教育财政支出的农村减贫效应研究——基于空间溢出视角的分析

李冬梅，盛学滨

（安徽财经大学财政与公共管理学院，安徽蚌埠，233000）

一、引言

贫困问题是每个国家和地区都普遍存在的社会现象，是影响经济发展和社会稳定的重要因素。新中国成立70多年来，党中央和国务院高度重视减贫扶贫，出台实施了一系列中长期扶贫规划，从救济式扶贫到开发式扶贫再到精准扶贫，探索出了一条符合中国国情的农村扶贫开发道路，为全面建成小康社会奠定了坚实基础。根据人力资本理论，增加对贫困人群的教育投资能够提高其人力资本水平，使其获得自我发展的能力和机会，这有利于促进人的自由和全面发展。而且相较于物质帮扶，通过教育提升贫困群体自我脱贫能力的方式具有更高的投资收益率和更长效深远的影响。在当今社会，各地区政治经济交流日益密切，人才流动性也不断增强，教育财政支出不论是对本省还是对空间相关省份的减贫工作都具有显著的正向影响。

国内外学者与专家围绕教育财政支出与贫困的关系进行了深入研究，大多得出了教育财政支出具有明显减贫效果的结论。关于教育扶贫的理论研究方面，Ihori等（2017）［1］以东亚国家为研究对象，发现家庭对孩子的人力资本投资不能自动实现最优水平，阻断贫困代际传递需要财政教育政策的干预。Nakamura（2020）［2］的研究认为，政府财政教育支出在减少贫困、纠正收入差距和最大化社会福利方面均能发挥作用。谢君君（2012）［3］认为政府的教育财政支出理论上能够斩断贫困代际传递，可有效防止返贫情况的发生。刘军豪、许峰华（2016）［4］认为通过扶教育之贫可以实现依靠教育来扶贫，而教育扶贫功能的发挥又能证实扶教育之贫政策的有效性。关于教育财政支出的减贫成效研究方面，Cuesta（2012）［5］以赞比亚为研究对象，发现各项公共财政支出的减贫效果存在差异，农业财政支出和初等教育支出显著改变了贫困人口的生活条件。考虑到贫困的空间效应，Zewdie（2015）［6］引入了空间计量模型，运用爪哇岛105个区的数据对贫困的空间维度及其决定因素进行分析并得到教育和工作时间对贫困有显著影响的结论。国内学者对于教育减贫及其空间溢出效应方面也有较为丰富的研究成果。邓宏亮等（2015）［7］基于江西省各市数据，估计了教育财政支出的减贫弹性、空间溢出效应和门槛效应，认为一个地级市增加教育财政支出强度也会对周围地区贫困发生率的下降产生影响。蔡文伯、翟柳淅（2018）［8］基于新疆自治区 15年的面板数据分析得出，教育财政支出对于贫困减缓具有空间溢出效应，各地区（市、州）教育减贫效应差异显著且存在门槛效应。

通过对文献的梳理发现，相关实证研究鲜少考虑到教育减贫的空间溢出效应，或是仅检验贫困的空间溢出特征，忽视了教育财政支出和贫困之间存在着的空间关联，这在一定程度上会影响结果的准确性与科学性。基于此，本文基于空间溢出的视角，将农村贫困发生率和教育财政支出置于空间分析的框架中，运用空间面板计量模型进一步研究我国教育财政支出对农村地区减贫的直接影响和空间溢出效应。

二、教育财政支出减贫的理论分析

基于以上理论，可以从直接和间接两个方面分析教育财政支出对农村贫困减缓的作用机制。一方面，政府通过加大教育财政支出能够直接提高贫困地区的教学水平和弥补家庭教育投入的不足，这能够在提升农村贫困群体受教育水平的同时减少贫困家庭的教育开支。而教育水平决定了一个人在就业市场的竞争力和收入水平，受教育程度的提升相应地也提高了贫困群体的收入水平和持续发展的能力，由此可以达到降低贫困的结果。另一方面，教育财政支出能够通过经济增长发挥间接减贫作用。教育财政的投入能够提高农村贫困人口的知识、技能和基本素质，使生产函数中人力资本的投入数量得到提升，进而提高经济发展水平。经济的增长会带来产业的优化和升级，为农村劳动力创造大量就业岗位，从而产生减贫作用。特别的是，教育财政支出具有阻断贫困代际传递的作用。教育财政支出通过提供教育机会和弥补贫困家庭的教育投入，可以有效缩小代内不平等并促进子代的人力资本积累和收入增长，由此便能阻断贫困的代际传递，提升脱贫内生动力，摆脱农村地区长期贫困和持续贫困的困扰。

Anselin（1990）［10］在其理论研究中指出，各地区的经济地理行为之间普遍存在空间关联，而且一般认为在空间上离得越近的变量之间会具有更加密切的关系。罗默的知识溢出理论也指出了知识不同于普通商品之处就在于知识有溢出效应。本文认为教育财政支出的减贫过程中也存在一定的空间溢出效应。其一，教育作为一种准公共物品，具有一定的“非竞争性”和“非排他性”特征，教育资源一经投入，所有符合条件的人都能享有，且边际拥挤成本为零，政府的教育财政投资因此具备较强的外部性。其二，教育投资有利于提高人力资本的存量，而人力资本具有流动性，人才跨区流动的同时能够为贫困地区带去先进的知识、技能和资源，这显然强化了教育财政支出减贫的空间溢出效应。

三、空间相关性分析

本部分运用GeoDa软件构建邻接标准权重矩阵，选用Moran指数I和Moran散点图对2010—2018年我国农村贫困发生率和教育财政支出强度的空间相关性进行检验分析，进而为后文的模型选择提供理论支撑。教育财政支出强度用财政教育支出占财政总支出的比重来衡量，所有原始数据来自各年份的《中国统计年鉴》《中国农村贫困监测报告》以及各省的统计年鉴、财政年鉴和统计公报等。需要指出的是，农村贫困发生率数据在2010年之前缺失严重，因此在本部分及之后的分析研究中统一使用2010—2018年的数据。

（一）全局空间相关性分析

表1 2010—2018年农村贫困发生率和教育财政支出强度的空间全局自相关

（二）局部空间相关性分析

运用GeoDa软件绘制局部Moran散点图，对2010—2018年全国31个省份的农村贫困发生率和教育财政支出强度进行空间局部自相关分析。图1给出了2018年两个变量的Moran散点图，其余年份Moran散点图的形态与其类似，限于篇幅不再展示。在农村贫困发生率和教育财政支出强度的Moran散点图中，分布在第一和第三象限（HH模式和LL模式）的省份数量分别为24和20，说明大部分省份的农村贫困发生率和教育财政支出强度均呈现空间正自相关性，该结果与Moran’s I的检验结果相符。

图1 2018年农村贫困发生率和教育财政支出强度的Moran散点图

综上所述，空间相关性的检验结果意味着教育财政支出和农村贫困发生率均表现出一定程度的空间外溢，若使用传统面板模型会因未囊括空间交互效应存在一定的偏差。因此，在接下来的实证分析中要充分考虑空间溢出效应的影响，通过构建并选择合适的空间计量模型进行进一步研究。

四、研究设计

（一）计量模型的设定

空间相关性检验结果表明农村贫困发生率和教育财政支出强度存在明显的空间外溢效应，此时传统面板模型的空间同质性假设可能带来偏误，为避免回归偏误，本文将空间计量纳入实证研究之中并设定如下三种空间面板计量模型：

1.空间滞后模型（SLM）

2.空间误差模型（SEM）

SEM模型的空间依赖作用存在于扰动误差项中，度量了邻接地区关于农村贫困发生率的误差冲击对本地区农村贫困发生率观察值的影响程度。

3.空间杜宾模型（SDM）

由于我国各省行政单位面积差别很大，采用地理距离会出现邻居较多难以运算的情况，从数据可获得性及计算便利考虑，本文选择地理邻接矩阵，对含有共同边界的省份赋值1，对其余省份赋值为0。

（二）变量选取与数据来源

因变量POV表示农村贫困发生率，用贫困人口数占总人口数的比重来衡量；核心解释变量EDU表示教育财政支出强度，用财政教育支出占财政总支出的比重定义该变量。考虑到其他可能对农村贫困发生率产生影响的因素并参考蔡文伯（2020）的做法，选取农业财政支出强度AGRI、社保财政支出强度SECU、经济发展水平PGDP和城镇化水平URB作为本文的控制变量。为使变量平稳，本文对人均国内生产总值进行对数化处理，用以衡量经济发展水平。变量的原始数据主要来自各年份的《中国统计年鉴》《中国农村贫困监测报告》以及各省的统计年鉴、财政年鉴和统计公报等。由于2010年之前的农村贫困发生率数据缺失严重，2019年的数据尚未完全更新，本文最终选择采用2010—2018年的年度数据，样本数为全国31个省。

表2后两列给出了各变量的LLC检验结果，结果显示所有变量偏差校正后的t*统计量均在1%的水平上显著为负，这说明面板数据发展平稳，可以建立相关空间面板计量模型。

表2 变量定义及描述性统计

五、实证结果与分析

本文运用Stata15软件对教育财政支出的农村减贫效应与空间溢出进行实证检验，具体检验结果如表3所示。在模型的选择上，拉格朗日乘数（LM）检验结果显示，LM Lag和Robust LM Lag的统计量更大且均在1%的水平下显著，LM Error在5%的水平下显著但Robust LM Error不显著，因此SLM模型优于SEM模型。但SLM模型主要考查农村贫困发生率的空间溢出特征，无法体现教育财政支出和农村贫困发生率产生的共同影响，因此还需要引入空间杜宾模型做进一步的分析。通过对数据集进行似然比（LR）检验、瓦尔德（Wald）检验得到LR和Wald统计量均通过了1%显著性水平，故拒绝原假设，认为SDM模型不能退化为SLM或SEM模型。对SLM模型和SDM模型进行豪斯曼（Hausman）检验，检验结果均表明固定效应模型更优。因此本文选择空间滞后和空间杜宾的固定效应面板模型进行估计。

表3 LM检验、LR检验和Wald检验结果

表4 模型估计结果

在SDM模型中，由于引入了空间权重矩阵与核心解释变量的交乘项，各地区变量之间相应地产生了一定的交互效应，这使得教育财政支出不仅能直接影响本省的贫困发生率，还能影响空间关联省份的贫困发生率进而对本省贫困发生率产生间接的“反馈效应”。SDM模型下各变量的直接效应与间接效应具体结果如表5所示。

表5 SDM模型的空间溢出效应分解

核心解释变量教育财政支出强度的直接效应估计值为-0.556，通过了1%水平的显著性检验，表示教育财政支出强度每增加1%，其贫困水平就下降0.556%，这说明对贫困地区的直接教育财政支出能够增加贫困人群的人力资本，从而利于形成抵御贫困风险的长效机制。其间接效应估计值为-2.086，通过了5%水平的显著性检验，这说明教育财政支出不论是对本省还是对空间相邻省份的农村减贫，均起到了明显的促进作用。

对于影响农村贫困发生率的其他因素，分析结果如下。其一，农业财政支出强度的直接效应和间接效应估计值分别为-0.320和-3.021，且均通过了5%水平的显著性检验，说明地方政府的农业财政支出对本省及周边省份的农村减贫均具有显著的正向影响。其二，社保财政支出强度对农村减贫的影响力度小于教育和农业财政支出强度，其直接效应估计值为-0.147，且显著性较弱，间接效应不显著。其三，地区经济发展水平和城镇化水平对本省农村减贫具有显著的正向影响，但对空间相邻省份的影响微弱，这说明在政治晋升和经济激励下，地方政府之间关于减贫政绩和经济增长的“成效竞争”不利于农村减贫工作的高效开展。

六、研究结论与对策建议

本文基于2010—2018年我国省级面板数据，采用空间计量模型分析教育财政支出对农村地区减贫的直接影响和空间溢出效应，得出以下结论：第一，教育财政支出强度与农村贫困发生率存在空间自相关，Moran散点图中大部分省份的空间分布属于“HH”和“LL”模式，说明这种空间溢出效应是正向的。第二，教育财政支出强度对贫困发生率的直接效应和间接效应影响系数均显著为负值，说明增加教育财政支出无论是对本省还是空间关联省份的贫困缓解都具有显著的正向作用。第三，在控制变量中，农业和社保财政支出对农村减贫都具有正向影响，但社保财政支出的减贫效果较弱，经济发展水平和城镇化水平在本省农村减贫上具有显著的正向影响，但对空间相邻省份的农村贫困发生率影响不显著。为加快部分落后地区脱贫进程，巩固已有脱贫成果，本文提出如下对策建议：

第一，继续增加教育财政支出力度。研究结论显示教育财政支出具有显著的农村减贫效应，对教育的投入不仅能在短期内减少贫困，促进经济增长，而且有很强的后发力。因此，政府应切实考虑教育事业发展的实际需求，继续增大对教育的财政投入，保证在各级财政总支出中，教育支出所占比重可以随着国民经济的发展逐步提高。

第二，合理配置区域教育财政支出的投入。一味地增加教育财政支出而忽视其外溢特征会导致政府财政负担加重和减贫效率低下，因此政府制定相关政策时应充分考虑教育减贫的空间溢出效应和东西区域的经济差异。政府要优化教育财政支出的区域布局，一方面应适当增加对减贫外溢效应强的省份的教育财政资金投入，鼓励其带动相邻省份共同发展。另一方面，对于教育财政支出强度不足的省份，进一步提高教育支出也能产生较好的减贫效应。

第三，注重财政教育支出与其他支出项目的匹配。农业财政支出和社保财政支出对农村减贫均具有正向影响，但社保支出的空间外溢性不显著，可能是因为政府通过社会保障对贫困群体进行直接“输血”的方式容易产生养懒汉和滋生腐败等负面影响，最终导致减贫效果不理想。政府应筛选并削减不必要的社保财政支出项目，通过加强教育来提升贫困群体的自我脱贫意识。

第四，经济发展水平和城镇化水平的空间溢出作用尚未完全发挥出来，政府在接下来的减贫工作中应打破地区间“各自为政”的局面，避免地方政府之间关于减贫政绩和经济增长的过度竞争。加强全局性的顶层设计，重视城镇化发展过程中的空间关联，加强各省份之间的经济联动，推动人才的跨区域流动和信息的畅通，让经济发达地区的正外溢效应更好地惠及其它地区，努力实现各类优质资源跨省共享，构建良好的教育减贫外部环境。