公共投资政府消费与经济增长的协整分析概要.docx
《公共投资政府消费与经济增长的协整分析概要.docx》由会员分享,可在线阅读,更多相关《公共投资政府消费与经济增长的协整分析概要.docx(7页珍藏版)》请在冰豆网上搜索。
公共投资政府消费与经济增长的协整分析概要
2005年第3期
双月刊
总第150期
中南财经政法大学学报
JOURNALOFZHONGNANUNIVERSITYOFECONOMICSANDLAW
№.3.2005
Bimonthly
Serial№.150
公共投资、政府消费与经济增长的协整分析
孙群力
(中南财经政法大学信息学院,湖北武汉430060
摘要:
本文以我国1978~2003年数据为基础,运用协整分析、向量自回归、误差修正模型和格兰杰因果关系的分析框架,研究了我国政府投资和政府消费对经济增长的短期影响与长期关系。
其结论是:
我国经济增长与政府投资、政府消费之间存在长期的均衡稳定关系;在长期,政府消费与经济增长是正相关的,而政府投资与经济增长负相关;在短期,滞后两期的政府投资是经济增长的原因。
关键词:
公共投资;政府消费;经济增长;向量自回归
中图分类号:
F830.59 文献标识码:
A 文章编号:
1003-5230(200503-0076-06
一、引言
政府投资和政府消费对经济增长的影响,长期以来在国内外的理论和经验研究中,都是有争议的。
一种观点认为,政府投资能够生产诸如道路等公用基础设施,可以作为民间资本的额外投入,从而有利于提高民间投入的边际产品;而政府消费能够提供公共教育、国防和社会凝聚力等纯公共物品和服务,这些公共物品和服务有助于促进民间部门生产率的提高,因而政府投资和政府消费的增加对民间产出具有正的外部效应,有利于经济增长。
但另一种不同的观点则认为,尽管政府投资是生产性的,但政府投资和民间投资会形成争夺有限的经济资源的局面,从而使得政府投资的增加在某种程度上会排挤民间资本的投入,使后者投入减少,导致降低民间资本的边际产出;同样政府消费也存在“挤出效应”,由于政府的消费来源主要来自于税收,增加政府消费,就等于将一部分资源用于公共用途,减少了民间部门的使用,其结果是缩小了经济活动的规模,从而导致资源配置偏离最具生产效率的状态,阻碍经济增长。
由此可见,政府投资和政府消费对经济增长具有正反两个方面的作用,到底政府投资和政府消费对经济增长的作用如何,在理论上很难解释清楚,还需要通过经验研究来寻找答案。
而关于政府投资或政府消费对经济增长的影响经验研究,得出的结论也是混合的。
究其原因,不外乎是所采用的研究方法的差异、数据和样本空间的选取以及政府支出的归类等几个方
收稿日期:
2005-03-01
作者简介:
孙群力(1964—,男,湖南益阳人,中南财经政法大学信息学院副教授,财政学博士生。
76
面。
Barro利用98个国家1960~1985年的政府消费支出与人均GDP进行了研究,得出的结论是政府消费(不含国防和教育对经济增长有显著的负作用[1];Landau利用104个国家1960~1977年的有关数据,对经济平均增长率进行回归,发现人均真实GDP增长与政府消费占GDP比重显著负相关[2];Devarajan,SwaroopandZou利用43个发展中国家1970~1990年的数据,研究了政府支出结构与经济增长的关系,其结论是生产性政府支出的过度使用对经济有负影响,而经常性支出对经济增长有积极作用[3];EasterlyRebelo研究了28个国家1970~1988年的公共投资与经济增长的关系,得出的结论是公共投资与经济增长正相关[4];Aschauer采用美国1949~1985年的数据进行分析,其结论是生产率与公共资本投资占私人资本的比率是显著正相关的[5];而KormendiandMeguire利用47个国家1961~1980年的样本分析了总产出增长与宏观经济因素之间的线性关系,发现真实GDP的平均增长与政府消费占GDP比率没有显著关系[6]。
在经验研究的方法上,很多的研究都以新古典增长模型或内生增长模型为理论基础,在柯布—道格拉斯或CES生产函数中引入公共投资或政府消费变量,采用结构化建模方式,假定各经济变量的时间序列都是平稳的,利用最小二乘法进行回归分析,从而得出政府支出和经济增长之间的相关关系,但这种方法很可能导致“伪回归”。
另外就是利用各国或各地区的截面数据或面板数据,将政府支出包括在截面或面板模型中进行回归,估计政府支出对经济增长的作用,这种研究方法可以比较国家或地区之间的差异。
由于基于面板数据的平稳性检验、协整分析以及面板数据的向量自回归(VAR模型目前还处于研究阶段,因此很难对面板数据进行上述分析。
在本文的研究中,以我国1978~2003年GDP、政府消费和政府投资的时间序列数据为基础,将它们纳入一个向量自回归(VAR模型中,采用Johansen和Johansen&Juselius提出的极大似然估计方法,检验GDP、政府消费和政府投资之间是否存在长期稳定关系,即协整关系,如果存在这种关系,则在此基础上,建立它们之间短期动态误差修正模型,以此来估计从偏离长期均衡状态调整到均衡状态的调整速度,最后,根据Granger所提出的因果检验方法,检验GDP、政府消费和政府投资之间的因果关系。
二、变量及变量的平稳性检验
(一数据和变量的选取
本文中使用的数据取自《中国统计年鉴》1978年至2004年当年价的国内生产总值,用变量GDP表示,政府消费数据取自支出法国内生产总值中的政府消费,用变量GOVC表示,公共投资数据取自国家预算内固定资产投资,用变量GOVI表示。
为了消除价格上涨因素的影响,以1978年为基年的GDP平减指数分别对其余各年GDP、GOVC和GOVI进行价格调整,并对序列GDP、GOVC和GOVI进行对数化处理,以消除异方差和数据的剧烈波动。
用变量LGDP表示实际GDP的对数,△LGDP表示其一阶差分;用变量LGOVC表示政府消费GOVC的对数,△LGOVC表示其一阶差分;用变量LGOVI表示公共投资GOVI的对数,△LGOVI表示其一阶差分,△为差分算子。
(二单位根检验
利用传统的普通最小二乘法对经济变量进行回归分析时,一般都假设经济变量的时间序列是平稳的。
而在实际经济的运行中,经济变量很少是平稳的,那么,在假设经济变量是平稳的前提下所做的回归检验,得到的回归结果很可能导致“伪回归”。
77
在本文中采用Dickey—Fuller的ADF单位根检验,其检验的一般方法为:
yt=+t+yt-1+∑p-1i=1iyt-i+t(1、、、i为参数,t为趋势因素,t为随机误差项,是服从独立同分布的白噪声过程。
其中检验过程中的滞后项的确定采用AIC和SC准则,检验结果如表1所示。
表1
ADF单位根检验结果变 量
检验形式(C,T,kADF统计量临界值AICSC结 论LGDP
(C,T,3-3.135663-3.254671*-5.097389-4.799832不平稳LGOVC
(C,T,5-1.914583-3.268973*-3.811126-3.412833不平稳LGOVI
(C,T,3-1.799284-3.254671*-0.2227610.074796不平稳△LGDP
(C,N,3-2.977613-2.646119*-4.708620-4.459924平稳△LGOVC
(C,N,3-4.942390-3.788030***-3.659457-3.410761平稳△LGOVI(C,N,0-2.930949-2.635542*-0.255730
-0.157559平稳 注:
本表中ADF检验结果采用Eviews5.0软件计算得到,其中检验形式(C,T,k分别表示单位根检验方程包括常数项、时间趋势和滞后期,N表示不包括C或T,加入滞后项是为了使残差项为白噪声,△表示差分算子,*、**、***分别表示10%、5%、1%置信水平。
由表1可知,变量LGDP、LGOVC、LGOVI的水平序列不能拒绝单位根假设,说明水平序列都是非平稳的,而它们的一阶差分序列拒绝了单位根假设,说明一阶差分序列都是平稳的。
三、协整分析及检验
协整(Cointegration分析理论是近年来处理非平稳经济时间序列之间长期均衡关系和短期波动的有力工具。
其基本思想是,如果两个或两个以上的时间序列变量是非平稳的,但它们的某个线性组合却是平稳的,则这些变量之间存在长期稳定的均衡关系(协整关系。
协整分析的经济意义在于,对于两个或以上具有各自长期波动规律的变量,如果它们之间是协整的,则它们之间存在一个长期的均衡关系。
反之,如果这两个或以上变量不是协整的,则它们之间不存在一个长期的均衡关系。
而基于协整理论的误差修正模型(ECM,则可以反映短期内系统对于均衡状态的偏离程度,即采用长期均衡误差作为短期波动的修正项,从而得到关于偏离程度的调整信息。
关于协整检验,本文采用Johansen和Johansen&Juselius提出的基于向量自回归VAR(P模型的分析技术进行检验[7][8]。
在进行检验之前,首先要确定模型的最优滞后期,这里根据无约束VAR模型的残差分析和AIC准则来确定其最优滞后期为5。
由于无约束VAR模型的最优滞后期为5,因此协整检验的VAR模型滞后期确定为4。
对LGDP、LGOVC和LGOVI的长期关系进行检验的结果如表2所示。
表2
Johansen协整检验结果(inVARlags=5变量名
特征值似然比统计量5%临界值1%临界值原假设H0备择假设H1LGDP
0.85246369.3849129.6835.65r=0**r=1LGOVC
0.73715329.1977315.4120.04r≤1**r=2LGOVI0.0527441.1379073.766.65r≤2r=3 注:
所有统计结果均由Eviews3.1计算得到,r代表协整向量个数。
78
从表2可看出,变量LGDP、LGOVC和LGOVI存在长期均衡关系,在1%的置信水平下,它们之间有两个协整关系,其长期稳定的协整方程为(括号内数值为标准差:
LGDP=2.705+1.057LGOVC(0.00923-0.187LGOVI(0.02069(2
同样,我们也可以将LGDP作为被解释变量,LGOVC和LGOVI作为解释变量,用
Engle—Granger两步法进行最小二乘法估计,得到的结果与协整方程(2非常接近[9]。
令其残
差用EC表示,然后再对EC进行ADF单位根检验,其检验形式为有常数项,无趋势项,3阶滞后,并利用AIC准则,其结果ADF统计值等于-4.28007,而1%ADF临界值等于-3.7667,结果表明残差项EC是平稳的,不存在单位根。
进一步说明LGDP、LGOVC和LGOVI之间存在长期稳定的均衡关系。
其误差修正项可表示为:
EC=LGDP-2.705-1.057LGOVC+0.187LGOVI(3反映长期关系的协整方程(2表明,政府消费与GDP是正相关的,增加政府消费,可以促进经济增长;而公共投资与GDP是负相关的,适当减少公共投资,反而有利于GDP的提高。
政府消费(LGOVC变量前的系数为1.057,说明政府消费对GDP有积极的影响,可以认为政府消费每增加一个百分点,GDP将增长1.057个百分点;而公共投资(LGOVI变量前的系数为-0.187,说明公共投资与GDP之间是一种负向关系,即公共投资减少一个百分点,GDP将增长0.187个百分点。
四、误差修正模型的建立
根据Granger表述定理,协整系统有三种等价的表达形式:
向量自回归VAR、移动平均MA和误差修正模型ECM,其中ECM最能直接描述短期波动与长期均衡的综合,其应用最为普遍。
向量误差修正模型(VECM是一个有约束的VAR模型,并在解释变量中含有协整约束,因此它适用于已知有协整关系的非平稳序列。
当有一个大范围的短期动态波动时,VEC表达式会限制内生变量的长期行为收敛于它们的协整关系。
因为一系列的部分短期调整可以修正长期均衡的偏离,所以协整项被称为是误差修正项,误差校正模型是短期动态模型。
当变量序列不平稳的时候,采用ECM可以避免伪回归的问题。
我们通过对上面所建立的经济增长、政府消费和公共投资的长期均衡方程分析,表明存在△LGDP的误差校正模型:
LGDPt=c+∑ni=1(iLGDPt-i+iLGOVIt-i+iLGOVCt-i+iECt-1+t(4其中:
ECt-1=LGDPt-1-1.057LGOVCt-1+0.187LGOVIt-1-2.705。
由于误差修正模型的滞后期是无约束VAR模型的一阶差分变量的滞后期,根据无约束VAR模型的最优滞后期为5,在此将误差修正模型的滞后期确定为4,使残差满足白噪声的要求。
根据Hendry等人的从一般到特殊的建模方法,将不显著的变量逐步排除,从而得到最终较为简洁的误差修正模型。
限于篇幅,本文只提供了△LGDP的误差修正模型(括号内数值为t统计值如(5式所示。
△LGDP=0.054(2.769-0.301ECt-1(-3.389+0.729△LGDPt-1(3.679-0.590△LGDPt-2(-2.710
+0.448△LGDPt-3(2.060-0.162△LGOVCt-4(-1.902
(5
模型的各种诊断统计量为:
R2=0.718827,AdjR2=0.625102,SE=0.016940,DW=2.234051,F=7.669577JB=0.821969(0.662997,LM(1=0.806328(0.369208
79
LM(2=0.921763(0.630727
ARCH(1=1.032725(0.309519,ARCH(2=1.580613(0.453706
RESET(1=0.093464(0.759819,RESET(2=1.773064(0.412082
从上述模型的各种统计量来看,模型有令人满意的统计性质。
不仅拟合优度R2较大,方程的标准差SE很小,由DW统计量可知序列不存在序列相关。
LM(1和LM(2分别为1阶和2阶序列自相关的LM检验,ARCH(1与ARCH(2是1阶与2阶自回归条件异方差检验,JB是正态性检验,RESET(1与RESET(2是1阶与2阶模型的函数形式检验,括号内的数值是接受零假设的概率。
结果显示,误差修正模型无序列自相关,无异方差,模型形式正确。
从误差修正模型(5来看,误差修正项ECt-1系数为负,符合反向修正机制,其修正速度为-0.301,也说明政府消费偏离均衡水平对产出有负面的影响。
具体来说,如果协整方程的误差修正项是正的,无论是政府消费过多或过低,都将导致产出降低。
此外,在本文中我们以预测区间为基础,对误差修正模型进行Chow's断点检验和Chow's预测检验,由于从1998年下半年开始,国家开始实施积极财政政策,在此将样本区间分为1978~1997和1998~2003两个子空间,经检验,两个检验的统计都不显著,表明我们所建立的模型具有全局稳定性和较强的预测能力。
从模型稳定性角度看,GDP的误差修正模型的基于递归回归的残差检验、单步预测检验、N步预测检验、CUSUM检验都表明在5%的显著水平回归系数是稳定的,同时所有系数的递归检验也表明回归系数是比较稳定的,因此,该模型具有良好的统计特性,完全可以用于实际预测。
五、变量间的格兰杰因果关系检验
在判别一个变量的变化是否是引起另一个变量变化的原因时,通常所采用的方法是Granger所提出的因果检验[10]。
即先估计当前序列y被其自身滞后期取值所能解释的程度,然后引入序列x的滞后值,检验其是否可以提高序列y的被解释程度,如果可以,则称序列x是序列y的格兰杰原因,否则序列x不是序列y的格兰杰原因。
由于因果关系检验对滞后阶非常敏感,在实际检验中,我们对所有滞后情况都进行检验。
通过检验,我们发现在滞后阶数为2时,△LGOVI在5%显著性水平下是△LGDP的Granger原因,但△LGDP不是△LGOVI的Granger原因。
而对其他所有滞后阶的Granger因果关系检验发现,△LGOVI和△LGOVC之间、△LGDP和△LGOVC之间不存在双向因果关系。
滞后2阶的Granger因果关系检验的结果如表3所示。
表3Granger因果关系检验结果(Lags=2
原假设观测值F统计量概率值△LGOVCdoesnotGrangerCause△LGDP230.974080.39658
△LGDPdoesnotGrangerCause△LGOVC231.365740.28040
△LGOVIdoesnotGrangerCause△LGDP233.541140.05048
△LGDPdoesnotGrangerCause△LGOVI230.230410.79651
△LGOVIdoesnotGrangerCause△LGOVC231.045850.37179
△LGOVCdoesnotGrangerCause△LGOVI230.587670.56593
注:
表中所有结果由Eviews3.1运算得到。
80
六、结论本文通过对我国自1978年改革开放以来的GDP、政府消费和政府投资的协整分析,以及实证检验,得到如下结论:
所选取的GDP、政府投资和政府消费都是含有一个单位根非平稳的时间序列。
通过协整分析,我国的经济增长、政府消费和政府投资之间存在长期稳定的均衡关系,从长期来看,政府消费对经济增长具有显著的积极影响,而政府投资与经济增长是负相关的。
通过采用无约束VAR模型所建立的短期动态向量误差修正模型,发现GDP的变化受其自身滞后1~3年的显著影响,影响的方向正负交替出现;同时GDP的变化还受到滞后4年的政府消费的显著影响,但影响的方向相反;误差校正项的系数为-0.301,符合反向修正的机制,且说明向均衡水平调整的速度比较快;从最终建立的模型各项评价指标来看,该模型具有良好的统计性质,从拟合值及预测值结果来看具有较好的拟合及预测精度。
因此,该模型对GDP变化的预测与控制具有较好的参考作用。
最后通过Granger因果关系分析,在短期内,滞后两期的政府投资是经济增长的原因,这是由于政府投资的项目基本上都是大型的基础设施建设项目,建设周期比较长,当年投入很难在较短的时间内产生经济效果,因此滞后两期的政府投资对经济增长产生影响是符合实际的。
参考文献:
[1]Barro,R.EconomicGrowthinaCrossSectionofCountries[J].QuarterlyJournalofEconomics,1991,106:
407—444.[2]Laudau,D.GovernmentExpenditureandEconomicGowth:
ACross-countryStudy[J].SouthernEconomicJournal,1983,(49:
783—792.[3]S.Devarajan,V.Swaroop&H.Zou.TheCompositionofPublicExpenditureandEconomicGrowth[J].JournalofMonetaryEconomics,1996,(37:
313—344.[4]Easterly,W.andS.Rebelo.FiscalPolicyandEonomicGrowth:
AnEmpiricalInvestigation[J].JournalofMonetaryEconomics,1993,417—458.[5]Aschauer,D.IsGovernmentSpendingProductive?
[J].JournalofMonetaryEconomics,1989,(23:
177—200.[6]Kormendi,R.&P.Meguire.MacroeconomicDeterminantsofGrowth:
Cross-CountryEvidence[J].JournalofMonetaryEconomics,1993,(16:
141—164.[7]Johansen,S.StatisticalAnalysisofCointergrationVectors[J].JournalofEconomicDynamicsandControl,1988,(12:
231—254.[8]Johansen,S.,Juselius,K.MaximumLikelihoodEstimationandInferenceonCointegrationwithApplicationstotheDemandforMoney,OxfordBulletinofEconomicsandStatistics,1990,(52:
162—210.[9]EngleRF,GrangerC.W.J.CointegrationandErrorCorrectionRepresentationEstimationandTesting[J].Econometrics,1987,(55:
251—276.[10]Granger,C.W.J.InvestigatingCausalRelationsbyEconometricandCrossSpectralMethods[J].Econometrics,1969,37(13:
424—438.(责任编辑:
陈敦贤81