学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 管理学论文 > 公共管理论文

财政支出就业效应的效果测度

来源:学术堂 作者:朱老师
发布于:2016-05-05 共6153字
    本篇论文目录导航:

  【题目】财政支出视角下我国就业问题探究
  【第一章】解决我国就业问题的财政政策研究导论
  【第二章】财政支出就业效应理论分析
  【第三章】我国财政支出政策对就业影响的实践分析
  【第四章】财政支出就业效应的效果测度
  【第五章】财政支出政策效果不明显原因和优化路径
  【参考文献】提升就业的财政支出途径研究参考文献
  
  第 4 章 财政支出就业效应的效果测度
  
  4.1 数据和指标说明
  
  1.数据来源与调整思路
  
  本文对 1981-2013 年的财政支出和就业量关系进行实证检验,数据来源于1997-2014 年的中国统计年鉴和历年统计公报,但由于某些指标的统计口径可能发生变化,为使结果更准确,对某些年份的数据进行了调整,下面对各变量进行逐一说明。
  
  就业总量(JOB):由于中国农村中存在着大量的隐性失业现象,农村劳动力对中国的劳动供求起了蓄水池的作用①,其就业人数不能真实反映我国的就业情况,因此本文选取城镇就业总数作为就业总量。本文选取了三种有代表性的就业量进行实证分析,分别是中国统计年鉴数据、对年鉴的调整数据和世界银行数据,分析过程主要通过第二个数据展开,同时会将三种数据得到的结果列出。
  
  财政支出总额(Z):历年的财政支出规模,包括财政预算内和预算外支出。由于 2011 年全面取消了预算外资金,将所有政府收入纳入预算管理,因此 2011 年之前财政支出总额为财政预算内和预算外支出之和,2011 年以后为财政预算内支出总额。
  
  财政投资支出(TZ):财政投资一般被界定为由中央和地方政府投资形成的固定资本,由于政府不能在微观层次上直接介入企业活动领域,政府投资往往被限定在特定的公共服务领域中,因此这些资本被称为公共投资②。根据全社会固定资产投资资金来源不同,可分为国家预算内资金、国内贷款、利用外资、自筹和其他。本文用全社会固定资产投资中国家预算内资金代表财政投资支出。
  
  财政科技支出(KJ):2007 年我国进行了财政收支科目改革,2007 年之前科技支出主要包括科学支出、科技三项费用、科研基建费和其他科研事业费等项目之和。2007 年之后是财政用于基础研究、应用开发等科学技术方面的支出,包括‘“科学技术”科目下支出和其他功能支出中用于科学技术的支出;前后年度财政科技支出涵盖范围基本一致③。其中 2009 年其他功能支出中用于科技的支出数据缺失,我们用 2007-2011 年的平均值代替。
  
  财政教育支出(JY):国家用于教育的支出,为保证数据可比性,本文采用大口径教育支出,即全国教育经费中国家财政性教育经费的数额,所有数据均来源于中国统计年鉴和历年全国教育经费执行情况统计公告。
  
  财政社会保障支出(SB): 2007 年之前该项支出为抚恤和社会福利救济费、行政事业单位离退休支出、社会保障补助支出三者之和,2007 年以后该项支出为社会保障和就业支出,指政府在社会保障与就业方面的支出。新旧统计口径虽然有一些差别,但是主体内容仍然是一致的①,同时根据《中国财政年鉴》公布的1998-2006 年社会保障支出的相关数据,新旧统计口径结果仅相差 2%左右,具有较强的连续性。
  
  2.数据不足
  
  在就业量的选取上,一是本文以城镇就业量作为就业总量,主要是因为中国农村中存在着大量的隐性失业现象,就业人数不能真实反映我国的就业情况,这可能导致低估了我国真实的就业量。二是由于我国一直以来对失业的统计采取的是城镇登记失业人数,统计方式并不能科学反映我国真实的失业情况,因此年鉴中就业量数据可能存在偏差;为此本文借鉴了我国学者的调整思路,将年鉴中登记失业率、登记失业人数及由此推算出的分母与失业人员之差作为“城镇就业人口(调整)”,并以此指标作为经济对城镇劳动力的需求②;同时引入世界银行的调查数据,应该能够体现我国真实的就业变动趋势。
  
  财政支出数据上,由于我国于 2007 年进行了财政收支科目改革,改革后的标准更加科学,但出于本人学术水平限制,无法对 2007 年之前的数据按照新的分类标准进行换算,因此本文对 2007 年后的数据做了调整,具体每一项指标均按照统计年鉴、统计公报和学者相关文献的思路作出调整。这可能会导致财政支出各项指标并不是最科学的结果。
  
  4.2 财政支出总额的就业效应
  
  


  
  4.2.1 平稳性检验
  
  由于时间序列数据大多是非平稳的,因此在进行协整分析前必须检验数据平稳性,否则可能会出现伪回归现象,使协整关系失去意义。若一个非平稳的时间序列经过 d 次差分之后平稳,则该序列为 d 阶单整,记做 I(d)。本文选取得检验方

 


  

 

  

  
  首先根据样本数据的趋势图大致判断 Ln JOB、Ln Z 和 Ln GDP 的平稳性。从趋势图 4-1 至 4-3 可以看出,三者均呈现了随时间增长而上扬的趋势,并非围绕均值上下波动,因此均为非平稳时间序列。为了进一步确定差分阶数,我们根据 ADF检验值与临界值作一个比较。
  

  

  

  
  由表 5-1,各个时间序列的 ADF 检验结果显示,在显着性水平为 1%的条件下,各变量均接受原假设,即存在单位根,说明该序列为非平稳时间序列;在一阶差分条件下,ADF 值小于 1%时的临界值,即拒绝原假设,不存在单位根,时间序列平稳。
  
  4.2.2 协整检验
  
  协整检验是对非平稳的时间序列进行分析,探究各变量之间的长期均衡关系。其思想是:如果各变量的时间序列是非平稳的,但他们的线性组合具有平稳性,则他们存在协整关系。目前协整检验有 EG 两步法和基于 VAR 的 johansen 检验等方式,EG 两步法主要针对两个变量,而多个单整变量的协整检验一般采用 johansen协整检验。Johansen 检验并非一次独立检验,而是针对变量的连续检验,共检验N 次,最多存在 N-1 个协整关系,其优势在于可以发现全部的协整关系,并且检验功效更稳定。本文将采用 johansen 检验方法,然后运用 ADF 检验残差的平稳性。
  
  ADF 检验结果表明,所有时间序列均为一阶单整,因此可以进行协整分析。下文运用 johansen 检验法对就业总量、GDP、财政总支出进行协整分析。由于协整方程对滞后期的选择十分敏感,因此首先根据 AIC 和 SC 准则确定最优滞后阶数;在得到协整方程后,为避免虚假协整,还需对残差进行单位根检验。
  
  首先,对 Ln JOB 和 Ln GDP、Ln Z 进行 VAR 模型的滞后期检验,确定最优滞后期。检验结果如表 4-3.从表中可以看出,SC 准则选择 P=2,LR 检验统计量和其余 4项准则均选择 P=3,综合考虑 VAR 模型的最优滞后阶数为 P=3.然后对各个变量进行协整关系分析,结果如表 4-4 所示:   协整检验表明在 5%的显着水平下,就业量和 GDP、财政支出总量之间存在长期均衡关系,协整方程如下:
  
  


  
  为确保协整关系有意义,针对上述协整结果对残差进行平稳性检验,从趋势图中可以看出残差值围绕零值上下波动,具有平稳性;ADF 的检验结果也表明在1%的显着水平上,残差的 ADF 值为-5.12<-3.67 残差序列平稳。这表明根据johansen 检验方法得到的就业量和 GDP、财政支出总额之间的协整关系具有统计学意义。同样,对世界银行和统计年鉴的就业量进行检验,得到结果如表 4-5.
  

  

  
  从表 4-5 可以看出,上述三种就业量数据得到的协整关系都反映了相似的结果,即我国 GDP 长期以来和就业呈正相关关系,系数为 0.33 至 0.59 之间,而财政支出总量对就业为负相关,系数为-0.16 至-0.20.
  
  4.2.3 格兰杰因果关系检验
  
  协整检验表明我国就业量和 GDP、财政支出总量存在长期均衡关系,但不能得出就业量和 GDP、财政支出总量的因果关系,因此下面用格兰杰因果关系检验方法,验证因变量和自变量的因果关系。检验结果如表 4-6 所示:
  
  检验结果表明,在 10%的显着性水平下,GDP 和财政支出总量的改变是引起就业量变化的格兰杰原因,而就业量改变不是导致财政支出变化的格兰杰原因,即GDP 和就业之间是双向因果关系,财政支出总量与就业是单向因果关系。
  
  4.2.4 VAR 模型和脉冲响应分析
  
  在变量存在长期均衡关系的基础上,进一步对变量做脉冲响应分析,以探究财政支出总额对就业量的动态影响。为确保脉冲响应分析结果的准确性,首先建立VAR 模型并进行单位根检验。
  
  1.VAR 模型
  
  通过对就业量、GDP、财政支出总额三者建立 VAR 模型,将参数估计的结果写成如下矩阵形式:
  

  

  
  得到 VAR 模型后,对模型进行单位根检验,检验结果如表 4-7.由于模型的滞后长度为 3 并且有 3 个内生变量,所以模型存在 9 个单位根,其中 1 个实根 8 个复根。这些根的模都小于 1,即所有的根都在单位圆内,说明估计的 VAR 模型是稳定的,可以进行脉冲响应分析。
  
  2.脉冲分析
  
  通过脉冲响应分析,可以得出财政支出总量变化时,对就业量的动态影响,即一单位的财政支出总额的冲击对就业量的影响。
  
  从图 4-5 可以看出,GDP 始终对就业产生正向影响,影响效果呈波动趋势,并在第 5 年时达到最大,此后呈先减弱后增强趋势;财政支出总额对就业具有抑制作用,其负向冲击在第 3 年时达到最大,此后冲击效果逐渐减弱并趋于 0.
  
  4.2.5 结果说明
  
  通过对 1981-2013 年数据的实证分析,对就业量、财政支出总量和 GDP 的检验结果得出如下结论:
  
  (1)就业量、财政支出总量、GDP 三者长期均呈现上升趋势,原序列都为非平稳时间序列,但一阶差分后的序列平稳,并且能够通过 ADF 检验和协整检验,说明三者长期中存在均衡关系。
  
  (2)从协整方程可以看出,我国的经济增长和就业二者之间存在正向的关系,GDP 每增加 1%就会带动就业量约 0.332%至 0.586%的增加;财政支出总额对就业量有负向影响,财政支出每增加 1%就会引起就业量约 0.161%至 0.197%的减少。从脉冲图来看,财政支出总额短期和长期对就业都具有抑制效果,并在第 3 年达到顶峰,随后负向冲击效果减弱并逐渐趋于 0.
  
  4.3 财政支出结构的就业效应
  
  


  
  4.3.1 平稳性检验
  
  为避免虚假回归,在协整分析前要检验数据的平稳性,当所有变量处于同阶单整时方可进行协整关系检验。下面仍采用 ADF 单位根检验方法,对上述 6 个变量进行单位根检验,检验结果如下表所示:
  

  

  

  

  
  由表 4-7 看出,各个时间序列的 ADF 检验结果显示,在显着性水平为 10%的条件下,各变量均接受原假设,即存在单位根,说明序列为非平稳时间序列;在一阶差分条件下,ADF 值小于 10%时的临界值,即拒绝原假设,不存在单位根,时间序列平稳。
  
  4.3.2 协整检验
  
  ADF 检验结果表明,所有时间序列均为二阶单整,因此可以进行协整分析,下文运用 johansen 检验法对就业总量和财政投资性支出等进行协整分析。由于协整检验对于滞后期十分敏感,不当的滞后期选择会使结果有很大差异,本文根据 AIC和 SC 准则确定最优滞后阶数为;为避免虚假协整,在得出协整方程之后对残差进行单位根检验。
  
  首先,对 LnE 和 LnTZ、LnJY、LnKJ、LnSB 进行 VAR 模型的滞后期检验,确定最优滞后期,检验结果如表 4-9.从表中可以看出,LR 检验统计量和其余 4 项准则选择 P=1,综合考虑 VAR 模型的最优滞后阶数为 P=1.然后对各个变量进行协整关系分析,结果如表 4-10 所示:
  
  协整检验表明在 5%的显着水平下,就业量和财政投资性支出等 4 个变量之间存在长期均衡关系,并给出了包含以上 5 个变量的协整方程:
  
  


  
  为确保协整关系显着,避免虚假协整,对上述等式的残差进行平稳性检验,检验结果表明,在 1%的显着性水平上残差的 ADF 值为-5.28,小于-3.67,说明残差序列平稳,就业量和各项财政支出之间的协整关系具有统计学意义。同样,对世界银行和统计年鉴的就业量进行检验,得到结果如表 4-11.
  
  从表 4-11 可以看出,上述三种就业量数据得到的协整关系都反映了相似的结果,即我国财政教育支出对就业的促进作用相对明显,系数达到了 0.46 至 1.12;社会保障支出对就业虽然有正向作用,但系数仅有 0.004 至 0.078 之间;同样,财政投资支出对就业影响较小,系数基本在零值附近;财政科技支出对就业有负向影响,除统计年鉴的数据系数较小,可能与 1990 年前后就业量统计标准有关,其他两个数据的系数分别达到了-0.405 和-0.759,负向影响较为显着。
  
  4.3.3 格兰杰因果关系检验
  
  协整检验表明我国就业量和以上五类财政支出存在长期均衡关系,但不能得出就业量和财政支出的因果关系,即财政支出增加导致就业量改变,还是就业量改变导致财政支出增加,因此下面用格兰杰因果关系检验方法,验证因变量和自变量的因果关系。检验结果如表 4-12 所示:
  
  检验结果表明,在 5%的显着性水平下,财政教育支出、的改变是引起就业量变化的格兰杰原因,而就业量改变不是导致以上两项支出变化的格兰杰原因,即上述两项财政支出与就业之间是单向因果关系;而财政科技支出和投资支出的改变是引起就业量变化的格兰杰原因,同时就业量改变也是引起他们变化的格兰杰原因,这两项支出与就业之间是双向因果关系。这就意味着,可以根据财政支出和就业量之间的格兰杰因果关系,合理的调整财政支出结构,从而达到增加就业的目的。
  
  4.3.4 VAR 模型和脉冲响应分析
  
  在变量存在长期均衡关系的基础上,进一步对变量做脉冲响应分析,以探究财政支出各个变量对就业量的动态影响。为确保脉冲响应分析结果的准确性,首先建立 VAR 模型并进行单位根检验。
  
  1.VAR 模型
  
  通过对就业量与财政投资支出、教育支出、科技支出、社会保障支出、行政管理支出建立 VAR 模型,将参数估计的结果写成如下矩阵形式:
  

  

  
  得到 VAR 模型后,对模型进行单位根检验,检验结果如表 4-13.由于模型的滞后长度为 1 并且有 5 个内生变量,所以模型存在 5 个单位根,其中 3 个实根 2个复根。这些根的模都小于 1,即所有的根都在单位圆内,说明估计的 VAR 模型是稳定的,可以进行脉冲响应分析。
  
  2.脉冲分析
  
  通过脉冲响应分析,可以得出财政支出的各个变量变化时,对就业量的动态影响,即一单位的财政支出的冲击对就业量的影响。
  
  从图 4-6 可以看出,在短期中财政投资支出和社会保障支出对就业为负向冲击,两者均在第 6 年前后冲击达到峰值,此后逐渐减弱;财政教育支出和行政管理支出对就业一直保持正向冲击;财政科技支出开始为负向冲击,在第 6 年时冲击为 0,此后转为正向冲击。
  
  4.3.5 结果说明
  
  通过对 1981-2013 年数据的实证分析,对就业量和财政投资支出、教育支出、科技支出、社会保障支出、行政管理支出的检验结果得出如下结论:
  
  (1)就业量和上述 5 项财政支出长期均呈现上升趋势,原序列都为非平稳时间序列,但二阶差分后的序列平稳,并且能够通过 ADF 检验和协整检验,说明就业量和财政支出长期中存在均衡关系。
  
  (2)从协整方程可以看出,长期中财政教育支出对就业量有正向的影响,并且效果较为明显;财政科技支出对就业量具有明显的抑制作用,而社会保障支出和投资支出对就业量产生的影响微弱,系数不到 0.1.从脉冲图来看,在短期中财政投资支出和社会保障支出对就业为负向冲击,财政教育支出和行政管理支出对就业一直保持正向冲击,财政科技支出开始为负向冲击,在第 6 年时冲击为 0,此后转为正向冲击。
  
  4.4 实证分析结论
  
  通过对我国 1981-2013 年的数据分析,可以得到如下结论:
  
  (1)就业量和 GDP、财政支出总量三者存在长期均衡关系,其中 GDP 对就业的带动效果明显,GDP 每增加 1%会使就业量增加 0.332%至 0.586%;财政支出总量长期中对就业有抑制作用,财政支出总量增加 1%会使就业减少 0.161%至 0.197%.
  
  (2)从财政支出结构来看,就业量和财政投资支出、科技支出、教育支出、社会保障支出具有长期均衡关系,其中教育支出对就业的促进作用相对明显,系数达到了 0.46 以上,社会保障支出对就业虽然有正向作用,但系数仅有 0.004 至0.078 之间;同样,财政投资支出对就业影响较小,系数基本在零值附近;财政科技支出对就业有负向影响,并且较为显着。

相关标签:
  • 报警平台
  • 网络监察
  • 备案信息
  • 举报中心
  • 传播文明
  • 诚信网站