市域工业经济增长影响要素范文

本站小编为你精心准备了市域工业经济增长影响要素参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

近年来，国内不少学者从不同角度对工业经济增长的影响因素进行了分析研究，主要集中于以下三方面：（1）外向经济对工业经济增长影响研究；（2）制度变迁及政府行为对工业经济增长影响研究；（3）传统要素（劳动力、技术进步等）对工业经济增长作用研究。综合来看，尽管学术界在理论上对工业经济增长影响因素的判别及其影响等方面取得不少共识，但在具体分析时仍存在许多差异，如在工业经济增长模型的选择和检验方面，不同的指标及模型就会产生不同的结论。本文拟选取劳动、资本、能源及科技进步作为影响工业经济增长的四因素，建立工业经济增长与上述影响因素关系的多变量协整模型，进行南通工业经济增长与其影响因素的长期均衡和短期波动的实证分析。

一、变量及变量的平稳性检验

为了考察南通工业经济增长与劳动、资本、能源消费、科技进步四影响因素之间协整关系，本文首先择取自1978～2009年间的南通地区工业生产总值及其指数、工业从业人员数、全社会固定资产投资完成额、发电量、各类专业技术人员数（相关数据均来自各年《南通统计年鉴》）；其次将南通地区工业生产总值、全社会固定资产投资完成额按1978年不变价格进行调整；最后对各变量取自然对数，从而完成对各数据的预处理工作。

一般地，在分析经济变量之间是否存在长期稳定的均衡关系时，只有在检验变量的平稳性后，才可进一步进行协整分析。如前所述，各经济变量数据在经过价格指数化处理后，为消除数据中存在的异方差，分别取其对数。南通地区工业生产总值、工业从业人员数、全社会固定资产投资完成额、发电量、各类专业技术人员数之对数值分别记为lngy、lnlab、lncap、lnny、lnkj。然后分别使用ADF检验方法进行单位根检验。ADF检验滞后期选取原则是采用降阶搜索法，在保证残差不相关前提下，采用AIC与SC准则，两者最小时的滞后长度为滞后期。对于回归中是否包括常数项和线性趋势项的处理方法，一般地，在回归中首先包含常数项和线性趋势项，如果参数检验显著，应在回归模型中包含，否则应排除之。具体检验结果（见表1）。

通过检验可知，lngy、lnlab、lncap、lnny、lnkj均为一阶单整的时间序列，其一阶差分序列在10%的显著水平上为平稳序列。满足变量协整的条件，即lngy、lnlab、lncap、lnny、lnkj间可能存在协整关系。

二、协整分析及检验

（一）协整检验

协整分析是用于非平稳时间序列变量组成的关系中长期均衡参数估计的技术。目前最常用的协整分析方法是Engle-Granger（EG）两步法和Johnsen和Juseliu（sJJ）的极大似然法。一般地，对多变量之间的协整关系的检验应采用Johnsen检验法（即JJ检验法）。因使用JJ方法建立的VAR模型对滞后期的选择比较敏感，故采用AIC准则和SC准则来确定最佳滞后阶数，经采用降阶搜索法依次验证，发现当P=1时AIC和SC值最小，故可确定滞后期为1。在滞后期确定后，再对协整中是否具有常数项和时间趋势进行验证，然后再对数据进行协整检验，检验结果（见表2）。

由（表2所示）检验结果可知，在5%的显著水平下，序列lngy、lnlab、lncap、lnny、lnkj之间存在一个协整关系，即在研究的5变量之间存在一种长期均衡关系，系统迟早能将新息变化带来的冲击加以吸收，使系统维持在一个均衡的状态下运行，协整方程为：ln=0.284390lnlab+0.0337830lncap0.067468lnkj0.099368lnny+9.889550由协整方程可以看出，投资每增加1个百分点，则南通工业产值增长0.33个百分点；劳动力每增加1个百分点，则南通工业产值减少0.28个百分点；科技投入每增加1个百分点，则南通工业产值减少0.06个百分点；能源消费每增加1个百分点，则南通工业产值减少0.09个百分点。由此可知，投资和南通工业增长存在长期的正向关系，投资对南通工业经济增长具有拉动作用。但劳动力、科技投入、能源消费与南通工业经济增长存在长期的负向关系，与理论上不是很一致，这可能是与当前此三因素对南通工业经济增长影响力弱有关。

（二）VAR模型估计

根据上面的分析，VAR模型的最优滞后阶数为1，在滞后1阶的情况下，对VAR（1）模型残差进行JB正态性检验、LM自关检验和White异方差检验，显示残差服从正态分布、无自相关、不存在异方差，且所有特征根根模的倒数都小于1，说明VAR（1）模型的结构是稳定的。VAR（1）模型估计结果（如表3所示）。其中5个回归函数的可决系数分别达到0.9704、0.9692、0.9466、0.9942、0.9932，这足以说明5个回归函数的拟合程度很好。

（三）向量误差修正模型（VECM）

Grange（1987）定理证明了协整与误差修正模型的必然联系。

只在一组变量之间存在协整关系，一定具有误差修正模型的表达式存在，即可以建立误差修正模型。建立在协整理论上的VEC模型既能反映不同经济序列间长期信息，又能反映短期偏离长期均衡的修正机制，是长短期结合具有高稳定性和可靠性的一种经验模型，（如表4所示），VEM模型的稳定性条件满足自相关性检验、异方差检验和正态性检验要求。当以lngy为因变量时，误差修正系数为-0.177010，符合反向修正机制，表明每年实际的南通工业总值与其长期均衡值的偏差中的17%被修正。以lngy为因变量的误差修正模型表达式还反映：lnlab的短期变动对lngy存在正向影响，劳动力投入的增长率每增加1%，南通工业产值的增长率将增加0.01%；而lnkj的的短期变动对lngy存在反向影响，科技投入的增长率每增加1%，南通工业产值的增长率将降低0.07%；lncap的短期变动对lngy无影响。

（四）方差分解

方差分解的主要思想是把系统中每个内生变量的波动按其成因分解为与各方程信息相关联的部分，从而了解各信息对模型内生变量的相对重要性，（如表5所示）显示的是南通工业产值（lngy）的方差分解情况，可以看出能源消费（lnny）和科技投入（lnkj）对南通工业产值（lngy）的影响一直较弱。劳动力（lnlab）和资本投资额（lncap）则有不断增强的趋势，且构成对南通工业产值（lngy）最主要的两个因素，其中资本投资额（lncap）影响最大。

（五）脉冲响应函数

脉冲响应函数描述一个内生变量对误差的反应。具体地，其反映的是在扰动项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。为充分描述短期内的动态效应，本文采用累积脉冲响应形式。从图1来看，劳动力（lnlab）的一个标准差的正向冲击对南通工业产值（lngy）有正向影响，即会导致南通工业产值逐渐增加，最后在第9期以后稳定在0.18左右。这说明劳动力（lnlab）对南通工业产值有长期的正效应，这与协整方程得到的长期均衡关系表现不一致；资本投资额（ncap）的一个标准差的正向冲击，对南通工业产值（lngy）亦有正向影响，但较劳动力（lnlab）的影响更大，其导致南通工业产值在第4期前增长迅速，然后增长趋缓，至第8期后稳定于0.30附近。这亦反映出资本投资额（ncap）对南通工业产值有长期的正效应；当科技投入（lnkj）出现一个标准差的正向冲击时，它在1～3期内对南通工业产值（lngy）的影响经历了先负后正的过程，第4期到达峰值00.004附近，然后缓慢趋于0值，但这也与长期协整关系的结果稍有不同；能源消费（lnny）的一个标准差的正向冲击，对南通工业产值（lngy）有负向影响。其导致南通工业产值第2期到达峰值-0.007附近，然后缓慢趋于0值。总之，可看出上述四因素中，劳动力（lnlab）和资本投资额（ncap）对南通工业产值（lngy）的影响较大；科技投入（lnkj）和能源消费（lnny）的影响很小，这与前面方差分析中的结论一致。

三、格兰杰因果关系检验

由协整检验结果可知，序列lngy、lnlab、lncap、lnny、lnkj之间存在长期的均衡关系，但这种均衡关系是否构成因果关系及因果关系的方向如何，有待进一步验证。此处分别对序列lngy、lnlab、lncap、lnny、lnkj的差分序列进行了格兰杰因果检验，选取滞后1~6阶。使用Eviews6.0软件将存在单向或双向因果关系的回归结果整理（如表6所示)。水平上，△lncap是△lngy的格兰杰原因。也就是说，短期内资本投资对南通工业产值有促进作用。（2）当滞后期为3、4阶时，在10%的显著水平上，△lngy是△lnkj的格兰杰原因。

也就是说，在中期内，南通工业产值增长对科技投入的提高有促进作用。（3）当滞后期为3阶时，在5%的显著水平上，△lngy是△lnlab的格兰杰原因。也就是说，在中期内，南通工业产值增长对劳动力投入的提高有促进作用。（4）当滞后期为1、6阶时，△lnny是△lnlap的格兰杰原因。也就是说，在短期及长期内，南通能源消费的提高对南通地区劳动力增长有促进作用。（5）当滞后期为2、3阶时，△lnkj是△lnny的格兰杰原因。也就是说，在短中期内，科技投入的增加对南通能源消费的提高有促进作用。（6）当滞后期为1～6阶时，△lngy不是△lnny的格兰杰原因，△lnny也不是△lngy的格兰杰原因。也就是说，南通工业产值的提高对南通能源消费的促进作用不明显；同时南通能源消费增长对南通工业产值的促进作用也不明显。

四、结论与研究启示

（1）南通工业经济增长与劳动力投入、资本投资、能源消费及科技投入之间存在长期的均衡关系。其中资本投资每增加1个百分点，则南通工业产值增长0.33个百分点；劳动力每增加1个百分点，则南通工业产值减少0.28个百分点；科技投入每增加1个百分点，则南通工业产值减少0.06个百分点；能源消费每增加1个百分点，则南通工业产值减少0.09个百分点。由此可知，投资和南通工业增长存在长期的正向关系，也就是说，投资对南通工业经济增长具有拉动作用。但劳动力、科技投入、能源消费与南通工业经济增长存在长期的负向关系，与理论上不是很一致，这可能需要进一步的研究与探寻。

（2）向量误差修正模型（VECM）反映出，劳动力投入的短期变动对南通工业产值存在正向影响，劳动力投入的增长率每增加1%，南通工业产值的增长率将增加0.01%；而科技投入的的短期变动对南通工业产值存在反向影响，科技投入的增长率每增加1%，南通工业产值的增长率将降低0.07%；资本投入的的短期变动对南通工业产值无影响。此外，误差修正系数为-0.177010，符合反向修正机制，表明每年实际的南通工业总值与其长期均衡值的偏差中的17%被修正。

（3）通过方差分解分析，可以看出能源消费和科技投入对南通工业产值的影响一直较弱。而劳动力和资本投资额则有不断增强的趋势，且构成对南通工业产值最主要的两个影响因素，其中资本投资的影响最大。通过脉冲响应分析，可以看出，劳动力对南通工业产值有长期的正效应，这与协整方程得到的长期均衡关系表现不一致；资本投资对南通工业产值亦有长期的正效应，且较劳动力的影响更大；科技投入的正向冲击在1～3期内对南通工业产值的影响经历了先负后正，然后缓慢趋于0值。这也与长期协整关系的结果稍有不同；能源消费正向冲击，对南通工业产值有负向影响，导致南通工业产值第2期到达峰值-0.007附近，然后缓慢趋于0值。总之，可以看出上述四因素中，劳动力和资本投资对南通工业产值的影响较大，而科技投入和能源消费的影响很小，这与方差分析中的结论一致。

（4）本文研究有以下几点不足，首先表现在影响南通工业经济增长的因素选择方面，仅限于劳动力、资本、能源和科技四因素，此外还可考虑对外贸易、对外直接投资、工业结构等的变动对南通工业经济增长的影响。如能先针对这些因素的差异具体分析，后再择优选择，分析结果的准确性或可提高；其次在科技投入和能源消费的指标数据选择方面，用各类科技人员总数来表示科技投入和用年发电量来表示能源消费显然说服力不够充分；最后在模型的选择方面，仅限于南通工业经济与其影响因素之间的协整分析，如能开展基于南通工业经济增长各因素贡献率的实证研究，分析的结果可能更有说服力。