基于VAR模型风险投资与高新技术产业相关性研究.doc

基于VAR模型风险投资与高新技术产业相关性研究 　　【摘 要】本文针对风险投资业与高新技术产业的发展情况，选取1994-2012年间我国历年风险投资额、高新技术产业工业总产值两个时间序列，建立VAR模型，并用脉冲响应对系统进行动态关系分析。结果表明，在长期中，风险投资与高新技术产业之间具有稳定的均衡关系；且就影响大小来看，风险投资推动高新技术产业高速发展，而高新技术产业对风险投资的作用较弱。 　　【关键词】风险投资；高新技术产业；协整；脉冲响应 　　一、引言 　　近年来，我国高新技术产业发展迅速，高新技术产业增长与风险投资具有正相关关系。风险投资通过提供资金、参与管理、规范股权结构、影响董事会构成进而影响企业决策等方式推动着高新技术产业又快又好发展。相对于其他产业，高新技术产业具有高风险、筹资难特点，在制定产业政策时，要研究风险投资与高新技术产业的相关关系，进而根据高新技术企业所处的发展阶段，制定相应的投融资政策 　　关于风险投资对高科技产业的作用，国内外进行了大量理论及实证研究。Astrid和Bruno认为，风险投资的作用某种程度上类似于大公司的RD[1]。Kortum和Lerner通过建立一个专利生产函数来衡量风险投资和创新程度之间的相关关系，发现风险投资对技术创新的贡献远大于其他资本投入，认为拥有一套良好的风险投资机制有助于促进一国经济的可持续发展[2]。王雷和党兴华通过典型相关分析，对我国风险投资对技术创新和高新技术产业的影响进行了论证，并认为风险退出渠道的不畅以及风险资本市场波动性大是阻碍我国风险投资对技术创新以及高新技术产业发展支撑作用显著的主要原因[3]。 　　基于以上分析可见，风险投资和高新技术产业之间的动态变化规律仍然没有理论和实证上的研究，因此，风险投资与高新技术产业之间的相关关系有进一步深入研究的必要。本文将运用VAR模型，对我国1994-2012年年度数据进行实证分析，研究风险投资和高新技术之间的长期均衡和短期系统动态特征，进而为我国高新技术产业与金融的结合发展提出对策和建议。 　　二、数据及模型设计 　　鉴于数据的可得性，以及??保证数据的准确性，本文选取1994-2012年之间的年度数据。其中，风险投资额设定为X；高新技术产业工业总产值设定为Y。风险投资额数据来源于清科数据库，高新技术产业工业总产值数据来源于《中国统计年鉴》。为消除异方差并保持其波动性，将序列取对数。 　　本文将通过构建VAR模型来考察风险投资和高新技术产业之间的动态变化规率以及模型受到某种冲击时对系统的动态影响，为避免由非平稳性造成的“伪回归结果”[4]，本文实证部分步骤安排如下：第一，进行单位根检验，检验数列的平稳性。从各数列时序图中可以看出各时间序列均有明显的上升趋势，故应采用包含常数项和线性时间趋势项的检验形式：。第二，进行协整检验，检验两个非平稳经济变量的长期均衡关系。第三，建立向量误差修正（VEC）模型，向量误差修正模型是对变量施加了协整约束条件的向量自回归（VAR）模型。第四，通过建立脉冲响应函数，反映出每个内生变量的变动或冲击对其本身及所有其他内生变量产生的影响，体现风险投资、高新技术产业工业总产值以及科技创新的动态关系。 　　三、实证结果及分析 　　（一）单位根检验 　　为防止伪回归的发生，本文采用ADF方法对各变量进行单位根检验。单位根检验前，采用经验观察法观察两个变量序列的曲线图确定单位根检验包含截距和时间趋势项，依据SIC准则确定滞后期。检验结果如表1。 　　从表1中可以看出，在5%的显著性水平下，两个变量原序列的ADF值均大于临界值，为非平稳时间序列。一阶差分后，变量的ADF值均小于5%显著性水平下的临界值，表明变量均为一阶单整，即lnX～I（1），lnY～I（1）。 　　（二）协整检验 　　非平稳时间变量间存在长期的稳定的均衡关系即协整关系。首先对lnX、lnY两个变量进行普通最小二乘回归，取得残差序列E。用ADF方法对序列E做单位根检验，检验统计量为-2.73，小于显著性水平0.01时的临界值-2.70，因此可以认为估计残差序列E为平稳序列，序列lnX和lnY具有协整关系。 　　（三）VEC模型 　　由协整检验结果可知变量间存在协整关系，当变量间存在协整关系时，尽管建立的VAR模型是平稳的，但不是最好的选择。而误差修正（VEC）模型是对各变量施加了协整约束条件的向量自回归模型。根据VAR模型的LR，FPE，AIC，SC，HQ值，依据相应准则选择出的滞后期数。可以看出超过一半的准则选出的滞后期数为3，由于变量间存在协整关系，因此建立滞后阶数为2的VEC模型，如式（1）。AIC和SC值分别为-0.5351和0.1409，均较小，说明模型整体解释能力强。 　　从变量来看，