地方政府財政支出效率評價及影響因素研究
——以北京市各區為例

羅 植

（北京市社會科學院管理研究所 北京 100101）

引言與文獻概述

隨著我國經濟發展進入新常態，財政收入和支出結束了近20年的兩位數增長，絕大部分地區的財政收支增速開始逐年回落，但不少地區的公共服務供給質量仍需要進一步提升，因此這些地區的財政壓力不斷加劇。以北京市為例，2001-2015年，財政收入從454.17億元增加到4723.86億元，按可比價格計算，年均增長率超過14%；財政收入占地區生產總值的比重從11.76%擴大19.06%，長期處于省級地區前兩位；人均財政支出從0.4萬元增長到2.6萬元，一直處于較高水平，僅個別年份略低于極個別地區。盡管北京市的財政收入在這一時期一直保持高速增長，且財政支出長期處于較高水平，但人們對公共服務的主觀滿意程度并未達到相應水平。比如，《中國城市基本公共服務力評價》的調查數據顯示，北京市的基本公共服務滿意度評價得分一直較低，長期處于主要城市的中位數水平之下，部分年份甚至低于三分之二的主要城市。2015年后，受經濟發展大環境及減稅降費等相關政策的影響，北京市財政收入增速開始明顯放緩。2016年，北京市營改增減稅641.4億元，全市財政收入可比價增長率僅有5.37%，東城區、西城區、平谷區的財政收入甚至出現了負增長（按可比價格計算）。2017年和2018年，財政收入增速進一步下降，可比價增長率分別為3.29%和2.61%。2019年，在全面落實減稅降費政策、主動實施減量發展等多重因素的影響下，北京市財政收入的可比價增長率由正轉負。2020年，受新冠肺炎疫情的影響，北京市財政收入進一步受到影響，其名義增速也由正轉負。在財政收入增長持續放緩甚至負增長的情況下，要想進一步提高公共服務供給水平和質量，提升居民滿意度，就必須提高財政支出效率，為此需要在評價財政支出效率的基礎上考察其影響因素。

數據包絡分析（DEA）和隨機邊界分析（SFA）是現有研究普遍采用的效率評價方法。數據包絡分析屬于非參數法，其優勢在于不需要關注投入要素和產出之間的具體形式。陳詩一和張軍（2008）將人均財政支出做為投入變量，將教育、醫療和基礎設施供給水平做為產出變量，使用DEA測算了中國各省的政府支出效率，發現東部地區的財政支出更為有效；崔志坤和張燕（2017）關注財政分類支出效率，使用類似的方法測算了中國各省的教育和醫療支出效率，并通過Tobit模型估計了財政分權和轉移支付對支出效率的影響；姜揚（2019）同樣采用DEA和Tobit模型相結合的方式，從教育、醫療衛生和社會保障三方面測算了省級地區的民生性財政支出效率，并考察了經濟績效、公平公正和腐敗程度的影響。DEA的優勢使其在評價效率方面的適用范圍較廣，但該方法并未考慮隨機因素對產出的影響，且通常只能采用兩階段法分析影響因素。隨機邊界分析屬于參數法，與數據包絡分析不同，隨機邊界分析考慮了隨機因素對產出的影響，且能夠在測算效率的同時直接考察影響因素，但隨機邊界分析通常只能分析單投入或單產出問題，而且需要確定投入與產出之間的具體形式，因此SFA的使用更多地集中在行業、企業和經濟產出效率，用其測算財政支出效率的研究相對較少。Kang和Greene（2002）以紐約公辦高校為樣本，使用SFA測算其產出效率及主要影響因素；在國內，唐齊鳴和王彪（2012）使用SFA測算財政支出效率及其影響因素的研究最具代表性，該研究將人均財政支出作為投入變量，將基礎設施、教育和醫療衛生等公共服務的人均水平作為產出變量，發現我國中部地區的財政支出效率平均好于東部和西部；付志宇和嚴文宏（2018）以四川省為樣本，使用SFA測算了市級財政支出效率。

可以看到，現有研究在研究對象上，多關注省級地區的財政支出效率，針對市級或城市的研究較少，在方法的選擇上盡管使用DEA的研究較多，但SFA在處理隨機因素和影響因素上更具優勢。為了能夠控制隨機因素，進而更準確地評價效率并考察影響因素，本研究以北京市為例，使用隨機邊界分析構建區級財政支出效率的評價模型，在評價區級財政支出效率的基礎上考察主要影響因素，討論財政壓力對財政支出效率的影響，為提高財政支出效率提供必要的經驗借鑒。

模型設置與指標選擇

（一）隨機邊界分析模型的基本形式

隨機邊界分析通過比較實際產出與理論產出的差距來評價效率，理論上任何一個產出系統都存在著最優產出邊界，原則上在技術因素的影響下，其實際產出通常不會超過最優產出。如果用q表示實際產出，用F（Z）表示給定投入要素向量Z時的最優產出，那么可將產出效率TE定義為二者的比值，即TE=q/F（Z）。由此，可將產出單元i的實際產出記為如下形式：

現實中，實際產出不僅取決于理論上的最優產出和產出效率，還受天氣、運氣等許多不可控隨機因素的影響。由于式（1）中的實際產出并未考慮隨機因素，因此為了避免將其歸于產出效率之中，就需要引入隨機干擾項e，從而可得到包含隨機因素的實際產出形式如下：

若假設存在k種投入要素，且生產函數F是對數線性形式的，那么對式（2）兩邊取自然對數，并使用技術無效率項u=-ln(TE)進行替換，可得到隨機邊界分析模型的基本形式：

在模型（3）的基礎上，選擇相應的投入指標與產出指標，并給定技術無效率項u的分布及構成形式，就可以估計對應的產出效率，以及考察各因素對實際產出的影響。

（二）指標選擇

在指標選擇上，現有研究多以省級地區為研究對象。這些研究通常使用人均指標以避免人口因素的影響，即普遍選擇師生比、千人執業醫師、人均道路面積等人均公共服務資源水平做為產出變量。然而，當以區級為研究對象時，人均資源水平類指標則主要存在兩方面問題：第一，公共服務普遍具有非完全競爭性，從人均量考察等于將其視為私人物品，極可能低估公共服務供給水平，進而低估財政支出效率；第二，與省級地區不同，市內各區之間沒有物理上的界限，居民在各區之間的流動成本較低，同時各區公共服務資源也并不僅服務本區，絕大部分都是服務于全市的。北京的情況更為特殊，部分公共服務資源還為外省市居民提供服務，比如東城區和西城區的醫療衛生資源。因此，就區級而言，從人均角度考察極可能低估部分區的公共服務供給，并高估另一些區的供給水平。

為了避免這些問題，本研究選擇從公共服務的服務提供總量角度選擇指標。首先，投入變量選擇財政支出，并使用各區財政支出總額衡量。其次，產出變量選擇反映主要公共服務提供總量的指標。基礎教育方面選擇幼兒園、小學和中學在校生數之和stu與專任教師數之和tea；醫療衛生方面選擇醫院診療人次和住院人次之和hos；社會保障方面選擇參加企業職工基本養老保險人數old，及城鎮登記失業人數unemp；公共文化方面選擇公共圖書館總流通人次read；基礎設施方面選擇居民生活用電量ele。環境保護方面選擇萬元生產總值能耗eng。最后，影響因素主要從以下幾個方面考察。一是區分2016年和2019年前后的虛擬變量y2016和y2019，用來考察財政壓力對財政支出效率的影響；二是人均地區生產總值agdp，用常住外來人口核算人均值；三是財政自給率suff，用區級財政收入比區級財政支出衡量，若財政收入大于財政支出則計為100%；四是稅收收入占全部財政收入的比重tr，該指標可在一定程度上反映財政收入的健康程度；五是人口密度des，用每平方公里百人數衡量。

按照隨機邊界分析模型的一般形式以及選擇的投入產出指標，可構建面板數據結構的待估計模型如下所示：

為了可以在同一個模型中直接估計影響因素，將技術無效率項u設定為截斷型半正態分布，并參考Battese和Coelli（1995）的處理方式，將其均值設定為各影響因素的線性組合。如果用w表示技術無效率項的隨機干擾項，那么具體形式如式（5）所示：

本研究以2010-2019年北京市區級樣本為研究對象。估計模型所涉及的數據全部來自歷年的《北京區域統計年鑒》和《北京統計年鑒》，其中名義數據使用北京市的平減指數核算其實際值。

實證檢驗

（一）隨機邊界函數與技術無效率項的估計結果

使用一步法估計模型（4），可得到表1所示的五組估計結果。第一列為全市樣本，第二列為中心城區樣本，第三列和第四列為中心城區及平原新城樣本，最后一列為生態涵養區樣本。比較這些結果可得到以下結論：

表1 北京市財政支出效率及其影響因素的估計結果

?

第一，技術性因素是影響財政支出效率的重要因素。表1中第一列、第四列和第五列估計結果中，技術非效率項的標準差σ的估計值都可在1%的水平上顯著，除第三列外的其他四組估計結果中的信噪比（隨機因素的標準差與技術非效率項的標準差之比）都可在1%的水平上顯著。由此可見，就北京市或大部分區而言，技術性因素是影響效率的主要因素。

第二，公共服務供給水平是影響最低成本邊界的主要因素。在隨機邊界成本函數的估計結果中，絕大部分顯著的估計結果都說明增加公共服務供給水平會提高理論上的最低供給成本。其中，萬元地區生產總值能耗為逆向指標，所以估計系數顯著為負，即萬元地區生產總值能耗下降將提高最低財政支出邊界。就北京市而言，醫療衛生、社會保障和環境保護是近幾年影響公共服務供給成本的重要因素；基礎教育對公共服務供給成本的影響雖然較大，但顯著性不高，且主要體現的教師數量上；基礎設施對城六區公共服務供給成本的影響要顯著高于其他各區。

第三，2016年前后財政支出效率沒有顯著變化，但2019年的財政支出效率有一定提升。表1的五組估計結果中，虛擬變量y2016的估計系數都接近于0且顯著性水平不高，這說明2016年之后的財政支出效率與之前相比沒有明顯改變；虛擬變量y2019在四組結果中都小于0且3個結果可在1%的水平上顯著，這說明2019年的財政支出效率有一定提升。比較第三列和第四列的估計結果還可進一步看到，若不考慮人口密度因素，y2019的估計系數將變大且更為顯著，這說明人口密度與y2019存在較強的相關性，各區人口密度的變化可能是2019年財政支出效率提升的主要原因。從影響程度看，生態涵養區的財政支出效率在2019年提升得更為明顯。

第四，經濟社會發展水平越高，財政支出效率越低。人均地區生產總值的估計系數顯著為正，說明經濟社會發展水平與財政支出效率之間存在負相關關系，即在其他因素相同的情況下，經濟社會發展水平較高的區，其財政支出效率反而更低。這與不少研究的估計結果是一致的（唐齊鳴和王彪，2012；Borger和Kerstens，1996），其原因可能來自多個方面，如Loikkanen和Susiluoto（2005）認為經濟社會發展會推動政府部門的擴張，導致財政支出粗放型增長，從而影響財政支出效率。當然，經濟社會發展與財政支出效率之間的關系比較復雜，也有不少觀點認為二者應該是正相關關系，如Afonso和Fernandes（2008）認為，收入水平較高的居民可以更有力的監督政府行為，從而促使政府更有效率地提供公共服務。

第五，財政自給率與財政支出效率正相關。財政自給率是許多研究關注的焦點，其對財政支出效率的影響敏感于許多因素。李永友（2009）認為轉移支付的硬約束可以保障公共服務供給，從而提高財政支出效率；鄭垚和孫玉棟（2018）認為信息不對稱導致的轉移支付調用和挪用會降低財政支出效率。從北京市樣本的估計結果看，財政自給率的估計系數顯著為負，即財政自給率越高則財政支出效率越高。

第六，稅收收入占財政收入的比重對財政支出效率沒有顯著影響。與非稅收入相比，稅收收入有更完善的法律依據，來源相對穩定。一些觀點認為，穩定的財政來源可以提高財政支出效率，但從北京樣本的估計結果看，稅收收入占財政收入比重tr的估計系數在大部分估計結果中都不顯著，即財政收入的穩定性對財政支出效率沒有顯著影響。

第七，不同功能區的人口規模效應存在差異。人口密度在北京市樣本中和非生態涵養區樣本中的估計結果都顯著為負，但在城六區樣本中的估計結果為正，這說明從全市角度看，人口因素仍表現為規模效應，但就城六區而言，人口因素可能已開始表現出擁擠效應。當增加平原新城樣本后，人口密度的影響程度提高較多，這說明人口密度對平原新城的影響高于其他各區。因此，通過調整人口結構來提升財政支出效率需要區別對待。

（二）北京市十六區的財政支出效率

以北京市樣本的估計結果為基礎，計算2010-2019年北京市十六區的財政支出效率，其整體水平和變化趨勢如圖1所示，可以看出各區財政支出效率的變化趨勢有以下特點：第一，中心城區的財政支出效率顯著高于其他各區。東城區和西城區的財政支出效率最高，接近于最優產出邊界，且一直保持平穩；朝陽區、海淀區、豐臺區和石景山區次之，且整體上表現為緩慢下降的趨勢，其中朝陽區的財政支出效率相對平穩，海淀區從2016年開始下降較為明顯，2019年時只有0.65，為城六區中最低。第二，城市副中心和平原新城的財政支出效率波動較大，整體上略高于生態涵養區。2010-2019年，平原新城的財政支出效率大都表現出一個先下降再緩慢提升的過程，大部分區都在2014年出現一個明顯的下降，并在2016年前后開始緩慢提高，其中昌平區和大興區的提升較為明顯。第三，生態涵養區的財政支出效率整體上處于較低水平。2010-2018年，生態涵養區的財政支出效率呈緩慢下降趨勢，2019年雖有明顯提升，但仍沒有改變其處于最低水平的基本狀況。

圖1 2010-2019年北京市十六區財政支出效率

從技術無效率因素看，平原新城和生態涵養區財政支出效率偏低的原因主要是財政自給率較低和人口結構還處于規模效應階段。其中，財政自給率的影響程度更大。從兩個年度虛擬變量看，財政壓力對財政支出效率的影響比較有限。2016年的營改增對財政支出效率幾乎沒有影響，僅昌平和大興等個別平原新城略有提高；2019年減稅降費等相關政策的影響具有一定普遍性，大部分區的財政支出效率在2019年都略有提升，其中平原新城和生態涵養區的提升更為明顯。

因北京市各區財政支出水平不同，所以按照財政支出比重，加權計算全市財政支出的平均效率，結果如圖2所示。從圖2中的變化趨勢可以看到，北京市財政支出效率整體表現出緩慢下降的過程，2010-2014年財政支出效率相對平穩，2014年后財政支出效率開始持續下降，即使是在財政收入增速明顯放緩的2016-2018年，財政支出效率仍處于下降趨勢，從2014年的0.69下降到2018年的0.64。可見，這一時期財政收入增速的放緩沒有顯著起到促進財政支出效率的作用。2019年，受財政壓力進一步加劇的影響，財政支出效率由降轉升，恢復到了2017年的水平，但是這種提升能否保持下去并形成上升趨勢，還需要未來更多的經驗數據進行檢驗。

圖2 2010-2019年北京市平均財政支出效率

主要結論與對策建議

從北京市的功能定位看，未來北京市的財政壓力可能持續甚至進一步加劇，在這種情況下若要保障公共服務供給水平和質量，那么提升財政支出效率就顯得尤為重要。為考察財政支出效率的影響因素，檢驗財政壓力對財政支出效率的影響，本研究使用隨機邊界分析，估計了2010-2019年北京市區級財政支出效率，討論了主要影響因素。主要結論如下：第一，2010-2019年，北京市財政支出效率整體上呈現逐年下降趨勢。其中，2010-2014年基本保持平穩，2014-2018年持續下降，2019年在較大的財政壓力下提升明顯。第二，北京市各功能區之間的財政支出效率差異明顯。中心城區的財政支出效率最高，城市副中心和平原新城次之，生態涵養區最低。中心城區的財政支出效率基本位于0.75以上，城市副中心和平原新城基本位于0.4到0.7之間，生態涵養區大都低于0.4。第三，財政自給率和人口結構是限制財政支出效率的主要因素，財政壓力的促進效應比較有限。2016年的營改增以及其后的財政收入增速放緩，都沒有形成實質上的財政壓力，財政支出效率仍緩慢下降；2019年的減稅降費對財政支出效率具有一定促進作用，但幅度較小，且持續性還有待進一步檢驗。

從實證檢驗結果和影響財政支出效率的主要因素看，提高北京市財政支出效率可從以下幾個方面考慮：第一，調整財政支出結構，加大教育、醫療衛生和社會保障領域的支出比例。重點公共服務供給領域的支出不足是影響財政支出效率的直接因素，北京市在教育、醫療衛生和社會保障三個重要領域的財政支出長期處于中低水平，盡管2019年在這三個領域的支出比例都有較大提高，但同全國其他省級地區相比仍未達到中位數水平，因此提高財政支出效率，需要進一步加大重點公共服務供給領域的支出比重。第二，加快城市副中心和平原新城地區的產業高質量發展，提高其財政自給率。城市副中心和平原新城的財政自給率基本都在50%以下，產業發展水平不足，是限制財政支出效率的主要因素，對此應立足自身定位，做大做強優勢產業，提高產業的聚集度和競爭力，推動產業高質量發展，為財政收入提供必要的經濟基礎。第三，進一步降低中心城區人口密度，加強副中心和平原新城的公共服務供給水平。中心城區的人口規模已經表現為擁擠效應，降低人口密度可在一定程度上提高財政支出效率；與中心城區相比，城市副中心和平原新城的人口規模還表現為規模效應，增加人口密度可以提高財政支出效率。因此，城市副中心和平原新城應加快提高公共服務供給水平，盡快補齊公共服務資源短板，增強綜合承載能力，承接中心城區的人口疏解，通過人口規模效應提高公共服務的利用率，降低平均供給成本，提高本區及全市整體的財政支出效率。