供给侧改革下促进就业的财政支出结构分析

2017-03-20房静涛

淮阴师范学院学报（哲学社会科学版） 2017年2期

关键词：财政支出协整供给

房静涛

(淮阴师范学院经济与管理学院，江苏淮安 223300)

供给侧改革下促进就业的财政支出结构分析

房静涛

(淮阴师范学院经济与管理学院，江苏淮安 223300)

通过对1978—2014年就业人口与财政支出中社会保障支出、教育支出、科技支出和行政管理费支出等有关统计数据进行基于VAR模型的实证分析，得出结论：社会保障支出、教育支出、行政管理费支出对就业有正向影响，科技支出对就业有反向影响。在供给侧结构性改革背景下，决策者在财政支出中应提高教育支出、社会保障支出比例，减少行政管理费支出，并提高科技支出的使用效率,以促进就业,着力加强供给侧结构性改革，提高供给体系质量和效率，为可持续经济发展提供增长动力。

供给侧改革；财政支出；就业；VAR

2015年以来，在经历30多年的快速增长之后，我国经济发展的基本模式、产业业态发生了巨大改变，现阶段我国正处于产业结构由制造业向服务业转移的关键时期[1]。随着人口红利衰减、“中等收入陷阱”风险累积、国际经济格局深刻调整等一系列内因与外因的作用，我国经济进入了一个新阶段，主要经济指标之间的联动性出现背离，经济增长持续下行与CPI持续低位运行。2007至2014年，我国失业人员分别为1 655、1 763、1 817、2 283、2 159、2 190、2 323、2 437(单位：万人)，总体呈逐年上升趋势。为应对经济下行压力，我国的宏观经济政策进行了一些调整。从2008年开始，我国实行适度宽松的货币政策。但在“新常态”下，需求刺激效果甚微，宏观调控层面货币政策持续加大力度但效果不彰，M2/GDP从1996年的1.06增长至2015年的2.06。旧经济疲态显露而以“互联网+”为依托的新经济生机勃勃。需求不足仅是表象，供需错配才是实质，因而需要从供给端着手改革。

一、文献综述

胡鞍钢、周绍杰、任皓、冯志峰等认为供给侧结构性改革是中央经济工作会议所提出的适应和引领经济发展新常态的重大创新和必要举措[2,3]，我国宏观经济政策的发力点尝试从需求侧转向供给侧[4]。王佳宁等认为改革开放以来供给侧改革与需求侧改革政策演进可划分为三个阶段。第三阶段为2012年至今，供给侧改革再次得到重视，并逐渐形成新供给改革政策[5]。Victor A. Canto、 Douglas H. Joines、Arthur B. Lafer等认为生产者的激励是可以随时变化的，而且是可以由政府通过财政、货币、制度变迁等方式在短期内改变的，因此供给管理在短期宏观调控中是可以使用的[6]。在正视传统的需求管理还有一定优化提升空间的同时，我国迫切需要改善供给侧环境，优化供给侧机制，通过改革制度供给，大力激发微观经济主体活力，增强经济长期稳定发展的新动力。供给侧改革绝不是简单地将宏观调控从需求端转向供给端。从公共行政的角度来看，供给侧改革的实质就是政府与市场关系的再调整[7]。对于供给侧改革来讲，财政政策上有很大的力度，所以这个时候尤其要考虑供给侧结构的调整。在财政政策实施过程中，我国改变自2003年开始实行的稳健的财政政策，从2008年末开始，重回积极的财政政策，2015年中央经济工作会议更是提出加大积极财政政策力度，适度扩大赤字率。财政政策的变化使得我国供给结构发生了变化。Kurt Dopfer 、Jason Potts认为供给结构的演变，包括要素结构和产出结构的演变，而要素结构的演变包括就业结构和资本结构的演变[8]。就业是民生之本，就业问题关系社会稳定、国家政权的巩固，是各国宏观调控核心目标之一。供给侧改革背景下财政政策的改变，对我国就业的影响将是本文研究的重点。本文主要采用基于VAR的分析方法来分析财政支出结构的就业效应。

二、财政支出结构就业效应的实证分析

(一)VAR模型。

本文使用VAR模型进行实证分析。VAR模型是非结构性的方程组模型，可以对经济系统进行动态分析。设Yt=(y1ty2t…yNt)T是N×1阶时序应变量列向量，则VAR(P)模型的表达式为：

其中：Ut～IID(0，Ω)；∏i(i=1,2,…,p)是第i个待估参数的N×N阶矩阵；Ut=(u1tu2t…uNt)T是N×1阶随机误差列向量；Ω是N×N阶方差协方差矩阵；p为模型最大滞后阶数。

(二)VAR模型中变量的选取。

我国政府支出按功能分类包括：一般公共服务支出、外交支出、国防支出、公共安全支出、教育支出、科学技术支出、文化体育与传媒支出、医疗卫生与计划生育支出、社会保障和就业支出等23大类。在具体的财政支出结构项目选取上，本文主要考虑以下因素：一是按经济学理论，社会保障方面支出是政府应对经济波动和扩大就业的常用财政政策工具；二是教育支出、科技支出对就业有间接影响；三是行政管理支出能反映政府资金使用效率，可能间接影响就业。综合以上三个因素，本文在分析财政支出结构的就业效应时，选取了社会保障支出、教育支出、科技支出、行政管理支出四个财政支出主要项目作为重点分析指标。

由于2007年政府收支分类进行了改革，因此有必要对各变量特别是财政支出变量的含义及相关指标的选择进行说明。

就业总量(LNEP):用就业人员总数对数表示。

社会保障支出(LNSSE)：2007年之前，社会保障和就业支出包括“抚恤和社会福利救济费、行政事业单位离退休经费、社会保障补助支出”。2007年财政支出分类划分标准改革将上述三项保障性支出统一以“社会保障和就业”一个科目来表示。因此从2007年起，社会保障和就业支出为预算表中“社会保障和就业”支出数据。

教育支出(LNSEE)：2007年之前，教育支出包括“教育基建支出、教育企业挖潜改造、教育科技三项费用、高等教育经费、教育行政管理费”。2007年之后，教育支出为预算表中“教育”支出数据。

科技支出(LNSTE):2007年之前的科技支出包括“科技三项费用、科学支出、科研基建费、其他科研事业费”。从2007年起，科技支出指用于科学技术方面的支出，包括科学技术管理事务、基础研究、应用研究、技术研究与开发、科技服务、社会科学、科学技术普及、科技交流与合作等。2007年后的数据来源于科技部网站公布的年科技统计公报中调整后的数据。

行政管理支出(LNAE)：我国政府并未公布过行政成本数据，但一般认为，2007年之前我国行政管理费为财政支出中的“行政管理费”。2007年之后行政管理支出包括“一般公共服务、外交、公共安全”。

本文实证数据样本选取1978—2014年的年度数据，所有数据均来自历年《中国统计年鉴》。为了消除通货膨胀的影响，对除就业量外的其他四个名义变量值进行价格调整，采用居民消费价格指数(CPI)将各名义值调整为1978年可比价格下的实际值。为了尽可能消除数据异方差性及量纲不同的影响，对涉及的所有变量进行对数化处理。

(三)平稳性检验。

由于所选数据均为时间序列数据，可能是非平稳数据。对非平稳数据进行回归，回归估计量不满足“一致性”，可能会引起谬误回归，进一步检验这种回归得出的结果是不足信的。为了避免谬误回归的产生，本文采用ADF检验方法，对数据进行单位根检验。检验方程形式的选择和检验结果如表1所示。

从表1中各个变量的单位根检验结果可以看出，在5%显著水平下，各变量均接受存在单位根的原假设，是非平稳序列；各变量的一阶差分均拒绝接受存在单位根的原假设，即各变量经过一阶差分后都是平稳序列，都是一阶单整I(1)，可能存在协整关系。

表1 数据的ADF单位根检验

注：△表示一阶差分。检验类型中，c取c表示含有截距项，c取0表示不含截距项；t取t表示含有时间趋势，t取0表示不含时间趋势；n表示滞后期数，滞后阶数按AIC最小准则确定。

(四)协整检验。

根据平稳性检验，变量间可能存在协整关系，因此要进行协整检验。对协整关系的检验有很多方法，通常有EG两步法、Johansen极大似然法等。N>2时，本文采用Johansen协整检验方法。检验结果如表2所示。

表2 Johansen协整检验

从表2可以看出，在5%的显著性水平下，LNEP和LNSSE、LNSEE、LNSTE、LNAE之间存在3个协整关系。一般而言，当约翰森协整检验结果有多个协整向量时，取第一个协整向量为所研究经济系统的协整向量。对该协整向量关于LNEP进行正规化后，得标准化的协整向量如表3。

表3 标准化后的LNEP、LNSSE、LNSEE、LNSTE、LNAE的协整向量

由表3可以得到协整方程：

LNEP=10.7380+0.0525LNSSE+0.5169LNSEE-0.7300LNSTE+0.0935LNAE(2)

式(2)的长期协整关系表明：我国财政支出结构的主要项目中财政社会保障支出、财政教育支出、行政管理费对长期就业总量有正向影响，其中教育支出影响的力度较大。财政科技支出对长期就业总量有负向影响。

(五)VAR模型的估计。

VAR模型中每个方程的右边没有非滞后的内生变量，且每个方程右边的变量又都是相同的，因此使用OLS估计方法可以得到VAR参数的一致且有效的估计量。对于滞后阶数P的选取，一般根据AIC信息准则和SC信息准则取值最小的原则来确定模型的滞后阶数。根据赤池信息准则(AIC)和施瓦茨(SC)准则选择p值，计算结果列于表4。

表4 AIC与SC随P的变化

从表4可以看出，在P=1时，SC最小值为-11.263 94；在P=3时，AIC最小值为-12.962 36。AIC和SC最小值对应的p值不同，故用似然比LR确定P值。检验的零假设是模型滞后阶数为1，即P=1，似然比检验统计量LR为118.164 2。在零假设下，该统计量服从渐进的x2(f)分布，其自由度f为从VAR(3)到VAR(1)对模型参数施加的零约束个数。利用Genr命令可算得用于检验原假设是否成立的伴随概率P为0.001 092，P值远小于0.05，应拒绝原假设，建立VAR(3)模型。VAR(3)模型的矩阵形式为：

在确定变量间的协整关系之后，有两种方法可验证协整关系的正确性，一是单位根检验，二是AR根的图表验证。本文采用AR根的图表验证法检验VAR模型估计的参数的稳定性，即检验模型所有根的模，若所有根的模的倒数都小于1，则模型的估计是稳定的，由此得到的脉冲响应函数和方程分解的结果是稳定可靠的。检验结果表明，VAR(3)模型所有根的模的倒数全部在单位圆内，模型满足稳定性条件。

图1VAR(3)模型稳定性检验结果

(六)脉冲相应函数。

对VAR模型而言，单个参数估计值的经济解释是困难的，其最重要的应用是脉冲响应分析和方差分解。脉冲响应函数描述的是一个内生变量对残差冲击的反应(响应)，即在随机误差项上施加一个标准差大小的冲击(来自系统内部或外部)后对内生变量的当期值和未来值所产生的影响(动态影响)。图2是基于模型VAR(3)的脉冲响应函数曲线，横轴代表滞后阶数，纵轴代表内生变量对冲击的响应程度。

从图2可以看出，行政管理费支出短期对就业产生正向冲击，而教育支出、社会保障支出、科技支出短期内对就业产生负向冲击。滞后期为4期，稳定期为7期。

图2 EP分别对SSE、SEE、STE、AE的响应

(七)方差分解。

对VAR模型而言，单个参数估计值的经济解释是困难的，其最重要的应用是方差分解。Sins运用方差分解法，通过求解扰动项对VAR模型预测均方误差的贡献度，可得各类因素就业总量(EP)增长的冲击作用，方差分解表见表5。

表5 方差分解表

由表5可以看出，就业总量(EP)增长的变化受自身的扰动项的冲击影响呈逐步递减的趋势，而其他所有的经济变量的扰动项对EP的增长的作用呈递增的趋势，和变量的变动在第七期趋于稳定，这与脉冲响应函数动态响应的程度和路径的解释是基本一致的。社会就业冲击几乎解释了其变动的44%，而社会保障支出(SSE)、教育支出(SEE)、科技支出(STE)和行政管理支出(AE)则解释了其变动的20%、13%、19%和3%。

三、结论与建议

通过以上对1978—2014年就业总量与财政保障支出、财政教育支出、财政科技支出和行政管理费支出的有关统计数据进行基于VAR模型的实证分析，并据协整方程可以得出如下结论：财政支出结构相关变量按促进就业作用大小排序依次为财政教育支出、财政行政管理支出、财政社会保障支出、财政科技支出。

教育支出对就业总量正向影响较大。但在我国，教育支出占GDP的比重远远低于其他国家的水平。2015年，我国教育支出占GDP比重仅为3.72%，低于2010年《国家中长期教育改革和发展规划纲要(2010—2020年)》提出的4%目标。龚刚认为中国供给侧改革的目标是发展知识密集型经济，重中之重是为自主研发和创新提供足够的激励，因而必将体现为一系列的体制改革，包括教育体制、科研体制和企业制度的改革等[9]。因此在供给侧改革背景下，应加大教育支出。

从理论上讲，财政科技支出水平反映了一国政府对科技活动重视程度，增加财政科技支出，能够从根本上为科技发展提供物质保障，对促进就业有正向影响。但在本文实证分析中，财政科技支出的就业效应为负，这和普遍的认知不同。之所以出现这种情况，可能是科技支出的使用效率不高。RGarud等认为技术演化是推动供给结构演变的重要驱动力，也是供给侧演变的内在动力和重要组成部分[10]。因此，不能认为现在的技术支出太多。财政科技支出政策应针对就业进行规划，利用财政科技支出促进新兴产业和高新技术产业的发展。

2008年颁布的《中华人民共和国就业促进法》第十五条规定：“国家实行有利于促进就业的财政政策，加大资金投入，改善就业环境，扩大就业。县级以上人民政府应当根据就业状况和就业工作目标，在财政预算中安排就业专项资金用于促进就业工作。”规定实施后公共就业服务经费纳入同级财政预算并免费提供基本就业服务实施，社会保障支出对就业促进效果显著。但由于我国各地经济发展水平和财政收入差距过大，因此必须加强中央政府对公共就业服务的财政支持，加大转移支付力度，建立稳定的就业服务资金来源，实现职业介绍、就业培训、失业保险三者的有机联系，降低工作搜寻成本，提高就业匹配效率，促进就业。

根据经济学理念，超高的行政管理支出应对就业产生负向影响。但在本文实证分析中，行政管理支出对就业有较弱的正向影响。这并不表明应该加大行政管理费支出。

我国是世界上行政成本很高的国家之一。我国的行政管理费占财政支出的比重已将近20%，而代表世界主要发达国家的经合组织(OECD)成员基本都在15%以下。但在本文实证分析中，行政管理支出对就业有较弱的正向影响。行政管理费支出的增加会挤占民生支出份额，一些民生领域的消费需求会被人为压制，这会压低消费率，最终驱使经济走上外需推动型的增长道路[11]。因此，应控制行政成本占GDP的过高比例，将行政成本占财政支出的比例上限以法律的形式确定下来，打造创新驱动引擎，在调结构中发挥市场的决定性作用，构筑全面对外开放新格局，向生态环境改善中求增长以及实现包容性增长[12]。

[1] 伍戈，王梅.调结构条件下潜在经济增速取向:透视日本与韩国[J].改革，2014(3):31-39.

[2] 胡鞍钢，周绍杰，任皓.供给侧结构性改革——适应和引领中国经济新常态[J].清华大学学报，2016(2):17-22.

[3] 冯志峰.供给侧结构性改革的理论逻辑与实践路径[J].经济问题，2016(2):12-17.

[4] 黄凯南.供给侧和需求侧的共同演化:基于演化增长的视角[J].南方经济，2015(12):1-9.

[5] 王佳宁，盛朝迅.重点领域改革节点研判:供给侧与需求侧[J].改革，2016(1):35-51.

[6] Victor A.Canto，Douglas H.Joines，Arthur B.Lafer.Foundations of Supply-Side Economics:Theory and Evidence[M].New York:Academic Press，1983.

[7] 姜士伟.供给侧改革行动逻辑的行政学解读.求实[J]，2016(6):66-71.

[8] Kurt Dopfer，Jason Potts.New York:The General Theory of Economic Evolution[J].Routledge，2007.

[9] 龚刚.论新常态下的供给侧改革[J].南开学报(哲学社会科学版)，2016(2):13-20.

[10] R Garud，A Kumaraswamy，Path Dependence or Path Creation[J].Journal of Management Studies，2010(4):760-774.

[11] 徐朝阳.供给抑制政策下的中国经济[J].经济研究，2014(7):81-93.

[12] 李扬，张晓晶“新常态”:经济发展的逻辑与前景[J].经济研究，2015(5):4-19.