1、中国财政支出影响因素的计量分析 财政支出，是指一个财政年度内政府通过预算安排的财政支出总额。 在经济发展的不同阶段 ,各影响因素对财政支出规模的影响程度存在着差异。财政收入和政府产出成本因素成为制约财政支出规模的主要因素 ;GDP和人口因素对财政支出规模的作用不明显 ,但其对与民生直接相关的文教科卫支出规模具有显着影响。随着财政支出模式和支出重点的转变 ,人均 GDP、人口和 教育支出和卫生方面的支出 等因素 对财政支出 发挥主导作用。 一、 影响财政支出规模的主要因素 及研究假设 (一 )经济发展因素 经济发展，是社会财富不断 增加，进而使财政收入不断增长，这为财政支出规模的不断扩大提供了可
2、能。首先，随着经济的发展，国内生产总值不断增 长，相应地水源、税基不断扩大，增加了税收收入；其次随着经济发展的人民生活水平的提高，公民拥有财富的规模会越来越大，是个人交纳的各种税收的规模不断扩大，同时也是政府通过聚结债务扩大财政支出规模成为可能。 (二 )政治因素 政治因素主要包括社会政治局面的稳定状况、政治体制结构及政府工作效率、政府活动范围等。当一个国家发生战争或出现重大自然灾害等情况时，财政支出规模将超常扩大。从整体结构看，一般情况下权力集中 的单一制国家，其财政支出占国内生产总值比重高一些，相反会低一些。从政府工作效率看，如果工作效率高，则用于政府运转的经费开支会相对低一些，反之就要相
3、对高一些。从政府活动范围看，随着社会发展和人民生活水平的提高，社会对公共物品和服务的需求会越来越多、质量要求也会越来越高，使政府提供公共物品和服务的范围不断扩大，相应带动了财政支出规模的日益增长。 (三 )经济体制制度因素 经济体制不同，政府职能也不相同，是财政支出的范围和规模存在差异。我过在稽核经济体制下，政府职能范围是大而广的，相应地财政支出占国内生产总值的比重 也是比较高的。从一些重要的经济制度上看，如，在社会保障制度商若实行高标准、高福利制度，则财政支出占其国内生产总值的比重也必然要相对地高。 (四 )社会因素 各种社会性因素，如，人口、教育、卫生、社会救济、城乡差距等都会对财政支出规
4、模发挥重要影响。我国是一个人口大国，这决定了政府用于举办义务教育、开展医疗卫生 服务等方面的公共服务支出需求是非常重要 ， 而这些都是影响我们国家财政支出的重要因素。 综上所述，文中采 用财政收入、 GDP、人口、教育方面支出和卫生方面支出 五个指标来进行分析影响我国财政支出的因素，相关指标定 义如下： Y:财政支出 X1：财政收入， 是指政府为履行其职能、实施公共政策和提供公共物品与服务需要 而收取 的一切资金的总和 。 X2： GDP， 国内生产总值是指在一定时期内 (一年 )，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值 。 X3：人口， 庞大的人口数量一直是中国国情最显著的
5、特点之一 ，庞大的人口也对中国财政支出产生巨大的压力。 X4：卫生支出，是指我国财政支出在公共卫生方面的支出。 X5：教育支出，是指我国财政支出在教育方面的支出 。 根据对财政支出影响因素的分析，我们可以看出这几个解释变量对被解释变 量产生的都是正影响，那么我们可以推断所设定模型中的参数估计值符号都大于零。据此假设，我们可以进行下面的具体分析研究。 二、样本 收集 本文搜集了 从 1990年到 2008年 的 财政支出、财政收入、人口、卫生以及教育方面支出的 数据 ，具体信息 如下 表所示 ： Y X1 X2 X3 X4 X5 年份 财政支出（亿元） 财政收入（亿元） GDP（亿元） 人口（亿
6、） 卫 生 支出 （ 亿元） 教育支出（亿元） 1990 3083.59 2937.1 18667.82 11.4333 747.39 548.7 1991 3386.62 3149.48 21781.49 11.5823 893.49 617.8 1992 3742.2 3483.37 26923.47 11.7171 1096.86 728.7 1993 4642.3 4348.95 35333.92 11.8517 1377.78 867.8 1994 5792.62 5218.1 48197.85 11.9850 1761.24 1174.7 1995 6823.72 6242.2 6
7、0793.72 12.1121 2155.13 1411.5 1996 7937.55 7407.99 71176.59 12.2389 2709.42 1671.7 1997 9233.56 8651.14 78973.03 12.3636 3196.71 1862.5 1998 10798.18 9875.95 84402.27 12.4761 3678.72 2032.4 1999 13187.67 11444.08 89677.05 12.5786 4047.50 2287.2 2000 15886.5 13395.23 99214.55 12.6743 4586.63 2562.6
8、2001 18902.58 16386.04 109655.17 12.7627 5025.93 3057.0 2002 22053.15 18903.64 120332.68 12.8453 5790.03 3491.4 2003 24649.95 21715.25 135822.75 12.9227 6584.10 3850.6 2004 28486.89 26396.47 159878.34 12.9988 7590.29 4465.9 2005 33930.28 31649.29 183217.40 13.0756 8659.91 5161.1 2006 40422.73 38760.
9、2 211923.50 13.1448 9843.34 6348.4 2007 49781.35 51321.78 257305.60 13.2129 11289.50 7065.35 2008 62592.66 61330.35 300670.00 13.2802 12218 10449.63 注：数据来源 1、 Y:中国统计年鉴 1990-2008 2、 X1:中国统计年鉴 1990-2008 3、 X2:中国统计年鉴 1990-2008 4、 X3:中国统计年鉴 1990-2008 5、 X4:中国统计年鉴 1990 2008 三、模型估计 下面将 通过 各种方法分析并确定最终的 计量经
10、济学模型 。 1、通过散点图初步判断 各个解释变量与被解释变量间的 相 关 关系 Y 与 X1 01 0 0 0 02 0 0 0 03 0 0 0 04 0 0 0 05 0 0 0 06 0 0 0 00 2 0 0 0 0 4 0 0 0 0 6 0 0 0 0 8 0 0 0 0X1YY 与 X2 Y 与 X301 0 0 0 02 0 0 0 03 0 0 0 04 0 0 0 05 0 0 0 06 0 0 0 00 5 0 0 0 0 1 0 0 0 0 0 1 5 0 0 0 0 2 0 0 0 0 0 2 5 0 0 0 0 3 0 0 0 0 0X3Y01 0 0 0 02
11、 0 0 0 03 0 0 0 04 0 0 0 05 0 0 0 06 0 0 0 01 1 . 0 1 1 . 5 1 2 . 1 2 . 5 1 3 . 0 1 3 . 5X4YY 与 X4 Y 与 X5 01 0 0 0 02 0 0 0 03 0 0 0 04 0 0 0 05 0 0 0 06 0 0 0 00 2 0 0 0 4 0 0 0 6 0 0 0 8 0 0 0 1 0 0 0 0 1 2 0 0 0X4Y01 0 0 0 02 0 0 0 03 0 0 0 04 0 0 0 05 0 0 0 06 0 0 0 00 2 0 0 0 4 0 0 0 6 0 0 0 8
12、0 0 0X5Y由以上各个散点图可以看出， X1、 X2、 X3、 X5 与 Y 之间基本呈线 性 关 系 ， 因 此 ， 建 立 线 性 回 归 模 型 iY = 0 + 1 X1i +2 X2i+3 X3i+4 X4i+5 X5i ， 并用 Y 对所有解释变量进行 OLS 回归，回归结果如下表： Dependent Variable: Y Method: Least Squares Date: 12/21/11 Time: 13:02 Sample: 1990 2008 Included observations: 19 Variable Coefficient Std. Error t-
13、Statistic Prob. C -36896.35 10385.89 -3.552544 0.0035 X1 0.875975 0.082118 10.66725 0.0000 X2 -0.125056 0.017324 -7.218565 0.0000 X3 3255.380 913.7020 3.562846 0.0035 X4 1.242485 0.267364 4.647167 0.0005 X5 2.386715 0.231497 10.30992 0.0000 R-squared 0.999796 Mean dependent var 19228.11 Adjusted R-s
14、quared 0.999717 S.D. dependent var 17073.67 S.E. of regression 287.0777 Akaike info criterion 14.40947 Sum squared resid 1071377. Schwarz criterion 14.70772 Log likelihood -130.8900 Hannan-Quinn criter. 14.45995 F-statistic 12731.17 Durbin-Watson stat 1.799991 Prob(F-statistic) 0.000000 从上表可以看出，虽然参数
15、的 t 检验值都较高，且由 F 检验值可以判断出模型整体显著性很好，拟合优度也很高，但是其中 X2 的系数为负 值，这与我们前面的假定不一致，且从经济意义来看，当 GDP增加时，财政支出应该也是呈增加趋势的，但此时 GDP 对财政支出却体现出负影响，因此，认为模型存在严重的多重共线性。 再从变量之间相关系数的角度来判断，相关系数矩阵如下： X1 X2 X3 X4 X5 X1 1.000000 0.989545 0.840794 0.975819 0.990740 X2 0.989545 1.000000 0.905146 0.992723 0.988294 X3 0.840794 0.9051
16、64 1.000000 0.930929 0.858243 X4 0.975819 0.992723 0.930929 1.000000 0.971960 X5 0.990740 0.988294 0.858243 0.971960 1.000000 由此也可以判断变量之间存在严重多重共线。可以采用逐步回归法对多重共线性进行修正，依次回归所得结果具体如下表 ： Variable Coefficient t-Statistic（ =0.05） F-statistic ( =0.05) R-squared Adjusted R-squared C 1103.564 2.651531 3482.97
17、5 0.995143 0.994857 X1 1.005107 59.01673 C -4316.375 -5.191019 1195.591 0.985980 0.985156 X2 0.211616 34.57732 C -299852.3 -6.709321 51.07702 0.750283 0.735594 X3 25552.69 7.146819 C -3771.320 -3.051413 521.3841 0.968424 0.966567 X4 4.686112 22.83384 C -1201.236 -1.797701 1546.522 0.989127 0.988488
18、X5 6.506709 39.32584 C -502.1941 -0.756527 2472.556 0.996775 0.996372 X1 0.725827 7.317968 X2 0.059697 2.845524 C -31955.67 -4.093929 3488.208 0.997712 0.997426 X1 0.925792 41.59479 X3 2761.996 4.238326 C -152.7823 -0.343447 3207.243 0.997512 0.997201 X1 0.786171 13.67658 X4 1.060369 3.903078 C 246.
19、5693 0.607013 2890.461 0.997240 0.996895 X1 0.668417 6.857789 X5 2.206665 3.486643 C 58292.43 3.165670 975.4496 0.991865 0.990849 X2 0.246431 21.79836 X3 -5324.052 -3.402217 C -4335.473 -5.086862 570.4207 0.986169 0.984440 X2 0.235757 4.530826 X4 -0.543371 -0.467352 C -2675.146 -3.827343 1217.933 0.
20、993474 0.992659 X2 0.092104 3.264791 X5 3.712331 4.286501 C 125978.8 4.674777 612.7681 0.987113 0.985502 X3 -11042.91 -4.816919 X4 6.345530 17.14739 C -18010.15 -1.039551 771.1271 0.989732 0.988449 X3 1413.755 0.970940 X5 6.237620 19.31639 C -2274.513 -4.115564 1478.281 0.994617 0.993945 X4 1.500527
21、 4.039843 X5 4.502939 8.823917 C -65192.75 -3.309627 2660.888 0.998124 0.997749 X1 1.242597 7.075171 X2 -0.085948 -1.816645 X3 5732.003 3.285289 C -55.00723 -0.086348 2011.080 0.997520 0.997024 X1 0.803135 8.285638 X2 -0.008231 -0.221174 X4 1.164716 2.122753 C -595.6719 -1.053043 2281.122 0.997813 0
22、.997375 X1 0.565254 5.454837 X2 0.038668 1.982341 X5 1.697170 2.668107 C -25803.96 -1.195681 2193.872 0.997726 0.997271 X3 2225.289 1.188848 X1 0.893748 8.367337 X4 0.229842 0.307142 C -25350.45 -3.847688 3633.127 0.998626 0.998351 X3 2159.827 3.889040 X1 0.706440 9.852299 X5 1.550963 3.158199 C 882
23、20.91 4.139593 811.4443 0.993816 0.992651 X3 -7862.235 -4.344668 X2 0.161368 4.070036 X4 2.288156 2.219103 C 30453.04 1.654910 926.9711 0.994635 0.993562 X3 -2854.256 -1.801426 X2 0.142573 3.702453 X5 2.724407 2.782755 C 63159.12 4.874616 2504.491 0.998008 0.997609 X3 -5598.587 -5.051977 X4 3.081842
24、 7.893137 X5 3.456900 9.056566 C -699.5509 -2.169755 4743.636 0.998947 0.998736 X4 0.914152 4.931524 X1 0.533489 7.853629 X5 1.853944 4.521717 C -2253.022 -3.233082 924.1044 0.994618 0.993542 X4 1.542109 1.785781 X2 -0.003202 -0.053745 X5 4.544544 4.852903 C -62677.96 -2.130064 1864.492 0.998126 0.9
25、97591 X1 1.228334 5.635531 X2 -0.085252 -1.729294 X3 5512.031 2.128599 X4 0.083901 0.118476 C -72442.82 -6.559392 6437.708 0.999457 0.999301 X1 1.116631 11.14575 X2 -0.126001 -4.627037 X3 6364.965 6.507729 X5 1.934543 5.858599 C 63177.78 4.711331 1754.065 0.998009 0.997440 X2 0.003215 0.085675 X3 -5
26、602.031 -4.881959 X4 3.041052 4.870025 X5 3.414472 5.390187 C 10484.91 0.604060 3419.163 0.998977 0.998685 X3 -974.3768 -0.644478 X1 0.464526 3.643865 X4 1.265163 2.194429 X5 2.014319 4.138970 C 100.3550 0.376395 8669.517 0.999596 0.999481 X4 1.940092 7.866090 X1 0.610095 13.14140 X2 -0.085473 -4.74
27、6415 X5 2.584298 8.487544 C -36896.18 -3.552540 12731.29 0.999796 0.999717 X1 0.875974 10.66728 X2 -0.125055 -7.218595 X3 3255.365 3.562842 X4 1.242490 4.647201 X5 2.386716 10.30997 从以上回归当中可以看出，将 X1、 X4、 X5 作为解释变量引入模型时能减少多重共线性，且在这三个变量作为解释变量时，模型拟合程度较高，因此，为修正多重共线性，必须将变量 X2 和 X3 剔除，并根据上表中的回归参数初步建立模型如下：
