广东城市化与经济增长相关性的计量分析 - 图文(8)

广东城市化与经济增长相关性的计量分析

模型3.8解释了因变量Yt的短期波动?Yt是如何被决定的。即它受两个因素的影响，一方面它受自变量短期波动?Xt的影响，另一方面取决于ecm。可见，ecm反映了变量在短期波动中偏离它们长期均衡关系的程度，称为均衡误差。它的表达式就是（4.10）式，分布对1~6阶滞后模型求OLS回归，根据AIC准则，VEC（2）时 AIC最小，说明检验效果最好。回归结果如下表：

若以UR为被解释变量，则

lnURt??1.118?0.519lnPGt?1.120lnURt?1?0.568lnPGt?1 若PG为被解释变量，则

lnPGt?0.351?0.233lnURt?0.165lnURt?1?1.33lnPGt?1

可见均衡对人均GDP和城市化水平短期波动的影响在统计上是显著的，说明误差修正起到重要作用。UR和PG两个方程的误差修正项系数分别为一1.118和0.351，表明城市化水平对均衡关系呈现一种反向修正的机制，但经济增长对均衡关系表现为正向促进。然后，误差修正对于城市化水平短期波动的调整力度更为显著，表明城市化水平和经济增长的双向影响关系上，经济增长对城市化水平的影响可能更显著一些，因此，可以估计经济增长可能是导致城市化水平提高的原因。当然，该结论需要进一步利用格兰杰因果检验来验证。

4.4 格兰杰因果检验

协整检验可以揭示变量序列之间是否存在长期均衡关系，但是无法揭示变量之间是否具有因果关系，虽然因果关系这个概念存在哲学或者其他概念上的困难，但在实际应用中通常采用格兰杰(Granger)因果关系检验（Granger causality test）。简单来说，Granger检验是在综合考虑Y的滞后值后，运用F-统计量来检验X的滞后值是否显著影响Yt（在统计的意义下）；如果影响不显著，那么称X不是Y的“Granger原因”（Granger cause），如果影响显著，那么称X是Y的“Granger原因”。同样，这也可以用于检验Y是X的“原因”，检验Y的滞后值是否影响X（已经考虑了X的滞后对X自身的

30

广东城市化与经济增长相关性的计量分析

影响）。检验由Y关于自己的滞后值和X滞后值的回归构成；如果X的滞后值影响不显著，那么X不是Y的Granger原因；同样，当检验Y是X的原因时，可以将X关于自己的滞后值和Y的滞后值回归，用F-检验法莱检验Y滞后值的影响。

但在这里必须说明，由于我们所使用的Granger因果检验与其最初的定义已经偏离甚远，削减了很多条件（并且由回归分析方法和F检验的使用我们可以知道还增强了若干条件），通过这种检验方法得到的格兰杰因果关系的真实含义是时间上的“先于”而不是我们通常意义上的因果关系。

根据西姆斯（sims，1972）提出的检验方法，我们建立城市化水平和人均gdp之间的因果关系模型：

lnURt?a10??a1ilnURt?i???1ilnPGt?i??1t （4.11）

i?1ki?1kklnPGt?a20??a2ilnPGt?i???2ilnURt?i??2t （4.12）

i?1i?1k式中下标t为年度，k为最大滞后阶数，?t为误差项。利用普通最小二乘法(OLS)对参数进行估计，最大滞后阶数取6，得检验结果如表4.5所示：

表4.5、格兰杰因果检验结果 因果关系 滞后阶数 值 PG不是UR的格兰杰原因 UR不是PG的格兰杰原因 PG不是UR的格兰杰原因 UR不是PR的格兰杰原因 PG不是UR的格兰杰原因 UR不是PG的格兰杰原因 PG不是UR的格兰杰原因 UR不是PG的格兰杰原因 PG不是UR的格兰杰原因 UR不是PG的格兰杰原因 1 1 2 2 3 3 4 4 5 5 2.209 0.323 2.614 0.386 1.683 0.177 1.283 0.109 0.920 0.065 F统计值 0.148 0.574 0.093 0.683 0.199 0.911 0.312 0.978 0.491 0.997 P31

广东城市化与经济增长相关性的计量分析

表中数据表明，人均gdp和非农人口比例在滞后1~5期格兰杰因果检验中表现都没达到5%的显著性；但从具体数值看，广东经济增长对城市化的影响相对较明显，而城市化对经济增长有一定的推动作用，但效应还不太明显。

出现不太理想的检验结果，原因主要有：

如前章所述，经济增长与城市化之间的影响并不是最直接的，相反要通过产业结构变化、劳动力的流动、消费层次的提高甚至政府政策变化等因素进行传导，而影响这些经济变化的因素也较多，包括政治、社会、文化等原因。因此，对两者直接做因果检验，所得结果不一定很理想。除此以外，经济增长对城市化的影响较大，主要是因为经济增长对我国改革开放前的二元社会结构的巨大冲击，使大量农村剩余劳动力向城市流动。而城市化的反向作用相对较弱，也有我省改革开放前的城市化水平明显滞后，1978后的快速增长带有补偿性的自身恢复等因素的原因。

如前所述，格兰杰因果检验本身相对于严格的逻辑上的因果关系有了很大的弱化，只能说是检验两个变量的条件概率的影响程度。因此，我们应选择其他的方法去衡量两个变量的相互影响程度。

可能存在本文所选择的表征指标不能全面地代表，综合地反映所讨论变量的情况，尤其是广东人口流动人口较多，而这些流动人口大多分布在经济较发达的城市地区，非农人口比例能否恰当的反映城市化水平也是一个值得探讨的问题。因此本人在后续的研究中应该加强指标选择方面的研究。

4.5 脉冲响应函数及方差分解

结构建模方法利用经济理论来描述变量之间的关系，但经济理论往往不能为变量间的动态关系提供严格的定义，加之内生变量可能同时出现在方程的左右两边，使得估计和推论问题变得更为复杂化。为了解决这些问题，产生了有关变多变量建模的非结构方法。向量自回归模型就是这样一种非结构化的多方程模型。1980年sims提出向量自回归模型(vAR)。这种模型采用多方程联立的形式，它不以经济理论为基础，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后项进行回归，从而估计全部内生变量的

32

广东城市化与经济增长相关性的计量分析

动态关系。它不带有任何事先约束条件，将每个变量均视为内生变量，避开了结构建模方法中需要对系统中每个内生变量关于所有变量滞后值函数的建模问题。模型具有以下几个特点:(1)、不以严格的经济理论为依据。(2)、模型的解释变量中不包括任何当期变量。(3)、模型对参数不施加零约束。(4)、VAR模型有相当多的参数需要估计。(5)、VAR模型预测方便、准确。可做脉冲响应分析、方差分析。模型突出的一个核心问题是“让数据自己说话”（古亚拉蒂，1997)。

4.5.1 脉冲响应函数

在协整约束的向量自回归模型中，脉冲响应函数是指在扰动项上加一个标准差大小的冲击，通过变量之间的动态联系对变量的当前值和未来值所带来的影响。也就是说脉冲响应函数将描述系统对某一变量扰动的一个新息所做出的动态反应，并从动态反应中判断变量间的时滞关系。城市化与经济增长之间的动态影响，可在自回归模型的基础上建立起一个经济增长对城市化的冲击响应模型。其函数形式与上节格兰杰因果检验模型一致：

lnURt?a10??a1ilnURt?i???1ilnPGt?i??1t （4.13）

i?1ki?1kklnPGt?a20??a2ilnPGt?i???2ilnURt?i??2t （4.14）

i?1i?1k根据上式，建立VAR模型分别计算UR和PG10期的脉冲响应函数，得到联合分布图：

33

广东城市化与经济增长相关性的计量分析

图4.1 脉冲响应分析图

由图中可知，人均GDP对其自身的一个标准差新息有较强的反应，第4期达到最高点，随后保持一个较高且平衡的态势;而人均 …… 此处隐藏：2165字，全部文档内容请下载后查看。喜欢就下载吧 ……