经济周期视角下的中国财政支出乘数研究

内容提要：系统考察财政支出乘数及其伴随经济发展周期的演化特征，是科学评估政府财政支出效果的基本前提，是合理制定和有效执行“精准”财政政策的重要基础，有助于新时代经济金融风险监管体系和现代财政制度的加快建立。克服已有模型局限，将经济周期特征纳入中国财政支出乘数问题研究框架，系统测算中国财政支出乘数，并着重定量考察财政支出乘数与经济周期的关系，研究发现：中国财政支出乘数高于欠发达国家和地区，但与世界主要发达经济体还存在一定的差距；财政支出乘数具有比较明显的逆周期特征，经济低迷时期财政支出乘数是经济繁荣期的2.3倍；1998年亚洲金融危机与2008年国际金融危机期间的财政支出乘数显著高于其他时期。财政刺激政策出台的时机至关重要，为提升财政支出效果，应在危机冲击发生后较为及时地推出财政支出政策。

　　关 键 词：中国财政支出乘数；经济周期；财政刺激政策时机

　　项目基金：本文为教育部“长江学者”特聘教授奖励计划、国家杰出青年科学基金(71525006)以及上海市领军人才计划阶段性成果。

　　作者简介：陈诗一，复旦大学经济学院，泛海国际金融学院教授； 陈登科，复旦大学经济学院讲师。(上海 200433)

　　财政政策是政府宏观调控的基本工具。尤其是2008年金融风暴席卷全球，给世界经济发展带来巨大不确定性，为应对金融危机冲击，世界主要经济体相继出台了规模空前的财政刺激计划。美国通过了总额高达8000亿美元的经济刺激计划；欧盟推出了一项总额2000亿欧元的财政支出方案。对于中国而言，财政政策更是政府促进经济发展、熨平经济周期性波动的重要工具之一。2008年国际金融危机后，中国集中出台了涵盖基础设施建设、教育、民生、生态环境等诸多方面的40000亿政府财政支出计划，以此来刺激需求，提振经济。图1绘制出了1995-2015年中国财政赤字演化情况。从图形中可以明显地看出，亚洲金融危机与国际金融危机期间，中国的政府财政赤字水平均出现了非常显著地增加。①特别地，2008年财政赤字水平甚至呈现出跳跃式增长态势，这表明中国财政政策在金融危机后明显趋于积极。然而这些规模空前的财政刺激政策的合理性与效果均在一定程度上引起了争论。此外，党的十九大报告明确提出要创新和完善宏观调控，健全财政、货币等经济政策和金融监管体系，守住不发生系统性金融风险的底线。这对当前政府财政政策的制定和实施提出了更高、更全面的要求。在当前财政政策趋于积极、财政支出效果引起各界广泛关注的大背景下，定量评估财政支出效果、准确识别财政政策出台的恰当时机对于科学制定与执行经济政策具有重大的现实意义。

　　图1 1995-2015年历年中国财政赤字变化

　　财政政策的制定和实施与经济周期的演化紧密相联，财政支出效果的系统评估离不开对经济周期的考察。究其原因在于，公共部门财政支出对私人部门投资的挤出效应随经济周期发展阶段变化而变化。既有宏观经济理论较为一致地表明，在经济周期的繁荣阶段，政府财政支出的挤出效应一般大于经济周期的低迷阶段，从而导致经济周期低迷阶段的政府财政支出效果好于繁荣阶段。周期性特征是中国经济运行长期以来的一个重要典型事实。图2绘制了1995-2015年间中国GDP水平值与增长率曲线。可以看出，虽然中国经济持续增长，但是其增长率波幅较大。图2还进一步揭示，即便对经济增长率进行三期移动平均转换，其周期性特征也基本不改变。可见，科学评估中国财政支出效果不能忽视中国经济发展的周期性特征。将中国经济发展的周期性特征纳入财政支出效果分析框架，不仅有助于理解中国过去的财政政策实践，而且有助于政策当局制定和实施与新时期经济发展特点相契合的财政政策，对未来财政政策的执行也具有借鉴意义。

　　图2 中国经济增长的周期性特征

　　政府财政支出的效果集中体现在财政支出乘数的大小上，即一单位财政支出带来的产出增加量。财政支出乘数越大，财政支出的效果越明显，反之则反是。然而目前对中国财政支出乘数系统性的定量研究还非常匮乏。更重要的是，还尚无文献定量考察中国财政支出乘数如何随经济周期变化，也无文献对中国财政支出乘数在每个时点进行估算。科学回答这些问题对考察中国财政政策效果至关重要。

　　有鉴于此，本文首次将经济周期特征纳入中国财政支出效果分析框架，在此基础上旨在定量考察如下核心但却尚未得到很好回答的问题：第一，平均而言，中国财政支出乘数的具体数值是多少；第二，中国财政支出乘数在经济周期的不同阶段有何特点，是否与经济理论预期一致，经济低迷时期的财政支出乘数是否高于经济繁荣时期；第三，更进一步地，特定时点的财政支出乘数是多少，以及政府财政支出政策何时推出更加有效。

　　本文关于政府财政支出乘数的研究属于实证分析的范畴。尽管如此，对于从理论层面上理解中国政府财政支出绩效，本文也尝试基于实证分析结果给出了新的洞见。这集中体现在如下几个方面：首先，宏观经济理论表明，政府财政支出可以通过刺激社会总需求来增加总产出，然而进一步的一般均衡框架分析则显示，政府财政支出还会通过一般均衡效应挤出私人部门投资，最终降低甚至完全抵消政府财政支出的经济刺激效应。换言之，经济理论本身并未能给出政府财政支出乘数的具体取值。从这个意义上来看，估算政府财政支出乘数的具体数值，有助于理解公共部门与私人部门在面对政府财政支出冲击过程中的交互作用，这对于公共部门与私人部门均扮演重要角色的中国经济来说尤为重要。具体来说，在给定其他条件都相同的情形下，较小的政府财政支出乘数所反映的是，政府财政支出的增加对私人部门具有较大的挤出效应，该情形下，为更好拟合现实核心宏观经济数据，构建相关经济理论模型时则需要重点刻画挤出效应，反之则相反。其次，现有宏观经济理论较为一致的观点是，政府财政支出效果呈现逆周期变化态势。然而，这一理论发源于西方发达国家，其所研究的对象也大都是发达经济体，这些经济体的共同特征是，发展阶段已达到或者接近经济学中的稳态阶段。作为一个还处于转型阶段的发展中经济体，在经济增长约束、经济发展特征以及经济运行规律等诸多方面，中国与这些国家均存在较大差异。与此相关的一个理论问题是，中国政府财政支出效果是否如发达经济体那样呈现逆周期变化态势?实证考察中国财政支出乘数及其随时间变化的特征有助于更好地理解该问题。最后，现有文献识别财政支出乘数所面临的一个共同的困难是，计量回归模型中存在反向因果问题。具体而言，在政府财政支出影响产出的同时，产出也会反向影响政府财政支出。为处理该问题，现有文献较为普遍的做法是施加理论识别假设，即假设政府财政支出在短期内不会对产出的变化产生反应。但是对于采用年度或季度数据的文献，该假设是一个较强的理论假设，从而可能导致有偏的估计结果。基于这一认识，本文构建月度数据进行实证研究，从而使得政府财政支出在短期内不会对产出变化产生反应的理论假设更加贴近现实，这也可以视作本文研究的创新之一。

　　本文余下部分结构安排为：第一部分在梳理和评述已有相关文献的基础上，引出本文研究的必要性和创新性；第二部分设定计量模型，并介绍模型估计策略；第三部分介绍本文的数据，同时阐述关键变量的构建；第四部分报告实证结果，并依据实证结果对本文尝试回答的主要问题开展讨论；第五部分是稳健性分析与进一步地讨论，旨在检验本文主要结果对不同模型设定的稳健性；最后是全文结论，提出政策建议。

　　一、文献评述与本文研究创新

　　财政支出效果历来是社会各界普遍关注的重要课题。对此较为系统的研究最早可以追溯到凯恩斯对财政支出乘数的分析。尽管如此，关于财政支出乘数的具体数值，至今尚存在较大争议。比如，Blanchard和Perotti估计了美国财政支出的产出效应，研究结果显示财政支出乘数介于0.96-1.73之间。②Romer和Bernstein运用大型宏观计量模型对美国财政支出乘数进行了估算，发现美国财政支出乘数在财政支出政策推出后第8个季度达到最大值1.57。③Ramey则进一步将预期因素纳入计量分析模型，发现财政支出乘数存在较大波动，其数值大致介于0.6-1.1之间。④Ilzetzki等考察了44个国家的财政支出乘数，发现不同国家间财政支出乘数大小存在显著差异，发达国家财政支出乘数通常高于发展中国家。⑤这些文献主要选用宏观计量模型估算财政支出乘数。此外，为丰富模型的经济学含义，基于动态随机一般均衡模型(DSGE)考察财政支出乘数逐渐受到学者们的关注。⑥这类文献中的财政支出乘数一般介于3-5之间。

　　以上测算财政支出乘数的文献，采用的是宏观计量模型或者DSGE模型，使用的数据多为宏观时间序列数据，这类模型更加强调基于模型的预测分析。随着计量经济学因果识别工具的发展与流行，以及高质量面板数据可得性的增强，采用更具经济学含义的外生冲击来测算财政支出乘数正成为该领域新的研究前沿。这类研究更加强调估计参数的因果解释。比如，Acconcia等基于省级面板数据，利用意大利政府打击黑手党的外生冲击作为财政支出的工具变量，估计了意大利省级财政支出乘数。⑦其研究结果显示，较之于2SLS估计结果，OLS估计结果显著低估了财政支出乘数，从而进一步强调了选取外生冲击识别财政支出乘数的必要性。Kraay利用世界银行对欠发达国家和地区的项目援助信息对财政支出乘数进行了识别。⑧研究显示，这些欠发达国家和地区的财政支出乘数平均为0.48，并且这一数值在不同的计量回归模型设定下基本不改变。Serrato和Wingender利用美国人口普查对人口估计的修正作为财政支出的外生冲击，估计了美国州层面的财政支出乘数，研究结果显示，州政府的财政支出乘数介于1.7-2之间。⑨总体来看，这类文献中的财政支出乘数介于0.4-2之间。

　　纵观以上文献，无论是基于宏观计量模型，还是DSGE模型，抑或是面板数据因果识别模型，由于未将经济周期特征纳入研究框架，均难以充分讨论不同经济发展状态下财政支出乘数的特点。为此，Baum等将经济周期纳入模型，选用门限向量自回归模型考察了G7成员国财政支出乘数与经济周期的关系，发现经济下行时期的财政支出乘数大于膨胀时期。⑩Candelon和Lieb在短期门限向量误差校正模型的框架内讨论了经济周期不同阶段的财政支出乘数，也得到了类似的结果。(11)Auerbach和Gorodnichenko估算了美国财政支出乘数，发现经济低迷期的财政支出乘数是经济繁荣期的2-3倍。(12)Caggiano等进一步将预期引入模型发现，经济低迷期财政支出乘数大于经济繁荣期的结论依然成立。(13)此外，Canzoneri等建立理论模型研究了财政支出乘数与经济周期的关系，结果同样表明，财政支出乘数具有显著的逆周期特征，在经济低迷期，政府财政支出乘数超过2，而在经济繁荣期，这一数值则显著小于1。(14)不难发现，与财政支出乘数具体数值存在较大争议不同，关于财政支出乘数在不同经济周期阶段的相对大小，既有文献研究结果较为一致，即经济低迷时期高于经济繁荣时期。

　　尽管国外文献对财政支出乘数已经进行了较为丰富的研究，但是国内这方面的研究相对比较匮乏，且还尚无文献定量考察财政支出乘数与经济周期的关系，亦无文献对每一时点的财政支出乘数进行系统估算。具体而言，国内关于财政支出乘数的代表性研究较早可以追溯到郭庆旺等基于IS-LM框架的分析，他们发现中国财政支出乘数从1998-2003年逐年下滑。(15)与此不同，陈诗一和张军则采用非参数技术考察了中国省级财政支出的效率，认为在1994年分税制改革后，地方政府的支出效率总体上得到了改善。(16)王国静和田国强构建DSGE模型考察了中国政府消费与投资支出乘数，发现二者存在明显的异质性。(17)李永友从市场信心视角对中国财政支出效果进行了考察，发现市场主体信心的提振有助于增强政府财政支出效果。(18)虽然这些文献对中国财政支出效果进行了严谨的分析，但未将经济周期纳入各自的分析框架，从而也就无法分析不同经济发展状态下的财政支出效果。此外，杨灿明和詹新宇以及贾俊雪和郭庆旺等学者对中国最优财政收支规则进行了细致的分析，对于中国财政政策实践具有重要的启示意义。(19)尽管如此，这些研究也都未涉及本文所要重点探讨的经济周期与财政支出乘数的关系问题。

　　针对现有研究中国财政支出乘数文献存在的缺失，本文研究创新体现在如下几个方面：第一，首次定量考察了中国财政支出乘数与经济周期的关系，并进一步估算了研究样本区间内每一时点的财政支出乘数，这使得本文能够定量回答诸如中国的财政支出乘数在经济周期的不同阶段有何特点，以及财政刺激计划何时推出更加有效等目前尚未得到很好回答的重要问题；第二，为使研究结果更加准确，克服覆盖样本不完全、调查样本频繁变动以及统计口径前后不一致等问题，构建月度数据进行实证研究，高频宏观数据的使用使得本文计量识别假设更为合理；第三，本文还对既有模型进行了拓展，以求更加准确地刻画中国经济增长的特征事实。

　　二、模型设定与模型估计

　　(一)模型设定

　　如前所述，本研究的一个核心目标是考察经济周期不同阶段中国财政支出乘数的特点，即对不同状态下的财政支出乘数进行考察。直观上，实现该目标的一个做法是，采用传统结构向量自回归模型(SVAR)对经济周期不同阶段的财政支出乘数进行分样本估计。该方法的不足之处在于，大大减少了每一阶段的样本量，致使估计方差较大，当样本量降低到一定程度时，参数估计甚至变得不再可行。另一不足之处是，在估计特定阶段财政支出乘数时，仅利用了该阶段自身数据的信息，损失了其他阶段的信息，从而可能导致参数估计出现较大偏误。

　　文献中估算不同阶段财政支出乘数的另一常用模型是，门限结构向量自回归模型(T-SVAR)，该方法通过特定变量的门限值来识别不同的状态。由于T-SVAR在估计参数的过程中所采用的数据是整体样本，从而缓解了SVAR方法降低样本容量与在估计特定阶段财政支出乘数的过程中未用到其他阶段信息的问题。然而，TSVAR方法的缺陷在于，状态间的转移具有跳跃性，而且状态变量的门限值设定存在一定主观性，更为重要的是，T-SVAR方法仅能识别离散的状态，从而无法回答特定时点财政支出乘数是多少这一问题。平滑机制转换结构向量自回归模型(STSVAR)通过引入平滑状态转移函数克服了T-SVAR模型的上述缺陷，但是该方法仅考虑解释变量系数在不同状态存在的差异，忽略了回归误差项方差协方差矩阵在不同状态也存在差异的可能，进而可能导致估计结果出现偏差。

　　考虑到现有模型的上述缺失，为定量考察中国不同经济周期阶段财政支出乘数的具体大小，本文在拓展Auerbach和Gorodnichenko(简称AG)模型的基础上，(20)构建如下计量回归模型：

　　Y[，t]=[1-F(z[，t-1])]Π[E](L)Y[，t-1]+F(z[，t-1])Π[R](L)Y[，t-1]+ε[，t]

　　(1)

　　ε[，t]～N(0，Ω[，t])

　　(2)

　　F(z[，t-1])=exp(-γ[，1]z[，t-1])/1+exp(-γ[，1]z[，t-1])，γ[，1]＞0

　　(3)

　　Ω[，t]=[1-M(z[，t-1])]Ω[E]+M(z[，t-1])Ω[R]

　　(4)

　　M(z[，t-1])=exp(-γ[，2]z[，t-1])/1+exp(-γ[，2]z[，t-1])，γ[，2]＞0

　　(5)

　　z[，t]=g[，t]-[

　　，t]

　　(6)

　　z[，t]=ρz[，t-1]+ξ[，t]

　　(7)

　　其中，Y[，t]为内生变量向量，依次包含政府财政支出、政府财政收入与产出，且采用变量的对数形式。(21)F(·)是平滑状态转移函数，z[，t]为状态转移指示变量，选取经济增长率g[，t]减去均值

　　[，t]来表示，(22)为缓解模型的潜在内生性问题，该变量滞后一期。依据式(3)，状态转移函数F(·)的取值介于0-1之间，且是z[，t-1]的减函数，从而刻画了经济衰退的概率。(23)Π[E]与Π[R]分别表示经济繁荣状态与经济低迷状态下向量自回归模型内生变量的系数，L是滞后算子。这里经济繁荣状态由F(·)趋近于0表示，经济低迷状态则由F(·)趋近于1表示。因此，本文中的经济繁荣状态与经济低迷状态分别对应经济周期的最好与最坏这两个“极端”阶段。F(·)取值介于0-1之间，则表示经济发展的常态阶段。ε[，t]为服从联合正态分布的误差项，其方差协方差矩阵由Ω[，t]来表示。式(4)给出了Ω[，t]的具体函数表达式，Ω[E]与Ω[R]分别代表经济繁荣状态与经济低迷状态下模型误差项的方差协方差矩阵，函数M(·)与F(·)有着类似的解释。可见，上述模型不仅考虑了解释变量系数在不同状态存在差异，而且还考虑了误差项方差协方差矩阵的异质性。

　　上述模型对AG模型的拓展主要体现在如下两个方面：第一，允许内生变量系数的平滑状态转移函数与误差项方差协方差矩阵的平滑状态转移函数存在差异，从而更具一般性；第二，AG模型假定z[，t]服从标准正态分布，然而这一假定与中国经济增长的现实情景并不完全相符，特别是在经济增长率较低的国际金融危机期间更是如此。有鉴于此，本文模型选用能够更为准确刻画中国经济增长现实的AR(1)过程来对z[，t]进行建模。

　　(二)模型估计

　　接下来，本小节基于贝叶斯方法对前文模型参数Θ=｛ρ，γ[，1]，γ[，2]，Ω[E]，Ω[R]，Π[E]，Π[R]｝来进行估计。具体地，若令L(Y[，t]，z[，t]，Y[，t-1]，z[，t-1]，…，Y[，1]，z[，1]｜Θ)表示模型极大似然函数，Γ(Θ)表示参数Θ的先验分布，那么模型参数Θ的贝叶斯后验分布则可以表述为：

　　(8)

　　K(Θ｜Y[，t]，z[，t]，Y[，t-1]，z[，t-1]，…，Y[，1]，z[，1])/后验分布∝L(Y[，t]，z[，t]，Y[，t-1]，z[，t-1]，…，Y[，1]，z[，1]｜Θ)/极大似然函数·Γ(Θ)/先验分布

　　(8)

　　结合前文模型，式(8)中极大似然函数L(Y[，t]，z[，t]，Y[，t-1]，z[，t-1]，…，Y[，1]，z[，1]｜Θ)的数学表达式可以写作：

　　L(Y[，t]，z[，t]，Y[，t-1]，z[，t-1]，…，Y[，1]，z[，1]｜Θ)=(2π)[-nT/2]｜Ω[-1]｜T/2Π[T][，t=1]exp[-1/2ε′[，t]Ω[-1]ε[，t]]

　　(9)

　　其中，T和n分别表示样本观测值个数与内生变量个数，其他符号与前文模型有着相同的含义。另外，Γ(Θ)选用Minnesota先验分布来表示。

　　对前述模型参数Θ进行估计的传统做法是，直接利用优化方法找到一组参数值使得式(8)最大，这组数值就是参数Θ的估计值。然而，观察式(8)不难发现，本文模型参数Θ同时具有高维度和高度非线性的特征，传统方法估计参数Θ具有局部优化解和无法收敛的问题。有鉴于此，我们运用蒙特卡罗马尔科夫链(MCMC)方法来估计模型参数。具体将参数Θ划分为如下三类：

　　Θ[，1]=｛ρ，γ[，1]，γ[，2]｝ Θ[，2]=｛Ω[E]，Ω[R]｝ Θ[，3]={Π[E]，Π[R]｝

　　(10)

　　其中，Θ[，1]为独立于模型系统外的估计参数，采用校准的方法得到，(24)可视为外生参数，Θ[，2]表示方差协方差矩阵参数，Θ[，3]是内生变量系数参数。如此划分参数的有利之处在于，给定参数Θ[，1]和Θ[，2]，模型是关于参数Θ[，3]的线性模型，从而能够显著地降低参数估计的难度。MCMC方法估计参数Θ的过程具体由MH算法来实现。(25)