上海經濟進展驅動力探討

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了上海經濟進展驅動力探討范文，希望能給你帶來靈感和參考，敬請閱讀。

本文作者：董彬 單位：安徽財經大學

本文將通過建立VAR模型進行脈沖響應和方差分解分析，進而具體闡述消費、投資與凈出口這三個要素究竟能在多大程度上拉動經濟增長，即消費、投資和凈出口各自對于上海市GDP的貢獻率。

根據傳統經濟理論，可以用GDP指標來反映經濟增長全貌，以最終消費支出(FCE)反映消費需求情況，以全社會固定資產投資(I)反映投資需求狀況，以凈出口(XM)反映外貿狀況。本文以上海市為研究對象，樣本區間為1985～2011年，樣本數據來自于歷年的《上海統計年鑒》和上海海關網站，計量分析軟件采用Eviews6．0，由于時間序列數據多為不平穩序列，因此要將變量取自然對數，即LNGDP、LNFCE、LNI，而凈出口數據在若干年份里存在負值故不能取對數。分析思路:對于時間序列，首先要通過ADF檢驗觀察數據是否平穩。若平穩，則可直接進行Granger因果關系檢驗;若不平穩，可通過差分變為平穩之后再進行Granger因果檢驗。然后，選擇最優滯后階數來建立VAR模型，并對其進行AR根的平穩性測試，進而在最優VAR模型的基礎上進行Johansen協整檢驗、脈沖響應和方差分解。最后，根據模型得出自己的結論和政策建議。

數據平穩性檢驗(ADF檢驗)在對時間序列數據進行實證分析之前，必須首先進行平穩性檢驗。若數據不平衡，則無法進行格蘭杰因果檢驗和協整關系檢驗。因此，首先對各數據進行單位根檢驗，即采用ADF檢驗來判斷數據是否平穩。原假設H0:序列不平穩;備擇假設H1:序列平穩。取顯著性水平α=0．5，若變量的ADF統計量＜5%的臨界值，則拒絕原假設，即數據平穩;若其ADF統計量＞5%的臨界值，則接受原假設，即數據不平穩。經檢驗，發現四個變量的原階數據都是不平穩的，在經過一階差分之后變為平穩序列，且在1%的置信水平下都是平穩的。一階差后變平穩的數據經整理后如表1所示，原階數據的單位根檢驗省略。Granger因果關系檢驗由于時序數據經過一階差分之后變平穩，因此可以進行格蘭杰因果關系檢驗，檢驗結果如表2所示。由表2可以看出，當顯著性水平為5%、滯后階數為2時，最終消費支出與GDP之間的關系是互為因果;投資與GDP之間呈單向因果關系，即投資是引起GDP變化的格蘭杰原因;凈出口與GDP之間彼此獨立、互不影響。同時要注意到，格蘭杰因果檢驗所解釋的并不是同期變量之間的關系，而是某期變量的現值與另一變量的所有滯后值之間的關系。因此，這種關系實際上只是時間上的因果關系，重在影響方向的確認，而非完全的因果邏輯關系。

選擇最優滯后階數在建立VAR模型之前，首先要根據AIC、SC等信息準則來確定最優的滯后階數，方法是AIC、SC等信息準則越小所代表的滯后階數越好，此時所建立的VAR模型越優。由表3可得，VAR模型的最優滯后階數為2，因此可以建立VAR(2)模型:DLNGDP=0．1781+1．0511DLNGDP(－1)－0．3325DLNGDP(－2)－0．4814DLNFCE(－1)+0．1755DLNFCE(－2)+0．1069DLNI(－1)－0．0232DLNI(－2)－0．0002DXM(－1)+0．002DXM(－2)之后，要在此模型的基礎上進行協整檢驗、脈沖響應和方差分解。在滯后階數確定之后，仍然要對VAR(2)模型進行平穩性檢驗，此時要用到特征方程的AR根檢驗法，即如圖1所示。由于VAR(2)模型的AR根全部落在單位圓以內，故可以判定此模型滿足平穩性條件。在VAR(2)模型中，可以運用Johansen協整檢驗觀察多個變量之間是否存在協整關系［3］。輸出跡統計量(TraceStatistic)檢驗結果，如表4所示。由表4可以看出，各序列變量之間存在協整關系，也就是證明了所選取的四個變量之間存在長期穩定的均衡關系。同時，還可以通過Johansen協整檢驗得到最大特征值統計量(Max－Eigenvalue)的檢驗結果，同樣證明了序列變量之間存在協整關系。由于最大特征值統計量的檢驗結果與跡統計量檢驗結果相似，此處不再重復。

為了對各變量之間的動態關系有更多的了解，我們將根據所建立的VAR(2)模型進行脈沖響應分析。由圖2可以看到，在給各變量一個廣義的脈沖沖擊之后，得到關于GDP的一組脈沖響應函數圖。其中，橫軸表示各變量沖擊作用的滯后期數(年)，縱軸表示GDP的變動幅度(億元)，黑線表示脈沖響應函數，反映了GDP對各影響因素的沖擊反應，上下兩條虛線表示正負兩倍標準差偏離帶［4］。由圖2可以觀察到，在本期給FCE一個正向沖擊后，GDP迅速作出反應，這種正向沖擊作用一直持續到第5期，從第6期之后趨于穩定收斂狀態，可見GDP對最終消費支出FCE的沖擊反應迅速并比較強烈，在最終消費支出FCE波動后GDP很快就作出反應，這說明了上海市的經濟發展對最終消費支出的變化比較敏感，足以反映消費對經濟增長的重要性。

本文主要討論經濟增長對各影響因素的反應，故此處不再討論和分析經濟增長對自身的沖擊作用。接著分析GDP對投資變量I的脈沖響應，在本期給投資I一個正向沖擊之后，GDP的反應趨勢與最終消費支出的沖擊反應趨勢大體一致，但是反應速度和效果不如最終消費支出強烈。在受到投資的正向沖擊之后，GDP在第2期達到最大值，微弱衰減之后趨于收斂狀態。這說明雖然投資對于經濟增長的沖擊作用不如消費強烈，但是相比凈出口而言，其沖擊作用不容忽視。最后再分析GDP對凈出口XM的脈沖響應，在本期給凈出口一個正向沖擊，結果是給前3期的GDP帶來負向沖擊作用，在第2期這種負向沖擊達到最小值，在第3期之后開始反轉，出現正向沖擊，但反轉之后的正向作用較小，并于第9期開始趨于收斂。顯然，凈出口對上海市經濟增長的沖擊作用時正時負，且作用效果遠不如消費和投資明顯。綜上所述，從反應速度來看，GDP對消費的沖擊反應最為迅速，對投資的沖擊反應較為緩慢，對凈出口的沖擊反應最為遲緩。從沖擊強度來看，也是消費對GDP的影響最為強烈，投資次之，凈出口對GDP的影響微弱。

脈沖響應描述的是VAR模型中一個內生變量的沖擊給其他內生變量所帶來的影響，而方差分解略有不同，它是把內生變量中的變化分解為對VAR模型的沖擊，并給出了因變量在受到自身和其他變量的沖擊時所變動的比例，因而可以分析每一種結構沖擊對內生變量變化的重要性和貢獻度［5］。本文只分析各變量對GDP的貢獻作用，并不討論GDP對其他變量的作用。由于方差分解是用于衡量內生變量的波動性，所得結果一般用百分比表示，百分比的數值越大則說明該內生變量對因變量的解釋程度越高，故可以根據百分比的多少來判斷各內生變量的重要性和貢獻度［6］。由表5可以看出:在觀測期內，GDP的波動中有38%左右是受其自身因素的影響，有56%左右是由于最終消費支出FCE的貢獻，投資和凈出口的貢獻率之和都不超過8%。可見，在較長時期內最終消費支出FCE對上海市經濟增長的貢獻作用最大，投資其次，凈出口作用微弱，所以得出結論:消費的確是上海市經濟增長的第一驅動力。

基于以上實證分析，可以得出以下結論:上海市的經濟轉型發展已初見成效，依據之一就是經濟增長的驅動力正在發生改變。在拉動經濟增長的“三駕馬車”中，上海市逐步實現了由主要依靠投資和出口拉動轉為主要依靠消費拉動，投資和凈出口起協同作用。據此可以提出幾點政策建議:第一，繼續貫徹落實擴大內需的財政政策，多管齊下拉動內需。具體措施有:結構性關稅以提高消費能力、財政補貼直接刺激消費、積極擴大農村消費需求等。第二，注重消費對經濟的拉動作用，同時也不能完全忽視投資與凈出口的貢獻率［7］。由于上海市是典型的國際港口城市，雖然近幾年來受全球性金融危機的沖擊作用，凈出口多次出現負值，但是仍然可以預見到凈出口對上海市經濟增長的長遠效應。第三，除本文分析的消費、投資和凈出口這三個要素之外，科技進步和人力資源對上海市經濟增長的貢獻率顯然也是不能忽視的，這也正是本文的不足之處。因此，科技創新和人才引進戰略將成為上海市今后發展的長期方針。