时变参数下劳动生产率对经济增长的影响分析.docVIP

时变参数下劳动生产率对经济增长的影响分析 ［摘要］引入时变参建立状态空间模型，应用卡尔 ［摘要］引入时变参 建立状态空间模型，应用卡尔 曼滤波算法，计算了我国1952年?n年劳动生产率和经济 增长之间的时变参数影响关系。对于估计结果进行了协整 检验，验证了模型的合理性。 ［关键词］时变参数劳动生产率经济增长卡尔曼滤波 、引言 在传统的经济增长理论中，一般把劳动、资本和科技 作为最主要的投入要素，利用索洛增长速度方程研宄各要 素在经济增长中的贡献，以劳动生产率为研究对象，量化 分析劳动生产率与经济增长关系的研究较少，我国是劳动 力资源非常丰富的国家，劳动在经济增长中的作用异常重 要，分析劳动生产率对经济增长的影响具有重要的理论和 现实意义。 通常的研究中，将劳动力因素分解为劳动生产率和劳 动参与率，分析劳动力因素对经济增长的作用，一般都是 采用最小二乘法估计得到劳动生产率与经济增长率之间的 弹性（固定影响系数），即得到两者之间在样本区间内的平 均影响关系。实际上，由于经济改革、各种各样的外界冲 击和政策变化等因素的影响，我国经济结构正在逐渐发生 变化，而用固定参数模型不能完全描述这种经济结构的变 化，不能反映解释变量和被解释变量之间逐年的关系变化 因此，本文采用时变参数，建立状态空间模型，利用卡尔 曼滤波算法研究劳动生产率增长和经济增长之间的关系。 二、时变参数模型的建立 一般的固定参数模型 Y=KX+C+ut(l) 式中：Y —被解释变量，X—解释变量，K一弹性系数， C_常数项，ut —随机误差项。对于己知的X、Y序列，通 过最小二乘法，可以估计出弹性系数K和常数项C (这里K、 C估计出来的结果是固定不变的)。本文采用时变参数，建 立的状态空间模型和方程(2-1)有所不同： 量测方程： yt =cO+a tXt+ C t (2) 状态方程： a t=入 a t_l++ y t ( 3 ) 其中，yt、Xt、代表可观测向量，cO常数项，at代 表状态向量，是不可观测变量，有待估计。这里假设状态 向量符合AR(1)过程。入、JI为AR(1)系数，如果X估计 结果为1，估计结果为0,则为随机游走过程。Ct、Pt 为随机扰动项，假设遵循如下正态分布：yt?N(0，o t22), Ct?N(O，o tl2)。量测方程(2)表示了解释变量 和被解释变量之间的一般关系，式中参数at称为状态变量。 方程(3)又称状态转移方程，描述了状态变量的生成过程。 本文在计算过程中，假定状态向量符合随机游走，带有漂 移的随机游走，AR (1)三种形式，计算结果显示，随机游走 过程拟合最好，所以本文最终选定了状态方程： a t= a t~l+ U t (4) 三、时变参数模型的估计 1.数据说明 我国劳动生产率的计算公式： (5) 式中：lp —劳动生产率；y —产出，单位亿元；1 一从 业人员人数，单位万人。 劳动生产率增长率的计算公式： (6 ) 利用上述计算公式，按照1952年不变价格，对我国 195 2年?XX年间的劳动生产率及其增长率进行计算。 2.模型估计 采用方程(3)和(4)建立的状态空间模型，以GDP增长 率为被解释变量，以劳动生产率增长率为解释变量，代入 统计数据，采用卡尔曼滤波算法，利用即可将模型估计出 来。限于篇幅，本文略去时变参数估计结果以及方程残差 表。 四、模型检验 对于估计结果，用Eviews软件对序列GDP增长率和劳 动生产率增长率进行A DF检验，检验结果见表1。 由单位跟检验结果，序列GDP增长率和劳动生产率增 长率均是同阶单整序列，两者之间存在某种平稳的线性组 合。由于不能拒绝时变参数模型的回归残差是平稳时间序 列的原假设，因此，可以认为状态空间模型的估计结果是 可靠的，说明GDP增长率和劳动生产率增长率之间存在长期 的均衡比例不断变化的协整关系，即变参数协整关系。 五、时变参数估计结果分析 根据时变参数模型计算结果分析时变参数趋势 图1所示，劳动生产率增长率对于GDP增长率弹性在1953 年?XX期间，除了 1 958年有一个突增而外，基本处于下 降状态，尤其在上个世纪九十年代初期下降更快。但是对 于GDP增长率始终是正的拉动作用。 样本区间内劳动生产率增长率对于GDP增长率弹性始 终是正的，表明劳动生产率增长对于GDP增长具有积极作 用。劳动生产率增长带动GDP与其同方向增长，只是不同 的年份，劳动生产率增长带来的GDP增长有所不同。 样本区间内，劳动生产率增长率弹性呈现总体下降趋 势，劳动生产率增长率每增加1 °%，拉动GDP增长的幅度 降低。说明了劳动生产率增长对GDP增长的拉动作用曰益 减弱，我国的经济增长更多的依赖于资本投入和科技水平 的提高。 劳动生产率增长率对GD P增长率弹性大于1的年份主