第二产业和GDP协整分析.docx

该【第二产业和GDP协整分析 】是由【文艺人生】上传分享，文档一共【24】页，该文档可以免费在线阅读，需要了解更多关于【第二产业和GDP协整分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第二产业和GDP协整分析
中国第二产业产值与GDP的
协整分析与误差修正模型研究
兰晨曦数学与统计学院统计学专业
摘要:随着社会经济的快速发展,第二产业逐渐成为国民经济的主导。在总结前人理论的基础上,本文拟对我国2006~2017年每季度的第二产业生产总值与GDP之间的关系进行协整的实证研究。得出第二产业与GDP之间存在协整关系,可以说明两序列具有长期均衡关系;再通过Granger因果检验来揭示第二产业与GDP的内在关系,得到两者之间存在因果关系,从而来解释协整关系的内在原因和作用机制。
关键词:第二产业;单位根检验;协整;误差修正模型;Granger因果检验
1、引言
就目前我国三大产业的发展中发现:第一产业以农业为主导,发展相对平稳;第三产业以服务业为主导,促进了物质生产的发展;第二产业以工业为主导,促进国民经济的现代化,使得我国经济发展迅速。
对于第二产业,在工业的主导下,它很大程度上决定着一个国家的国力和现代化发展水平,是国民经济各部门物资、技术、装备、原材料和资金的提供者。自建国以来,工业尤其是重工业吃我国经济发展的支柱。不难看出,国民经济的现代化离不开工业的发展,可以说,工业是国民
在因果关系。
对上述文献的回顾,可以看出很多学者对产业结构与GDP关系的研究重在回归和各产业比重问题。由于第二产业产值与GDP两个变量的时间序列往往不平稳,且受到季节的影响而呈现一种周期的趋势波动。如果直接回归或者做模型预测,会产生伪回归现象,从而使得模型无经济意义。所以本文采用协整分析来避免产生伪回归问题。对于第二产业产值与GDP的分析除了用协整检验来解释变量间的长期均衡关系,还建立两者的误差修正模型,通过ECM模型来解释序列的短期波动情况。
2、模型理论
、单位根检验(变量平稳性检验)
由于伪回归的存在,在进行动态模型回归拟合时,必须把检验平稳性放在首位。序列的时序图虽然有很强的直观分析,但同时也有很强的主观色彩。而单位根检验具有较强的客观色彩,来消除直观性。单位根检验也可以说为变量时间序列的平稳性检验,通常用到的有DF检验、ADF
检验和PP检验法。本文利用ADF检验,其模型为:
模型1:无常数均值、无趋势的p阶自回归模型
(1)
模型2:有常数均值、无趋势的p阶自回归模型
(2)
模型3:有常数均值、有线性趋势的p阶自回归模型
(3)
其中随机扰动项为白噪声,为时间趋势因素。
单位根检验的假设条件可以确定为:
(序列非平稳)(序列平稳)
构造ADF检验统计量:
(4)
式中,是参数的样本标准差,若ADF值小于
Mackinnon临界值,则序列是平稳的,否则是不平稳的。
、协整检验
为检验两变量和是否协整,Engle和Granger于1987年提出了协整的概念,即两步检验法,称为EG检验。假定自变量序列为,相应变量序列,若两序列都是d阶单整的,构造回归模型:
(5)
若回归残差序列平稳,称响应序列与自变量序列这几件具有协整关系,且存在长期均衡关系,否则就不存在协整关系。
、误差修正模型
误差修正模型基本形式是由Davidson,Hendry、Srba和Yeo于1978年提出的,成为DHSY模型。在协整关系的条件下,引入误差项,建立误差修正模型:
(6)
其中为误差修正项,反映了变量在短期波动中偏离它们长期均衡关系的程度。
、Granger因果检验
协整检验只能判断变量之间存在长期均衡关系,但是不能确定是否构成因果关系。而Granger因果检验能帮助我们判别变量间的因果关系,其检验模型为:
(7)
检验的原假设为:是的非Granger原因,即。若原假设成立,则有:
(8)
我们可以根据AIC来确定滞后阶数,比较F统计量和临界值的大小就可以得到检验结果。如果F大于临界值就拒绝原假设,从而认为是的Granger原因。反之,若果F小于临界值,就不能拒绝原假设,认为不是的Granger原因。
符号说明
:2006~2017年GDP的季度数据;
:2006~2017年第二产业总值的季度数据;
:进行季度调整后对应数据;
:进行季度调整后对应数据;
:取自然对数后的数据;
:取自然对数后的数据;
:和最小二乘回归残差序列;
:非均衡误差;
4、实证分析
、数据处理
数据采用2006~2017年GDP总值和第二产业产量总值的季度数据,在Eviews中读入数据后,绘制原始数据和的时序图如下:
图1第二产业值和GDP时序图
观察改时序图,我们可以得出由于原始数据为季度数据,根据对经济时间序列数据的了解,可以认为第二产业值和GDP两个变量受到季节变动因素和其他因素的影响,为了保证数据分析的准确程度,必须首先剔除影响因素,进行季节调整,本文通过移动平均季节乘法调整后得到序列和,得到季节调整后的时序图:
图2第二产业值和GDP季节调整后时序图
从图2可以看出,季节调整后的序列消除了季节因素的影响,图中很明显的看出不在具有明显的季节波动,和原序列相比表现出更加明显的非线性趋势。
我们知道,经济中的数据过大,又由于对数不影响结论的性质,为了方便分析比较,那么我们对和取对数得到和,从而对新得到的对数序列和绘制时序图得到图3:
图3和时序图
、对和单位根检验