上海经济进展驱动力探讨(共3369字).docVIP

上海经济进展驱动力探讨(共3369字) 本文 本文将通过建立VAR模型进行脉冲响应和方差分解分析，进而具体阐述消费、投资与净出口这三个要素究竟能在多大程度上拉动经济增长，即消费、投资和净出口各自对于上海市GDP的贡献率。 根据传统经济理论，可以用GDP指标来反映经济增长全貌，以最终消费支出(FCE)反映消费需求情况，以全社会固定资产投资(I)反映投资需求状况，以净出口(XM)反映外贸状况。本文以上海市为研究对象，样本区间为1985～2011年，样本数据来自于历年的《上海统计年鉴》和上海海关网站，计量分析软件采用Eviews6．0，由于时间序列数据多为不平稳序列，因此要将变量取自然对数，即LNGDP、LNFCE、LNI，而净出口数据在若干年份里存在负值故不能取对数。分析思路:对于时间序列，首先要通过ADF检验观察数据是否平稳。若平稳，则可直接进行Granger因果关系检验;若不平稳，可通过差分变为平稳之后再进行Granger因果检验。然后，选择最优滞后阶数来建立VAR模型，并对其进行AR根的平稳性测试，进而在最优VAR模型的基础上进行Johansen协整检验、脉冲响应和方差分解。最后，根据模型得出自己的结论和政策建议。 数据平稳性检验(ADF检验)在对时间序列数据进行实证分析之前，必须首先进行平稳性检验。若数据不平衡，则无法进行格兰杰因果检验和协整关系检验。因此，首先对各数据进行单位根检验，即采用ADF检验来判断数据是否平稳。原假设H0:序列不平稳;备择假设H1:序列平稳。取显著性水平α=0．5，若变量的ADF统计量＜5%的临界值，则拒绝原假设，即数据平稳;若其ADF统计量＞5%的临界值，则接受原假设，即数据不平稳。经检验，发现四个变量的原阶数据都是不平稳的，在经过一阶差分之后变为平稳序列，且在1%的置信水平下都是平稳的。一阶差后变平稳的数据经整理后如表1所示，原阶数据的单位根检验省略。Granger因果关系检验由于时序数据经过一阶差分之后变平稳，因此可以进行格兰杰因果关系检验，检验结果如表2所示。由表2可以看出，当显著性水平为5%、滞后阶数为2时，最终消费支出与GDP之间的关系是互为因果;投资与GDP之间呈单向因果关系，即投资是引起GDP变化的格兰杰原因;净出口与GDP之间彼此独立、互不影响。同时要注意到，格兰杰因果检验所解释的并不是同期变量之间的关系，而是某期变量的现值与另一变量的所有滞后值之间的关系。因此，这种关系实际上只是时间上的因果关系，重在影响方向的确认，而非完全的因果逻辑关系。 选择最优滞后阶数在建立VAR模型之前，首先要根据AIC、SC等信息准则来确定最优的滞后阶数，方法是AIC、SC等信息准则越小所代表的滞后阶数越好，此时所建立的VAR模型越优。由表3可得，VAR模型的最优滞后阶数为2，因此可以建立VAR(2)模型:DLNGDP=0．1781+1．0511DLNGDP(－1)－0．3325DLNGDP(－2)－0．4814DLNFCE(－1)+0．1755DLNFCE(－2)+0．1069DLNI(－1)－0．0232DLNI(－2)－0．0002DXM(－1)+0．002DXM(－2)之后，要在此模型的基础上进行协整检验、脉冲响应和方差分解。在滞后阶数确定之后，仍然要对VAR(2)模型进行平稳性检验，此时要用到特征方程的AR根检验法，即如图1所示。由于VAR(2)模型的AR根全部落在单位圆以内，故可以判定此模型满足平稳性条件。在VAR(2)模型中，可以运用Johansen协整检验观察多个变量之间是否存在协整关系［3］。输出迹统计量(TraceStatistic)检验结果，如表4所示。由表4可以看出，各序列变量之间存在协整关系，也就是证明了所选取的四个变量之间存在长期稳定的均衡关系。同时，还可以通过Johansen协整检验得到最大特征值统计量(Max－Eigenvalue)的检验结果，同样证明了序列变量之间存在协整关系。由于最大特征值统计量的检验结果与迹统计量检验结果相似，此处不再重复。 为了对各变量之间的动态关系有更多的了解，我们将根据所建立的VAR(2)模型进行脉冲响应分析。由图2可以看到，在给各变量一个广义的脉冲冲击之后，得到关于GDP的一组脉冲响应函数图。其中，横轴表示各变量冲击作用的滞后期数(年)，纵轴表示GDP的变动幅度(亿元)，黑线表示脉冲响应函数，反映了GDP对各影响因素的冲击反应，上下两条虚线表示正负两倍标准差偏离带［4］。由图2可以观察到，在本期给FCE一个正向冲击后，GDP迅速作出反应，这种正向冲击作用一直持续到第5期，从第6期之后趋于稳定收敛状态，可见GDP对最终消费支出FCE的冲击反应迅速并比较强烈，在最终消费支出FCE波动后GD