济增长指标、财政支出结构指标和资源依赖度指标。经济增长指标用人均GDP增长率进行衡量，记为y。选取的财政支出结构指标包括科教支出、环境保护支出、农林支出、一般公共服务支出和社会保障支出，用不同结构的财政支出占GDP的比重来衡量政府的财政支出对地方经济增长的影响程度，即用科教支出、环境保护支出、农林支出、一般公共服务支出和社会保障支出分别占GDP的比重作为相对指标来对不同结构的财政支出进行度量，且把各结构财政支出分别记为ckj，chb，cnl，cyb和csb。资源依赖度用采矿业从业人数占从业总人数比重来作为资源依赖度度量指标[6]，并用rd表示。

控制变量Z，采用周喜君、郭丕斌的做法，选择对经济影响最重要的的物质资本投资、人力资本水平和技术创新投入作为控制变量[7]。用社会固定资产投资占GDP的比重作为物质资本投资指标，并用wz表示；以大专以上学历占6岁及6岁以上人口的比重度量人力资本水平，并用rl表示；将从事科研和技术服务的人数占从业人员总人数的比重作为科技创新指标，并用kj表示；引入滞后一期的人均GDP对数对每个省区发展的初始状态进行控制，并用lngp表示。

空间权重矩阵W，采用空间距离权重矩阵，其表示的是邻近关系的强度会随距离的增加而衰减。空间距离权重表达式如下：

(6)

式(6)中，i，j表示空间中的两个单元，dij为i和j两地理位置中心的距离，Wij表示第i个单元和第j单元的空间邻接权重。

2.2数据来源

研究对象为我国18个资源型省区，选择的研究区间为2007—2013年，共有126个观察值。数据主要来源于历年《中国统计年鉴》《中国劳动统计年鉴》《中国人口与就业统计年鉴》以及各省区历年的统计年鉴，空间距离权重矩阵由各省的地理中心位置坐标经Geoda095i计算得到。

3实证分析

3.1初步统计观察

在计算各结构财政支出对经济增长的影响之前，先对数据进行初步观察。首先，选取2013年18个省区的资源依赖度数据，并按照资源依赖度大小进行排序，如表1所示：

表1　2013年18个省区的资源依赖度指标

注：资源依赖度从高到低排列。

从表1可知，资源依赖度最严高的是山西，资源依赖度最低的是海南。进一步选取2007—2013年间的数据，考查资源依赖度与经济增长的关系。选取资源依赖度较高的山西和黑龙江作为样本，绘制资源依赖度与人均GDP增长率的散点图，如图1所示。从图1中可以看到，资源依赖度较高的山西，其资源依赖度对经济具有负的影响，而对于黑龙江，其资源依赖度对经济却具有明显的正向作用。根据资源依赖度与经济增长的关系，把这些省区分为两类：第一类为资源依赖度与经济增长呈正效应的省区，包括黑龙江、安徽、江西、湖北、湖南、广西、海南、重庆、云南、西藏、宁夏、河南、吉林、河北、甘肃和四川16个省区；第二类为资源依赖度与经济增长呈负效应的省区，包括山西和内蒙古。分别对这两类省份进行建模，对比分析各结构财政支出对各类省区经济增长的影响情况。

图1　资源依赖度rd与人均GDP增长率散点图Fig.1　Contrast between resource dependence rd and per capita GDP growth

3.2模型的选择及检验

3.2.1第一类省区的模型选择及检验

建立空间面板模型对数据进行拟合(表2)。在对模型进行拟合前，先对模型进行空间豪斯曼检验，检验结果的P值为0.016，即拒绝随机效应模型的原假设，采用固定效应模型。由表2知， Moran’sI的值为2.348，且显著，表明存在空间相关性。条件LM检验中LMλ值不显著[8]，即接受λ=0的假设，采用空间面板误差模型。根据Kapoor(2004)，空间面板模型为空间误差模型时，对模型进行广义矩估计(GM)[9]。

把不显著变量依次从模型中剔除，得到模型3(考虑到研究意义，估计的个体固定效应ηit不再列出)，模型3的表达式由式(7)给出。由式(7)知，滞后一期人均GDP的系数为负数，且在1%的水平下通过了显著性检验，说明这些省份经济增长存在一定的惯性，即前一期的人均GDP会对当期经济增长产生影响，存在经济收敛现象。

由各结构的财政支出的回归系数可知，环境保护支出(chb)对经济增长的作用不显著，已从模型中剔除；农林支出(cnl)和一般公共服务支出(cyb)对经济增长有显著的正向影响，表明政府加大农林支出和一般公共服务支出能促进经济增长；科教支出(ckj)和社会保障支出(csb)对经济增长有明显负的影响，说明政府加大对科教和社会保障的投入，会对当年的经济增长不利；资源依赖度(rd)对经济具有促进，显示了这些省份能够利用其资源的优势促进经济增长。

从控制变量来看，科技创新(kj)对经济增长有显著的负影响，表明我国的科技创新能力转化为实际生产力的效率比较低，人力财力存在浪费现象[10]，从而导致其科技创新阻碍了经济增长；人力资本水平(rl)对经济增长有显著的促进作用，故我国应该提高这类省区的人力资本水平，加大人才储备，进一步促进经济持续健康发展；物质资本投资(wz)对经济增长无显著作用，说明固定资产投资对经济增长的影响效率较低，若用加大物质投资资本战略来促进经济发展是很危险的。

表2　第一类省区的回归模型估计与检验结果

注：***，**，*分别表示在显著性水平1%，5%和10%上显著，括号内为P值，结果由R语言得到。

yt=-0.079ln (gpt-1)+1.13rdt+0.592cnlt+

0.529cybt+-0.581ckjt+-0.816csbt-

0.696kjt+0.299rlt+ηt+0.185ρ

(7)

3.2.2第二类省区检验分析

把山西和内蒙古作为第二类省区进行分析，因为只有两个省份，所以采用式(5)的一般面板模型，并用广义最小二乘法对模型进行估计。

其系数的估计值及检验情况见表3，其中模型2是把模型1中不显著的变量剔除后得到的模型，最后估计得到的模型(2)由式(8)给出。从模型的检验结果来看，其调整后R的平方为0.997，F为422.9，表明所建立的模型显著成立。对各结构财政支出的回归系数进行分析，除一般公共服务支出对经济具有促进作用外，农林支出、社会保障支出、环境保护支出、科教支出对经济都存在显著的负影响。由资源依赖度的系数可知，资源依赖度对经济具有明显阻碍作用，表明这两个省区的发展受到本地区资源状况的阻碍，也即存在“资源诅咒”现象。在各结构的财政支出对经济增长的作用下，政府应该提高财政支出效率，使各结构的财政支出能够有利于经济增长。

由技术创新投入的回归系数为负值可知，这类省区同样没能够充分利用科技创新促进经济增长，虽然物质资本投资对经济具有促进作用，但单依靠物质资本投资来促进经济增长却是短暂而不可持续的。人力资本的回归系数不显著，说明这类省区没能充分利用其人才优势来促进经济增长。

表3　第二类省区的回归模型估计与检验结果

注：***，**，*分别表示在显著性水平1%，5%和10%上显著，括号内为P值。

yt=0.737ln(gpt-1)-5.536rdt-10.116cnlt+

9.768cybt-25.483ckjt-23.403csbt-

35.57kjt+1.528wzt+ηt

(8)

与第一类样本省区进行比较分析可知，山西和内蒙古各结构的财政支出对经济增长更为不利，政府不应把财政支出过多地投入到农林支出、社会保障支出、科教支出和环境保护支出上，而应更多地考虑如何把财政用于支持产业的优化升级，发展新型企业和提高其地区的核心竞争力上，使其能够真正依靠人力拉动经济增长，并非靠物质资本对经济进行短期拉动。

4结论与政策建议

从上面的分析可知，两类省区的资源依赖度对经济增长的作用不同，且财政支出对经济的影响也不一样，所以政府在对资源型省区的财政支出应根据不同的情况考虑。

对资源依赖度对经济具有正效应的省份，应加大一般公共服务支出和农林支出，但在考虑加大投入时，应充分考虑人事分配情况，使其能够在加大财政投入下，提高办事效率，减少资源浪费。虽然科教支出对经济具有负的影响，但是人力资本水平对经济发展也具有促进作用，我国应加大对科学教育的投入，使其更多地转化为人力资本，促进经济的可持续发展。环境保护支出对经济增长无显著的促进作用，所以政府应综合考虑各种情况，适当地选择财政支出数目。社会保障支出对经济增长具有阻碍作用，仅对经济增长而言，应减少社会保障支出，但政府也应综合各方面的因素，选择适当的财政支出数目。这类省份应加大人才储备，减少固定资产投资，加大对新兴能源与产业的投入，提高经济转型能力，使科学技术能够成为推动经济发展的重要力量。

对资源依赖度对经济具有负效应的山西和内蒙古而言，一般公共服务的支出和第一类省份类似，应在充分考虑人事分配和减少人力物力浪费的情况下，加大财政支出。其次，由于科教支出对经济增长具有负的影响，所以政府必须调整其产业结构，加大资源利用率，使科学和教育事业能够持续助推经济增长。再次，政府应该加大对农林支出的管控力度，使其能够应用到实处。仅从经济增长的角度来看，应适当减少社会保障支出和环境保护支出，但考虑到社会的和谐稳定和持续健康发展，政府应统筹各个方面的影响，选择合适的财政支出数目。人力资本水平对经济增长的影响不显著，所以政府应更加关注财政在提高资源优化配置和产业的转型升级方面的支出，使其改变粗糙的发展方式，保证经济能够持续增长。

参考文献(References)：

[1]郑航,么慧慧.基于因子分析的福州市各区县财政支出情况评价[J].重庆工商大学学报(自然科学版),2013,30(5):26-29

ZHENG H,ME H H.Evaluation on Financial Expenditure of the Districts and Counties of Fuzhou Based on Factor Analysis[J].Chongqing Technology and Business University(Naturnal Science Edition),2013,30(5):26-29

[2] 张丽彩.我国财政支出规模与经济增长关系研究[J].合作经济与科技,2015(6):191-192

ZHANG L C.The Scale Fiscal Spending and Economic Growth of Our Country[J].Economy and Technology Cooperation,2015(6):191-192

[3] ANSELIN L.Spatial Economics:Methods and Models[M].Dorddrecht:Kluwer Academic Publishers, 1988

[4] 李婧,谭清美.中国区域创新生产的空间计量分析:基于静态与动态空间面板模型的实证研究[J]. 管理世界,2010(7)：43-48

LI J,TAN Q M. A Spatial Analysis of Chinese Regional Innovation Production:an Empirical Study Based on the Static and Dynamic Spatial Panel Model[J].Management World,2010(7)43-48

[5] BALTAGI B H,SONG S H,KOH W.Testing Panel Data Regression Models with Spatial Error Correlation[J].Journal of Econometrics,2003,117(1):123-150

[6] 邵帅,杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J].管理世界,2010,22(9):26-44

SHAO SH,YANG L L.Abundant Natural Resources,Resource-dependent Industries and Regional Economic Growth in China[J].Management World,2010,22(9):26-44

[7] 周喜君,郭丕斌.煤炭资源就地转化与“资源诅咒”的规避：以中国中西部8个典型省区为例[J].资源科学,2015,37(2):318-324

ZHOU X J,GUO P B.On-spot Transformation of Coal Resources and Avoidance of the Resource Curse[J].Resources Science,2015,37(2):318-324

[8] BALTAGI B H,SONG S H,KOH W.Testing Panel Data Regression Models with Spatial Error Correlation[J].Journal of Econometrics,2003,117(1):123-150

[9] KAPOOR M,KELEJIAN H H,PRUCHA I R.Panel Data Models with Spatially Correlated Error Components[J].General Information,2004,140(1):97-130

[10]邵帅,齐中英.西部地区的能源开发与经济增长——基于“资源诅咒”假说的实证分析[J].经济研究, 2008(4):147-160

SHAO SH,QI ZH Y. Energy Development and Economic Growth in Western China:an Empirical Analysis Based on the Resource Curse Hypothesis[J].Economic Research,2008(4):147-160

责任编辑：李翠薇

Analysis of the Impact of Financial Expenditure Structure on Economic Growth of Resource-based Provinces

XIAO Zhi-hong, LONG Rong

(School of Mathematics and Statistics, Chongqing University of Technology, Chongqing 400054, China)

Abstract：Based on 2007—2013 panel data of China’s 18 resource-based provinces, by using SEM Model and general panel data model, this paper analyzes the impact of financial expenditure of each structure on economic growth of the resource-based provinces. The results show that with regard to the provinces with negative effect of resources dependence on their economic growth, general public service has significantly boosting effect on their economic growth, however, the expenditure on agriculture, forestry, social security, environment protection, science and education is adverse to their economic growth. As for other provinces, the influence of financial expenditure of each structure on economic growth is different. Therefore, governments should use rational financial expenditure according to the development situation of each resource-based province.

Key words：SEM Model; panel data; financial expenditure; resource-based province

中图分类号：F202

文献标志码：A

文章编号：1672-058X(2016)02-0068-06

作者简介：肖枝洪(1965-)，男，湖北汉川人，教授，博士，从事数据分析、应用统计研究.**通讯作者：隆蓉(1991-)，女，重庆丰都人，硕士研究生，从事数据分析、应用统计研究.E-mail:lrong199@2014.cqut.edu.cn.

*基金项目：国家统计局重点项目(2014LZ25).

收稿日期：2015-10-29；修回日期：2015-12-03.

doi:10.16055/j.issn.1672-058X.2016.0002.014