计量经济学论文.docx

计量经济学论文.docx

《计量经济学论文.docx》由会员分享，可在线阅读，更多相关《计量经济学论文.docx（14页珍藏版）》请在冰豆网上搜索。

计量经济学论文

基于VAR模型的安徽省经济增长波动分析

1.意义及背景

今天已是经济全球化,我国经济也迅猛发展并且持续增长。

对外贸易与经济增长的关系问题一直备受国内外学者的关注加快，同时第三产业发展可以满足人们日益增长的物质文化需要、直接拉动经济增长、提供大量就业岗位，提高服务的社会化和专业化水平，而且也有利于市场经济的健康发育，资源的优化配置，提升国民经济整体效益和运行质量。

本文通过建立非结构化的VAR模型，利用时间序列的平稳性检验、脉冲响应函数、协整检验、因果关系检验以及回归分析等方法，对安徽省1990年至2010年的第三产业与经济增长之间的关系，国内生产总值和对外贸易之间的关系加以研究，从而更加准确地揭示安徽省对外贸易与经济增长的。

2、文献综述

进出口贸易和第三产业与经济增长之间的关系备受学者们所关注。

在古典与新古典时期，亚当斯密提出的“剩余物品出口”学说中涉及到国际贸易与经济增长相互关系的问题，之后罗伯特逊（Robertson）提出对外贸易是“经济增长的发动机”的命题。

20世纪80年代中期，由罗默（Romer）和卢卡斯（Lucas）提出的内生性增长理论为国际贸易和经济的长期增长与发展的关系提供了更加严格的基础,认为对外贸易通过提供更广阔市场，更为频繁的信息交流和更加激烈的竞争来促进该国经济增长。

我国学者亦作过相关研究，李京文（1996）通过经济增长模型的实证分析，指出出口增长对我国经济增长具有拉动作用。

陈家勤（1999）认为出口贸易对经济增长具有巨大的推动作用。

杨全发（1999）对（Balassa）建立的模型带入我国数据进行检验，认为出口对于经济增长具有正向促进作用。

众多国内外学者对二者关系的研究均基于一定的理论和独特的实证分析,通过比较分析认为,有如下值得商榷地方:

一是就研究指标而言,选择上存在一定的局限，现有的文献多只利用出口或进口和GDP进行分析,这造成实证分析的不全面。

二是就研究对象而言,选择一国或一组国家作为分析对象居多,关于某一区域的对外贸易与经济增长关系的实证文献很少，由于各地区经济发展水平和开放程度不同,对外贸易对经济增长的影响各异。

第三产业是国民经济的重要部门，它的发展对于调整产业结构，促进地方经济的发展具有重要的意义。

国外学者对第三产业做了大量研究，鲍默尔和富克斯从宏观经济学的角度对第三产业对GDP的贡献、第三产业就业容量、第三产业拉动经济增长等方面进行了分析，形成了比较系统的第三产业经济理论分析框架。

加拿大学者格鲁伯和沃克对加拿大第三产业增长的原因及第三产业增长对国民经济的影响进行了系统的研究。

我国关于第三产业的研究主要集中在两方面：

一是定性分析，如关于某一国家或地区第三产业发展的现状、特点分析；二是定量分析，如关于某一国家或地区第三产业发展的预算与预测分析等。

吴瑾、张红伟（2010）认为第三产业结构的调整会通过消费需求、消费结构、收入分配三大机制作用于经济增长，反之经济增长也会通过这三大影响机制对第三产业结构产生影响，因而第三产业结构与经济增长之间是相互影响、相互作用的。

第三产业结构的调整，能使消费需求总量得到迅速放大，使GDP中消费需求部分的比例上升，进而拉动经济增长。

同时，经济增长会推动科学技术进步，技术的创新又会促使产业结构发生调整，随之出现新产品、新的消费领域和增长点，进一步引起第三产业结构发生变动。

3.理论基础

（1）模型选取依据

向量自回归模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响,该模型除了可以分析滞后项变量对其他变量是否具有显著的影响力外,还可以藉由脉冲反应函数进一步了解变量间的动态互动关系。

模型一般形式可表示如下：

其中,Yt代表引入的变量所组成的n×1向量,n为变量的个数,a为n×1向量的常数项,是n×1为系数矩阵,是向量所组合的预测误差。

（2）指标的选取

第三产业发展指标：

本文选取相邻两年的第三产业增长率代表第三产业发展情况，以X表示。

经济增长指标：

本文选取相邻两年的人均GDP增长率表代表经济的增长，以Y表示。

年份

GDP总值

第一产业

第二产业

第三产业

第三比重

人均GDP元

环比增长率

1978

12.58

3.6

6.23

2.75

21.86%

408

0

1980

14.15

4.18

6.8

3.17

22.40%

439

7.60%

1985

31.19

9.58

14.93

6.88

22.06%

904

105.92%

1990

58.19

16.72

26.36

15.11

25.97%

1547

71.13%

1991

59.69

13.89

29.19

16.61

27.83%

1556

0.58%

1992

71.32

14.77

36.33

20.22

28.35%

1833

17.80%

1993

97.15

20.42

46.31

30.42

31.31%

2462

34.32%

1994

134.59

27.76

63.68

43.15

32.06%

3366

36.72%

1995

173.53

31.59

80.02

61.93

35.69%

4265

26.71%

1996

222.43

35.86

101.35

85.22

38.31%

5376

26.05%

1997

266.05

41.59

118.53

105.93

39.82%

6344

18.01%

1998

294.59

40.55

128.41

125.63

42.65%

6946

9.49%

1999

327.15

36.31

143.32

147.52

45.09%

7644

10.05%

2000

369.16

37.31

162.36

169.49

45.91%

8505

11.26%

2001

423.98

38.42

184.87

200.69

47.33%

9632

13.25%

2002

500.67

40.42

216.09

244.16

48.77%

11248

16.78%

2003

603.64

40.02

263.02

300.6

49.80%

13345

18.64%

2004

740.92

52.76

317.8

370.36

49.99%

16807

25.94%

2005

925.61

52.5

424.59

448.52

48.46%

20560

22.33%

2006

1121.29

61.71

532.36

527.22

47.02%

24230

17.85%

2007

1401.55

77.28

684.98

639.29

45.61%

29545

21.94%

2008

1776.86

105.12

887.78

783.96

44.12%

36802

24.56%

2009

2102.13

108.69

1104.99

888.45

42.26%

42981

16.79%

2010

2702.5

132.6

1457.6

1112.3

41.16%

47396

10.27%

2011

3636.6

208.2

2002.2

1426.2

39.22%

48768

2.89%

表1安徽第三产业比重及人均GDP增长率

（4）单位根过程和单位根检验

随机过程{,t=1,2,…},若有=+其中，=1，为一平稳过程，且E（）=0,Cov（,）=<∞，这里，s=0,1,2,…,则称该过程为单位根过程（UnitRootProcess）。

单位根检验常用方法有：

DF（迪克逊）检验、ADF（修正迪克逊）检验及PP检验,由于大部分时间序列数据可能存在高度的自相关，因此在实证中经常采用的单位根检验法是ADF检验和PP检验。

本文采用PP检验进行单位根检验。

PP检验：

针对序列可能存在高阶相关的情况，Pillips和Perron于1988年提出了一种检验方法，称为PP检验。

检验方程为：

▽=++

检验原假存在单位根,即：

=0，：

<0

检验统计量为:

=/-（-）T/2

其中，

=+2（1-）

γj=

和是系数γ的检验t统计量和标准误差，是检验方程的估计标准误差，T是时期总数，q是截尾期。

（5）协整理论和协整检验

协整理论是2003年诺贝尔经济学奖得主恩格尔（R.F.Engle）和格兰杰（C.W.J.Granger）在1978年首先提出来的。

通过协整检验可以对经济理论进行正确的论证，可以反映变量之间存在着一个长期稳定的比例关系。

所谓协整是指若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性。

此时称这些变量序列间有协整关系存在。

协整的具体定义如下：

如果时间序列,,…,都是d阶单整，即I（d），存在一个向量

=（,,…,），

使得

′～I（d-b），（d≥b≥0）

这里

=（,,…,）

则称序列,,…,是（d,b）阶协整，记为～CI（d,b），为协整向量。

协整的经济意义在于两个变量虽然具有各自的长期波动规律但如果是协整的，那么它们之间存在着一个长期稳定的比例关系，反之，如果两个变量具有各自的长期波动规律，但若不是协整的，它们之间就不存在一个长期稳定的关系。

为检验两变量是否协整，恩格尔（Engle）[5]和格兰杰（Gergran）[6]于1987年提出了两步检验法，称为EG（Engle-Gergran）检验。

该检验首先要求两序列和都是d阶单整的（如果两个变量都是单整变量，只有当它们的单整阶数相同时，才可能协整。

如果单整阶数不同，就不可能协整。

），其次要求用一个变量对令一个变量回归即有：

=++

用和表示回归系数的估计值，则模型残差估计值为=--若～I（0），则和具有协整关系，且（1,-）为协整向量，式：

=++为协整回归方程。

单整性是指，如果一个序列经过d阶差分后才能平稳，则此系列称为d阶单整，记为I（d）

4．论文实体

（1）时间序列的平稳性检验

本文采用ADF检验法对各变量进行平稳性检验，检验结果如表2所示。

项目

变量

检验形式

（C,T,K）

ADF值

临界值

结论

X

（C,T,1）

1.661466

不平稳

DX

（C,T,1）

-3.622033（5%）

-3.710460

平稳

Y

（C,T,1）

-2.801211

不平稳

DY

（C,T,1）

-1.607051（10%）

-1.760259

平稳

表2各变量的平稳性检验

注：

检验类型（C,T,K）分别表示单位根检验方程中包含的常数项、趋势项和滞后阶数。

从表2可知，时间序列X、Y、在1%、5%、10%的显著性水平下都是非常平稳的，经过一阶差分后，X在5%的显著性水平下通过显著性检验,Y在10%的显著性水平下通过显著性检验。

虽然如此，变量X、Y也均属于一阶单整的时间序列，从而满足协整检验的前提条件。

（2）最佳滞后阶数与稳定性检验

建立VAR模型时滞后阶数K的选择至关重要，K太小，误差项的自相关可能很严重，将会导致被估参数的非一致性。

K太大则会使自由度减小，影响被估参数的有效性。

文中在VAR模型中引入确定趋势项，由于样本有限，滞后阶数在1-4之间选择。

经过多次试验，滞后阶数4时，AIC值越小，但检验发现VAR（4）模型有3个大于1的特征根，是一个非平稳系统，故排除VAR