基于VAR模型的中小企业数量与就业率关系实证分析.doc

基于VAR模型的中小企业数量与就业率关系实证分析
樊逸璇 摘 要:基于2003-2017年重庆市中小企业数量、重庆市就业人口数量以及重庆市总人口数量的数据,建立了中小企业数量和就业率的VAR模型,通過广义脉冲响应和方差分解对中小异方差影响,以获得平稳性的时间序列,对所有数据都进行对数化及差分的处理,变量定义见表1。并定义文中的就业率等于就业人数与总人数之比。
重庆市中小企业数量的变化如图1所示,就业率的变动如图2所示。
4 实证分析
单位根检验
数据的平稳性或者变量之间存在协整性是建立VAR模型的基础,若数据是平稳的,则可直接运用VAR模型,若数据不平稳,则需要先通过对数差分法获得稳定的时间序列数据。因此,先对时间序列数据进行单位根检验,检验结果如表2所示。可以看出,两个变量在三阶差分时趋于稳定。
最优滞后阶数的确定
虽然SMEs、ER都是非平稳的时间序列,但如果同阶变量之间存在协整关系,则依然满足建立VAR模型的条件。在验证变量的协整关系之前,先确定VAR模型的最佳滞后阶数。由图3可知,依据信息原则,选择最佳滞后阶数为3。 Johansen协整关系检验
进行Johansen协整关系检验,一是为了避免出现“伪回归”现象;二是为了检验两个变量间是否存在长期的协整关系,检验结果如表4。可以看出,,变量SMEs3rd与ER3rd之间至少存在一个协整关系,即两者之间存在长期的相关关系。
AR根检验
如果VAR模型的所有根模的倒数到小于一,即都落在单位圆内,则说明模型是稳定的,由图5可知,所有点都落在单位圆内,所以AR根检验通过,该VAR模型是稳定的。
格兰杰因果关系检验
为了验证变量之间是否存在短期的相关关系,对变量SMEs3nd与ER3nd进行格兰杰因果关系检验,,所以变量SMEs不是变量ER的格兰杰原因,即不存在短期的相关关系。而上文中验证了两个变量之间存在长期的协整关系,说明中小企业数量在短期内对就业率的影响不大,在长期内存在相关关系。因为中小企业发展起来需要一定的年限,而就业岗位大多是发展较好的中小企业所提供。
脉冲响应函数分析
使用脉冲响应分析可以分析各变量间、变量自身在时间上的动态相关关系。本文选择了滞后阶数为40期进行分析,分析结果如图4,可以看出,在前几期波动之后,在其反应期内响应值将达到负值并达到负值最大值(在15阶左右趋于平稳)。这说明从整体而言,中小企业数量对就业率有一定的促进作用,能够提供更多的就业岗位。
方差分解
基于VAR模型的方差分解是通过分析每一个结构冲击对内生变量变化的贡献程度,进而评价不同结构冲击的重要性。由图5可以看出,中小企业数量对就业率有一定的促进作用,在第五期之后,中小企业数量对就业率的贡献率稳定在15%左右。
5 研究结论及建议
研究结论
重庆市中小企业数和就业率的动态关系研究的實证结果表明:重庆市中小企业数量的增长影响就业率,并存在长期的协整关系。基于上述分析,应在保持发展稳妥的基础上创建更多的中小企业,推进中小企业的健康稳定发展,缓解