中国的政府公共支出与减贫政策，本文主要内容关键词为：中国论文,支出论文,政策论文,政府论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
JEL Classification：H390,H410,R220
一、引言
自20世纪70年代末改革以来，中国的农业取得了显著的成就，许多研究都对其中的原因进行分析，包括McMillan、Whalley和Zhu（1989），Fan（1991），Lin（1992），Zhang和Carter（1997），Fan和Pardey（1997），以及Huang、Rosegrant和Rozelle（1999）。这些研究绝大多数更注重分析20世纪90年代早期以前制度变迁对增长的影响。McMillan、Whalley和Zhu认为1978—1984年间生产率增长的80％应归功于制度改革，另外的20％则归因于产品价格的变化。Fan发现1965—1985年间，制度改革说明了产量增长的27％或生产率增长的63％，而以剩余度量的技术变化仅说明了生产增长的16％或生产率增长的37％。Lin将采纳生产责任制的家庭比例作为生产函数中制度变迁的代表，认为1978—1984年间生产率增长的94％应归功于制度和政策的改革。Fan和Pardey（1992）指出遗漏变量，比如研发投资，可使对生产增长原因的估计发生偏误。他们发现在生产函数估计中忽略研发变量将使人们夸大制度变迁的影响。
林（1994）尝试解释中国在1979—1991年的农业增长问题，重点是农业增长和自1978年开始的农村经济改革引起的农业结构快速调整之间的关系。研究发现，按照不同函数设定，在此期间结构性变化对农业部门总产出增长的贡献在30.5％到44.6％之间。后来，Huang、Rosegrant和Rozelle（1997）利用供给函数框架全面地说明了中国农业谷物生产增长的原因。他们的结论是公共投资（主要是在研发方面的投资）分别说明了1978—1984年间大米生产增长的3％和1984—1992年间大米生产增长的11％。对于其他的谷物，公共投资仅说明了1978—1992年全部增长的6％；而对于经济作物，公共投资仅能说明在1978—1984年间的18％和1984—1992年的11％。
除了农业研发投资，政府在公路、电气化、教育方面的支出以及在农村地区的其它公共投资都有助于农业生产的增长。忽略这些变量也会使得对农业生产函数的估计出现偏误。尽管中国农村的非农业部门发展显著，但几乎没有什么研究去分析这个日益重要部门增长的原因。唯一的例外是Fan、Zhang和Robinson（2001），他们将非农部门增长的原因分解为资本和劳动力的增长。但是这项研究也没能将公共投资直接作为增长的原因。中国经济的一个特征是改革所致的地区间经济增长的不均匀分配。在过去的20多年中，沿海地区和内陆地区增长率的差异高达3％，中国地区差异从总体上说显著拉大了（Kanbur和Zhang，1999）。中国实施了一个侧重沿海地区发展的政策，有很大一部分公共投资集中于沿海地区。我们可以合理地推断出公共投资的倾向性分配可能是拉大的地区差异背后的一个重要因素。
除了在促进增长中起作用外，不同类型的公共投资还是政府缩小差异的重要手段（世界发展报告，1994）。中国或国际学术界还没有研究真正地把地区差异和公共投资联系起来。一些研究暗示农村减贫中公共资本的重要性，特别是公共基础设施的重要，但没有明确地指出公共投资与减贫之间的联系。更重要的是，大部分研究忽略了这样一个事实，即在不同地区不同类型的投资可能有着截然不同的减贫效果。本文旨在经验地分析政府政策（特别是公共投资的配置）如何影响中国农村减贫，并建立一个分析框架，对公共投资的历史及当前分配是否是增长、减少贫困和平衡地区发展的最优选择进行分析。中国政府支持农村发展和贫困减少的投资主要有两种方式：（1）通过预算分配进行直接公共投资；（2）通过国有企业（SOE）进行间接公共投资。本文着重讨论直接公共投资，这包括政府扶贫贷款。
二、模型
许多研究都调查中国农业增长的原因和收入分配的变化。以前研究的一个重要特征是运用单一方程。这个方法至少有两个缺点。其一，许多贫困和不平等的决定性因素，如收入、产出或是生产率的增长、价格、工资和非农就业，本身就是内生变量。忽略了这个特征将导致对贫困和不平等的估计出现偏差。其二，某些经济变量从若干渠道影响贫困和不平等。比如，改善农村基础设施不仅仅通过促进农业生产增长减贫，还通过改善工资和提高非农就业机会减贫。仅仅通过单一方程来分析不同的效果是很困难的。在以前研究的基础上，本文提出了一个联立方程组模型来估计政府支出通过不同渠道对生产、不平衡和贫困的不同影响。
（1）贫困方程
P=f（AGDPPC，WAGE，NAGEMPLY，TOT，APOP[，-1]，PLOAN）（1）
（2）生产力、工资和就业方程
AGDPPC=f（LANDPC，AKPC，RDE，RDE[，-1]，…，IR，SCHY，ROADS，ELECT，RTR）（2）
NAGDPPC=f（NAKPC，SCHY，ROADS，ELECT，RTR）（3）
WAGE=f（ROADS，SCHY，RTR，ELECT，APOP[，-1]，AGDPPC[，-1]，UGDP[，-1]）（4）
NAGEMPLY=f（ROADS，SCHY，RTR，ELECT，AGDPPC[，-1]，UGDP[，-1]）（5）
（3）投资和价格方程
IR=f（IRE，IRE[，-1]，…，IRE[，-j]）（6）
ROADS=f（ROADE，ROADE[，-1]，…，ROADE[，-k]）（7）
SCHY=f（EDE，EDE[，-1]，…，EDE[，-m]）（8）
RTR=f（RTRE，RTRE[，-1]，…，RTRE[，-l]）（9）
ELECT=f（PWRE，PWRE[，-1]，…，PWRE[，-n]）（10）
TOT=f（AGDPPC，NAGDPPC）（11）
方程（1）-（11）给出了方程组的结构，表1给出了变量的定义。方程组划分为三部分。第一部分是贫困方程（方程（1））；第二部分是生产力、工资和就业方程（方程（2）-（5））；第三部分构架了政府支出和公共资本间的关系，给出了一个贸易条件方程。方程（1）构架了农村贫困（P）的决定因素。（注：除下标外，所有变量均表示第t年省级的观察值。为了表达简洁，作者忽略了下标。带有下标“-1，…，-j”的变量表示第t-1，…，t-j年的观察值。）每个劳动者的农业GDP作为变量被包括在贫困方程中，因为农业收入仍在农村家庭整体收入中占据很大的份额。在欠发达的地区，这个比例要更高（通常超过90％）。对于中国农村居民来说，非农业就业收入是除农业生产以外的第二重要的收入来源。工资和非农业劳动力数量最能代表非农业收入。而且，我们可以区分非农业工资和劳动者数量的变化对农村减贫的影响。这些不同的影响对进一步减贫可能有重要的政策含义。贸易条件变量用于衡量与非农产品价格相关的农产品价格变化对农村贫困的影响。价格政策对农村贫困有着很大的影响。人口增长还可能影响农村贫困，因为如果没有足够的农村就业机会，快速的人口增长可能会加剧农村贫困。这对许多资源有限而人口基数庞大的中国尤为重要。用于农村贫困贷款方面的公共支出是政府扶贫的主要政策工具。这种扶贫基金主要来自三个方面。其中最大的部分是由农业发展银行管理的贫困贷款，这种贷款通常都是零利率的或者利率非常低。第二大部分来自国家发展和改革委员会，这部分被称作就业安置金。这部分资金不需要偿还，而且通常被用于雇佣农村贫困者从事公共工作。第三部分来自财政部，被称为发展基金。这部分资金也不需要偿还，通常用于贫困地区的发展。根据中国农业发展银行的统计年鉴（SSB，1997），由于这些基金影响农村贫困需要一段时间，我们在回归中采用过去三年支出的移动平均。
表1内生和外生变量的定义
┌────┬─────────────────────┐
│变量│定义 │
├────┼─────────────────────┤
│外生变量│ │
├────┼─────────────────────┤
│LANDPC │人均土地面积 │
├────┼─────────────────────┤
│AKPC│人均农业资金 │
├────┼─────────────────────┤
│NAKPC
│农村人均非农业资金│
├────┼─────────────────────┤
│APOP│农村人口增长 │
├────┼─────────────────────┤
│UGPOP
│城市GDP
│
├────┼─────────────────────┤
│IRE │在灌溉上的政府支出，从收入和支出两方面看 │
├────┼─────────────────────┤
│RDE │在农业研发上的政府支出（包括税收与资本） │
├────┼─────────────────────┤
│ROADE
│在农村公路上的政府投资和支出 │
├────┼─────────────────────┤
│EDE │在农村教育上的政府支出│
├────┼─────────────────────┤
│RTRE│在农村电讯上的政府支出│
├────┼─────────────────────┤
│PWRE│在农村能源上的政府支出│
├────┼─────────────────────┤
│PLOAN
│缓解贫困的政府支出（过去三年的移动平均数）│
├────┼─────────────────────┤
│RAIN│年均降雨量│
├────┼─────────────────────┤
│内生变量│ │
├────┼─────────────────────┤
│P
│在贫困线以下的农村人口的百分比│
├────┼─────────────────────┤
│SCHY│农村人口（15岁以上）受教育的年限 │
├────┼─────────────────────┤
│ROADS
│农村地区公路密度 │
├────┼─────────────────────┤
│IR │灌溉土地占所有种植土地的百分比│
├────┼─────────────────────┤
│ELECT
│电力消耗 │
├────┼─────────────────────┤
│RTR │农村电话 │
├────┼─────────────────────┤
│WAGE│农村地区非农业劳动力的工资水平│
├────┼─────────────────────┤
│NAGEMPLY│非农业就业占全部农村就业的百分比 │
├────┼─────────────────────┤
│AGDPPC │人均农业GDP
│
├────┼─────────────────────┤
│AGDDPPCN│全国农业生产率的增长 │
├────┼─────────────────────┤
│NAGDPPC │农村地区人均非农业GDP │
├────┼─────────────────────┤
│TOT │贸易条件，用农业价格来衡量│
└────┴─────────────────────┘
第二部分的方程由两种新古典函数构成，即针对中国农村的农业和非农业行为的生产率函数，和竞争性劳动力市场的工资和就业方程。方程（2）和（3）也被用于分析地区差异变化的原因。方程（4）和（5）是劳动力供给和需求的简化形式，而均衡工资使得劳动力市场出清。由此派生出劳动力和工资是劳动生产率的函数。反过来，劳动生产率又是资本/劳动比、基础设施和教育改善这类变量的函数。因此，最终的劳动力和工资方程是资本/劳动比和其他外生变量的函数。然而，一旦我们在模型中包含了资本/劳动比，相关系数在统计上就不显著了。因此我们去掉方程中的这部分。这可能是因为从长远来说，资本/劳动比对工资或非农业就业并没有显著的影响。城市部门的增长（UGDP[，-1]）被包括在模型中，以检验城市增长对农村工资和非农业就业的影响。
剩下的方程归类到第三部分，这些方程构架了物质基础设施水平和过去政府在不同项目上支出之间的关系，并且给出了一个贸易条件决定方程。省和国家层面上的农业生产率的增长（NAGDPPC）增加了农业产品的供给并因此降低了农产品价格。在估计每个省份政府支出的减贫效应时，将全国的生产率增长包括在内将减少估计的偏差，因为其它省份的生产增长也会通过全国市场而对降低食品价格起作用。（注：最初，我们还在方程中包括了一些需求方面的变量，如人口和收入的增长。但它们并不很重要所以后来被放弃了。）
制度变迁和政策改革对中国农村地区农业和非农产业生产的快速增长及这些地区的减贫有着巨大的影响。本文并不是为了量化这些影响，因为先前的研究已经这样做了（Fan，1991；Lin，1992；Fan and Pardey，1997）。然而，为了在我们的模型中减少或消除因忽略这些效果而产生的估计偏差，在所有的方程中我们都增加年虚拟变量来了解特定年份的制度和政策变化对农业和非农产业生产和减贫的影响。为了了解特定地区的固定影响，地区虚拟变量也被包括在内。
对经济增长、贫困减少和地区不平衡的边际效应
通过对方程（1）至（11）求全微分，我们可以得出各种边际效应和各种政府支出对提高农业及非农生产率、减少地区不平衡及农村贫困的弹性。
增长效应
举例来说，t-i年的研发投资对t年的农业劳动生产率的边际效应可以表示为
方程（12）度量了研发投资对农业生产率增长的直接影响。通过加总滞后期内政府支出的总效应，可以得到任一特定年份的总边际效应。灌溉投资的回报可以类似地推出。举另外一个例子，道路投资在非农业劳动生产率增长上的回报可以表示为
贫困效应
t-i年的政府农业研发投资对t年的贫困的影响可以表示为
方程（14）右边的第一项表明，政府研发投资通过增产技术，进而农业劳动生产率提高，对减少贫困产生效应。提高的农业劳动生产率也通过非农工资与就业及相对价格的变化影响着贫困。同政府的农业研发投资一样，政府灌溉投资也是通过提高生产率、农村工资与非农就业、以及相对价格而起作用的。t-n年的政府农村电力投资对t年的扶贫的影响表示为
可支付的及可靠的电力供应提高了生产率，从而直接对贫困产生影响，方程（15）右边的第1项度量了这种影响。第2、3、4项度量了通过非农工资、就业及价格变化而提高了的生产率的间接效应。第5、6项度量了政府电力投资引起的非农工资提高及非农就业机会增加对贫困的直接影响。我们可以类似地推出电信、道路及教育投资增加对农村贫困的影响。
对地区不平衡的影响
为了区分劳动生产率地区不平衡变化的原因，我们考虑以下双对数形式的方程（2）与（3）：
y=a+
β[，i]x[，i]+u（16）
其中，所有变量都是对数形式，y是因变量，x[，i]代表一系列自变量。误差项u代表对产出的随机冲击，设其与其他变量不相关。根据Shorrocks（1982），方程（16）中y的方差分解为
σ[，y][2]=cov（y，β[，i]x[，i]）+cov（y，u）=β[，i]cov（y，x[，i]）+cov（y，u）=β[，i]cov（y，x[，i]）+σ[，u][2]（17）
其中σ[，y][2]是y的方差，cov（y，*）表示y与其他变量的协方差。由于方程（16）右边的各变量都与误差项不相关，所以y和u的协方差与u的方差相等。考虑到y已经是对数形式，因而σ[，y][2]是一个标准的对不平衡的度量，即对数方差（Cowell，1995），它有不随规模变化的特点。根据Shorrocks，方程（17）右边的协方差项可以看作是各种影响不平衡的因素的整体作用。
利用方程（2）和（3）的估计值，用上面的分解方法，我们能够确定各种公共投资对农业及非农业劳动生产率地区不平衡的作用。而且，我们能计算出公共投资对整体劳动生产率地区不平衡的影响。为此，我们进一步把农村劳动生产率表示为
Y=a[，1]Y[，1]+a[，2]Y[，2]（18）
其中Y、Y[，1]和Y[，2]分别表示整体、农业及非农业的生产率；a[，1]和a[，2]分别表示农业和非农业劳动力占全部劳动力的比例。根据Shorrocks提出的6条公理，不平衡的测度包括Gini系数、Atkinson指数和对数方差指数，表示为
I（Y）=s[，1]I（a[，1]Y[，1]）+s[，2]I（a[，2]Y[，2]）（19）
其中s[，1]=（cov（Y，a[，1]Y[，1]）/σ[，y][2]），s[，2]=（cov（Y，a[，2]Y[，2]）/σ[，y][2]）。如果我们仍然使用对数方差作为不平等测度，那么我们能够将从方程（17）估计的Y[，1]）和Y[，2]的方差代入方程（19）以得到公共投入对全部不平衡的作用。
三、经验结果分析
我们对所有方程都采用双对数函数形式，并使用全息极大似然估计法。由于仅可以获得20世纪90年代的省级贫困数据，估计整个方程组时采用了两步法。第一步估计除使用省级数据的贫困方程以外的所有方程。然后利用估计的参数值预测省级的AGDPPC、WAGE以及NAGEMPLY和TOT。第二步利用省级自变量的预测值估计贫困方程。这个方法的优点是充分利用了所有非贫困方程可利用的信息，从而增加了估计的可靠性，并且可以避免贫困方程中的内生性问题。
政府在研发、道路、教育、电力、通讯和灌溉上的投资，可能需要很长的时间才能影响农业生产，而且一旦开始了投资其影响也将是长期的。这样，当生产或生产率函数中包含政府投资变量时，一个有待解决的问题就是选择恰当的滞后结构。我们在分析中使用一个自由的滞后结构，即在生产率、技术、基础设施和教育各个方程中，我们将当前和过去在特定投资项目（如研发、灌溉、道路、电力）上的政府支出包括在内。然后，我们使用统计学方法检验并决定每个投资变量的适当的滞后长度。本文使用了Akaike信息标准（AIC）、Schwarz信息标准（SIC）、以及调整后的R[2]。另外一个与滞后分布估计相关的问题是自变量。如RDE[，-1]、RDE[，2]、…、RDE[，-i]，在生产率函数中经常是高度相关的，这使估计系数在统计上不显著。解决这一问题的方法现在有很多。最流行的是使用所谓的多项式分布滞后法（PDLs）。本文使用2级的PDLs，在这种情况下，我们只需要估计3个参数而不是i+1个参数。（注：有关这一主题更详细的说明，请参考Davidson and MacKinnon（1993）。）一旦确定了滞后长度，我们就可以利用PDLs和每项投资恰当的滞后长度来估计联立方程组。
（1）数据与经验结果
数据主要来自于中国统计年鉴、中国省市自治区历史统计资料、中国教育年鉴、中国水保年鉴、中国教育支出年鉴、中国农业年鉴、中国农村能源年鉴、中国农村统计年鉴、中国固定资产投资统计资料、中国交通年鉴和中国电力年鉴。估计结果表明，大多数估计系数在10％的水平下是显著的（单尾检验）。因为我们使用双对数函数形式，所估计的系数在各自的方程中表示弹性。所估计的贫困方程支持许多以前的研究结论。农业生产率的改进、较高水平的农业工资、非农业就业机会的增加对减轻贫困的作用都是显著的。贸易条件变量的系数是负数并且在统计上是显著的，这意味着较高的农业价格对于穷人来说是有好处的。在中国大部分贫穷的农民都只是农产品的净销售方这一事实也可以解释这一点。这与其他发展中国家形成了鲜明对比，如在印度，较高的农业价格一般会使贫困人口遭受损失，因为印度的贫困人口更可能是无土地的劳动者并且是食品谷物的净购买者。
尽管人口增长变量与贫穷正相关，但系数在统计上是不显著的。在扶贫贷款上的政府支出有助于减轻农村的贫困，但系数在统计上也是不显著的。（注：我们也尝试过其他说明贫困的方程。如我们用劳动力和生产率代替农村非种植业工资和就业，结果很相似。我们更推崇现在的这种表述，因为它能分别构架工资和就业对减贫的影响。）所估计的农业劳动生产率函数显示出农业研发、道路、灌溉、农村电气化和教育对促进农业增长意义重大。但农村电话变量的系数在统计上是不显著的。本研究中RDE的系数是PDLs分布过去几年系数的总和。显著性检验是针对PDLs3个参数的联合t检验。估计显示出改善的公路、教育、农村电气化对农村非种植部门发展有着重大的作用。在农业生产率函数中，农村的通讯变量在统计上不显著，尽管系数的符号是正的。农村非种植部门的工资主要由政府在公路、教育和农村电气化上的投资决定的。一个重要结论是，农村劳动生产率对农村非种植部门工资的影响显著。但城市的增长对农村工资的影响在统计上不显著。改善的农村公路、电气化、通讯和教育对非种植部门就业机会的增长有积极的作用。农业生产率的提高对农村非种植部门就业的发展有着突出贡献。与工资方程相反，城市部门的发展对农村非种植部门就业有显著的影响。估计结果表明，政府在灌溉、公路、教育、农村电气化和农村通讯上的投资对灌溉的改善、道路的发展、农村教育、电力使用的增加以及农村的交流起作用。所有系数在统计上都是显著的。最后，所估计的贸易条件方程确认地方和国家层面的农业生产率的提高对农业价格施加了向下的压力，从而恶化了农业贸易条件。
（2）增长和减贫的边际效应
我们可以推导出各类公共投资在农村增长和贫困减少中的边际效应。计算方法如方程（12）-（15）所示。估计出的弹性系数度量了每个方程中各支出项对因变量的直接影响。而整个模型对直接影响和间接影响都可以估算。要度量全部影响，需要根据每类投资变量的重要性对整个方程组进行微分。2001年的边际效应由弹性系数乘以贫困变量或生产变量与相关公共支出项的比率得出。我们对三个地区的各类公共投资的边际效应进行了估算，结果如表2所示。表2列出了三个地区及全国公共投资在农业生产、非农业生产和农村贫困减少方面的边际效应。效应用2001年每单位支出带来的收益（以元为单位）和脱贫人口来衡量。例如，水利投资效应以单位水利支出增加带来的额外产出和脱贫人口衡量。这些度量为比较各地区各类公共投资的增量，特别是为今后如何设定公共投资的优先次序，以进一步提高产出、减少农村贫困提供了有用的信息。表2的结果有一个重要特点，即所有产出增进型投资都能减少贫困，同时提高农村地区的农业及非农业GDP。不过，不同地区不同支出项在增长及贫困减少上的效应存在着相当大的差异。从全国来看，教育公共支出对减少贫困的正面影响最大，另外，它对农业GDP、非农业GDP以及整个农村GDP的影响排在第二位。每万元教育投资可以使7人脱贫，比农业研发投资高出30％。农业研发投资减少贫困的效应列居第二，其对农业GDP和整个农村GDP的影响最大。农村基础设施公共投资对农业产出、非农业产出增长及减少贫困也有贡献。
表2 公共投资对生产率和减贫的影响（2001年）
┌───────────┬─────┬─────┬─────┬─────┐
│公共投资 │东部地区 │中部地区 │西部地区 │全国 │
├──────┬────┼─────┼─────┼─────┼─────┤
││ 研发 │ 8.31│ 9.38│ 11.23
│ 9.16│
│├────┼─────┼─────┼─────┼─────┤
│1 投资所产 │ 灌溉 │ 5.87│ 4.79│
4.26
│ 5.16│
│├────┼─────┼─────┼─────┼─────┤
│生的农村│ 公路 │ 7.93│ 8.81│
5.62
│ 7.17│
│├────┼─────┼─────┼─────┼─────┤
│GDP（元/投 │ 教育 │ 8.86│ 8.31│
6.98
│ 8.13│
│├────┼─────┼─────┼─────┼─────┤
│资元） │ 电力 │ 4.78│ 4.96│
5.36
│ 4.98│
│├────┼─────┼─────┼─────┼─────┤
││ 电话 │ 6.73│ 5.67│
4.84
│ 5.96│
├──────┼────┼─────┼─────┼─────┼─────┤
││ 研发 │ 8.31│ 9.38│ 11.23
│ 9.16│
│├────┼─────┼─────┼─────┼─────┤
│ 2 投资所产 │ 灌溉 │ 5.87│ 4.79│
4.26
│ 5.16│
│├────┼─────┼─────┼─────┼─────┤
│ 生的农业 │ 公路 │ 1.37│ 2.28│
2.46
│ 2.14│
│├────┼─────┼─────┼─────┼─────┤
│ GDP（元/投│ 教育 │ 3.38│ 3.57│
3.02
│ 3.41│
│├────┼─────┼─────┼─────┼─────┤
│ 资元）│ 电力 │ 2.06│ 2.17│
2.22
│ 2.19│
│├────┼─────┼─────┼─────┼─────┤
││ 电话 │ 1.27│ 2.34│
1.65
│ 1.86│
├──────┼────┼─────┼─────┼─────┼─────┤
│ 3 投资产生 │ 公路 │ 6.56│ 6.53│
3.16
│ 5.03│
│├────┼─────┼─────┼─────┼─────┤
│ 的非种植 │ 教育 │ 5.48│ 4.74│
3.96
│ 4.72│
│├────┼─────┼─────┼─────┼─────┤
│ GDP（元/投│ 电力 │ 2.72│ 2.79│
3.14
│ 2.79│
│├────┼─────┼─────┼─────┼─────┤
│ 入元）│ 电话 │ 5.46│ 3.33│
3.19
│ 4.10│
├──────┼────┼─────┼─────┼─────┼─────┤
││ 研发 │ 1.62│ 3.84│ 22.35
│ 5.27│
│├────┼─────┼─────┼─────┼─────┤
│ 4 扶贫投资 │ 灌溉 │ 0.81│ 1.76│
4.65
│ 2.68│
│├────┼─────┼─────┼─────┼─────┤
│ 的回报（每 │ 公路 │ 0.72│ 1.61│
6.39
│ 3.07│
│├────┼─────┼─────┼─────┼─────┤
│ 万元投资 │ 教育 │ 2.48│ 4.77│ 28.19
│ 7.35│
│ 可以帮助 ││ │ │ │ │
│├────┼─────┼─────┼─────┼─────┤
│ 脱贫的人 │ 电力 │ 0.67│ 1.52│
5.85
│ 2.18│
│├────┼─────┼─────┼─────┼─────┤
│ 数） │ 电话 │ 0.56│ 1.31│
4.63
│ 2.05│
│├────┼─────┼─────┼─────┼─────┤
││贫困贷款│ 0.76│ 0.92│
1.37
│ 1.11│
└──────┴────┴─────┴─────┴─────┴─────┘
注：生产率函数的参数用于计算对GDP的收益（方程（1）-（11））。在规模报酬不变的假设下，生产函数中非劳动参数的系数应该与劳动生产率函数中的相同。边际收益可以简单地通过生产弹性与各支出项的边际生产率相乘得出。由于只有两个系数（对电力的）统计上不显著，如果只将统计上显著的系数用于计算，结果不会有太多变化。
本研究所考虑的三类基础设施变量中，乡村公路的影响特别大，每万元投资可以使3.07人脱贫。但乡村公路对减少贫困的影响还在教育及农业研发之后，排在第三位。从增长效应来看，每一元公路投资可以产生7.17元农村GDP，仅仅略低于农业研发和教育投资的效果。乡村公路对农村的非农业GDP影响最大，每一元投资的相应产出高于教育投资7％。就农业GDP来说，公路投资的效果列第五位，在教育和电力投资之后。电力投资对农业GDP和非农业GDP的影响都比较低，其贫困减少效应列第五位。每万元电力投资可以使2.18人脱贫，这是因为电力对于扩大非农就业极为重要，它对农业生产的正面影响比公路大，而在非农业生产方面的影响稍逊一筹。
水利投资对贫困减少的影响仅次于教育和农业研发。每万元投资可使2.68人脱贫，而它对整个农村GDP的影响低于公路。乡村电信投资对非农业GDP的影响比较大，这可能是因为电话是村办企业及乡镇企业的重要条件，而乡镇企业的快速发展又推动了农村地区的电信发展。但在减少贫困方面，各种基础设施中电信投资的效果最小。
结果中有一点令人惊奇，即公共扶贫贷款的效果很小，在统计上不显著。事实上它的效应在所考察的所有公共投资中最低。每万元投资只能使1人多脱贫，其效应仅为教育投资的15％，农业研发投资的21％，农村基础设施投资的50％，甚至低于电信投资。这样就引出一个问题，即如何正确设定扶贫贷款的目标并使用它。（注：Rozelle，Zhang and Huang（2000）全面回顾了与贫困地区发展相关的政府政策。他们认为这些政策难以进一步在贫困地区减贫。而且，他们还发现政府扶贫贷款很多都是无效的或是方向错误的。）公共投资对GDP增长和贫困减少的边际效应有很大的地区差异。从减少贫困来看，各类公共投资在西部地区的效果显著。
就农业增长效应看，三个地区之中，农业研发投资在西部地区效应最大，而水利投资在沿海地区效应最大。而教育和农村基础设施（公路、电力和电信）在中部地区普遍效果比较大。在沿海地区，由于工业化和城镇化进程加快，大量土地转为非农业用途，并且由于非农业就业机会增加，这一地区促进农业的动力比较小；而西部地区干旱，土地贫瘠，因此，农业增长的主要潜力在中部地区，这里土地相对较少，农业生产仍是农民收入的主要来源。平均而言，中部地区公共支出对农业GDP的影响最大。并不奇怪的是，由于更加靠近市场、容易获得技术以及农村基础设施较好，中部及沿海地区的公共支出对农村非农业GDP有着更大的影响。
（3）公共投资对产出不平衡的影响
为了估算各时期投入要素对全部产出不均等的影响，把方程（18）中的农业劳动生产率和非农业劳动生产率用对数形式替代。利用估计参数和分解方法，得出各类投入要素对全部不均等的贡献。从1980年到2001年，产出不均等从1.106急剧提高到2.407。总的不均等主要源于非农业不均等的影响。资本加剧了产出不均等，其贡献从1985的0.229增加到2001年的0.236，略有提高，而农业劳动力的影响却是下降的。可能因为农村经济中，与农业相比资本密集度更高的农村工业的发展使资本发生了从农业生产向非农业生产的结构性转移。土地和劳动对不均等的贡献在各时期都比较小。与此相反，从1980年到2001年，公共投资对不均等的影响大幅提高，从0.207上升至0.325。除水利之外，这一时期公共投资对地区不均等的影响非常显著，从0.143增加到0.175，对非农业劳动生产率的影响更大。结果揭示出过去20年内偏重于工业的公共投资战略，这与其他研究的结论相一致，即沿海地区从政府公共投资中得到更多优惠。显然，从表3可以看出，从农业劳动生产率来说，各时期的产出不均等没有变化，但不同投入对不均等的影响变动很大。三类传统投资（资本、劳动和土地）的影响下降，而公共投资尤其是农业研发、电气化及电信投资对不均等的影响增加。与农业生产率相比，非农业劳动生产率的不均等几乎翻番。资本和劳动加剧不均等的影响很小，电力及电话公共投资是增加不均等的主要因素。公共投资对非农业劳动生产率的产出不均等的影响同期从0.144增加到0.304，增幅达111％。
表31980—2001年投入因子对产出不平衡的影响
┌────┬────┬────┬────┬────┬────┬────┬────┬─────┬────┬─────┬────┐
││ 全部 │││││││ ││ │ 公共 │
│年份││ 资产 │劳动力 │ 土地 │ 教育 │ 灌溉 │ 公路 │ 研发│ 电力 │ 电话││
││不均等 │││││││ ││ │ 投资 │
├────┴────┴────┴────┴────┴────┴────┴────┴─────┴────┴─────┴────┤
│ 农业劳动力生产率│
├────┬────┬────┬────┬────┬────┬────┬────┬─────┬────┬─────┬────┤
│1980│ 0.723 │ 0.058 │ 0.382 │ 0.387 │ 0.031 │ 0.124 │ 0.008 │ -0.014 │ 0.001 │ -0.007 │ 0.143 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│1990│ 0.707 │ 0.050 │ 0.362 │ 0.347 │ 0.047 │ 0.091 │ 0.008 │ -0.009 │ 0.004 │ 0.004
│ 0.145 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│2001│ 0.769 │ 0.043 │ 0.317 │ 0.316 │ 0.056 │ 0.073 │ 0.012 │ 0.014
│ 0.010 │ 0.010
│ 0.175 │
├────┴────┴────┴────┴────┴────┴────┴────┴─────┴────┴─────┴────┤
│ 非农业劳动力生产率 │
├────┬────┬────┬────┬────┬────┬────┬────┬─────┬────┬─────┬────┤
│1980│ 1.384 │ 0.353 │ 0.624 ││ 0.043 ││ 0.046 │ │ 0.021 │ 0.034
│ 0.144 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│1990│ 1.685 │ 0.389 │ 0.567 ││ 0.049 ││ 0.049 │ │ 0.036 │ 0.068
│ 0.202 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│2001│ 3.126 │ 0.321 │ 0.432 ││ 0.061 ││ 0.061 │ │ 0.056 │ 0.126
│ 0.304 │
├────┴────┴────┴────┴────┴────┴────┴────┴─────┴────┴─────┴────┤
│ 所有劳动力生产率│
├────┬────┬────┬────┬────┬────┬────┬────┬─────┬────┬─────┬────┤
│1980│ 1.106 │ 0.229 │ 0.522 │ 0.387 │ 0.038 │ 0.124 │ 0.030 │ -0.014 │ 0.013 │ 0.017
│ 0.207 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│1990│ 1.333 │ 0.267 │ 0.493 │ 0.347 │ 0.048 │ 0.091 │ 0.034 │ -0.009 │ 0.024 │ 0.045
│ 0.234 │
├────┼────┼────┼────┼────┼────┼────┼────┼─────┼────┼─────┼────┤
│ 2001 │ 2.407 │ 0.236 │ 0.397 │ 0.316 │ 0.059 │ 0.073 │ 0.046 │ 0.014
│ 0.042 │ 0.091
│ 0.325 │
└────┴────┴────┴────┴────┴────┴────┴────┴─────┴────┴─────┴────┘
注：最后一列是教育、灌溉、道路、研发、电力和电话投资的总和。
（4）公共投资对地区不平衡的贡献
最后，利用方程（1）-（11）的参数估计及所有相关变量的2001年数据，以及对不同类型公共投资的边际效应的计算，我们对公共投资对地区不均等的影响进行了分析。表4列出了按农业、非农业和农村总的劳动生产率划分的地区不均等的变动比例，以三个地区每个农村居民的额外公共投资（百元）来衡量。结果显示，各类公共投资对不均等的影响存在较大的地区差异。在西部地区，增加各类公共投资都可以减少不均等，而在沿海和中部地区，额外公共投资加剧了不均等。尤其在沿海地区，更多的公共投资导致地区之间的不均等大大增加。
表4 2001年公共投资对地区不平衡的主要影响
（表中的数字表示：人均公共投资每增加100元，地区不平衡变化的百分比）
┌──────────┬─────┬─────┬──────┐
││东部地区 │中部地区 │西部地区│
├─────┬────┼─────┼─────┼──────┤
│ │ 公路 │ 0.05│ 0.07│ -0.08 │
│ ├────┼─────┼─────┼──────┤
│ │ 教育 │ 2.38│ 3.14│ -7.67 │
│ ├────┼─────┼─────┼──────┤
│农业劳│ 电力 │ 0.31│ 0.38│ -0.86 │
│动 力 生││ │ ││
│ ├────┼─────┼─────┼──────┤
│产率 │ 灌溉 │ 0.87│ 0.75│ -1.42 │
│ ├────┼─────┼─────┼──────┤
│ │ 电话 │ 2.43│ 1.15│ -1.26 │
│ ├────┼─────┼─────┼──────┤
│ │农业研发│ 7.58│ 6.32│ -9.89 │
├─────┼────┼─────┼─────┼──────┤
│ │ 公路 │ 1.16│ 0.13│ -1.86 │
│ ├────┼─────┼─────┼──────┤
│ 非农业 │ 教育 │ 9.67│ 2.39│ -27.68 │
│ 劳动力 ││ │ ││
│ ├────┼─────┼─────┼──────┤
│ 生产率 │ 电力 │ 1.66│ 0.68│ -6.77 │
│ ├────┼─────┼─────┼──────┤
│ │ 电话 │ 17.68│ 2.31│ -7.42 │
├─────┼────┼─────┼─────┼──────┤
│ │ 公路 │ 0.77│ 0.11│ -1.24 │
│ ├────┼─────┼─────┼──────┤
│全部农│ 教育 │ 7.12│ 2.65│ -20.68 │
│ ├────┼─────┼─────┼──────┤
│村劳动│ 电力 │ 1.19│ 0.58│ -4.70 │
│ ├────┼─────┼─────┼──────┤
│力生产│ 灌溉 │ 0.87│ 0.75│ -1.42 │
│ ├────┼─────┼─────┼──────┤
│率│ 电话 │ 0.85│ 0.40│ -0.44 │
│ ├────┼─────┼─────┼──────┤
│ │农业研发│ 7.58│ 6.32│ -9.89 │
└─────┴────┴─────┴─────┴──────┘
从部门来看，教育的影响最大，增加西部地区的教育投资对减少不均等效果最好，而增加中部及沿海地区教育投资加剧了不均等。这一结论同样适用于对农业、非农业及农村总的GDP的影响。与教育投资极为相似，增加农业研发投资对农业的影响很大，而提高电信投资对非农业不均等的影响较大。接下来的重要领域是农业研发，然后是农村电气化。
四、政策选择
我们首先来回顾历史上的农业公共投资。2000年以后，农业投资比例逐步降到8％以下。由于财政支出增长迅速，以绝对值计算的农业公共投资在过去几十年间大幅提升，但其相对于公共投资总规模而言却是下降的。与其他低收入国家相比，中国农业投资从20世纪70年代相对高于平均水平滑到了目前落后于平均水平。农村公共投资方式受政治运动、农业政策和发展阶段的影响。这一点可从总公共支出波动中反映出。道路、电力和通信等农村基础设施建设在20世纪90年代迅猛发展，因为农村经济增长达到了一个需要更加开放的市场、更多的非农活动和就业以及更高收入的阶段。由于实行了义务教育制，农村教育一直在政府农业预算中占最大比例，平均约60％。就区域而言，西北地区的教育支出远低于沿海地区。作为中国公共投资的第二大项，水利公共支出占农村公共支出的比例在1978—1979年农业学大寨运动时达到最高水平。20世纪90年代以来，作为政府提高农民收入、减少贫困和地区不均等的战略之一，公路、电力和通讯等农业基础设施的公共投资一直得到优先发展。
根据第三部分的实证结果，各类公共投资对增长、减少贫困和地区不均等的影响在不同地区和不同时期有显著差异。根据实证结果和本节关于历史上公共支出方式的分析，较大的边际收益差别既定时，从公共资源再分配中可以获得高额潜在收益。表2到表4表达了农村经济增长、减少贫困和地区不均等的政策选择。农业部门最优公共投资的总原则是：1）按照边际收益高低增加各部门和各地区的公共投资；2）鼓励私人部门进入更具市场导向的农业投资领域，特别是农业基础设施，同时避免在这些地区对私人投资的“挤出效应”；3）引导更多公共间接投资进入农业领域，例如国有企业投资和国际金融机构公共部门贷款。一个有效的、最优的农村公共支出可以平衡各部门之间的公共投资边际收益。本文的研究结果有几个重要的政策含义。
长期以来，农业部门公共投资在公其预算支出中的比例呈持续下降趋势，2001年，政府农业支出占农业GDP的比例仅为4％，而政府支出占整个国民经济GDP的比例约为9.4％。过去几十年中政府在公共投资政策上对城市和工业倾斜，其结果是城乡收入差距不断加大。当前政策可能恶化已存在的不均等，应该重新加以考虑，要持续加大对整个农村地区的公共投资。没有农业部门在降低食品价格方面的支持，中国会出现更多的城市贫困。增加农业投资也是解决中国长期粮食安全问题的最有效的途径。
本文的实证研究和其他研究都表明，农村教育特别是基础教育是提高农民收入和减少贫困最重要的因素。农村教育对于提高农业及非农业生产率都很重要。由于边际收益存在巨大差异，即使目前全部农村支出中农村教育支出已经占了最大份额，政府还是应该增加农村的教育投资。另外，增加农村教育投入还可以帮助农民获得和利用农业研发的新技术，并掌握和提高其在乡镇企业从事非农工作及移民到城镇所需要的技能。持续增加农村教育投资，尤其是在较为落后的西部地区增加投资，是促进农村增长和减少贫困及地区不均等最为有效的途径。
直到20世纪90年代初期，根据能够得到的最近几年的数据比较，用于农业研发的公共支出仅占农业GDP的0.3％，这一比例与多数发达国家的2％相比是极低的，也低于大多数发展中国家（约0.5％）。西北地区（甘肃、陕西、青海、宁夏和新疆）的农业研发支出少于沿海地区，而后者在20世纪90年代研发支出也停滞不前甚至下降。农业研发投资带来的农业生产的提高无疑使农村贫困人口受益。由于私人部门不大可能参与研发，而研发的收益极高，应该把农业研发作为公共支出的重点。
尽管水利对农村增长、贫困减少和地区不均等的影响小于教育和农业研发，但它在农村基础设施各部门中对农业的影响最大。它也是一个私人部门不大可能进入的领域，需要公共部门继续支持以确保农业增长。随着中国经济高速增长及农村对经济增长的更多参与，农村基础设施（通讯、公路和电力）在农村增长、贫困和地区不均等方面的作用越来越大，因而受到了更多关注。由于这些领域更具市场导向，因而可能产生合理收益。政府可以通过其政策和影响来鼓励更多的私人部门进入上述领域，并引导国有企业投资和公共部门贷款的投入。
农村扶贫贷款在理论上是减少农村贫困最有效的工具，然而扶贫贷款在减少贫困中的低收益实证结果说明这些贷款应该被更好地安排和使用。研究表明，大部分资金流向了非贫困地区和非贫困家庭，很多农村贫困户并没有从中受益。这些资金经常被挪用，比如作为地方政府的行政开支而不是用于扶贫。尽管政府已经认识到问题的严重性，然而，从减少贫困的长远之道出发，还需要下更大力气，把钱用在贫困户身上或是改善农村教育和农业研发，以促进农村经济的长期增长。
表2显示西部地区的公共投资在农村增长、农业发展以及更重要的贫困减少方面效应更大。西部地区各部门的边际收益比东部地区高10倍，比中部地区高出4倍。表4也说明西部地区的公共投资减少了地区不均等，而另外两个地区的公共投资却增加了地区不均等。本研究证明，西部地区公共投资的高收益能减少农村贫困和地区不均等，这与国家西部大开发的战略相一致。尤其是对农村教育和农业研发的投资收益更高。在西部地区，电力公共支出减少地区不均等的效应更大，而公路投资减少贫困的效应更大。考虑到中国财政体系的分散性及西部税基较小，应该从较为富裕的沿海地区向西部进行财政转移来支持西部。总体而言，支持农业增长和减少贫困的目标之间没有矛盾。
五、结论
公共投资一直是中国农村经济增长、减少贫困和地区不均等的重要源泉。本研究利用省级数据建立了一个联立方程组模型，对中国各类农村公共支出在增长、地区不均等和贫困减少方面的效应进行了估计。结果显示，农村教育、农业研发和包括水利、公路、电力和通讯在内的农村基础设施等方面的生产增进型公共投资都促进了农村生产率增长，减少于地区不均等和贫困，但不同类型的公共支出的边际效应在不同阶段和不同地区存在很大差异。
本研究结果为中国农村将来的公共支出提供了三个重要的政策选择。第一是公共投资向西部地区倾斜，在该地区，增长、减少贫困和地区不均等三个目标相一致，公共支出取得最高收益。第一个政策既定时，第二个政策选择是鼓励私人部门投资和公共服务部门贷款进入乡村公路、电力和通讯等更具市场导向的领域，同时避免对私人投资的“挤出”。前两项政策既定时，第三个选择是平衡公共投资的边际收益，也就是把更多的公共支出用于教育、农业研发和水利建设。