中国政府成本测度与治理-行政支出视角

《中国政府成本测度与治理-行政支出视角》由会员分享，可在线阅读，更多相关《中国政府成本测度与治理-行政支出视角（14页珍藏版）》请在装配图网上搜索。

1、中国政府成本测度与治理:行政支出视角 　　摘 要：从现实的政府行政支出出发，以中国政府1978-2006年的实际支出资料为依据，设计政府成本理论模型并检验，以预测未来政府成本――行政支出的基本标准，并分析中国政府成本的基本情况，提出相应的治理思路：尊重科学原理确定行政管理成本支出预算标准；参照社会经济发展指标确立行政管理成本支出标准；把政府绩效与行政管理成本支出有机结合起来；重塑政府管理的业务流程。 下载论文网 　　关键词：中国政府；行政成本；预测分析 　　中图分类号：D63 文献标识码：A 文章编号：1008-7168(2009)04-0037

2、-10 　　 　　一般地讲，所谓政府成本，即为政府在治理社会或者在公共管理活动中(包括各类公共项目决策、管理过程、政策制定等)对社会及公众所带来的负面效应，这些负面效应是能够通过政府组织或公务员个人的主观能动性适当控制的[1]。政府成本应该是一个庞大的体系，包括有形成本与无形成本、边际成本、决策成本、机会成本与会计成本、外显成本与隐含成本，增量成本与沉没成本，等等。由此政府成本的范围是非常广泛的，不同的成本概念有其不同的研究针对问题，本文专门就1978年以来政府行政支出成本进行研究，并在理论模型基础上，预测分析未来中国政府成本应控制的尺度，进而提出治理政府成本的意见。 　　 　　一、研

3、究依据：1978-2006年间中国政府支出成本基本资料 　　 　　为了便于研究预算内行政成本的研究，可以判断行政支出成本的基本条件。一般地讲，行政成本支出的条件是以财政收入为前提条件的，同时，它与财政总支出也是密切相关的，时间是社会经济发展所要记载的必然要素。实际上，影响行政支出的变量是很多的，但最主要的还是财政收入和基本支出。在这里，我们的假定因素是，来自中国1978年以来详细的实际支出资料，从而把整个研究过程建立在实证分析的基础上。表1是中国1978-2006年预算成本支出的实际执行情况，整个研究过程是在实际资料(硬支出指标)基础上进行的。 　　 　　二、预测模型的建立 　　

4、　　(一)基本分析 　　根据表1的资料，我们选择应用最小二乘准则建立多元线性回归模型。依据变量的相关情况，我们这里假定，财政收入、财政总支出是行政成本支出的因变量，即 　　X??1表示财政收入，X??2表示财政总支出，t表示时间，y为因变量-行政成本支出。 　　实际影响财政支出成本的与因变量有关联的自变量不止一个，那么就应该考虑用最小二乘准则，来建立多元线性回归模型。 　　表1 1978-2006年期间中国行政预算成本支出情况 　　年份 　　财政收入财政支出收支差额增长速度(%)行政支出情况 　　(亿元)(亿元)(亿元)财政收入财政支出支出额行政支出占总支出比重(%) 　　19

5、781132.261122.0910.1729.513352.94.71 　　1979966.611281.37-314.761.2028.0570.885.53 　　19801159.931228.83-68.91.211.2575.536.15 　　19811415.151426.22-11.0712.2016.0676.177.99 　　19821478.681482.32-3.644.503.93102.336.90 　　19831519.361556.88-37.522.755.03158.6210.18 　　19841563.761647.49-83.732.925.8

6、2161.089.78 　　19852004.822004.250.5722.0117.81171.068.53 　　19862413.962491.28-77.3220.4124.30214.548.61 　　19872447.692562.23-114.541.3928.48268.5910.48 　　19882478.592604.95-126.361.261.67301.3611.57 　　***2664.92823.78-158.8813.1113.26386.2613.68 　　19902937.13083.59-146.4910.219.18414.5613.44

7、　　19913149.483386.62-237.147.199.77414.0112.23 　　19923483.373742.2-258.8310.5610.45463.4112.38 　　19934348.954642.3-293.3524.7624.12634.2613.66 　　19945218.15792.62-574.5220.1024.80847.6814.63 　　19956242.26823.72-581.5219.5917.78996.5414.6 　　19967407.997937.55-529.5618.6816.231185.2814.93 　　1997

8、8651.149233.56-582.4216.7916.331358.8514.72 　　19989875.9510798.18-922.2314.2216.871600.2714.82 　　199911444.0813187.67-1743.5915.8822.122020.615.32 　　200013395.2315886.5-2491.2717.0120.482768.2217.43 　　200116386.0418902.58-2516.5422.2619.103512.4918.63 　　200218903.6422053.15-3149.5115.3716.66410

9、1.3218.6 　　200321715.2524649.95-2934.7014.8511.784691.2619.03 　　200426396.4728486.89-2090.4221.5615.755521.9819.19 　　200531649.2933930.28-2280.9919.9919.116512.3419.38 　　200635423.3838373.38-2950.0011.9213.107779.6419.46 　　 资料来源：《中国统计年鉴》，中国统计出版社2006年版；《中经网统计数据库》2007年1月17日。 　　我们通过表1中的数据可知，只有财政支

10、出、财政收入、行政成本支出这三者之间具有独立关系，而其他几组数据都是由这三者转化而来，所以我们只做以行政支出(y)作为因变量，财政收入(x??1)和财政总支出(x??2)为自变量的二元线性回归。 　　(二)根据散点图是否具有线性关系建立回归模型 　　1.利用Matlab，可以得到y与x??1、x??2的散点图。 　　首先列出y与x的数据集合，即因变量y的数据集合为表2。 　　表2 因变量y的数据集合 　　y=[52.9 70.88 75.53 76.17 102.33 158.62 161.08 171.06 214.54 268.59 301.36 386.26 414.56 41

11、4.01 463.41 634.26 847.68 996.54 1185.28 1358.85 1600.27 2020.6 2768.22 3512.49 4101.32 4691.26 5521.98 6512.34 7779.64] 　　自变量x??1的数据集合如表3。 　　表3 自变量x??1的数据集合 　　x??1=[1132.26 966.61 1159.93 1415.15 1478.68 1519.36 1563.76 2004.82 2413.96 2447.69 2478.59 2664.9 2937.1 3149.48 3483.37 4348.95 5218.1

12、 6242.2 7407.99 8651.14 9875.95 11444.08 13395.23 16386.04 18903.64 21715.25 26396.47 31649.29 35423.38] 　　自变量x??2的数据集合如表4。 　　表4 自变量x??2的数据集合 　　x??2=[1122.09 1281.37 1228.83 1426.22 1482.32 1556.88 1647.49 2004.25 2491.28 2562.23 2604.95 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72

13、7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 24649.95 28486.89 33930.28 38373.38] 　　自变量x??3的数据集合如表5。 　　表5 自变量x??3的数据集合 　　x??3=[10.17 -314.76 -68.9 -11.07 -3.64 -37.52 -83.73 0.57 -77.32 -114.54 -123.36 -158.88 -146.49 -237.14 -258.83 -293.35 -574.52 -581.52 -529.56 -582.42 -922.23

14、-1743.59 -2491.27 -2516.54 -3149.51 -2934.7 -2090.42 -2280.99 -2950] 　　自变量x??4的数据集合如表6。 　　表6 自变量x??4的数据集合 　　x??4=[29.51 1.20 1.21 12.20 4.50 2.75 2.92 22.01 20.41 1.39 1.26 13.11 10.21 7.19 10.56 24.76 20.10 19.59 18.68 16.79 14.22 15.88 17.01 22.26 15.37 14.85 21.56 19.99 11.92] 　　自变量x??5的数据集合如

15、表7。 　　表7 自变量x??5的数据集合 　　x??5=[33 28.05 1.25 16.06 3.93 5.03 5.82 17.81 24.3 28.48 1.67 13.26 9.18 9.77 10.45 24.12 24.8 17.78 16.23 16.33 16.87 22.12 20.48 19.1 16.66 11.78 15.75 19.11 13.1]； 　　x??6=[4.71 5.53 6.15 7.99 6.9 10.18 9.78 8.53 8.61 10.84 11.57 13.68 13.44 12.23 12.38 13.66 14.63 14.6

16、 14.93 14.72 14.82 15.32 17.43 18.63 18.6 19.03 19.19 19.38 19.46] 　　其次，根据资料绘制Y分别与X??1、X??2之间的散点图，见图1、图2。plot(x??1，y，????|*|??)；plot(x??2，y，????|*|??) 　　图1 y与x??1的散点图 　　图2 y与x??2的散点图 　　从这两个散点图我们可以清楚地看到y与x??1、x??2之间有很好的线性关系。 　　2.建立y与x??1，x??2，…，x??p的p元线性回归模型 　　假设它们之间的线性关系为： 　　?И?y=β??0+β??1x??

17、1+…+β??px??p+ε(1)?И? 　　式中的x??1，x??2，…x??p是可精确测量或可控的一般变量，y是可观测的随机变量，β??0，β??1，β??2是未知参数，ε是服从N(0，σ??2)分布的不可测的随机误差，我们获得了n组独立观测值(样本)?И? 　　(y??i，x????i1??，…x????ip??)，i=1，2，…29(2)?И? 　　于是由(1)式可知具有数据结构式： 　　?И?y??i=β??0+β????i1??x??1+…+β??px??ip??+ε，i=1，2，…29(3)?И? 　　其中诸ε??1，ε??2，…ε????29??相互独立，且均服从N(

18、0，σ??2)，这就是p元线性回归模型。对p元线性回归模型我们将研究下面几个问题： 　　一是根据样本去估计未知参数β??0+β??1，…β??p，σ??2，从而建立y与x??1，x??2，…x??p间的数量关系式(常称为回归方程)。 　　二是对由此得到的数量关系式的可信度进行统计检验。 　　三是检验各变量分别对指标是否有显著影响。 　　3.参数估计 　　我们首先讨论如何由(2)式去估计(1)式中的参数β??0，β??1，…β??P及σ??2的问题。设β??0，β??1，…β??p的估计分别记为??0??1，…，??p那么我们就可以得到一个p元线性回归方程：?И? 　　=??0+??

19、1x??1+…+??px??p(4)?И? 　　称(4)式为p元线性回归方程，对(2)中的每一个样本点(x????il??，…，x????ip??)由(4)式可求得相应的值：?И? 　　??i=??0+??1x????i1??+…+??px????ip??(5)?И? 　　称由(5)所求得的??i为回归值(在某些情况中，亦称预测值，拟合值等)，我们总希望由估计??0，??1，…，??p所定出的回归方程能使一切y??1与??i之间的偏差达到最小，根据最小二乘法原理，即要求?И? 　　????min????β??0，β??1，…，β??p∑ni=1(y??i-β??0-β??1x????i

20、p??-…-β??px????ip??)??2=∑(y??i-??0-??1x????i1??-…-??px????ip??)??2?И? 　　所以我们只要求使 　　?И?Q(β??0，β??1，…，β??p)=∑ni=1(y??i-β??0-β??1x????il??…-β??px????ip??)??2?И? 　　达到极小的β??0，β??1，…，β??p由于Q是β??0，β??1，…，β??p的一个非负二次型，故其极小值必存在，根据微积分的理论知道要求Q对β??0，β??1，…，β??p的一阶偏导数为0。?И? 　　??Q?L?郸陋?0=-2∑ni=1(y??i-β??0-β??

21、1x????i1??-…-β??px????ip??)=0 　　??Q?L?郸陋?j=-2∑ni=1(y??i-β??0-β??1x????i1??-…-β??px????ip??)x????ij??=0J=1，2，…p?И? 　　经整理即得关于β??0，β??1，…，β??p的一个线性方程组 　　?И?nβ??0∑ni=1x????i1??β??1+…+∑ni=1x????ip??β??p=∑ni=1y??i 　　∑ni=1x????il??β??0+∑ni=1x????il????2β??1+…+∑ni=1x????i1??x????ip??βp=∑ni=1x????il??y??

22、i………… 　　∑ni=1x????ip??β??0+∑ni=1x????ip??x????i1??β??1+…+∑ni=1x????ip????2β??p=∑ni=1x????ip??y??i 　　(6)?И? 　　称(6)为正规方程组，其解称为β??0，β??1，…，β??p的最小二乘估计 　　(6)式可用矩阵的形式简单的表示出来，令 　　X=1 x????11?? … x????1p?? 　　1 x????21?? … x????2p?? 　　… … … … 　　1 x????n1?? … x????np??，Y=y??1y??2??y??n，β=β??0β??1?螃陋?

23、p 　　若记(6)的系数矩阵为A，常数项矩阵为B，则恰好为X′X，恰好为X′Y： 　　X′X=??1 1 … 1 　　x????11?? x????21?? … x????n1?? 　　… … … … 　　x????1p?? x????2p?? … x????np?? 　　1 x????11?? … x????1p?? 　　1 x????21?? … x????2p?? 　　… … … … 　　1 x????n1?? … x????np???? 　　 = 　　??n ∑ni=1x????i1?? … ∑ni=1x????ip?? 　　∑ni=1x????i1??

24、∑ni=1x????i1????2 … ∑ni=1x????i1??x????ip?? 　　… … … … 　　∑ni=1x????ip?? ∑ni=1x????ip??x????i1?? … ∑ni=1x????ip????2??=A 　　X′Y=??1 1 … 1 　　x????11?? x????21?? … x????n1?? 　　… … … … 　　x????1p?? x????2p?? … x????np?? 　　 y??1y??2…y??n?? 　　= 　　?А?ni=1y??i 　　∑ni=1x????i1??y??i 　　?蟆?ni=1x????ip

25、??y??i??=B 　　因而(6)式用矩阵形式表示即为：?И? 　　X′Xβ=X′Y?И? 　　称X为结构矩阵，它说明Y的数学期望的结构。A=X′X为正规方程组的系数矩阵，B=X′Y为正规方程组的常数项矩阵。在回归分析中通常A????-1??存在，这时最小二乘估计可表示为： 　　?И?=(X′X)????-1??X′Y(7)?И? 　　当我们求得了β的最小二乘估计后，就可以建立回归方程=??0+??1x??1+…+??px??p从而我们可以利用它对指标进行预测和控制。例如给出任意一组变量x??1，x??2，…x??p的值(x????01??，x????02??，…x????0p??

26、)后就可以根据=??0+??1x??1+…+??px??p求得相应的预测值： 　　?И?=??0+??1x????01??+…+??px????0p???И? 　　为了了解预测的精度及控制生产的需要，通常还需求得σ??2的估计。 　　为求σ??2的估计，先引入几个名词，称实测值y??i与回归值??i的差y??i-??i为残差，称 　　=Y-=Y-X=[I??n-X(X′X)????-1??X′]Y(8) 　　为残差向量，而称 　　 Se=∑ni=1(y??i-??i)??2=′=(Y-X)′(Y-X) 　　=Y′Y-X′Y=Y′[I??n-X(X′X)????-1??X′]Y(9

27、) 　　为剩余平方和(或残差平方和)，(9)中各式只是它的不同表示法。 　　为了给出σ??2的无偏估计，先证明一个定理： 　　定理E(Se)=(n-p-1)σ??2(10) 　　证 由Se=∑ni=1(y??i-??i)??2=′ 　　 =(Y-X)′(Y-X) 　　=Y′Y-X′Y=Y′[I??n-X(X′X)????-1??X′]Y 　　可知 E(Se)=E(′)=E(tr′) 　　=E(tr′)=trE(′) 　　由=Y-=Y-X=Y′[I??n-X(X′X)????-1??X′]Y可知 　　E=E(Y-X)=E[Y-X(X′X)????-1??X′Y] 　　=Xβ

28、-X(X′X)????-1??X′Xβ=0 　　故 　　 E(′)=D()=D[I??n-X(X′X)????-1??X′)Y] 　　=[I??n-X(X′X)????-1??X′]D(Y)[I??n-X(X′X)????-1??X′] 　　=[I??n-X(X′X)????-1??X′][I??n-X(X′X)????-1??X′]σ??2 　　=σ??2[I??n-X(X′X)????-1??X′] 　　将它代入 E(Se)=trσ??2[I??n-X(X′X)????-1??X′] 　　 =σ??2(n-trI????P+1??)=σ??2(n-p-1) 　　定理证毕

29、　　由E(Se)=(n-p-1)σ??2可知 　　?ИИ?2=Sen-p-1?И? 　　是σ??2的无偏估计。 　　回到我们讨论的问题，我们要建立行政支出与财政收入和财政支出的二元线性回归，我们用矩阵形式写出其正规方程组。先写出XY矩阵： 　　X=??1 x????11?? x????12?? 　　1 x????21?? x????22?? 　　?? ?? ?? 　　1 x????n1?? x????n2??， Y=y??1y??2??y??n?? 　　则 　　X′X 　　??n ∑ni=1x????i1?? ∑ni=1x????i2?? 　　∑ni=1x????i1??

30、 ∑ni=1x????i1????2 ∑ni=1x????i1??x????i2?? 　　∑ni=1x????i2?? ∑ni=1x????i1??x????i2?? ∑ni=1x????i2????2，X′Y= 　　∑ni=1y??i 　　∑ni=1x????i1??y??i 　　∑ni=1x????i2??y??i?? 　　从而由=(X′X)????-1??XY得正规方程组为： 　　?И?nβ??0∑ni=1x????i1??β??1+∑ni=1x????i2??β??2=∑ni=1y??i 　　∑ni=1x????i1??β??0+∑ni=1x????i1????2β??1

31、+∑ni=1x????i1??x????i2??β2=∑ni=1x????i1??y??i 　　∑ni=1x????i2??β??0+∑ni=1x????i1??x????i2??β??2+∑ni=1x????i2????2β??2=∑ni=1x????i2??y??i 　　(11)?И? 　　其中x????i1??x????i2??分别为1978年到2006年的财政收入与财政支出的实测值。n=29。一种直接的求法为： 　　由正规方程组(11)知： 　　?ИИ?0=y-??1??1-??2??2?И? 　　其中=1n∑y??i，??1=1n∑y????i1??，??2=1n∑y??

32、??i2??。将它代入(11)式的第二式与第三式，可得一个关于??1，??2的二元一次方程组 　　?? ∑(x????i1????2-x????i1????1)??1+∑(x????i1??x????i2??-x????i1????2)??2= ∑(y??i-)x????i1?? 　　∑(x????i1??x????i2??-x????i2????1)??1+∑(x????i2????2-x????i2????2)??2= ∑(y??i-)x????i2???? 　　从而可以求??1，??2。 　　记l????11??=∑(x????i1????2-x????i1????1) l???

33、?12??∑(x????i1??x????i2??-x????i1????2) 　　 l????01??=∑(y??i-y)x????i1?? 　　 l????21??=∑(x????i1??x????i2??-x????i2????1)??1 l????22??∑(x????i2????2-x????i2????2) l????02??=∑(y??i-)x????i2?? 　　所以?И? 　　??0=-??1??1-??2??2 　　??1=l????01??l????22??-l????02??l????12??l????11??l????22??-l????12??l????2

34、1?? 　　??2=l????02??l????11??-l????01??l????21??l????11??l????22??-l????12??l????21?? 　　?И? 　　有了??0，??1，??2后，先由 　　 Se=∑ni=1(y??i-??i)??2=′=(Y-X)′(Y-X) 　　=Y′Y-X′Y=Y′[I??n-X(X′X)????-1??X′]Y 　　求Se，再利用??2=Sen-3来求??2 　　由于根据1978年到2006年这29年数据的计算量比较，而Matlab提供了计算线性回归的工具函数，所以可以减去大量的繁琐的计算就能得到较精确的估计。为了使得

35、计算的误差减小，我们把每组数据都缩小10倍，即每组数据都乘以0.1，这样，利用Matlab统计工具箱得到初步的回归方程。 　　程序如下： 　　首先列出y与x??1，x??2的数据集合，分别以表8、表9、表10表示，即： 　　这里n=25，m=2 　　X=[ones(n，1)，x??1′，x??2′] 　　[b，bint，r，rint，s]=regress(Y′， X， 0.05) 　　b，bint，r，rint，s， 　　表8 y的数据集合 　　Y=0.1[52.9 70.88 75.53 76.17 102.33 158.62 161.08 171.06 214.54 268

36、.59 301.36 386.26 414.56 414.01 463.41 634.26 847.68 996.54 1185.28 1358.85 1600.27 2020.6 2768.22 3512.49 4101.32] 　　表9 x??1的数据集合 　　x??1=0.1[1132.26 966.61 1159.93 1415.15 1478.68 1519.36 1563.76 2004.82 2413.96 2447.69 2478.59 2664.9 2937.1 3149.48 3483.37 4348.95 5218.1 6242.2 7407.99 8651

37、.14 9875.95 11444.08 13395.23 16386.04 18903.64] 　　表10 x??2的数据集合 　　x??2=0.1[1122.09 1281.37 1228.83 1426.22 1482.32 1556.88 1647.49 2004.25 2491.28 2562.23 2604.95 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15] 　　运行后得到结果如表11所示。

38、　　表11 ??0，??1，??2的运行结果 　　回归系数回归系数的置信区间回归系数的估计值 　　??0[-210.4264 -72.8317]-141.6291 　　??1[-0.4468 -0.0939]-0.2704 　　??2[0.2674 0.5691]0.4182 　　R??2=1 F=2005.8 PF????1-a??(m，n-m-1)即认为因变量y与自变量x??1，x??2之间显著地有线性相关性；否则认为因变量y与自变量x??1，x??2之间的相关性不太显著。该模型中大于F????(1-a)(2，22)=3.4434(查F分布表或输入命令finv(0.95，2，22

39、))。 　　(3)P值检验：若P　　以上三种统计推断方法推断的结果是一致的，说明因变量y与自变量x??1，x??2之间显著地有线性相关性，所得的回归模型可用的。s??2当然越小越好，这主要在模型改进时作为参考。 　　 　　三、对中国政府未来行政支出成本的预测 　　 　　为检验上述模型的正确性，我们选取2008年、2020年、2050年进行模拟预测。要得到2008到2020以及2050年的行政支出，我们的思想是把时间作为一个自变量，财政收入和财政支出均作为因变量，通过Matlab工具箱作一个线性或非线性的拟合可得出预期的年份的财政收入与支出，再由模型一中的回归方程，可以得出预期年份行政

40、支出。 　　同样，我们利用Matlab工具箱作一个时间与财政收入与支出的散点图，会发现它们呈一个二次函数的关系，所以我们利用二次多项式来拟合它们的关系。 　　(一)预测程序 　　1.建立M文件 　　function yhat=model(beta0，x) 　　a=beta0(1)； 　　b=beta0(2)； 　　c=beta0(3)； 　　x??2=x(：，2)； 　　t=x(：，1)； 　　yhat=a+b*t+c*t.^2； 　　2.建立程序 　　x=[19781132.261122.09 　　1979966.611281.37 　　19801159.9312

41、28.83 　　19811415.151426.22 　　19821478.681428.32 　　19831519.361556.88 　　19841563.761647.49 　　19852004.822004.25 　　19862413.962491.28 　　19872447.692562.23 　　19882478.592604.95 　　***2664.92823.78 　　19902937.13083.59 　　19913149.483386.62 　　19923483.373742.2 　　19934348.954642.3 　　19945218.1

42、5792.62 　　19956242.26823.72 　　19967407.997937.55 　　19978651.149233.56 　　19989875.9510798.18 　　199911444.0813187.67 　　200013395.2315886.5 　　200116386.0418902.58 　　200218903.6422053.15 　　200321715.2524649.95 　　200426396.4728486.89 　　200531649.2933930.28 　　200635423.3838373.38] 　　beta0=[50

43、0 1 0.5]； 　　x??2=x(：，2) 　　[beta，R，J]=nlinfit(x，x2，model，beta0)； 　　betaci=nlparci(beta，R，J)； 　　beta，betaci 　　a=beta(1)； 　　b=beta(2)； 　　c=beta(3)； 　　t=x(：，1)； 　　yy=a+b*t+c*t.^2； 　　plot(t，x2，o，t，yy，-)，pause 　　nlintool(x，x2，model，beta) 　　图3表示1978年到2006年的时间t与财政收入的散点图，实线表示拟合后时间t与财政收入的函数关系，所得到的

44、一个交互式的画面如图4所示。 　　图3 以x??1为标志1978-2006年财政收入散点图 　　图4 以x??1为标志的1978-2006年财政收入交互画面 　　通过运行程序得到的与时间的关系为： 　　?И?x??1=5088.67-1000.588t+72.356t??2；?И? 　　因此，以x??1为标志与时间t的分析结果如表12。 　　表12 以x??1为标志的分析结果 　　系数系数值的置信区间系数的估计值 　　β??0[2785.782 7391.566]5088.674 　　β??1[-1546.264 -838.588]-1192.426 　　β??2[60.9

45、11 83.801]72.356 　　用同样的方法，我们可以得到x??2与时间t的关系。 　　图5 以x??2为标志1978-2006年财政收入散点图 　　所得到的一个交互式画面如下： 　　图6 以x??2为标志的1978-2006年财政收入交互画面 　　通过运行程序得到的x??2与时间t的关系为： 　　?И?x??2=5367.056-1123.257t+79.050t??2；?И? 　　同样，以x??2为标志与时间的分析结果如表13。 　　表13 以x??2为标志的分析结果 　　系数系数值的置信区间系数的估计值 　　β??0[3181.663 7552.449

46、]53670.56 　　β??1[-1620.442 -9488.73]-1284.657 　　β??2[68.18889.911]79.050 　　3.预测结果 　　2008年的行政支出预算： 　　把t=30代入模型二中可得： 　　x??1=5088.674-1000.588830+72.356 30??2=40191 　　x??2=5367.056-1123.25730+79.050 30??2=42814 　　再把x??1，x??2的值代入(2)式可得2008年的行政支出预算： 　　y=-141.6291-0.250440191+0.4538 42814=9223.6

47、 　　2020年的行政支出预算： 　　把t=42代入模型二中可得： 　　x??1=5088.674-1000.588842+72.356 42??2=90700 　　x??2=5367.056-1123.25742+79.050 42??2=97638 　　再把x??1，x??2的值代入(2)式可得2020年的行政支出预算： 　　y=-141.6291-0.250490700+0.4538 97634=21454 　　2050年的行政支出预算： 　　把t=72代入模型二中可得： 　　x??1=5088.674-1000.588872+72.356 72??2=30814 　　

48、x??2=5367.056-1123.25730+79.050 30??2=334290 　　再把x??1，x??2的值代入(2)式可得2050年的行政支出预算： 　　y=-141.6291-0.2504308140+0.4538 334290=704400 　　综上可得： 　　2008年预期的行政支出为：9223.6(亿)， 　　2020年预期的行政支出为：21454(亿)， 　　2050年预期的行政支出为：704400(亿)。 　　 　　四、中国政府行政成本的治理思路 　　 　　根据研究结果，我们认为，既往的中国政府行政管理成本在治理上始终处于盲从状态，缺乏科学的考核标

49、准。为此，根据研究结果，结合现实情况，提出我们的治理思路。 　　(一)尊重科学原理确定行政管理成本支出预算标准 　　尽管预算改革属于政府管理方式和技术层面的问题，然而，健全的预算不仅对一国经济增长有着深远的影响，同时也是良好的公共治理结构的关键要素[3](pp.923-38)。行政管理成本的支出是完全纳入政府年度预算的，这就使政府行政管理成本支出控制的主观能动性很大。政府过去在每年的财政总支出上一贯尊重传统的预算工作，但是对于政府自身的行政管理支出还没有一套相对成熟的预算或考核标准。一般地讲，政府常规下行政管理成本支出波动不是很大，这样，使得制定相应的科学支出依据就存在客观上的可能。上述的

50、预测仅仅是一种确立行政管理成本支出预算的方法，虽然不能说就是完全意义上的科学，但它可以为将来的行政管理成本支出找到相应的标准或者说找到相应的参考依据，可以借此原理，考虑相应的调整系数，结合实际情况使政府的行政管理成本支出更加科学合理。例如，我们按照过去近30年的资料，测得2008年中国政府的行政管理成本支出应该是9223.6亿元，2020年和2050年，中国政府行政管理成本的支出应该分别为21454亿元、704400亿元，也许像2050年这样长远的预测还需要调整系数来进一步切合实际，但是，从近期的情况看，这种预测结果还是有很好的参考价值的。从一定意义上讲，尊重科学原理规范政府行政管理成本支出的

51、预算标准，是硬性约束政府管理行为的有效举措，是建立企业家政府，整合不同的体制，为社会提供无缝隙服务[2](p.181)，推进中国政府公共管理现代化并实现服务型政府的必由之路。 　　(二)参照社会经济发展指标确立行政管理成本支出标准 　　实际上，公共管理的许多方面都是能够综合考虑的。我们假定，如果一个相对能够体现帕累托改善效应的政府组织??①，在常规环境下，其自身的成本支出的比重大小，应该控制在其业绩发展速度范围之内，根据这个道理，我们认为，下列指标是政府做行政管理成本支出预算时所要必须考虑的：一是政府行政管理成本支出增长幅度不能高于整个国家GDP的增长幅度；二是政府行政管理成本的支出增长幅

52、度不应该高于该国人均纯收入的增长幅度；三是政府行政管理成本支出增长幅度不应该高于全社会消费水平在增长幅度(如果考虑更加仔细一点的话，应该是不高于全社会消费总量中除去用于建设、教育文化、卫生等以及人们生活必须品之外的那部分消费总量的增长幅度)，应该说该指标是政府行政管理成本支出最能够参照的指标；四是政府行政管理成本支出增长幅度不应该高于国民收入总量的增长幅度。另外，政府行政管理成本的支出还可以考虑与财政总收入之间的关系。总之，只有确立了能够参照的支出标准，政府行政管理成本的预算才是科学的。政府行政管理成本如果不能建立一个科学的支出标准，很有可能会是行政管理成本支出预算越来越背离客观依据，例如，中

53、国政府自1978年以来，行政管理成本支出和财政总收入之间的比重是一个持续增长的过程，即由1978年行政管理成本支出占财政总收入的4.71%，发展到2006年行政管理成本支出占财政总收入的19.46%，如果照此发展下去，是人们难以想象。 　　(三)把政府绩效与行政管理成本支出有机结合起来 　　在私人领域，经济效益是指生产总值与同生产成本之间的比例关系。用公式表示：经济效益=(生产总值/生产成本)= 　　C+V+MC+V 　　这里C为消耗原材料价值；V是工人工资；M是利润。 　　在政府管理领域，对绩效定义是什么，实际上还并不十分明确。我们认为，所谓政府绩效就是政府管理决策为社会带来的福利

54、的大小与其所付出代价之间的比例关系，这种代价就是政府成本，而这种政府成本在行政管理支出预算方面和政府绩效是密切关联。西方各国在政府再造过程中发展了企业化预算制度(Entrepreneurial Budgeting System)??②， 如果不考虑政府行政管理的成本支出，单方面讲究政府绩效，很难得出政府绩效优劣与否的。直至目前，无论是公共管理实践，还是理论研究，不能把政府绩效评价和政府在行政管理成本领域的支出问题密切结合起来，这是理论与实践方面共同存在的误区。我们假定政府管理不计较成本支出，在具体的有形公共产品项目上可能得不偿失，而在无形公共产品项目上亦然，例如，历史上在西部地区大量开荒种田，

55、造成当前与未来很长时期的沙漠化现象及循环经济方面的成本可能还要大于社会福利总量。由此，如何把政府绩效与行政管理成本有机地结合起来分析，是治理政府在行政管理领域成本支出问题不可忽略的具有保障意义的问题。 　　(四)重塑政府管理的业务流程 　　重塑政府管理的业务流程就是要用治理理念关注政府行为，如何在日益多样政府管理成本支出的关键。在中国传统的政府管理业务流程下，政府管理活动是不考虑成本问题的，重点是考虑如何贯彻落实政府的政治意图，只要政府的基本化的政府组织形式下保护公共利益[4](p.3)，从根本上讲，政府管理的业务流程是影响意图达到了，管理认为就落实了。这种由于管理理念下产生的政府管理的业

56、务流程，在一定程度上忽略对行政管理成本支出的考虑，以公共服务为理念所建立的政府管理业务流程，从根本上摈弃了政府只顾自身的执政而不考虑社会需要的传统思维，公共服务理念下的政府管理是为治理社会而设立的业务流程，政府的目标从政体价值的白话保护范围扩大到所有的公众[5](p.42)，其基本标志是社会资源配置的帕累托改善，体现的是公众用他们所缴纳的税收向政府购买公众所需要的服务，行政管理的成本控制成了政府运转的前提。实际上，新的业务流程应该遵循政府组织中存在的四种基本的运作过程，即分配过程、整合过程、边界交换过程和社会动机过程[6](p.395)，因此，重塑政府管理的业务流程，与控制行政管理成本成了相辅

57、相成、相得益彰的关系。 　　 　　注释： 　　①在相应正常发展组织内部，一般组织的成本支出比重增长幅度的大小，都是不能超过其业绩发展速度的，政府组织也应该参考这种成本业绩增长与发展之比重的规律。当然，当组织业绩受到客观影响，遭遇特殊情况时，该规律就会打破。 　　②也可称为“绩效基础预算”(Performance-based Budgeting)、“使命导向预算”(Mission-drivenbudgeting)或者支出控制预算“(Expenditure-control budgeting)。 　　 　　参考文献： 　　[1]何翔舟.论政府成本[J].新华文摘，2001，(12)；

58、行政成本及其治理[J].政治学研究，2004，(4). 　　[2]拉塞尔.M，林登.无缝隙政府[M].北京：中国人民大学出版社，2002. 　　[3](转)陈小悦，陈立齐.政府预算与会计改革-中国与西方的模式[M].北京：中信出版社，2002. 　　[4]经济合作发展组织.分散化的公共治理――代理机构、权力主体和其他政府实体[M].北京：中信出版社，2004. 　　[5]乔治弗雷德里克森.公共行政的精神[M].北京：中国人民大学出版社，2003. 　　[6]H.George Frederickson.Toward a New Public Administration[A]. Jay M. Shafritz， Albert C.Hyde.Classics of Public Administratration[C]. Oak Park， Illinois：Moore Publishing Company， Inc.1978. 　　[责任编辑：段志超]