人口老龄化与储蓄率的关系研究.docVIP

人口老龄化与储蓄率的关系研究 　　摘要：经济学中，将老龄化进程产生的高储蓄率对经济增长的促进作用描述为“第二次人口红利”。如何延长人口红利期、挖掘新的人口红利，对我国社会和经济的可持续发展有重要的意义。本文主要对中国储蓄率和老年人抚养比的因果关系进行探讨。 　　为有效揭示中国储蓄率和老年人抚养比之间的作用方式，本文采用基于面板数据的向量自回归方法，在老年人抚养比和储蓄率基础上，增加了人均GDP变量，根据AIC和SC信息准则建立最优阶数为一阶的三变量滞后面板向量自回归数据模型（PVAR），对中国30个省级单位从1983―2012年的储蓄率与老年人抚养比关系进行了实证分析。 　　通过LLC和IPS单位根检验后，确定了三变量（储蓄率，老年人抚养比和人均GDP变量）的数据平稳性和估计结果的有效性。在对数据进行Helmet消除地区间的固定效应后，经过系统GMM方法对PVAR模型的系数进行估计，估计系数显著。最后用脉冲响应函数分析储蓄率和老年人抚养比之间脉冲响应来观察两者间相互作用的关系。 　　结果表明：储蓄率与老年人抚养比存在双向互动关系，老年人抚养比对于储蓄率的正影响持续时间比较长，且积累效应显著。随着人口老龄化程度的不断提高，人们为应对老年时期可能发生的个人财务危机而形成新的储蓄动机，在工作期间增加资产累积，这种累积持续时间较长。这与人口结构的第二次红利结论吻合。 　　关键词：面板数据向量自回归模型（PVAR）；单位根检验；脉冲响应函数分析；储蓄率；老年人抚养比 　　1.问题重述 　　由于数据涉及时间、省市、变量三维信息，属于面板数据，我们基于计量经济学PVAR（面板向量自回归）模型建立老年抚养比与储蓄率以及其他内向量间的关系。 　　2.问题分析 　　第一，进行相关数据的搜集与整理。根据附件中的原始数据，经过计算处理得出需要的模型数据，以方便后续计算。 　　第二是模型的分析。面板数据一般拥有相对较少的观测值。此外，个体的多样性也是分解数据的一个重要特征。用传统的VAR模型来处理面板数据是不恰当的。因此，我们采用基于面板数据的向量自回归模型。 　　第三是确定PVAR的滞后阶数和每个时间序列的滞后阶数以及单位根检验。 　　最后运用Stata对模型求解，并通过脉冲响应函数分析变量之间的关系。 　　3.问题求解 　　3.1数据与变量的选择 　　由于其中有年份数据缺失的情况，因此在年份上选取1983～2012年共30年的数据。而对于各省市，其中西藏数据缺失较多，最终选出了除西藏以外的30个省市作为模型的训。考虑到GDP对于老年人抚养比与储蓄率之间的关系，我们在此建立人均GDP，老年人抚养比和储蓄率的三变量面板向量模型。其中各变量定义如表1。 　　3.2PVAR模型的建立 　　面板数据一般拥有相对较少的观测值。此外，个体的多样性也是分解数据的一个重要特征。用传统的VAR模型来处理面板数据是不恰当的。因此，我们采用基于面板数据的向量自回归模型。现将PVAR模型一般表达形式如下： 　　其中符号定义如表4 　　鉴于本文所选的指标为老人年抚养比（orate），存储率（drate），以及考虑影响两者比较重要的人均GDP增长率（gdp），为消除地区界面的固定效应，通过用Helmet方法进行前向均值差分，转化后的变量与滞后自变量仍然具有正交性。 　　故这三个变量构成的P阶PVAR模型如下： 　　3.3PVAR面板数据检验 　　①滞后阶数的选择 　　在得到PVAR模型及进行单位根检验之前，我们需要确定PVAR的滞后阶数和每个时间序列的滞后阶数。目前使用从一般到特殊的方法，从较大的滞后阶开始，通过t值检验，调整滞后阶数；或者根据AIC和SC信息准则进行确定，选择的阶数应该是的AIC和SC越小越好。根据AIC和SC信息准则，方程最优滞后阶数为一阶。 　　②单位根检验 　　为避免面板数据模型估计中出现“虚假回归问题”，确保估计结果的有效性，满足PVAR模型建立的假设前提必须对各面板数据的平稳性进行检验。检验数据平稳性最常用的办法就是单位根检验。 　　本文对所采集的数据进行两种单位根检验方法：LLC检验和IPS检验，检验结果如表5。 　　从上述的面板单位根检验可知：LNgdp的水平序列式是平稳的，但对于LNorate，LNdrate是非平稳的。因此我们对LNorate，LNdrate进行一阶差分观察它们的平稳性。其中一阶差分符号记为（D.），检验结果如表6。 　　从上述对一阶差分的存储率和老年人抚养比的LLC和IPS单位根检验来看，D.LNdrate，D.LNorate是平稳的，使用这些变化对变量进行处理可以保证模型的准确性和可靠性。同时，表明使用PVAR模型是可行的。 　　3.4PVAR模型的结果