研究我国各地财政性教育经费的影响因素

研究我国各地财政性教育经费的影响因素一、引言21世纪是中国经济腾飞的年代，经济的发展依靠着国内人才的培养，因此提高我国的教育水平是应对经济全球化的重要方法，于此同时，十一五计划也提出要进一步提高我国的教育经费支出占财政收入的比重，由此，研究教育经费的影响因素，不仅对财政支出中教育支出的合理安排有着重大意义，而且对中国教育水平的提高都有重大意义。而自从我国开始普及九年制义务教育，义务教育的支出占据了教育经费的很大一部分比重，所以在此基础上，我们选取了义务教育阶段中比较重要的两个指标即我国普通中小学学校数量以及我国普通中小学生数量。同时，由于各地区的发展差异，各地区的教育经费支出也不相甚同，因此，为了更直观地反映教育经费的影响因素，我们收集了我国主要地区的相关数据，并加以作实证分析，研究我国各地财政收入、各地普通中小学学校数量以及各地普通中小学生数量对我国各地财政性教育经费支出的影响。二、研究的目的和意义（一）实证分析的现状和不足从实证的角度入手来分析影响财政性教育经费投入因素的相对比较少，常见的有通过比较教育经费投入与国民生产总值（GNP）或国内生产总值（GDP）之间的关系，得出教育经费投入逐年增长的结论；或者通过对比教育经费的支出结构，得出高等教育经费投入大幅度增长的结论。而总教育经费投入的影响因素并不能很好地反映各地区的实际情况，这些分析也很难以比较高的精确度预测未来财政性教育经费投入的变化情况。而预测是决策的基础，由此也就很难做出最佳决策。（二）建模的意义基于理论分析的不足之处，我们将以建立模型的方式来分析影响我国各地财政性教育经费投入的变量具体有哪些。首先我们将理论分析中提到的影响因素纳入模型的解释变量中，建立模型，然后通过各种计量检验方法逐一排除影响不大的解释变量，最终保留下最佳解释变量。通过模型我们可以预测、了解和掌握我国各地区财政性教育经费的投入在未来的投入水平和发展趋势，分析各地区财政性教育经费投入的具体情况，评估各地区财政教育经费投入政策的可行性，并对今后的工作提出建议，为合理制定和发展各地教育发展战略提供依据。二、变量的引入和数据的收集（一）选择变量的依据改革开放后，随着多元化办学体制的出现，教育费附加的征收，非义务教育阶段成本分担制度的建立，形成了多渠道筹资的教育财政制度。2000年我国教育经费总收入为3849亿元，其中财政预算内教育经费为2086亿元，占教育经费总收入的54．2％，其中用于义务教育的投入为1085亿元，占预算内拨款的52．0％。注意到这几年是我国分税制财政体制平移运行的阶段，中央财政收入占总财政收入的比重在逐渐增加，地方财政收入绝对数也有相当程度的增长，而就在财政收入普遍增长的同时，地区间义务教育发展差距反而扩大，说明各地区在财政能力、政府对教育投入的重视和努力程度，以及义务教育支出成本上依然存在着较大的差异。义务教育属地方政府事权范围，应该主要由地方政府财政负担，但是在现阶段，地方政府的财力和事权范围显然存在着很大程度的不对称。由此可见，义务教育支出对教育总支出的影响较大，并且根据各地的实际情况，我们引入了各地普通中小学学校数量和普通中小学生数量这两个变量。与此同时，在我国，国家公共支出一直是教育经费的重要来源，财政收入是研究教育经费投入必不可少的变量。所以，我们便又引入了各地财政收入这一变量。（二）数据的收集各地财政性教育经费的理论研究大都是从义务教育对教育经费的影响入手，因此，我们在此基础上选择财政收入、普通中小学学校数，普通中小学生人数为解释变量。Y--我国各地财政性教育经费支出（单位：万元）1X--我国各地财政收入（单位：亿元）2X--我国各地普通中小学学校数量（单位：人）3X--我国各地普通中小学生数量（单位：所）D1--该地区属于我国东部地区D2--该地区属于我国西部地区D1D2YX1X2X3北京103833067.81913.970215023065738天津101493682.3614.271813362234217河北104171281.2839.3286173345718760山西002568475.7581.9108170384406425内蒙古012185264.4576.830640292362050辽宁103674924.81183.982177233594816吉林002111975.1361.113274101887180黑龙江002649171.2444.313290194465957上海103674054.62368.452812402438440江苏106484817.62654.748571946934469浙江1051724151983.814659184666625安徽003175812.9629.3236180616761183福建102763596.9778.14491795816069江西002217897.2430.0204151248969992山东105747057.61720.3455159768631471河南004976899.7821.50473412312663774湖北002805034.6616.0604108198629361湖南003436066.3568.2748166116756946广东108013743.53130.6117218289322362广西012650049.6417.682163095695942海南10686993.2151.243729544388529重庆011813613.8435.622881334194284四川014894706.9886.6725164888208656贵州012300187.7311.7071150254711903云南012823329.4548.1063176176244180西藏01478393.518.50659781716209陕西012659057.6532.7984135062929291甘肃011960155.1176.0411142552824884青海01547864.270.165323701560952宁夏01575667.190.73892404670621新疆012134971.3301.128348481973890二、模型的建立我们采用如下简单线形模型：Yi=+1X1i+2X2i+3X3i+iuY--我国各地财政性教育经费支出（单位：万元）1X--我国各地财政收入（单位：亿元）2X--我国各地普通中小学学校数量（单位：人）3X--我国各地普通中小学生数量（单位：所）D1--该地区属于我国东部地区D2--该地区属于我国西部地区iu--随机扰动项--截距项1、2、3、--待定参数三、模型的求解、检验和修正下面，我们运用Eviews对建立的模型使用普通最小二乘法进行估计，并对所得结果做相关检验和修正，回归结果如下：将这五个变量都考虑在内的情况下，由EVIEWS得出：DependentVariable:EDUCATIONMethod:LeastSquaresDate:12/13/11Time:18:08Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.REVENUE1770.562174.443310.149790.0000SCHOOLS79.7402222.873753.4861020.0018STUDENTS0.0805020.0650211.2380920.2272WEST200908.3256955.70.7818790.4416EAST100556.5325919.80.3085310.7602C180515.8303194.60.5953790.5569R-squared0.932879Meandependentvar3054201.AdjustedR-squared0.919455S.D.dependentvar1755780.S.E.ofregression498299.0Akaikeinfocriterion29.24777Sumsquaredresid6.21E+12Schwarzcriterion29.52532Loglikelihood-447.3405F-statistic69.49234Durbin-Watsonstat2.322055Prob(F-statistic)0.0000001、多重共线性检验（1）简单相关系数矩阵法由上表可以看出，X2与X3,X1与D1，D1与D2之间，存在高度线性相关性（2）下面运用逐步回归法对多重共线性进行修正：经分析在四个一元回归模型中各地财政性教育经费支出Y对财政收入1X的线性关系最强，如下：分别做Y与X1、X2、X3间的回归（1）Y=1451854+1898.991X1(6.038)(9.088)R-squared=0.740D.W.=1.714（2）Y=1824497+113.3365X2(3.716)(3.045)R-squared=0.2422D.W.=1.549（3）Y=1048851+0.402511X3(2.100)(4.6020)R-squared=0.422D.W.=1.6236（4）Y=2448229.665+1707737.108D1(6.958984)(2.891547)R-squared=0.2223D.W.=1.5778（5）Y=3666156.168-1580884.452D2(9.997065)(-2.682078)R-squared=0.1987D.W.=1.882526可见，我国各地财政性教育经费支出受我国各地财政收入的影响最大，与经验相符，因此选X1为初始的回归模型。将其余解释变量2X、3X、D1、D2分别逐一代入上式逐步回归：CX1X2X3D1D2AdjustedR-squaredD.W.Y=f(X1)14518541898.9910.7311831.714T6.0389.088Y=f(X1,X2)421441.31832.668100.120.9232122.563T2.3953316.371818.574598Y=f(X1,X2，X3)358661.11771.39581.764520.0629670.9235842.443T1.93725014.103353.9314161.065745Y=f(X1,X3)430783.51601.1390.2553930.8841311.975771T1.89893411.028806.267396Y=f(X1,X2，D1)416920.71822.237100.573623874.670.9203902.553T2.229810.847.7270.0844Y=f(X1,X3)376479.21851.768100.509563784.090.9206402.549657T1.621314.24148.14930.3036由此可见，X3、D1、D2使AdjustedR-squared变小，而且不能通过t检验，由此，将X3、D1、D2变量去除。此时，Y=421441.3+1832.668X1+100.1266X2VariableCoefficientStd.Errort-StatisticProb.REVENUE1832.668111.940416.371810.0000SCHOOLS100.126611.677118.5745980.0000C421441.3175942.92.3953300.0235R-squared0.928332Meandependentvar3054201.AdjustedR-squared0.923213S.D.dependentvar1755780.S.E.ofregression486534.5Akaikeinfocriterion29.11977Sumsquaredresid6.63E+12Schwarzcriterion2