基于空间计量模型的江苏省财政支出农村减贫效应实证分析

杨浩 朱冬元 纪磊

摘要：政府的财政支出是减缓农村贫困问题的重要渠道，基于江苏省2012—2018年各地级市的面板数据，借助空间计量模型进行了实证分析。研究结果表明，从全省层面来看，财政教育支出、社保支出和农林水支出具有积极的减贫效应，其中教育支出减贫效应最佳，且具有显著的空间溢出作用，而医疗支出则不利于农村减贫。在苏北、苏中和苏南三大区域，各项财政支出的减贫效应具有明显的差异性，苏北地区社保支出减贫效应最大，苏中地区农林水支出减贫效应最大，而在苏南地区，则与省级面板较为一致，教育支出有着最大的减贫效应。基于实证结论最后得出了一些政策启示：（1）各地政府应该因地制宜，适当加大有利于农村减贫的相关财政支出;（2）各地政府应当提高财政资金的使用效率，增大减贫效应的发挥;（3）各区域之间应做好协调和互助工作，解决好区域性贫困问题。

关键词：财政支出;农村减贫;空间计量模型;空间相关性;减贫效应

中图分类号： F812.7文献标志码： A

文章编号：1002-1302（2020）18-0013-06

收稿日期：2020-06-11

基金项目：湖北省区域创新能力监测与分析软科学研究基地开放基金（编号：HBQY2019z07）。

作者简介：杨 浩（1971—），男，湖南常德人，博士，高级经济师，主要从事经济管理工作，E-mail：yanghao1971@Sohu.com;共同第一作者：朱冬元（1963—），男，湖北武汉人，教授，主要从事产业经济学和资产评估的教学、研究工作，E-mail：eastzhudy@126.com。

通信作者：纪 磊，硕士研究生，主要从事产业经济学的相关研究。E-mail：2485092055@qq.com。

改革开放40年以来，我国的减贫成就举世瞩目，7亿多农村贫困人口摆脱贫困，贫困发生率从改革开放初期的97.5%下降至2018年年底的17%，为世界减贫事业作出了重大的贡献。回顾我国扶贫的历程，政府的政策支持和财政投入功不可没，我国的财政专项扶贫资金从1980年到2018年累计投入超过6 000亿元，因此财政支出已然是扶贫工作中最常见的方式之一。自2013年习近平总书记到湘西考察时作出“精准扶贫”的重要指示以来，我国的扶贫事业进入了新阶段，2015年，中共中央、国务院出台《中共中央国务院关于打赢脱贫攻坚战的决定》，将精准扶贫作为国家农村扶贫的基本方略，并提出到2020年确保中国现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，江苏省紧随其后制定了“十三五”期间脱贫致富奔小康工程，要求到脱贫攻坚的收官之年，即2020年时，全省农村低收入人口的人均年收入要达到6 000元的标准，且“两不愁三保障”要得到全面实现，由于江苏省制定的脱贫标准远高于我国现行脱贫标准，因此，要顺利完成脱贫攻坚任务，江苏省的脱贫工作仍然面临着巨大压力和挑战。笔者以江苏省作为研究对象，探究江苏省财政支出的农村减贫效应及其空间溢出作用，有助于更好地发挥财政支出的减贫作用，为脱贫攻坚事业作出有益贡献。

1 研究现状

长期以来，贫困问题一直是经济学界研究的重点领域，学者们围绕着减贫问题进行了大量研究，综合国内外学术界对于财政支出减贫效应的研究成果，财政支出对于减贫的有益作用已经达成共识，然而哪些方面的财政支出有利于减贫，减贫的效果如何却存在很大的争议。Dollar等研究认为，财政教育支出和医疗支出有助于农村生产效率的提高，从而促进农村减贫[1]。卢盛峰等通过微观调查样本数据，也证实了医疗支出有助于减贫的观点[2]。林伯强认为，对农村教育、农业研发和基础设施建设方面的公共投资能够促进农村经济增长，减缓地区不平等和贫困程度[3]。Ghatak认为，财政教育支出在任何情形下都有利于贫困减少[4]。但也有学者得出了不同的结论，Asadullah等研究了孟加拉国财政支出的减贫效应后发现，教育方面的财政支出并没有显著的减贫效应[5]。李永友等研究发现，除了财政社保支出有一定的减贫作用外，财政教育支出和医疗支出对贫困减缓的作用并不显著[6]。王娟等研究我国省级面板数据后也得出相似的结论，认为教科文卫支出的减贫作用并不显著，但农业支出、社会救济支出和基本建设支出存在显著的减贫效应[7]。也有学者认为，财政支出减贫效果的发挥需要满足一定的环境条件，仅仅依靠财政补贴而不改善农村基础设施建设，无法长期促进农村减贫[8]，另外，财政政策的减贫作用可能存在门槛效应[9]，如果财政支出达不到门槛值，就很难产生显著的减贫效果，这或许在一定程度上解释了不同财政支出的减贫效应存在差异性的原因。

由于财政支出在不同区域间可能存在着分配差异，贫困问题在空间上也具有空间依赖性[10]，因此研究财政支出的减贫效应时需要考虑区域间存在的空间溢出性，在这类问题上，仅有少数学者进行了探讨。邹文杰采用动态空间面板模型分析了我国省级医疗卫生服务的财政支出，发现其产生的减贫效应显著，且存在空间外溢性[11]。Jung等研究了美国政府专用资金的减贫效应，认为教育的专用资金投入可以同时减少本区域和相邻区域的贫困，但财政健康医疗资金的投入仅能减少本区域的贫困[12]。李盛基等认为，财政教育支出不仅有较强的直接减贫作用，还存在较强的空间外溢性[13]。龚维进等以我国273个地级市为研究样本发现，医疗支出的减贫效应具有显著的溢出作用，而教育支出、社保支出和农林水支出对周边地区的减贫效应影响不大[14]。

本研究基于以上认识，在脱贫攻坚的国家战略背景下，从江苏省实际情况出发，采用空间计量模型分析江苏省财政支出的減贫效应及其空间溢出作用，以期为江苏省减贫事业的推进提供理论依据和决策支持。

2 模型设定及数据来源

2.1 空间模型设定

由于区域之间普遍存在着要素流动的空间联系，不同地区的经济社会指标会相互影响，因此需要构建空间计量模型来分析财政支出对于农村减贫效应的影响。为此本研究构建了如下基本空间计量模型：

POVit=α0+α1Fisit+α2Macroit+μi+γt+εit。

（1）

式中：Povit表示江苏省农村贫困情况;Fisit表示财政支出的各项核心变量;Macroit表示各宏观控制变量;μi为不随时间变化的个体固定效应;γt为时间固定效应;εit表示随机误差项;α0为截距项;α1、α2为变量系数。对于地区的减贫效应而言，不仅会受到本地区各因素的影响，还会受到其他地区滞后期的影响，因此在公式（1）的基础上加入空间变量和滞后期，从而构建如下动态空间面板模型：

Povit=ρ∑wijFisit+βlnxTit+δ∑wijxTit+λ∑wijvi+μi+γt+εit。（2）

式中：ρ表示空间回归系数;wij为空间权重矩阵;lnxTit表示各解释变量;δ∑wijxTit表示j地区的i影响因素在t时期的空间滞后项，δ为空间滞后项系数，其他符号的意义与公式（1）相同;β、λ分别为lnxTit、∑witvi的系数。对于空间权重矩阵的选择，本研究采用同时考虑地区地理距离和经济差距的空间嵌套矩阵作为空间权重矩阵，空间嵌套矩阵的计算见表1，该矩阵由地理权重矩阵和经济权重矩阵相乘得到，使用嵌套矩阵进行运算可以在体现区域空间距离的同时考虑经济的相互依赖关系，能够较好地反映实际情况。

2.2 指标体系构建与数据来源

2.2.1 农村贫困变量 对于我国目前的贫困现状，贫困主要体现在收入贫困和消费贫困上，因此本研究选取农村恩格尔系数作为衡量各地级市农村贫困状况（POV）的指标。

2.2.2 财政支出变量 由于并非所有的财政支出都是益贫性的，应尽量选取对于贫困减缓有明显倾向性的指标来进行分析，因此本研究的财政支出变量用教育支出指标（EDU）、医疗支出指标（MED）、社保支出指标（SOC）以及农林水支出指标（AGR）来表示，分别通过各项支出占地级市总财政支出的比重计算得出。

2.2.3 控制变量 本研究对影响农村减贫效应的其他变量进行控制，以提高模型估计结果的稳定性，其中包括人均GDP（RGDP），即江苏省各地级市的人均生产总值，数值以2011年不变价作为基准计算得到;城镇化水平（UI），利用江苏省各地级市的城镇人口占总人口的比重来表示;产业结构（IS），选取江苏省各地级市的第三产业增加值占GDP的比重来表示。

考虑到政策变迁和数据可得性等因素，本研究从《江苏省统计年鉴》《中国城市统计年鉴》中选取2012—2018年江苏省13个地级市的面板数据，并对各变量进行了1%的极端值缩尾处理，最后归纳整理得到统计情况（表2）。

3 实证分析

3.1 农村贫困的空间相关性

为了验证江苏省地级市农村贫困程度的空间相关性，本研究基于空间嵌套矩阵对农村恩格尔系数进行Morans I指数（莫兰指数）检验，具体计算公式如下：

Morans I=M∑ijwij·∑ijWij（xi-x）（xj-x）∑i（xi-x）2。（3）

式中：M为地级市的数量;xi和x分别表示某地级市的样本观测值和总体样本观测均值，i=1，2，…，M;xj为第j个地区的样本观测值;Wij为i区域与j区域的空间权重赋值，莫兰指数的取值介于-1～1之间，当其值小于0或大于0时，表示地区变量间存在着空间负相关性或空间正相关性，即离散效应或集聚效应，而当莫兰指数值等于0时，则表示不存在空间相关性，莫兰指数的绝对值越大，表示空间相关性越强，计算结果见表3。

从表3可以看出，在2012—2018年样本期间，江苏省农村恩格尔系数的Morans I检验均在10%显著水平内显著为正，因此，在研究江苏省农村贫困问题时应充分重视可能存在的空间相关性。莫兰指数值在2012—2016年增大，至2016年达到峰值，弹性系数值为0.311，随后在2016—2018年逐渐降低，呈现出先增大后减小的倒“U”型趋势，表示江苏省农村贫困状况在2012—2016年呈现增强的空间集聚效应，随后在2016—2018年空间集聚性减弱。原因可能在于随着2016年“十三五”规划的出台，脱贫攻坚进入最后的冲刺阶段，政府出台了一系列有利于农村贫困户的政策，各区域之间联动互助，使得贫困问题的集聚性有所减弱。

3.2 实证结果

首先对所有数据进行单位根和协整检验，以防止“伪回归”现象的出现，结果均通过了检验，说明面板数据有较好的平稳性。其次，对面板数据进行Hausman检验，结果显示，P值在5%的显著水平上拒绝了采用随机效应的原假设，说明选用固定效应优于随机效应。此外，对面板数据进行LR检验和wald检验，结果显示，空间滞后变量的LR检验和wald检验均在10%显著水平上拒绝了空间自回归模型（SAR）作为最优模型，空间自回归误差项的LR检验和wald检验均在5%显著水平上拒绝了空间误差模型（SEM）作为最优模型，因此，空间杜宾模型（SDM）可作为最优模型估计方法。最后，分别对各模型的时间固定效应、空间固定效应和时间空间双固定效应进行控制，通过参数检验来选择最优的模型[15]，运算结果见表4，其中模型（1）为没有使用时间或空间固定效应的回归结果，模型（2）～模型（4）分别使用时间固定效应、空间固定效应和时间空间双固定效应进行回归分析，以便于比较和检验结果的稳定性。

从表4可以看出，模型（2）的拟合优度R2为0899 8，略高于其他3个模型，且其对数似然值最大，因此，时间固定的空间杜宾模型为最优模型。对模型（2）的结果进行分析发现，江苏省财政支出的4个核心指标中，教育支出、社保支出和农林水支出均对农村贫困减缓有积极作用，其中教育支出和社保支出通过了显著性检验，且教育支出的减贫效应最大，弹性系数值达到了 -0.129，相比之下，医疗支出不仅不利于减贫，还对贫困程度有显著的负面影响。究其原因，财政教育支出之所以能够减贫，在于教育程度的提高，一方面可以直接提高劳动力的技能水平和就业率，另一方面可以减缓贫困的脆弱性[16]。社保支出则直接针对的是低收入群体，可以通过转移支付直接提高贫困个体的劳动收入，从而减少贫困人口。农林水支出也能够减贫，与林伯强等的研究结果[3，7]較为一致，虽然没有通过显著性检验，且弹性系数小于教育支出和社保支出，但仍然不容忽视，随着我国乡村振兴战略的深入推进，加大农林水支出依然是农村减贫的重要措施。医疗支出不利于农村减贫，与李永友等的研究结果[6]有一致性，原因可能在于，首先江苏省医疗支出存在不合理的结构性配置，医疗卫生支出没有满足一定的门限值（如形成大病、重病的医疗条件）;其次，地方政府加大医疗支出的方式对于缓解相对贫困比解决绝对贫困效果可能更明显。

观察控制变量的减贫效应，人均GDP弹性系数显著为负，说明地区经济发达程度可以减缓农村贫困，地区经济越发达，对于人才和资本等要素资源越有集聚效应和吸虹效应，从而辐射农村地区的发展。相比之下，城镇化水平的提升不利于农村减贫，主要是因为江苏省的城镇化率已经达到了较高的水平，随着城镇化的进一步推进，农村人口继续向城镇转移，农村剩下的劳动力将不能满足自身发展的需要，这在一定程度上反映了城镇化减贫的倒“U”形发展趋势[17]。产业结构的提升也能够显著减贫，产业结构作为经济社会活动的重要纽带，加快产业结构调整、增加服务业占比能够促进社会资源的充分利用，从而带动农村减贫。

3.3 直接效应与间接效应

考虑到资源的地域流动和交互影响等因素，一个地区自变量的变化不仅会影响本地区的因变量，还有可能影响其他地区的因变量，Elhorst将前者定义为直接效应（direct effect），后者定义为间接效应（indirect effect）[18]，也叫做空间溢出效应，而总效应则通过直接效应和间接效应的均值来进行测度。为探究江苏省财政支出减贫效应的空间影响特性，本研究对财政支出的四大核心变量的空间效应进行分解，得出其直接效应、间接效应和总效应，从表5可以看出，教育支出的直接效应、间接效益的弹性系数分别为-0.113 6和-0.126 2，均通过了10%水平显著性检验，说明政府持续的教育资金投入能够有效减缓本地区农村贫困，且对周边地区的农村减贫有明显的空间溢出作用。医疗支出的直接效应和间接效应则呈现出差异性，不利于本地农村减贫，而利于其他地区农村减贫。社保支出和农林水支出只对本地区农村减贫有积极作用，而没有表现出积极的空间外溢。这意味着，只有教育支出和医疗支出的减贫效应存在着空间溢出作用，而社保支出和农林水支出则只对本地区农村减贫有积极作用。

3.4 分区域检验

为进一步考察上述解释变量的减贫效应在江苏省不同区域是否一致，即检验其是否存在空间差异性，本研究根据《江苏统计年鉴》对于江苏省进行了苏北、苏中、苏南3个地区的划分。在检验模型的选择上，根据“3.2”节中的结果选择时间固定的空间杜宾模型作为合适的估计方法，表6中分别列出了苏北、苏中和苏南的空间杜宾模型回归结果。

从表6可以看出，江苏省不同地区的教育支出、医疗支出、社保支出和农林水支出的减贫效应并不完全一致。教育支出在苏南地区产生了显著的减贫效应，弹性系数值达到了-0.431，即教育支出每提升一个单位，贫困减缓0.431个单位，而在苏北地区、苏中地区却不利于减贫。医疗支出弹性系数在苏北、苏南地区显著为正，这与“3.2”节中江苏省的整体样本回归结果一致，而在苏中地区显著有利于减贫。社保支出则在江苏省不同区域之间保持了一致的减贫性，在苏北地区减贫效果最佳，弹性系数为-0.249 7，在苏中地区的减贫效应大于苏南地区。农林水支出在三大区域也都表现出积极的减贫效应，其中苏中地区的减贫效应通过了显著性检验，弹性系数达到-0.418 3，在苏北、苏南地区则不显著。对于控制变量，人均GDP和产业结构都表现积极且显著的减贫效应，其中人均GDP变量在苏中地区表现最佳，而产业结构变量在苏南地区表现最佳。对于城镇化变量，则分化严重，在苏北地区城镇化有显著的减贫作用，而在苏中、苏南地区则不利于减贫，呈现出区域越發达，城镇化越不利于减贫的态势，这与“3.2”节中分析的倒“U”型发展趋势相吻合。

分析结果表明，江苏省财政支出的减贫效应在不同区域存在差异性，且不同财政支出的减贫效应与区域经济社会发展程度有所关联，说明各地区政府应结合自身发展的特点，在有显著减贫效应的财政支出上加大投放力度，完善财政政策和配套措施的制定，找出部分财政支出减贫效应不显著的原因，优化财政支出的配套体系并严格落实到位，从而解决农村贫困问题。

4 结论与启示

随着脱贫攻坚的深入推进，优化财政支出结构，有效利用有限的财政资金促进农村减贫是各地政府面临的重要问题。本研究采用空间计量方法，构建财政支出的空间减贫效应模型，以江苏省2012—2018年各地级市的面板数据作为研究样本，对四大财政支出的减贫效应作了总体和分区域分析。研究结果表明，从全省层面来看，教育支出有着最为显著的减贫效应，且对周边地区减贫有着空间溢出作用，其次是社保支出，对本地区有显著的减贫效应但对周边地区影响不大，农林水支出也能在一定程度上推动减贫，但并不显著，也没有显著的溢出效应，相比之下，医疗支出的结果不符合预期，对本地区有着负面的减贫效应，但对周边地区的减贫有显著的溢出效应。从江苏省三大区域层面来看，各财政支出的减贫效应存在明显的差异性，苏北地区只有社保支出和农林水支出存在正向的减贫效应，且社保支出减贫效应优于农林水支出，苏中地区农林水支出的减贫效应最佳，社保支出次之，最后是医疗支出，而苏南地区的结果与省级层面结果相似，教育支出减贫效应最大，其次是社保支出和农林水支出，医疗支出则没有减贫效应。

基于以上分析得到了以下政策启示：（1）为了更加充分发挥江苏省财政支出在农村脱贫攻坚过程中的减贫效果，江苏省各地政府应该因地制宜，结合自身发展的现状，适当加大有利于农村减贫的相关财政支出;（2）各地政府应当完善财政支出资金投放的重点标的和提高资金使用效率，设立更加具有针对性的精准扶贫专项投入，并通过完善脱贫攻坚的绩效考核来强化资金的使用质量，以确保取得积极的效益，增大减贫效应的发挥;（3）各区域之间应做好协调和互助工作，积极推动财政支出空间溢出作用的发挥，解决区域发展不平衡问题，真正推动全省农村贫困问题的解决。

参考文献：

[1]Dollar D，Kraay A. Growth is good for the poor[J]. Journal of Economic Growth，2002，7（3）：195-225.

[2]卢盛峰，卢洪友. 政府救助能够帮助低收入群体走出贫困吗？——基于1989—2009年CHNS数据的实证研究[J]. 财经研究，2013，39（1）：4-16.

[3]林伯强. 中国的政府公共支出与减贫政策[J]. 经济研究，2005，40（1）：27-37.

[4]Ghatak M. Theories of poverty traps and anti-poverty policies[J]. The World Bank Economic Review，2015，29（s1）：77-105.

[5]Asadullah M N，Savoia A，Mahmud W. Paths to development：is there a Bangladesh surprise？[J]. World Development，2014，62：138-154.

[6]李永友，沈坤荣. 财政支出结构、相对贫困与经济增长[J]. 管理世界，2007（11）：14-26.

[7]王 娟，张克中. 公共支出结构与农村减贫——基于省级面板数据的证据[J]. 中国农村经济，2012（1）：31-42.

[8]Nicole M M，Jayne T S，Mofya-Mukuka R. Zambias input subsidy programs[J]. Agricultural Economics，2013，44（6）：613-628.

[9]Cabrera M，Lustig N，Hilcías E M. Fiscal policy，inequality，and the ethnic divide in Guatemala[J]. World Development，2015，76（12）：263-279.

[10]Ravallion M. Why dont we see poverty convergence？[J]. American Economic Review，2012，102（1）：504-523.

[11]邹文杰. 医疗卫生服务均等化的减贫效应及门槛特征——基于空间异质性的分析[J]. 经济学家，2014（8）：59-65.

[12]Jung S，Seong-Hoon C，Roberts R K. The impact of government funding of poverty reduction programmes[J]. Papers in Regional Science，2015，94（3）：653-675.

[13]李盛基，呂康银，金凤龄. 财政教育支出减贫的空间溢出效应分析[J]. 税务与经济，2016（6）：48-52.

[14]龚维进，覃成林，李 超. 中国财政支出的减贫效应——基于结构与空间视角[J]. 经济与管理研究，2018，39（5）：24-37.

[15]Elhorst J P. Matlab software for spatial panels[J]. International Regional Science Review，2014，37（3）：389-405.

[16]樊丽明，解 垩. 公共转移支付减少了贫困脆弱性吗？[J]. 经济研究，2014（8）：67-78.

[17]Panudulkitti P.How does the level of urbanization matter for poverty reduction？[D]. Atlanta：Georgia State University，2007.

[18]Elhorst J P. Applied spatial econometrics：raising the bar[J]. Spatial Economic Analysis，2010，5（1）：9-28.