上海经济进展驱动力探讨

前言：想要写出一篇引人入胜的文章？我们特意为您整理了上海经济进展驱动力探讨范文，希望能给你带来灵感和参考，敬请阅读。

本文作者：董彬 单位：安徽财经大学

本文将通过建立VAR模型进行脉冲响应和方差分解分析，进而具体阐述消费、投资与净出口这三个要素究竟能在多大程度上拉动经济增长，即消费、投资和净出口各自对于上海市GDP的贡献率。

根据传统经济理论，可以用GDP指标来反映经济增长全貌，以最终消费支出(FCE)反映消费需求情况，以全社会固定资产投资(I)反映投资需求状况，以净出口(XM)反映外贸状况。本文以上海市为研究对象，样本区间为1985～2011年，样本数据来自于历年的《上海统计年鉴》和上海海关网站，计量分析软件采用Eviews6．0，由于时间序列数据多为不平稳序列，因此要将变量取自然对数，即LNGDP、LNFCE、LNI，而净出口数据在若干年份里存在负值故不能取对数。分析思路:对于时间序列，首先要通过ADF检验观察数据是否平稳。若平稳，则可直接进行Granger因果关系检验;若不平稳，可通过差分变为平稳之后再进行Granger因果检验。然后，选择最优滞后阶数来建立VAR模型，并对其进行AR根的平稳性测试，进而在最优VAR模型的基础上进行Johansen协整检验、脉冲响应和方差分解。最后，根据模型得出自己的结论和政策建议。

数据平稳性检验(ADF检验)在对时间序列数据进行实证分析之前，必须首先进行平稳性检验。若数据不平衡，则无法进行格兰杰因果检验和协整关系检验。因此，首先对各数据进行单位根检验，即采用ADF检验来判断数据是否平稳。原假设H0:序列不平稳;备择假设H1:序列平稳。取显著性水平α=0．5，若变量的ADF统计量＜5%的临界值，则拒绝原假设，即数据平稳;若其ADF统计量＞5%的临界值，则接受原假设，即数据不平稳。经检验，发现四个变量的原阶数据都是不平稳的，在经过一阶差分之后变为平稳序列，且在1%的置信水平下都是平稳的。一阶差后变平稳的数据经整理后如表1所示，原阶数据的单位根检验省略。Granger因果关系检验由于时序数据经过一阶差分之后变平稳，因此可以进行格兰杰因果关系检验，检验结果如表2所示。由表2可以看出，当显著性水平为5%、滞后阶数为2时，最终消费支出与GDP之间的关系是互为因果;投资与GDP之间呈单向因果关系，即投资是引起GDP变化的格兰杰原因;净出口与GDP之间彼此独立、互不影响。同时要注意到，格兰杰因果检验所解释的并不是同期变量之间的关系，而是某期变量的现值与另一变量的所有滞后值之间的关系。因此，这种关系实际上只是时间上的因果关系，重在影响方向的确认，而非完全的因果逻辑关系。

选择最优滞后阶数在建立VAR模型之前，首先要根据AIC、SC等信息准则来确定最优的滞后阶数，方法是AIC、SC等信息准则越小所代表的滞后阶数越好，此时所建立的VAR模型越优。由表3可得，VAR模型的最优滞后阶数为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，要在此模型的基础上进行协整检验、脉冲响应和方差分解。在滞后阶数确定之后，仍然要对VAR(2)模型进行平稳性检验，此时要用到特征方程的AR根检验法，即如图1所示。由于VAR(2)模型的AR根全部落在单位圆以内，故可以判定此模型满足平稳性条件。在VAR(2)模型中，可以运用Johansen协整检验观察多个变量之间是否存在协整关系［3］。输出迹统计量(TraceStatistic)检验结果，如表4所示。由表4可以看出，各序列变量之间存在协整关系，也就是证明了所选取的四个变量之间存在长期稳定的均衡关系。同时，还可以通过Johansen协整检验得到最大特征值统计量(Max－Eigenvalue)的检验结果，同样证明了序列变量之间存在协整关系。由于最大特征值统计量的检验结果与迹统计量检验结果相似，此处不再重复。

为了对各变量之间的动态关系有更多的了解，我们将根据所建立的VAR(2)模型进行脉冲响应分析。由图2可以看到，在给各变量一个广义的脉冲冲击之后，得到关于GDP的一组脉冲响应函数图。其中，横轴表示各变量冲击作用的滞后期数(年)，纵轴表示GDP的变动幅度(亿元)，黑线表示脉冲响应函数，反映了GDP对各影响因素的冲击反应，上下两条虚线表示正负两倍标准差偏离带［4］。由图2可以观察到，在本期给FCE一个正向冲击后，GDP迅速作出反应，这种正向冲击作用一直持续到第5期，从第6期之后趋于稳定收敛状态，可见GDP对最终消费支出FCE的冲击反应迅速并比较强烈，在最终消费支出FCE波动后GDP很快就作出反应，这说明了上海市的经济发展对最终消费支出的变化比较敏感，足以反映消费对经济增长的重要性。

本文主要讨论经济增长对各影响因素的反应，故此处不再讨论和分析经济增长对自身的冲击作用。接着分析GDP对投资变量I的脉冲响应，在本期给投资I一个正向冲击之后，GDP的反应趋势与最终消费支出的冲击反应趋势大体一致，但是反应速度和效果不如最终消费支出强烈。在受到投资的正向冲击之后，GDP在第2期达到最大值，微弱衰减之后趋于收敛状态。这说明虽然投资对于经济增长的冲击作用不如消费强烈，但是相比净出口而言，其冲击作用不容忽视。最后再分析GDP对净出口XM的脉冲响应，在本期给净出口一个正向冲击，结果是给前3期的GDP带来负向冲击作用，在第2期这种负向冲击达到最小值，在第3期之后开始反转，出现正向冲击，但反转之后的正向作用较小，并于第9期开始趋于收敛。显然，净出口对上海市经济增长的冲击作用时正时负，且作用效果远不如消费和投资明显。综上所述，从反应速度来看，GDP对消费的冲击反应最为迅速，对投资的冲击反应较为缓慢，对净出口的冲击反应最为迟缓。从冲击强度来看，也是消费对GDP的影响最为强烈，投资次之，净出口对GDP的影响微弱。

脉冲响应描述的是VAR模型中一个内生变量的冲击给其他内生变量所带来的影响，而方差分解略有不同，它是把内生变量中的变化分解为对VAR模型的冲击，并给出了因变量在受到自身和其他变量的冲击时所变动的比例，因而可以分析每一种结构冲击对内生变量变化的重要性和贡献度［5］。本文只分析各变量对GDP的贡献作用，并不讨论GDP对其他变量的作用。由于方差分解是用于衡量内生变量的波动性，所得结果一般用百分比表示，百分比的数值越大则说明该内生变量对因变量的解释程度越高，故可以根据百分比的多少来判断各内生变量的重要性和贡献度［6］。由表5可以看出:在观测期内，GDP的波动中有38%左右是受其自身因素的影响，有56%左右是由于最终消费支出FCE的贡献，投资和净出口的贡献率之和都不超过8%。可见，在较长时期内最终消费支出FCE对上海市经济增长的贡献作用最大，投资其次，净出口作用微弱，所以得出结论:消费的确是上海市经济增长的第一驱动力。

基于以上实证分析，可以得出以下结论:上海市的经济转型发展已初见成效，依据之一就是经济增长的驱动力正在发生改变。在拉动经济增长的“三驾马车”中，上海市逐步实现了由主要依靠投资和出口拉动转为主要依靠消费拉动，投资和净出口起协同作用。据此可以提出几点政策建议:第一，继续贯彻落实扩大内需的财政政策，多管齐下拉动内需。具体措施有:结构性关税以提高消费能力、财政补贴直接刺激消费、积极扩大农村消费需求等。第二，注重消费对经济的拉动作用，同时也不能完全忽视投资与净出口的贡献率［7］。由于上海市是典型的国际港口城市，虽然近几年来受全球性金融危机的冲击作用，净出口多次出现负值，但是仍然可以预见到净出口对上海市经济增长的长远效应。第三，除本文分析的消费、投资和净出口这三个要素之外，科技进步和人力资源对上海市经济增长的贡献率显然也是不能忽视的，这也正是本文的不足之处。因此，科技创新和人才引进战略将成为上海市今后发展的长期方针。