农业基础设施发展与农村经济增长的动态关系_协整检验论文

农业基础设施发展与农村经济增长的动态关系，本文主要内容关键词为：经济增长论文,基础设施论文,农村论文,关系论文,农业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

［中图分类号］F303.1 ［文献标识码］A ［文章编号］1000-8306(2006)10-0091-08

一、模型与解析

西姆斯(C.A.Sims)在1980年提出向量自回归模型并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，但该模型仅适用于分析长期影响。而大多经济变量之间既存在长期影响也有短期波动，为了解决这个问题，Engle和Granger将协整理论与误差修正模型结合起来，建立了向量误差修正模型(VECM(P))，并将其应用于具有协整关系的非平稳时间序列的建模分析。[1](276)

假设y[,t]是m维内生变量向量，x[,t]为n维外生变量向量，则其VAR(P)模型一般表达式为：

y[,t]=A[,1]y[,t-1]+A[,2]y[,t-2]+……+A[,P]y[,t-P]+B[,1]x[,t-1]+……+B[,r]x[,t-r]+ε[,1,t] (1)

(1)式中，A[,1]，A[,2]，…，A[,P]和B[,1]，B[,2]，…，B[,R]为待估计的参数矩阵，内生变量与外生变量分别有P阶和r阶滞后期，ε[,t]为随机扰动项。若X与Y之间存在协整关系，则X与Y的向量误差修正模型VECM(P)的一般表达式可表示为：

(2)式是一个误差修正模型，Δ为差分算符，Y与X均被视为内生变量，p为滞后期，ecm[,t-1]为误差修正项，反映变量的长期均衡关系。本文考虑的农业基础设施水平与农村经济增长两个变量的VECM(P)可写成以下形式：

(3)式和(4)式中，误差修正项为：ecm[,t]=ΔlnAGDP[,t]-bΔlnAII[,t],t=1,2,……T,ΔLnAGDP[,t]、ΔLnAII[,t]，和Δ[2]LnAGDP[,t]、Δ[2]LnAII[,t]分别表示lnAGDP和lnAII的一阶与二阶差分，用来表示农村经济增长水平和农业基础设施水平。系数α=(α[,1]，α[,2])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，Γ表示变量差分项的系数矩阵，反映变量的短期波动对作为被解释变量的短期变化的影响，ε[,1t]，ε[,2t]为随机扰动项，称为新息。最佳滞后期P采用赤池信息准则(AIC)确定，AIC取值越小越好。

向量误差修正模型要求系统中各变量之间存在协整关系。因此，首先必须进行变量之间的协整关系检验，由于序列协整性检验的前提是各序列都是非平稳时间序列，因此，在协整检验之前，还必须进行变量之间平稳性的单位根检验。

本文采用ADF检验法，使用普通最小二乘法(OLS)得到的t统计量进行单位根检验，t统计量按下式计算：，式中表示对应的标准差估计。其检验假设为：原假设H[,0]:δ=0；备择假设H[,1]:δ＜0，使用MacKinnon(1991)临界值进行判断，如果检验t统计值大于临界值则接受零假设H[,0]，而拒绝备择假设H[,1]，说明序列Y[,t]存在单位根，是非平稳序列；反之则说明序列Y[,t]不存在单位根，是平稳序列。对于非平稳的时间序列，进一步检验其d阶差分的平稳性，如果检验得知序列的d阶差分是平稳的，则称此序列I(d)。

表1Y与X的协整关系Johansen检验模型

注：Y表示ΔLnAGDP[,t]，X表示ΔLnAII[,t]，表中α和β为mxr阶矩阵，X=αβ′，ρ[,0]与ρ[,1t]为协整方程的截距项和趋势项，α[*]γ[,0]和α[*](γ[,0]+γ[,1]t)为序列y的趋势项和二次趋势项。α[*]为mxm-r阶矩阵，并且满足：α′α[*]=0，且rank (α｜α[*]｜)= m。

针对协整方程可能出现的五种情况（见表1），本文使用Johansen(1995)提出的关于系数矩阵x的协整似然比(LR)检验方法检验序列ΔLnAGDP[,t]和ΔLnAII[,t]之间的协整关系。LR检验假设为：H[,0]至多有r个协整关系；H[,1]：有m个协整关系，检验迹统计量，其中，λ[,i]是大小排第i的特征值，T是观测期数。使用EVeiws3.1软件，从检验不存在任何协整关系的零假设开始，直到最多m-1个协整关系，共进行m次检验，备择假设不变。

二、变量与数据

在本文研究中，用我国农村GDP(AGDP)表示农村经济增长变量，农业基础设施水平(AII)表示农业基础设施发展变量。考虑数据的可获得性，用农业基础设施资产存量指标来衡量农业基础设施水平。考虑到消除物价因素的影响和数据中存在的异方差，本文直接采用以1980年为基期的农村GDP增长指数和农业基础设施资产存量指数并分别对其取自然对数得到序列LnAGDP和LnAII及其相应的差分序列数据，详见表2。

表2 LnAGDP[,t]、LnAII[,t]、ΔLnAGDP[,t]、ΔLnAII[,t]、Δ[2]LnAGDP[,t]、Δ[2]LnAII[,t]数据表

注：数据资料来自1981-2005年的《中国统计年鉴》和《中国农村统计年鉴》并整理而得。

三、实证分析

（一）Johansen协整检验

首先需对序列LntAII和LnAGDP进行单位根检验。根据各序列的形态，对各序列都采用不包含截距和趋势项的检验，最大滞后期使用AIC准则确定，取1-2阶。使用Eviews3.1软件计算结果为：LnAII，LnAGDP的一阶差分序列ΔLnAII，ΔLnAGDP的ADF的t统计量分别为－0.371和－1.579，对应的99%、95%和90%置信水平的临界值则分别是：－2.676、－1.957和－1.623，均不能拒绝序列ΔLnAII，ΔLnAGDP存在单位根的零假设，它们为非平稳序列。LnAII与LnAGDP二阶差分序列Δ[2]LnAII，Δ[2]LnAGDP的ADF的t统计量分别为－4.602和－3.001，对应的99%、95%和90%置信水平的临界值分别是：－2.676、－1.958和－1.624，均小于相应的临界值，表明至少可以在99%的置信水平下拒绝原假设，可认为Δ[2]LnAII，Δ[2]LnAGDP序列不存在单位根，为平稳序列。所以，序列ΔLnAII与ΔLnAGDP都是I(1)序列，满足协整检验的条件。

使用Eviews3.1软件对序列ΔLnAII，ΔLnAGDP，依次对表1中的五种检验方程进行检验，由计算结果可知，只有在序列ΔLnAGDP有线性趋势但协整方程只有截距情况下，第一个似然比检验统计量为18.4633，大于5%水平下的临界值15.41，小于1%水平下的临界值20.04，因而第一个原假设被拒绝，即仅存在一个协整关系，经过标准化后的协整系数估计值为ΔLnAGDP的系数为1，ΔLnAII系数为0.035，对数似然值为95.129。将协整关系写成数学表达式，并令其等于vecm，得到：

vecm=ΔLnAGDP+0.035ΔLnAII+0.002(5)

对序列vecm进行单位根检验，发现它已经是平稳序列，并且取值（见表2）在0上下波动，验证了协整关系是正确的。vecm反映了序列ΔLnAGDP和序列ΔLnAII之间存在的长期均衡关系，是向量误差修正模型的核心部分。

（二）向量误差修正模型

通过以上检验分析可知，序列,ΔLnAGDP和ΔLnAII仅存在一个协整关系。由此可用ΔLnAGDP和ΔLnAII的数据建立VEC(P)模型。将ΔLnAGDP和ΔLnAII滞后1-2期的值作为内生变量，采用最小二乘法来估计该模型。使用Eviews3.1软件运行结果见以下方程：

Δ[2]lnAGDP[,t]=-2.132vecm[,t-1]+0.421Δ[2]lnAGDP[t-1]+0.0796Δ[2]lnAGDP[,t-2](-3.22)(0.855)(0.3225)

+0.194Δ[2]lnAII[,t-l]+0.240Δ[2]lnAII[,t-2]-0.0003(6)

(0.7512)

(0.8774)(-0.687)

R[2]=0.7988F=11.117AIC=-4.044

Δ[2]lnAII[,t]=-0.17vecm[,t-1]-0.120Δ[2]lnAGDP[,t-l]-0.065Δ[2]lnAGDP[,t-2]

(-0.262)(-0.243)(-0.263)

+0.5733Δ[2]lnAII[,t-l]-0.286Δ[2]lnAII[,t-2]-0.0006(7)

(-2.212) (-1.043)(0.1015)

R[2]=0.272F=1.047AIC=-4.038

vecm=ΔLnAGDP+0.035ΔLnAII+0.002

方程(6)和(7)各系数下边括号内的数据为t统计量检验值。显然，上述两方程中所估计的系数大部分在统计上均是显著的，只有个别的不甚显著，这是因为一个方程有同样变量的多个滞后值产生了多重共线性，但是整体来看，这些系数在标准检验的基础上是显著的。从以上两方程的整体检验结果来看，这些系数在标准检验的基础上是显著的，方程的整体拟合度较高。

从以上的模型中可以看出，方程(6)中Δ[2]lnAGDP[,t-l]和Δ[2]lnAGDP[,t-2]的系数估计量绝对值呈递减趋势，表明当前Δ[2]lnAGDP主要受滞后一阶Δ[2]LnAGDP[,t-1]的影响，其滞后二阶Δ[2]LnAGDP[,t-2]对其影响较弱，Δ[2]lnAII[,t-1]，和Δ[2]lnAII[,t-2]系数的估计值均较大，且呈递增趋势，这表明当前Δ[2]lnAGDP与Δ[2]LnAII[,t-2]有较大的联系，其滞后二阶Δ[2]lnAII[,t-2]与Δ[,2]lnAGDP关联性呈现增强的趋势，而方程(7)所表明的含义则与方程(6)相反，当前的Δ[2]lnAII[,t]与其自身的滞后值有较大的联系，与Δ[2]LnAGDP[,t]的关联度，随着滞后期增加，关联度呈弱化趋势。

vecm系数的大小反映了对偏离长期均衡的调整力度，方程(6)中vecm系数较大，表明长期均衡误差对Δ[2]LnAGDP调整速度较快，深层经济含义是指农业基础设施与农村经济增长的长期协调性对农村经济增长的影响大。方程(7)中vecm的系数很小，说明农业基础设施水平与农村经济增长的长期均衡误差对农业基础设施水平调整的速度较慢，即它们之间的协调性对农业基础设施水平影响较小。

（三）脉冲响应函数分析

由(3)式和(4)式构成的VECM(P)模型中，在t期，新息ε[,1,t]的变化对Δ[2]lnAGDP值产生迅速的一对一的影响，但对Δ[2]LnAII不产生影响。在t+1期，Δ[2]lnAGDP[,t]的变动通过(3)式影响Δ[2]lnAGDP[,t+1]，这些效应会延续影响到以后各期Δ[2]LnAGDP和Δ[2]LnAII的值。脉冲响应函数试图描述这些影响的轨迹，显示一个变量的变动如何通过模型影响所有其他变量，最终又反馈到自身的过程。[2](173)

下图是基于VECM(2)和渐近法得到的脉冲响应函数曲线，横轴代表脉冲响应函数的滞后期数，纵轴代表因变量的响应程度。曲线表示脉冲响应函数。图中我们将滞后期设定为10年。

脉冲响应函数曲线

首先，我们分析农村经济增长对农业基础设施发展的响应情况和响应路径。从图(b)，我们可以看出，农村经济增长对农业基础设施水平新息的一个标准差扰动的响应：在开始的1-2年内，对农村经济增长产生正向影响；第2年达到最大值；3年后，农业基础设施水平变动一个标准差扰动对农村经济增长产生负面影响；第5年开始又产生正面影响。在前些年呈现轻微波动，最后趋于稳定，产生正向响应。其经济含义是指：短期内，由于政府的强干预，开始1-2年内对农业经济增长的正效应明显，但政府的短期行为随之将对农村经济带来一定的负面影响；长期来看，农业基础设施发展对农村经济增长产生持续的强度较弱的正效应。因此，投资建设农业基础设施是一项长期任务，而且投资力度有待加强。

其次，我们分析农业基础设施水平对农村经济增长的响应情况及响应路径。从图(C)中，我们可知，农业基础设施水平对农村经济增长一个标准差扰动的响应情况，在开始前5-6年呈现轻微的波动，第6年后开始趋于稳定，而且一直呈现正响应，说明我国农业基础设施水平与农村经济增长成正相关关系，同时也说明我国农村经济的增长促进了农业基础设施的发展，但强度较弱。这种状况进一步说明我国农业基础设施长期投资不足，因此需加大投资力度建设农业基础设施。

最后，我考察农业基础设施和农村经济增长对其各自一个标准差新息的响应情况和响应路径。从图(a)中，可以看到，农村经济增长对其自身一个标准差新息呈现较强的波动状态，一些年份甚至出现了负响应，但这种影响持续的时间不长，第4年后开始趋于稳定，呈现强度相对较弱的正向影响。这说明农村经济增长与其自身滞后值有一定的关联性，但关联强度较弱。从图(d)可以看到，农业基础设施水平对其自身一个标准差新息呈现较强的响应强度，在前4年中的响应波动较强烈，且波动幅度较大，第5年后，表现出持续、稳定、较强的响应。这说明农业基础设施水平与其滞后值有较强的关联度。

（四）方差分解分析

方差分解(variance decomposition)是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。其主要思想是，把系统中每个内生变量（共m个）的波动（k步预测均方误差）按其成因分解为与各方程新息相关联的m个组成部分，从而了解各新息对模型内生变量的相对重要性。[2](176)

表3 Δ[2]LnAGDP和Δ[2]LnAII方差分解表

注：表中数据由统计软件运算而得。

文中，方差分解描述了一个标准差冲击在农业基础设施发展与农村经济增长的动态变化中的相对重要性。我们基于VECM(2)模型和渐近解析法对Δ[2]LnAGDP和Δ[2]LnAII进行了方差分解，分解结果见表3。表3中，第一列是预测期，在农村经济增长和农业基础设施水平的方差分解中，预测标准误差列中数据为变量Δ[2]Ln AGDP和Δ[2]LnAII的各期预测标准误差，这种预测误差是由于修正值的现在值或将来值的变化造成的。Δ[2]Ln AGDP列和Δ[2]LnAII列分别表示以Δ[2]Ln AGDP列和Δ[2]LnAII列为因变量的方程新息对各期预测误差的贡献度。

从表3中可知，农村经济增长水平在开始仅受自身波动的影响，而且强度较大，随着时间推移，农业基础设施水平对农村经济增长的波动的冲击（即对预测误差的贡献度）逐渐显现，开始比较微弱，只有0.9%，然后逐渐增加，最后稳定在5%左右。而农业基础设施水平从第一期开始就受到其自身和农村经济增长水平冲击的影响，受农村经济增长水平的影响在开始的前三期表现较弱，然后呈逐渐上升趋势，最后稳定在1%左右。与前面脉冲响应函数的分析基本一致。

四、基本结论与政策建议

从以上基于我国1980-2004年统计数据的实证分析，我们可知，经过对数化后的农村经济增长指数和农业基础设施资产存量指数经过二次差分后为平稳序列，它们的一次差分序列之间存在协整关系，在此基础上建立向量误差修正模型。而且进一步运用脉冲响应函数和方差分解分析了我国自1980年来农村经济增长和农业基础设施之间的交互响应情况和响应路径。分析结果表明：从长期看，农村经济增长与农业基础设施水平存在长期均衡关系，它们之间的相互协调性对保持农村经济持续增长起十分重要作用；短期内，我国农业基础设施发展与农村经济增长呈现强度较弱的正向交互影响，这说明农业基础设施水平发展对农村经济增长起促进作用，但由于我国农业基础设施发展严重滞后，对经济增长的促进作用仍然很弱；农村经济增长与其自身滞后值有一定的关联性，但关联强度较弱，农业基础设施水平与其滞后值有较强的关联度；前三期，农村经济增长仅受自身波动的较强影响，第四期开始受农业基础设施水平波动的影响，由弱变强，渐趋稳定；农业基础设施水平从第一期开始就受到其自身和农村经济增长水平冲击的影响，受农村经济增长水平的影响在开始的前三期表现较弱，然后呈逐渐上升趋势，最后趋于稳定。

以上实证分析表明，保持我国农业基础设施发展与农村经济增长之间的长期协调性十分重要，长期看，农业基础设施发展对农村经济产生正向交互响应，但强度较弱。所以，在发展农业基础设施，促进农村经济增长时：一是必须科学规划，保证农业基础设施与农村经济协调发展；二是加大投资力度，尽快改变农业基础设施的落后状况。

收稿日期：2006.9.2

标签：协整检验论文;  协整关系论文;  国内宏观论文;  经济增长论文;  协变量论文;  动态模型论文;  农业发展论文;  农村基础设施论文;  宏观经济论文;  时间序列论文;