您现在的位置: 范文先生网 >> 经济论文 >> 证券论文 >> 正文

浅谈政府基础设施投资与居民收入关系的实证研究

时间:2006-11-22栏目:证券论文

  浅谈政府基础设施投资与居民收入关系的实证研究
  
  摘要:政府支出的目的之一就是改善人民群众的生活条件,增加居民收入。基于中国1980—2009年的时间序列数据进行实证研究,通过协整检验、Granger因果检验和误差修正模型的建立来分析政府基础设施投资支出与城镇居民收入的关系。结果发现政府基础设施投资支出与城镇居民收入具有长期的均衡关系,且政府基础设施投资支出是城镇居民收入的Granger原因(反向不成立)。
  
  关键词:基础设施投资;人均可支配收入;协整检验;Granger因果检验
  
  引言
  
  2008年,由美国次贷危机引起的世界性经济金融危机,已经对中国各方面产生了显着的消极影响,如企就业形势严峻,失业率上升,居民收入下降等。可以说,金融危机对社会各阶层收入与财富的积累产生了极大的负面效果(朱玲、金成武,2009)[1].为了防止这种环境对中国经济产生的消极影响,政府采取的是由前期稳健的财政政策转变为积极的财政政策。通过各种的措施来提高居民的收入和消费能力,扩大内需。政府基础设施投资支出是政府投资性支出的一个组成部分,它一直被各国政府视为实现社会公平、弥合城乡居民收入差距,促进社会和谐的重要手段之一。所以,金融危机时中国出台了十项措施,到2010年底将陆续增加4万亿的财政支出,大部分用于基础设施建设。巨额的资金投入,目的之一就是改善人民群众的生活条件、扩大就业、增加居民收入。由于政府的财政支出的结构、范围和受益对象不同,对社会公平、社会福利状况和收入分配的作用也不同(Ravallion,2009)。于是,认清政府基础设施投资支出与居民收入关系的研究才显得具有重要的现实意义。
  
  目前学术界通过实证比较财政支出和居民收入关系的研究相对较少,而更多关注的是城乡收入差距与财政支出结构的相关研究以及积极的财政政策对社会产生的影响。Aaron 和 McGuire(1970)基于个人效用函数的方法分析了美国20世纪60年代初期财政支出和收入关系的研究。他们得出本时期财政支出的分配是不合理的,因为经过研究,再分配政策把中等收入家庭的收入转移到了富裕家庭和穷人手中。朱柏铭和车琰(2010)利用中国1978—2006年的数据研究居民收入对财政支出的影响。实证结果表明:长期内,基础设施需求和国防安全需求随着居民收入增长趋于稳定;短期内,文化教育支出需求随着居民收入的增长而增加。而本文将采用1980—2009年相关的时间序列数据进行实证研究,通过协整检验、Granger因果检验和误差修正模型的建立来分析政府基础设施投资支出与城镇居民收入的关系,为政府政策制定者提供合理、有效的建议。
  
  一、变量选取、模型设定和数据来源
  
  本文在变量的数据选取上,用城镇居民人均可支配收入代表城镇居民收入,用变量Y表示;政府基础设施投资支出用每年的支出总额来代表,并用变量X 表示。具体变量的含义范围城镇居民人均可支配收入主要是城镇居民能够自由支配的收入,就是从居民总收入中扣除了缴纳给国家的各项税费和各项社会保险后余下的收入;政府基础设施投资支出主要指用于保障性住房、社会事业建设、灾后恢复重建和铁路、公路、机场和港口等设施方面的投资支出。
  
  为了考察政府城镇居民人均可支配收入与政府基础设施投资支出的关系,我们选取X为解释变量,Y作为被解释变量。同时,为了消除时间序列数据的自相关性和数据的大幅度波动,模型设定过程中我们将采用对数的形式,这样也不影响原数据变量之间的协整关系。另外,在van de Walle(2004)对越南公共安全网的实证研究所建立的复合函数基础上,我们提取了公共转移和消费两个变量,而收入的多少又决定着消费需求的大小。所以基于上述分析,我们建立的双对数模型如式(1):
  
  lnY = α+ βlnX + ε(1)
  
  其中,α为常数项,β为lnХ的系数,ε为随机误差项。
  
  本文中用于研究的1980—1989年的数据来自《中国统计年鉴(1990)》,1990—2008年的数据来自《中国统计年鉴(2009)》,2009年的数据来自2010年3月《政府工作报告》中公布的数据。
  
  二、实证分析
  
  (一)单位根检验
  
  在进行协整检验之前,由于时间序列数据大都具有非平稳性,容易产生“伪回归”现象,所以要先进行单位根检验,也就是数据的平稳性检验。本文采用最常用的ADF(Augmented Dickey-Fuller)检验方法,通过Eviews3.1软件分析得出的结果(如表1所示)。
  
  表1变量数据的平稳性检验
  
  注:(1)D表示一阶差分,(2)** 表示显着水平为10%,* 表示显着水平为5%.
  
  由变量数据的平稳性检验可知,lnY和lnX都是不平稳的,但两个序列的一阶差分数据是平稳的,所以它们是一阶单整序列,可能存在一定的协整关系,可以继续分析。
  
  (二)协整关系检验
  
  通过单位根检验的分析,两变量之间可能存在长期的协整关系,于是接下来对它们进行协整(Cointegration)检验。对协整关系的检验与估计,本文采用Engle和 Grangle(1987)提出的EG两步法,即第一步建立变量间长期均衡的回归方程,第二步对方程模型中的残差序列做单位根检验。具体操作步骤
  
  首先,采用OLS(Ordinary Least Square)回归分析法对两变量进行回归,结果得到的协整方程如式(2):
  
  lnY=0.5118+1.0662lnX (2)
  
  (0.9945)(14.6628)
  
  R2=0.8848 DW=0.7672
  
  括号里的数字代表的是对应系数的t统计值。
  
  其次,对协整方程中的残差序列进行平稳性检验。结果(如表2所示)。
  
  表2 残差序列的平稳性检验
  
  注:Et表示残差序列,* 表示显着水平为5%.
  
  可以看到,在显着水平为5%时,Et序列是平稳的。这表明方程式(2)不是伪回归,lnY与lnX之间存在协整关系,也就是说政府基础设施投资支出的不断增加和城镇居民人均可支配收入的不断增长,两者具有长期稳定的平衡关系。
  
  (三)Granger因果关系检验
  
  通过协整关系分析,我们知道政府基础设施投资支出和城镇居民人均可支配收入具有长期的平衡关系,但是这种关系是否具有另外一种关系——因果关系,也就是说是政府基础设施投资支出的增加促进了城镇居民人均可支配收入的增加,还是城镇居民人均可支配收入的增加促进了政府基础设施投资支出的增加,这时候就要通过因果关系检验来证明。本文选用Granger在1969年提出的通过时间序列具有的可观测性来分析的一种方法,即若A变化能引起B变化,则A变化是发生在B变化之前的。所以此检验的关键在于滞后期的选择,因为滞后期不同得出的结论也会有所不同。根据赤池信息准则(AIC)最小化准则,我们选取的滞后期为6、7、8、9阶,结果(见表3)。
  
  从表中分析得出,当我们选择的滞后期为8阶时,拒绝LNX does not Granger Cause LNY 的虚无假设,P值的大小通过了显着性水平为5%时的检验,此时说明政府基础设施投资支出变动是城镇居民人均可支配收入变动的Granger原因,即政府基础设施投资支出的增加会引起城镇居民人均可支配收入的增加。另外,当滞后期为6、7、8、9阶时,都接受LNY does not Granger Cause LNX的虚无假设,说明城镇居民人均可支配收入不是政府基础设施投资支出的Granger原因。
  
  (四)建立误差修正模型
  
  由于通过协整检验简单差分不一定能解决非平稳时间序列所遇到的全部问题,所以要进行误差修正。误差修正模型就是将误差修正项看做一个解释变量,连同其他反映短期波动的解释变量一起,建立短期模型(李子奈,2000)。本文将残差序列Et作为误差修正项,与政府基础设施投资支出和城镇居民人均可支配收入两个变量的差分有机的结合在一起,建立误差修正模型,用于说明变量差分项表现出的短期波动。根据分析结果,可建立的修正模型如式(3):
  
  △lnYt=0.0656△lnXt + 0.9185△lnYt-1 - 0.0365Et-1 (3)
  
  (0.9800) (11.2459)(-

[1] [2] 下一页

下页更精彩:1 2 3 4 下一页