协整检验（共7篇）
协整检验 篇1
摘要：根据协整理论, 选取中国1991—2011年的有关年度数据, 对中国信息产业与经济增长的关系进行协整检验、Granger因果检验并建立相应的误差修正模型, 研究结果表明:中国信息产业与经济增长之间的长期均衡关系成立, 但这种均衡关系对本期非均衡误差的自身修正能力较弱;信息产业的发展是经济增长的Granger原因, 但经济增长并没有构成信息产业发展的Granger原因。
关键词：信息产业,经济增长,协整,误差修正模型,Granger因果检验
随着全球一体化进程的加速和经济社会的持续快速发展, 中国信息产业的发展对经济增长起到非常重要的作用。信息产业可以提升中国社会信息化水平, 迎合新的消费需求, 延伸传统产业的价值链, 促进产业结构优化升级, 增加新的就业岗位, 对于实现经济增长具有积极的现实意义。中国正处于经济转型的关键时期, 消费结构有待进一步升级, 产业结构有待继续优化, 市场需求空间巨大, 经济增长方式有待转型。鉴于此, 对信息产业加以扶持并大力发展具有重要的现实意义[1]。
1 协整与误差修正模型分析方法
协整理论是用来研究非平稳时间序列数据的一种重要方法。Engel和Granger发现, 若多个非平稳的时间序列被线性组合成一个时间序列时变成平稳的, 则这些非平稳的时间序列之间存在协整关系 (即存在长期均衡关系) 。具有协整关系的变量之间的短期非均衡关系总能由一个误差修正模型加以描述。
1.1 单位根检验
单位根检验是用来检验一个时间序列数据是否平稳, 常用的是ADF检验方法。ADF检验是通过下面三个模型完成的:
其中, x代表时间序列数据, t代表时间变量, 零假设为δ=0, 备择假设为δ<0。如果接受零假设, 说明x存在一个单位根, 为非平稳序列;反之为平稳序列。对于非平稳序列, 如果进行完d阶差分后成为平稳序列, 则称该序列为d阶单整序列, 记为I (d) [2]。
实际检验顺序为依次检验模型3、模型2、模型1, 何时拒绝零假设则何时停止检验, 即该序列为平稳序列。只要模型3、模型2、模型1中有一个拒绝零假设的检验结果, 则可认为该序列为平稳序列;当模型3、模型2、模型1都做出接受零假设的判别时, 则可认为该序列为非平稳序列。
1.2 协整检验
如果两个单整阶数相等的变量的线性组合为平稳的, 则这两个变量具有协整关系。协整检验是用来检验变量之间是否存在协整关系。Engel和Granger于1987年提出了两步检验法:首先用普通最小二乘法 (ols) 求出残差, 其次检验是否平稳, 只有当是平稳序列时, 才能认为两个变量之间存在协整关系。检验是否平稳常用的是ADF检验方法, 检验模型为:
1.3 误差修正模型
如果变量x与变量y之间存在协整关系, 则它们之间存在长期均衡关系, 且它们之间的短期非均衡关系总可以表述成一个误差修正模型:△yt=lagged (△yt, △xt) -λecmt-1+εt, 其中。
式中, ecmt-1为非均衡误差项或者长期均衡偏差项, λ为短期调整系数, εt为白噪声[3]。
1.4 Granger因果关系检验
Granger因果关系检验的基本原理是, 对两个时间序列变量x、y, 若x有利于预测y (即对y作自回归时, 引入x的滞后值作解释变量可以更准确地预测y) , 则称x是y的Granger原因;对应的零假设为“x不是引起y变化的Granger原因”[4]。对下列两个回归模型进行估计:
如果检验系数b1…bm显著地不为0, 就拒绝零假设, 表明x是引起y变化的Granger原因;当零假设为“y不是引起x变化的Granger原因”时, 只需将上述两个回归模型中的x与y互换。
2 中国信息产业与经济增长的实证分析
2.1 变量选取和样本数据说明
目前, 中国对信息产业的内涵尚未形成统一的认识, 国家统计局也未对信息产业设置专门的统计口径, 没有单独统计信息产业方面的直接数据。鉴于此, 本文综合国内外关于信息产业的定义, 结合中国实际情况, 考虑到数据的可得性, 选取通信设备、计算机及其他制造业 (2002年以前为电子及通信设备制造业) , 以及印刷业记录媒介的复制和邮电通信业的增加值来近似代替信息产业的增加值;选取GDP作为经济增长的代表变量[5]。本文选取的样本数据是1991—2011年的年度数据, 用ITAV代表信息产业增加值, 用GDP代表国内生产总值, 如表1所示。从图1、图2可以看出ITAV与GDP都具有递增的变化趋势, 且ITAV与GDP强相关;经计算, 两者具有较高的相关系数, 为0.9947。
亿元
注:数据来源于1992—2012年《中国统计年鉴》、《中国信息化年鉴》
2.2 单位根检验
本文采用ADF检验法对变量GDP、ITAV进行单位根检验, 检验结果如表2所示。在5%的显著性水平下, GDP、ITAV、△GDP与△ITAV时间序列的单位根检验都不拒绝零假设, 即不拒绝存在单位根的假设, 说明GDP、ITAV、△GDP与△ITAV都是非平稳的时间序列;而△2GDP与△2ITAV的单位根检验都拒绝零假设, 即拒绝存在单位根的假设, 表明△2GDP、△2ITAV都是平稳序列。因此, GDP与ITAV都是2阶单整的变量, 即GDP、ITAV都是I (2) 。
注:检验类型 (C、T、L) 中的C、T、L分别代表常数项、趋势项、滞后项, 滞后项的确定规则是AIC、SC分别达到最小值;△表示变量的一阶差分, △2表示变量的二阶差分
2.3 协整检验
单位根检验的结果表明ITAV、GDP都是I (2) , 说明ITAV、GDP之间可能存在协整关系即长期均衡关系, 可以通过协整分析以检验变量之间是否存在协整关系。由GDP对ITAV进行ols估计, 得到GDPt1=39234.97+8.168ITAVt, 调整的可决系数为0.9889, F统计量、T统计量对应的伴随概率均为0.0000。设为残差, 对进行ADF检验, 结果如表3所示。
表3的协整检验结果表明, 在5%的显著性水平下, ADF的值小于5%的临界值, 说明残差为平稳序列, ITAV和GDP之间存在协整关系, 即ITAV和GDP之间存在长期均衡关系。ols估计的结果表明, ITAV和GDP之间的长期均衡关系为正向的, 且ITAV增加1个单位, GDP将增加8.168个单位, 说明信息产业的发展对经济增长的拉动作用较强。
2.4 误差修正模型
通过协整分析发现了ITAV和GDP之间的长期均衡关系, 但无法得知GDP偏离长期均衡后向均衡状态调整的速度, 误差修正模型使得这一问题得以解决[6]。反映ITAV和GDP之间短期动态均衡关系的误差修正模型为:△GDPt=2962.6+7.348△ITA-Vt-0.221ecmt-1+εt。
误差修正模型的分析结果表明: (1) GDP的短期变动可以分为两部分, 一部分是ITAV短期波动的影响, 一部分是GDP偏离长期均衡的影响。 (2) ITAV与GDP的短期动态均衡关系是, 在短期内△ITAV变动一个单位, △GDPt将变动7.348个单位。 (3) 短期调整系数为-0.221, 符合反向修正机制, 说明GDP的变化向长期均衡状态调整的速度为22.1%, 是较为缓慢的, 即如果出现长期偏离均衡状态的情况, GDP再次回到长期均衡状态的速度较慢。亦即短期内其他多种因素会对经济增长产生影响, ITAV与GDP之间的长期均衡关系对本期非均衡误差的修正能力较弱, 也就是说长期均衡关系的失衡对GDP的影响不大。
2.5 Granger因果关系检验
通过协整检验的结果得知ITAV和GDP之间的长期均衡关系成立, 但这种关系是否可确定为因果关系尚需得到进一步的验证。
注:F-Statistic为F统计量, Probability表示与F-Statistic相对应的伴随概率
Granger因果关系检验的结果表明, 在5%的显著性水平下, 在滞后期为1年、2年时, ITAV是GDP的Granger原因, 而GDP不是ITAV的Granger原因, ITAV和GDP之间存在着从ITAV到GDP的单向因果关系。即信息产业的发展对经济增长具有促进作用, 但经济增长并没有直接引起信息产业的发展。表明中国经济增长对信息化的内在需求不足, 经济增长主要依靠的是资源的大量投入而非信息化的发展以及相应的科技进步[7]。
3 结论
本文分析的结果表明, 信息产业发展和经济增长之间的相关系数较大, 相关关系较强;尽管各自都为非平稳的, 但它们的长期均衡关系成立。短期内, 经济增长的一阶差分变量受信息产业增加值一阶差分变量的显著影响, 信息产业发展与经济增长之间的长期均衡关系对本期非均衡误差调整的自身修正能力较弱。信息产业发展是经济增长的Granger原因, 而经济增长并未构成信息产业发展的Granger原因。
Granger因果关系分析结果表明, 中国的经济增长仍未能走上依靠信息化发展的道路, 信息产业发展对经济增长的促进作用还远未发挥出来, 信息化与经济增长之间未能形成一个相互促进的良性发展关系。应重视中国经济增长与信息产业发展之间的的协整关系, 制定有利于信息产业良性发展的政策, 适时地提高中国经济增长中的信息化水平, 促进信息产业的发展, 最终促进信息产业和中国经济的良性互动发展。
参考文献
[1]王悦.我国信息产业对经济增长促进作用的计量分析[J].统计与决策, 2007 (6) :71-71
[2]李子奈, 潘文卿.计量经济学[M].第3版.北京:高等教育出版社, 2010
[3]张优智.财政科技投入与经济增长的协整检验[J].科技进步与对策, 2012 (4) :13-14
[4]张新立.美国信息产业发展的协整与误差修正模型研究[J].情报杂志, 2007 (4) :123-124
[5]孙宝文.信息技术产业对经济增长影响的实证研究[J].中央财经大学学报, 2002 (6) :76-77
[6]R F ENGLE, C W J GRANGER.Co-integration and error correc-tion:Representation, estimation and testing[J].Econometrics, 1987 (55) :251-266
[7]赵立雨, 师萍.政府财政研发投入与经济增长的协整检验[J].中国软科学, 2010 (2) :53-56
协整检验 篇2
对于经济工作者来说,通常做协整都是用Eviews软件和Stata。Eviews软件体积小,占用内存小,最重要的是界面友好,一些主要的时间序列分析功能均可以用菜单完成。Stata则是近年来开始流行的经济计量软件包,其估计模型的多样性只有SAS堪与匹敌。实际上,被誉为数据统计分析的标准软件SAS也能轻松实现协整检验。与其他软件相比,SAS强大的数据管理功能使其在一些领域具有特殊的用途。
一般来说,做协整需要先进行单位根检验,然后才是协整检验。本文依此顺序进行。采用的软件是SAS9.0的ETS模块。“ETS”代表“Econometrics and Time Series”,该模块对时间序列和经济技术进行整合,用于对业务流程进行建模、预测和模拟。
2 在SAS/ETS中实现协整检验
2.1 单位根检验
在检验协整关系前,首先要进行单位根检验。只有在所有变量均通过单位根检验,即所有变量为非平稳数据的情况下,协整检验才有意义。
SAS支持的单位根检验方法包括DF、ADF、PP、KPSS和RW(检验带漂移项的随机游走)。DF检验假设时序列为AR(1)过程,可等价地表示为
因此DF检验即是检验δ=0。
实际应用中,数据一般都具有不同程度的相关性,因此,作为对DF检验的发展,Dicky和Fuller(1979,1981)为校正自相关而在回归方程中加上Yt的若干期滞后项,这一检验是假定Yt的数据生成过程为AR(p)过程。PP检验则使用非参数方法校正残差的相关性,KPSS检验则是在剔除原序列趋势的基础上构造统计量进行检验。
ADF在应用中最为常见,其SAS程序可如下编写:
run;
adf=(3)表示滞后阶为3,这可以根据系数显著性的t检验来确定。
SAS给出的结果非常多,因此,如果只想保留ADF检验的内容,则可以对输出结果进行控制。
ods listing select;
'identification 1'.'Augmented Dickey-Fuller Unit Root Tests';
run;
quit;
相应结果如表1。
可见,该时序列是不平稳的。
另一方面,如果不加设定,SAS的输出结果是文本格式的,扩展名为“.lst”,可以通过ODS语句把它直接输出为xls文件,如下面的程序:
run;
ods html close;
由于ODS没有直接的EXCEL输出目标,这里通过HTML输出目标间接实现,因为EXCEL可以直接打开并编辑HTML文件。
2.2 协整检验
如果通过单位根检验,则可以进行协整检验。协整系统的表示形式有四种:共同趋势、VECM(向量误差修正模型)、VAR和三角表示形式。SAS/ETS用VECM表示形式,这里对其原理进行简单介绍以加深对程序的理解。
对k维P阶VAR模型
其中,yt的分量y1t,y2t,…ykt是非平稳I(1)序列,xt是d维的外生变量,代表趋势项、常数项等确定性项,εt是新息向量。经过变形,可将其改写为
其中
由于经过一阶差分的内生变量向量中各序列都是平稳的,所以若构成∑yt-i的各变量都是I(0)时,即y1,t-1,y2,t-2,…yk,t-1之间具有协整关系,就能保证新息是平稳过程。此时,存在两个m×r阶矩阵α和β,使得
其中,α称为调整参数矩阵,β为协整向量矩阵。两个分解矩阵的秩都是r。
因此(2)可以表示成
也可以用误差修正模型表示这种协整体系。
ecmt-1=β'yt-i是误差修正项,反映变量之间的长期均衡关系,系数向量a反映变量之间的均衡关系偏离长期均衡状态时,将其调整到均衡状态的调整速度。所有作为解释变量的差分项的系数反映各变量的短期波动对作为被解释变量的短期变化的影响。
协整检验相应的语句为COINTEG和MODEL,下面分别进行详细解说。
2.2.1 COINTEG语句
该语句格式为:
COINTEG RANK=number
协整语句能够检验调节向量和长期参数的约束;也可以检验长期参数的弱外生性。协整系统用Johansen and Juselius(1990)and Johansen(1995a,1995b)提出的ML法估计。
RANK=number指定协整系统的秩,其值大于0小于变量个数。在COINTEG语句中该选项是必须的。
为了检验α和β的限制性条件,可以使用H和J矩阵。这里重点介绍H和J矩阵行列数的确定。
H=(matrix)选项是协整向量的约束阵。设协整向量矩阵为β,则β=H准,H为K×s或(k+1)×s,准为s×r的未知阵。k等于解释变量个数,r埕s刍k,r的值由选项RANK=r确定。
例1:系统有4个变量且RANK=1,则协整向量为β=(β1,…β4)',限制性条件为β1+β2=0,则程序如下:
例2:当协整为随机性协整,其他条件一样时,程序如下:
例3:系统有3个被解释变量且RANK=2,设定矩阵约束为检验β1j+β2j=0(j=1,2),则程序如下:
J=(matrix)选项是调节向量的约束阵。设α为调节向量矩阵,α=j准,j已知而准未知。j是K×M,K是解释变量个数,r埕m刍k,r的值由选项RANK=r确定。
例1:系统包含4个变量且RANK=1,可以设定限制矩阵αj=0(j=2,3,4)。程序如下:
例2:系统包含3个变量且RANK=2,可以设定限制矩阵α2j=0(j=2,3)。程序如下:
2.2.2 MODEL语句
该语句格式为:
Model语句设定内生变量和外生变量。与协整相关的Model语句除一般功能外,还设定单位根检验的方法(DF检验),协整检验的方法(Johansen检验或SW检验),如下面的程序:
run;
2.3 弱外生性检验
程序如下:
run;
相应结果如表2。
因此,y4是协整向量的弱外生变量。
3 结论
利用SAS/ETS模块,可以进行协整检验。首先进行多种单位根检验以便互相验证结果。做协整检验时可以利用约束矩阵充分实现模型的设定。SAS/ETS还可以对关注参数进行弱外生性检验,其结果具有明显的政策含义。另外,SAS/ETS还可以集成其他模块完善输出结果。
参考文献
[1]沈其君.SAS统计分析[M].北京:高等教育出版社,2005:18.
[2]朱世武.SAS编程技术教程[M].北京:清华大学出版社,2007:37.
[3]朱世武.金融计算与建模:理论、算法与SAS程序[M].北京:清华大学出版社,2007:99.
[4]黄燕,吴平.SAS统计分析及应用[M].北京:机械工业出版社,2006:206.
[5]周爽,贾克云,阮桂海.SAS数据挖掘与分析[M].北京:清华大学出版社,2008:91.
[6]胡良平.现代统计学与SAS应用[M].北京:军事医学科学出版社,2002:77.
[7]范金城.SAS数据分析范例[M].北京:西安交通大学出版社,2008:25.
协整检验 篇3
一、模型变量与数据
本文选取宏观经济中具有代表性的因素, 运用Eviews6.0软件对月度数据进行实证分析。之所以如此选择数据, 是因为: (1) 中国的股票市场发展时间较短, 采用年度数据会因为样本数据较少而使实证分析失去意义; (2) 数据的获取存在困难, 有些指标的季度数据不全, 所以只能选择月度数据。
(一) 股票价格指数的选取
选取上证综合指数收盘价来描述我国股票市场价格及其波动, 采用上证综合指数的每月末的收盘价平均值来代表当月股价指数。本文选择上证综合指数作为研究对象, 主要基于以下两点。第一, 综合指数更能从总体上全面反映证券交易所上市股票价格的变动情况, 可以反映不同行业的景气状况及其价格整体变动状况, 与宏观经济的运行密切相关。第二, 由于沪深股票市场具有相同的社会经济环境, 而且沪深股市的交易制度、投资者结构、上市公司结构具有高度的同质性, 加之资金在两个市场间可以自由流动, 因此, 沪深股市的价格变动应该具有一致性。因此, 本文选择上证综合指数代表我国股票价格的水平。我们采用2007年5月至2010年3月的月度数据作为样本, 在实证研究中, 所使用的是上证综合指数。
(二) 变量的选取
被解释变量Y——上证收盘综合指数
根据分析与数据收集情况, 对影响因素主要从六个方面考虑:
(1) 反映国民经济整体运行状况的:GY——工业增加值增长速度。
(2) 反映货币供给量的:M1——狭义货币。
(3) 反映通货膨胀的:CPI——居民消费价格指数;PPI——工业品出厂价格指数。
(4) 反映利率的:TYLL——银行间同业拆借加权平均利率。
(5) 反映金融企业借贷情况的:CC——金融机构储蓄存款。
(6) 反映汇率水平的:WH——国家外汇储备。
这些指标基本涵盖了宏观经济状况, 由于数据较多, 在此不列。
二、模型的建立
实证分析一般情况下, 我们在分析多个变量对一个变量的影响的时候大多采用多元线性回归的方法, 但这是建立在变量皆是平稳性的基础上。本文所用的变量是时间序列变量, 实际上大多数时间序列是非平稳的, 对这种序列进行线性回归会引起无意义的或谬误的结果, 这种现象被称为“伪回归”。本部分首先对各变量进行单位根检验, 来判断其平稳性。如果结果为非平稳时间序列, 则对部分变量做协整检验, 并且进一步分析它们的Granger因果关系, 以及分析相应的误差修正模型。
(一) 数据预处理以及单位根检验
用E-views 6.0软件对各变量做时间序列图, 发现大多数时间序列是非平稳, 如图1所示, 且M1、CC、WH有相同趋势, 为了消除原序列的非线性趋势, 建立线性协整回归方程, 将原变量取成对数变量。而后, 采用ADF检验法做单位根检验。
在进行ADF平稳性检验时, 必须考虑变量的是否带有截距和趋势。做原变量的折线图可以看出, M1、CPI、CC、WH都带有截距和趋势, Y、GY、PPI、TYLL只有截距, 没有趋势, 所以在ADF检验时要考虑到这些。
注:检验形式c、t分别表示单位根检验的常数项和趋势项, m表示根据SIC值最小确定的滞后阶数;检验结果来自E-views软件。
ADF检验的结果表明, 发现除CPI虽然检查出来是平稳, 但它并非是平稳序列, 它是趋势平稳序列, 检验其一阶序列发现它是平稳序列, 而其他变量都是非平稳序列, 做变量的一阶差分序列的单位根检验, 结果表明PPI为I (2) , 其余变量均为I (1) , 根据协整理论, 不同单整阶数的时间序列之间不存在协整关系。因此, PPI与上证指数之间不存在长期协整关系, 也就是说, 在我们所考察的时间段2007年5月—2010年3月之间CPI、PPI与上证指数没有关系。
(二) 协整性的E-G两步检验
本文在实证分析中建立的是关于多个两变量间的一元协整方程, 故将采取E-G两步法进行变量间的协整检验。结果显示, 在5%的显著性水平下, -2.21<-1.95, 因此, 我们可以拒绝原假设, 即拒绝残差序列是单位根过程, 所以, 上证综指和GY (工业增加值增长速度) 之间存在协整关系。用同样方法检验Y和LOG (M1) 、CPI、TYLL、LOG (CC) 、LOG (WH) 的协整性, 结果发现Y和LOG (M1) 、TYLL、LOG (CC) 、LOG (WH) 是单位根过程。所以上证综指和LOG (M1) 、TYLL、LOG (CC) 、LOG (WH) 不存在协整关系。我们确定上证综指和GY的回归模型:
建立误差修正模型
我们直接估计误差修正模型 (设残差序列是et) :LS D (Y) D (GY) E (-1) 。估计结果显示误差修正项的符号虽然是负的, 但是, t检验不显著。对模型的残差序列进行自相关检验, 结果显示说明可能存在二阶或六阶自相关, 但是检验在1～6阶之内进行;根据输出结果, 剔除其中不显著结果。估计出的上证指数的误差修正模型为:
所以, 我国上证综合指数与宏观经济变量的关系ECM模型可以表述成:
长期均衡关系:Yt-553.64+196.85GY
短期波动模型:
模型的解释:上述ECM模型将长期关系与短期效应有机的结合在一起, 其中协整回归模型描述了Y的长期变化规律, 196.85衡量了Y与GY长期比例关系。由于Y、GY的协整性, 所以在其他因素的“冲击”下, Y可能会偏离长期均衡线, 但是随着时间的推移, Y又会返回到长期均衡状态;短期波动模型描述了Y的短期变化规律, 其短期波动由ΔGYt-3、ΔYt-2、ΔYt-4和上期均衡误差决定, -85.737、0.414、0.396表示变量之间的短期影响程度, -0.414表示调整关系。由于ECM模型中et-1含有长期参数, 所以ECM模型同时反应了变量之间的长期关系与短期效应。
(三) Granger因果检验
表2结果显示, 宏观经济变量变化值与上证指数变化值之间的因果关系并不强烈。TYLL、WH、GY的变化值与上证指数的变化值之间不存在Granger因果关系。上证指数变化值在滞后2期, 7.84%临界水平下, 是导致狭义货币发行量变化值D (M1) 的Granger原因, 而狭义货币发行量变化值D (M1) 不是导致上证指数变化值D (Y) 的Granger原因;上证指数变化值在滞后2期, 6.58%临界水平下, 是导致金融机构储蓄存款变化值D (CC) 的Granger原因, 而金融机构储蓄存款变化值D (CC) 不是导致上证指数变化值的Granger原因;上证指数变化值在滞后2期, 8.42%临界水平下, 是导致工业品出厂价格指数变化值的变化值D (PPI, 2) 的Granger原因, 而工业品出厂价格指数变化值的变化值D (PPI, 2) 不是导致上证指数变化值D (Y) 的Granger原因;这也就为我们解释了, 在经济衰退之前股价一般会下跌, 在经济复苏之前, 股价则会先于宏观经济拐点出现回升的现象。然而宏观经济对股市的影响却没有我们想象中那么大。
但是, 为了解所检验结果是否具有可靠性, 再连续作2期格兰杰检验看结果是否一致。对2001年7月—2004年5月和2004年6月—2007年4月之间的数据做Granger检验。结合3期的格兰杰因果检验, 结果显示所得结论并不一致, 但金融机构储蓄存款CC与工业品出厂价格指数PPI的差分在两次检验中显示与上证指数的差分之间存在Granger因果关系, 差分次数主要受原数据平稳性的影响。虽然理论上说, 股市是宏观经济的晴雨表, 股市长期顺应宏观经济周期而相应地上下波动, 而且股市对宏观经济往往有预判性。但是, 做3期的格兰杰因果检验显示了我国股市的发展还不够完善。这从一定的角度再次说明了我国的上市公司规模都不是很大, 质量不是很高, 信息披露机制不够完善, 不能很好的反映我国经济的增长情况, 还没有真正成为我国经济运行的“晴雨表”。
(四) 政策建议
为使中国的股票市场同中国的经济水平协调发展, 笔者参考时下众多观点, 总结出以下几点建议:加强上市公司改革治理、推进利率市场化改革、规范股票市场投资者、加快推出股指期货、构建科学严密的市场监管、实行合理的宏观调控措施。
参考文献
[1]刘勇.我国股票市场和宏观经济变量关系的经验研究[J].财贸经济, 2004 (, 4) .
[2]赵卫亚.计量经济学[M].北京:机械工业出版社, 2008, 11.
协整检验 篇4
目前我国已经成为世界上仅次于美国的第二大能源消费国,能源消费总量约占世界能源消费总量的10%左右。由于我国产业结构、能源消费结构(多以煤炭、石油为主)的不合理以及粗放的经济增长方式等因素的影响,其能源消耗强度比许多发达国家都要高,这就使得我国的经济增长表现出高能耗的特征。在经济发展中我国必然面临着不断增长的能源需求和能源稀缺性问题,以及由于能源效率低下、能源消耗量巨大而带来的环境污染等一系列负面问题,能源问题正成为我国未来经济发展的瓶颈问题,成为制约我国经济发展的一个重要因素。因此,如何在能源约束下实现经济可持续发展、经济与能源的协调发展等是我国经济发展中亟待解决的问题。正确认识并处理好这一问题,在制定经济社会的长远规划、能源发展战略和有关能源政策法规等方面都具有十分重要的意义。但是同时由于我国经济发展所具有的区域特殊性:东中部地区工业化程度较高,经济快速增长,能源消耗量巨大,而这些地区的能源又相对稀缺,能源供需矛盾日显突出;而资源相对丰富的西部地区,正处于工业化经济的初级阶段,具有相对较强的能源优势。因此,在制定能源与经济发展战略及相关政策时不能实行一刀切的办法,应视各地区具体情况采取不同的策略方针,如东中部地区应发挥自己的经济优势克服能源相对不足带来的瓶颈难题;西部地区应该充分发挥其地区资源优势,为经济的快速发展提供能源保障等等。为此定量分析研究我国各地区能源消费与经济增长之间的长短期均衡关系是十分重要的,它可以为相关问题的解决和相应政策法规的制定提供有力的理论依据。
近年来,国内外学者对能源消费与经济增长的关系做了大量研究。国外的研究中,1978年Kraft采用美国1947~1974年间的数据最早研究发现GDP决定能源消耗。这就意味着,实行能源储存政策不会加重对经济的负面影响。随后,英国、德国、意大利、法国和日本等一些发达国家的学者也开始关注并研究该国GDP与经济增长的关系。Soytas和Sari利用1950~1992年间的数据对新兴市场进行了类似的一般因果估计。结果表明,在阿根廷存在双向的因果关系,但是在印度和波兰却拒绝了协整向量。对亚洲国家的类似研究开始得相对较晚,Yu和Choi(1978)利用标准Granger因果检验方法研究发现了韩国GDP与能源消费之间的单向因果关系;Glasure和Lee(1997)利用Granger检验方法发现了新加坡能源与GDP的双向因果关系;在对台湾地区的研究中,Cheng和Lai(1997)发现存在GDP对能源消费的单向因果关系;利用时间序列协整性检验和误差修正模型John AsafuAdjaye(2000)研究显示了印度和印度尼西亚两国能源消费和GDP,以及菲律宾和泰国两国能源消费和GDP之间的双向因果关系;Wankeun Oh和Kihoon Lee(2004))利用韩国1981~2000年间的数据,对其能源消费与经济增长之间的关系进行了研究,他们应用时间序列模型的“Granger检验”方法,研究发现,韩国的能源消耗和GDP之间存在长期的双向因果关系,而短期的单向因果关系是从能源到GDP;另外,他们(2004)通过构建包含资本、劳动、能源消费量与GDP的“多元模型”,使用“向量误差修正模型”对韩国1970~1999年的能源消费与GDP增长的变量的协整关系进行“Granger因果检验”,结果表明二者之间存有双向因果关系;Chien-Chiang Lee(2005)应用新近发展的“板块单位根”、“异质板块协整”和“板块误差修正模型”,对18个发展中国家(不包括中国)1975~2001年的能源消费与GDP增长的关系进行研究,结果验证了从能源消费到GDP增长存在长期和短期的单向因果关系。这一结论表明,对发展中国家来说,能源的储存无论从长期还是短期来说都可能有害于经济的发展。
国内学者利用不同的方法从不同角度对经济增长和能源消费间的关系进行了研究。陈书通等(1996)从经济结构对能源消费的影响出发研究分析了经济增长与能源消费之间的关系;赵丽霞等(1998)利用C-D生产函数通过建立向量自回归模型分析了能源与经济增长的关系;万红飞等(2000)根据节能率分析了能源与经济之间的关系;朱跃中(2002)同样从经济结构的角度对我国能源消费和经济增长之间的关系进行了相关性分析;韩智勇(2004)对能源消费与经济增长的协整性进行了分析;张明慧等(2004)对能源与经济增长进行了格兰杰因果关系检验;周祖根(2004)根据上海同期的国民生产总值的增长速度、能耗增长速度、能耗弹性系数和节能率,分析了其能源与经济的发展关系;吴巧生等(2005)分析了美国与中国能源消费与经济增长的协整关系;杨文培(2005)探讨了能源发展与经济增长的互动关系;陈鹏(2006)运用时间序列的协整检验和误差修正模型发现我国的经济增长对能源有很强的依赖性;刘朝明、曾胜等(2006)运用C-D生产函数研究发现我国的能源消费量与经济增长是正相关的;能源消费与经济的增长之间存在着密切的关系,但并不是严格的双向因果关系。能源对一个国家或地区的经济发展毫无疑问是有影响的,但并不是说增加能源投入就一定可以促进经济的快速和持续增长。由于我国幅员辽阔,各地区资源禀赋不同以及经济发展不平衡,使各地区的经济结构、能源消费及能源消费结构都存在很大的差异。因此,有必要研究各地区能源消费与经济增长的关系,这对于各级政府有针对地制定能源政策和经济政策不仅十分重要而且十分必要。鉴于此,本文搜集了我国部分省、直辖市和自治区的面板数据,运用面板数据的单位根检验、协整检验和Granger检验,研究东部、西部和中部三个区域经济增长与能源消费的因果关系,为各区域制定节能政策和经济发展政策提供理论依据。
二、Panel Data的经济计量方法简介
面板数据分析是新近发展起来的一种新的计量方法,它能更多地挖掘样本信息量,很好地体现时间与空间的统计特性。目前在面板数据分析的理论与应用研究中,单位根和协整检验的理论与应用是许多学者最为关心的热点问题。面板数据的单位根和协整理论是对时间序列单位根和协整理论研究的进一步发展,它综合了时间序列和横截面的统计特性,通过加入横截面数据能够更加直接、更加精确地推断序列协整关系的存在。在研究分析经济增长与能源消费的关系的进程中,这一新的计量方法正为越来越多的学者所应用。
(一)Panel Data的单位根检验
面板数据的单位根检验是对时间序列单位根检验的发展,主要是判定Panel Data的稳定性问题。同时间序列类似,在Panel Data的分析中,如果非平稳的Panel Data对另一非平稳的Panel Data进行回归容易产生伪回归问题。因此,在应用面板数据进行分析时首先应该检验其数据的稳定性,即对Panel Data进行单位根检验。面板数据单位根检验的方法主要有Levin、Lin和Chu检验(LLC检验,1992,1993);Breitung检验(2002);Hadri检验(2002);Im、Pesaran和Shin检验(IPS检验,2003);Fisher-ADF检验和Fisher-PP检验。
在上面的几种单位根检验方法中,LLC检验的条件比较宽松,它允许各个截面的固定影响效应和时间趋势项的不同,也就是考虑到了各截面间较大的异质性,但是由于样本容量的有限,不能完全消除序列相关性;Breitun检验构造的渐进正态分布的面板数据统计量,其假设前提是该数据具有较多的截面数和较短的时间维度,相对来说其检验能力较弱;IPS检验考虑了检验的小样本特性,提出了根据个体单位根检验统计量的均值构造面板单位根检验统计量的方法。由于一个合适的ADF回归可以纠正序列相关问题,因此在个体单位根基础上构造的统计量更具有一般性,在考虑了截面异质性的同时还可以帮助消除序列相关问题,因此,IPS的检验能力较其他方法具有更强的检验能力。因此,当几种检验方法出现矛盾时我们主要看IPS的检验结果。
(二)面板数据协整检验
面板数据的协整检验是对于非平稳面板数据来说的,看它们之间是否存在长期均衡关系,即它们之间是否具有协整性。在目前面板数据的协整检验中,主要有两个途径:一个是原假设不存在协整关系,使用类似Engle和Granger(1987)平稳回归方程,从面板数据中得到的残差构造统计量进行检验,如Pedroni(1999)和Kao(1999)就有类似的分析;另一个是原假设存在协整关系,如LM和LR检验。其中Pedroni研究了伪回归特性和多板块协整问题,考虑了各板块数据的差异性,同时加入了不同变量来调整板块数据的自相关问题。
(三)面板数据Granger因果检验
同时间序列一样,如果面板数据间存在协整关系,就可以建立误差修正模型来估计变量间的Granger因果关系。本文将Engle和Granger提出的Granger因果关系、误差修正模型引入到面板数据分析中,用基于面板的误差修正模型去估计变量间的长短期因果关系。检验两变量间Granger因果关系的模型如下:
εit是两变量模型(1)的回归残差,检验两变量间的短期因果关系可以通过检验方程(1)中的或检验方程(2)中的;而对于长期因果关系的检验可以通过检验残差项前的长期调整系数来完成,也就是检验方程(1)中的或是方程(2)中的,这些检验均可以通过受约束的F检验来完成。ε
三、实证结果及分析
(一)数据的选取与处理
我们选取了东部六省、市(北京、辽宁、上海、江苏、福建、广东);中部六省(山西、吉林、黑龙江、江西、河南、湖北);西部十省、市、自治区(内蒙古、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西)共22个省、自治区和直辖市的国内生产总值和能源消费量。在数据整理中,我们对国内生产总值按可比价进行了处理。GDP和能源消费量的数据样本区间是1985~2005共21年的数据,数据来源于《中国统计年鉴》与《中国统计50年》。
(二)面板数据单位根检验结果
根据前面介绍的单位根检验方法,分别对东部、西部、中部的GDP和能源消费(NY)序列进行了单位根检验,检验它们是否是单位根过程,即检验它们的稳定性。
在面板单位根的检验中,分别对包含有时间趋势项和截距项、只含有截距项和不带有任何截距项和时间趋势项的单位根检验方程进行了检验,为了简便我们只列表给出了带有时间趋势项和截距项的Fisher-ADF单位根检验结果,其余两种检验得出的结果同样支持表1中给出的检验结论。
由表1可见,各地区GDP和能源消费的水平值是非平稳的,而一阶差分值是平稳的。因此,各地区GDP和能源消费是一阶单整的,存在协整关系。
(三)面板数据协整检验结果
单位根检验是进行协整检验的前提,在单位根检验完成后,对于文中的面板数据利用Pedroni协整检验方法,分别对东、中、西部三个地区多个省份的GDP和能源消费间的长期趋势性进行了面板协整检验分析,如果它们之间存在协整关系,那么就可以建立误差修正模型对GDP和能源消费两个变量间的Granger因果关系进行检验。三个地区面板协整检验的方程形式为:
表2给出了三个地区的协整检验结果。
三个地区的协整检验结果给出了一致的结论:无论是发达的东部地区还是相对落后的西部地区和正在寻求发展的中部地区,它们的国内生产总值和能源消费之间都存在长期均衡性,二者间都具有协整性。协整关系的得出为我们下面检验分析各个地区国内生产总值和能源消费间的因果关系提供了前提。可以在协整的基础上建立误差修正模型,利用变量系数的显著性来检验它们之间所可能具有的因果关系。
(四)面板数据Granger因果检验结果
国内生产总值和能源消费间是否具有因果关系,以及可能具有何种因果关系很早就引起了众多学者的关注。在我国经济迅速发展的今天,大量的能源消耗带来了经济发展的能源瓶颈问题,正确认识二者间的关系对我国的经济发展具有重要的意义。在国内外的众多研究中,大多使用的是截面数据或是时间序列数据,运用的信息量相对较少,得出的结论并不能充分反映国内生产总值和能源消费之间的关系。本文综合了截面数据和时间序列数据,即利用面板数据来研究二者之间的因果关系。在协整检验分析后,知道二者之间存在协整关系。因此可以将Engle和Granger(1987)提出的Granger因果关系、误差修正模型引入到面板数据分析中,用基于面板的误差修正模型去估计变量间的长短期因果关系。本文中使用的是Engle和Granger(1987)提出的两阶段估计程序。
注:表示在5%显著性水平下拒绝原假设,即Granger因果关系成立。
从表3可见,在5%显著性水平下,东部地区存在由能源消费到GDP单向的短期因果关系,即对东部地区而言,短期内过度的能源保护政策将对该地区的经济增长产生抑制作用。而在5%显著性水平下,西部地区短期内则存在能源消费与GDP的双向因果关系。不仅如此,长期来看,西部地区存在由GDP到能源消费的单向因果关系,即能源消耗量随着GDP的增长而增长。中部地区的检验结果不同于东部和中部地区,无论是长期还是短期,中部地区的GDP和能源消费之间不存在任何长期或短期的因果关系。
四、结论与政策建议
(一)结论
随着经济的发展,能源消费量日益增加。能源消费的增长,推动力了经济的发展,提高了我国整体经济实力,但同时也带来了环境污染等负面效应,可以说能源问题日显突出。如何正确认识并处理好经济发展和能源消费的关系,关系到我国经济的可持续发展,近年来对于二者之间关系的研究引起了众多学者的关注。本文利用新近发展起来的面板结构数据,对我国东、中、西部三个地区的国内生产总值和能源消费之间的关系进行了论证分析。结果表明,我国三个地区的GDP和能源消费之间都存在长期协整关系。通过进一步的Granger因果关系检验发现:在5%显著性水平下,东部地区存在由能源消费到GDP单向的短期因果关系,即对东部地区而言,短期内过度的能源保护政策将对该地区的经济增长产生抑制作用。而在5%显著性水平下,西部地区短期内则存在能源消费与GDP的双向因果关系。不仅如此,长期来看,西部地区存在由GDP到能源消费的单向因果关系,即能源消耗量随着GDP的增长而增长。中部地区的检验结果不同于东部和中部地区,无论是长期还是短期,中部地区的GDP和能源消费之间不存在任何长期或短期的因果关系。
(二)政策建议
对东部、中部、西部三个地区GDP和能源消费之间实证关系的研究知道,三个地区的GDP和能源消费之间虽然都具有长期协整关系,但是却具有不同的因果关系。这就要求各个地区根据本地区的实际情况,在不同时期分别考虑经济增长和能源消费问题的同时,进一步分清时期重心:发展经济优先,还是更要关注能源问题,或是要同时考虑二者的均衡等。可以说不同的因果关系给予我们不同的提示。我们既不能一味地只追求经济发展而不顾能源消费带来的环境污染、能源耗竭等负面效应;也不能因为能源消费量的增加,可能会带来更严重的环境污染、加速能源耗竭等负面问题而限制能源消费量进而影响了经济发展。各个地区应该根据本地区的实际情况,分别考虑不同的发展观,具体如下:
东部地区:对东部地区的实证分析我们得出结论:东部地区的GDP和能源消费之间存在着单向的从能源消费到GDP的短期因果关系;而长期来说二者之间不存在任何的因果关系。这就说明在短期内能源消费量的增减变化会同时影响国内生产总值的增减变化;而从长期考虑,二者之间却没有必然的因果关系。东部地区面临着长短期不同的发展策略。因此,东部地区应该以提高能源效率,也就是降低能源密度为前提,在适当增加能源消费量的同时取得更高的经济增长速度,即进一步降低能源消费弹性系数,以较低的能源消费的增长带来较高的经济增长。从环境方面考虑来说,东部地区应该寻求洁净能源如水电、天然气等来替代煤炭、石油等污染严重的能源;同时加大技术投资力度,提高能源利用效率,并降低造成严重污染的行业比例,发展新型的节能、洁净行业。从增加产业生产总值方面,东部地区面临着产业结构升级,承接国际高技术产业转移的任务和挑战。长期来说,由于经济增长和能源消费之间没有明显的因果关系,所以东部地区在制定长期发展策略时可以单纯考虑某一发展重点,只不过在实施的短期进程中要同时兼顾二者,考虑它们的因果关系,以便取得更好的经济发展成效。
西部地区:对西部地区来说,研究结论告诉我们:西部地区的GDP和能源消费之间存在着双向的短期因果关系以及长期的从GDP到能源消费的单向因果关系。这就说明,西部地区短期内GDP和能源消费互为因果关系,互相影响;而长期来说,GDP的增长带动的是能源消费的同向增长。西部地区也面临着长短期不同的发展策略。短期内,国内生产总值和能源消费互相影响,要求西部地区在发展过程中要同时考虑GDP增长和能源消费量的变化。西部地区经济基础比较薄弱,而资源相对丰富,为西部地区的发展提供了先天优势。由于GDP基数较低,同时加上丰富的自然资源,所以短期内西部经济的快速发展不会出现像东部地区那样的能源瓶颈及环境方面的问题。长期中,存在的从GDP到能源消费的单向因果关系,说明国内生产总值的增减变化影响着能源消费量的增减变化。由于拥有丰富的自然资源(目前全国已探明的150多种矿产资源中,西部地区就有130多种,且一些稀有金属的储量位于全国乃至世界的前列)。因此,对于经济发展比较落后的西部地区来说,经济发展应该是重点,西部地区应该向率先发展起来的东部地区学习先进的生产技术和成功的发展战略经验,立足自身的资源优势,加快西部地区现代化建设步伐,尤其要以市场为导向,发挥其“后发优势”。在长期的经济发展中经济基础薄弱的西部地区必然面临着资金瓶颈问题,这除了需要国家的扶持和东部地区的支持外,西部地区还应该扩大开放力度,努力吸引外资投入;同时还应加大人力资本的投资力度,提高资源利用率,为西部地区经济更快更好的发展提供条件。当然,在长期的经济发展中,西部地区也应该尽量提高节能、洁净技术,减少经济发展可能带来的环境等负面效应。
协整检验 篇5
实践证明, 人类的发展史便是一部能源利用的演变史。拥有了能源, 人们的生产生活便有了保障, 社会经济才有了发展的动力。然而, 能源的使用其实是一把“双刃剑”, 在形成推动作用的同时, 又因自身供给短缺以及产生的环境问题而给人们生产生活、社会经济发展带来了巨大的负面影响。由此, 如何合理利用能源已成为国家或地区社会经济可持续发展过程中亟待解决的问题。正处于社会经济发展快速期的江苏省, 工业化、城镇化水平不断提高, 对于能源的需求旺盛, 一味地从国外省外购买能源不能从根本上解决江苏经济发展与能源消耗间的矛盾。1969年, 美国经济学家Granger提出的因果关系分析方法, 成为了研究国家或地区经济增长和能源消耗两者之间关系的重要研究方法。Kraft J和Kraft A (1978) 利用此种方法对美国1947—1974年间能源消耗总量与GNP数据进行分析, 第一次发现了两者之间存在着显著的从GNP到能源消耗总量的单向因果关系。此后, 各国学者陆续应用格兰杰因果关系分析法对经济数据进行定量研究, 如Yu和Choi (1985) 发现了韩国存在着从GDP到能源消费的单向因果关系。同时, 也有学者开始利用格兰杰因果关系分析与其他计量模型进行结合, 以期获得更为具体深入的结果, Asafu-Adjaye (2000) 基于协整性检验和误差修正模型, 研究发现了印度和印度尼西亚两国存在从能源消费到GDP的单向因果关系, 以及菲律宾和泰国两国存在能源消费和GDP之间的双向因果关系。国内学者林伯强 (2003) 采用生产函数、协整分析与误差修正模型对我国电力消费与经济增长相关数据进行研究, 发现两者之间存在着长期均衡关系以及从电力消费到GDP的单向因果关系。基于此, 本文借助协整性检验、格兰杰因果关系分析方法构建一套衡量经济发展与能源消耗指标间内在关联的模型, 以进行更为细化的定量研究, 为区域节能降耗工作提供些许参考。
二、模型构建
协整指的是对于两个都是随机游走的变量序列, 如果这两个序列的某个线性组合是稳定的, 则称这两个序列为协整的。进行协整检验的前提是同阶单整, 需对各变量的时间序列平稳性进行检验。序列的平稳性是指一个序列的均值、方差以及自协方差是否稳定, 如果一个时间序列具有稳定的均值、方差和自协方差, 则这个序列就是稳定的, 否则就是非稳定。通常情况下, 时间序列都是非稳定的, 需要采用ADF单位根检验分别对时间序列的水平序列、一阶差分序列以及二阶差分序列进行检验, 以判断这些序列是否具有稳定性。
具体操作是建立某一时间序列X的回归方程:
ADF单位根检验法的关键是对方程 (1) 中的系数β进行检验。当β=0时, 说明该时间序列X包含单位根, 是不稳定的;当β显著小于0时, 说明该时间序列X拒绝了存在单位根的可能, 是稳定的。假如某一时间序列本身的水平序列ADF检验是非平稳的, 而其n阶差分序列检验出来是平稳的, 那么此n阶差分序列可称为n阶单整序列, 记作I (n) 。在确定两时间序列是同阶单整的基础上便可进行协整性检验。此处, 以经济增长量 (GDP) 代表经济发展程度, 以能源消费量 (EC) 代表能源消耗程度, 采用E-G两步法对GDP与EC的时间序列进行协整性检验。
第一步, 建立GDP与EC的回归方程。同时, 为了消除变量存在异方差, 各变量均取对数:
其中, Gt表示第t年国民 (地区) 生产总值GDP, 为解释变量;Et表示第t年国家 (地区) 能源消费总量EC, 为被解释变量;ε为随机扰动项。采用普通最小二乘法 (ordinary least square, OLS) 估算方程 (2) , 得:
第二步, 通过对回归残差序列的平稳性进行检验来判定lnEt和lnGt的协整关系。如果的序列具有平稳性, 那么lnEt和lnGt之间存在协整关系。
格兰杰因果关系检验可以在确定协整关系的基础上对序列内在联系进行更进一步的剖析。基本思路:先对时间序列的平稳性进行检验, 在具有平稳性的基础上进行分析, 如果包含了变量X、Y的过去信息的条件下, 对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果, 即变量X有助于解释变量Y的将来变化, 则认为变量X是引致变量Y的格兰杰原因。建立回归方程:
假设1:随机扰动项ε1t、ε2t互不相关;
假设2:方程 (4) 中当前lnG与lnG自身以及lnE的过去值有关, 即原假设为α1=α2=……=αm=0;
假设3:方程 (5) 中当前lnE与lnE自身以及lnG的过去值有关, 即原假设为β1=β2=……=βn=0。
那么, 检验结果存在四种可能情况 (见表1) 。
三、实证分析
选取《中国能源统计年鉴》和《江苏统计年鉴》中1985—2010年江苏省地区生产总值GDP (亿元, 1980年可比价) 和能源消费量EC (万t标煤) 。同时, 为了消除变量存在异方差, 各变量均取对数, 分别记为lnGDP和lnEC。采用ADF检验方法分别对lnGDP和lnEC进行单位根检验, 结果如表2所示。
由表2可以看出:lnGDP和lnEC的水平序列和一阶差分序列都是非平稳的, 但两者的二阶差分序列在5%的显著水平下都拒绝了存在单位根的原假设, 均属于二阶单整, 满足协整检验的前提, 可以进一步检验两序列之间是否存在协整关系。
建立江苏省经济增长量与能源消费量间的回归方程:
利用Eviews估算方程 (6) , 得:
结果可知, t值为18.6847, 说明系数有95%以上的可能性不为零;R2为0.936, 调整后的R2值为0.933, 约为1, 说明该方程的拟合度较完美, 显著性非常高, 对于能源消费具有全局的解释作用;DW为0.1469, 远小于2, 说明江苏省经济增长量与能源消费量间存在着正相关。方程中的系数为0.564, 意味着江苏省每增加1%的GDP, 便需要消耗0.564%的能源量。
由于两变量在原水平下都是非平稳的, 所以还需要排除方程存在伪回归现象, 即需对其残差序列 (ε=lnE-0.564*lnG-4.671) 的平稳性进行检验。检验结果见表3。
由表3可知, 在1%的显著水平下残差序列拒绝了存在单位根的原假设, 故残差序列具有平稳性, 从而确定江苏省经济发展与能源消耗间存在着长期的协整关系。同时, 江苏省经济增长量与能源消费量两者之间的因果关系检验结果见表4, “LNGDP does not Granger Cause LNEC”被拒绝而“LNEC does not Granger Cause LNGDP”被接受, 意味着两者之间只存在着从经济增长量到能源消费量的单向因果关系, 证明了江苏省属于非能源依赖型经济。
四、结语
现阶段, 江苏粗放型经济增长方式是直接导致能源消耗急剧增加的主要原因。而从本质上看, 消耗大量能源并非江苏经济增长的必要条件。江苏可以通过以下途径来改善经济发展与能源消耗之间的矛盾, 积极实现由粗放型经济增长方式向集约型经济增长方式的转变。
第一, 实施产业结构调整。逐步加大能耗相对较少的第三产业在三次产业中的比重, 逐步形成以高新技术产业为主导、现代农业为基础、先进制造业为主体、现代服务业相配套的产业新格局。
第二, 提高能源利用效率。从构建循环经济体系与科技创新两方面着手, 在政府与企业双方共同努力下, 重点发展循环经济与清洁能源, 不断提高资源利用效率。
第三, 大力优化能源结构。在传统能源方面, 不断提高天然气、电能的使用比重, 将以煤炭利用为主的能源结构逐步改变成以石油与煤炭为主、天然气与电能为辅的利用结构, 如加快居民区天然气管道的建设。在新能源方面, 积极开发利用太阳能、风能等可替代的清洁能源, 积极推进相关工程的建设, 如加快江苏沿海风能产业带的建设。
摘要：社会经济发展过程中能源扮演着极其重要的角色, 起到促进作用的同时也会产生致命的负面影响, 如何利用好能源已经成为国家或地区社会发展过程中亟需解决的关键问题。本文通过构建协整性与格兰杰因果关系检验模型来对江苏省经济发展与能源消耗的时间序列进行定量分析, 发现两者之间存在着长期的协整性, 并且存在着单向的从经济发展到能源消耗的因果关系。
关键词：经济发展,能源消耗,协整,格兰杰因果关系
参考文献
[1]Kraft J, Kraft A.On the relationship between energy and GNP[J].Journal of Energy and Development, 1978 (3) .
[2]Yu E S H, Choi J Y.The causal relationship between energy and GNP:an international comparison[J].Journal of Energy and Development, 1985 (10) .
[3]Asafu-Adjaye J.The relationship between energy consumption, energy prices and economic growth:time series evidence from Asian developing countries[J].Energy Economics, 2000, 22 (6) .
[4]林伯强:电力消费与中国经济增长:基于生产函数的研究[J].管理世界, 2003 (11) .
[5]薛艳、唐建荣:江苏省经济增长与能源消费关系的实证研究[J].统计与信息论坛, 2007, 22 (5) .
[6]韩智勇、魏一鸣、焦建玲等:中国能源消费与经济增长的协整性与因果关系分析[J].系统工程, 2004, 22 (12) .
协整检验 篇6
增加农民收入一直是各级政府部门关注的重要问题。海南农村人口占80%左右, 农民增收和农业现代化水平的提高是海南经济发展的重点。粮食、果蔬等作为初级产品销售, 利润微薄, 农民收入难以增长且不稳定。大力发展农产品加工业, 通过对农产品精深加工, 既能提高农产品的附加值, 又能吸纳大量的农村剩余劳动力, 拓宽农民增收渠道。通过延伸产业链条, 农民还可从产业链条各个环节上取得平均利润。随着海南国际旅游岛建设规划纲要获批, “国家热带现代农业基地”也成为海南省六大战略定位之一。在此定位下, 海南正在积极地建设现代农业基地、农产品加工园区及瓜果菜预冷处理系统, 为海南农产品加工业发展拓宽道路。
“十一五”期间, 海南农产品加工业产值年均增长率为11.34%, 2010年比2005年增长90.56%。海南农民人均收入本世纪以来一直保持正的增长率, 年平均增长率由“十五”期间的8.32%上升到“十一五”期间12.83%, 近两年, 其增幅居于全国前列。2010年, 海南农民人均纯收入为5 275.37元, 低于全国平均水平, 收入来源主要是家庭经营收入, 为3 563.31元, 占全部收入的67.55%。
国内学者对海南农产品加工业的研究中, 甚少涉及农产品加工业发展对农民增收的影响, 尤其是从定量的角度分析农产品加工业与农民收入的关系。本文选取海南省1995—2010年的农产品加工业总产值和农民人均纯收入值, 通过平稳性检验、协整分析和格兰杰因果检验, 对其关系进行实证, 以期为海南热带现代农业基地建设提供参考。
二、协整检验的步骤与方法
经济学中, 关于时间序列经济变量之间因果关系的分析, 学者们经常运用格兰杰因果关系检验法。此检验法的前提是, 时间序列具有平稳性, 或非平稳序列存在协整关系[1]。确定是同阶平稳序列后, 可进行协整检验。如果存在协整关系则可运用格兰杰因果关系检验法检验两个变量之间是否存在因果关系。
(一) 平稳性检验
一个时间序列如果有稳定的期望值和方差, 就叫做平稳的时间序列;反之, 均值和方差随着时间变化而变化, 则为非平稳时间序列。如果时间序列非平稳, 依然对其进行回归分析, 有可能出现谬误, 得到虚假的结果。对一系列时间序列变量平稳性进行检验的方法是单位根检验。单位根检验方法主要有三种:DF (Dickey-Fuller) 检验法、ADF (Augmented DickeyFuller Test) 检验法和PP (Phillips-Perron) 检验法。这里采用目前使用较广泛的ADF检验法。如果经过检验, 发现变量是非平稳的, 则需要对其差分进行平稳性检验。如果非平稳时间序列经过d次差分后达到平稳, 则称其为d阶单整序列。所用变量同阶单整是变量之间存在协整关系的必要条件[2]。
(二) 协整检验
两个时间序列变量存在的一种长期的稳定关系叫做协整关系。现实经济中的时间序列数据往往可能是非平稳的, 但多个时间序列数据的组合却有可能保持长期稳定的均衡关系。协整检验主要思想是如果某两个或多个同阶时间序列向量的某种线性组合可以得到一个平稳的误差序列, 则这些非平稳时间序列存在长期的均衡关系, 或者说这些序列具有协整性[3]。对于两个非平稳序列, 在回归之前要对其进行差分, 差分可能导致两个序列之间的重要信息损失, 为实现对非平稳时间序列进行回归而又不会导致错误的, 需要对时间序列数据进行协整检验。
检验协整性的最典型的方法是Engle-Granger (1987) 法, 简称EG两步法, 它能检验两个变量之间的协整关系。对于多个变量的检测则可采用另外一种称为Johansen极大似然估计的方法, 该法由Johansen (1988) 和Juselius (1990) 提出, 且可以用于检验多个变量, 同时求出他们之间的若干种协整关系[4]。
本文采用E-G两步法进行协整检验, 第一步是用OLS法对方程进行协整回归, 检验变量间的协整关系估计协整向量 (长期均衡关系系数) 。对于同阶时间序列yt和xt, 可用一个变量对另一个变量回归, 即
然后得到残差估计值:
对残差序列ut进行ADF检验, 若残差平稳, 则表明变量间是协整的, 可进行第二步, 即进行误差修正模型 (ECM) 的估计。
如果对成为平稳序列的差分形式dyt和dxt进行估计, 则会导致水平信息的缺失, 模型只能表达y和x的短期关系, 建立误差修正模型的作用就在于通过建立短期动态模型来弥补长期静态模型的不足。这样既可以考察变量之间长期的因果关系, 又可以考察短期中的因果关系[5]。
将第一步中得到的残差作为非均衡误差项加入到误差模型中, 对于 (1, 1) 阶自回归, 可建立如下误差修正模型:
然后继续用OLS方法估计相应参数。
(三) 格兰杰因果关系检验
通过协整检验, 表明变量间存在长期的均衡关系, 但是否存在因果关系还不能确定。可采用格兰杰因果关系检验法来判断一个变量是否是另一个变量的原因。
Granger从预测的角度给出了因果性的一个定义:如果有助于预测, 则是Granger的原因。将过去的信息从信息集中去除不会改变对的最优预测, 则不是Granger的原因。相反, 会改变预测, 即是Granger的原因, 即将过去的包含在信息集中可提高对的预测[6]。
如果要得到X是引起Y变化的原因的结论, 我们必须拒绝X不是引起Y变化的原因的原假设, 同时接受Y不是引起X变化的原因的原假设[7]。本文将在协整检验的基础上, 采用格兰杰因果关系检验法进行检验。
三、数据选取与实证分析
(一) 数据来源及处理
海南省农产品加工业囊括了《中国统计年鉴》上的12个行业, 包括农副食品加工业、食品制造业、饮料制造业、烟草制品业、纺织业、纺织服装鞋帽制造业、皮革毛皮羽绒及其制品业、木材加工及竹藤棕草制品业、家具制造业、造纸及纸制品业、印刷业记录媒介的复制和橡胶制品业。本研究用海南省农民人均纯收入 (Y) 表示农民的收入水平, 数据来自历年的《中国统计年鉴》。用农产品加工业总产值代表海南农产品加工企业的实力水平, 农产品加工业总产值 (K) 来自12个行业工业总产值之和, 数据来自历年的《海南统计年鉴》。1995年数据指乡及乡以上农产品加工企业工业总产值, 1996—1999年的数据指大中型加工企业的农产品加工业总产值, 2000—2010年数据主要指规模以上加工企业的农产品加工业总产值 (见表1) 。
(二) 实证分析
1. 变量的平稳性检验。
为消除异方差的影响, 对Y、K两个时间序列取自然对数, 记为LnY、LnK。采用EVIEWS6.0数据分析软件, 对变量LnY和LnK进行ADF单位根检验。格兰杰因果检验要求时间序列数据是平稳变量, 如果LnY和LnK是1阶单整变量, 是平稳的, 则可对二者进行协整检验。检验结果 (见表2) 。
注:检验类型中, c代表截距项 (值为n代表none, 表示无截距项;c表示有截距项) , d代表差分阶数, t代表趋势项 (值为n代表无趋势项) , p代表滞后阶数。D表示一阶差分。
从上页表2可知, LnY和LnK的ADF检验值均高于5%显著性水平下的临界值, 所以, 存在单位根, 原时间序列是非平稳时间序列。进一步对它们的一阶差分进行检验, 结果显示, Y和K的一阶差分的ADF值均低于5%显著性水平下的临界值, 通过了平稳性检验, 说明Y和K在95%的概率下是一阶单整序列, 满足了协整检验的前提条件。
2. 协整检验。
由以上的平稳检验得出LnY和LnK均为一阶单整序列, 因而可以对变量间的协整关系进行检验。本文采用E-G两步法, 根据该方法, 以LnY为因变量、LnK为自变量, 进行OLS回归分析, 得出的回归结果为:
如果LnY与LnK之间具有协整关系, 则方程 (4) 中的残差项ut应该是平稳的。于是, 继续用ADF检验法对 (4) 中的残差项进行平稳性检验, 结果 (如表3) :
由表3可知, 残差序列ADF检验值通过5%显著性水平检验, 可以判断残差序列是平稳序列, 证明LnY和Ln K之间存在协整关系。并且, 由 (4) 式可看出LnY和Ln K是正相关关系, 其经济意义为, 从长期来看, 农产品加工业每增加1个百分点, 农民收入将会增加0.6102个百分点。
3. 误差修正模型 (ECM) 估计。
由以上的分析可知, LnY和Ln K之间存在 (1, 1) 阶协整关系, 如果就以差分形式建回归模型, 那么这样的模型只能表达LnY与LnK间的短期关系, 而不能揭示它们间的长期关系。
因此, 需将以上回归方程的残差项作为误差修正项, 把误差修正项看作一个解释变量, 建立短期模型, 即误差修正模型:
根据Granger定理, 估计误差修正项为:
将 (6) 式代入 (5) 式误差修正模型, 用OLS法估计相应参数, 得到的误差修正方程为:
误差修正模型中的误差修正项反映了长期均衡对短期波动的调整力度。农民收入的短期波动一方面是农产品加工业产值波动的影响, 另一方面是偏离长期均衡的影响。误差修系数为负, 体现了反向修正机制, 上一期偏离均衡状态越远, 本期修正力度越大。误差项ecmt-1估计的系数为-0.5442, 表明, 当海南农产品加工业产值对农民收入的短期波动偏离长期均衡时, 系统内的误差修正机制将以54.42%的力度将其拉回长期均衡状态, 调整速度较快。LnY关于LnM的短期弹性是0.1489, 即农产品加工业产值每增加1%, 农民人均纯收入将增加0.1489%。
4. 格兰杰因果关系检验。
协整检验证明了农产品加工业发展和农民人均纯收入之间存在长期均衡关系, 但尚不清楚这种均衡关系是否存在因果关系, 还需进行格兰杰因果检验作进一步验证, 这里采用满足平稳性要求的DLnY与DLnX进行格兰杰因果检验, 检验结果 (如表4) 。
Granger因果检验结果表明, 当滞后期长度为1~3时, 均接受原假设, 海南农产品加工业与农民收入之间不存在格兰杰因果关系。虽然海南农产品加工业发展和农民收入之间长期内存在相互影响的关系, 但并不存在直接或着必然的联系, 因此不能简单的认为海南农产品加工业的发展导致了农民收入的增长。这说明, 海南农产品加工业发展水平低, 农产品加工转化率低, 农产品加工业的发展对农民收入增长的拉动效应尚不明显。
四、结论与建议
通过对海南省1995—2010年期间的农产品加工业产值与农民人均纯收入进行相关性分析, 可知海南省农产品加工业产值与农民人均纯收入之间存在协整关系, 农产品加工业的发展是影响农民收入增长的原因之一。两者间的长期均衡关系如方程 (4) 所示, 农产品加工业产值每增加1个百分点, 农民收入将会增加0.6102个百分点;两者间短期动态关系如方程 (7) 所示, 农产品加工业产值每增加1个百分点, 农民收入将增加0.1489个百分点。但是农产品加工业产值不是农民收入增长的Granger原因, 可能是因为海南农产品加工业发展水平目前较低、总量较小, 尚未能显著影响农民收入的增长。
根据上述的分析给出以下建议:第一, 立足本地优势, 提升加工水平。2010年, 中国农产品加工业与农林牧渔业总产值的比值已达到2.04, 而海南仅为0.33, 不及全国2000年0.38的水平, 海南农产品加工业尚有较大发展空间。海南省热带农产品丰富, 加工原材料较易得到满足, 但由于热带水果鲜食比例大, 鲜果价格时而波动, 农民收入不易得到保障。对于有一定规模产量的热带果蔬, 海南应充分发挥其原料优势, 大力发展农产品精深加工业, 提高农产品加工转化率。海南农产品加工企业, 大多加工技术水平低、设备落后, 生产的中低档产品多、精深加工产品少。随着中国—东盟交流日益广泛频繁, 海南应充分抓住大好机会, 加强与东南亚国家在热带农产品加工与发展方面的交流, 扶持龙头企业发展高新技术, 引进国内外先进技术和生产管理人才, 借鉴其他热带水果加工水平较高的国家和地区, 提升农产品加工业技术创新水平和加工水平。第二, 充分利用海洋资源, 大力发展水产品加工业。海南是中国拥有最多海洋资源的省份, 海域面积约为全国的2/3。随着近海捕捞资源的衰退, 海南省应坚持以市场为导向, 鼓励发展养殖业, 建立标准化水产养殖、加工基地, 促进水产品加工、出口与养殖协调发展。针对水产品精深加工能力不足的现状, 海南加工企业应积极引进先进技术, 提高加工工艺, 创造知名品牌。鼓励龙头企业与当地渔 (农) 民建立产供销等直接利益关系, 带动渔 (农) 民发展致富。第三, 加强基础设施建设力度。加大对道路、农产品物流、冷藏设施及通讯等基础设施建设投入, 为扩大鲜果和加工农产品对外销售创造便利的条件。加强信息网络建设, 及时高效的提供海南农产品方面的市场信息。增强相关部门如强驻岛外农产品流通办事处的功能, 提高其信息收集反馈服务水平。完善农产品质量检测体系, 加强质量检测硬件和软件建设, 保证海南农产品高质量, 塑造绿色无疫高质量品牌形象。第四, 保护生态环境, 降低污染。海南是全国的无疫区, 热带高效绿色无公害成为海南农业最大的特色, 也是消费者认可和选择海南农产品及其加工产品的关键因素。由于农业生产、旅游开发、地产开发及工业发展, 农药化肥、生活垃圾、废水废气等直接破坏着海南的生态环境, 海南各地的生态环境已受到不同程度的破坏, 不利于海南农业、旅游业甚至海南经济的可持续发展。海南应做好生态保护规划及开发建设规划, 实施严格的环境保护标准, 加强环保基础设施建设, 同时加强监督。政府应努力推动生产方式改革, 推动绿色高效节能生产, 以此保证农产品及其加工品的质量水平, 提高海南农产品竞争力, 也为海南现代农业良性循环发展及在较长时期内维持农业生产者的利益提供保障。
参考文献
[1]李明贤, 罗荷花, 杨迪航.中国农户融资与农业增长、减贫的实证分析[J].农业现代化研究, 2010, (5) .
[2]闫奕荣, 王满仓, 李志军.西部地区对外贸易与经济增长的协整及因果关系检验[J].西北大学学报:哲学社会科学版, 2007, (3) :38-41.
[3]张利亚.基于协整与误差修正模型的预测[D].武汉:武汉科技大学, 2006.
[4]曹裕, 谢良, 贺砾辉.湖南对外贸易与经济增长的协整检验及格兰杰因果关系检验[J].湖南文理学院学报:社会科学版, 2007, (6) :40-44.
[5]王洪亮, 徐霞.日本对华贸易与直接投资的关系研究 (1983—2001) [J].世界经济, 2003, (8) :28-37.
[6]张凌霜, 张东日.基于协整检验及Granger因果分析的湛江水产品出口与经济增长相关关系实证分析[J].经济研究导刊, 2010, (21) :145-148.
协整检验 篇7
多年来学术界围绕我国碳排放量核算、影响因素分解、模拟及预测等方面进行了深入研究[1]。中国过分依赖投资的经济增长方式和以第二产业为主的经济结构在很大程度上是导致温室气体排放增加的主要原因[2], 产业产值与碳排放之间存在着密切联系[3]。随着不同产业之间碳排放差距增大, 产业结构调整对碳排放具有一定的减量效应, 我国产业结构需要进一步优化[4]。刘红光等认为, 电力、热力、化工、采掘、金属冶炼以及非金属制品等重工业行业是节能减排工作的重点行业[5]。关于我国工业重型化下碳排放的研究文献较少, 潘雄锋等对制造业碳排放强度变化趋势进行了分析[6]。以上研究虽然在一定程度上揭示了产业发展和碳排放的关系, 但仍存在着不足。主要是从静态或比较静态的角度对产业发展的碳排放效应进行分析, 忽视了产业结构与碳排放量之间的长期互动关系。
本文运用时间序列动态均衡的分析方法, 选取我国1978—2009年的重工业产值和碳排放量为研究对象, 在单位根检验、协整关系检验的基础上建立两者的误差修正模型, 研究我国产业结构重型化与碳排放之间的长期动态关系。
2 方法、数据与指标选取
2.1 方法
运用时间序列动态均衡的分析方法, 在单位根检验、协整检验的基础上建立误差修正模型, 以此说明我国产业结构重型化与碳排放的动态关系。
2.2 数据来源
能源消耗数据来源于《中国统计年鉴》和《中国能源统计年鉴》;重工业产值来源于历年的《中国工业经济统计年鉴》。为了分析的可比性, 重工业和轻工业均采用《中国工业经济统计年鉴》中给出的定义。
2.3 指标选取及计算公式
碳排放:本文主要研究与能源活动有关的CO2排放, 包括煤炭、石油、天然气等三种化石燃料消耗。中国碳排放量采用以下公式估算:
式中, C为碳排放量;E为中国一次能源的消费总量;Fi为i类能源的碳排放系数;Si为i类能源在总能源中所占的比重[7]。其中, 一次能源消费总量E和比重Si的计算均采用发电煤耗计算法, 数据取自历年的《中国统计年鉴》和《中国能源统计年鉴》。通过查阅文献[8,9,10,11], 收集有关能源消耗的碳排放系数并进行比较计算, 最终取平均值确定为各能源消耗碳排放系数Fi (表1) 。通过整理以上数据, 可得到考察期内中国碳排放量。为了和其他文献保持一致, 将CO2排放量的单位转变为以碳为单位, 其转换率为单位碳等于3.667单位的CO2排放量。
产业结构重型化:本文用重工业产值的变化来表示产业结构重型化发展情况[12], 1978—2009年重工业产值来源于历年的《中国工业经济统计年鉴》。以1978—2009年我国重工业产值和碳排放量为分析的基础数据, 重工业产值和碳排放量分别用ZGY和TPF表示。由于数据的自然对数变换不改变原来的协整关系, 并能使其趋势线性化, 以消除时间序列中存在的异方差现象, 对两个变量取自然对数, 分别表示为LZGY和LTPF。1978—2009年我国重工业产值和碳排放量变化见图1。考察期内, 我国重工业产值和碳排放量的走势基本一致, 尤其是2000年以后两者的变化趋势几乎完全一致, 都经历了一个上升的过程, 说明在我国重工业发展和碳排放量之间存在着长期对应关系。
3 实证分析
3.1 单位根检验
在实际经济运行中, 经济变量的时间序列数据很少是平稳的, 若采用传统普通最小二乘法进行回归分析, 很容易导致“谬误回归”[13]。从图1可见, 1978—2009年我国重工业产值增长和碳排放总量均具有明显的上升趋势, 显示出不平稳性。因此, 为了保证回归的真实性, 本文使用ADF法对变量LZGYt和LTPFt进行平稳性检验, 检验形式的设定采用一般到特殊的原则。即刚开始带趋势项和截距项, 如果趋势项不显著则将其提剔除, 如果截距项也不显著则继续将其剔除。滞后阶数根据AIC最小准则确定, 检验结果见表2。对数序列LZGY、LTPF存在单位根, 而经过一阶差分以后, 序列达到平稳, 说明这两个序列为I (1) 序列, 是进行协整分析的前提。
注:检验形式 (C, T, L) 中的C、T、L分别表示模型中的常数项、时间趋势项和滞后阶数;**表示在0.05水平上显著;■为一阶差分。
3.2 协整关系检验
由于数据为年度数据, 因此利用Engle-Granger两步法对LZGY与LTPF之间的关系进行协整检验可能效果更好[14]。用LZGY对LTPF进行协整回归:
式中, 括号内数字为t统计量值, *、**、***分别表示在0.01、0.05和0.1水平上显著, et为回归残差。式 (2) 的D-W值表明误差项存在正自相关, 因此参数估计值显著性检验失效, 从而预测值尽管是无偏的, 但却不是有效的。为了消除误差项的序列相关性, 我们建立如下 (p, q) 阶回归分布滞后模型:
式中, p、q分别为LTPF和LZGY的最大滞后阶数。依据英国计量经济学家亨德瑞等人倡导的“从一般到简单”的Hendary/LSE建模方法, 考虑到采用的是年度数据以及自由度为约束, 我们选择最大滞后阶数p、q均为2, 建立一般模型, 然后利用Wald检验和t检验, 依次剔出一个或多个系数不显著的变量进行模型简化, 并结合模型选择统计量 (AIC和SC) 选择一个最优的模型作为最终模型, 估计结果为:
对式 (5) 的残差项进行序列相关性检验。由于方程的解释变量存在被解释变量的滞后项, 此时D-W值就不能作为判断回归方程的残差是否存在序列相关的标准。这种情况下可利用LM统计量进行检验, LM统计量检验 (p=2) 见表3。
LM统计量显示, F统计量和T×R2统计量均小于在10%显著性水平下的临界值, 因此无法拒绝原假设“直到p阶后不存在序列相关”, 即可认为回归方程的残差序列不存在序列相关性, 因此用式 (4) 来分析产业结构重型化对碳排放的影响, 由式 (4) 计算得误差项:
若LTPF和LZGY两个变量之间存在协整关系, 则由式 (5) 计算的et应具有平稳性。用et做如下回归, 并进行AEG检验:
根据N=2, α=0.05, T=32计算得Mackinnon协整检验临界值为:C0.05=-3.3377-5.967/32-8.98/322=-3.53, 而AEG=-4.33<-3.53, 说明LTPF和LZ-GY存在协整关系。令LTPFt=LTPFt-1=LTPFt-2=LTPF*, LZGYt=LZGYt-1=LZGY*, 代入式 (4) , 整理后得到LTPF和LZGY之间的长期均衡关系式:
式 (7) 表示产业结构重型化程度与碳排放量之间的长期静态关系。它表明重工业产值每提高1%, 碳排放量就会提高0.284391%, 显然我国产业结构的重型化趋势与碳排放量之间具有长期稳定的正相关性。
3.3 建立误差修正模型 (ECM)
以上得到的协整方程只是表现了两个时间序列变量之间的“长期均衡”关系, 而没有考虑各变量在短期不均衡下的情况, 而实际经济数据却是由“非均衡过程”生成的, 因此建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程[15]。为了研究时间序列变量之间长期均衡与短期调整之间的关系, 可建立误差修正模型。对式 (4) 所代表的 (2, 1) 阶自回归分布滞后模型:
移项并化为一阶差分形式, 可得:
式 (9) 为误差修正模型, 其中的差分项反映了变量短期波动的影响;ECM为误差修正项, 反映了重工业产值与碳排放量在短期波动中偏离它们长期均衡关系的程度, 其系数大小反映了对偏离长期均衡的调整力度。在式 (4) 中已利用OLS方法获得了各系数的估计值, 将其带入式 (9) , 即可获得估计的误差修正模型:
模型中, 各差分项反映了变量短期波动的影响。被解释变量LTPF的波动被分解为两个部分:长期均衡和短期波动。长期均衡即式 (10) 括号内的协整方程所示:重工业产值每增长1%, 在长期内将引起碳排放量增长0.284391%;短期波动情况为重工业产值的变动在当期引起碳排放量相同方向的变化, 即重工业产值增长1%, 将引起当期碳排放量增长0.291225%;滞后一期的碳排放量变动将引起碳排放量相同方向的变动, 即碳排放量增长1%, 将引起下期碳排放量增加0.347310%。误差修正项ECM的系数 (-0.101125) 反映了对偏离长期均衡的调整力度, 符号为负, 符合反向修正机制。本期对上期系统偏离长期均衡的调整力度仅为10.11%, 说明调整幅度不大, 碳排放量的变动除了受产业结构重型化的影响之外, 还同时受到其他因素的影响。
3.4 分析
主要是: (1) 协整分析表明, 我国产业结构重型化与碳排放之间存在着长期均衡关系。重工业产值每增长1%, 长期来看将引起我国碳排放量增长0.284391%, 说明产业结构重型化的形成和发展对我国碳排放量增加具有正向促进作用。 (2) 利用误差修正模型估计出的重工业产值增加对我国碳排放量的短期效应表明当期重工业产值每增长1%, 其即期效应是引起碳排放量增长0.291225%;滞后一期的重碳排放量每增长1%, 将使下期碳排放量增加0.347310%。这一方面说明重工业发展对碳排放量的影响具有持续时间较短, 但强度相对较大的特点;另一方面也说明碳排放量具有很强的累积效应, “先污染后治理”的工业化发展模式不是应对环境问题的正确思路, 在我国重工业发展道路中也是不可取的。 (3) 误差修正项纠正上一期的非均衡状态的程度为10.11%, 表明调整力度不是很大。由此可见, 产业结构重型化发展主要是以短期波动的形式来影响碳排放量的变化, 长期均衡所起的控制作用并不是很大。
4 结论
在我国工业化业已进入中期阶段的现实背景下, 中国重工业在未来一段时间内仍将保持较快的发展速度和较大的比重。因此, 产业结构重型化以及由此而带来的碳排放效应也必然会维持较长的一段时间。在这种情况下, 通过限制重工业的发展来达到节能减排的目的显然是不可能的, 关键是采取适当的措施, 一方面可通过改革传统能源结构、采用清洁能源, 降低高碳源能源的碳排放量;另一方面要注重通过提高单位GDP的能源消费效率, 降低单位产业空间的碳排放强度。此外, 应加大对传统工业的改造、升级, 提高其资源配置效率, 减少资源消耗和环境污染, 促进新型工业化。
参考文献