论国内生产总值与财政支出总额关系的分析

国内生产总值与财政支出总额关系的分析国内生产总值与财政支出总额关系的分析 摘要：摘要：许多文献已经论证过财政政策在实现经济长期增长中的作用，我们 在前人研究的基础上从财政支出结构角度分析我国政府财政支出和国内生产总 值的相关关系，研究财政支出对经济增长的促进作用。同时，尝试探讨存在财 政风险和积极财政政策淡出的情况下，应该如何优化财政支出结构，积极的财 政政策应怎么样淡出，以避免财政风险的扩大，并进一步提出相关的建议。我 们此次是采用时间序列分析的方法分析财政支出总额对 GDP 的影响。 关键词：关键词：国内生产总值 财政支出总额 时间序列分析 一、引言一、引言 财政支出与 GDP 之间的关系一直是经济学界关注的话题。20 世纪 30 年代， 凯恩斯提出了财政支出乘数理论，认为在有效的需求不足的情况下，增加政府 支出，扩大社会总需求，从而减少失业，促进经济的增长；当需求过大时，通 过减少财政支出抑制社会总需求，以实现供求平衡，促进经济的稳定和增长。 随着新增长理论的出现，一部分经济学家认为政府可以实行一定的财政支出政 策和税收政策，促进技术的进步，从而可以促进经济的增长，已经有许多的文 献研究了财政支出和经济增长之间的关系。 国内生产总值是指在一定时期内（一个季度或一年），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，常被公认为衡量国家经济状况 的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财 富。 财政支出也称公共财政支出，是指在市场经济条件下，政府为提供公共产 品和服务，满足社会共同需要而进行的财政资金的支付。财政支出是国家将通 过各种形式筹集上来的财政收入进行分配和使用的过程，它是整个财务分配活 动的第二阶段。财政支出增长的原因有经济原因、政治原因，社会性原因和国 际关系等。 经济增长离不开政府的宏观调控，货币政策和财政政策作为宏观调控的主 要手段，货币政策由国家统一实施，对于地方政府财政政策的制定与实施是地 方政府效能的一种体现。财政政策的核心是通过政府的收入和支出调节有效需 求，实现一定的政策目标。它包括一是财政收入政策，即通过增税或减税及税 种的选择投资和消费需求，实现收入和资金的再分配。二是财政支出政策，即 通过政府预算支出的增减及财政赤字的增减影响总需求。三是财政补贴。 本文应用时间序列分析的相关方法，旨在研究我国财政支出与 GDP 的关系， 以反映我国财政对宏观经济运行的调控。 二、数据的选取二、数据的选取 本文选取的数据来自中国统计年鉴 200919812008 年的国内生产总值 时间序列和财政支出总额的时间序列，记国内生产总值的年度数据序列为Xt, 记财政支出总额的年度数据序列为Yt。详见表 1： 表 1 19812008 年的国内生产总值和财政支出总额的数据 年份国内生产总值（亿元）财政支出总额（亿元） 19814891.61175.79 19825323.41212.33 19835962.71366.95 19847208.11642.86 198590162004.25 198610275.22122.01 198712058.62199.35 198815042.82357.24 198916992.32664.9 199018667.83083.59 199121781.53386.62 199226923.53742.2 199335333.94642.3 199448197.95792.62 199560793.76823.72 199671176.67937.55 1997789739233.56 199884402.310798.18 199989677.113187.67 200099214.615886.5 2001109655.218902.58 2002120332.722053.15 2003135822.824649.95 2004159878.328486.89 2005183217.433930.28 2006211923.540422.73 2007257305.649781.35 200830067062592.66 三、数据分析三、数据分析 （一）时序图（一）时序图 首先对表 1 的国内生产总值的年度数据序列Xt，财政支出总额的年度数 据序列Yt分别绘制时序图，以观察国内生产总值的年度数据序列Xt和财政 支出总额的年度数据序列Yt是否平稳，通过 EViews 软件输出结果如下图所示。 图 1 国内生产总值和财政支出总额的时序图 0 40000 80000 120000 160000 200000 240000 280000 320000 82 84 86 88 90 92 94 96 98 00 02 04 06 08 YX 由图 1 可知，红线代表国内生产总值的年度数据序列Xt的时序图，表明 了国内生产总值呈现不断上涨的指数趋势，因此国内生产总值的年度数据序列 Xt不平稳；蓝线代表财政支出总额的年度数据序列Yt的时序图，虽然在 2002 年以前财政支出总额增长成平稳趋势，但在 2002 年以后财政支出总额却 呈现指数增长趋势，因此财政支出总额的年度数据序列Yt也不平稳，因此两 者之间可能存在协整关系。 （二）单位根检验（二）单位根检验 下面我们将分别对我国的国内生产总值的时间序列数据Xt和财政支出总 额的时间序列数据Yt进行单位根检验，通过 Eviews 软件操作得到结果如下： 表 2 国内生产总值时间序列的单位根检验 ADF Test Statistic 2.230517 1% Critical Value*-3.7076 5% Critical Value-2.9798 10% Critical Value-2.6290 由表 2 可知：国内生产总值的时间序列数据Xt的 ADF 的值为 2.230517， 显然大于在 1%水平下的临界检验值-3.7076，大于在在 5%水平下的临界检验值- 2.9798，也大于在 10%水平下的临界检验值-2.6290，因此国内生产总值的时间 序列数据Xt是一个非平稳序列。因此需要对国内生产总值的时间序列数据Xt进 行对数化处理，即 logx=lnXt，,以及将指标趋势序列转化为线性趋势序列，通 过 Eviews 软件操作，其国内生产总值对数化序列的时序图见图 2。 表 3 财政支出总额的时间序列Yt的单位根检验 ADF Test Statistic 21.56585 1% Critical Value*-3.6959 5% Critical Value-2.9750 10% Critical Value-2.6265 由表 3 可知：财政支出总额的时间序列Yt的 ADF 的值为 21.56585，显然 大于在 1%水平下的临界检验值-3.6959，大于在在 5%水平下的临界检验值- 2.9798，也大于在 10%水平下的临界检验值-2.6265，因此财政支出总额的时间 序列Yt是一个非平稳序列。因此财政支出总额的时间序列Yt需要进行对数 化处理，即令 logy=lnYt, 以及将指标趋势序列转化为线性趋势序列，通过 Eviews 软件操作，其国内生产总值对数化序列的时序图见图 2。 图 2 国内生产总值对数化序列 lny 和财政支出总额对数化序列 lnx 的时序图 7 8 9 10 11 12 13 8284868890929496980002040608 LNYLNX 从图 2 观察可知对数化的国内生产总值时间序列logx和对数化的财政支 出总额时间序列logy指数趋势已基本消除，二者具有明显的长期协整关系， 但上述对数序列仍然是非平稳序列。分别对对数化的国内生产总值时间序列 logx 和对数化的财政支出总额时间序列logy序列进行 ADF 单位根检验（表 2 和表 3） ，检验结果如下表所示。 表 4 logy序列的单位根检验 t-Statistic Prob.* Augmented Dickey-Fuller test statistic 2.724316 1.0000 Test critical values:1% level-3.724070 5% level-2.986225 由表 4 可知：财政支出总额的对数化的时间序列数据logy的 ADF 的值为 2.724316，显然大于在 1%水平下的临界检验值-3.724070，大于在 5%水平下的 临界检验值-2.986225，也大于在 10%水平下的临界检验值-2.632604，因此财 政支出总额的对数化的时间序列数据logy是一个非平稳序列。 表 5 logx序列的单位根检验 t-Statistic Prob.* Augmented Dickey-Fuller test statistic-0.894383 0.7714 Test critical values:1% level-3.752946 5% level-2.998064 10% level-2.638752 由表 5 可知：国内生产总值对数化的时间序列数据logx的 ADF 的值为- 0.894383，显然大于在 1%水平下的临界检验值-3.752946，大于在在 5%水平下 的临界检验值-2.998064，也大于在 10%水平下的临界检验值-2.638752，因此 国内生产总值对数化的时间序列数据logx是一个非平稳序列。 因此需要进一步对财政支出总额的对数化的时间序列数据logy和国内生 产总值对数化的时间序列数据logx做差分，差分序列分别记为logx和 logy。现分别对二阶差分后的国内生产总值时间序列logx 和二阶差分的 财政支出总额时间序列logy进行 ADF 单位根检验，检验结果如下表所示。 表 6 二阶差分logx的单位根检验 t-Statistic Prob.* Augmented Dickey-Fuller test statistic-5.838915 0.0001 Test critical values:1% level-3.737853 5% level-2.991878 10% level-2.635542 由表 6 可知，二阶差分的财政支出总额时间序列logy的 ADF 的值为- 5.838915，显然小于在 1%水平下的临界检验值-3.737853，小于在在 5%水平下 的临界检验值-2.991878，也小于在 10%水平下的临界检验值-2.635542，二阶 差分的财政支出总额时间序列logy是一个平稳序列。 表 7 二阶差分logy的单位根检验 t-Statistic Prob.* Augmented Dickey-Fuller test statistic-3.981638 0.0055 Test critical values:1% level-3.724070 5% level-2.986225 10% level-2.632604 由表 7 可知，二阶差分后的国内生产总值时间序列logx的 ADF 的值为- 3.981638，显然小于在 1%水平下的临界检验值-3.724070，小于在在 5%水平下 的临界检验值-2.986225，也小于在 10%水平下的临界检验值-2.632604，二阶 差分的财政支出总额时间序列logy是一个平稳序列。 （三）协整分析（三）协整分析 1.进行协整回归 由于国内生产总值时间序列Xt和财政支出总额时间序列Yt分别取对数 后，即国内生产总值时间序列logx和财政支出总额时间序列logx，logx 时间序列和logy时间序列都是二阶单整序列，因此他们有可能存在协整关系。 通过 Eviews 软件操作得到结果如下： 表 8 二阶差分logy时间序列和二阶差分logx时间序列的协整结果 Dependent Variable: D(LNY,2) Method: Least Squares Date: 07/03/10 Time: 20:28 Sample (adjusted): 1983 2008 Included observations: 26 after adjustments VariableCoefficientStd. Errort-StatisticProb. C0.0066210.0093332.7094090.4849 D(LNX,2)0.3690030.1817092.0307330.0535 R-squared0.846633 Mean dependent var0.007631 Adjusted R-squared0.811076 S.D. dependent var0.050404 S.E. of regression0.475220 Akaike info criterion -3.181426 Sum squared resid0.542015 Schwarz criterion-3.084650 Log likelihood43.35854 F-statistic4.123877 Durbin-Watson stat2.617265 Prob(F-statistic)0.053502 由表 8 可知：R2的值大于 DW D(LNY,2)= 0.006621+0.369003* D(LNX,2) t： (2.709409) (2.030733) R2=0.8466 DW=2.617 2.检验残差序列的平稳性 表 9 残差序列的单位根检 t-Statistic Prob.* Augmented Dickey-Fuller test statistic-5.307305 0.0003 Test critical values:1% level-3.737853 5% level-2.991878 10% level-2.635542 VariableCoefficientStd. Errort-StatisticProb. D(ET(-1)-1.1153860.210160-5.3073050.0000 C-0.0003380.012673-2.0266840.9790 R-squared0.561469 Mean dependent var0.002614 Adjusted R-squared0.541536 S.D. dependent var0.091605 S.E. of regression0.062026 Akaike info criterion -2.642881 Sum squared resid0.084638 Schwarz criterion-2.544710 Log likelihood33.71457 F-statistic28.16748 Durbin-Watson stat2.127176 Prob(F-statistic)0.000025 由表 9 可知：一阶残差序列 ET 的 ADF 的值为-5.307305，显然小于在 1%水 平下的临界检验值-3.737853，小于在 5%水平下的临界检验值-2.991878，也小 于在 10%水平下的临界检验值-2.638752，因此一阶差分的 et 的时间序列是一 个平稳序列。因此 et 的表达式如下： D（et）=-0.000338-1.115386*D(ET(-1) DW=2.127 （-2.0267） (-5.3073) 即 EG=-5.3073， 3.检验 LNY 时间序列与国内生产总值 X 时间序列间是否存在协整关系 由于 EG=-5.3073，查协整检验的 EGH 或 AFG 临界值表（根据 N=2,a=0.05，T=28）可知，EG 小于临界值，因而我们接受 et 是平稳的原假设， 这意味着两变量是协整的，或者说两变量存在长期的协整关系。 （四）建立（四）建立 ECMECM 模型模型 由前面的分析可知，二阶差分后的国内生产总值时间序列logx是一个 平稳序列，二阶差分的财政支出总额时间序列logy是一个平稳序列，一阶 差分的残差序列 et 的是一个平稳序列。于是对二阶差分的财政支出总额时间序 列logy作为因变量，二阶差分后的国内生产总值时间序列logx和一阶 差分的残差序列 et 作为自变量进行回归估计，通过 Eviews 软件操作得到结果 如下： 表 10 ECM 模型结果 Dependent Variable: D(LNY,2) Method: Least Squares Date: 07/03/10 Time: 20:38 Sample (adjusted): 1984 2008 Included observations: 25 after adjustments VariableCoefficientStd. Errort-StatisticProb. C0.0046150.0072762.6342580.5325 D(LNX,2)0.3400350.1397032.4339800.0235 D(ET)0.4738140.1228193.8578110.0009 R-squared0.886083 Mean dependent var0.004359 Adjusted R-squared0.839364 S.D. dependent var0.048543 S.E. of regression0.036347 Akaike info criterion -3.679234 Sum squared resid0.029065 Schwarz criterion-3.532969 Log likelihood48.99043 F-statistic10.40425 Durbin-Watson stat2.315077 Prob(F-statistic)0.000660 由表 10 可知，我们可以写成标准的 ECM 回归模型结果如下： D(LNY,2)= 0.004615 +0.340035* D(LNX,2) +0.473814* D(ET) t： (2.634) (2.434) (3.858) R2= 0.8860 DW=2.315 ECM 回归方程的回归系数通过了显著性检验，误差修正系数为正，符合正 向修正机制。回归结果表明国内生产总值的短期变动对财政支出总额存在正向 影响。此外，由于短期调整系数是显著的，因此它表明每年发生的财政支出总 额于其长期均衡值的偏差中的 47.38%（0.4738）是被修正的。 （五）模型预测（五）模型预测 通过 Eviews 软件对 ECM 模型的表达式进行预测结果，详见表 12： 表 11 预测结果 年份 2009 预测值 63839.37 由表 11 可知，通过 Eviews 软件对 ECM 模型的表达式进行预测，预测 2009 年我国的财政支出总额为 63839.37 亿元。 （六）（六）ARMAARMA 模型模型 为了比较 ECM 模型与 ARMA 模型的拟合效果，应该建立了单一变量的财政支 出总额的 ARIMA 时间序列模型。 1.模型的建立于识别 我们确定是用 AR(P)模型还是 MA（q）模型，或者是 ARMA(p,q)模型对财政 支出总额平稳的时间序列logy进行估计，首先对财政支出总额平稳的时间序 列logy坐自相关图和偏自相关图，图形如下所示。 图 3 logy的自相关图和偏自相关图 由图 3 可知，由于自相关图滞后 K=3 之后都在随机区间内，从偏自相关图 可以看出 K=1 之后都在随机区间内。于是我们认为财政支出总额时间序列logy应 该建立 ARMA(1,3)模型，下面对 ARMA(1,3)模型进行参数估计，得到结果如下表 所示。 表12 ARMA(1,3)模型参数估计 Dependent Variable: D(LNY,2) Method: Least Squares Date: 07/04/10 Time: 20:02 Sample (adjusted): 1984 2008 Included observations: 25 after adjustments Convergence achieved after 31 iterations Backcast: 1981 1983 VariableCoefficientStd. Error t-StatisticProb. C0.0040010.0017632.2701310.0344 AR(1)-0.6256380.116549-5.3680070.0000 MA(1)0.9652940.1141148.4590190.0000 MA(2)-0.8946040.092581-9.6629570.0000 MA(3)-0.9690770.125338-7.7316820.0000 R-squared0.701417 Mean dependent var0.004359 Adjusted R- squared0.641701 S.D. dependent var0.048543 S.E. of regression0.029057 Akaike info criterion-4.062248 Sum squared resid0.016886 Schwarz criterion-3.818473 Log likelihood55.77810 F-statistic11.74578 Durbin-Watson stat1.873206 Prob(F-statistic)0.000045 Inverted AR Roots -.63 Inverted MA Roots .97 -.97-.23i -.97+.23i 由表 12 可知，ARMA(1,3)模型参数估计所得到的结果表达式为： D(LNY,2)=0.004001-0.625638*D(LNY,2)t-1-0.965294*Ut-1+0.894604*Ut-2+ 0.969077*Ut-3 2.ARMA(1,3)模型的检验 现在对求得的模型的残差序列进行白噪声检验，如果残差序列不是白噪声 序列，则需要对 ARMA(1,3)模型进行进一步改进，如果是白噪声过程，则接收 估计得到的模型，ARMA(1,3)模型的残差序列检验结果如下图所示。 图 4 ARMA(1,3)模型的残差序列检验 由图 4 可知，ARMA(1,3)模型的残差序列是白噪声序列，接收 ARMA(1,3)模 型。 3模型的预测 由于财政支出总额时间序列二阶差分后事平稳序列，因此我们最终确定 ARIMA(1,2,3)模型，现在用该模型做预测，预测结果如下表所示。 表 13 ARIMA(1,2,4)模型预测结果 年份 2010 预测值 64439.37 由表 13 可知，通过 Eviews 软件对 ARIMA(1,2,4)模型的表达式进行预测， 预测 2009 年我国的财政支出总额为 64439.37 亿元。 由表 11 和表 13 的预测结果相比较，我们发现 ECM 模型比 ARIMA(1,2,3)模 型预测结果更为合理，因此我们建立的 ECM 模型比 ARIMA(1,2,3)模型更优，因 此在对我国的财政支出总额我们应该采用 ECM 模型来预测我国财政支出的增长 状况对我国经济发展水平的影响。 三、结论与对策三、结论与对策 （一）结论（一）结论 首先，根据协整检验，我国的财政支出与 GDP 都具有非平稳性的特征，但 它们却具有长期稳定的协整关系。就长期而言，我国的财政支出与 GDP 之间具 有统计上的高度相关性。 其次，总结各个分析结果，可以看出 GDP 的变