荣智健,狗王偷藏獒,梦碎昆仑玉
摘要：本文运用基于VAR模型的动态经济计量分析方法，对新疆1978-2010年产业结构与经济增长之间的关系进行实证研究。实证表明：新疆产业结构变动和实际经济增长之间存在着长期稳定的均衡关系;短期内，就业结构对新疆经济增长有一定的促进作用;长期内，产业结构对经济增长有明显的正向影响。
关键词：产业结构 VAR 新疆 经济增长 协整关系
现代经济增长的模式本质上是以产业结构的升级为增长核心的，而产业结构的变动多伴随着就业结构的变动。库兹涅茨(1949)提出，一个国家国民收入的度量必须从产业结构的角度去衡量，而一个经济的产业结构又是由其生产方式所决定的。为此，1957年，库兹涅茨用50个国家的经验数据进行比较后发现，制造业部门的增加将伴随着人均国民收入的增长。因此，有必要从产业结构的角度去研究和分析经济增长。韩廷春(2000)指出，中国经济自改革开放后实现了高速增长，经济结构也发生了明显的变化。经济的总量增长和结构的演进既相互联系又相互影响。经济结构的变动及资源的有效配置是经济增长的两个重要因素。实证表明：结构变动带来的资源配置效应对经济增长的影响是显著的。刘伟，张辉(2008)将技术进步和产业结构变迁从要素生产率中分解出来，实证度量了产业结构变迁对中国经济增长的贡献，并将其与技术进步的贡献相比较。实证研究表明，在改革开放以来的三十年中，虽然产业结构变迁对中国经济增长的贡献一度十分显著，但是随着市场化程度的提高，产业结构变迁对经济增长的贡献呈不断降低的趋势，逐渐让位于技术进步，即产业结构变迁所体现的市场化的力量将逐步让位于技术进步的力量。
新疆属于欠发达地区，随着改革开放的推进，新疆在经济上保持较快的增长速度，其产业结构也不断得到调整和优化，并进一步推动经济的发展。但产业结构与新疆经济增长之间是否存在长期均衡关系，未来如何处理产业结构与经济增长之间的关系，这关系到新疆经济可否持续快速增长。本文将运用VAR模型，在实证的基础上对这些问题作出解答并提出政策建议。
一、数据处理
本文基础数据来源于《新中国五十年统计资料汇编》，《新疆统计年鉴》(2011)，样本区间为1978-2010年。本文中的产业结构变量是用一般意义上的概念，它是指国民经济各个产业之间的组织和构成情况及它们所占的比重和相互关系。代表产业结构变迁的的变量通常有第一、二、三产业的产值结构、劳动就业结构、资产结构和技术结构等。这些变量从不同的角度说明了产业结构状况。因此，为全面反映产业结构与经济增长的关系，本文引入国内学者常用的产值结构和就业结构作为产业结构的代表变量。在计算具体指标值时以第一产业的比重结构为例。以GDP作为总产出的基本指标，为了数据的可比性，以1978年为基期进行换算;为了更好的反映产值的实际结构，本文同样以1978年为不变价格的每年第一产业的实际值与三大产业实际值的和相比得到。本文中，Y表示实际GDP;PS表示第一产业实际值与三大产业实际值之比;LS表示第一产业从业人员与全社会从业人员之比，为了消除异方差的影响，本文对数据取自然对数，并且这样得到的系数为变量之间的弹性，有益于问题的分析。分别表示为LNY，LNPS，LNLS。
二、分析框架和模型
VAR模型是一种计量经济学建模技术，为了避免单方程计量经济模型不能描述变量之间相互影响的缺憾。它是由一组相互联系的方程所组成，但是VAR模型不是一般意义上的联立方程模型，它主要具有以下特点：第一，它属于非结构化的模型;第二，所有变量都是内生的;第三，具有完全相同的解释变量。因而，它既能够考察变量间双方向的影响关系，又能够克服联立方程模型的变量内生性与外生性划分和模型识别等麻烦。选取了3个内生变量，并且不考虑外生变量的影响的VAR模型的具体形式为：
Yt =ΠiYt-i+Ui =Π1Yt-1+Π2Yt-2+…+Πk
Yt-k+Ui，Ui～ΠD(0，Ω) (1)
其中，，Ui是随机误差项矩阵，Πi方差协方差矩阵，t表示时期，i表示滞后期，k表示最大滞后期。若VAR模型中的非平稳变量存在协整关系，我们就可以在VAR模型(1)基础上经过协整变换建立向量误差修正模型，表示为：
(2)
其中，φi=-(I-Π1-Π2-…-Πi)，φ=-(I-Π1-Π2-…-Πρ)，上式称作向量误差修正模型(VECM)，即一次差分的VAR模型加上误差修正项φYt-k。设置误差修正项的主要目的是将系统中因差分而丧失的长期信息引导回来。参数矩阵φi和φ分别是对Yt变化的短期和长期调整。
本文实证检验包括六个步骤：第一，确定时间序列LNY、LNPS和LNLS的平稳性;第二，VAR模型建立;第三，检验LNY、LNPS和LNLS之间是否具有协整关系，即变量之间的是否具有长期均衡关系;第四，Granger因果关系检验;第五，如果变量之间存在协整关系，在VAR的基础上给出向量误差修正(VEC)模型，检验是否具有误差修正机制;第六，利用脉冲函数和方差分解来研究各变量的动态特征。本文所有分析检验均使用Eviews 6. 0计量分析软件进行。
三、实证检验和分析
(一)平稳性检验
在进行协整性检验之前，要先检验每个序列的平稳性。检验序列是否平稳的通常做法是单位根检验中的ADF(Augmented Dickey Fuller)检验。我们运用AIC标准来判断检验的滞后阶数，并用麦金农(MacKinnon)临界值来判断是否具有单位根。结果如表1所示，5%水平检验结果显示着三个变量的ADF值的绝对值均小于临界值，所以原序列是非平稳，具有单位根。我们继续检验它们的一阶差分，结果显示三个变量的一阶差分的ADF值的绝对值均大于临界值，所以它们的一阶差分是平稳的。
(二)VAR模型的建立
在建立VAR模型之前先确定最大滞后期k很重要。因为如果k太小，误差项的自相关有时很严重，将会导致被估参数的非一致性，所以通过增加k来消除误差项中存在的自相关。但是，k又不能太大，因为如果k太大会导致自由度减小，并直接影响被估参数的有效性。对于滞后阶数的选择有多种判断准则，其中包括LR统计量、赤地信息准则(AIC)以及施瓦茨准则(SC)。本文根据AIC，选定VAR模型的最优滞后阶数为3。且模型的根都在单位圆内，VAR模型设定稳定。
