闫里鹏，牟俊霖

（首都经济贸易大学劳动经济学院，北京100070）

六项主要财政支出的就业效应分析
——基于面板固定效应模型的岭回归估计

闫里鹏，牟俊霖

（首都经济贸易大学劳动经济学院，北京100070）

文章采用面板固定效应的岭回归模型克服了各项财政支出之间的多重共线性问题，从而在同一个计量模型中估计出了六项主要财政支出的就业效应，主要发现如下结论：第一，对于全国就业而言，文化支出、农业支出和社保支出对全国总体就业的促进作用最强，固定资产投资支出、社保支出和文化支出对全国城镇就业的促进作用最强；第二，从东、中、西地区的就业来看，教育支出对东部地区总体就业和城镇就业有较强的促进作用，固定资产投资对中部地区总体就业和城镇就业有较强的促进作用，农业支出对西部地区的总体就业和城镇就业有较强的促进作用。因此为了最大限度地发挥财政政策对就业的促进作用，政府应该有针对性地施行财政政策。

财政支出；就业；面板固定效应模型的岭回归

一、引言

在财政总支出一定的情况下，如何合理分配各项财政支出，以达到更好的就业促进作用呢？从目前的情况来看，中国的就业形势暂时保持稳定，但是在中国经济结构转型升级的压力下，中国将在未来的一段时期内面临较为严峻的就业形势。因此，政府应当合理利用财政政策以保持就业稳定，然而财政政策——尤其是各项财政支出，对于中国就业的贡献到底有多大，已有研究尚未给出一致的结论。

目前，有大量学者研究了财政支出对就业的影响，这些研究具有以下三个特点：第一，从研究对象来看，有的文章研究了财政总支出对就业的影响（蔡昉等，2004[1]；曾学文，2007[2]；王文甫，2008[3]），有的文献研究了财政单项支出对就业的影响（郑振雄，2011[4]），还有文章研究了某几项财政支出对就业的影响（张铭洪等，2016[5]）上述研究并没有将主要的财政支出项目同时放入一个模型中，得到的结论也不可比较，据此我们认为现有研究不利于我们将各项主要的财政支出的就业效应进行比较。第二，从研究方法上来看，主要研究方法包括主成分分析（赵利等，2014[6]）、面板固定效应模型（陈仲常、吴永球，2007[7]）、协整分析（张铭洪等，2016[5]）等，然而这些方法中哪种方法更适合对该领域的问题进行研究并得出更稳健的结论，现有的研究并未给出相应的讨论；第三，从研究结论上来看，有很多研究结论出现了矛盾，有的文章（路平，2013[8]）认为增加财政支出的财政政策对就业有积极的作用，有的文章（蔡昉等，2004[1]）则认为没有显著的作用，所以我们不能从这些存在矛盾的研究中取得可靠的政策建议。

综上所述，现有研究还有如下三个问题没有得到很好的解决：第一，这些研究的研究方法存在差异，计量方法包括主成分分析、面板固定效应、协整分析等等，而哪种方法更加适合研究各项财政支出对就业的影响，这些研究并没有给出答案；第二，现有研究较少把各项财政支出同时纳入到同一个模型中进行研究，即使某些研究将不同财政支出项目纳入一个模型进行分析，但这些研究之间的结论不利于进行比较，也不利于我们辨别各项财政支出对于就业的贡献；第三，这些研究的结论存在显著的差异，财政政策的就业效应到底如何并没有定论，同时，各项财政支出对就业的影响也存在分歧。

在这样的背景下，我们有必要采取新的数据和新的研究方法来探究各项财政支出的就业效应。本文根据中国2004—2014年期间各省市的面板数据，采用面板固定效应模型的岭回归估计方法，估计了各项财政支出对中国就业的贡献大小。本文的创新主要归结为如下两点：第一，从研究方法上看，本文采用面板固定效应模型的岭估计方法，克服了各项财政支出之间存在的严重多重共线性问题，从而能估计出各项支出对就业促进的贡献大小；第二，从实践意义上讲，我们能够根据本文的研究结论，合理分配各项财政支出，从而达到更好的就业促进效果。

二、文献综述

估计各项财政支出对就业的贡献，具有很强的实践意义，但是却面临估计方法上的困难。如果单独研究各项财政支出对就业的影响，比如Faia等（2010）[9]的研究，但这种方法不能比较各项财政支出就业效应的大小。如果把各项财政支出放在一个计量模型中进行统一的估计，可以直观地比较各项支出的就业效应，但是各项财政支出之间具有很强的相关性，从而导致计量模型存在严重的多重共线问题，从而不能得出可靠、稳健的估计结果。

从已有的研究来看，研究者主要采用如下几种方法消除各项财政支出之间的多重共线带来的不利影响：第一，王志宇等（2012）[10]引入各项财政支出的滞后项降低各项财政支出之间的多重共线问题，并利用逐步回归剔除不显著变量。这种方法能够在一定程度上消除多重共线带来的影响，但由于引入了财政支出的滞后项，所以较难计算出财政支出对就业的净贡献大小，并且采用逐步回归的方法剔除变量可能会剔除我们重点关注的变量，以至于不能全面比较各项财政支出的就业效应大小。第二，重点估计或者研究某几项财政支出对就业的影响（武晓利、晁江锋，2014[11]）。虽然这在一定程度上克服了多重共线带来的不利影响，但是不能全面估计各项财政支出对就业的影响大小，无法得出哪一项财政支出对就业的促进作用最大。第三，采用多种估计方法估计各项财政支出对就业的影响，然后对各种结果进行比较研究（Escudero和Mourelo，2014[12]；Mahdavi和Alanis，2013[13]）。从本质上讲，采用这种思路能够在一定程度得到各项财政支出对就业的影响区间，但是该方法并没有从根本上解决多重共线的问题。第四，赵利等（2014）[6]采用主成分分析的方法消除多重共线的影响，然而该方法不能直接把关注的变量纳入到计量模型中，从而不能直接考察重点关注变量对就业的影响。

总体而言，已有研究采用了多种方法试图克服多重共线问题对估计结果的影响，但是上述方法并没有从根本上消除多重共线的影响，从而不能准确估计出各项财政支出对就业的贡献大小。在本文中，我们采用岭回归方法消除多重共线的影响，这种方法不仅能够消除多重共线的影响，也能够在一个模型中直接估计出各项财政支出对就业的影响。目前，岭回归估计在实证研究中得到了广泛的运用。罗良文和阚大学（2011）[14]利用岭回归估计方法对计量模型中的变量进行了筛选，其筛选方法是删除标准化岭回归系数比较稳定且绝对值较小的变量，Kim和Swanson（2014）[15]运用面板岭回归估计消除了面板数据中各变量的多重共线问题。除此之外，我们也发现，已有研究均采用岭迹图确定岭参数的大小，这是因为该方法能够直观地体现岭参数变化对系数的影响（Marquardt和Snee，1975）[16]。

三、计量方法、模型与数据

（一）面板固定效应的岭回归简介

我们将面板固定效应模型设定为如下形式：

由于解释变量X存在严重的多重共线性，行列式|X′X|的值趋近于0，因此不能准确地求出逆矩阵（X′X）-1。我们在矩阵X′X的基础上增加一个正的常数矩阵τΛ，其中τ称为岭参数，它的取值大于0，就能求解逆矩阵（X′X+τΛ）-1，从而得到岭回归的估计系数（4）：

（二）计量模型的设定与变量选择

本文的目的是研究各项财政支出对就业的影响，因此在计量模型中应当包含影响就业的主要变量以及各项财政支出。根据Barro（1990）[17]的方法，我们假定Qt为t时期总产出，Pt代表t时期各项财政支出变量，Lt是t时期就业量，At是t时期生产技术，Kt为t时期资本存量，然后设定如下的科布道格拉斯生产函数（5）：

假定wt是t期的劳动者的工资，rt是t期的利率，则企业t期的总利润πt为：

根据利润最大化的条件，我们可以求出就业函数：

根据就业函数，影响就业的主要变量有生产总值、工资、利率以及各项财政支出。对就业函数（7）取对数可以得到如下的计量模型：

在本文的研究中，为了保证研究结论的稳健性，我们在（8）的基础上又增加了两个控制变量，分别是货币供给M、产业生产总值占国内生产总值比重GDPR，由此我们将本文的计量模型设定为（9a）、（9b）、（9c）三个模型，并在后文分别称为模型1、模型2、模型3：

为了估计计量方程（9a）、（9b）、（9c），我们设定测量就业的统计指标为总体就业人员EMP和城镇就业人员EMPU，测量工资的统计指标是实际工资指数WAG，测量生产总值的统计指标为国内生产总值GDP，测量利率的统计指标为一年期贷款利率R，测量货币供给的统计指标是货币供给M2，测量产业生产总值占国内生产总值比重的统计指标是GDPR2与GDPR3，分别代表第二产业生产总值和第三产业生产总值占国内生产总值的比重，测量各项财政支出的统计指标有教育支出FEDU、文化体育与传媒支出FCUL、农林水事务支出FAGR、社会保障和就业支出FSSC、医疗卫生支出FHEL、固定资产投资支出FINV。上述变量，除了利率R、实际工资指数WAG、GDPR2和GDPR3之外，均取了对数。在本文中，总体就业人员EMP和城镇就业人员EMPU的数据来源于各省市历年的统计年鉴，其他数据来自《新中国六十年统计资料汇编》、《中国统计年鉴2009—2015》以及历年《中国财政统计年鉴》。在后文中我们把六项主要财政支出简称为：教育支出、文化支出、农业支出、社保支出、医疗支出和固定资产投资支出。本文中涉及到的描述性统计参见表1。

表1 变量名称与描述性统计（2004—2014）

四、面板岭回归的估计结果

（一）多重共线检验、豪斯曼检验以及岭迹分析

首先，经过膨胀因子检验表明模型1、模型2、模型3的膨胀因子均超过40，因此各项财政支出的变量之间存在着很强的多重共线性，经Hausman检验公式以及修正的Hausman检验公式（连玉君等，2014）[18]检验表明应当采用固定效应模型。图1是基于模型2的全国总体就业和城镇就业的岭回归图，如图1所示，我们可以看到各项财政支出的系数随岭参数k的增大而出现大幅度的变动，特别是从图1中的左图我们可以看到教育支出、投资支出和医疗支出的系数随着岭参数的增加而由负变正，而在右图中我们看到医疗支出和投资支出同样随着岭参数的增加由负变正，这说明如果不使用岭回归对变量之间的多重共线性进行处理那么我们将无法得到正确的结论。除此之外，通过岭迹法我们可以得到，当岭参数k等于0.2时，各变量的系数基本趋于稳定，因此我们把最优的岭参数ko设为0.2。

（二）各项财政支出对全国就业的影响

表2显示了各项财政支出对全国总体就业和城镇就业的影响。在回归系数结果中，我们发现lnGDP的系数为负，这主要是由如下两个原因导致的：第一，六项财政支出对就业有非常显著的促进作用，而且这种就业促进能力远高于国内生产总值的提高对于就业的促进作用，这就导致在数据层面上各项财政支出“夺走了”国内生产总值对就业的促进作用；第二，变量lnGDP和WAG存在多重共线性，这导致回归结果中的lnGDP系数为负数，事实上如果我们删除了工资WAG变量之后，lnGDP系数由负数变为正数。

图1 面板固定效应模型岭回归的岭迹图

表2 各项财政政策对全国就业的影响（2004—2014）

对表2中结果进行分析我们可以得出：第一，对于全国总体就业来说，各项财政支出对于总体就业的贡献由大到小依次为：文化支出、农业支出、社保支出和教育支出，固定资产投资支出对就业的影响不显著而且医疗支出就业效应为负；第二，对于全国城镇就业来说，各项财政支出对城镇就业的贡献由大到小依次为：固定资产投资支出、文化支出、社保支出、农业支出、教育支出、医疗支出。

关于上述结论，我们发现文化支出和社保支出对于总体就业和城镇就业都有很强的促进作用，而农业支出对总体就业促进作用显著，固定资产投资支出对城镇就业促进作用显著。对此我们给出如下解释：第一，文化支出的增加可以促进这些产业发展的同时带动相关产业的发展进而增加就业；第二，关于社保支出，我国依然是一个发展中国家，低收入人群依然占有很大的比例，提高社保支出对于稳定大部分人群的就业有着积极的作用；第三，关于农业支出，农业支出对于总体就业的促进效果明显，其原因在于增加农业支出对于农村地区就业促进作用显著，减少农村地区相对廉价劳动力进入城市，这防止了农村廉价劳动力对城镇劳动力的挤出，从而在整体上促进了就业；第四，关于固定资产投资支出，该项支出的增加可以显著增加城镇就业，这与实际情况相符。

（三）各项财政支出对各地区就业的影响

我们接下来分析各项财政支出对东、中、西部地区总体就业和城镇就业的影响，如表3所示。我们可以得出：第一，对东部地区来说，各项财政支出对于总体就业的贡献由大到小依次为：文化支出、教育支出、农业支出、固定资产投资支出、医疗支出和社保支出，各项财政支出对城镇就业的贡献由大到小依次为：固定资产投资支出、社保支出、教育支出、医疗支出、农业支出、文化支出；第二，对于中部地区来说，各项财政支出对于总体就业的贡献大小依次为：文化支出、固定资产投资支出、社保支出、农业支出、教育支出、医疗支出，各项财政支出对城镇就业的贡献由大到小依次为：文化支出、固定资产投资支出、社保支出、教育支出、医疗支出、农业支出；第三，对于西部地区来说，各项财政支出对于总体就业的贡献大小依次为：文化支出、农业支出、社保支出和教育支出，医疗和固定资产投资支出对就业的影响显著为负，各项财政支出对城镇就业的贡献由大到小依次为：农业支出、文化支出、社保支出、固定资产投资支出、教育支出、医疗支出。

表3 财政各项支出对各地区就业的影响（2004—2014）

将以上分析结果与全国的结果作对比，我们可以发现一些新的结论：第一，对于东部地区来说，教育支出对于总体就业和城镇就业的促进效果显著，虽然文化支出对于就业的贡献处在最后一位，但是从数据上看其系数与其他几项支出的系数处于一个数量级别，这说明文化支出对于东部地区的城镇就业也存在有力的促进作用；第二，对于中部地区来说，固定资产投资支出对于总体就业和城镇就业的促进效果显著，并且文化支出对中部地区城镇就业的促进作用远远大于其他地区的支出；第三，对于西部地区来说，农业支出对城镇就业促进作用超过了其他支出位于第一位。

我们对上述结论作出如下解释：第一，对于东部地区，教育支出对城镇就业和总体就业的促进作用均很明显，这是由于东部地区经济发展较好并且东部地区教育资源相较于其他地区更为丰富，增加财政教育支出能够吸引更多人才，提高了东部地区的就业水平；第二，对于中部地区，固定资产投资支出的就业促进作用显著说明政府的相关财政政策取得了良好的效果，应当继续保持；第三，对于西部地区，固定资产投资支出对总体就业呈现出负的作用，这可能与西部地区固定资产投资效率不高导致其对就业存在不利的影响有关，我们可以从孙早等（2015）[19]的结论中得到支持。除此之外，医疗支出对总体就业也呈现了负的作用，这可能是由于该项支出不足导致资金利用效率低造成的（陈东、王小霞，2010[20]）。而农业支出对西部地区城镇就业的促进作用的原因与前文相似，故不再赘述。

（四）稳健性分析

我们从三个方面进行稳健性检验：第一，加入一个控制年份的虚拟变量（如2010年）进行分析，除此之外还尝试删掉所有控制变量进行回归分析，分析结果表明本文的研究结论依然存在并且结果没有发生突变；第二，我们尝试将工资指数WAG与货币供给M2对数lnM2变为城镇单位就业人员平均工资对数lnWAG和货币供给M0对数lnM0，发现回归结果依然是稳定的；第三，我们将分析年限由2004—2014年扩展为2002—2014年，结果表明本文的结论依然存在。故综上所述，我们可以得出本文的研究结论是稳健的。稳健性检验产生的大量具体数据由于篇幅的原因本文并未展示出来，感兴趣的读者可以通过邮件向我们索取。

五、结论、讨论与政策建议

本文采用面板固定效应的岭回归，研究财政支出中的文化支出、教育支出、社保支出、固定资产投资支出、医疗支出、农业支出对全国、东部地区、中部地区以及西部地区的总体就业和城镇就业的影响，我们主要发现如下结论：

第一，从全国来看，文化支出、农业支出、社保支出对总体就业的促进作用最强，固定资产投资支出、文化支出、社保支出对城镇就业的促进作用最强，这表明，文化支出和社保支出能够有效地促进城镇地区以及农村地区就业，而农业支出主要对农村地区就业有重要的促进作用，固定资产投资支出主要对城镇地区就业有重要的促进作用。

第二，从东、中、西部地区来看，对于东部地区来说，教育支出对于总体就业和城镇就业的促进作用凸显，对于中部地区来说，固定资产投资支出对总体就业和城镇就业的促进作用凸显，而对于西部地区来说，农业支出对于总体就业和城镇就业的促进作用凸显。

综上所述，政府应优先保障文化支出、社保支出的比重，同时还应扩大农业支出促进总体就业增长，扩大固定资产投资以促进城镇就业增长，东部地区还应当重视教育支出，中部地区应当重视固定资产投资支出，而西部地区还应当重视农业支出。

本文的贡献在于，从研究方法的角度来讲，通过利用面板固定效应的岭回归解决了本领域研究中各项财政支出之间存在的严重多重共线性问题，从而为分析各项财政支出对于就业的影响提供了可能，同时也为其他领域中同样存在多重共线性问题的研究提供了参考。从实践的角度来讲，本文的研究结论展示了不同种类的财政支出对于就业的影响，因此可以为政策制定者提供参考。

[1]蔡昉，都阳，高文书，2004.就业弹性、自然失业和宏观经济政策——为什么经济增长没有带来显性就业？[J].经济研究（9）：18-25.

[2]曾学文，2007.我国转型期财政和货币政策开发就业潜力的效果分析[J].财贸经济（2）：18-24.

[3]王文甫，2008.政府支出、技术进步对劳动就业的效应分析[J].经济科学（3）：48-57.

[4]郑振雄，2011.公路基础设施的就业效应实证分析——基于省际动态面板模型[J].人口与经济（2）：28-32.

[5]张铭洪，卢晓军，张志远.财政支出结构的就业效应研究：理论与经验证据[J].华东经济管理，2016，30（4）：6-11.

[6]赵利，潘志远，王东霞，2014.城镇劳动就业影响因素的实证研究——基于主成分分析法和VAR模型的分析[J].宏观经济研究（5）：117-126.

[7]陈仲常，吴永球，2007.财政支出、私人投资与就业增长[J].中国劳动经济学（1）：62-74.

[8]路平，2013.我国教育扩张对就业变动的动态影响研究——基于VAR模型的实证分析[J].经济经纬（4）：99-103.

[9]Faia E，Lechthaler W，Merkl C.Fiscal Multipliers and the Labour Market in the Open Economy[J].IZA Discussion Paper，2010（4849）：1-39.

[10]王志宇，田金信，王文静.财政支出政策的就业效应研究[J].预测，2012，31（3）：19-23.

[11]武晓利，晁江锋，2014.政府财政支出结构调整对经济增长和就业的动态效应研究[J].中国经济问题（5）：39-47.

[12]Escudero V，Mourelo E L.PUBLIC DEBT，FISCAL CONSOLIDATION AND THE EFFECT ON EMPLOYMENT[J].ILO Research Series（Geneva，ILO），2014.

[13]Mahdavi S，Alanis E.Public expenditures and the unemployment rate in the American states：panel evidence[J].Applied Economics，2013，45（20）：2926-2937.

[14]罗良文，阚大学，2011.对外贸易和外商直接投资对中国人力资本存量影响的实证研究——基于岭回归分析法[J].世界经济研究（4）：31-35.

[15]Kim H H，Swanson N R.Forecasting financial and macroeconomic variables using data reduction methods：New empirical evidence[J]. Journal of Econometrics，2014，178（1）：352-367.

[16]Marquardt D W，Snee R D.Ridge Regression in Practice[J].American Statistician，1975，29（1）：3-20.

[17]Barro R.Government Spending in a Simple Endogenous Growth Model [J].JOURNAL OF POLITICAL ECONOMY，1990，95（5）：103-126.

[18]连玉君，王闻达，叶汝财.Hausman检验统计量有效性的Monte Carlo模拟分析[J].数理统计与管理，2014，44（5）：830-841.

[19]孙早，杨光，李康，2015.基础设施投资促进了经济增长吗——来自东、中、西部的经验证据[J].经济学家（8）：71-79.

[20]陈东，王小霞，2010.我国农村医疗卫生的投入效率:地区趋同与门槛效应[J].农业技术经济（9）：122-128.

（责任编辑：C校对：T）

F812.45

A

1004-2768（2017）03-0001-06

2016-12-12

国家社科基金项目“财政政策、货币政策的就业效应研究”（13CJY021）

闫里鹏（1992-），男，河南郑州人，首都经济贸易大学劳动经济学院硕士研究生，研究方向：就业与经济增长；牟俊霖（1979-），男，四川自贡人，博士，首都经济贸易大学劳动经济学院副教授，研究方向：就业与经济增长。