广东城市化与经济增长相关性的计量分析 - 图文(7)

广东城市化与经济增长相关性的计量分析

2003 2004 2005 2006 2007 2008 2009

7723.42 7804.75 7899.64 8048.71 8156.05 8267.09 8365.98 2473 45960705 5950.823 3681.93 4003.07 0.479106 0.488702 0.518398 0.516753 0.521435 0.52105 0.522043 2838.7 52757239 6679.632 3797.92 3973.52 3239.7 60209825 7621.844 4082.06 3792.32 3719.4 69125049 8588.339 4149.42 3880.37 4272.3 79400696 9735.19 4242.85 3894.02 4718.1 87685889 10606.62 4297.78 3950.53 5173.4 96147639 11492.69 4358.05 3990.01 4.2 单整与协整检验

协整是对时序变量相互长期均衡关系的一种表征，用以描述一组经济变量在长期趋势下的走向不会分离太远这一现象。在经济时序变量的理解上，协整可以理解为经济时序变量间存在着一种均衡因素或存在着一种机制的作用，使非平稳变量在长期内走向趋同。

传统的计量模型是从己知的经济理论出发选取变量，导致回归残差往往是非平稳的，不能排除伪回归的现象。而协整理论提供了一个新的检验模型变量选取是否合适的方法。协整检验的方法较多，本文采用Johansen检验。该检验方法的基本思想是在多变量向量自回归系统中构造两个残差的积矩阵，计算矩阵的秩，再根据秩得出一系列的统计量，迹统计量、特征值判断协整关系是否存在以及协整关系的存在个数46。

4.2.1 单整检验

单整是指一个随机过程{yt}，如果经过d次差分之后才能变成一个平稳的，可逆的ARMA过程，而当进行d-1次差分后仍是非平稳过程，则称该过程具有d阶单整性，记为

yt??I(d)。

通常我们使用ADF（Augmented Dickey-Fuller）检验进行时间序列的单整性分析。考虑I（1）的情况，

yt?u??t??yt?1???i?yt?i??t （4.2）

i?1k25

广东城市化与经济增长相关性的计量分析

这里u,?是参数，?t是白噪声，如?1???1，则可得出y是一个平稳序列；如果ρ=1，则得出y是一个不平稳序列。然后上式两边减去yt?1，得到：

?yt?u??t??yt?1???i?yt?i??t （4.3）

i?1k其中，????1。方程中加入k个滞后项是为了使残差项为白噪声，以保证推断的可靠性，k的选取采用Sckwart(1987年)推荐的方法，k的最大值为[12(T100)4]，其中T表示观测值个数。Dickey和Fuller采用普通最小二乘法得到关于yt?1系数的t一统计量来进行单位根检验，

1??1)/SE(??)t?(? (4.4)

H0:??0,H1:??1因此它的t值不服从标准的t一分布，不能使用常用t一分布表中的统计值来进行统计判断，该检验的临界值见Mackilmon(1991)。如果检验统计值大于临界值则接受零假设

H0，而拒绝备择假设H1，则说明序列yt存在着单位根，即序列是不平稳的序列;否则接受说明序列不存在单位根，即序列yt是平稳的序列。对于不平稳的时间序列，还需进一步检验其一阶差分的平稳性，如果检验得知序列的一阶差分是平稳的，则称此序列是I(l)，所有变量都是同阶差分平稳是变量之间存在协整关系的必要条件47。

由于只有相同单整阶数的两个变量才可能存在协整关系，因此，协整分析之前首先要检验变量的单整阶数。进行城市化水平与人均GDP增速的协整分析，首先要检验这两个变量的时间序列是否平稳。对序列LnURt和LnPGt的平稳性进行ADF检验，表3.2的结果显示ADF检验值都大于5%的临界值，说明LnURt和LnPGt均为非平稳系列;对两个序列做一阶差分，再进行ADF检验，两个序列的一阶差分都为平稳序列。可知，LnURt和LnPGt都具有一阶单整性，即LnURt一I(1)，LnPGt一I(1)。

表4.2 单整检验值

26

广东城市化与经济增长相关性的计量分析

变量 LnURt 检验形式 ADF值 (C,T,1) 1%临界值 5%临界值 DW值 结论 -3.568379 -1.952910 -3.568379 -2.976232 2.16 2.00 1.87 1.83 非平稳 平稳 非平稳 平稳 -3.021607 -4.296729 -2.436133 -2.647120 -2.394261 -4.296729 -3.007498 -3.679322 ?LnURt (0,0,1) LnPGt (C,T,1) ?LnPGt (C,0,3)

4.2.2 协整及其检验

由上节可知，UR和PG两个变量满足进行协整检验的条件，本节将对两者进行协整检验。所谓协整，即指某些时间序列，虽然本身是非平稳的，但其某种线性组合却是平稳的。这个线性组合能够反映出变量之间长期稳定的关系，故我们称之为协整。若序列之间存在协整关系，则它们之间存在长期稳定的关系，对它们进行回归可以排除伪回归现象。用数学语言表达，则为：如果时间序列{Yt(1)}，{Yt(2)}，…，{Yt(r)}都是d阶单整序列，即Yt(j)?I(d)j=1,2,…,r，且存在向量??(?1,?2,...,?r)，使得

?1Yt(1)??2Yt(2)?...??rYt(r)~I(d?b)，其中b>0，则称序列{Yt(1)}，{Yt(2)}，…，{Yt(r)}，存

在（d，b）阶协整关系，β称为协整关系47。

由于从定义入手进行协整的检验比较困难，Engle和Granger于1987年提出了两步检验法，称为EG检验。下面以I（1,1）为例，说明检验过程。

(1)(2)(2)(1)(r)(r){Y}{Y}{Y}{Y}作{Y}{Y}tttttt若，，…，都是1阶单整序列,则可用，…，对

OLS回归，即有：

Yt??2Yt(2)?...??rYt(r)?ut （4.5） 则模型回归残差为：

?Y(2)?...???Y(r) （4.6） et?Yt??2trt(1)ee{Y}，ttt然后，对的平稳性进行单整检验。若检验结果表明是平稳序列，则得出

{Yt(2)}，…，{Yt(r)}具有协整关系。

27

广东城市化与经济增长相关性的计量分析

(1)(2){Y}{Y}，…，ttEngle一Granger两步法的有效性在于它的超一致性，即如果，

?(i?2,...,n){Yt(r)}成为I(1,1)协整时，利用普通最小二乘法得到的?i依概率以速度T趋于真实值。而平稳序列利用普通最小二乘法得到的估计参数是依概率以速度T?0.5趋于真实值。因此，在这个意义上，利用普通最小二乘法得到的协整向量是可靠的。

Engle一Granger两步法通常是建立在单一方程的基础上，当方程左边变量选取不同时，可能得到不同的协整向量。但在实际中，模型一般依据一定的经济理论来选择左边的变量，并且经济理论给出的变量的关系式通常是唯一的。因此Engle一Granger两步法在实际中是简单可行的。

利用该方法进行城市化水平与人均GDP的协整检验，得到相关统计量如下： 表4.3 协整检验检验结果

Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None * Eigenvalue 0.460829 Trace Statistic 22.40059 6.339795 0.05 Critical Value 20.26184 9.164546 Prob.** 0.0250 0.1661 At most 1 0.216386 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values 可见，变量UR和PG之间存在显著的协整关系。此时，我们对（4.1）式用OLS求回归。得到：

URt??3.867?0.342PGt （4.7） （-36.06） （24.56）

R2?0.951 D.W=0.38 s.e=0.084 F=602.98 T=32

28

广东城市化与经济增长相关性的计量分析

由上述统计量可知，模型的拟合效果 …… 此处隐藏：2719字，全部文档内容请下载后查看。喜欢就下载吧 ……