期刊信息
主办:中国财政学会
主管:中华人民共和国财政部
ISSN:1003-2878
CN:11-1077/F
语言:中文
周期:月刊
影响因子:2.582645
数据库收录:
北大核心期刊(1992版);北大核心期刊(1996版);北大核心期刊(2000版);北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);中文社会科学引文索引-来源(1998);中文社会科学引文索引-来源(1999);中文社会科学引文索引-来源(2000-2002);中文社会科学引文索引-来源(2003);中文社会科学引文索引-来源(2004-2005);中文社会科学引文索引-来源(2006-2007);中文社会科学引文索引-来源(2008-2009);中文社会科学引文索引-来源(2010-2011);中文社会科学引文索引-来源(2012-2013);中文社会科学引文索引-来源(2014-2016);中文社会科学引文索引-来源(2017-2018);中文社会科学引文索引-来源(2019-2020);国家哲学社会科学学术期刊数据库;中国人文社科核心期刊;中国科技核心期刊;期刊分类:财政与税收
期刊热词:
新中国财政70年系列特稿
城镇化进程中财政政策工具影响效应分析(5)
【作者】网站采编
【关键词】
【摘要】城镇固定资产投资的间接效应的估计指数为正,但仅通过了5%水平下的显著性检验,表明城镇固定资产投资对城镇化的空间溢出效应较弱。国内贷款额的间
城镇固定资产投资的间接效应的估计指数为正,但仅通过了5%水平下的显著性检验,表明城镇固定资产投资对城镇化的空间溢出效应较弱。国内贷款额的间接效应的估计指数为-0.027,表明国内贷款额不仅抑制本区域的城镇化发展,而且也抑制了一定范围内的相邻区域的城镇化发展。由于仅通过了10%的显著性检验,所以其扩散影响范围较小。
结论
本文选取2007—2015年我国30个省级行政区域的面板数据,通过构建空间误差模型(SEM)和空间滞后模型(SLM)对财政政策工具对新型城镇化的影响进行分析,并利用空间偏微分法对空间溢出效应进行了分解,实证分析了财政政策工具中多个解释变量跨区域的空间扩散现象,得出的主要结论是:(1)我国新型城镇化的发展呈现显著的空间自相关性和空间依赖性,一个区域城镇化水平的提高会促进邻近区域城镇化水平的提高,从而形成空间集聚现象;城镇化水平不仅对城市创新能力具有显著的直接促进作用,而且还可以通过对人力、物质等创新资源的优化配置间接地驱动城市创新;[10](2)财政政策工具中的社会保障与就业支出、城建维护税、城镇固定资产投资对新型城镇化发展起到了不同程度的促进作用,但是,税收总额和国内贷款额在一定程度上抑制了城镇化的发展。常规性公共服务领域的财政支出与城镇化发展的相关性不显著;(3)社会保障与就业支出、城建维护税、城镇固定资产投资的空间溢出效应为正,税收总额和国内贷款额的空间溢出效应为负,在邻近效应的作用下影响着相邻区域新型城镇化的发展,并且伴随着空间距离的增加呈现出扩散影响效应逐渐衰减的特征。
在我国城镇化和区域经济一体化的进程中,财政政策工具对城镇化发展的影响不断地在区域内和区域之间扩散,如何不断扩大正向溢出效应,减少负向溢出效应,成为了政策工具组合优化的关键。本文认为,应当将财政政策工具作为推动城镇化发展的政策工具组合的核心,搭配强制性的法律工具、灵活的市场工具、多元化的社会工具,以弥补单一政策工具的功能与扩散效应的不足,使政策工具包中的各种政策工具形成互动和协同,[11]以“组合拳”的形式推动我国新型城镇化的建设和发展。
一、引言与文献综述城镇化的发展需要政策工具的支持,而财政政策工具在其中发挥着重要作用。在城乡一体化和区域经济协调发展过程中,财政政策工具的跨区域扩散性逐渐显露,一个区域的财政政策工具不仅对本区域的城镇化发展产生影响,而且也会将其影响范围扩散至相邻区域,形成空间溢出效应。我国学者对于公共财政与城镇化发展的关系进行了一些有益的研究和探讨。翟超颖、代木林(2014)运用专家咨询法和层次分析法,对我国1990—2012年城镇化发展质量进行了测度,提出了推动我国城镇化发展的财政政策;[1]杨得前、蔡芳宏(2015)以欠发达地区为样本,分析了财政政策在城镇化发展中的作用,认为财政政策对城镇化的推动效果并不理想;[2]李栋林、关忠良(2015)运用数据包络分析法,从短期绩效与长期绩效的视角研究了公共财政与城镇化发展的关系,认为在山东省城镇化发展进程中地域差异和财政投入冗余是影响城镇化水平的主要因素;[3]王保贵、张东玲(2015)通过实证分析认为,城镇化对农民的消费具有推动作用;[4]张宁(2016)构建了公共财政支出与城镇化和城乡居民收入差距的VAR模型,证明了公共财政支出对城镇化发展的推动作用以及长期稳定的财政支出可以逐步缩小城乡收入差距;[5]邓金钱、何爱平(2016)等人对地方财政支出结构、城镇化与城乡收入差距之间的动态作用机制进行研究,描述了三者之间存在作用机制的阶段性特征;[6]许霞(2016)认为,目前我国处于“后土地财政”时期,需要在城镇化发展中引入PPP融资模式。[7]纵观已有的文献,大多数研究成果揭示出了财政政策与城镇化之间的相关性,但是对财政政策工具空间溢出效应的研究仍然存在些许欠缺:一方面,现有文献大多局限于理论分析,强调我国城镇化发展中财政政策与相关机制的完善,缺乏深入的实证研究;另一方面,已有文献主要立足于时间维度对财政政策的执行情况和效果进行分析,缺少从空间维度审视财政政策工具对城镇化发展的影响及其溢出效应,忽视了政策工具的跨区域扩散性在城镇化发展中的重要性。本文基于2007—2015年我国的省级面板数据,通过建立空间滞后模型(SLM)和空间误差模型(SEM),实证分析财政政策工具对我国新型城镇化发展的影响及其空间溢出效应。二、研究设计与实证分析(一)变量选择与数据说明1.被解释变量将新型城镇化水平作为被解释变量,用Urbanization表示。已有研究成果大多以人口城镇化率作为城镇化水平的指标,然而单一指标已经不能够反映出真实的城镇化水平,因为我国的新型城镇化所强调的不仅仅是人口从农村向城镇转移,而是包含了人口、经济、社会、文化、资源、环境等多方面的发展与转型。因此,本文选取具有代表性的22个指标,运用因子分析法计算出各省级行政区域的城镇化水平。2.解释变量财政政策工具是一种通过经济上的诱导以实现城镇化发展目标的诱导型政策工具,主要从经济激励、财富再分配、金融管理三方面发挥作用。本文研究的关键问题是财政政策工具对城镇化水平的影响及其扩散效应。所以,根据财政政策工具的不同功能选取了具有代表性的六个解释变量。经济激励主要以政府财政支出的方式为城镇化发展提供经济补贴,为城镇化进程中的目标群体提供优惠条件,使其行为符合政府主导的城镇化发展模式。选择常规性公共服务(Service)、社会保障与就业(Insurance)作为衡量经济激励水平的解释变量;财富再分配主要以税收的方式调节公共产品与私人产品结构,影响城镇化发展进程中社会团体或个人的经济行为。选取国家税收总额(Revenue)、城建维护税(Maintenance)作为衡量税收规模与财富再分配水平的解释变量;金融管理则以投资和贷款的方式引导社会资金的流向,调节社会有效需求,实现社会供求的总量平衡和结构平衡。选择城镇固定资产投资额(Investment)、城镇固定资产投资贷款额(Loan)作为衡量金融管理水平的解释变量。3.数据来源与说明本文选取了2007-2015年我国30个省级行政区域的面板数据,数据来源于2008—2016年《中国统计年鉴》、《中国税务年鉴》、《中国城市统计年鉴》。变量的描述性特征如表1所示。表1 变量描述性特征变量变量含义样本数量均值标准差最小值最大值Urbanization新型城镇化水平-0..Service常规性的公共服务2705....Insurance社会保障与就业2705....Revenue税收总额2707....Maintenance城建维护税2703....Investment城镇固定资产投资2708...0.Loan国内贷款额2706....注:新型城镇化水平变量数据由因子分析法计算而来,原始数据来源于《中国统计年鉴》。(二)空间自相关性检验通常在构建空间计量模型之前,需要对变量之间的空间自相关性进行检验。空间相关性检验分为全局空间自相关检验与局域空间自相关检验。全局空间自相关检验主要是对变量值在整个区域空间特征的描述,一般通过对空间自相关统计量Moran’sI的估计来分析。Moran’sI统计量是一个检验全局空间自相关的指标,它反映的是空间邻接或空间邻近的区域单元属性值的相似程度。其计算方法为:其中;Yi表示i区域的观测值,n为观测区域总数;ωij为空间权重矩阵的要素。标准化的Moran’sI统计量为:其中分别为空间权重矩阵i行和j列之和。在不存在空间相关性的原假设下,Z服从标准正态分布。Moran’sI统计量的取值一般在[-1,1]之间,小于0表示负相关,等于0表示不相关,大于0表示正相关。越接近-1表示单元间的差异越大或分布越不集中;越接近1,则代表单元间的关系越密切,性质越相似;接近0,则表示单元间不相关。表2Moran’sI指数二值邻接矩阵年份**0.203**0.193**0.179**0.166**0.147*0.129*0.125*0.147*P值(0.022)(0.025)(0.030)(0.038)(0.047)(0.064)(0.086)(0.091)(0.064)地理距离矩阵年份***0.189**0.188**0.180**0.168**0.156**0.144**0.140**0.144**P值(0.010)(0.013)(0.013)(0.016)(0.023)(0.031)(0.044)(0.050)(0.044)注:***,**,*分别表示通过了1%,5%,10%水平下的显著性检验。由表2可以看出,Moran指数从2007年到2015年保持在0.1以上,同时在二值邻接矩阵和地理矩阵下通过了显著性检验。地理距离矩阵的Moran指数比二值邻接矩阵的Moran指数更加显著,这表明单纯以两区域是否邻接来判断是否存在空间关联性是不严谨的,地理距离矩阵显然更合理。为了进一步识别各省级行政区域城镇化水平的空间分布特征,运用局域空间自相关检验来可视化城镇化水平。局域空间自相关检验以Moran散点图表示(见下图)。Moran散点图以(z,Wz)为坐标点,为空间滞后因子,i表示第i个观测单元,yi表示第i个观测单元的观测值,表示所有观测单元观测值的均值,Wz表示对空间单元观测值的空间加权,W为空间加权矩阵。Moran散点图包括四个象限,其中第1、3象限代表观测值存在正向空间相关性,第2、4象限代表观测值存在负向空间相关性。第1象限反映了城镇化水平高的省级行政区域被高值省级行政区域所包围,即“高—高”(HH),表明该区域的省级行政区域的城镇化水平比较高;第2象限反映了城镇化水平低的省级行政区域被高值省级行政区域所包围,即“低—高”(LH);第3象限反映了城镇化水平低的省级行政区域被低值省级行政区域所包围,即“低—低”(LL),表明该区域的省级行政区域的城镇化水平比较低;第4象限反映了城镇化水平高的省级行政区域被低值省级行政区域所包围,即“高—低”(HL)。(a) (b) (c)2007年(a)、2011年(b)、2015(c)年我国城镇化水平的Moran散点图上图分别为2007年、2011年、2015年我国城镇化水平的Moran散点图,揭示了不同时期城镇化水平的空间聚集类型和局部空间联系模式。2007年、2011年、2015年反映城镇化水平的Moran散点图中四个象限分布的省级行政区域如表3所示。从中可以看出,北京、天津、上海、江苏、浙江、山东、河南一直位于第一象限(HH);第二象限(LH)较为稳定的省级行政区域是山西、安徽、江西、海南;黑龙江、广西、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆一直位于第三象限(LL);辽宁、广东持续位于第四象限(HL);而河北、湖北、湖南、内蒙古、四川、福建、吉林则出现了空间格局的改变。表3 2007年、2011年、2015年各省级行政区域城镇化水平Moran散点图的四象限分布省份2省份2北京HHHHHH河南HHHHHH天津HHHHHH湖北LLHHHH河北LHHHLH湖南LLLHLH山西LHLHLH广东HLHLHL内蒙古LHLLLL广西LLLLLL辽宁HLHLHL海南LHLHLH吉林LLLHLL重庆LLLLLL黑龙江LLLLLL四川LLHLHL上海HHHHHH贵州LLLLLL江苏HHHHHH云南LLLLLL浙江HHHHHH陕西LLLLLL安徽LHLHLH甘肃LLLLLL福建HHHHLH青海LLLLLL江西LHLHLH宁夏LLLLLL山东HHHHHH新疆LLLLLL注:HH即高-高,位于第一象限;LH即低-高,位于第二象限;LL即低-低,位于第三象限;HL即高-低,位于第四象限。(三)空间计量模型的建构与分析Moran指数的检验结果表明变量之间存在显著的空间依赖特征,因此,进一步构建空间计量模型是合理的。已有文献最常用的空间权重矩阵主要有两种:一是二值邻接权重矩阵,该矩阵假定如果两个区域有共同的边界,就将权重值ωij设为1,否则就为0;另一种是地理距离空间权重矩阵,选择两地之间地理距离的倒数表示区域i和j之间的空间关联强度。基于此,本文将采用二值邻接权重矩阵作为模型的空间权重矩阵。此外,为了检验结果的稳定性,也会使用地理距离权重矩阵进行估计,以便与二值邻接权重矩阵的估计结果进行对比。目前,应用最广泛的空间计量模型主要是空间滞后模型(SLM)和空间误差模型(SEM)。空间滞后模型(SLM)假定区域之间的空间相关性主要来源于被解释变量之间的空间相关,模型设定为:其中,Urbanizationit表示i区域在t时期的城镇化水平,αUrbanizationit表示j区域在t时期的城镇化水平,ρ为空间自回归系数,ωij为空间权重矩阵W的元素,表示区域i和区域j之间的空间关联强度。Service、Insurance、Revenue、Maintenance、Investment、Loan分别表示常规性的公共服务、社会保障与就业、税收总额、城市建设维护税、城镇固定资产投资、城镇固定资产投资贷款额;β为估计指数,μit为干扰项,且服从独立同分布假设,其均值为零且方差为σ2。空间误差模型(SEM)假定区域之间的空间相关性主要来源于随机扰动项之间的空间相关,其模型设定为:Urbanizationit=α+β1Serviceit+β2InSuranceit++β3Revenueit+β4Maintenanceit+β5Investmentit+β6Loanit+μit其中,μit、μjt、εit为干扰项,且εit服从独立同分布假设,其均值为零且方差为σ2。对于空间计量模型的选择,Anselinetal.(1996)提出了基于拉格朗日(LM)检验的判别准则:如果在空间效应检验中发现LM-lag显著,而LM-error在统计上不显著,则应该选择空间滞后模型,反之,则应该选择空间误差模型。如果两者在统计上都显著,则应该进一步比较稳健的LM检验,如果RobustLM-lag显著,而RobustLM-error不显著,则空间滞后模型更好,反之则是空间误差模型更好。本文的模型识别检验结果如表4所示。表4 模型识别检验结果地理距离空间权重矩阵二值邻接空间权重矩阵***(0.000)***(0.000)***(0.000)**(0.014)***(0.006)***(0.000)**(0.019)***(0.000)注:***,**,*分别表示通过了1%,5%,10%水平下的显著性检验。由表4可以看出,在两种空间权重矩阵中,LM检验和RobustLM检验均十分显著,无法有效表明空间滞后模型和空间误差模型哪个更合适。因此,本文选择同时使用空间滞后模型(SLM)与空间误差模型(SEM)进行回归分析,结果如表5所示。表5 财政政策工具对城镇化的影响效应解释变量二值邻接权重矩阵地理距离权重矩阵空间滞后模型空间误差模型空间滞后模型空间误差模型常规性公共服务(0.288)-0.087(0.223)-0.034(0.557)-0.010(0.159)社会保障与就业***(0.000)0.332***(0.000)0.181***(0.000)0.278***(0.000)税收总额*(0.054)-0.164*(0.057)-0.204***(0.000)-0.154*(0.065)城建维护税***(0.000)0.395***(0.000)0.248***(0.000)0.365***(0.000)城镇固定资产投资**(0.025)0.159***(0.003)0.049**(0.032)0.130**(0.023)国内贷款额**(0.039)-0.077**(0.012)-0.020*(0.085)-0.024**(0.042)溢出效应值ρ0.327***(0.000)—0.603***(0.000)—溢出效应值λ—0.188***(0.019)—0.565***(0.002)似然函数值Log-likelihood271....670Hausman检验17.77**(0.013)24.98***(0.001)14.95**(0.040)21.18***(0.004)样本数量27拟合优度值(Adj-Squared)0....8625注:***,**,*分别表示通过了1%,5%,10%水平下的显著性检验。()内的数值表示概率值P。如果hausman检验结果中的p值小于0.05,则固定效应模型比较合适,大于0.05时,随机效应模型更为合适。本文的hausman检验结果都小于0.05,因此,最终选择固定效应模型。在两种空间权重矩阵下的空间滞后模型(SLM)与空间误差模型(SEM)的回归分析结果具有高度一致性,证明模型具有稳健性。四个模型下的拟合优度值分别为0.8799、0.8649、0.8882、0.8625,似然函数值分别为271.439、259.389、295.308、268.670,无论是拟合优度还是似然函数,第三个模型的值都高于其他模型。根据拟合优度和似然函数值越大越好的原则,财政政策工具对城镇化的影响效应的解释模型选定为地理距离权重矩阵下的空间滞后模型。常规性公共服务与新型城镇化水平的关系不显著,表明政府对常规性公共服务的财政支出并非是推动新型城镇化发展的主要动力。社会保障与就业的估计指数为正,且通过了1%水平的显著性检验,表明社会保障与就业的财政支出对城镇化水平的提升具有显著的促进作用。公共财政不断加大对城镇社会保障与就业的投入,加快了人口流动的速度,吸引更多生产要素在城镇中集聚,也进一步推进了农业转移人口的市民化进程。税收总额的估计指数显著为负,说明国家税收总额对新型城镇化发展具有明显的抑制作用。之所以出现这种情况,主要是因为财政政策工具中针对城镇化发展的税收减免政策、税负调整政策并没有落实到位。应当加大税收优惠力度,提高税收返还比例,从而推动新型城镇化的发展。城建维护税的估计指数为正,不仅通过了1%水平下的显著性检验,而且高于其他所有解释变量的估计指数,表明城建维护税对新型城镇化发展具有极大的促进作用。城镇固定资产投资的估计指数为正,只通过了5%水平下的显著性检验,表明城镇固定资产投资对城镇化水平具有一定的提升作用,但并不显著。国内贷款额的指数为负,而且在10%的水平下显著,表明国内贷款额在一定程度上抑制了新型城镇化水平的提高。ρ/λ值所衡量的是空间计量模型中被解释变量的空间溢出效应,即新型城镇化水平的空间自相关性与空间依赖性。溢出效应是指由主体进行某项活动导致的对该活动主体之外的事物带来的收益或损失,而活动主体本身无法获取的外部收益。[8]由表5可知,在空间滞后模型与空间误差模型中的溢出效应值都显著为正,且地理距离权重矩阵下的空间溢出效应明显高于二值邻接权重矩阵下的空间溢出效应,表明一个区域城镇化水平的提高会促进邻近区域城镇化水平的提高,从而形成新型城镇化发展的空间集聚现象。但是,ρ/λ无法衡量解释变量—财政政策工具的空间溢出效应,需要对计量模型做进一步的分解测算。(四)空间溢出效应分解LeSageandPace(2009)认为,对于空间计量的研究者而言,最为关注的应该是解释变量的溢出效应,而不是点估计的结果。这是因为点估计的结果有时候会导致得出错误的结论,仅仅根据点估计的结果来判断是否存在溢出效应是不合理的,研究者更应该关注对溢出效应的解释。因此,本文将进一步分解财政政策工具影响新型城镇化水平的空间计量模型,测算解释变量的直接效应、间接效应和总效应。直接效应代表区域内效应,表示特定单位中特定解释变量的变化对自身的被解释变量的影响;间接效应代表区域之间的效应,即空间溢出效应,表示解释变量不仅对自身的被解释变量有影响,而且对其他区域的被解释变量也产生影响。选择LeSageandPace提出的空间回归偏微分方法作为空间溢出效应的分解途径,直接效应和间接效应通过对空间计量模型求解除了截距项和误差项之外的解释变量的偏微分而得到。一般嵌套空间(GNS)模型表达式为:Y=ρWY+α+Xβ+WXθ+μ,μ=λWμ对于时间上从单位1到单位N的第k个解释变量X,其对应的Y的期望值的偏导数矩阵可以写成:表6 不同空间计量模型的直接效应和间接效应模型直接效应间接效应OLS\SEMβk0SAR\SAC(I-ρW)-1βk的对角线元素(I-ρW)-1βk的非对角线元素SDM(I-ρW)-1(βk+Wθk)的对角线元素(I-ρW)-1(βk+Wθk)的非对角线元素SLX\SDEMβkθk基于δ和θ的不同设定可以将GNS模型扩展为SAR、SEM、SDM等模型,表6阐述了不同空间计量模型设定下的直接效应和间接效应,可以看出空间误差模型(SEM)的间接效应为0,无法进一步分解空间溢出效应。所以,本文仅对二值邻接与地理距离权重矩阵下的空间滞后模型进行偏微分计算,进而分解测算出财政政策工具对新型城镇化的直接效应、间接效应和总效应(如表7所示)。表7 空间溢出效应分解变量二值邻接矩阵地理距离矩阵直接效应间接效应总效应直接效应间接效应总效应常规性公共服务(-1.11)-0.032(-1.04)-0.104(-1.10)-0.038(-0.62)-0.048(-0.57)-0.087(-0.60)社会保障与就业***(5.39)0.123***(3.41)0.396***(5.22)0.196***(4.03)0.265***(3.19)0.460***(3.82)税收总额**(-2.03)-0.070*(-1.77)-0.225**(-2.00)-0.219***(-3.02)-0.303**(-2.31)-0.522***(-2.67)城建维护税***(4.84)0.120***(3.84)0.390***(5.21)0.267***(5.29)0.360***(3.74)0.627***(4.85)城镇固定资产投资**(2.37)0.052**(2.28)0.171**(2.44)0.055*(1.95)0.070**(2.10)0.125**(2.14)国内贷款额**(-2.11)-0.027*(-1.94)-0.088**(-2.12)-0.023*(-1.82)-0.028***(-2.73)-0.051***(-2.77)注:***,**,*分别代表1%,5%,10%的显著性水平。()表示t值。间接效应即是空间溢出效应,是本文实证研究的核心。同时对比解释变量的直接效应或总效应,对财政政策工具中每一项解释变量在城镇化发展中的空间溢出效应进行逐一分析。社会保障与就业在二值邻接权重矩阵下的间接效应的估计指数显著为正,且通过1%水平的显著性检验,表明社会保障与就业领域的财政支出在相邻区域产生了空间溢出效应。也就是说,社会保障与就业领域的财政支出不仅能够促进本区域的城镇化发展,而且能够推动相邻区域的城镇化发展,具有正向的外部效应。但是,其间接效应的估计指数小于直接效应,说明社会保障与就业领域的财政支出对相邻区域城镇化发展的影响小于对本区域城镇化发展的影响。由此可见,财政政策工具对城镇化影响的范围是有限的,随着空间距离的增加其影响效应越来越小。这种扩散特性被称为“邻近效应”,[9]即财政政策工具更容易影响地理距离较近的相邻区域的城镇化发展。税收总额的间接效应值为-0.070,仅通过了10%水平下的显著性检验,表明税收总额的空间溢出效应较小,仅对相邻区域的城镇化发展存在微小的抑制作用。这种负的外部性效应主要是由于针对城镇化发展的税收优惠政策不到位所致。而城建维护税的间接效应的估计指数显著为正,表明城建维护税存在着显著的空间溢出效应,城建维护税对本区域的城镇化发展和相邻区域的城镇化发展都具有明显的促进作用,实现了财政政策工具跨区域的扩散。城镇固定资产投资的间接效应的估计指数为正,但仅通过了5%水平下的显著性检验,表明城镇固定资产投资对城镇化的空间溢出效应较弱。国内贷款额的间接效应的估计指数为-0.027,表明国内贷款额不仅抑制本区域的城镇化发展,而且也抑制了一定范围内的相邻区域的城镇化发展。由于仅通过了10%的显著性检验,所以其扩散影响范围较小。结论本文选取2007—2015年我国30个省级行政区域的面板数据,通过构建空间误差模型(SEM)和空间滞后模型(SLM)对财政政策工具对新型城镇化的影响进行分析,并利用空间偏微分法对空间溢出效应进行了分解,实证分析了财政政策工具中多个解释变量跨区域的空间扩散现象,得出的主要结论是:(1)我国新型城镇化的发展呈现显著的空间自相关性和空间依赖性,一个区域城镇化水平的提高会促进邻近区域城镇化水平的提高,从而形成空间集聚现象;城镇化水平不仅对城市创新能力具有显著的直接促进作用,而且还可以通过对人力、物质等创新资源的优化配置间接地驱动城市创新;[10](2)财政政策工具中的社会保障与就业支出、城建维护税、城镇固定资产投资对新型城镇化发展起到了不同程度的促进作用,但是,税收总额和国内贷款额在一定程度上抑制了城镇化的发展。常规性公共服务领域的财政支出与城镇化发展的相关性不显著;(3)社会保障与就业支出、城建维护税、城镇固定资产投资的空间溢出效应为正,税收总额和国内贷款额的空间溢出效应为负,在邻近效应的作用下影响着相邻区域新型城镇化的发展,并且伴随着空间距离的增加呈现出扩散影响效应逐渐衰减的特征。在我国城镇化和区域经济一体化的进程中,财政政策工具对城镇化发展的影响不断地在区域内和区域之间扩散,如何不断扩大正向溢出效应,减少负向溢出效应,成为了政策工具组合优化的关键。本文认为,应当将财政政策工具作为推动城镇化发展的政策工具组合的核心,搭配强制性的法律工具、灵活的市场工具、多元化的社会工具,以弥补单一政策工具的功能与扩散效应的不足,使政策工具包中的各种政策工具形成互动和协同,[11]以“组合拳”的形式推动我国新型城镇化的建设和发展。参考文献:[1]翟超颖,代木林.提升中国城镇化质量的财政政策研究[J].财政研究,2014(12).[2]杨得前,蔡芳宏.欠发达地区城镇化进程中的财政政策研究[J].中国行政管理,2015(9).[3]李栋林,关忠良.财政支持城镇化建设绩效评价方法研究[J].东岳论丛,2015(3).[4]王保贵,张东玲.基于VECM模型的城镇化、财政支农与农民消费关系的比较分析[J].青岛农业大学学报,2015(3).[5]张宁.公共财政支出对城镇化与居民收入差距的影响——基于VAR模型的实证分析[J].金融与经济,2016(2).[6]邓金钱,何爱平,张娜.地方财政支出结构、城镇化与城乡收入差距——基于中国省际面板VAR的再检验[J].软科学,2016(5).[7]许霞.土地财政与城镇化互动机制理论与实证研究[J].现代商贸工业,2016(8).[8]辛波,高彬,刘浩.城镇化的经济与环境溢出效应分析及城镇化的路径选择——以山东省为例[J].经济与管理评论,2015(6).[9]Lawrence A. Brown, Kevin R. Cox. Empirical Regularities in the Diffusion of Innovation[J].Annals of the Association of American Geographers, 1971(3).[10]仇怡,李亚珂.城镇化水平对场面市创新能力的影响研究[J].湖南科技大学学报(社会科学版),2017(6).[11]Susana Borrás, Charles Edquist. The choice of innovation policy instruments[J]. Technological Forecasting & Social Change, 2013(80).
文章来源:《财政研究》 网址: http://www.czyjzz.cn/qikandaodu/2020/1010/355.html