基于SVAR模型的我国体育产业发展与经济增长动态计量分析.docVIP

基于SVAR模型的我国体育产业发展与经济增长动态计量分析 　　摘要：基于相关时序数据，运用结构VAR（SVAR）分析方法，并通过脉冲响应函数和方差分解方法，对我国体育产业发展和经济增长之间的动态关系进行计量分析，发现二者的发展相互促进。因此，促进体育产业发展，将对我国经济的持续稳定增长提高强大动力。 　　关键词：体育产业发展；经济增长；SVAR；脉冲响应函数；方差分解 　　一、引言 　　体育产业发展与一国经济发展之间的关系长期以来吸引着国内外学者的关注。早在20世纪80年代，Fletcher JE.（1989）[1]在研究旅游业的产业效应时，就涉及到了体育运动的经济重要性；Mato Bartoloci（1997）[2]对体育在发达国家的经济影响进行了研究；接云峰（2010）[3]指出经济社会的发展决定了体育产业的发展，而后者对前者具有积极的促进作用；浦北娟（2012）[4]则对中国体育产业现状进行了研究，认为通过对体育市场进行差别化细分，平民化的体育场馆做大众化的健身经营并以服务的人数与流量来盈利，而高端的体育场馆以高附加值的服务来服务少数更具有消费能力的族群。已有的文献主要集中于定性分析，而通过计量模型进行定量研究的较少。本文拟基于中国体育产业发展与经济增长的时序数据，对体育发展与经济增长的关系进行动态计量分析。 　　二、理论模型 　　向量自回归（VAR）是基于数据的统计性质建立模型，是处理多个相关经济指标的分析与预测最容易操作的模型之一，受到广泛经济工作者的重视。但是，VAR模型也存在一些不足，它不能刻画出变量之间当期相关关系的确切形式，而这些当期相关关系隐藏在误差项的相关结构之中，是无法解释的。SVAR对此进行了改进，它在模型中加入当期内生变量，从而刻画了变量之间的同期相关关系。因此，本文选用SVAR模型对体育发展与经济增长的关系进行动态计量分析。 　　p阶SVAR（p）模型假设为： 　　A0Yt=C+∑pi=1AiYt-i+ut（1） 　　其中Y=（dlngdp、dsales），C为常数项，ut是白噪声序列且与同期扰动项之间互不相关。A0，A1，…Ap为系数矩阵，i为滞后阶数。A0表示各个变量当期的相互关系，称为短期约束矩阵，A0，A1，…Ap表示了各个滞后变量对当期变量的影响，称为长期约束矩阵。 　　可以将式（1）写成滞后算子形式： 　　B（L）Yt=ut，E（utut）=Ik（2） 　　式中，B（L）=A0-A1L-A2L2-…-ApLp，B（L）是滞后算子L的k×k的参数矩阵，A0（IkA0矩阵均是主对角线元素为1的矩阵。 　　式（2）中假定结构式误差项ut的方差-协方差矩阵为单位矩阵Ik。同样，如果矩阵多项式B（L）可逆，可以表示出SVAR的无穷阶的VMA（∞）形式 　　Yt=D（L）ut（3） 　　式中，D（L）=B（L）-1，D（L）=D0+D1L+D2L2+…，D0=C-1 　　0式（3）通常称为经济模型的最终表达式，因为其中所有内生变量都表示为ut的分布滞后形式。而且结构冲击ut是不可直接观测得到，需要通过Yt各元素的响应才可观测到。可以通过估计式（3），转变简化式的误差项得到结构冲击ut，从VAR模型Yt=C（L）εt和式（3），可以得到 　　C（L）εt=D（L）ut（4） 　　上式对于任意的t都是成立的，称为典型的SVAR模型。由于C0=Ik，可得 　　C0εt=εt=D0Yt（5） 　　式（5）两端平方取期望，可得 　　∑=D0D0（6） 　　所以我们可以通过对D0施加约束来识别SVAR模型。 　　更一般的，假定A、B是（k×k）的可逆矩阵，A矩阵左乘VAR模型C（L）Yt=εt，则得 　　AC（L）Yt=Aεt，t=1，2，…，T（7） 　　如果A、B满足下列条件：Aεt=BUt，E（ut）=0k，E（utut）=Ik，则称上述模型为AB型SVAR模型。 　　三、实证分析 　　1.指标选择 　　（1）体育产业发展指标。体育产业包括体育用品销售、体育设施建设、体育服务等，涵盖内容广泛。由于中国目前缺乏体育行业发展的总体数据统计，因此我们选用在香港上市的4家我国体育用品上市公司――安踏体育、李宁、中国动向、特步国际的销售收入额来反映我国体育产业的发展总体状况。这4家上市企业均为国内领先的大型体育用品供应商，因此，他们的销售活动能比较好地反应我国体育产业的发展水平。 　　（2）经济发展指标。本文选用我国第三产业生产总值作为经济发展指标，该指标相对全国GDP指标能与体育产品销售额更精确化比较，减少多变量波动带来的影响。 　　2.数据选取 　　由于以上4家在香港上市的体育用品公司最晚于2007年下半年上市，因此本文选取的样本区间为2007年1