楊琦

[內(nèi)容摘要]本文利用方法對(duì)財(cái)政支農(nóng)不同部分對(duì)農(nóng)村居民消費(fèi)的影響進(jìn)行了考察。結(jié)果表明：①生產(chǎn)性的支出對(duì)農(nóng)村居民消費(fèi)產(chǎn)生了“擠入效應(yīng)”，而非生產(chǎn)性支出對(duì)農(nóng)村居民消費(fèi)產(chǎn)生了“擠出效應(yīng)”；生產(chǎn)性支出對(duì)農(nóng)民消費(fèi)的沖擊為正，非生產(chǎn)性支出對(duì)農(nóng)民消費(fèi)沖擊主要為負(fù)。從沖擊的貢獻(xiàn)來(lái)看，前者的貢獻(xiàn)率大于后者。②從短期來(lái)看，農(nóng)村居民消費(fèi)支出與生產(chǎn)性支農(nóng)支出構(gòu)成了雙向的Granger原因；非生產(chǎn)性支農(nóng)支出成為農(nóng)村居民消費(fèi)的Granger原因，而農(nóng)村居民消費(fèi)不能成為非生產(chǎn)性支農(nóng)支出的Granger原因。對(duì)模型施加短期約束條件，生產(chǎn)性支農(nóng)支出對(duì)農(nóng)民消費(fèi)有一個(gè)正的較大的同期效應(yīng)。

[關(guān)鍵詞]財(cái)政支農(nóng)；農(nóng)村居民消費(fèi)；模型

一、相關(guān)研究述評(píng)

學(xué)術(shù)界對(duì)政府支出與居民消費(fèi)之間的理論關(guān)系主要有兩種相左的觀點(diǎn)：一種是有“擠入效應(yīng)”，即政府支出對(duì)居民消費(fèi)是正向作用；另一種是“擠出效應(yīng)”，即政府支出對(duì)居民消費(fèi)是負(fù)向作用。國(guó)外學(xué)界對(duì)究竟是“擠入”或“擠出”存在爭(zhēng)議。Ahmed、Tsung-wu Ho和Perotti的研究發(fā)現(xiàn)政府支出對(duì)私人消費(fèi)基本是擠出的另一些學(xué)者如Aschauer、Blanchard和Perotti的研究結(jié)果表明卻認(rèn)為政府支出對(duì)私人消費(fèi)有拉動(dòng)效應(yīng)。

國(guó)內(nèi)學(xué)者研究得出的結(jié)論也并不一致。胡書東、李廣眾、李樹培和魏下海等研究證實(shí)我國(guó)財(cái)政支出對(duì)居民消費(fèi)具有擠入效應(yīng)。劉宛晨和袁闖通過(guò)對(duì)我國(guó)1978-2004年的數(shù)據(jù)進(jìn)行回歸分析，結(jié)果表明，我國(guó)財(cái)政支出對(duì)居民消費(fèi)總體上存在擠入效應(yīng)，同時(shí)對(duì)農(nóng)村居民消費(fèi)的“擠進(jìn)作用”更明顯。另一些學(xué)者如黃賾琳、潘彬等、陳太明、楊智峰等利用不同的方法研究了財(cái)政支出對(duì)居民消費(fèi)的影響，認(rèn)為政府支出對(duì)私人消費(fèi)具有擠出效應(yīng)。

許多財(cái)政支農(nóng)研究的集中在其對(duì)農(nóng)民收入與農(nóng)村經(jīng)濟(jì)增長(zhǎng)的影響上，如楊燦明等、李煥彰等、杜玉紅、王敏等。但有少數(shù)學(xué)者也研究了財(cái)政支農(nóng)與農(nóng)村居民消費(fèi)之間的關(guān)系，如李燕凌與曾福生對(duì)中國(guó)不同地區(qū)的農(nóng)村公共支農(nóng)的效果進(jìn)行了分析，結(jié)論是支農(nóng)效果對(duì)得出對(duì)不同地區(qū)和不同消費(fèi)項(xiàng)目的影響并不同。朱建軍和常向陽(yáng)利用面板模型研究結(jié)果表明，地方財(cái)政補(bǔ)貼性支出對(duì)農(nóng)村居民消費(fèi)的影響不顯著，而財(cái)政支農(nóng)支出具有顯著的正向影響。儲(chǔ)德銀和閆偉也利用面板模型的研究結(jié)果認(rèn)為財(cái)政支出對(duì)農(nóng)村居民消費(fèi)具有正向效應(yīng)。胡永剛和楊智峰使用模型的研究表明，財(cái)政農(nóng)業(yè)支出對(duì)農(nóng)村居民消費(fèi)是擠入的，其中，事業(yè)費(fèi)對(duì)農(nóng)村居民消費(fèi)的長(zhǎng)期效應(yīng)較弱，短期效應(yīng)明顯；而基本建設(shè)費(fèi)、科技費(fèi)、救濟(jì)及其他費(fèi)與對(duì)農(nóng)村居民消費(fèi)有較顯著的長(zhǎng)期效應(yīng)。胡東蘭等利用1978-2010年的時(shí)間序列數(shù)據(jù)實(shí)證分析了我國(guó)財(cái)政支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)的影響，結(jié)果表明，財(cái)政支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)有一定的擠入效應(yīng)，但效果不明顯，而且農(nóng)村居民消費(fèi)存在一定的滯后性。

值得一提的是，在國(guó)內(nèi)的研究中，許多學(xué)者并沒(méi)有將可支配收入這個(gè)變量納入到計(jì)量模型中，帶來(lái)的直接后果就是可能會(huì)導(dǎo)致估計(jì)結(jié)果是有偏的。傳統(tǒng)的經(jīng)濟(jì)計(jì)量方法（如聯(lián)立方程模型方法）是以經(jīng)濟(jì)理論為基礎(chǔ)來(lái)描述變量關(guān)系的模型。但是，經(jīng)濟(jì)理論通常并不足以對(duì)變量之間的動(dòng)態(tài)聯(lián)系提供一個(gè)嚴(yán)密的說(shuō)明，而且內(nèi)生變量既可以出現(xiàn)在方程左端又可以出現(xiàn)在方程右端使得估計(jì)和推斷變得更加復(fù)雜。解決這個(gè)問(wèn)題的方法之一就是使用Sims提出的向量自回歸（VAR）這種多方程模型。

二、數(shù)據(jù)來(lái)源與實(shí)證方法的選取

（一）數(shù)據(jù)說(shuō)明

按Barro的劃分方式，財(cái)政支農(nóng)可以分為兩個(gè)部分：生產(chǎn)性支出和非生產(chǎn)性支出。其中生產(chǎn)性支出包括：農(nóng)林水利氣象事業(yè)費(fèi)、農(nóng)業(yè)科技三項(xiàng)費(fèi)用和支援農(nóng)村生產(chǎn)支出；非生產(chǎn)性支出包括農(nóng)業(yè)基本建設(shè)支出和農(nóng)村救濟(jì)費(fèi)。農(nóng)村水利氣象等事業(yè)部門的事業(yè)費(fèi)指的是用于農(nóng)村水利、氣象、林業(yè)等事業(yè)單位的人員經(jīng)費(fèi)和各項(xiàng)事業(yè)專項(xiàng)經(jīng)費(fèi)；農(nóng)業(yè)科技三項(xiàng)費(fèi)用指的是農(nóng)業(yè)科技事業(yè)中新產(chǎn)品試制費(fèi)、中間試驗(yàn)費(fèi)和重大科研項(xiàng)目補(bǔ)助費(fèi)等費(fèi)用的支出；支援農(nóng)村生產(chǎn)支出指的是財(cái)政支援農(nóng)村集體及戶的生產(chǎn)支出；農(nóng)業(yè)基本建設(shè)支出指的是政府為農(nóng)業(yè)生產(chǎn)創(chuàng)造良好條件的建設(shè)以及對(duì)農(nóng)業(yè)部門中固定資產(chǎn)的新建、擴(kuò)建、改建和恢復(fù)而做的投資支出。

消費(fèi)價(jià)格指數(shù)的說(shuō)明：本文采用城市居民消費(fèi)價(jià)格指數(shù)（1978=100）來(lái)代替1985年以前的農(nóng)村居民消費(fèi)價(jià)格指數(shù)，這是因?yàn)楣俜經(jīng)]有公布1985年以前的農(nóng)村居民消費(fèi)價(jià)格指數(shù)，而1985年及其以后的農(nóng)村居民消費(fèi)價(jià)格指數(shù)采用的是Gale Johnson的方法，即將當(dāng)年官方公布的指數(shù)（1985年=100）乘以1.342而得來(lái)（城市CPI 1985年=134.2）。農(nóng)民人均純收入、農(nóng)民人均消費(fèi)支出選取1978-2012年數(shù)據(jù)。農(nóng)民人均消費(fèi)支出和農(nóng)民純收入利用農(nóng)村居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減（以1978年為基期的CPI指數(shù)），這么做的目的是為了克服物價(jià)波動(dòng)的影響。由于1984年才開(kāi)始統(tǒng)計(jì)農(nóng)村居民CPI指數(shù)，令1984=100，1978-1983年的CPI均按1984年的計(jì)算。人均值可由各年度數(shù)據(jù)除以當(dāng)年鄉(xiāng)村總?cè)丝跀?shù)得到。這里農(nóng)村人均純收入等于人均可支配收入。

農(nóng)民人均所得財(cái)政支農(nóng)數(shù)據(jù)的說(shuō)明：官方對(duì)農(nóng)村基本建設(shè)支出、農(nóng)村救濟(jì)費(fèi)和農(nóng)業(yè)科技三項(xiàng)費(fèi)用的統(tǒng)計(jì)已于2006年后停止，故這三項(xiàng)變量選取了1978-2006年的數(shù)據(jù)；為了數(shù)據(jù)的一致性，農(nóng)林水利氣象事業(yè)費(fèi)和支援農(nóng)村生產(chǎn)支出也選取1978-2006年的數(shù)據(jù)。運(yùn)用農(nóng)村地區(qū)商品零售價(jià)格指數(shù)對(duì)財(cái)政支農(nóng)數(shù)據(jù)進(jìn)行了平減。

變量定義：RI=人均農(nóng)民純收入；RC=人均農(nóng)民消費(fèi)支出；PE=生產(chǎn)性支出，NPE=非生產(chǎn)性。模型中將等式兩邊取了對(duì)數(shù)，目的是為了消除可能存在的異方差。

本文數(shù)據(jù)均來(lái)源于相關(guān)年度的中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《新中國(guó)50年統(tǒng)計(jì)資料匯編》。

（二）實(shí)證方法

模型是用模型中所有當(dāng)期變量對(duì)所有變量的若干滯后項(xiàng)進(jìn)行回歸。VAR（p）模型為：

其中，Y_t是N×1的列向量，p表示滯后階數(shù)，Ⅱ_p是N×N階參數(shù)矩陣，U_t是N×1階隨機(jī)誤差列向量。Ω是N×N階方差協(xié)方差矩陣。在現(xiàn)實(shí)經(jīng)濟(jì)中，很多經(jīng)濟(jì)變量不僅與本身及其他變量的滯后期值有關(guān)，還與同期值有關(guān)。結(jié)構(gòu)式VAR能夠依據(jù)現(xiàn)有的經(jīng)濟(jì)理論，考慮變量間的同期關(guān)系，從而相比較于無(wú)約束的VAR更精確地去解釋變量間的動(dòng)態(tài)關(guān)系。對(duì)變量之間相互關(guān)系的識(shí)別約束短期的沖擊是通過(guò)對(duì)變量間方差一協(xié)方差行列式的識(shí)別。因由簡(jiǎn)約VAR模型不能直接得到結(jié)構(gòu)沖擊用于分析經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)響應(yīng)，我們采用Amisano和Giannini的AB模型來(lái)將簡(jiǎn)約VAR的殘差，化為結(jié)構(gòu)沖擊。矩陣A與B描述了簡(jiǎn)約VAR模型的殘差與結(jié)構(gòu)沖擊之間的線性關(guān)系，如果得到內(nèi)生變量的結(jié)構(gòu)沖擊表達(dá)式，便可以分析變量獨(dú)立的結(jié)構(gòu)沖擊的動(dòng)態(tài)效應(yīng)，即SVAR模型。一般k個(gè)變量p階結(jié)構(gòu)向量自回歸模型SVAR（p）為：

三、實(shí)證結(jié)果與分析

（一）模型的檢驗(yàn)

1 ADF檢驗(yàn)。時(shí)間序列可能會(huì)出現(xiàn)偽回歸的現(xiàn)象。為了避免偽回歸，可用ADF單位根檢驗(yàn)法來(lái)檢驗(yàn)變量的平穩(wěn)性，將非平穩(wěn)的變量進(jìn)行處理使之成為平穩(wěn)的時(shí)間序列。協(xié)整可以刻畫多個(gè)序列之間的平穩(wěn)關(guān)系，但對(duì)每個(gè)序列單獨(dú)來(lái)說(shuō)可能是非平穩(wěn)的。Engle和Granger指出多個(gè)非平穩(wěn)時(shí)間序列的線性組合可能是平穩(wěn)的，即有I（O）的存在，這些非平穩(wěn)的時(shí)間序列之間被認(rèn)為具有協(xié)整關(guān)系。但許多非平穩(wěn)時(shí)間序列通過(guò)差分運(yùn)算，得到平穩(wěn)的序列I（d），說(shuō)明變量是可以單整的。如果變量是單整，就可以對(duì)變量進(jìn)行協(xié)整檢驗(yàn)來(lái)確定他們之間是否存在長(zhǎng)期穩(wěn)定關(guān)系。SC值最小是VAR滯后階數(shù)的選擇原則，選取了帶有截距和趨勢(shì)項(xiàng)的模型，檢驗(yàn)結(jié)果如表1所示。結(jié)果顯示，變量為非平穩(wěn)變量，但是通過(guò)差分后序列平穩(wěn)，即I（1）過(guò)程。接著檢驗(yàn)變量間是否存在協(xié)整關(guān)系。

在確定VAR模型之前，確定滯后階數(shù)。滯后階數(shù)的確定非常重要。因?yàn)槿绻鹥太小，誤差項(xiàng)的自相關(guān)有時(shí)很嚴(yán)重，將會(huì)導(dǎo)致被估參數(shù)的非一致性。但是，p太大會(huì)導(dǎo)致自由度減小，并直接影響被估參數(shù)的有效性。對(duì)于滯后階數(shù)的選擇有多種判斷準(zhǔn)則，其中包括LR統(tǒng)計(jì)量、赤地信息準(zhǔn)則（AIC）以及施瓦茨準(zhǔn)則（SC）等五個(gè)準(zhǔn)則。從表2中得到五個(gè)評(píng)判標(biāo)準(zhǔn)有四個(gè)選擇滯后1期，得到VAR模型的滯后階數(shù)為1，即VAR（1）。

2 協(xié)整檢驗(yàn)。協(xié)整理論是Engle和Granger提出的，該理論認(rèn)為雖然一些變量是非平穩(wěn)序列，但是它們的線性組合有可能是平穩(wěn)序列，平穩(wěn)的線性組合被稱為協(xié)整方程。協(xié)整檢驗(yàn)的方法采用JJ檢驗(yàn)，它是Johansen和Juselius提出的基于回歸系數(shù)的協(xié)整檢驗(yàn)，適合在多變量的VAR模型中進(jìn)行協(xié)整檢驗(yàn)。VAR模型中協(xié)整關(guān)系的個(gè)數(shù)可以通過(guò)Johansen的最大特征根和跡估計(jì)方法確定。

由于△LNRC、△LNRI等四個(gè)序列都是I（1）序列，滿足協(xié)整條件。采用特征根Trace和Max-Eigen檢驗(yàn)，得到協(xié)整結(jié)果，見(jiàn)表3。

從表3可以看出，Trace檢驗(yàn)和Max-Eigen檢驗(yàn)均顯示在10%的顯著性水平下，VAR模型有兩個(gè)協(xié)整關(guān)系。

3 長(zhǎng)期均衡關(guān)系分析。上述協(xié)整檢驗(yàn)中，各變量之間存在長(zhǎng)期協(xié)整關(guān)系，最后模型取標(biāo)準(zhǔn)化的協(xié)整向量，得到對(duì)應(yīng)的協(xié)整方程為（括號(hào)內(nèi)的數(shù)字表示參數(shù)估計(jì)的t值）：

從長(zhǎng)期協(xié)整方程（4）中看出，支農(nóng)生產(chǎn)性支出、支農(nóng)非生產(chǎn)性支出、農(nóng)民純收入和農(nóng)村居民消費(fèi)之間存在長(zhǎng)期均衡關(guān)系。其中，支農(nóng)生產(chǎn)性支出和農(nóng)民純收入對(duì)農(nóng)村居民消費(fèi)增長(zhǎng)有促進(jìn)作用，但起的作用不同。前者的作用更大，它每增加1%，農(nóng)民收入增加0.66%；后者每增加1%，農(nóng)民消費(fèi)支出增長(zhǎng)0.16%，但t值不顯著。而非生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)有負(fù)面作用，它每增加1%，農(nóng)村居民消費(fèi)支出減少1.02%。這說(shuō)明生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)產(chǎn)生了擠入效應(yīng)，而非生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)產(chǎn)生了擠出效應(yīng)，這與朱建軍（2009）對(duì)地方財(cái)政支農(nóng)的研究結(jié)論是一致的。

4 Granger因果檢驗(yàn)。Johansen協(xié)整檢驗(yàn)結(jié)果表明，財(cái)政支農(nóng)支出與農(nóng)村居民消費(fèi)在1978-2006年間，存在長(zhǎng)期穩(wěn)定的均衡關(guān)系。然而，這種均衡關(guān)系是否構(gòu)成短期因果關(guān)系，還有待于進(jìn)一步驗(yàn)證?；诖?，本文進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，以此判斷它們之間的短期關(guān)系。

由表4可以看出，在1%的顯著性水平下，農(nóng)村居民消費(fèi)支出與生產(chǎn)性支農(nóng)支出構(gòu)成了雙向的Granger原因；在5%的顯著性水平下，非生產(chǎn)性支農(nóng)支出成為農(nóng)村居民消費(fèi)的Granger原因，而農(nóng)村居民消費(fèi)不能成為非生產(chǎn)性支農(nóng)支出的Granger原因。

（二）財(cái)政支農(nóng)對(duì)農(nóng)民收入、消費(fèi)影響的SVAR模型

1 構(gòu)建SVAR模型。VAR模型的缺點(diǎn)是不能刻畫變量之間的同期相關(guān)關(guān)系，因VAR模型并沒(méi)有給出變量之間當(dāng)期相關(guān)關(guān)系的確切形式，即在模型的右端不含內(nèi)生變量的當(dāng)期值，而SVAR這些當(dāng)期相關(guān)關(guān)系隱藏在擾動(dòng)項(xiàng)變動(dòng)中，而模型中包含變量之間的當(dāng)期關(guān)系。要找到變量之間的同期相關(guān)關(guān)系，可以通過(guò)SVAR模型來(lái)識(shí)別，但需要對(duì)模型施加約束。從簡(jiǎn)約VAR到SVAR轉(zhuǎn)化時(shí)，需要施加k（k-1）/2個(gè)限制條件才能得到相應(yīng)的結(jié)構(gòu)式參數(shù)，即模型才能被識(shí)別。因此，對(duì)本文的4變量模型，則需要6個(gè)約束限制條件才能識(shí)別出結(jié)構(gòu)沖擊。除了主對(duì)角線的數(shù)為1外，我們得再施加2個(gè)以上的限制，采用對(duì)矩陣B施加限制條件實(shí)現(xiàn)短期約束。1代表LNRC，2代表LNRI，3代表LNPE，4代表LNNPE。根據(jù)經(jīng)濟(jì)常識(shí)，消費(fèi)與純收入對(duì)生產(chǎn)性或非生產(chǎn)性支出的同期影響應(yīng)為0，即a₃₁=a₄₁=0，a₃₂=a₄₂=0，而生產(chǎn)性支農(nóng)支出與非生產(chǎn)性支農(nóng)支出相互同期影響也都為0，即a₃₄=a₄₃=0。

建立4變量的AB型SVAR模型，其A、B矩陣形式如下：

本文關(guān)心的是支農(nóng)支出對(duì)消費(fèi)的影響，故對(duì)支農(nóng)支出對(duì)收入的影響省去不論。從矩陣式中可以看出，a₁₃=2.43，a₁₄=0.000107，“a₁₃”的數(shù)值代表生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)有一個(gè)正的較大的同期效應(yīng)，“a₁₄”的數(shù)值代表非生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)的影響幾乎沒(méi)有。兩個(gè)數(shù)值意味著：在短期內(nèi)生產(chǎn)性支出對(duì)農(nóng)村居民消費(fèi)有較大正向影響；而非生產(chǎn)性支出對(duì)農(nóng)村居民消費(fèi)的短期消費(fèi)影響很小。政策含義是，考慮增加生產(chǎn)性支農(nóng)支出能快速提升農(nóng)村居民消費(fèi)能力。

2 SVAR模型的脈沖響應(yīng)函數(shù)分析。VAR模型是一種非理論性的模型，無(wú)需對(duì)變量做任何先驗(yàn)性約束，因此在分析VAR模型時(shí)，往往不分析一個(gè)變量的變化對(duì)另外變量的影響如何，而是分析當(dāng)一個(gè)誤差項(xiàng)發(fā)生變化（或模型受到某種沖擊時(shí)）對(duì)系統(tǒng)的動(dòng)態(tài)影響。這種分析方法稱為脈沖響應(yīng)函數(shù)法（IRF）。脈沖響應(yīng)函數(shù)刻畫的是在擾動(dòng)項(xiàng)上加一個(gè)標(biāo)準(zhǔn)大小的沖擊對(duì)于內(nèi)生變量當(dāng)前值和未來(lái)值所帶來(lái)的影響。在模型中，某一個(gè)變量的沖擊不僅直接影響到自身，而且會(huì)通過(guò)VAR模型的滯后結(jié)構(gòu)傳遞到其他內(nèi)生變量。由于VAR中不同方程的隨機(jī)誤差項(xiàng)之間存在同期相關(guān)，這些殘差都對(duì)共同的沖擊存在著聯(lián)合的依賴性。因?yàn)榉墙Y(jié)構(gòu)化的向量自回歸模型的變量間也同時(shí)相互依賴，為了區(qū)分各變量自身真正的沖擊，需要構(gòu)造一個(gè)正交矩陣將同期的沖擊項(xiàng)轉(zhuǎn)換為同期不相關(guān)的沖擊項(xiàng)，將變量殘差中來(lái)自其他變量的部分剝離掉。本文利用喬利斯基（Cholesky）分解方法得到脈沖響應(yīng)?？v軸表示變量增長(zhǎng)率的變化，橫軸表示響應(yīng)函數(shù)的期數(shù)，響應(yīng)函數(shù)的追蹤期設(shè)為30期（年）。

如上圖（a）所示，給生產(chǎn)性支農(nóng)支出一個(gè)正的標(biāo)準(zhǔn)差的沖擊，在第1～17年對(duì)農(nóng)村居民消費(fèi)為正的影響，在第18年后對(duì)農(nóng)村居民消費(fèi)的影響都為負(fù)，分別在第9年和第26年達(dá)到正的和負(fù)的最大沖擊。說(shuō)明生產(chǎn)性支農(nóng)支出在中短期對(duì)農(nóng)民消費(fèi)呈現(xiàn)正效應(yīng)，這主要是就農(nóng)戶的生產(chǎn)支援和科技的投入對(duì)農(nóng)業(yè)生產(chǎn)起到了支持作用，增加了農(nóng)民收入，進(jìn)而提高了農(nóng)民的消費(fèi)。但是，從長(zhǎng)期來(lái)看，這種支出的正效應(yīng)是在逐漸衰減的；在上圖（b）中，給非生產(chǎn)性支農(nóng)支出一個(gè)標(biāo)準(zhǔn)差正的沖擊，前3年對(duì)農(nóng)村居民消費(fèi)影響為負(fù)，在第4～9年對(duì)農(nóng)村居民消費(fèi)的影響為微弱的正沖擊，第10年后以后各期對(duì)農(nóng)村居民消費(fèi)的影響都為負(fù)，在第21年對(duì)農(nóng)村居民消費(fèi)的影響達(dá)到負(fù)的最大沖擊。這說(shuō)明非生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)基本上具有擠出效應(yīng)。

3 方差分解。方差分解表示的是當(dāng)系統(tǒng)的某個(gè)變量受到一個(gè)單位的沖擊以后，以變量的預(yù)測(cè)誤差方差百分比的形式反映向量之間的交互作用程度。與沖擊響應(yīng)分析相比，方差分解將一個(gè)內(nèi)生變量的均方誤差分解成各變量結(jié)構(gòu)沖擊所做的貢獻(xiàn)。

為考察沖擊的長(zhǎng)期影響，本文選取了30期（年）。從分解表（表略）看出，不考慮消費(fèi)自身的貢獻(xiàn)率，生產(chǎn)性支農(nóng)支出對(duì)農(nóng)村居民消費(fèi)的貢獻(xiàn)率較大，為正且呈波浪形，在第8年最大達(dá)到第1個(gè)波值9.5%（RVC_3→1（8）=9.5%）后慢慢衰減，在第29年又達(dá)到另一個(gè)波值12%（RVC_3→1（29）=12%）。非生產(chǎn)性支農(nóng)支出的貢獻(xiàn)率也是呈波浪形為正但是較小，在第30年為3.1%（RVC_4→1（30）=3.1%）；農(nóng)村居民消費(fèi)對(duì)生產(chǎn)性支農(nóng)支出的貢獻(xiàn)率也是呈波浪形，但數(shù)值較小，在第30年達(dá)到2.5%（RVC_1→3（30）=2.5%），非生產(chǎn)性支農(nóng)支出對(duì)生產(chǎn)性支農(nóng)支出的貢獻(xiàn)率表現(xiàn)為呈多個(gè)波峰的波浪形，最大值是在第8年（7.0%）（RVC_4→3（8）=7.0%）；農(nóng)村居民消費(fèi)對(duì)非生產(chǎn)性支農(nóng)支出的貢獻(xiàn)率在第1年較大，第2年后逐漸衰減，在第12年后開(kāi)始增大，到第28年達(dá)到最大值（3.1%）（RVC_1→4（28）=3.1%），生產(chǎn)性支農(nóng)支出對(duì)非生產(chǎn)性支農(nóng)支出的貢獻(xiàn)率也是呈現(xiàn)多波峰的波浪形，但貢獻(xiàn)值較大，在第16年達(dá)到25.4%（RVC_3→4（16）=25.4%）。

四、簡(jiǎn)短的結(jié)論與政策建議

本文利用1978-2012年的數(shù)據(jù)，考察了我國(guó)財(cái)政支農(nóng)不同項(xiàng)目對(duì)農(nóng)村居民消費(fèi)的影響效應(yīng)。我們的分析表明：（1）從長(zhǎng)期均衡來(lái)看，對(duì)農(nóng)村居民消費(fèi)產(chǎn)生正向作用即擠入效應(yīng)的有農(nóng)業(yè)科技三項(xiàng)費(fèi)、農(nóng)林水利氣象事業(yè)費(fèi)和支援農(nóng)村生產(chǎn)支出等生產(chǎn)性支出；對(duì)農(nóng)村居民消費(fèi)產(chǎn)生負(fù)面作用即擠出效應(yīng)的有農(nóng)村救濟(jì)費(fèi)和農(nóng)村基本建設(shè)支出等非生產(chǎn)性支出。非生產(chǎn)性支出對(duì)農(nóng)村居民消費(fèi)的沖擊主要為負(fù)，而生產(chǎn)性支出對(duì)農(nóng)村居民消費(fèi)的沖擊在中長(zhǎng)期內(nèi)為正，但從更長(zhǎng)遠(yuǎn)來(lái)看為負(fù)。生產(chǎn)性支出的沖擊對(duì)農(nóng)民消費(fèi)的貢獻(xiàn)率比非生產(chǎn)性支出要大，兩者對(duì)農(nóng)民消費(fèi)的沖擊都呈現(xiàn)波動(dòng)狀態(tài)。（2）從短期來(lái)看，生產(chǎn)性支農(nóng)支出與農(nóng)村居民消費(fèi)支出構(gòu)成雙向Granger原因；農(nóng)村居民消費(fèi)沒(méi)有構(gòu)成非生產(chǎn)性支農(nóng)支出的Granger原因，但非生產(chǎn)性支農(nóng)支出構(gòu)成了農(nóng)村居民消費(fèi)的Granger原因。對(duì)模型施加短期約束條件，生產(chǎn)性支農(nóng)支出對(duì)農(nóng)民消費(fèi)有一個(gè)正的較大的同期效應(yīng)，非生產(chǎn)性支農(nóng)支出對(duì)農(nóng)民消費(fèi)的同期影響非常小。

由此，我們對(duì)如何合理利用財(cái)政支農(nóng)支出提升農(nóng)村居民消費(fèi)提出以下建議：

（一）加大財(cái)政支農(nóng)投入的總量

沒(méi)有總量的增加，支農(nóng)投入就是建立在空中樓閣上的。我國(guó)的農(nóng)業(yè)投入嚴(yán)重不足。農(nóng)業(yè)對(duì)國(guó)家的重要性不言而喻，我國(guó)還有廣大人口在農(nóng)村居住，增加農(nóng)業(yè)的投人，改善農(nóng)業(yè)生產(chǎn)條件，增加農(nóng)業(yè)從業(yè)人員的收入，從而拉升消費(fèi)的增長(zhǎng)。所以，要繼續(xù)加大支農(nóng)力度，從法律上確立財(cái)政支農(nóng)占財(cái)政支出總量的比例，并建立財(cái)政支農(nóng)增長(zhǎng)的穩(wěn)定機(jī)制。

（二）繼續(xù)加大對(duì)農(nóng)業(yè)的科技和支援農(nóng)村生產(chǎn)支出的投入

這兩項(xiàng)對(duì)消費(fèi)具有擠入效應(yīng)。從上面的分析可知，最有效促進(jìn)消費(fèi)的項(xiàng)目就是支援農(nóng)村生產(chǎn)支出，因?yàn)樗鼘?duì)農(nóng)村居民具有直接的收入增長(zhǎng)效應(yīng)。1978年以來(lái)，從各類農(nóng)業(yè)支出占財(cái)政農(nóng)業(yè)支出的平均比例來(lái)看，科技費(fèi)比重最小，僅占1%，但它對(duì)農(nóng)民增收的作用是巨大的。建立農(nóng)民增收的長(zhǎng)效機(jī)制要靠科技的投入，政府應(yīng)加大科技支出，讓農(nóng)民學(xué)習(xí)農(nóng)業(yè)科技知識(shí)，應(yīng)用科技來(lái)增產(chǎn)增收。氣象等事業(yè)部門的事業(yè)費(fèi)支出應(yīng)壓縮。

（三）農(nóng)業(yè)基本建設(shè)投入的力度要著力加大

農(nóng)村居民消費(fèi)不振，很大程度上是因?yàn)檎畬?duì)農(nóng)業(yè)基本建設(shè)的投入太少，農(nóng)民從事農(nóng)業(yè)生產(chǎn)的基本條件得不到保障而導(dǎo)致收入有限。我國(guó)20世紀(jì)80年代對(duì)農(nóng)業(yè)基本建設(shè)的投資比之前不但是相對(duì)值在下降，而且絕對(duì)值也在下降，尤其下降厲害的是被視為農(nóng)業(yè)命脈的水利建設(shè)的投資。進(jìn)入20世紀(jì)90年代，農(nóng)業(yè)投資主體進(jìn)一步多元化，但農(nóng)業(yè)生產(chǎn)發(fā)展的基礎(chǔ)設(shè)施處于不斷削弱的趨勢(shì)中，原有基礎(chǔ)設(shè)施老化、?；找嫱怀?。

（四）農(nóng)村救濟(jì)費(fèi)的支出仍需加大

農(nóng)村救濟(jì)費(fèi)的作用對(duì)象不是有勞動(dòng)能力的人群，而是孤寡老人、五保戶、喪失勞動(dòng)能力的一部分農(nóng)村居民，對(duì)他們生活水平的改善有較大的作用。農(nóng)村救濟(jì)費(fèi)的支出比例也應(yīng)隨社會(huì)經(jīng)濟(jì)發(fā)展水平適當(dāng)提高。提高農(nóng)村居民生活水平是實(shí)現(xiàn)城鄉(xiāng)統(tǒng)籌，構(gòu)建和諧社會(huì)的基礎(chǔ)。

責(zé)任編輯：鄧康林