论文部分内容阅读
摘要：本文利用VAR模型对贵州区域产业发展、农村城镇化、提高就业等问题进行了量化分析，得出结论即区域产业的发展、农村城镇化能够极大地推动就业率的提高。
关键词：vAR模型；区域产业发展；城镇化；就业
中图分类号：F427 文献标识码：A 文章编号：1672－3309(2012)01－21－03
一、VAR模型简介
1980年Sims提出了向量自回归模型，它不以经济理论为基础。而是一种用数据本身来确定模型的动态结构。VAR模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响分析、避开了结构建模方法中需要对系统中每个内生变量关于所有内生变量滞后值函数的建模问题，不需要对变量的内生性和外生性进行假定，即可以将vAR模型中所有的变量都看作是内生的。这些内生变量共同组成一个封闭系统，然后运用最小二乘法f0Ls)或最大似然(Maximum Likelill00d)等多种方法进行参数估计。一般的vARfP)模型的数学表达式为：
Yt＝A0＋AiYt－1＋……＋ApYt－p＋εt
其中，Yt是m维内生变量向量，A0为常数向量，Ai(i＝1，2，…，p)为系数矩阵，εt为m维误差向量，其协方差矩阵为Ω，且E(εt)＝0，E(εt ，εt’)＝Ω。
二、数据选取及处理
由以上VAR模型的数学表达式可以看出，进行VAR分析需要搜集相关的时间序列数据。因此本文选取贵州省全社会的从业人员数量与全社会总人口的比值来代表贵州省就业率水平来进行数据分析，用第一、二、三产的产值在总产值中的比重来衡量产业的发展，贵州省的城镇化率来衡量城镇化的发展水平。
因此本文选取1978－2009年的贵州省全社会从业人员数量与全社会总人口的比值(μ)、贵州省第一产业产值在总产值中比重(FCHJ)、第二产业产值在总产值中比重(DCHJ)、第三产业产值在总产值中比重(TCHJ)、城镇化率(v)5个序列进行研究。其中全社会从业人员数量，社会总口数量，全社会总产值、第一产业产值、第二产业产值、第三产业产值等数据均来源于《2011贵州省统计年鉴》，理论城镇化率为作者计算所得，此外为了防止“异方差”情况的出现。分别对u、FCHJ、DCHJ、TCHJ取自然对数得Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)、Ln(v)序列，数据如表1所示：
三、区域产业发展与就业的VAR模型分析
1、单位根检验
由于使用的是时间序列数据，对Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)序列进行平稳性检验，检查其是否存在单位根。使用Eviews6，O软件计算(如表2所示)。
由表2可知，Ln(u)、Im(FCHJ)、LN(DCHJ)、LN(TCl43)序列均不平稳，而DLn(u)、DLn(FCHJ)、DLN(DCHI)、DLN(TCHJ)序列均一阶单整，DLn(u)、DLn(FCHJ)、DLN(DCHJ)、DLN(TCHJ)序列可能存在协整关系。
2、协整检验
对非平稳时间序列相互之间稳定性的度量，可以用协整来反映。协整的含义是：尽管每个变量自身可能是不平稳的，但它们的线性组合是平稳的。当时间序列被确定存在有单位根时，主要的问题是考虑各变量是否存在长期均衡关系。
进行协整关系检验有两种方法：一种是对回归残差的平稳性进行检验，代表方法是Engle－Granger两步法：另一种是对回归系数进行整体检验，如Jonansen协整检验。如果是针对两个变量之间的协整检验，我们一般采用Engle－Granger，如果是对三个以上的变量之间的协整关系，我们采用J0nansen协整检验。因此对于就业与区域产业发展的协整检验采取Jonansen协整检验来检验该四个变量之间是否存在协整关系。通过Eviews6.0软件操作，我们经过反复论证实验，知道该模型的最佳滞阶数为1，Jonansen协整检验结果如图1：
由图l的协整检验结果可知：Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)之间存在唯一的协整关系，协整方程为：
Ln(u)＝－0.365631inxl＋0.1902141nx2＋0.6090651nx3＋2.4337
从该方程式中我们可以看出LNfDcHJ)和LNfTCHJ)与Ln(u)的关系从长期来看是正向的，Ln(FcHJ)与IJn(u)的关系在长期是负向关系的，当Ln(FCHJ)增加一个百分点时，会降低Ln(u)0.36个百分点，LN(DCHJ)、LN(TCHJ)与Ln(u)关系在长期是正向向关系的，当LNfDCHI)增加一个百分点时，会增加Ln(u)0.19个百分点，当LNfTCHJ)增加一个百分点时，会增加IJn(u)0.61个百分点，即农第一产业比重每增加1个百分点，会降低社会就业率0.36个百分点；第二产业比重每增加1个百分点，会增加社会就业率0.19个百分点：第三产业比重每增加1个百分点会增加社会就业率0.61个百分点。
3、结论
有上面分析可以看出，区域产业的发展中第二产业、第三产业的发展对提高就业有巨大的带动作用，区域的产业发展应该注重第二产业和第三产业的发展，尤其是第三产业发展的巨大带动作用，因此贵州省提高就业的主要措施应该集中发展第二、三产业，尤其是以现代服务业为主的第三产业的发展。
四、城镇化率与就业的VAR模型分析
1、单位根检验
由于使用的是时间序列数据，对Ln(u1、LN(v)序列进行平稳性检验，检查其是否存在单位根。使用Eviews6.0软件计算如下：
由表3可知，Ln(u)、LN(v)序列均不平稳，而DLn(u)、DLN(v)序列均一阶单整，DLn(u)、DLN(v)序列可能存在协整关系。
2、协整检验。
进行协整关系检验有两种方法：一种是对回归残差的平稳性进行检验，代表方法是Engle－Granger两步法；另一种是对回归系数进行整体检验，如Jonansen协整检验。如果是针对两个变量之间的协整检验，我们一般采用Engle－Granger，如果是对3个以上的变量之间的协整关系，我们采用Jonansen协整检验。因此，本部分采用Engle－Granger两步法。
第一步，对Ln(u)和Ln(v)序列进行回归，回归结果为
Ln(u)＝0.5893 Ln(v)＋2.1153
(14.6387) (12.4209)
Adjusted R－squared＝0.8318 D.W＝0.3699
由于D.W＝0.3699，较小，两个序列之间可能存在线性相关性。
第二步，对回归的残差序列进行平稳性检验，结果如表4所示：
表4中对残差序列e平稳性检验可知：在5％显著水平下，残差序列e是平稳的。也就是Ln(u)和Ln(v)存在协整关系，即长期均衡关系。
3、格兰杰因果检验
从上面的分析当中可以判断Ln(u)和Ln(v)序列都是一阶平稳，且存在长期的协整关系，现在检验他们是否存在因果关系，检验结果如下：
从图2中可知，在检验“Ln(v)不是Ln(u)的格兰杰因果成因”的原假设中p为0.009，小于显著性水平0.05，说明要拒绝该假设，表明“Ln(v)是IJn(u)的格兰杰因果成因”。同样道理，在检验“Ln(u)不是Ln(v)的格兰杰因果成因”原假设中。D的大小为0.3489，大于显著性水平0.05，说明要接受该假设，表明Ln(u)是Ln(v)的格兰杰因果成因。表明城镇化的发展可以带动就业率的提高。
4、结论
由上面分析可以看出。城镇化的发展对于提高就业具有巨大的带动作用。因此，促进贵州省城镇化的发展对于提高工就业率具有重大作用。
五、结论和启示
通过对贵州省城镇化水平、区域产业发展与就业关系的实证研究，本文认为城镇化水平的提高，区域产业的发展，尤其是第二产业和第三产业的发展对提高就业水平有巨大的带动作用，可以有效的解决贵州省就业难问题。所省省解决就业难问题中要注重推动城镇化的进程，推动第二产业和第三产业的发展。尤其要着力促进商贸、物流、旅游和现代服务业等第三产业的发展，为就业提供更多岗位。更好、更快的解决就业问题。
关键词：vAR模型；区域产业发展；城镇化；就业
中图分类号：F427 文献标识码：A 文章编号：1672－3309(2012)01－21－03
一、VAR模型简介
1980年Sims提出了向量自回归模型，它不以经济理论为基础。而是一种用数据本身来确定模型的动态结构。VAR模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响分析、避开了结构建模方法中需要对系统中每个内生变量关于所有内生变量滞后值函数的建模问题，不需要对变量的内生性和外生性进行假定，即可以将vAR模型中所有的变量都看作是内生的。这些内生变量共同组成一个封闭系统，然后运用最小二乘法f0Ls)或最大似然(Maximum Likelill00d)等多种方法进行参数估计。一般的vARfP)模型的数学表达式为：
Yt＝A0＋AiYt－1＋……＋ApYt－p＋εt
其中，Yt是m维内生变量向量，A0为常数向量，Ai(i＝1，2，…，p)为系数矩阵，εt为m维误差向量，其协方差矩阵为Ω，且E(εt)＝0，E(εt ，εt’)＝Ω。
二、数据选取及处理
由以上VAR模型的数学表达式可以看出，进行VAR分析需要搜集相关的时间序列数据。因此本文选取贵州省全社会的从业人员数量与全社会总人口的比值来代表贵州省就业率水平来进行数据分析，用第一、二、三产的产值在总产值中的比重来衡量产业的发展，贵州省的城镇化率来衡量城镇化的发展水平。
因此本文选取1978－2009年的贵州省全社会从业人员数量与全社会总人口的比值(μ)、贵州省第一产业产值在总产值中比重(FCHJ)、第二产业产值在总产值中比重(DCHJ)、第三产业产值在总产值中比重(TCHJ)、城镇化率(v)5个序列进行研究。其中全社会从业人员数量，社会总口数量，全社会总产值、第一产业产值、第二产业产值、第三产业产值等数据均来源于《2011贵州省统计年鉴》，理论城镇化率为作者计算所得，此外为了防止“异方差”情况的出现。分别对u、FCHJ、DCHJ、TCHJ取自然对数得Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)、Ln(v)序列，数据如表1所示：
三、区域产业发展与就业的VAR模型分析
1、单位根检验
由于使用的是时间序列数据，对Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)序列进行平稳性检验，检查其是否存在单位根。使用Eviews6，O软件计算(如表2所示)。
由表2可知，Ln(u)、Im(FCHJ)、LN(DCHJ)、LN(TCl43)序列均不平稳，而DLn(u)、DLn(FCHJ)、DLN(DCHI)、DLN(TCHJ)序列均一阶单整，DLn(u)、DLn(FCHJ)、DLN(DCHJ)、DLN(TCHJ)序列可能存在协整关系。
2、协整检验
对非平稳时间序列相互之间稳定性的度量，可以用协整来反映。协整的含义是：尽管每个变量自身可能是不平稳的，但它们的线性组合是平稳的。当时间序列被确定存在有单位根时，主要的问题是考虑各变量是否存在长期均衡关系。
进行协整关系检验有两种方法：一种是对回归残差的平稳性进行检验，代表方法是Engle－Granger两步法：另一种是对回归系数进行整体检验，如Jonansen协整检验。如果是针对两个变量之间的协整检验，我们一般采用Engle－Granger，如果是对三个以上的变量之间的协整关系，我们采用J0nansen协整检验。因此对于就业与区域产业发展的协整检验采取Jonansen协整检验来检验该四个变量之间是否存在协整关系。通过Eviews6.0软件操作，我们经过反复论证实验，知道该模型的最佳滞阶数为1，Jonansen协整检验结果如图1：
由图l的协整检验结果可知：Ln(u)、Ln(FCHJ)、LN(DCHJ)、LN(TCHJ)之间存在唯一的协整关系，协整方程为：
Ln(u)＝－0.365631inxl＋0.1902141nx2＋0.6090651nx3＋2.4337
从该方程式中我们可以看出LNfDcHJ)和LNfTCHJ)与Ln(u)的关系从长期来看是正向的，Ln(FcHJ)与IJn(u)的关系在长期是负向关系的，当Ln(FCHJ)增加一个百分点时，会降低Ln(u)0.36个百分点，LN(DCHJ)、LN(TCHJ)与Ln(u)关系在长期是正向向关系的，当LNfDCHI)增加一个百分点时，会增加Ln(u)0.19个百分点，当LNfTCHJ)增加一个百分点时，会增加IJn(u)0.61个百分点，即农第一产业比重每增加1个百分点，会降低社会就业率0.36个百分点；第二产业比重每增加1个百分点，会增加社会就业率0.19个百分点：第三产业比重每增加1个百分点会增加社会就业率0.61个百分点。
3、结论
有上面分析可以看出，区域产业的发展中第二产业、第三产业的发展对提高就业有巨大的带动作用，区域的产业发展应该注重第二产业和第三产业的发展，尤其是第三产业发展的巨大带动作用，因此贵州省提高就业的主要措施应该集中发展第二、三产业，尤其是以现代服务业为主的第三产业的发展。
四、城镇化率与就业的VAR模型分析
1、单位根检验
由于使用的是时间序列数据，对Ln(u1、LN(v)序列进行平稳性检验，检查其是否存在单位根。使用Eviews6.0软件计算如下：
由表3可知，Ln(u)、LN(v)序列均不平稳，而DLn(u)、DLN(v)序列均一阶单整，DLn(u)、DLN(v)序列可能存在协整关系。
2、协整检验。
进行协整关系检验有两种方法：一种是对回归残差的平稳性进行检验，代表方法是Engle－Granger两步法；另一种是对回归系数进行整体检验，如Jonansen协整检验。如果是针对两个变量之间的协整检验，我们一般采用Engle－Granger，如果是对3个以上的变量之间的协整关系，我们采用Jonansen协整检验。因此，本部分采用Engle－Granger两步法。
第一步，对Ln(u)和Ln(v)序列进行回归，回归结果为
Ln(u)＝0.5893 Ln(v)＋2.1153
(14.6387) (12.4209)
Adjusted R－squared＝0.8318 D.W＝0.3699
由于D.W＝0.3699，较小，两个序列之间可能存在线性相关性。
第二步，对回归的残差序列进行平稳性检验，结果如表4所示：
表4中对残差序列e平稳性检验可知：在5％显著水平下，残差序列e是平稳的。也就是Ln(u)和Ln(v)存在协整关系，即长期均衡关系。
3、格兰杰因果检验
从上面的分析当中可以判断Ln(u)和Ln(v)序列都是一阶平稳，且存在长期的协整关系，现在检验他们是否存在因果关系，检验结果如下：
从图2中可知，在检验“Ln(v)不是Ln(u)的格兰杰因果成因”的原假设中p为0.009，小于显著性水平0.05，说明要拒绝该假设，表明“Ln(v)是IJn(u)的格兰杰因果成因”。同样道理，在检验“Ln(u)不是Ln(v)的格兰杰因果成因”原假设中。D的大小为0.3489，大于显著性水平0.05，说明要接受该假设，表明Ln(u)是Ln(v)的格兰杰因果成因。表明城镇化的发展可以带动就业率的提高。
4、结论
由上面分析可以看出。城镇化的发展对于提高就业具有巨大的带动作用。因此，促进贵州省城镇化的发展对于提高工就业率具有重大作用。
五、结论和启示
通过对贵州省城镇化水平、区域产业发展与就业关系的实证研究，本文认为城镇化水平的提高，区域产业的发展，尤其是第二产业和第三产业的发展对提高就业水平有巨大的带动作用，可以有效的解决贵州省就业难问题。所省省解决就业难问题中要注重推动城镇化的进程，推动第二产业和第三产业的发展。尤其要着力促进商贸、物流、旅游和现代服务业等第三产业的发展，为就业提供更多岗位。更好、更快的解决就业问题。