我國(guó)財(cái)政支出政策發(fā)揮作用時(shí)點(diǎn)的實(shí)證分析
——基于混頻向量自回歸模型

◆杜 爽 ◆陶 暢

內(nèi)容提要：使用同頻數(shù)據(jù)分析財(cái)政支出政策效果，會(huì)因?yàn)槭褂昧思涌偦虿钪捣椒ㄌ幚頂?shù)據(jù)破壞了數(shù)據(jù)結(jié)構(gòu)，導(dǎo)致部分前瞻性信息丟失，從而扭曲了變量之間的關(guān)系，影響對(duì)政策效果的評(píng)估。為保持?jǐn)?shù)據(jù)的初始性和完整性，構(gòu)建混頻數(shù)據(jù)模型能夠更充分地發(fā)掘數(shù)據(jù)之間的內(nèi)在聯(lián)系，提高對(duì)財(cái)政支出政策分析的準(zhǔn)確性。文章構(gòu)建的混頻向量自回歸模型實(shí)證結(jié)果表明，相比于同頻數(shù)據(jù)模型，前者能夠更早地識(shí)別出財(cái)政支出政策發(fā)揮作用的時(shí)間，且對(duì)政策影響程度的判斷也更為準(zhǔn)確。因而，可使用更高頻率指標(biāo)“觀測(cè)”財(cái)政支出政策發(fā)揮作用時(shí)點(diǎn)，并依據(jù)經(jīng)濟(jì)季度數(shù)據(jù)及時(shí)判斷與調(diào)整財(cái)政支出政策。

一、引言及文獻(xiàn)綜述

當(dāng)前關(guān)于財(cái)政支出對(duì)經(jīng)濟(jì)影響的實(shí)證研究多使用同頻數(shù)據(jù)，如GDP、CPI、年度財(cái)政支出情況等。然而，由于不同宏觀經(jīng)濟(jì)指標(biāo)的公布時(shí)間和數(shù)據(jù)頻率存在差異，即不同指標(biāo)的可觀測(cè)時(shí)間節(jié)點(diǎn)不一致；為了保持?jǐn)?shù)據(jù)頻率相同，研究者需要在實(shí)證分析中對(duì)數(shù)據(jù)采用加總或差值等方法進(jìn)行處理。這種對(duì)數(shù)據(jù)進(jìn)行“預(yù)處理”而得到同頻數(shù)據(jù)方法有一個(gè)潛在問題，就是可能會(huì)導(dǎo)致部分前瞻性信息丟失，從而扭曲變量之間的關(guān)系，影響分析結(jié)果。隨著經(jīng)濟(jì)市場(chǎng)環(huán)境日趨復(fù)雜，宏觀經(jīng)濟(jì)數(shù)據(jù)不斷積累，經(jīng)濟(jì)研究領(lǐng)域更需要挖掘不同數(shù)據(jù)所蘊(yùn)藏的有用信息并研究它們之間的相關(guān)關(guān)系，以提高政策評(píng)估的準(zhǔn)確性?；祛l數(shù)據(jù)模型的提出和應(yīng)用彌補(bǔ)了傳統(tǒng)時(shí)間序列計(jì)量模型要求數(shù)據(jù)同頻率或者長(zhǎng)度必須一致的基本條件，并在最大限度地保持?jǐn)?shù)據(jù)初始性和完整性的基礎(chǔ)上，有效避免了由于數(shù)據(jù)末端值缺失導(dǎo)致的預(yù)測(cè)精度下降，更在一定程度上通過利用不同頻率數(shù)據(jù)所蘊(yùn)含的異質(zhì)信息提升了模型預(yù)測(cè)的準(zhǔn)確性。因此，研究并發(fā)展混頻數(shù)據(jù)模型對(duì)于探索財(cái)政支出政策發(fā)揮作用時(shí)點(diǎn)，及其與經(jīng)濟(jì)增長(zhǎng)之間的結(jié)構(gòu)關(guān)系具有很強(qiáng)的理論意義和現(xiàn)實(shí)意義。

Eric Ghysels, Pedro Santa-Clara和Rossen Valkanov等（2002）提出了混合數(shù)據(jù)抽樣方法（Mixed-Data Sampling，MIDAS)，以期從高頻金融數(shù)據(jù)中尋找有效的信息，實(shí)時(shí)預(yù)測(cè)金融部門相關(guān)數(shù)據(jù)的波動(dòng)情況。這一方法建立在分布滯后模型的基礎(chǔ)上，可以直接使用原始數(shù)據(jù)，不需要將頻率不同的數(shù)據(jù)進(jìn)行統(tǒng)一化處理。與卡爾曼濾波（Kalman Filter）相比，混合數(shù)據(jù)抽樣回歸僅涉及一個(gè)簡(jiǎn)化的單一方程，因而回歸效率可能較低，但由于使用了非線性滯后多項(xiàng)式，其對(duì)設(shè)定誤差更不敏感，近似誤差往往比較小（Jennie Bai、Eric Ghysels、Jonathan H. Wright，2011）。之后很多學(xué)者將這一方法應(yīng)用在宏觀經(jīng)濟(jì)變量數(shù)據(jù)、財(cái)政數(shù)據(jù)的研究上，如使用日財(cái)政數(shù)據(jù)預(yù)測(cè)月或季度的宏觀經(jīng)濟(jì)指標(biāo)、檢測(cè)財(cái)政均衡情況等（Eric Ghysels,Jonathan H. Wright，2009）。也有學(xué)者論證了MIDAS模型應(yīng)用于中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)的可行性與精確性，并對(duì)產(chǎn)出增長(zhǎng)率與通貨膨脹率的關(guān)系等問題進(jìn)行了探討（劉金全、劉漢、印重，2010；蔡宇，2015）。

綜上所述，這一方法目前主要應(yīng)用在金融領(lǐng)域，用于財(cái)政問題的研究較少，可能的原因在于，使用這種較新方法研究財(cái)政問題的可靠性及準(zhǔn)確性有待確認(rèn)。本文利用混頻向量自回歸模型（MFVAR）通過分析財(cái)政支出與相關(guān)經(jīng)濟(jì)指標(biāo)之間的關(guān)系，并同頻數(shù)據(jù)模型結(jié)果進(jìn)行比較，證明了混頻數(shù)據(jù)模型能夠更早地識(shí)別出財(cái)政支出政策發(fā)揮作用的時(shí)間，且對(duì)政策影響程度的判斷也更為準(zhǔn)確，為我國(guó)財(cái)政支出政策的研究提供了一種更加前沿的研究方法。

二、模型構(gòu)建與變量選擇

（一）VAR模型

向量自回歸模型(Vector Auto Regression，VAR)在經(jīng)濟(jì)領(lǐng)域的應(yīng)用越來越多，尤其在宏觀經(jīng)濟(jì)領(lǐng)域，利用該模型中的脈沖響應(yīng)函數(shù)、方差分析能夠較好地進(jìn)行時(shí)間序列的分析。該模型并不是結(jié)構(gòu)性的處理方法，并且不需要深入了解變量間的實(shí)際對(duì)應(yīng)關(guān)系，只需引入變量與變量的滯后項(xiàng)，構(gòu)造相應(yīng)的模型形式就可以分析變量的沖擊對(duì)其他變量的影響。

該模型用自身做回歸變量的過程，即利用前期若干時(shí)刻的隨機(jī)變量的線性組合來描述以后某時(shí)刻隨機(jī)變量的線性回歸模型，它是時(shí)間序列中的一種常見形式。考慮一個(gè)時(shí)間序列 y1, y2,… ,yn，P階自回歸模型（簡(jiǎn)記為AR（P）），表明序列中yt是前p個(gè)序列的線性組合及誤差項(xiàng)的函數(shù)，一般形式的數(shù)學(xué)模型為，

其中，?0是常數(shù)項(xiàng)，?1,…,?p是模型參數(shù)，?和H是需要估計(jì)的系數(shù)矩陣，P為最大滯后階數(shù)，et是具備均值為0，標(biāo)準(zhǔn)差為σ的白噪聲。

向量自回歸VAR模型有很多的特點(diǎn)與優(yōu)勢(shì)，如待估參數(shù)無論顯著與否，都可保留在VAR模型中，但待估參數(shù)的個(gè)數(shù)會(huì)隨滯后階數(shù)增加而增加，估計(jì)量會(huì)較大。此外，無約束假設(shè)下的VAR模型具備預(yù)測(cè)特質(zhì)，可以進(jìn)行相關(guān)預(yù)測(cè)，原因在于等式右側(cè)只有滯后期變量值。近些年，部分學(xué)者也認(rèn)為，單向因果關(guān)系的變量也可加入到向量自回歸VAR模型中來，這使得VAR模型可以更廣泛地應(yīng)用于宏觀經(jīng)濟(jì)變量關(guān)系研究。

（二）MF-VAR模型

MF-VAR模型是傳統(tǒng)VAR模型加入混頻數(shù)據(jù)的改進(jìn)，該模型假設(shè)只有兩個(gè)采樣頻率。假設(shè)有高頻變量KH∈Ν和低頻變量表示低頻時(shí)間段，設(shè)m∈N為低頻變量的采樣頻率；m為一個(gè)低頻時(shí)段中高頻數(shù)據(jù)點(diǎn)的數(shù)量。如在月份與季度的情況下，m=3（m可能取決于τL）。

雖然MF-VAR模型可以處理這種情況，為簡(jiǎn)單起見，假設(shè)m隨時(shí)間的變化是恒定的。對(duì)于

MF-VAR模型的核心思想是將時(shí)間τL內(nèi)的所有觀測(cè)數(shù)據(jù)按時(shí)間順序疊加，并將每個(gè)高頻變量的m個(gè)觀測(cè)數(shù)據(jù)看作是不同的變量。這便得出以下 K = KL+ mKH維矢量：

圖1 高低頻變量時(shí)間序列

資料來源：Eric Ghysels, Jonathan Hill, Kaiji Motegi. Testing for Granger Causality with Mixed Frequency Data [J].Journal of Econometrics, 2016, 192(1):207-230.

在宏觀經(jīng)濟(jì)政策研究中，需要分析政策的實(shí)施對(duì)經(jīng)濟(jì)運(yùn)行的沖擊影響，即當(dāng)期政策的執(zhí)行在一定時(shí)期內(nèi)的滯后效應(yīng)。向量自回歸模型將變量與變量的滯后項(xiàng)引入到相應(yīng)的模型中，分析變量的沖擊對(duì)其他變量的影響。此過程不必深入分析變量之間的實(shí)際對(duì)應(yīng)關(guān)系以及結(jié)構(gòu)組成，利用模型中的脈沖響應(yīng)函數(shù)和方差分解，可以進(jìn)一步分析變量之間的動(dòng)態(tài)關(guān)系。政策變量與宏觀經(jīng)濟(jì)運(yùn)行變量往往是不同頻率的數(shù)據(jù)，面對(duì)混頻數(shù)據(jù)，一種處理方法是利用權(quán)重多項(xiàng)式函數(shù)建立從高頻數(shù)據(jù)到低頻數(shù)據(jù)的對(duì)應(yīng)關(guān)系，這樣增加了參數(shù)的個(gè)數(shù)；另一種處理方法可以將低頻數(shù)據(jù)看成不可觀察變量，即低頻數(shù)據(jù)的缺失部分以對(duì)應(yīng)高頻數(shù)據(jù)值為觀測(cè)值。第二種處理方法避免傳統(tǒng)VAR模型要求不同頻率數(shù)據(jù)同頻處理過程中數(shù)據(jù)信息的丟失或破壞，因此構(gòu)建混頻VAR模型。

下面變量形式采用宏觀經(jīng)濟(jì)中的高頻月度數(shù)據(jù)和低頻季度數(shù)據(jù)，將n×1的混頻數(shù)據(jù)集合定義為其中xm′,t表示的高頻月度變量，xq′,t表示的低頻季度向量，nm+nq=n，構(gòu)建的MF-VAR模型形式如下：

其中，F(xiàn)c(λ) ,F1(λ),，vt的前n行是式（3）中的參數(shù)組成，式（4）表示MF-VAR的狀態(tài)空間轉(zhuǎn)移方程。

具體矩陣為：

三、我國(guó)財(cái)政支出政策發(fā)揮作用時(shí)點(diǎn)的實(shí)證分析與比較

（一）指標(biāo)的選取與處理

財(cái)政政策是政府宏觀調(diào)控的重要手段，本文從財(cái)政支出的角度入手，使用政府公共支出的同比增長(zhǎng)率（FE）衡量財(cái)政的支出水平，將GDP的同比增長(zhǎng)率作為宏觀經(jīng)濟(jì)發(fā)展的指標(biāo)。本文以1994年6月—2017年9月為區(qū)間，相關(guān)數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局網(wǎng)站。

1.國(guó)內(nèi)生產(chǎn)總值同比增長(zhǎng)率（GDP）

國(guó)內(nèi)生產(chǎn)總值是衡量宏觀經(jīng)濟(jì)增長(zhǎng)的一個(gè)重要指標(biāo)，本文將國(guó)內(nèi)生產(chǎn)總值轉(zhuǎn)換為同比的增長(zhǎng)率，并添加GDP的潛在增長(zhǎng)率，利用GDP增長(zhǎng)率缺口與財(cái)政支出增長(zhǎng)率作為研究變量。經(jīng)過HP濾波處理，兩者的增長(zhǎng)率折線圖如2所示。

圖2 GDP增長(zhǎng)率缺口與財(cái)政支出增長(zhǎng)率

2.財(cái)政支出同比增長(zhǎng)率（FE）

為了研究我國(guó)財(cái)政支出增長(zhǎng)率對(duì)GDP的影響，本文對(duì)于1994—2017年的月度數(shù)據(jù)財(cái)政收入進(jìn)行了處理，轉(zhuǎn)換為同比增長(zhǎng)率，以便在實(shí)證研究時(shí)更加直觀地觀察增長(zhǎng)率變動(dòng)與GDP同比增長(zhǎng)率的關(guān)系。

（二）模型設(shè)定

建立的MF-VAR模型采取滯后階數(shù)為1期和6期，VAR模型采取滯后階數(shù)為1期和3期，利用Matlab進(jìn)行編程。接下來重點(diǎn)討論GDP與財(cái)政支出兩者間相互影響以及脈沖響應(yīng)函數(shù)的相關(guān)信息，并通過MF-VAR 模型給出適當(dāng)?shù)呢?cái)政支出與經(jīng)濟(jì)增長(zhǎng)間的影響效應(yīng)。

（三）模型實(shí)證結(jié)果

1.因果關(guān)系檢驗(yàn)

如表1所示，混頻AR（1）位滯后一期，AR（3）為滯后三期，同頻同理可得。由表可得，將數(shù)據(jù)滯后一個(gè)月，GDP對(duì)于財(cái)政支出的影響非常顯著，而財(cái)政支出對(duì)于GDP的影響不夠顯著。能夠看出財(cái)政支出會(huì)受上個(gè)月GDP潛在發(fā)展的情況影響，產(chǎn)生錨定效應(yīng)，并且其對(duì)于GDP反應(yīng)迅速，在為期一個(gè)月的時(shí)間點(diǎn)就能夠有顯著的應(yīng)對(duì)。而從滯后六個(gè)月的結(jié)果來看，財(cái)政支出對(duì)于GDP產(chǎn)生的影響才較為顯著，也說明了財(cái)政支出在時(shí)限半年左右時(shí)才能夠產(chǎn)生經(jīng)濟(jì)增長(zhǎng)的效果。

而同頻的結(jié)果為，在滯后一個(gè)季度的情況下，GDP對(duì)財(cái)政支出的影響就已經(jīng)較為顯著，說明財(cái)政支出受上一季度GDP潛在發(fā)展的情況影響，產(chǎn)生錨定效應(yīng)。而滯后三個(gè)季度后，財(cái)政支出對(duì)GDP產(chǎn)生影響才較為顯著。

因此，結(jié)合四個(gè)實(shí)證結(jié)果可以發(fā)現(xiàn)，MF-VAR模型能夠更早地識(shí)別財(cái)政支出對(duì)GDP的促進(jìn)作用，對(duì)于財(cái)政政策效果的測(cè)度更加精準(zhǔn)，而一般的自回歸模型的測(cè)度則相對(duì)差很多。此外，同頻和混頻自回歸的結(jié)果均可以反映出財(cái)政支出政策對(duì)GDP的變化反應(yīng)迅速，而且混頻模型給出的反應(yīng)速度更快。所以利用混頻數(shù)據(jù)進(jìn)行實(shí)證研究，更能準(zhǔn)確把握財(cái)政政策發(fā)揮效用的時(shí)點(diǎn)和精準(zhǔn)度，從而為經(jīng)濟(jì)政策調(diào)控提供可靠的研究方法和理論支撐。

表1 格蘭杰因果檢驗(yàn)結(jié)果

2.脈沖響應(yīng)分析

圖3左側(cè)為財(cái)政支出對(duì)GDP的脈沖響應(yīng)函數(shù)，右側(cè)為GDP對(duì)財(cái)政支出的脈沖響應(yīng)函數(shù)?？梢钥闯?，當(dāng)GDP存在正缺口時(shí)，財(cái)政支出增長(zhǎng)率上升，而財(cái)政支出增長(zhǎng)率提高時(shí)，GDP正缺口也隨之上升，體現(xiàn)出財(cái)政支出政策的順周期效應(yīng)。而結(jié)合宏觀經(jīng)濟(jì)學(xué)理論，政府在增大財(cái)政支出時(shí)，擴(kuò)大了內(nèi)需，也極有可能帶來通貨膨脹，使得GDP的缺口上升。

圖3 VAR模型脈沖響應(yīng)分析

由圖4可以看出，一方面，財(cái)政支出對(duì)于GDP的沖擊有時(shí)滯性，在初始階段，財(cái)政支出對(duì)GDP的沖擊不產(chǎn)生影響，后期對(duì)GDP產(chǎn)生正向作用，在滯后6、7、8個(gè)月的財(cái)政支出能對(duì)GDP產(chǎn)生正向沖擊，并且能夠持續(xù)一個(gè)季度以上，最終作用趨向0，說明財(cái)政支出在短期內(nèi)并不能促進(jìn)經(jīng)濟(jì)增長(zhǎng)，而隨著時(shí)間的變動(dòng)，財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)的作用趨于零，例如政府修建三峽大壩工程，在短期內(nèi)對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的作用較小，而修建完大壩后，促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用會(huì)較為明顯，而隨著時(shí)間的推移，其產(chǎn)生的影響也會(huì)逐漸消失。而另一方面，GDP增長(zhǎng)率的正缺口會(huì)帶來財(cái)政支出的提高。初期財(cái)政支出對(duì)GDP的沖擊不產(chǎn)生影響，而隨著期數(shù)的滯后，GDP的缺口也會(huì)使得財(cái)政支出增加，隨之經(jīng)濟(jì)的穩(wěn)定，沖擊效果趨向于0，對(duì)財(cái)政支出的作用消失。

圖4 MF-VAR模型脈沖響應(yīng)分析

MF-VAR模型通過對(duì)傳統(tǒng)分布滯后模型和VAR模型進(jìn)行改進(jìn)處理包含頻率不一致類型數(shù)據(jù)的主要模型。針對(duì)財(cái)政支出結(jié)合GDP增長(zhǎng)率進(jìn)行分析可知：

（1）MF-VAR模型與傳統(tǒng)自回歸模型相比，能夠更早地識(shí)別財(cái)政支出對(duì)GDP的促進(jìn)作用，提高了財(cái)政政策的測(cè)量精準(zhǔn)度，為能夠更好地把握財(cái)政政策發(fā)揮效用的時(shí)點(diǎn)和精準(zhǔn)度。此外，GDP正缺口與財(cái)政支出增長(zhǎng)率有相互促進(jìn)作用，財(cái)政支出政策體現(xiàn)出一定的順周期效應(yīng)。

另外，值得注意的是，混頻數(shù)據(jù)模型一定程度上受到數(shù)據(jù)長(zhǎng)短、解釋變量的個(gè)數(shù)、性質(zhì)的影響，而在進(jìn)行宏觀經(jīng)濟(jì)研究時(shí)，需要篩選正確的經(jīng)濟(jì)變量進(jìn)行分析，本文選擇的財(cái)政支出與GDP的關(guān)系較為密切，所以模型擬合程度較好，結(jié)果精確度更高。

（2）MF-VAR模型比同頻自回歸的預(yù)測(cè)結(jié)果更精確。MF-VAR模型結(jié)合頻率高的財(cái)政支出與頻率較低的GDP，先于同頻模型兩個(gè)月左右觀察到GDP對(duì)財(cái)政支出的影響，而在對(duì)模型進(jìn)行滯后處理時(shí)，比同頻模型早約一個(gè)季度觀察到財(cái)政支出對(duì)GDP的影響，可見混頻模型能夠更早地判斷出財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)的正向影響，提高不同頻率宏觀財(cái)政數(shù)據(jù)的利用效率，充分挖掘高頻財(cái)政數(shù)據(jù)的所含信息。而在財(cái)政支出對(duì)產(chǎn)出變化反應(yīng)速度來看，兩個(gè)模型均能夠證明反應(yīng)迅速，而且混頻模型結(jié)果顯示速度更快。

（3）我國(guó)財(cái)政支出與經(jīng)濟(jì)產(chǎn)出增長(zhǎng)率缺口之間具有顯著相關(guān)性。GDP增長(zhǎng)率的正缺口會(huì)帶來財(cái)政支出的提高；而財(cái)政支出增長(zhǎng)率提高時(shí)，GDP正缺口也會(huì)隨之上升。一方面，GDP增長(zhǎng)率為正缺口時(shí)，社會(huì)總供給小于總需求，財(cái)政可能會(huì)通過增加購(gòu)買性支出，縮小通貨膨脹缺口；另一方面，以增加財(cái)政支出為特點(diǎn)的財(cái)政刺激計(jì)劃可能增加財(cái)政赤字風(fēng)險(xiǎn)，引發(fā)物價(jià)上漲壓力。

四、建議

（一）使用更高頻率指標(biāo)“觀測(cè)”財(cái)政支出政策發(fā)揮作用時(shí)點(diǎn)

通過MF-VAR與VAR模型的實(shí)證分析比較結(jié)果可知，使用相同數(shù)據(jù)進(jìn)行分析，前者能夠提前三個(gè)月“觀測(cè)”到財(cái)政支出政策對(duì)GDP的影響。更早地判斷出經(jīng)濟(jì)對(duì)財(cái)政支出政策的反應(yīng)，及時(shí)進(jìn)行相機(jī)抉擇，能夠縮短政策時(shí)滯的負(fù)向影響。此外，除財(cái)政政策外，貨幣政策也是政府調(diào)控的重要工具。政府通過實(shí)施貨幣發(fā)行政策、利率政策、匯率政策等具體政策調(diào)整貨幣供應(yīng)，并與財(cái)政政策配合使用調(diào)節(jié)宏觀經(jīng)濟(jì)運(yùn)行。因而，評(píng)估財(cái)政支出政策時(shí)還可進(jìn)一步引入貨幣政策有關(guān)的季度數(shù)據(jù)、月度數(shù)據(jù)，甚至是日數(shù)據(jù)，通過增加變量維度，增強(qiáng)模型擬合度，提高政策評(píng)估的準(zhǔn)確性。

（二）使用混頻模型判斷財(cái)政支出效果

根據(jù)混頻模型實(shí)證分析結(jié)果，我國(guó)財(cái)政支出政策具有順周期性。在經(jīng)濟(jì)發(fā)展的過程中，若增加財(cái)政支出，可能會(huì)加大產(chǎn)出缺口，導(dǎo)致通貨膨脹問題，影響經(jīng)濟(jì)穩(wěn)定運(yùn)行。可見，財(cái)政支出政策的順周期調(diào)節(jié)問題亟待解決。由于經(jīng)濟(jì)對(duì)財(cái)政支出政策的反應(yīng)存在時(shí)間差，因而選擇合適的時(shí)點(diǎn)進(jìn)行財(cái)政支出政策的改革尤為重要。經(jīng)濟(jì)蕭條時(shí)，政府需及時(shí)采取增加支出或減少稅收等較寬松的財(cái)政政策刺激經(jīng)濟(jì)回升。但是，財(cái)政支出的沖擊對(duì)經(jīng)濟(jì)增長(zhǎng)的變動(dòng)具有時(shí)滯性，并且實(shí)證結(jié)果表明，財(cái)政支出在短期內(nèi)對(duì)GDP影響不夠顯著，因此，可根據(jù)每季度公布的GDP情況，政府需要對(duì)于財(cái)政支出的效果進(jìn)行識(shí)別與預(yù)測(cè)，注意財(cái)政支出的力度把握，估計(jì)財(cái)政政策發(fā)揮效果與作用消失的時(shí)期，以保證財(cái)政支出的力度能對(duì)未來一段時(shí)期的經(jīng)濟(jì)起到促進(jìn)的作用，否則可能會(huì)造成經(jīng)濟(jì)升溫，經(jīng)濟(jì)缺口過大，導(dǎo)致通貨膨脹等問題的發(fā)生。

（三）財(cái)政支出政策的制定可聚焦經(jīng)濟(jì)增長(zhǎng)率缺口

實(shí)證結(jié)果表明，我國(guó)財(cái)政支出政策與經(jīng)濟(jì)產(chǎn)出增長(zhǎng)率缺口的關(guān)系更加密切，綜合考慮兩者之間的關(guān)系，財(cái)政支出會(huì)對(duì)經(jīng)濟(jì)周期性波動(dòng)產(chǎn)生影響。因此，政府在制定財(cái)政支出政策時(shí)需要關(guān)注經(jīng)濟(jì)運(yùn)行的周期性特點(diǎn)，結(jié)合經(jīng)濟(jì)周期的一般性規(guī)律，及基于我國(guó)產(chǎn)業(yè)、人口結(jié)構(gòu)，經(jīng)濟(jì)規(guī)模、政府職能等因素而存在的經(jīng)濟(jì)發(fā)展中的特殊性問題，制定適合我國(guó)經(jīng)濟(jì)發(fā)展的財(cái)政支出政策。如在我國(guó)的環(huán)境保護(hù)、三農(nóng)等特殊問題上需要財(cái)政支持，以縮小產(chǎn)出增長(zhǎng)率的缺口，保持經(jīng)濟(jì)長(zhǎng)期、穩(wěn)定地可持續(xù)增長(zhǎng)。