政府支出乘數(shù)研究的國內(nèi)外文獻(xiàn)綜述1國外研究現(xiàn)狀國外對于政府支出乘數(shù)的研究起步較早，理論較完備。國外學(xué)者通過建立不同的時間序列的計(jì)量模型來計(jì)算政府支出乘數(shù)，但是不同的模型所得到的政府支出乘數(shù)結(jié)果有所差異，且由于研究的目的不同因此使用的變量也不同，由此也會產(chǎn)生乘數(shù)數(shù)值的差異。另外，隨著國外DSGE模型理論逐漸成熟，越來越多的學(xué)者通過DSGE模型來研究政府支出乘數(shù)。Sims（1998）提出向量自回歸（VAR）模型后，該模型被廣泛地用于對經(jīng)濟(jì)問題的研究中，隨著經(jīng)濟(jì)學(xué)家的不斷創(chuàng)新和探索，延伸出了各種基于VAR模型的研究時間序列的計(jì)量模型。Afonso和Leal（2019）使用SVAR模型計(jì)算了貨幣聯(lián)盟建立以來歐元區(qū)國家的財(cái)政乘數(shù)（用于政府基本支出、收入和財(cái)富稅以及生產(chǎn)和進(jìn)口稅）的價值，結(jié)果表明，在財(cái)政的季度沖擊下，政府支出對產(chǎn)出具有正向的影響，年均累計(jì)乘數(shù)為0.44。?ebi（2017）同樣使用結(jié)構(gòu)向量自回歸（SVAR）模型衡量2001年后金融危機(jī)時期土耳其政府支出乘數(shù)的大小。分析表明，正向的政府支出的沖擊往往對產(chǎn)出有正向的影響，且財(cái)政乘數(shù)的數(shù)值在前幾個季度相對較大，并在第二季度達(dá)到峰值1.5，此后開始下降。Jeong、Kang和Kim（2017）使用SVAR模型研究了政府支出沖擊對中國、韓國和日本的各種關(guān)鍵宏觀變量的影響，得出了以下經(jīng)驗(yàn)事實(shí)：近年來，這三個國家的政府支出乘數(shù)都遠(yuǎn)遠(yuǎn)大于1。在中國，財(cái)政擴(kuò)張的有效性并沒有顯著改變，但是在韓國（亞洲金融危機(jī)之后）和日本（下限為零）期間，財(cái)政擴(kuò)張的有效性有了顯著提高。GuillaumeCléaud、MatthieuLemoine和Pierre-AlainPionnier（2017）著眼于1980年至2010年政府在私人產(chǎn)品和服務(wù)上的支出，發(fā)現(xiàn)法國的財(cái)政乘數(shù)相當(dāng)大，影響力接近1，并且在大約3年后在統(tǒng)計(jì)上變得微不足道。此外，使用時變SVAR（TV-SVAR）模型，得出從1980年代初以來，這個乘數(shù)在任何時間范圍內(nèi)都不會發(fā)生顯著變化的結(jié)論。Primiceri（2005）首次引入時變參數(shù)向量回歸（TVP-VAR）模型。線性VAR模型、DSGE模型的得出的財(cái)政效應(yīng)是線性的，而許多非線性的計(jì)量模型發(fā)現(xiàn)財(cái)政政策是非線性的，而該模型有效地克服了線性模型的問題，得出了非線性的財(cái)政政策效應(yīng)。同時該模型也解決了諸如門限向量自回歸（TVAR）、平滑轉(zhuǎn)移門限向量自回歸（STVAR）等計(jì)量模型的突變、跳躍的問題，有效地刻畫出了財(cái)政政策效應(yīng)的長期、漸進(jìn)式的變化。2國內(nèi)研究現(xiàn)狀我國對政府支出乘數(shù)的研究起步較晚，總體上采用的方法主要有IS-LM比較靜態(tài)模型、DSGE模型以及基于VAR模型的各種衍生的計(jì)量模型。馬拴友（2001）估計(jì)了我國財(cái)政的IS—LM模型，計(jì)算出IS曲線斜率是-0.54，LM曲線斜率為0.55，IS和LM曲線的形狀基本正常，我國各年財(cái)政政策乘數(shù)平均等于2。高鐵梅、李曉芳和趙昕東（2002）利用狀態(tài)空間方法建立了20世紀(jì)90年代以來含有稅收影響的消費(fèi)的季度可變參數(shù)模型和IS-LM季度可變參數(shù)模型，估計(jì)并計(jì)算了簡單的政府支出乘數(shù)，發(fā)現(xiàn)乘數(shù)數(shù)值在1.7—1.98之間變動。王志剛和朱慧（2021）基于IS-LM的拓展模型估計(jì)得到2002-2017年的財(cái)政支出乘數(shù)在0.58-0.67之間。李明和李德剛（2018）基于我國1600個縣級單位的1994年-2007年的樣本估算了我國地方政府的財(cái)政支出乘數(shù)，結(jié)果顯示，我國政府支出乘數(shù)大于1。翟楊（2014）使用云南省的數(shù)據(jù)建立了人均可支配收入與人居消費(fèi)的計(jì)量模型，估算出云南省的政府支出乘數(shù)為3.03。張開和龔六堂（2018）建立了一個含有投入產(chǎn)出框架的多部門DSGE模型，研究不同匯率制度下政府消費(fèi)型與投資型支出對貿(mào)易部門和非貿(mào)易部門的影響。王立勇和徐曉莉（2019）估算中國財(cái)政政策信息摩擦程度，構(gòu)建納入財(cái)政政策信息摩擦特征的DSGE模型研究中國財(cái)政政策有效信息沖擊和噪音沖擊的不同影響機(jī)制，測算不同信息摩擦情境下的長短期財(cái)政支出乘數(shù)及相應(yīng)的財(cái)政政策效應(yīng)損失。陳安平（2008）建立了一個SVAR模型，以各地的人均實(shí)際GDP、實(shí)際投資、消費(fèi)者價格指數(shù)等為變量。脈沖響應(yīng)結(jié)果顯示，我國投資對東部省份經(jīng)濟(jì)增長的推動作用最大，其次是中部，對西部的影響甚微。王燕武（2018）使用全國338個地級及以上乘數(shù)和地級區(qū)域2003年～2017年的數(shù)據(jù)，結(jié)合基于GMM估計(jì)量的面板VAR模型和支出乘數(shù)現(xiàn)值式子，測算了全國范圍、不同區(qū)域的短期政府支出乘數(shù)和長期政府支出乘數(shù)。發(fā)現(xiàn)中國的政府支出乘數(shù)大于1，且長期政府支出乘數(shù)接近于2，且呈現(xiàn)先上升后下降的整體趨勢，而2011年之后，政府支出乘數(shù)出現(xiàn)大幅度的下降。林桐和王文甫（2017）使用參數(shù)時變面板結(jié)構(gòu)向量自回歸（TVP-PSVAR）模型研究了我國31個省份的政府支出乘數(shù)的差異性，探索了全國政府投資支出乘數(shù)和政府消費(fèi)支出乘數(shù)。林桐和王文甫（2017）同樣使用TVP-PSVAR模型對我國政府支出乘數(shù)進(jìn)行了估算，得出了以下結(jié)論：中國政府支出乘數(shù)在1993年—2015年間存在一定的時變特征，受金融危機(jī)影響，擴(kuò)張性財(cái)政政策使2010年政府支出乘數(shù)再次達(dá)到極值3.1，此后乘數(shù)呈現(xiàn)下降的趨勢。對于山東省政府支出乘數(shù)的估算鮮有學(xué)者進(jìn)行詳細(xì)的解讀，王燕武（2018）使用全國2003年-2017年的338個地級及以上城市的地級區(qū)域數(shù)據(jù)，基于GMM估計(jì)量的面板VAR方法與支出乘數(shù)現(xiàn)值式子，計(jì)算了全國范圍、不同區(qū)域、不同省域的短期和長期政府支出乘數(shù)。文中求得山東省的即期乘數(shù)為2.04，長期累積折現(xiàn)乘數(shù)（10期）為4.69。參考文獻(xiàn)[1]Afonso,Leal.FiscalmultipliersintheEurozone:anSVARanalysis[J].AppliedEconomics,2019,51(51).[2]?ebi.TheGovernmentSpendingMultiplierinTurkey[J].EmergingMarketsFinanceandTrade,2017,53(5).[3]Jeong,Kang,Kim.EffectsofgovernmentspendingshocksinChina,Japan,andKorea[J].ChinaEconomicJournal,2017,10(2).[4]GuillaumeCléaud,MatthieuLemoine,Pierre-AlainPionnier.TheSizeandEvolutionoftheGovernmentSpendingMultiplierinFrance[J].AnnalsofEconomicsandStatistics/Annalesd'économieetdeStatistique,2017(127).[5]OlivierBlanchard,RobertoPerotti.AnEmpiricalCharacterizationoftheDynamicEffectsofChangesinGovernmentSpendingandTaxesonOutput[J].TheQuarterlyJournalofEconomics,2002,117(4).[6]Afonso,Leal.FiscalmultipliersintheEurozone:anSVARanalysis[J].AppliedEconomics,2019,51(51).[7]AtemsBebonchu.Theeffectsofgovernmentspendingshocks:EvidencefromU.S.states[J].RegionalScienceandUrbanEconomics,2017,74.[8].TheSizeandEvolutionoftheGovernmentSpendingMultiplierinFrance[J].AnnalsofEconomicsandStatistics/Annalesd'économieetdeStatistique,2017(127).[9]ChristopherA.Erickson,VictorOwusu-Nantwi,FredOwensby.Thegovernmentspendingmultiplier:Evidencefromcountyleveldata[J].TheSocialScienceJournal,2015,52(3).[10]MendozaEnriqueG.,VeghGramontCarlosA..HowBig(Small?)areFiscalMultipliers?[M].:2011-01-01.[11]馬拴友.中國經(jīng)濟(jì)增長的財(cái)政政策分析[D].中國社會科學(xué)院研究生院,2001.[12]高鐵梅,李曉芳,趙昕東.我國財(cái)政政策乘數(shù)效應(yīng)的動態(tài)分析[J].財(cái)貿(mào)經(jīng)濟(jì),2002(02):40-45.[13]王立勇,徐曉莉.財(cái)政政策信息摩擦與財(cái)政支出乘數(shù)—基于DSGE模型的分析[J].財(cái)政研究,2019(01):43-60.[14]張?zhí)鞁?基于TVP-VAR模型的財(cái)政政策乘數(shù)的估算[D].吉林大學(xué),2016.[15]陳安平.我國投資政策的省際差異效應(yīng):基于SVAR模型的估計(jì)[J].南方經(jīng)濟(jì),2008(10):54-62.[16]王燕武.中國財(cái)政支出乘數(shù)的省際及時期差異研究[J].經(jīng)濟(jì)研究參考,2018(61):3-15+22.[17]徐曉莉.中國財(cái)政支出乘數(shù)再估算[