论文导读:：表3财政支农结构与消费的Granger因果检验。为数不多的学者研究了财政支农对农村居民消费的影响。胡永刚和杨智峰[15]使用SVAR方法的研究表明。
论文关键词：财政支农结构，农村居民消费，VAR
农业部门的特殊性决定了政府必须对农业发展给予必要的财政支持，对此，中央政府一直非常重视，特别是近年来连续7个中央1号文件说明了这一点。在农业财政的各项支出中，支援农村生产支出和农林水利气象事业费的比重最大且在不断上升，农业基本建设支出次之，在90年代中期后大幅上升，农村救济费和农业科技三项费用支出一直在低位缓慢增长。同时，我国的经济转型之路必须要依靠广大农村居民的消费力的提高才能顺利进行。经济学理论早已证实了政府支出对居民消费的影响VAR，对于财政支农的各项支出，究竟怎样的结构才能对农村居民的消费起到最大的促进作用，这是一个值得研究的问题。
一、相关研究述评
关于政府支出与居民消费之间的关系,理论界一直都悬而未决。一种观点认为政府支出对居民消费有促进作用，即有“挤入效应”，另一种观点则认为政府支出会减少居民消费，即有“挤出效应”。国外学术界在实证结果方面也存在较大的分歧。Kormendi[1]、Ahmed[2]、Tsung-wu Ho[3]等运用不同的研究方法发现政府支出对居民消费存在显著的挤出效应。另一些学者却认为政府支出对私人消费有拉动效应，如Aschauer[4]、Blanchard 和Perotti[5]、等的研究。国内研究得出的结论也并不一致。刘溶沧和马栓友[6]、胡书东[7]、李广众[8]等研究证实我国财政支出对居民消费具有挤入效应发表论文。而黄赜琳[9]、潘彬等[10]；陈太明[11]等的研究得出财政支出挤出居民消费的结论。
为数不多的学者研究了财政支农对农村居民消费的影响，如李燕凌与曾福生[12]根据布朗—杰克逊估计方法,从农村公共支出影响因素及公共支出对私人消费影响的视角,运用1994年和2003年的截面数据及1994～2003年的面板数据数据对中国东部、中部和西部地区农村公共支出效果进行了分析，得出对不同地区和不同消费项目的影响并不同。储德银和闫伟[13]利用面板模型的研究结果认为财政支出对农村居民消费具有挤入效应。朱建军和常向阳[14]也利用面板模型研究表明,地方财政支农支出对农村居民消费具有显著的正向影响,而补贴性支出的影响不显著。胡永刚和杨智峰[15]使用SVAR方法的研究表明，财政农业支出对农村产出和居民消费是挤入的,科技费、救济及其他费与基本建设费对农村产出与居民消费有较明显的长期效应,事业费对农村产出与居民消费的短期效应明显,长期效应较弱。
检索国内对财政支农对农村居民消费影响的文献，发现大多研究没有注意到将可支配收入这个变量纳入到计量模型中，按照Tsung-wu Ho[3]观点，忽视此点会导致估计结果可能会是有偏的。鉴于此，本文将财政支农中的支援农村生产支出和农林水利气象事业费、农村基本建设支出、农业科技三项费用、农村救济费分别与消费与收入建立向量自回归（VAR）模型以考察不同的支农项目对农村居民消费的影响。
二、数据来源与实证方法的选取
（一）数据说明
财政对农业的支持是通过以下几个项目来实现的：支援农村生产支出和农林水利气象事业费、农业基本建设支出、农业科技三项费用支出、农村救济费等。
为了克服物价波动的影响,农民人均纯收入、农民人均消费支出选取1978～2006年数据，并利用农村居民消费价格指数进行平减。由于1985 年以前的农村居民消费价格指数官方未予公布, 本文用城市居民消费价格指数(1978 年= 100) 代替, 1985 年及其以后的农村居民消费价格指数是将当年官方公布的指数(1985 年= 100) 剩以1.342 (城市CPI1985年=134.2)而得来, 这种指标构造方法来自于Gale Johnson[16]选取农村人均纯收入是因为它实际上就是人均可支配收入。
农民人均所得财政支农数据的说明：由于对2006年后农村基本建设支出、农业科技三项费用和农村救济费的统计已停，鉴于数据的可得性，这三项变量选取了1978～2006 年的数据；支援农村生产支出和农林水利气象事业费选取1978～2008年度数据。财政支农用农村地区商品零售价格指数进行了平减。
变量定义：RI=人均农民纯收入；RC=人均农民消费支出；SZNS=人均支援农村生产支出和农林水利气象事业费；JBJS=人均农村基本建设支出；KJSX=人均农业科技三项费用；JJ=人均农村救济费。最后，为了消除异方差，将变量取对数后再做进一步的检验和回归。
本文数据均来源于相关年度的《中国农村统计年鉴》、《中国统计年鉴》、《新中国50年统计资料汇编》、中经网统计数据库。
（二）实证方法
传统的经济计量方法（如联立方程模型方法）是以经济理论为基础来描述变量关系的模型。但是VAR，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程左端又可以出现在方程的右端使得估计和推断变得更加复杂。而Sims[21]提出向量自回归（VAR）这种多方程模型就可以解决这些问题。VAR模型是用模型中所有当期变量对所有变量的若干滞后项进行回归。VAR（）模型为：
， ～
其中，是的列向量，表示滞后阶数，是阶参数矩阵，是阶随机误差列向量。是 阶方差协方差矩阵。对最大滞后期数依据Akaike信息准则(AIC)确定。因为VAR模型右侧只含有滞后变量，而这些变量与误差项不存在相关关系，所以可以用OLS法对VAR模型内的方程逐一进行估计，且参数估计量具有一致性发表论文。根据本文的研究目的，建立四个三向量VAR模型，向量取值分别为：
模型Ⅰ：；模型Ⅱ：；
模型Ⅲ：；模型Ⅳ：。
本文将运用基于回归系数的Johansen 协整检验方法来检验变量之间的协整关系。得出协整检验的结果之后, 本文进一步利用Granger 因果关系检验以确定变量之间是否存在短期因果关系。接下来对VAR模型进行脉冲响应函数分析和方差分解以考察内生变量的冲击及不同冲击的重要性。
三、实证结果与分析
（一）ADF检验
对于时间序列数据, 为了避免出现伪回归现象, 本文首先利用ADF单位根检验法检验变量的平稳性,如果变量是单整的, 从而可以对相关变量进行协整检验以确定政府支出和居民消费支出的长期稳定关系。VAR滞后阶数以AIC值最小为原则,检验结果如表1所示。通过检验发现, 这些对数化的变量均为非平稳性变量, 而它们的差分序列平稳变量。所以, 这些变量都是过程，下面将进一步检验它们是否存在协整关系。
表1ADF单位根检验结果
序列
检验形式（C，T，K）
ADF检验值
临界值
结论
（C，T，0）
（C，0，0）
（CVAR，T，1）
（C，0，0）
（0，0，0）
（C，T，0）
（C，T，0）
（0，0，0）
（0，0，0）
（C，T，0）
（0，0，0）
（C，TVAR，0）
-2.719422
-3.403646
-2.813014
-2.849955
3.530990
-6.474696
-2.257807
-5.176240
-1.424645
-5.700810
1.478173
-7.729773
-3.218382*
-2.967767**
-3.221728*
-2.967767**
-1.610211*
-4.309824***
-3.225334*
-2.653401***
-1.609798*
-4.339330***
-1.609798*
-4.339330***
不平稳
平稳
不平稳
平稳
不平稳
平稳
不平稳
平稳
不平稳
平稳
不平稳
平稳
（二）VAR模型检验及分析
1.协整检验
协整检验的方法有EG两步法和JJ法,前者适合对两变量的模型进行协整检验,后者适合在多变量的VAR 模型中进行协整检验。本文采用JJ检验。由于、、等六个序列都是序列，满足协整条件。采用特征根Trace和Max-Eigen检验，得到协整结果：模型Ⅰ、Ⅱ、Ⅳ有一个协整关系，方程Ⅲ有两个协整关系。最后各模型取标准化的协整向量, 得到对应的协整方程为(括号内的数字表示参数估计的值) :
表2财政支出结构与消费的协整方程
模型
协整向量
协整方程
Ⅰ
(-2.4368) (-4.2490)
Ⅱ
(-11.9858) (7.20876)
Ⅲ
(-15.0713) (1.24691)
Ⅳ
(-10.6672) (3.37279)
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
