面板协整（精选4篇）
面板协整 篇1
一、引言及文献综述
并购时企业寻求快速成长与发展的重要手段, 是企业持续经营过程中的重要战略行为之一。在西方成熟资本市场上, 自1895年～1904年第一次并购浪潮开始, 至今已经历了五次并购浪潮, 最近一次并购浪潮发生于1992年～2000年。国外对于并购的研究已经非常深入和细致, 形成了比较完整的框架和体系。在我国, 随着20世纪80年代开始下放企业经营权, 扩大企业自主权, 形成相对独立的经营主体和利益主体, 企业的并购行为开始出现。
Agrawal和Jaffe (2000) 总结了1974年～1998年的22项收购公司长期绩效的研究报告, 所研究的样本公司年度为1941年～1993年, 长期绩效研究时段为11个月到70个月不等, 得出的总结性结论是:兼并的长期绩效为负, 而要约收购的长期绩效非负 (甚至为正) ;现金支付的并购样本长期绩效为正, 而股票支付的并购样本长期绩效为负。Dong等 (2003) 认为, 无效资本市场导致的误定价是公司接管的重要驱动因素。为此, 他们以美国发生于1978年～2000年的3732起并购事件为样本, 检验了市场误定价对公司接管行为的影响, 实证证据支持误定价理论。国内学者也展开了相关的研究。苏冬蔚使用2001年～2002年我国多元化经营的上市公司数据, 研究发现, 资金的流入、流出与公司实施多元化决策的可能性呈负相关关系, 即对外部资本市场依赖较小的公司更可能进行多元化经营。而在其文中, 苏冬蔚指出, 现阶段我国多元化经营的上市公司存在多元化溢价, 因此, 苏冬蔚认为我国多元化企业的内部资本市场可能较为有效。李增泉等主张用“掏空”和支持假说来解释我国的并购现象, 认为上市公司对非上市公司的并购行为是地方政府和控股股东支持或“掏空”上市公司的一种手段, 支持的目的是帮助上市公司满足监管部门对上市公司融资资格的管制要求, “掏空”则是赤裸裸的利益侵占行为。黄兴孪、沈维涛从关联并购的角度研究了“掏空”与支持问题, 研究发现, 控股股东在与业绩优良公司的关联并购中表现出较强的“掏空”动机, 而在与业绩较差公司的关联并购中则表现为支持行为 (保壳和保配等) 。
但是什么样的微观因素影响了企业并购绩效问题, 学术界一直存在着较多的争议。本文利用DEA方法测度了上市企业的并购绩效, 并在此基础上利用非参数面板协整模型分析了微观各个因素对于企业并购绩效的影响。
二、企业并购绩效微观影响因素的理论分析
1.盈利能力
基于税收理论模型的观点认为, 给定的其他条件不变, 高盈利能力的企业应该会举债更多。因为它们有更强的动机利用债务合法避税。但根据优序融资理论, 由于信息不对称, 高盈利公司首先会用留存收益作为投资基金, 进一步的融资需求才转向考虑债务融资和股权融资。关于公司盈利能力对企业并购绩效影响的分析, 到目前为止还没有一个完全一致的结论。权衡理论认为, 当公司盈利水平高时, 由于公司有足够的能力支付利息费用, 又由于利息支出是在应税收益之前扣除, 这样伴随着公司的税后业绩增加, 公司盈利能力提高, 由于公司盈利能力与公司杠杆比率正相关, 会使得公司杠杆比率提高, 进而改善企业并购的绩效。
2.抵押价值
代理成本理论指出, 股东有不顾债权人利益而过度投资的倾向, 债权人将面临逆向选择和道德风险。而固定资产、存货等有形资产的担保能在一定程度上缓解信息不对称, 因此债权人为安全考虑, 可能在其向企业提供融资时, 将企业的抵押价值作为一个主要考虑因素, 以降低风险, 提高并购绩效。另外无形资产比重过大会使得管理层支配企业资产的随意性增高, 债权人的监督变得非常困难, 使得并购绩效降低。从而可能产生道德风险问题, 因此如果企业的抵押价值少, 其利益相关者又会要求企业提高负债水平或提高并购绩效。国外学者通过实证方法研究了抵押价值与并购绩效之间的相互影响关系。
3.成长性
一般认为, 发展速度越快, 成长性越高的企业对外部资金的依赖性就越强, 因为成长性强的公司仅靠自身留利很难满足其发展的需要, 而通常由于其一般具有良好的发展前景而使老股东不愿过多地发行新股, 以免分散老股东的控制权和稀释每股收益。信息传递融资结构模型认为, 成长性高的企业一般是新兴企业, 其规模不会太大, 投资者与经营者之间的信息不对称的程度高, 其股票价值往往会被低估, 通过不断提高并购绩效可以避免这种情况。在实际企业的运行过程中, 企业的成长性往往会对并购绩效有着一定的影响。
4.企业规模
信息传递融资结构模型认为:相对小企业而言, 人们对大企业的了解更多, 从而大公司具有较高的信息透明度, 这意味着公司规模也可以代表经理们和投资者之间信息不对称程度。由于大公司的市场价值扭曲较小, 它在股权融资中所受的损失也较小, 相对地也就更倾向于股权融资。所以根据非对称信息资本结构理论, 企业规模与企业并购绩效之间应该具有一定的相互影响关系。但是企业规模与企业并购绩效之间究竟存在怎样的相互影响关系, 理论界并没有形成一个一致的看法。静态权衡理论则认为, 企业规模越大, 更容易实施多角化经营分散企业经营风险以及具有充足的现金流, 这将使公司的预期破产成本大为降低, 因而公司容易获得更多的债务, 从而抑制了并购绩效的提高。
三、实证分析
1.指标选择及数据平稳性检验
本文选择2004年发生并购的沪市上市公司作为并购研究样本, 一方面是证券监管机构对并购的不断规范, 利用并购概念单纯炒作的空间逐渐缩小, 人为操作利用现象有所减少, 实质性并购增加, 上市公司的并购比较真实的反映企业的意愿。另一方面, 考虑到数据的全面性, 本文拟研究收集并购前后四年的数据, 从1998年～2010年刚好有13年的数据可供研究。利用DEA方法评级其并购绩效Y, 选择总资产收益率X1反映企业的盈利水平;有形资产水平X2反映企业的抵押价值;主营业务增长水平X3反映企业的成长性;总资产水平X4反映企业的规模;企业并购绩效的DEA评价得分反映企业的并购绩效。
在进行面板协整分析之前, 首先要对相关面板数据序列的平稳性进行检验。为了增强本文检验结果的可信性和稳健性, 本文分别对模型中所涉及的面板数据序列Y、X1、X2、X3、X4进行横截面个体独立的面板IPS检验和横截面个体相关的面板联合P值检验。
表1给出了1998年～2010年企业相应的面板变量Y、X1、X2、X3、X4水平序列和一阶差分序列的平稳性检验结果。
由表1可知, 5个变量的面板数据水平值的tIPS检验的P值表明, 在5%的显著性水平下不能拒绝存在面板单位根的原假设;而其一阶差分数据的tIPS检验的下尾单侧P值均近乎为0, 高度显著地拒绝原假设。同时可以看到, 联合P值检验, 也支持5个变量的面板数据均为I (1) 过程所生成的结论。这一结论不仅刻画了企业并购绩效Y、总资产收益率X1、有形资产水平X2、主营业务增长水平X3、总资产水平X4的非平稳特征, 也是下文面板数据协整检验的基础。
2.变量协整检验及估计
本文所选取的企业的面板数据在横截面上具有很大的异质性, 据此拟利用Westerlund (2005) 提出的非参数面板协整检验方法, 利用变量Y、X1、X2、X3、X4构造统计量VRG和VRP进行协整检验, 检验结果见表2。
表2的检验结果表明, 企业相关面板变量Y、X1、X2、X3、X4, 5个变量之间存在着长期稳定的协整关系。
基于协整检验的结果, 本文建立如下协整方程:
Yit=αi+β1X1it+β2X2it+β3X3it+β4X4it+uit (1)
β1反映了企业的盈利水平对企业并购绩效的影响;β2反映了企业的抵押价值对企业并购绩效的影响;β3反映了企业的成长性对企业并购绩效的影响;β4反映了企业的规模对企业并购绩效的影响。协整方程的估计结果见表3。
β1为正值, 也就是资产盈利能力强的企业往往具有较高的并购绩效。这一实证研究结论和前面的理论分析相符合。净资产盈利能力较强的企业的内源融资能力也较强;资产盈利能力强的企业, 其经营绩效良好, 比较容易通过证监会审核, 在股票市场上进行股权融资的机会较多, 进而提高企业并购绩效。β2为负值, 也就是有形资产水平比例同企业并购绩效呈显著负相关关系, 与理论结论相反。流动负债中不需要担保的商业信用占大部分, 且流动负债大多是使用存货等流动资产进行担保。无形资产比重过大会使得管理层支配企业资产的随意性增高, 债权人的监督变得非常困难, 使得并购绩效降低。β3为正值, 但不显著。这与西方发达国家的公司成长性与企业并购绩效的相互影响不一致。中国企业成长性与企业并购绩效出现此类情况原因可能是:中国企业在总体上都有一定的成长性, 但各企业之间成长性差别非常大, 企业成长性很不稳定。很悬殊, 很难总结出一个统一的对企业并购绩效的影响方向。β4为正值, 这说明资产规模与企业并购绩效显著正相关。资产规模大的企业有较高信誉与较低经营风险, 容易赢得债权人信任, 实施债权融资;其次在我国, 资产规模大的企业基本是国有企业, 政府出于产业政策及社会目标, 往往对企业给予信贷优惠, 促成了企业并购绩效的提高。
模型 (1) 仅揭示了企业面板变量Y、X1、X2、X3、X4这5个变量之间的长期均衡关系。为了检验短期内X1、X2、X3、X4对Y的的影响, 还需要在面板协整的长期均衡模型基础上建立误差修正模型 (ECM) 来进行短期动态分析。
本文依据赤池信息准则 (AIC) 和施瓦兹 (SC) 信息准则的模型选择标准, 在协整检验过程中最终确定最优滞后阶数为1, 并以此为基础建立如下误差修正模型:
Δyit=α0i+θ1ΔX1it+θ2ΔX2it+θ3ΔX3it+θ4ΔX4it+λECMi, t-1+uit (2)
其中ECMi, t-1为模型 (1) 估计的面板误差修正项;系数λ代表了从非均衡发展状态向长期均衡发展状态调整的速度, θ1、θ2、θ3和θ4分别代表了企业的盈利水平、企业的抵押价值、企业的成长性和企业的规模对企业并购绩效的短期影响, 估计结果见表4。
可以看到在短期影响中, 企业的盈利水平和企业的规模对企业并购绩效具有短期影响。企业的抵押价值和企业的成长性对于企业并购绩效在短期并不具有显著的影响。在短期影响中, 资产盈利能力企业并购绩效还是具有正向的影响, 这与资产盈利能力企业并购绩效长期影响的作用方向相同。企业的规模对企业并购绩效也具有一个正向的影响。
四、结论
本文通过分析2004年发生并购的沪市上市公司在并购前后四年的数据, 即从1998年～2010年的数据, 得到了以下基本结论:
第一, 净资产盈利能力较强的企业的内源融资能力也较强, 其经营绩效良好, 比较容易通过证监会审核, 在股票市场上进行股权融资的机会较多, 进而提高企业并购绩效。
第二, 有形资产水平比例同企业并购绩效呈显著负相关关系, 无形资产比重过大会使得管理层支配企业资产的随意性增高, 债权人的监督变得非常困难, 使得并购绩效降低。
第三, 资产规模大的企业有较高信誉与较低经营风险, 容易赢得债权人信任, 实施债权融资;其次在我国, 资产规模大的企业基本上国有企业, 政府出于产业政策及社会目标, 往往对企业给予信贷优惠, 促成了企业并购绩效的提高。
第四, 企业的盈利水平和企业的规模对企业并购绩效具有短期影响。企业的抵押价值和企业的成长性对于企业并购绩效在短期并不具有显著的影响。
摘要：并购是企业寻求快速成长与发展的重要手段。什么样的微观因素影响了企业并购绩效问题, 学术界一直存在着较多的争议。本文利用DEA方法测度了上市企业的并购绩效, 并在此基础上利用非参数面板协整模型分析了微观各个因素对于企业并购绩效的影响。结论表明:第一, 净资产盈利能力较强的企业, 企业并购绩效较高;第二, 有形资产水平比例较高的企业, 其并购绩效显著较小;第三, 资产规模大的企业, 提高了企业并购绩效;第四, 影响企业并购绩效的各个因素具有不同的短期效应。
关键词：并购绩效,非参数面板协整,微观因素
参考文献
[1]薛艳丽.企业并购后品牌战略管理模式的构建———基于仿生态理念视角[J].经济经纬, 2010, (5) .
[2]张学洪, 章仁俊.大股东掏空行为监管的进化博弈分析[J].经济经纬, 2011, (4) .
[3]苏冬蔚.多元化经营与企业价值:我国上市公司多元化溢价的实证研究[J].经济学季刊, 2005, (18) .
[4]孙铮, 李增泉等.所有权性质、会计信息与债务契约———来自我国上市公司的经验证据[J].管理世界, 2006, (10) .
[5]黄兴孪, 沈维涛.掏空或支持———来自我国上市公司关联并购的实证分析[J].经济管理, 2006, (12) .
面板协整 篇2
根据有关人口统计指标的划分,可以把人口划分为三大年龄组:少年儿童、成年人(劳动年龄人口)、老年人。显然,不同年龄组的人口有不同的需求。随着年龄构成的变化,人们对一定种类物品或服务的需求和总需求一定会有所不同。在收入水平一定的假设条件下,作为影响总消费需求的一个因素,年龄构成会部分决定总消费需求。关于人口年龄结构对于居民消费率的作用机制,莫迪利安尼提出的生命周期假说认为,消费者都是前瞻性的,个人将一生的预期的总收入在不同年龄段进行最优配置,以取得跨期效用最大化。
国外多数经验研究一般都是利用微观的家庭调查数据和宏观的国家总量数据来检验人口年龄结构对消费率的影响。Leff(1969)利用跨国的时间序列数据做横截面回归计量分析,建立起Leff模型,用于检验人口年龄结构与居民消费率之间的关系,他的经验结果并不完全支持人口年龄结构与消费率之间的关系。Hock和Weil(2006)通过调查了人口年龄结构、经济依赖和人口出生率之间动态的相互关系,并特别关注代际间转移,建立了一种更容易处理的迭代模型。他的实证研究结果表明,短期内,出生率的降低会导致更高的消费,但是在长期内,更高的老年人比重会降低这种影响。
自20世纪80年代以来,中国学者就开始关注人口年龄结构的变动问题,这一时期的研究成果主要以定性研究为主,定量化的研究成果较少。21世纪以来,人口年龄结构对消费水平影响的量化结果开始出现,比较有代表性的有:王金营、付秀彬(2006)通过对中国1978年以来的时间序列数据的分析,引入标准人概念和变量,有效地解决了消费函数中人口年龄结构的影响。他们把人口分为三个年龄组:少年儿童、成年人、老年人,并根据每个年龄组的需求和以往研究的经验,给予每个年龄组不同的权数。他们的研究结果表明,人口老龄化对消费水平、消费结构和消费规模都有一定的影响,但是如果直接将年龄结构引入模型进行估计和检验,模型在统计上是不显著的。李文星、徐长生和艾春荣(2008)利用中国1989—2004年的省际面板数据和动态面板GMM估计方法,考察了中国人口年龄结构变动对居民消费的影响。显示儿童抚养系数对居民消费有负面影响,老年抚养系数对消费的影响不显著。
本文为上述研究的继续,采用不同的方法研究河南省18地市人口年龄结构对消费水平的影响。
二、模型和数据
根据现实生活的表现和有关研究,我们假设人口年龄结构的变化对消费水平产生影响。人口年龄结构变量的选择与李文星等(2008)相同,选用儿童和老年抚养系数。本文所有数据时间跨度为2000—2009年度,皆来自2001—2010年《河南统计年鉴》。我们的变量选择如下:(1)各市人均居民最终消费(CON):我们选取的是年度人均居民最终消费。通过支出法口径下的中国居民最终消费,除以当年年末人口而得到。(2)各市人均国内生产总值(GDP)。另外,所有数据皆通过消胀处理,对人均居民最终消费水平按照居民消费水平指数统一调整到2000年物价水平,对人均国内生产总值按照地区生产总值指数统一调整到2000年物价水平。(3)CDR:少年儿童抚养系数。(4)ODR:老年人口抚养系数。在建模的过程中,所有变量皆采用自然对数处理。上述四个变量取自然对数后的变量表示依次为LNCON、LNGDP、LNCDR、LNODR,直接引入人口年龄结构变量的绝对收入假说的消费函数模型如下:
三、估计方法和结果
首先进行面板单位根检验,虽然目前为止面板单位根检验的方法很多,这里我们使用Breitung(2000)检验方法。根据Hlouskova和Wagner(2006)的研究,被称为第一代单位根检验的方法普遍存在最大检验效率和最小样本偏差问题,而Breitung(2000)的检验方法由于使用恰当转换而不需要偏差校正因子,实践效果较好。Breitung(2000)面板数据单位根检验的原假设为序列非平稳,用于检验的t统计量服从标准正态分布。由表1可以看出,本文所使用4个变量LNCON、LNGDP、LNCDR、LNODR皆为非平稳,皆为1阶单整,即服从I(1)。
注:表中“△”表示取一阶差分;*、**、***分别表示在10%、5%、1%的水平下是显著的。
另外,我们使用Pedroni(2004)的面板协整检验方法检验这四个变量之间是否存在协整关系。Pedroni(2004)提供了7个统计量针对异质面板来检验不存在协整的原假设,每个检验统计量皆服从标准正态分布。表2给出了四种不同的变量组合的的Pedroni面板协整检验结果,由表2可以看出,针对[LNCON/LNGDP/LNCDR/LNODR]的组合,7个检验统计量中有6个皆在5%的显著性水平下拒绝原假设,也就是说,市级人均消费、人均GDP、儿童及老年抚养系数之间存在协整关系,其他三组协整变量的检验结果基本上存在类似的结果。
注:*、**、***分别表示在10%、5%、1%的水平下是显著的。
为了反映人口年龄结构对消费的影响结果,对于存在协整关系的变量我们使用由Stock和Watson(1993)提出的动态最小二乘法(DOLS)来估计,由于我们采用了对数形式的设定形式,所以参数的估计结果皆反映变量之间弹性系数。下页表3为采用DOLS方法估计的参数结果。下页表3的结果大致可以分为三类。类型一:人口年龄结构对消费没有显著的影响,具有这种特征的包括新乡市和信阳市,共两个城市;类型二:有一个人口年龄结构对消费存在显著影响,而另一个不存在,具有这种特征的包括郑州市、鹤壁市、许昌市、漯河市、三门峡市以及驻马店市等6个城市;类型三:两个人口年龄结构变量皆对消费存在显著影响关系,包括除前两类外的其他10个城市。总的来看,共有16个城市存在人口年龄结构对消费的显著影响关系。在对人口结构变量有显著影响的16个地市的进一步分析中发现儿童抚养系数、老年抚养系数的作用程度和方向表现出不同的特征。从儿童抚养系数来看,影响程度为正的有郑州、开封、平顶山、安阳、鹤壁、许昌、三门峡、南阳、驻马店、济源等10个城市;影响程度为负的有洛阳、焦作、濮阳、漯河、商丘等5个城市。从老年抚养系数来看,影响程度为正的有平顶山、安阳、濮阳、南阳等4个城市;影响程度为负的有郑州、开封、洛阳、鹤壁、新乡、焦作、许昌、漯河、三门峡、商丘、济源等11个城市。儿童抚养系数为正、老年抚养系数为负的城市有郑州、开封、鹤壁、许昌、三门峡、济源6个城市。
从整个面板数据动态OLS估计结果来看,长期来看,儿童抚养系数对居民消费影响程度并不显著,而老年抚养系数对居民消费则产生了显著负向影响。这间接说明人口年龄结构确实是影响居民消费水平的一个重要因素。统计资料显示,18个地市中,2000—2009年居民实际人均消费水平逐期增长的只有郑州,其他17个地市或多或少皆有下降情形出现。从下页图1可以看出,多数地市分别在2002年、2009年出现两次消费低谷。这种现象的解释原因应该为人口老龄化所致。可以预见,在未来随着人口老龄化程度的不断加剧,其对实际人均消费水平的影响程度必将更加明显。
四、结论
本文利用河南2000—2009年的市级面板数据和动态面板最小二乘估计方法,考察了河南人口年龄结构(儿童抚养系数和老年抚养系数)变化对居民消费的影响。实证分析发现,多数城市儿童抚养系数对居民消费存在显著负向影响,老年抚养系数对居民消费存在正向影响,少数城市儿童抚养系数对居民消费存在显著正向影响,老年抚养系数对居民消费存在负向影响。这种发现与李文星等(2008)认为儿童抚养系数对居民消费具有弱显著负影响,而老年抚养系数对居民消费率并没有显著影响的结论并非一致。我们认为长期来看,人口年龄结构确实是影响河南各地区居民消费水平的一个显著因素。如何开发与人口年龄结构相适应的市场将是决定未来河南省居民消费水平高低的一个重要思考因素。
注:所有方程的因变量皆为LNCON,所有回归的常数项我们这里都没有给出。*、**、***分别表示在10%、5%、1%的水平下是显著的。
摘要：利用河南省2000—2009年市级面板数据,考察河南省人口年龄结构(儿童和老年抚养系数)变化对实际居民人均消费的影响。绝大多数城市儿童抚养系数对居民消费具有负向影响,老年抚养系数变化对居民消费具有正向影响,从长期弹性系数的影响程度来看,绝大多数城市老年抚养系数影响程度要高于儿童抚养系数,这为实施相应的人口、经济发展政策提供了一定的参考依据。
关键词：人口年龄结构,动态最小二乘法,实际人均消费
参考文献
[1]王金营,付秀彬.考虑人口年龄结构变动的中国消费函数计量分析[J].人口研究,2006,(1).
[2]李文星,徐长生,艾春荣.中国人口年龄结构和居民消费:1989—2004[J].经济研究,2008,(7):118-129.
[3]Leff,Nathaniel H.Dependency Rates and Savings Rate[J].American Economic Review,1969,59(5):886-896.
面板协整 篇3
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。
面板协整 篇4
关键词：区域,旅游业,林业,互动发展,效应,协整
中国地域辽阔,旅游业和林业发展的地区差别相当显著,无论是编制全国森林旅游发展规划,还是以发展森林旅游为突破口,进一步推动各地旅游和林业部门加强合作,都需要对全国以及各地区旅游业和林业互动发展效应特别是长期的经济效应有一个相对明晰的认知。为此,本文拟对我国旅游业与林业互动发展的长期经济效应做探索性的定量研究,为全国以及各地区森林旅游发展规划的编制和旅游业与林业互动发展政策的制定提供必要的依据。
一、研究方法、模型建立和数据来源
1. 研究方法。
由Granger和Engle等人于20世纪80年代最先发展起来协整理论及其分析方法已经被广泛运用到了时间序列关系的研究当中。根据协整理论,两个或多个不平稳的时间序列,如果它们之间的某个线性组合是平稳的,则这些时间序列之间就存在长期稳定的“均衡”关系,即协整关系。因此,研究变量之间的协整关系相当于研究变量之间的定量规律,是对经济学规律性的一种定量描述。[1]由于面板数据(panel date)是同时在时间和截面2个维度上取得的样本数据,利用其建模并进行变量间的协整分析,既可以显著增加样本空间,提高样本自由度,更好地度量和检测单纯使用时间序列数据或横截面数据无法观测到的影响,还可以减少解释变量间的多重共线性影响,更好地解决回归方程中误差部分与解释变量之间的相关问题,使参数的估计结果更加可靠。[2]因此,本文利用面板协整分析方法来研究我国林业和旅游业互动发展的长期经济效应。
2. 模型建立。
典型面板数据协整分析的基本模型为yit=αit+βit+υit(i=1,2,3,…,N;t=1,2,3,…,T)。该式反映两个经济指标在N个个体和T个时点上的变动关系,下标i和t分别表示不同的地区和年份,α为截距项,β为协整向量系数,u为随机误差项。如果该式中的β显著不为零,则解释变量和被解释变量之间存在协整关系;如果该式中的β显著大于零,则解释变量对被解释变量具有明显正向推动效应;如果该式中的β显著小于零,则解释变量对被解释变量具有明显的负向推动效应。为了具体研究我国大陆整个区域以及31个省、自治区、直辖市区域旅游业和林业发展中是否存在长期互动效应以及互动效应的大小,本文利用1998～2010年的相关数据,建立如下2个模型来检验林业产值和旅游收入之间的协整关系:
模型1:LNFPVit=αi+βLNTTIit+υit(i=1,2,3,…,N;t=1,2,3,…,T)
模型2:LNTTIit=αi+γLNFPVit+υit(i=1,2,3,…,N;t=1,2,3,…,T)
上述模型1和模型2中的LnFPV和LnTTI分别代表林业产值和旅游总收入(包括国际旅游收入和国内旅游收入)的对数值,β和γ分别代表一定区域范围内旅游业发展对林业发展和林业发展对旅游业发展的影响系数。显然,通过比较β和γ的大小,可以在一定程度上定量说明特定时期内区域旅游业和林业发展的互动效应。
3. 数据来源。
本文全国大陆31个省、自治区和直辖市1998～2008年的国际旅游收入、国内旅游收入和林业产值的数据均来源于《新中国60年统计资料汇编(1949-2008)》,2009和2010年的相关数据均通过查询中国统计年鉴数据库获取。为了计算各地区的年度旅游总收入,本文对各地区的年度国际旅游收入均按当年人民币与美元的汇率折算为人民币收入。为了消除物价变动的影响,本文以1998年为基期,分别利用居民消费物价指数和林业产值指数对各地区历年的旅游总收入和林业产值进行了平减。
二、实证过程
利用面板数据确定变量间的协整关系和协整向量系数大小,通常需要顺序经过面板单位根检验、面板协整关系检验和面板协整向量估计3个基本环节。本文对这三部分的实证分析借助了计量经济学软件Eviews6.0和WinRats7.0。
1. 面板单位根检验。
按照协整理论,只有单整阶数相同的变量,才有可能存在着长期稳定的“均衡”关系。因此,在判断旅游总收入和林业产值之间是否存在面板协整关系之前,首先要通过面板单位根检验来判断这两个面板变量的平稳性及其单整阶数。为了避免使用某种单一检验方法的局限性对检验结果造成的负面影响,保证检验结果的稳健性,本文同时采用了LLC检验、IPS检验、Fisher-ADF检验和Fisher–PP检验四种常用方法。由全国大陆31个省区组成的面板序列单位根检验的最终结果如表1所示。
注:变量名称前的符号⊿代表变量的一阶差分;四种检验方法的原假设都是“存在单位根”;检验方式包含截距项,最优滞后期数根据Schwarz评价标准确定。
Bronzini和Piselli(2009)在面板数据单位根检验中采用了“2/4判断法”,即在LLC、IPS、FisherADF和Fisher–PP这4种方法所获得的检验结果中,如果能满足在1%、5%或10%显著性水平下,至少有2个能拒绝存在单位根的原假设,就可以认为该纵剖面时间序列是平稳的。[3]显然,表1中的检验结果显示,依据“2/4判断法”,模型1和模型2中的变量LnFPV和LnTTI的面板数据的水平值都是不平稳的,但其一阶差分都是平稳的,说明它们的单整阶数相同,且均为一阶单整序列,满足面板协整检验的基本要求,变量之间存在协整可能,可以进行面板协整关系的直接检验。
2. 面板协整关系检验。
为了直接确证我国各地区旅游总收入和林业产值两变量之间是否存在协整关系,本文采用目前协整检验研究文献中最普遍使用的基于回归残差的Pedroni协整检验方法。这种方法使用了4个组内和3个组间统计量来检验面板数据变量间的协整关系,如果检验结果拒绝“不存在协整关系”的原假设,则表明变量之间的协整关系成立。此外,根据蒙特卡罗模拟实验结果,在小样本条件下,Panel-ADF和Group-ADF统计量较其他统计量有着更好的性质,Panel-PP和GroupPP统计量次之,其他则最差。[4]由于本文研究所涉及的时间跨度少于20年,故主要依靠Panel-ADF、Group-ADF、Panel-PP和Group-PP这4个统计量来做基本判断,其他3个统计量仅作一般参考。1998-2010年我国林业产值和旅游总收入的对数值之间的Pedroni协整检验结果见表2。
注:模型1为LnFPVit=αi+βLnTTIit+uit,模型2为LnTTIit=αi+γLnFPVit+uit;原假设都为“不存在协整关系”;检验方式包含截距项,最优滞后期数根据Schwarz评价标准确定。
根据表2中的Pedroni协整检验结果,模型1和模型2的Panel-ADF、Group-ADF、Panel-PP和Group-PP这4个统计量指标全部在5%的显著性水平下拒绝了“不存在协整关系”的原假设。据此判断,1998年以来,我国旅游总收入和林业产值之间存在协整关系。
3. 面板协整向量估计。
我国旅游总收入和林业产值两变量之间协整关系的确定,为进一步估计反映各地区旅游业和林业互动发展效应的协整向量系数β和γ的大小奠定了基础。根据相关研究,在面板数据中进行协整回归估计与时间序列中一样,若直接对协整方程进行普通最小二乘法估计,得出的结果可能是有偏的,应采用完全修正最小二乘估计(FMOLS)、偏差修正的最小二乘估计(bias-corrected OLS)或动态最小二乘估计(DOLS)来回归。[5]考虑本文研究的时间跨度和所要回归的协整向量系数包括了全国和分省两个层面,采用Pedroni(2000)提出的组间(between-dimension)面板FMOLS方法对模型1和模型2中的协整向量β和γ分别进行回归估计,因为在小样本条件下,组间面板FMOLS估计具有更低的失真性且允许设定异质的协整向量。[6]模型1和模型2的组间FMOLS估计结果见表3。
注:模型1为LnFPVit=αi+βLnTTIit+uit,模型2为LnTTIit=αi+γLnFPVit+uit。
三、结果分析
根据表3中的FMOLS估计结果,可以发现,1998年以来,代表我国区域旅游总收入和林业产值互促效应的协整向量系数β和γ存在如下五个显著特征:
1.在全国范围内,β﹥0,γ﹥0,且β﹤γ。这说明,在全国范围内,林业产值和旅游总收入之间均呈现正向推动作用,且林业产值增加带动旅游收入增加的效应明显大于旅游收入增加带动林业产值增加的效应。全国林业产值增加1%,会带动全国旅游总收入增加1.52%;同时,全国旅游收入增加1%,会带动全国林业产值增加0.78%。
2.在各省、区、直辖市范围内,β﹥0,γ﹥0,但各地区的β之间、γ之间差异明显。这说明,在各省、区、直辖市范围内,林业产值和旅游收入之间也全部呈现出正向推动作用,但作用强度有明显的地区差异。林业产值增加带动旅游收入增加效应最显著的是贵州省,最不显著的是上海市,γ值分别为3.32和0.23;旅游总收入增加带动林业产值增加效应最显著的是上海市,最不显著的是青海省,β值分别为3.57和0.07。
3.北京、天津、黑龙江、上海、广西、重庆、云南、西藏8个地区中,β﹥γ。这说明,这8个地区中,旅游收入增加带动林业产值增加的效应明显大于林业产值增加带动旅游收入增加的效应。
4.河北、山西、内蒙古、辽宁、吉林、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、四川、贵州、陕西、甘肃、青海、宁夏21个地区中,β﹤γ。这说明,在这20个地区中,林业产值增加带动旅游总收入增加的效应明显大于旅游总收入增加带动林业产值增加的效应。
5.海南和新疆2个地区中,β≈γ≈1。这说明,在海南和新疆,林业产值增加带动旅游总收入增加的效应和旅游总收入增加带动林业产值增加的效应都比较显著,而且效应水平基本相同,处于一种较高水平上的良性对等互动发展。
参考文献
[1]赵文奇.当代计量经济学中的协整理论[J].统计研究,1996,(6):51-58.
[2]龙莹,张世银.动态面板数据模型的理论与应用研究综述[J].科技与管理,2010,(2):30-34.
[3]Bronzini and Piselli.Determinants of Long-Run RegionalProductivity with Geographical Spillovers:The Role ofR&D,Human Capital and Public Infrastructure[J].RegionalScience and Urban Economics,2009(39):187-199.
[4]毛其淋.经济开放、城市化水平与城乡收入差距——基于中国省际面板数据的经验研究[J].浙江社会科学,2011,(1):11-22.
[5]林谦,黄浩,黎实.考虑截面相关条件下的异质性面板数据协整回归模型的估计[J].统计研究,2010(9):103-108.