一、文献回顾
　　 财政政策在提高城乡居民生活水平、调节收入差距有着重要作用。陈太明（2007）通过误差修正模型研究得出，中国政府支出与居民消费不存在Granger因果关系；官永彬（2008）采用向量自回归模型，表明政府支出对城镇居民与农村居民消费的影响存在显著差异；田青（2008）运用时变参数模型说明，政府支出对居民消费的影响因经济发展时期各异，并且发现基本建设支出对居民消费具有正向拉动作用；此外，李树陪（2009）也表示，政府支出对居民消费影响为正，且城市居民消费的促进效应强于农村居民消费。
　　 传统的凯恩斯主义理论认为：在社会有效需求不足的情况下，增加政府财政支出可以通过乘数、加速数原理对国民经济起到倍增的刺激拉动作用，进而带动居民收入增长、提高居民生活水平。综上有关财政支出和居民消费的相关性研究，不同的学者从不同的视角，采用不同的样本和统计方法，得出的结论不尽一致。而面对金融危机，我国实施积极的财政政策，提出一系列刺激消费的措施，一定程度上刺激了居民消费。那么，财政支出对居民消费的影响有多大？政府支出结构应该如何分配以有效刺激居民消费？怎样合理安排财政支出，促进经济协调发展？本文试图对我国的财政支出和居民消费支出关系进行量化分析，结合所收集到的数据，应用典型相关分析，揭示我国财政支出对居民消费支出的影响，为改善政府的财政支出结构，促进我国经济长期、持续发展提供参考借鉴。
　　 二、我国财政支出与居民消费的相关性研究
　　 （一）财政支出和居民消费支出指标选取
　　 指标的选取是一项复杂的工作，为达到科学性、规范性和适用性的目的，依据可比性、可操作性、可获得性等原则，本文在不考虑两类指标是否存在挤出效应或挤入效应的条件下，选取基本建设支出(x1)、挖潜改造资金和科技三项费用(x2)、工、交、流通部门事业费(x3)、支农支出(x4)、科教文卫(x5)、社会保障支出(x6)、国防支出(x7)、政策性补贴支出(x8)等反映财政支出(x)变量。
　　 居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，而且鉴于数据的可得性和完整性，本文以城镇居民为研究对象，而且居民消费支出(y)变量主要体现在衣、食、住、行和社会保障等其他方面，经过筛选，以食品(y1)、衣着(y2)、居住(y3)、家庭设备用品及服务(y4)、医疗保健(y5)、交通通信(y6)、教育文化娱乐服务(y7)、杂项商品与服务(y8)等八个方面衡量居民消费支出。
　　 （二）数据来源
　　 本文数据来源于2009年《中国统计年鉴》，研究时间段是1990-2008年。为统一指标，其中，居民消费支出1990-1995年数据通过计算得出，财政支出2007-2008年数据作了相应计算处理。
　　 （三）财政支出和居民消费典型相关分析的基本思想及数学描述
　　 典型相关分析是主成分分析和因子分析的进一步发展，是把原来两组变量之间的相关，以减少研究变量的个数为目的转化为研究从各组中提出的少数几个典型变量之间的典型相关，并且使得典型相关系数达到最大。
　　 设两组为p维和q维，相互关联随机向量x=(x1，x2，……xp)′y=(y1，y2 ……yp)′，x和y协方差阵为cov 其中∑12=∑21′。为了研究两组向量x与y二间相关关系，考察其线性组合 在x， y及∑给定的情况下，即是求a，b，使得u与v之间的相关系数ρ(u，v) = 达到最大。标准化随机变量u及v，则 (1)，于是就是在(1)约束条件下，求a∈Rp，b∈Rp，使ρ(u，v)=a′∑12 b达到最大。
　　 构造拉格朗日函数L(a，b，λ，μ)=
　　式中λ和μ是拉格朗日乘数因子。对L关于a，b分别求偏导数，令其等于0，得方程组为 (2)，将方程组(2)分别左乘a′和b′，有 ，又μ=b′∑21a=(a′∑12b)′=λ，并由前面(1)式约束条件可知：λ和μ恰好等于线性组合u和v之间的相关系数，即 λ= μ=ρ(u，v)。通过解上面方程组(2)可得ajk和bjk ，并写出各典型变量uk 和vk 。对所求得的典型变量进行显著性检验，只有通过检验的典型变量才是有意义的。
　　 （四）财政支出和居民消费典型相关分析过程
　　 运用软件SAS 9.1运行后对其结果进行分析。由两组变量内部的相关矩阵知，财政支出和居民消费内部的各自八个指标均密切相关，对两组变量可以分别提取典型变量。
　　 1.典型相关系数及显著性检验
　　 由表1知，前三对典型变量相关系数都较高，说明各对典型变量相关性很大。并且，在5%的显著性水平下，三对典型变量均通过了假设检验，表示相应的典型变量之间的相关关系显著，说明典型变量具有代表性，可以用这些变量对财政支出变量组和居民消费支出变量组进行研究分析，而其余变量都不具有代表性，可以忽略不计。
　　 2.模型的解释能力分析
　　 冗余度分析揭示了模型的解释能力，它列出各典型相关系数所能解释的变量变异的比例，也可以用来辅助判断需要保留多少个典型变量。
　　 由表2发现：三对典型变量u1、u2、u3和v1、v2、v3均很好地解释了对应组变量，标准变量组居民消费支出被自身典型组解释的百分比分别是92.69%、4.02%、0.62%，解释之和为97.33%。
　　 标准变量组财政支出被其自身典型变量解释的比例分别是86.15%、5.89%、0.98%，解释之和为93.02%。典型相关系数的平方表示一个典型变量通过另外一个典型变量所解释的方差比例，也可称作两个典型变量间共同方差的比例。这里，财政支出和居民消费支出被对立典型变量解释的百分比均较高，分别是99.99%、97.18%、94.45%，反映财政支出与居民消费支出两者之间呈现出较高的相关性。冗余指数就是这个变量的共同方差比例乘以平方典型相关系数，反映了各对典型变量对原始变量组的解释比例。财政支出组被各对典型变量解释的比例分别为86.14%、5.72%、0.92%，解释之和为92.78%；居民消费支出组被各对典型变量解释比例为92.68%、3.9%、0.59%，解释之和为97.17%，说明提取三对典型变量是合理的。 
3.典型相关模型
　　 原始数据反映各个方面，指标间具有不同量纲，为便于分析需要对指标进行标准化处理。典型相关分析给出了原始变量和标准化变量的相关系数，根据标准化变量的典型相关系数给出典型相关模型如下： (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）