一、问题提出

据联合国开发计划署发布的《2016年中国人类发展报告》，1978—2010年中国政府成功帮助6.6亿人摆脱了贫困，为世界减贫做出了巨大的贡献。在中国，政府是最主要的减贫主体，在减贫方面发挥了十分重要的主导作用，形成了富有成效的政府主导型减贫模式。中国政府开展减贫的最主要手段是持续且大规模的财政投入。从1980年到“十二五”末，中央财政专项扶贫资金累计超过4 000亿元。财政扶贫已成为中国政府多元化减贫方式中最常用的方式[1]。2015年，《中共中央国务院关于打赢脱贫攻坚战的决定》提出到2020年“确保中国现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，解决区域性整体贫困”，在政策手段方面，特别强调要加大财政扶贫投入力度。

那么，如何更好地发挥财政支出的减贫作用呢？这涉及巨量的财政资金究竟要投向哪些领域的问题。从结构的角度看，就是要在加大财政扶贫投入力度的同时，如何优化财政支出结构，以取得更好的减贫效果。就学术研究而言，国内外已经有部分学者探讨了教育、医疗卫生、社会保障以及基础设施等领域财政支出的减贫效应[2-6]。但是，这些学者尚未取得一致的认识。如，就教育领域的财政支出减贫效应而言，荣格等(Jung et al.,2015)认为，对教育的财政支出有显著的减贫效应[7]，但也有学者认为教育领域的财政支出并没有产生显著的减贫效应[8-9]。此外，近年来少数学者开始关注财政支出减贫效应是否有空间相关性或空间外溢，但其研究结论并不一致[3,7]。可见，从结构的角度深入分析财政支出的减贫效应仍然是十分必要的。同样，从空间的角度考察财政支出是否存在空间相关性及空间差异性也是必要的。这不仅有助于澄清有关的认识分歧，更重要的是可以为政府优化财政支出结构、调整财政支出的空间分配及重点，取得更大、更好的减贫绩效，提供决策依据。

二、文献综述

世界上部分发达国家和发展中国家的经验表明，财政支出可以有效提高贫困人口的收入水平，从而缓解贫困问题[10]。在发达国家的财政减贫方面，美国实行的公共福利支出和教育支出、英国实行的社会保障及福利支出、丹麦中央和地方的福利财政制度，都产生了良好的减贫效果。德国对东部贫困地区给予财政援助，提高了当地居民的收入水平，减少了贫困。在发展中国家的财政减贫方面，印度实施了财政政策支持的“农业精耕县计划”和“农业精耕地区计划”，促进了贫困地区的发展；印度尼西亚运用财政支持国家的发展计划，降低了贫困发生率；巴西利用财政政策实施了“发展极措施”，也使得贫困现象明显减少。在中国，财政减贫是最主要的减贫手段，是政府主导型减贫模式的重要基础。特别是，财政政策明显地促进了县域农民人均纯收入的增长[11]，公共财政产生了较为显著的短期减贫效应[12]。

在学术研究领域，财政支出能够有效减少贫困已经成为共识。然而，财政支出是多样的，究竟哪些方面的财政支出能够产生良好的减贫效应？学术界对这个问题提供了不同的解答。林伯强(2005)认为，各类公共投资是减少贫困的主要因素之一，特别是对农村教育、水利、公路等农村基础设施的公共投资都有明显的减贫效应[13]。李永友和沈坤荣(2007)指出，在教育、医疗服务等社会保障方面的财政支出对于低收入群体具有显著的直接增收效应。这些研究工作实际上涉及了财政支出减贫效应是否存在结构性差异的问题[2]。近年来，部分学者在这个问题上开展了积极的探索，但得到的结论并不一致。王娟和张克中(2012)采用联立方程，对中国省级公共支出结构及减贫效应进行了研究，发现公共农业性支出、社会救济支出和基本建设支出的减贫效应显著。在这三个方面，每增加一个单位的公共支出，其减贫弹性分别为0.058、0.058和0.040，而科教文卫支出的减贫效应并不显著[8]。同样采用联立方程，卢盛峰和卢洪友(2013)使用微观调查数据，证实了社会医疗保险、自来水供应、居住卫生等保障性公共服务能够直接和间接的发挥减贫作用[14]。阿沙多拉等(Asadullah et al.,2014)研究了孟加拉国的财政支出减贫效应，发现在教育方面的财政支出没有显著的减贫效应，而在医疗方面减贫效应显著[9]。与之不同，伽塔克(Ghatak，2016)认为教育支出在任何情形下均是有利于贫困减少的[15]。除了上述不尽相同的研究结果之外，有学者认为，财政政策发挥减贫效应需要必要的环境条件。对于农业生产而言，在缺乏必要基础设施的情况下，仅仅给予津贴的支持计划是无法促进农业发展的[16]。而且，财政政策的减贫作用也存在门槛效应[3]。在危地马拉，由于财政支出的数量较小，没有达到门槛值，所以没有产生显著的贫困减少效果[17]。这些研究或许部分地解释了财政支出减贫效应出现差异的原因。

在研究财政支出的减贫效应时，不可避免地要涉及财政支出减贫效应是否存在空间相关性和空间差异性问题。这是由财政支出的空间分配所决定的。从理论上推断，既然财政支出必须在不同的区域之间进行分配，那么，其减贫效应就必然涉及是否有空间外溢、空间差异等问题。目前，仅有少数学者对这类问题做了探讨。林伯强(2005)注意到了公共投资的减贫效应存在空间差异，指出公共投资对农村贫困减少的边际效应在不同地区差别很大[13]。拉瓦雷(Ravallion，2012)强调，研究贫困问题时需要考虑空间依赖性[18]。方和邹(Fang & Zou，2014)的研究发现，农村社区邻居产生的负的空间外溢是影响中国农村贫困的重要因素[19]。邹文杰(2014)采用动态空间误差模型(SEM)分析了中国省级财政投入的医疗卫生服务均等化，发现医疗卫生服务均等化所产生的减贫效应存在空间相关性，即空间外溢[3]。荣格等(2015)从空间外溢角度对美国政府专用资金的减贫效应进行了研究，认为政府专用资金对教育的投入可以同时减少本区域和邻居区域的贫困，对健康医疗的投入仅能减少本区域的贫困[7]。这就是说，对教育的投入存在空间外溢，对健康医疗的投入不存在空间外溢。

总的来看，究竟哪些领域的财政支出能够产生减贫效应或者减贫效应更大，实际上就是财政支出减贫效应是否存在结构性差异的问题。迄今，学术界对这个问题的研究尚未获得一致的认识，而且多是关注某些领域财政支出的减贫效应，没有用完整的财政支出分类数据或者材料进行研究。在财政支出减贫效应是否存在空间相关性和空间差异性这个问题上，学术界的研究还不多，且结论也不相同[3,7]。因此，对财政支出减贫效应是否存在结构性差异、空间相关性和空间差异性这些问题仍有待进一步的研究。目前，研究这些问题对于中国尤为必要。如上所述，财政减贫是中国的最主要减贫手段。如何从结构和空间两个方面对规模巨大的财政支出进行优化调整，以便产生更大更好的减贫效应，确实需要开展深入的研究。本文拟采用《中国区域经济统计年鉴》对财政一般预算支出所作的教育支出、社会保障和就业支出、医疗卫生支出、农林水利事务支出四类支出分类，以地级市为区域对象，分析中国财政支出的减贫效应是否存在结构性差异、空间相关性和空间差异性。

从晚唐五代衰世到南宋名“中兴”实苟安时代，士人人格精神无疑既有延续，也有位移。那么，对晚唐诗词持有矛盾价值观的陆游，比起其前辈如温庭筠，在诗学精神和士人精神上其天壤之别处究竟在哪里？近世文化下士人人格有何内在变迁——即世俗化转向的儒家知识化运动中有无个体伦理意识的觉醒和自觉的可能？陆游在词中曾道：“尽今生、拼了为伊，任人道错”(《解连环》)，是指向“道”境的家国之慨抑或是个体之情思(情绪)，更能有效确证着生命的实存与存在？又该如何、又可如何在已有的诸如“感性与理性分裂说”“公私二重人格说”的解释之外理解？这是本文经过如此一番“探析”后依然留下的诸多困惑和不解，谨俟高明博雅有以教之！

三、实证模型

为了便于讨论，假定区域i为目标区域，区域j为区域i的邻居区域。设区域i在第t年的总产出为Yit，其技术水平为Ait，政府财政支出为Git，资本存量为Kit，劳动力数量为Lit。参考布里托和文迪蒂(Brito & Venditti，2010)[20]、拉托雷和马尔西利奥(La Torre & Marsiglio，2010)[21]对生产函数的设定，设区域i的总产出由式(1)决定：

 

(1)

当存在技术外部性时，区域i的技术水平A由三个因素共同决定[22-23]：一是对所有区域而言均存在的外生技术进步；二是由区域资本积累而引起的技术进步，即AR外部性；三是由AR外部性跨越区域边界而形成的空间外部性。于是，可将区域i的技术水平设定为如下形式：

2) 杨庄东街与晋元庄路交叉口：①原有配时方案中，未考虑晋元庄路东向北右转对南向北直行车辆的影响，造成通行时间浪费；②晋元庄路东向南左转车辆相对较少，给予的绿灯时间过长，造成绿时浪费较为严重.

 

(2)

在式(2)中，Ωt为外生的技术进步。下面，主要讨论和

是区域i资本存量增加引起的AR外部性。根据新经济增长理论，假定区域i的技术水平随着人均总资本水平的增加而提高[21]，则参数φ反映了由人均财政支出git(git=Git/Lit)产生的AR外部性大小，且满足条件0≤φ<1；参数θ反映了由人均资本kit(kit=Kit/Lit)产生的AR外部性大小，且满足条件0≤θ<1。

医疗卫生支出虽然有减贫效应，但在统计上不显著。这个结果与卢盛峰和卢洪友(2013)[14]、邹文杰(2014)[3]、荣格等[7](2015)的结论不完全一致。他们的研究结果显示医疗卫生支出的减贫效应是显著的。但是，从表3中模型(1)显示的分析结果看，在减贫效应方面，医疗卫生支出有显著的空间外溢效应，这一点与邹文杰(2014)的结论[3]相同，与荣格等(2015)的结论[7]相反。具体地，表3中W×medical在10%的显著性水平上是显著的，其弹性值为0.018。之所以出现这些方面的结论差异，可能的原因有两个：首先，邹文杰(2014)使用的是中国省际面板数据，认为医疗卫生支出在减贫方面存在门槛效应，当医疗卫生支出低于门槛值时，不能产生显著的减贫效应[3]。其次，医疗卫生支出的减贫效应需要一定的外部环境，只有在目标区域与邻居区域均提高医疗卫生支出且高于门限值(如形成较好的大病、重病医疗条件)时才能产生显著的减贫效应。正如齐良书(2011)提出，中国的新农合能够促进农村贫困的减少，但是需要一定的外部环境作为支持条件[31]。这里的外部环境包括邻居村庄的新农合参与情况、村庄经济的经济发达程度及其医疗条件特别是地方病和大病的医疗条件等。

反映区域j的技术水平对区域i技术水平的影响。一个区域的资本投资不仅会引起其资本存量的增加，还产生空间外溢效应，从而提升所有区域的技术水平[22]。因此，表示目标区域i的技术水平将正向地取决于其邻居区域j的技术水平，j≠i。W为空间权重矩阵，其i行j列元素wij反映区域i与区域j之间的空间邻接关系，且满足条件0≤wij≤1，若i=j，则wij=0。参数γ衡量区域i与区域j之间技术水平相互依赖的程度，且满足0≤γ<1。

在时点t，将式(2)两边取对数并写成矩阵形式得：

A=Ω+φg+θk+γWA

(3)

其中，A、g和k分别为对数化技术水平、人均财政支出和人均资本存量，均为N×1的列向量，W为N×N的空间权重矩阵。当(I-γW)可逆时，可根据式(3)求出区域i的技术水平A为：

A=(I-γW)-1Ω+φ(I-γW)-1g+θ(I-γW)-1k

(4)

这时，将式(1)两边同时除以劳动力数量Lit得：

3.信息化意识不强。良好的图书管理信息化氛围能够为图书管理信息化发展创造良好条件。近年来，各级党政机关高度重视政务信息化工作，做了大量工作，但对机关内部图书管理的信息化工作还没提上工作日程，宣传推广力度不够，图书管理信息化认识不够深刻。图书管理人员的信息化意识普遍不强，影响其信息化技术应用，很多图书管理人员的图书管理信息化认识也只停留在简单地使用图书管理系统，图书管理工作的本质并没有发生根本变化，这在一定程度上阻碍了机关图书管理信息化发展。

yit=Ait+αGg+αKk

(5)

式(5)中，yit=Yit/Lit为区域的人均产出。将式(4)代入式(5)得：

y=(I-γW)-1Ω+φ(I-γW)-1g+αGg+θ(I-γW)-1k+αKk

(6)

在式(6)两边同时乘以(I-γW)得：

(I-γW)y=Ω+φg+θk+(I-γW)(αGg+αKk)

(7)

[3]邹文杰.医疗卫生服务均等化的减贫效应及门槛特征——基于空间异质性的分析[J].经济学家，2014(8)：59-65.

y=Ω+(φ+αG)g+(θ+αK)k-γαGWg-γαKWk+γWy

(8)

式(8)即为本文实证分析的理论模型。由式(8)可知，影响区域i产出水平y的因素有区域的外生技术进步Ω、区域财政支出g和区域资本存量k及其空间滞后项Wg和Wk、以及区域产出的空间滞后项Wy。

根据本文的研究问题，在构建实证模型时，需要对式(8)中的变量做如下处理：首先，选择用收入水平衡量贫困[24]。具体地，考虑到数据的可得性并参考王艺明和刘志红(2016)[1]的做法，本文的被解释变量y为区域农民人均纯收入，用其衡量财政支出的减贫效应。其次，本文对政府财政支出g这个解释变量做结构分解。参考王娟和张克中(2012)[8]、荣格等(2015)[7]的做法，本文的实证模型将解释变量g按照其支出结构扩展为政府支出结构中的教育支出(educate)、社会保障和就业支出(social)、医疗卫生支出(medical)以及农林水利事务支出(agriculture)四个部分，即Git=G(educate,social,medical,agriculture)。第三，参照秦和张(Qin & Zhang，2016)[25]的方法，本文将区域资本存量k这个控制变量扩展为区域的物质资本存量(capital)和公路里程数(traffic)两个部分，即Kit=K(capital,traffic)。这里，traffic用来反映区域的交通基础设施情况，主要是强调交通设施作为一种物质资本对贫困的重要影响。

经过上述处理后，本文的实证模型如下：

pit= α+β1educateit+β2socialit+β3medicalit+β4agricultureit+β5capitalit

+β6trafficit+ξ1×W×educateit+ξ2×W×socialit+ξ3×W×medicalit

+ξ4×W×agricultureit+ξ5×W×capitalit+ξ6×W×trafficit

+δ×W×pit+ui+λt+εit

(9)

其中，p用来衡量区域的贫困水平，反映区域财政支出的减贫效应；educate、social、medical和agriculture分别为财政一般预算支出中的教育支出、社会保障和就业支出、医疗卫生支出以及农林水利事务支出；W×educate、W×social、W×medical和W×agriculture分别反映其邻居区域财政支出中的教育支出、社会保障和就业支出、医疗卫生支出以及农林水利事务支出。capital和traffic分别为区域的资本存量和公路里程数，W×capital和W×traffic分别为其邻居区域的资本存量和公路里程数。W×P则反映了其邻居财政支出的减贫效应。α、ui、λt和εit分别表示常数项、空间效应、时间效应以及误差项，W为二进制邻接矩阵。

四、实证分析

(一)数据说明

本文以地级市为区域对象，从《中国区域经济统计年鉴》中选取了273个数据可得的地级市。由于中国财政支出的分类统计在2007年以前和2013年之后发生了较大变化，因此，为便于考察财政支出结构，本文所使用的数据为2007—2013年面板数据。所用原始数据主要来源于《中国区域经济统计年鉴》和各省区市的统计年鉴。其中，财政一般预算支出中的教育支出、社会保障和就业支出、医疗卫生支出、农林水利事务支出以及公路里程的数据直接由统计年鉴查出。参考杨(Young，2003)提出的永续盘存法[26]，采用2007年固定资产投资总额乘以10作为初始资本存量和9.6%的折旧率，计算出所有年份的资本存量。最后，采用地级市的CPI消除农民人均纯收入、各项财政一般预算支出及资本存量的价格因素影响后，除以地级市的年平均人口，得到其人均水平。同时，为了方便从弹性角度考察不同变量的减贫效应，对所有变量均取了自然对数，不再另行标记。

(二)Moran’s I检验

进一步考察上述四类财政支出的减贫效应在不同的区域是否一致，即是否存在空间差异性。在《中国区域经济统计年鉴》中，对全国各地级市作了东、中、西三个地区的划分，因此，本文就采用这种区域划分方法来检验财政支出减贫效应的空间差异性。在检验模型方面，如上所述，同时包含空间和时间双固定效应的SDM为最优估计方法，因此，表4仅给出分东、中、西三个地区的、同时包含空间和时间双固定效应的SDM估计结果。

由表1可知，无论是控制了所有解释变量的财政支出减贫效应p，还是控制了其他解释变量之后的单个解释变量财政支出减贫效应，均存在显著的空间自相关性。从不同变量空间自相关性的变动幅度看，虽然不同年份的空间自相关性存在一定的波动范围，但是波动范围相对较小。从空间自相关性的大小看，社会保障和就业、医疗卫生支出、农林水利事务支出和交通条件的空间自相关性相对较大，最大值高达0.477；教育支出、区域资本存量的空间自相关性相对较小，但最小值也高达0.192。

 

表1 变量空间自相关性的Moran’s I 检验结果

  

年份peducatesocialmedicalagriculturecapitaltraffic20070.192***0.279***0.469***0.410***0.387***0.229***0.461***(5.885)(8.101)(13.514)(11.787)(11.177)(6.667)(13.242)20080.228***0.330***0.470***0.434***0.388***0.236***0.470***(6.965)(9.551)(13.524)(12.473)(11.193)(6.854)(13.511)20090.247***0.309***0.477***0.446***0.387***0.233***0.470***(7.458)(8.951)(13.737)(12.832)(11.182)(6.773)(13.527)20100.218***0.275***0.455***0.453***0.457***0.234***0.462***(6.684)(7.996)(13.123)(13.023)(13.172)(6.823)(13.280)20110.258***0.219***0.430***0.425***0.410***0.228***0.452***(7.819)(6.383)(12.419)(12.218)(11.839)(6.647)(13.006)20120.229***0.247***0.403***0.406***0.402***0.223***0.450***(6.959)(7.166)(11.623)(11.682)(11.591)(6.488)(12.937)20130.215***0.244***0.414***0.347***0.363***0.239***0.447***(6.513)(7.082)(11.956)(0.003)(10.474)(6.961)(12.866)

注：***、**和*分别表示在1%、5%和1%的显著性水平上是显著的，圆括号内为t值。

根据荣格等(2015)[7]、萨梅提等(Sameti et al.，2007)[27]的研究，在考察财政支出的减贫效应时，必须考虑其空间自相关性。表1显示，财政支出减贫效应的空间自相关均在1%的显著性水平上显著，因此，需要采用空间计量模型分析财政支出的减贫效应。

(三)不同空间和时间固定效应设定的OLS回归结果

为了解决区域财政支出减贫效应的空间自相关问题，托马斯和加斯帕尔(Thomas & Gaspart，2015)、荣格等(2015)建议采用空间固定效应和时间固定效应，以及空间和时间双固定效应的回归方法[28，7]。同样，埃尔霍斯特(Elhorst，2014)明确指出，在进行空间回归之前，需要对模型进行不包含空间或时间固定效应、仅包含空间固定效应、仅包含时间固定效应，以及同时包含空间和时间双固定效应的OLS回归，然后，根据参数检验选择最优的估计方法[29]。因此，本文在对式(9)进行空间回归之前先对不同固定效应设定的OLS模型进行回归，结果见表2。

 

表2 不同固定效应设定的OLS回归结果

  

(1)(2)(3)(4)intercept-0.003(-0.030)educate 0.181***0.195***0.171***0.064***(9.759)(17.594)(8.688)(6.919)social 0.0110.024***0.015 0.015***(0.924)(3.115)(1.262)(2.583)medical 0.102***0.146***0.053**0.017**(5.592)(17.946)(2.470)(2.484)agriculture 0.086***0.051***0.089***0.001 (8.068)(7.400)(8.352)(0.175)capital 0.744***0.581***0.759*** 0.363***(69.121)(32.288)(66.100)(22.170)traffic -0.202***0.047**-0.197*** 0.027*(-13.858)(2.235)(13.614)(1.779)σ2 0.0680.007 0.067 0.004 Durbin-Watson1.7521.4291.7741.831R20.8840.9220.8670.994Log-likelihood-141.9052044.010-120.9992677.838LMspatiallag114.442926.360 94.049 356.424 [0.000][0.000][0.000][0.000]

 

表2(续)

  

(1)(2)(3)(4)LMspatialerror322.763396.415 292.662 314.961 [0.000][0.000][0.000][0.000]RobustLMspatiallag 7.752536.776 4.07244.846 [0.007][0.000][0.044][0.000]RobustLMspatialerror 215.4726.831 199.685 3.383[0.000][0.009][0.000][0.066]

注：***、**和*分别表示在1%、5%和1%的显著性水平上是显著的，圆括号内为t值，方括号内为P值。

在表2中，列(1)为不包含空间或时间固定效应的OLS回归结果，列(2)为仅包含空间固定效应的OLS回归结果，列(3)为仅包含时间固定效应的OLS回归结果，列(4)为同时包含空间和时间固定效应的OLS回归结果。根据模型估计的参数检验，列(4)的残差值σ2最小，为0.004，Durbin-Watson的共线性检验最接近于2，R2也是最大的，且Log-likelihood最大，为2 677.838。根据LM检验结果，均在1%的显著性水平上拒绝了不存在空间滞后因变量和空间自回归误差项的原假设，而稳健的Robust LM检验在1%的显著性水平上拒绝了不存在空间滞后因变量和在10%的显著性水平上拒绝了不存在空间自回归误差项的原假设。由此可知，对于式(9)，同时包含空间和时间双固定效应的估计方法是最优的，而且，必须采用空间计量方法解决OLS回归同时存在的空间滞后因变量和空间自回归误差项问题。因此，接下来将采用同时包含空间和时间双固定效应的SDM模型来对式(9)进行估计。

(四)不同效应设定的SDM和SDEM估计结果分析

为了便于对比，本文将同时给出空间和时间双固定效应的SDM估计结果、空间和时间双固定效应的SDEM估计结果，以及同时包含随机空间效应和时间固定效应的SDM模型估计结果，结果见表3。列(1)为包含时间和空间双固定效应的SDM估计结果，列(2)为包含空间和时间双固定效应的SDEM估计结果，模型(3)是包含空间固定效应和时间随机效应的估计结果。

 

表3 不同效应设定的SDM和SDEM估计结果

  

(1)(2)(3)W×p0.479***0.485***0.481***(17.844)(18.171)(18.015)educate0.056*** 0.056***0.058***(6.284)(5.808)(6.025)social0.014***0.014**0.014**(2.613)(2.414)(2.357)medical0.004 0.004 0.007 (0.616)(0.568)(0.873)agriculture0.009* 0.009 0.012**(1.666)(1.487)(2.132)

 

表3(续)

  

(1)(2)(3)capital0.296*** 0.296*** 0.387***(18.200)(16.822)(23.826)traffic0.034** 0.034** -0.000 (2.289)(2.212)(-0.003)W×educate-0.004 -0.005 -0.002 (-0.262)(-0.273)(-0.140)W×social-0.004 -0.004 -0.003 (-0.365)(-0.350)(-0.303)W×medical0.019* 0.018* 0.018 (1.643)(1.707)(1.427)W×agriculture-0.012 -0.011 -0.006 (-1.372)(-1.269)(-0.708)W×capital0.010 0.007 -0.013 (0.320)(0.214)(-0.431)W×traffic-0.081*** -0.081 -0.074*** (-3.022)(-2.787)(-2.719)σ20.003 0.003 0.003 R20.995 0.995 0.993 LogLikelihood2836.946 2836.931 1919.008 Waldtestspatiallag14.032 12.051 10.783 [0.029][0.061][0.096]LRtestspatiallag13.959 13.919 10.536 [0.030][0.031][0.104]Waldtestspatialerror42.916 36.397 61.841 [0.000][0.000][0.000]LRtestspatialerror42.902 42.811 188.326 [0.000][0.000][0.000]ϕ2test0.064 [0.000]SpatialHausmantest179.282 [0.000]

注：***、**和*分别表示在1%、5%和1%的显著性水平上是显著的，圆括号内为t值，方括号内为P值。

由表3可知，列(3)的φ2检验接近于0，Spatial Hausman test远大于10，均在1%的显著性水平上拒绝了应该采用随机效应模型的原假设。在包含时间和空间双固定效应的SDM即列(1)对应的模型中，空间滞后因变量lag的Wald检验和LR检验均在5%的显著性水平上拒绝了SAR为最优计量模型，空间自回归误差项error的Wald检验和LR检验均在1%的显著性水平上拒绝了SEM为最优计量模型。在包含时间和空间双固定效应的SDEM即列(2)对应的模型中，空间滞后因变量lag的Wald检验和LR检验分别在10%和5%的显著性水平上拒绝了SAR为最优计量模型，空间自回归误差项error的Wald检验和LR检验均在1%的显著性水平上拒绝了SEM为最优计量模型。在同时包含时间和空间双固定效应的SDM即列(1)对应的模型的估计中，σ2值略小于SDEM即列(2)对应的模型的估计结果，而R2和对数似然值Log Likelihood略大于SDEM即列(2)对应的模型的估计结果。因此，采用同时包含空间和时间双固定效应的SDM即列(1)为对应的模型最优的估计方法。

根据同时包含空间和时间双固定效应的SDM即列(1)对应的模型估计结果，财政支出中的教育支出、社会保障和就业支出、农林水利事务支出具有显著的减贫效应，而医疗卫生支出的减贫效应虽然为正却不显著。

从参数估计的大小看，教育支出的减贫效应显著为正且最大，其弹性值为0.056。这表明，增加财政教育支出可以产生很好的减贫效果。本文的这个结论与王娟和张克中(2012)[8]的结果相反，他们认为科教文卫支出没有显著的减贫作用。其中的原因可能是他们使用的是1994—2004年省级面板数据，空间尺度偏大，也可能是在这个时段科教文卫支出的减贫效应尚未明显释放。财政教育支出的减贫效应之所以显著，是因为，随着九年义务教育的全面普及和大学扩招，劳动力受教育程度在本文的研究时段内有了显著提高，这一方面可以直接提高劳动力的收入水平，另一方面还将间接影响贫困的脆弱性，即通过收入水平的提高而降低陷入贫困的概率[4]。

社会保障和就业支出的减贫效应显著为正，其弹性值为0.014。这个结果与樊丽明和解垩(2014)[4]的有关结论似乎是矛盾的。樊丽明和解垩(2014)研究了公共转移支付对贫困脆弱性的影响，认为无论贫困线划在何处，公共转移支付对慢性贫困和暂时性贫困的脆弱性没有任何影响，即公共转移支付对慢性贫困和暂时性贫困不具有减贫效应[4]。但需要注意的是，他们所讨论的是对贫困个体实行直接的公共转移支付，而本文研究的是财政社会保障和就业支出(具体包括社会保险基金补助支出、就业补助支出和自然灾害生活救助支出等)，其作用方式与公共转移支付不同，是通过增加贫困个体的劳动收入而减少贫困，不会引发意外收获的贪婪效应[30]，或“诱导”贫困居民更加依赖于政府补助[14]。因此，财政社会保障和就业支出的减贫效应必然大于直接的公共转移支付。由此，在中国未来的扶贫工作中，应该增强财政社会保障和就业支出，减少对贫困个体的直接公共转移支付。

2.农业补贴。农业补贴政策在我国建国就有，只是当时我国采取的是小范围的补贴。随着时间的发展逐步向各方面扩展，如粮食补贴、良种补贴、农资补贴等补贴的范围逐渐扩大，各项政策也越来越灵活。

农林水利事务支出也有显著的减贫效应。这个结果与林伯强(2005)[13]、王娟和张克中(2012)[8]、梅森等(Mason et al.,2013)[16]的结论较为一致。从农林水利事务支出的减贫效应大小看，虽然其减贫效应小于教育支出、社会保障和就业支出的减贫效应，但依然不可忽视。根据国家统计局发布的《2015年国民经济和社会发展统计公报》，2015年底中国农村贫困人口仍然高达5 575万。因此，加大财政支出中的农林水利事务支出，依然是一条减少农村贫困人口的重要举措。

总的来看，在上述四类财政支出中，教育支出的减贫效应最大，其次是社会保障和就业支出(约为教育支出减贫效应的1/4)，再次是农林水利事务支出(仅为教育支出减贫效应的1/7)，医疗卫生支出的减贫效应则不显著。

3.2.4 在线指导功能模块。校内指导老师对学生顶岗实习过程中遇到的共性问题进行集中讲授，也可以实现对学生的个性问题进行针对性的辅导。实现指导老师与学生之间的实时沟通，做到问题及时解决，确保校内指导老师及时掌握学生实习动态。

老年冠心病非心脏手术应激会在一定程度上损伤患者心肌，影响患者康复。有研究证实，不同麻醉方式及药物可影响患者术中血流动力学的稳定性，显著降低患者术中心肌细胞的缺血缺氧损伤[5]。右美托咪定是高选择性α2肾上腺素能受体激动药,激活中枢蓝斑突触，通过负反馈抑制交感神经系统的活性，降低中枢和外周去甲肾上腺素的释放，减慢心率，同时降低心脏负荷与心肌耗氧，从而改善心肌的氧供需平衡[6]。七氟醚是常用的吸入性麻醉药，具有扩张外周血管、减轻心脏后负荷、改善心肌顺应性的作用，能减轻围术期心肌细胞的缺血缺氧性损伤[7]。

就空间外溢而言，仅医疗卫生支出的减贫效应表现出正的空间外溢，且在1%的显著性水平上显著，其他三项财政支出均没有表现出积极的空间外溢。这似乎意味着，在教育、社会保障和就业、农林水利事务等方面的财政支出仅在当地产生良好的减贫效应，而对其他区域的减贫影响不大。

此外，表3还显示，资本存量和交通条件的减贫效应是显著的。而且，区域贫困水平本身也有很显著的空间外溢效应。但这些不是本文关注的问题，所以，不做进一步的讨论。

五、空间差异性检验

为了检验模型变量是否存在空间自相关，并确定经验分析是否需要采用空间分析方法，首先对变量的空间自相关性进行检验。为了准确捕获变量的空间自相关性，在计算区域贫困水平p的空间自相关性时控制了所有解释变量，在分别计算educate、social、medical、agriculture、capital和traffic的空间自相关性时控制了其他解释变量。Moran’s I的检验结果见表1。

 

表4 东部、中部和西部地区的估计结果

  

东部地区(SDM)中部地区(SDM)西部地区(SDM)西部地区(SAR)W×p0.396***0.417***0.403***0.431***(9.741)(9.749)(6.731)(7.651)educate0.080***0.044**0.043***0.040***(5.677)(2.056)(3.000)(2.603)social-0.008 0.024**0.014 0.016* (-0.868)(2.509)(6.025)(1.734)medical0.020 0.018 -0.015 -0.013 (1.277)(1.303)(-1.448)(-1.196)agriculture0.016 0.018**0.023**0.026** (1.366)(2.188)(2.043)(2.120)capital0.283***0.350***0.191***0.191*** (11.493)(11.317)(5.836)(5.601)traffic0.081** 0.082***-0.001 -0.006 (2.422)(3.952)(-0.027)(-0.187)W×educate0.052*-0.060**0.006(1.888)(-1.937)(0.238)W×social0.032**-0.050***0.010(2.130)(-2.905)(0.617)

 

表4(续)

  

东部地区(SDM)中部地区(SDM)西部地区(SDM)西部地区(SAR)W×medical-0.029 -0.009 -0.011 (-1.228)(-0.468)(-0.531)W×agriculture-0.032 -0.029*** -0.024 (-1.472)(-2.683)(-1.225)W×capital-0.020 0.062 -0.057 (-0.470)(1.098)(-0.764)W×traffic0.031 0.059 -0.035 (0.522)(1.441)(-0.532)σ20.002 0.003 0.003 0.003R20.9960.9930.9960.996LogLikelihood1263.6351157.576605.773604.095Waldtestspatiallag10.683 25.273 1.821 [0.099][0.000][0.935]LRtestspatiallag10.477 25.050 1.841[0.105][0.000][0.934]Waldtestspatialerror17.428 38.994 3.549[0.008][0.000][0.737]LRtestspatialerror17.338 39.812 21.434[0.008][0.000][0.002]ϕ2test0.054 0.078 0.045[0.000][0.000][0.000]SpatialHausmantest54.847 80.094 29.666[0.000][0.000][0.005]

注：东部、中部和西部地区的参数估计均包含空间和时间的双固定效应，***、**和*分别表示在1%、5%和10%的显著性水平上是显著的，圆括号内为t值，方括号内为P值。

由表4可知，对东部地区而言，Wald检验和LR检验分别在在10%和1%的显著性水平上拒绝了最优计量模型为SAR或SEM，且φ2检验和Spatial Hausman检验均在1%的显著性水平上拒绝了空间随机效应，因此，同时包含空间和时间双固定效应的SDM为最优计量模型。中部地区的Wald检验和LR检验均在1%的显著性水平上拒绝了最优计量模型为SAR或SEM，且φ2检验和Spatial Hausman检验均在1%的显著性水平上拒绝了空间随机效应，因此，同时包含空间和时间双固定效应的SDM为最优计量模型。西部地区的Wald检验和LR检验并不拒绝最优计量模型为SAR，但LR检验却在1%的显著性水平上拒绝了SEM为最优计量模型。同时，西部地区的φ2检验和Spatial Hausman检验均在1%的显著性水平上拒绝了空间随机效应，因此，本文在此给出西部地区同时包含空间和时间固定效应的SDM模型估计结果，也给出SAR估计结果，具体见表4第5列。

蕉城区水利系统的旅游解说系统不仅要普及游客关于水生态，水文化以及水保护的知识，让游客在了解水利资源的同时，也能够自觉保护水利资源。

表4显示，教育、社会保障和就业、农林水利事务、医疗卫生这四类财政支出的减贫效应在东、中、西部地区的表现并不完全一致。就教育支出而言，在东部、中部和西部地区都产生了显著的减贫效应。在程度上，东部地区的教育支出减贫效应最大，中部地区略大于西部地区。社会保障和就业支出的减贫效应在中部地区是显著为正的，但是在东部地区和西部地区都不显著。而农林水利事务的减贫效应在中部地区和西部地区都显著为正，但在东部地区却不显著。与全国的总体分析结果一样，医疗卫生支出无论是在东部地区还是在中部地区、西部地区都没有通过显著性检验。

在空间外溢方面，四项财政支出各自减贫效应的表现不一致。教育支出的减贫效应在东部地区显著为正，弹性值为0.052，但在中部地区却显著为负，在西部地区则不显著。社会保障和就业支出的减贫效应的空间外溢情况与教育支出相似。在东部地区显著为正，弹性值为0.032，在中部地区显著为负，在西部地区不显著。农林水利事务支出减贫效应的空间外溢在中部地区显著为负，在东部地区和西部地区则都不显著。与全国的情况不同，医疗卫生支出减贫效应的空间外溢无论在东部地区还是中部和西部地区均不显著。

上述结果表明，财政支出的减贫效应在东部、中部和西部地区存在值得注意的差异，而且与在全国(总体样本)的表现也不一样。这就意味着，对造成这种空间差异的原因需要做进一步的研究。从政策制定的角度看，各区域仍可在有显著减贫效应的财政支出方面继续加大力度，同时，从投入规模、相关配套条件及方式等方面，找到导致某些财政支出减贫效应不显著的原因，采取相应措施，消除限制性因素，从而提高其减贫效应。

六、结论及政策启示

深入分析财政支出减贫效应的结构性差异、空间外溢及空间差异，对于优化财政支出结构，根据不同区域的情况，调整有关政策，提高减贫效果，都是十分必要的。本文运用所建立的财政支出减贫效应实证模型，以数据可得的273个地级市为研究样本，使用2007—2013年的面板数据和空间计量方法，对财政支出减贫效应作了总体和分区域的考察，获得以下结论：

首先，财政支出减贫效应的结构性差异十分明显，主要表现在教育、社会保障和就业、医疗卫生、农林水利事务四项财政支出的减贫效应的不一致。在全国层面，教育支出、社会保障和就业支出、农林水利事务支出都表现出良好的减贫效应，医疗卫生支出的减贫效应则不显著。在减贫程度上，教育支出的减贫效应最大，其次是社会保障和就业支出，再次是农林水利事务支出。

在实际的建筑工程施工过程中，一些建筑企业为了自己的经济利益，缩减管理人员编制，导致在工程管理控制过程中，往往是一人身兼数职，管理效果大打折扣，无法有效地控制施工维持在相对安全的条件下，无法监控每一个施工环节保证自身质量。而且一旦某一个环节出现问题，也比较难以追查最终责任负责人。导致公司施工管理以及质量控制工作目标不能实现。

企业对外籍人才开出优厚的待遇，除了对外籍员工的学历和工作经验提出较高要求外，企业还看重外籍员工的语言背景。如图2所示，要求“英语”比例最高，其次为日语和法语。

其次，财政支出减贫效应的空间差异性也十分明显。从东部、中部、西部三大地区看，教育、社会保障和就业、医疗卫生、农林水利事务等四项财政支出的减贫效应不完全一致。其中，教育支出的减贫效应在东部、中部和西部地区都是显著为正的。这一点与全国相同。就教育支出减贫效应大小而言，东部地区最大，中部地区和西部地区大体相当。在社会保障和就业支出的减贫效应方面，中部地区显著为正，东部和西部地区都不显著。农林水利事务的减贫效应在中部地区和西部地区都显著为正，但在东部地区却不显著。医疗卫生支出无论是在东部地区还是在中部地区、西部地区都没有通过显著性检验。这一点也与全国相同。

第三，财政支出减贫效应的空间外溢表现比较复杂。在全国层面，仅医疗卫生支出的减贫效应表现出显著为正的空间外溢，其他三项财政支出均未表现出积极的空间外溢。这似乎意味着，在教育、社会保障和就业、农林水利事务等方面的财政支出仅在当地产生良好的减贫效应，而对其他区域的减贫影响不大。在东、中、西三大地区层面，上述四项财政支出减贫效应的空间外溢表现不同。其中，教育支出、社会保障和就业支出减贫效应在东部地区空间相关性显著，在中部地区显著为负，在西部地区不显著。农林水利事务支出的减贫效应在中部地区表现出显著为负的空间外溢，但在东部和西部地区不显著。无论在东部地区还是中部和西部地区，医疗卫生支出减贫效应的空间外溢均不显著。这一点与全国的情况恰恰相反。

导致财政支出减贫效应出现上述结构性差异、空间差异和空间外溢表现不一致的原因尚有待做进一步的研究。尽管如此，上述三个方面的研究结论提供了有价值的政策启示。第一，可以根据各项财政支出是否产生了显著的减贫效应，对财政支出结构进行必要的调整。如，继续加大教育、社会保障和就业、农林水利事务等支出，增大其减贫效应。第二，通过改善外部条件，加大投入等，增大医疗卫生支出的减贫效应。第三，在不同的区域，要根据当地的情况，一方面继续加大减贫效应显著的财政支出，另一方面采取措施消除限制财政支出发挥减贫效应的因素。第四，从全局出发，通过区域之间的政策协调、行动协同，积极利用财政支出减贫效应的空间外溢，解决好区域性贫困问题[32-33]。

建德市城镇低效用地再开发违法补征收创新路径实践（韩勇） ......................................................................3-14

参考文献：

[1]王艺明，刘志红.大型公共支出项目的政策效果评估——以“八七扶贫攻坚计划”为例[J].财贸经济，2016(1)：33-47.

(4)《缁衣》简13：“子曰：禹立三年，百姓以仁道，剀(岂)必尽仁。”(剀，见母微部；岂，溪母微部。)

[2]李永友，沈坤荣.财政支出结构、相对贫困与经济增长[J].管理世界，2007(11)：14-26.

移项、合并同类项并化简可得：

K196+475松长分离立交属于主线下穿跨线桥.主线与S514环城高速交叉，交角为70°，为保证两道路互不影响，遂将S514对主线进行上跨，主线从K196+475分离立交中心墩柱两侧通行，设计图如图1所示.K196+475分离立交桥宽11.5 m，孔径-孔数4孔×25 m，桥长107 m，桥下净空5.0 m，桥面上部构造为预应力混凝土简支转连续箱梁，下部构造台及基础为肋板台桩基础，墩及基础为柱式墩桩基础，设计载荷满足公路—Ⅰ级.

[4]樊丽明，解垩.公共转移支付减少了贫困脆弱性吗？[J].经济研究，2014(8)：67-78.

[5]CHEN S,MU R，RAVALLION M.Are there lasting impacts of aid to poor areas? [J].Journal of Public Economics,2009,93(3-4)：512-528.

[7]JUNG S,CHO S H，ROBERTS R K.The impact of government funding of poverty reduction programmes [J].Papers in Regional Science,2015,94(3)：653-675.

[6]CARRANZA L,DAUDE C,MELGUIZO A.Public infrastructure investment and fiscal sustainability in Latin America：incompatible goals? [J].Journal of Economic Studies,2014,41(1)：29-50.

[8]王娟，张克中.公共支出结构与农村减贫——基于省级面板数据的证据[J].中国农村经济，2012(1)：31-42.

[9]ASADULLAH M N,SAVOIA A，MAHMUD W.Paths to development:is there a Bangladesh surprise? [J].World Development,2014,62(C)：138-154.

[10]GITTELL R.The wider impacts of BRAC poverty comparative perspectives on the relationship of public finance and poverty [J].Public Finance and Management,2010,10(6)：405-410.

[11]王朝阳，余玉苗，袁灵.财政扶贫与县域经济增长的实证研究[J].财政研究，2012(6)：23-25.

Para-lingual context also constrains the way of expressing ourselves.We Chinese have a saying:“见人说人话，见鬼说鬼话”,which means what you say should fit the on-spot context.Chen Zhi’an and Wen Xu(1997:24)give us a good example.The following sentences are both used to ask about the time.

[12]阎坤，于树一.公共财政减贫的理论分析与政策思路[J].财贸经济，2008(4)：61-67.

[13]林伯强.中国政府公共支出与减贫政策[J].经济研究，2005(1)：27-37.

[14]卢盛峰，卢洪友.政府救助能够帮助低收入群体走出贫困吗？——基于1989—2009年CHNS数据的实证研究[J].财经研究，2013(1)：4-16.

[15]GHATAK M.Theories of poverty traps and anti-poverty policies[J].The World Bank Economic Review,2015,91(1)：77-105.

[16]MASON N M,JAYNE T S，MOFYA-MUKUKA R.Zambia’s input subsidy programs[J].Agricultural Economics,2013,44(6)：613-628.

[17]CABRERA M,LUSTIG N，MORAN H E.Fiscal policy,inequality,and the ethic divide in Guatemala[J].World Development,2015,76(12)：263-279.

[18]RAVALLION M.Why don’t we see poverty convergence?[J].American Economic Review,2012,102(1)：504-523.

[19]FANG Y F，ZOU W.Neighborhood effects and regional poverty traps in rural China[J].China & World Economy,2014,22(1)：83-102.

[20]BRITO P，VENDITTI A.Local and global indeterminacy in two-sector models of endogenous growth[J].Journal of Mathematical Economics,2010,46(5)：893-911.

[21]LA TORRE D，MARSIGLIO S.Endogenous technological progress in a multi-sector growth model[J].Economic Modelling,2010,27(5)：1017-1028.

[22]ERTUR C,KOCH W.Growth,technological independence and spatial externalities:theory and evidence[J].Journal of Applied Econometrics,2007,22(6)：1033-1062.

[23]覃成林，龚维进，卢健.空间外部性、利用能力与区域经济增长[J].经济经纬，2016(6)：1-6.

[24]KRAAY A，MCKENZIE D.Do poverty traps exist?Assessing the evidence[J].Journal of Economic Perspectives,2014,28(3)：127-148.

[25]QIN Y，ZHANG X.The road to specialization in agricultural production:evidence from rural China[J].World Development,2016,77(1)：1-16.

[26]YOUNG A.Gold into base metals:productivity growth in the people’s republic of China during the reform period[J].Journal of Political Economy,2003,111(1)：1220-1261.

[27]SAMETI M,FARAHMAND S，ENAYATI F.A spatial analysis of poverty in Muslim countries[J].Iranian Economic Review,2007,12(1)：161-178.

[28]THOMAS A C，GASPART F.Does poverty trap rural Malagasy households? [J].World Development,2015,67(11)：490-505.

[29]ELHORST J.Matlab software for spatial panels[J].International Regional Science Review,2014,37(3)：389-405.

[30]STRULIK H.Poverty,voracity,and growth[J].Journal of Development Economics,2012,97(2)：396-403.

[31]齐良书.新型农村合作医疗的减贫、增收和再分配效果研究[J].数量经济技术经济研究，2011(8)：35-52.

[32]张琦，任航，罗拓.发展方式转变与减贫关系研究[J].首都经济贸易大学学报，2012(1)：13-19.

[33]虞崇胜，唐斌，余盈.能力、权利、制度：精准脱贫战略的三维实现机制[J].理论探讨,2016(2):5-9.