2013年，中国经济增长率降至8%以下，形成“新常态”。主要原因是经济增长过于依赖投资和出口双驱动模式，消费者需求没有得到有效探索。本文着重研究财政支出对居民消费的动态影响，进而得出完善财政支出的有益思路。

国内外学者从不同角度研究财政支出与消费的关系，如Amano R A等（1998）研究了财政支出与居民消费的边际效用之间的关系。通过研究发现，财政支出的增加提高了居民消费的边际效用，两者保持着相互促进的关系。Linnemann L等（2004）从政府支出对消费者福利影响的角度进行分析，发现增加财政支出会增加消费者福利，增加消费者支出，相应增加总需求，财政支出对消费有积极影响。袁芳英（2010）在李佳图等价框架下建立了跨期优化消费模式，发现财政支出促进居民短期消费，产生“影响”；长期财政支出抑制居民消费，产生“挤出效应”。潘斌等（2008）利用中国省际面板数据构建模型，发现东部和中部的财政支出对促进居民消费有积极作用，而西部则有反向障碍。

财政支出对居民消费动态的影响

(1)模型选择与构建

由于外部环境的不断变化，政府支出在不同时期对居民消费的影响也在不断变化，这种变化无法用固定参数模型来表现。因此，选择状态空间模型进行变参数估计的依据是:一是将反映系统真实情况的不可观测变量(状态向量)纳入可观测变量，共同得到估计结果，可以更准确地衡量财政支出对居民消费的动态影响；二是选择状态空间模型构建TVP，得到状态向量的最优估计，对样本容量要求不大；第三，当扰动项和初始状态向量服从正态分布时，Kalman滤波可以通过预测误差分解来计算似然函数，从而估计模型中的所有未知参数，在获得新的观测值后，Kalman滤波可以连续修正状态向量的估计。

TVP的状态空间模型可以表示为：

yt=Ztγ+xtβt+εt （1）

βt=ψβt-1+ηt （2）

yt是可观测因变量；zt具有固定系数γ解释变量集；xt是具有可变参数的βt解释变量集；βt必须用yt、xt来估计，其变化服从于AR(1)形式；ψ系统矩阵；εt，ηT是相互独立的连续不相关的扰动项，而且。

使用Kalman滤波得出的最优估计量是在扰动项和初始状态向量服从正态分布的假设下，假设YT是基于信息集合的βt的估计量为bt，此时bt|t-1是bt在最小均方误差下的最优估计量：

bt|t-1=ψtbt-1 （3）

bt-1是基于Yt-1的信息集合βt-1估计量。此时估计误差的协方差矩阵为：

Ft|t-1=ψtFt-1ψ`+Qt ，其中Ft-1=E[（βt-1 -bt-1）（βt-1-bt-1）`] （4）

式（3）、类型(4)共同构成预测方程；获得新预测值yt后，修正原预测方程为：

bt=bt|t-1+F t|t-1X`tPt-1（yt-Xtbt|t-1）（5）

Ft=F t|t-1-F t|t-1X`tPt-1XtF t|t-1 （6）

当得到一个观测值时，Kalman滤波器提供状态向量的最优估计。当所有T个观测值处理时，Kalman滤波器根据信息集产生当前和下一个状态向量的最优估计，包括产生未来状态向量及其预测值所需的所有信息。

为了便于分析财政支出结构对居民消费的影响，根据财政支出的性质，将财政支出分为四个部分：消费、经济建设、文化教育研究和支付转移。按上述方法构建以下方程：

量测方程：

Ct=α+β1tHt+β2tYt+β3tCONt+ β4tECOt+β5tEDUt+β6tTRt+εt （7）

状态方程：

βit=ψβit-1+ηt （8）

其中，Ct 居民消费支出；Ht 对于居民的消费习惯，用前期居民的实际消费支出来说， YT是居民的可支配收入；CONt 、ECOt 、EDUt 、TRt 分别是消费、经济建设、文化教育科研、转移支付等财政支出。

(二)数据源及处理

1978-2012年，数据取自《中国统计年鉴》、《新中国统计数据60年汇编》，其中居民消费为法国生产总值下的居民消费数据；可支配收入是通过城镇居民人均可支配收入与城镇人口的乘积和农村居民人均纯收入与农村人口的乘积获得的；2007年前，消费支出包括行政事业单位退休支出、国防支出、行政管理费、价格补贴支出、债务利息支出；经济建设支出包括基本建设支出、企业挖潜改造资金、地质勘探费用、科技费用、农村生产支出、农林水利气象等部门事业费用、工业交通、商业等部门事业费用；文化教育科研支出包括文化教育科学卫生费用；转移支出包括养老金和社会福利救济费用、社会保障补助费用。2007年后，消费支出包括一般公共服务、外交、国防、公共安全支出、城乡社区事务、粮油物资储备、国债还本付息支出等支出；经济建设支出包括节能环保、农林水事务、交通运输、工商金融、土地资源气象、地震灾后恢复重建支出；文化教育科研支出包括教育、科技、文化体育传媒、医疗卫生支出；转移支出包括社会保障、就业和住房保障支出。

为提高估计精度，1978年将所有数据转换为CPI；为了便于估计弹性系数，对所有数据进行对数。类型（8）变为： 　　LNCt=α+β1tLNHt+β2tLNYt+ β3tLNCONT+β4tLNECOT+β5tLNEDUT+β6tLNTRT+εt （9）

其中βit 由于各种因素对居民消费的弹性系数。