6.4.4 估计结果
上文通过混合OLS和固定效应模型进行了估计，下文笔者将对可以消除内生性、可信度最高的差分GMM估计结果进行说明。此外，所有的混合OLS和固定效应模型估计结果收录在书后的补遗（Appendix）-3中以供参考。笔者首先考察了中央政府补助金和县自主财源的年度进展率对各县每季度经常性经费开支率和开发费用开支率的影响，前者中央政府的“经常性预算下拨率”和县的“自主财源率”、后者“开发预算下拨率”和县的“自主财源率”均得到了有统计学意义的差分GMM估计结果。差分GMM估计结果汇总在书后的补遗（Appendix）-4中。
其次，笔者考察了卫生、初等教育、饮用水、公路及农业等地方政府主要发展领域是否也得出相同结果。下文从卫生领域开始依次考察估计结果。表6-2是县卫生领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响的差分GMM估计结果。
表6-2 县卫生领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响（差分GMM估计结果）
续 表
续 表
注：括号内为稳健标准误差。＊＊＊、＊＊、＊分别代表在1%、5%、10%的显著性水平上拒绝零假设。工具变量为时间虚拟变量。
如表6-2所示，产生有统计学意义影响的变量仅有“卫生经常性预算下拨率”“卫生补助金下拨率”对“卫生人工费开支率”的影响以及“卫生总预算下拨率”对“卫生总开支率”的影响。“卫生经常性预算下拨率”及“卫生补助金下拨率”每提高1%，每季度县人工费开支率的减少量分别仅为0.1%和0.0471%。此外，“卫生总预算下拨率”每提高1%，“卫生预算总开支率”的减少量为0.365%。但是，“卫生部门其他经费开支率”和“卫生开发费用开支率”的变量结果均没有统计学意义，无法验证两者的影响。
下面考察县初等教育领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响，表6-3为差分GMM估计结果。
表6-3 初等教育领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响（差分GMM估计结果）
续 表
续 表
注：括号内为稳健标准误差。＊＊＊、＊＊、＊分别代表在1%、5%、10%的显著性水平上拒绝零假设。工具变量为时间虚拟变量。
如表6-3所示，和卫生领域不同，产生有统计学意义的变量仅有中央政府的“初等教育开发预算下拨率”和县的“自主财源率”对“初等教育开发费用开支率”的影响，以及“教育总预算下拨率”对“教育总开支率”的影响。中央政府的“初等教育开发预算下拨率”和县的“自主财源率”每提高1%，每季度县“初等教育开发费用开支率”的减少量为0.195%和0.11%，教育事业的进展程度也与之相符。在这种情况下，与县的独立财源相比，中央政府下拨资金的系数更大，对“初等教育开发费用开支率”也产生更大影响。另外，没有解释变量对初等教育部门的经常性经费开支率产生有统计学意义的影响。
为了便于观察饮用水、公路及农业领域的结果，笔者继续使用去掉时间虚拟变量结果的估计结果（表6-4、表6-5、表6-6）。其中，验证公路领域中“公路总开支率”所受影响的模型未通过Arellano-Bond统计值和Hansen J统计值的检测，故除去。
表6-4 县饮用水领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响（差分GMM估计结果）
注：括号内为稳健标准误差。＊＊＊、＊＊、＊分别代表在1%、5%、10%的显著性水平上拒绝零假设。工具变量为时间虚拟变量。(https://www.daowen.com)
表6-5 县公路领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响（差分GMM估计结果）
注：括号内为稳健标准误差。＊＊＊、＊＊、＊分别代表在1%、5%、10%的显著性水平上拒绝零假设。工具变量为时间虚拟变量。
表6-6 县农业领域的人工费开支率、其他经费开支率、开发费用开支率、总开支率所受影响（差分GMM估计结果）
注：括号内为稳健标准误差。＊＊＊、＊＊、＊分别代表在1%、5%、10%的显著性水平上拒绝零假设。工具变量为时间虚拟变量。
如表6-4、表6-5、表6-6所示，在饮用水领域产生正面且有统计学意义影响的解释变量为“饮用水经常性预算下拨率”对“饮用水人工费开支率”“饮用水领域其他经费开支率”及“饮用水总开支率”的影响。另一方面，可以看出“交通经费”对“水总开支率”产生有统计学意义的负面影响。其他的解释变量均未得出有统计学意义的结果。
在公路领域产生正面且有统计学意义影响的解释变量为“公路经常性预算下拨率”和“公路补助金预算下拨率”对“公路人工费开支率”的影响，“公路开发预算下拨率”对“公路总开支率”的影响。其他的解释变量均未得出有统计学意义的结果。
最后，农业领域中，“自主财源率”对“农业人工费开支率”产生有统计学意义的负面影响，“交通费用”产生有统计学意义的正面影响。
上述的所有模型通过Arellano-Bond统计值检验干扰项是否序列相关，通过Hansen J统计值检验工具变量是否满足干扰项和正交条件，均得出正确的数值，这表明本分析使用了正确的模型。
为使上述估计中有统计学意义的结果更易于理解，笔者将县预算执行率所受影响汇总在表6-7中，各领域经常性开支和开发费用的执行率所受影响汇总在表6-8中。
表6-7 估计结果汇总（有统计学意义的结果）
注：●表示有统计学意义的正值。
表6-8 各领域的估计结果汇总（有统计学意义的结果）
注：●表示有统计学意义的正值，▲表示有统计学意义的负值。
上述结果中有两个颇有深意的现象。第一，中央政府的补助金增加时，县经常性开支和开发费用的执行率也会提高，但即便如此，如第6.4.1节中所述，中央政府并未按计划下拨补助金，特别大多数开发预算资金经常在下半年下拨。此外，可以看出2005年度的经常性预算下拨发生变动，而有的年度并未按计划下拨资金。可见，财政部的行动并不符合“减贫机制”的预期。
第二，虽然中央政府的补助金增加时，县整体的经常性开支和开发费用的执行率都会有所提高，但是各领域的情况未必如此，有时会出现波动。中央政府的补助金对开发费用开支产生正面影响的只有初等教育和公路领域，对人工费用开支产生正面影响的只有卫生、饮用水、公路三个领域。
出现上述两个现象的原因在于，虽然在中央政府按计划下拨补助金的情况下，地方政府能够根据经议会同意的计划进行开发和运行，但实际上各领域内的开发和运行都是地方政府根据自己的判断进行的。
为了验证这一结论，笔者使用上述实证分析的数据，对进行总统选举[13]的2005年的预算分配和普通年份的差异进行了回归分析，其中将中央政府的补助金执行率作为被解释变量，将2005年度到2007年度每季度的时间虚拟变量作为解释变量。分析结果表明，革命党（CCM）以绝对优势获胜后，第三季度补助金的分配与平时不同，出现有统计学意义的正面影响，但第二年变为有统计学意义的负面影响。该结果虽然是根据简易的回归分析得出的，但也表明坦桑尼亚政府在“减贫机制”之外有着独自的判断标准。
对中央政府的补助金和地方政府的预算执行率进行的实证分析结果表明，不仅财政部没有按照坦桑尼亚政府和援助方达成共识的“减贫机制”进行行动，坦桑尼亚地方政府也存在这种可能。