2.6.1 分析方法、数据、估计结果
2.6.1.1援助方对受援国国家制度（PFM及调配制度）利用状况的差异
为了确认各援助集团利用发展中国家国家制度的情况是否存在有统计学意义的差异，本节将进行单因素方差分析。分析中使用的是DAC援助有效性工作部门会议升级为事务局后分别于2006年、2008年及2011年实施的《巴黎宣言监测调查》中的数据。笔者从该数据中抽取了伙伴国PFM制度利用比例（%）及伙伴国调配制度利用比例（%），同时将援助集团分为对“提高援助有效性的措施”采取积极态度的世界银行、EU、北欧七国、采取消极态度的日美及其他DAC国家这五个群组。如果单因素方差分析判断出不同群组间存在统计学差异时，将进行多重比较（Bonferroni）以确定哪些集团间存在差异。
表2-4 基于《2006年巴黎宣言监测调查》的预算支持援助方的特征
续 表
①详见第48页注①。
续 表
注：＊2005年的GDP数据是用本表中的预算支持额除以《2000年国际比较计划全球结果：结果汇总表》（2005 International Comparison Program Global Results：Summary Table of Results）中的GDP值得出的结果。
＊＊卢旺达的预算支持额在DAC监察报告中为198百万美元，但笔者汇总各国的报告后计算出的预算支持总额为340百万美元，本表中使用了此数据。
出处：笔者根据DAC《2006年巴黎宣言监察报告》（2006 Survey on Monitoring the Paris Declartion），Country Chapter及《结果概述》（Overview of the Results）的数据制作。
①详见第46页注①。
在考察方差分析结果之前，笔者先确认了各国的伙伴国PFM制度利用比例（%）及伙伴国调配制度利用比例（%），结果表明北欧七国（浅灰色底纹）和世界银行的比例较高。详见表2-5。
表2-5 各援助方的伙伴国PFM制度利用比例及伙伴国调配制度利用比例（2007）
注：浅灰色底纹为北欧七国，深灰色底纹为世界银行，黑色底纹为美国和日本，其余为其他DAC国家。
出处：笔者根据《巴黎宣言监测调查》制作。
表2-6及表2-7是基于2005年、2007年、2010年的数据得出的不同群组的描述性统计值。如表2-6和表2-7所示，世界银行、北欧七国、EU的伙伴国PFM制度利用比例（%）及伙伴国调配制度利用比例（%）都很高。
表2-6 伙伴国PFM制度利用比例（%）描述性统计值
表2-7 伙伴国调配制度利用比例（%）描述性统计值
(https://www.daowen.com)
单因素方差分析的结果表明所有群组间都存在统计学差异，因此笔者继续通过多重比较辨明具体哪些群组存在差异，详见表2-8和表2-9。伙伴国PFM制度利用比例（%）方面存在统计学差异的是：“北欧七国”对“其他DAC国家”、“世界银行”对“其他DAC国家”、“北欧七国”对“日美”、“世界银行”对“日美”。伙伴国调配制度利用比例（%）方面存在统计学差异的是：“北欧七国”对“其他DAC国家”、“北欧七国”对“日美”及“世界银行”对“日美”。
表2-8 关于援助方的伙伴国PFM制度利用比例（%）的方差分析（Bonferroni）
注：＊＊＊p＜0.01，＊＊p＜0.05，＊p＜0.1。
伙伴国PFM制度利用比例（%）是对预算执行、财务报告及会计审查三项内容的利用比例。
表2-9 关于援助方的伙伴国调配制度利用比例（%）的方差分析（Bonferroni）
注：＊＊＊p＜0.01，＊＊p＜0.05，＊p＜0.1。
通过上述分析可知，对于《巴黎宣言》中利用发展中国家国家制度这一核心内容，定性与定量分析得出了相同结论，即在“减贫机制”中“提高援助有效性的措施”方面，北欧七国、世界银行、EU态度积极，而日美态度消极。
2.6.1.2援助方GBS供给情况的差异
本节将使用固定效应模型对“提高援助有效性的措施”中的理想援助方式，即GBS的供给情况进行分析，以确认北欧七国和其他援助方之间是否存在统计学差异。计算公式如下：
GBSDit＝β1（uk_d#dut_d#ire_d#swe_d#fin_d#nor_d#dem_d）+β2itprspdit+β3cont_corrup_αi+αt+εit （2-1）
下角标i、t分别表示受援国和受援期间。GBSD表示GBS的虚拟变量（dummy），提供了GBS时为1，未提供时为0，将之作为被解释变量。因此，link为对数模型（logit model）。公式右边的uk_d、dut_d、ire_d、swe_d、fin_d、nor_d、dem_d分别代表英国、荷兰、爱尔兰、瑞典、芬兰、挪威及丹麦的虚拟变量，各援助方在该国实施援助时为1，未实施为0。北欧七国以外均为参考范畴。＃表示交叉项，通过设定北欧七国成员间的交叉项可以分析出哪些成员国组合时GBS的提供概率较高。进而将对GBS的提供产生影响的prspd和cont_corrup作为控制变量。prspd表示PRSP虚拟变量，制定了PRSP时为1，未制定时为0。cont_corrup表示腐败控制度。另外，αi、αt、εit分别表示各国的固定效应、期间效应（2003—2010年的时间虚拟变量）及随机干扰项。
数据方面，笔者使用OECD/DAC的IDS（国际开发统计）、CRS（Creditor Reporting System贷方报告制度）[11]的数据计算出开支数据。该数据集对182个国家的数据进行了长期的收集和计算。具体来讲，因为DAC事务局推荐使用2002年以后的数据进行分析，所以本分析使用了2002—2010年这9年间的数据。GBS数据使用的是CRS中的GBS数值。但是，如果将GBS定义为不限用途的、直接注入发展中国家国库的援助资金，则该数据中包含不符合这一定义的数据的可能性很高。但CRS给出的定义则是广义的，根据CRS指南介绍，GBS中，除一般性的GBS外，还包括了部门预算支持、结构调整项目、以稳定国际收支为目的的援助及其他一般性的项目型援助[12]。本节所使用的GBS数据不包括部门预算支持之后的内容。因此，笔者修正了从CRS援助类别代码中抽出的“51010”GBS代码，剔除了其中不属于GBS范畴的内容。PRSP虚拟变量则是根据世界银行的PRSP制定情况数据制定。此外，“腐败控制度”引用了Kaufmann，Kraay and Mastruzzi（2010）的综合治理指标（Aggregate Governance Indicators）中的“腐败控制”（Control of Corruption）数据。腐败控制度用-2.5（weak）到2.5（strong）表示。虽然以上是从2002年到2010年的数据，但无法获得每个国家每个年份的全部数据，因此笔者将进行非平衡面板数据分析。表2-10为本次数据的描述性统计值。
表2-10 描述性统计值
本分析的主要目的是对哪一个援助方的介入会提高GBS供给率这一关联性进行统计分析。通过设置对“减贫机制”持积极态度的北欧七国各成员国间的交叉项，分析在何种情况下、何种援助组合下可以提供GBS，并求出该情况下优势比（只选取有统计学意义的案例）的估计结果，详见表2-11。从表2-11中可以看出当北欧七国提供援助时，GBS的供给率较高。特别是北欧七国中3个以上成员国共同参与时，优势比高于40倍，其中英国、挪威与GBS的供给联系密切。此外，虽然PRSP的系数不具统计学意义，但与“腐败控制度”的关系得出了有统计学意义的结果，由此可以认为“腐败控制度”高的国家导入GBS的倾向更为明显。
表2-11 北欧七国成员国GBS供给率分析结果
