1 引言
1.1 研究背景和意义
在不断深化特色社会主义市场经济体制改革情况下，我国经济增速保持在8%左右 ，而这样的改革业绩维持了 30 多年之久。这种现象在其他国家是很难发生的。除了经济保持高速增长外，我国经济也伴随着明显的经济波动。1978年我国 GDP 增长率是 11.7%，1982 年我国 GDP 增长率降到 5.1%，1984 年我国GDP 增长率是 15.2%到 1990 年 GDP 的增长率下降到 3.9%，1992 年 GDP 增长率是 14.2%到 1999 年 GDP 增长率是 7.7%。2007 年我国 GDP 又达到一个小高峰，即达到 14.2%，2008 年后经济增速开始减缓，2010 年经济增速有所回春，达到10.6%，后经济增速又开始有所下降，2013 年我国 GDP 下降 8%，2015 年到 2018年我国 GDP 增长率为 6.9%到 6.6%。
.....................
1.2 国内外研究状况及方向
1.2.1 国外研究
国外研究在研究政府支出乘数时间较早，理论完备。总的方向上，国外在研究政府支出乘数一是通过结构性模型研究政府支出乘数。其中在国外 DSGE 模型理论日益成熟情况下，在模型里引入不同变量，研究政府支出乘数。另一种利用时间序列数据，建立计量模型从经验模型层面上研究政府支出乘数。总体来讲，不同模型，得到的政府乘数差异较大。
1.2.1.1 基于结构模型的政府支出乘数的估算
Baxter 和 King(1993)在市场是完全竞争竞争下，不考虑货币因素和信息完备下研究财政政策对于宏观经济的影响。将消费者效用函数考虑消费和劳动是可分的。政府支出的增加，理性的消费者会预期到未来税收增加，导致家庭部门认为财富效用减少，从而减少了消费，劳动供给增加，产出增加，工资下降。同时为了研究政府增加对于公共资本的影响，将公共资本引入厂商生产函数里。从而研究发现政府支出乘数长期是 4，但是短期乘数较小。同时还比较债务融资下政府支出乘数小于1，在总额税下融资情况下，短期支出乘数可以高达1.2。Ramey(2011)在研究时发现政府通过扭曲性税进行融资，扭曲性税征收的总量和征收的时点会影响政府支出乘数的正负。Linnermann 和 Schabert(2006)在考虑垄断竞争和价格粘性 DSGE 模型里，由于价格粘性，政府支出增加使得利率上升，挤出私人消费和投资，进而政府支出乘数小于 1。而 Gali et al.(2007)考虑两种消费者，一种是能够使自己一生效用得以平滑从而获得最大化效用，一种家庭则不能够且当期的消费是由自己当期的收入的大小决定。研究发现政府支出可以有效刺激居民消费，政府支出乘数为 2。Bilbiie(2011）研究当家庭效用函数中 Frish 劳动供给弹性小于消费者替代弹性，家庭对于劳动和消费互称为替代品。政府支出的增加，家庭的消费减少，政府支出乘数大于 1。
.........................
2 SVAR 模型下的中国政府支出乘数
2.1 结构向量自回归模型
基于 Sims 创建的向量自回归，本部分介绍 SVAR 模型、识别条件以及约束条件的理论内容。
2.1.1 结构向量自回归（SVAR）模型简介
在上个世纪八十年代之初，大型联立方程模型在解决宏观经济时候由于在经济预测和政策分析越来越失效。Sims 提出了构建 VAR 模型，即可以对模型扰动项进行结构识别，从而分解出经济含义较为明确的结构冲击。该模型是：
因此需要对0B 进行赋予信息，以此满足结构向量自回归可识别的条件。当0B信息我们赋予的越是充分，就越容易得到滞后多项式的结构系数和新系数tu 。而我们要依据经济理论，通常的约束条件都是来自经济理论，如信息滞后或者法规制度、宏观经济理论或者传统的凯恩斯模型等进行施加约束。这里我们重点介绍短期约束。
短期约束：Sims 提出，其实质是一种乔里斯基分解，采用的是递归形式。此种方法非常重视变量之间次序，因为不同的变量顺序所带表的经济含义不同。通常会根据信息时滞或者是政策法规等信息添加信息约束。即各变量在当期的关系之间的经济关系。排序第一的变量只受自己结构冲击的影响不受其他经济变量的影响。排序第二的变量则会受到第一个变量和自身的结构冲击影响，对其他变量变化不作出反应。第三个变量会受到前两个变量和自身结构冲击的影响，不受其他变量的影响。以此类推，后面的变量都会在当期受到前面变量影响也会受到自己自身结构变化影响。
....................
2.2 SVAR 模型下的特征事实和中国政府支出乘数
2.2.1 SVAR 模型的设定和识别
借鉴王云清（2013）在论文中使用的递归识别方法，确定四个经济变量在 SVAR 的向量次序。本文使用的数据是 1998 年至 2018 年的季度数据。可以假设当期政府支出的变化不受其他变量的影响，因为政府支出的水平通常是预算已经提前设定的。因而政府支出的变动并不受其他宏观经济变量当期的变动影响。故而将政府支出变量放在首位。在当期的居民消费变化会影响当期的产出，而居民消费会基于下期产出的变动而改变，而产出在当期并不会影响居民消费。当期的居民消费会影响当期的可支配投资额度的大小，进而影响居民用于投资的额度，而投资会对利率产生影响，因而消费或多或少影响了利率的变化。同样产出对于利率的变化也是可以通过影响投资而实现的。因而将产出放在第三位。
1998 年发生的亚洲金融危机后来蔓延全球，引发的全球金融动荡，我国经济也深受影响。造成我国经济数据前后出现“断点”现象（王云清，2013），为了研究简便，选取 1998 年到 2018 年的季度数据为样本。其中政府支出，本文将政府一般公共预算支出（王云清，2013）作为政府支出。笔者从中国经济网上获取有关的月度数据。我国的有关季度数据的统计结果从上世纪 90 年代才陆续公布，居民消费的数据只能在中国统计年鉴上获取年度数据。笔者借鉴王云清（2013）将消费品零售总和作为衡量居民消费水平的指标。从中国经济网获取相关的月度数据，可获得 1998 年到 2012 年完整的数据，而 2012 年 12 月份数据、2013 年到 2018 年 1 月和 12 月份数据没有编制。于是笔者采用崔治文和王蓓（2011）的方法，用名义 GDP 增长率的月度数据计算出相应的数值。我国 1998年到 2018 年的产出值的季度数据可在中国经济经网获得。名义利率选取中经网上银行七天同业间拆借利率的月度数据为指标，采用三项移动平均法求得季度数据（吴德燚，2010）。为了消除数据异方差带来实证的影响，笔者将政府支出、居民消费、总产出数据都线性化处理。考虑到数据会受到季节、节假日、贸易日的影响，对处理化后的政府支出、居民消费、总产出采用据 Census X-12 进行季节性调整（高铁梅，2009）。
........................
3 总额税下中国政府支出乘数 ...................................... 21
3.1 基准模型设置 ........................................ 21
3.1.1 家庭 ............................... 21
3.1.2 厂商 ...................................... 22
4 扭曲税下的中国政府支出乘数 ..................................... 29
4.1 模型设定 ..................................... 29
4.2 模型稳态和参数校准 ................................ 30
4.2.1 模型均衡 ............................ 30
4.2.2 参数校准 ............................... 31
5 债务融资下的中国政府支出乘数 ............................. 39
5.1 模型设定 ...................................... 39
5.2 模型稳态和参数校准 ........................ 40
5 债务融资下的中国政府支出乘数
5.1参数校准
为了研究债务融资情况下政府支出冲击对于宏观经济变量的而影响，我们需要知道政府债务的情况。我们选取中央债务余额作为政府的债务，我们可以从下图看出中央债务余额数值自 1998 年到 2018 年呈现较为明显的上升趋势。1998年到 2006 年中央债务余额较为缓慢增长，从 13088.754 亿元增长到 35015.28 亿元。2006 年到 2007 年政府债务迅速增长到 52074.65 亿元。从 2007 年到 2018 年政府债务较快增长，到 2018 年政府债务累计为 149607.41 亿元。
............................
6 结论
本文先基于政府支出、消费、产出和利率建立四变量的 SVAR，使用乔里斯基分解，设置 6 个短期约束条件得到 10 期的政府支出对于宏观经济变量的脉冲响应图并对政府支出乘数进行了估算。后结合结构模型，在总额税和基准 DSGE模型下研究政府支出对于宏观经济变量的影响，结合脉冲响应函数对政府支出乘数进行估算；其次在基准模型考虑扭曲性税收情况下，研究财政支出和扭曲性税收对于宏观经济的影响，结合脉冲响应函数对政府支出乘数进行估算；最后在债务融资的情况下，在模型中引入扭曲性税收对于债务敏感系数，研究政府支出和扭曲性税收对于宏观经济的影响，并结合脉冲响应函数对政府支出乘数进行估算。得到的结论如下：
（1）SVAR 作为一种计量工具，本身过于依赖识别条件，没有结构模型做支撑，无法清晰了解经济运行中各种因素对于政府支出的影响，且经验模型无法全面涵盖到宏观经济变量。由于某些经济变量无法观测，无法作为因素建构到模型中去。因而无法有效的对政府支出乘数进行估算，并不是一个最佳估算政府支出的工具。而 DSGE 可以弥补以上的缺点，且能构研究较长时期内，政府支出对于宏观经济变量的影响，因而 DSGE 是估算政府支出乘数的有力工具。
（2）无论从 SVAR 还是 DSGE 模型，我们都能得到政府支出的增加都会暂时性刺激产出增加。政府支出的增加都会暂时性的刺激居民消费减少。政府支出的增加都会暂时刺激利率上升。而 SVAR 模型中，政府支出增加后期会刺激利率的下降，以及随着时间变动会刺激消费的上升。在 DSGE 模型中，我们可以得到政府在扭曲性税收和债务融资情况下，政府支出会刺激产出的增加，但随着时间会出现负向效应。政府支出会挤出私人投资，促进社会就业，刺激利率上升。对于工资则会产生初期的增加随后减少。
（3）扭曲性税收冲击对于经济的影响，都会对产生负向冲击，对于投资都会产生负向的冲击。会对社会就业产生负向影响。对于工资影响产生正向影响。然而劳动收入税率和资本收入有效税率对于居民消费的影响是不同的。劳动收入税率的提高，会减少居民消费，而资税收会刺激居民消费的增加。扭曲性税增加会对社会就业产生负向冲击。
参考文献（略）