唐山生产性服务业与制造业互动发展关系探讨——基于VAR模型的实证检验

杨 洁，孙 超，辛 灵

(华北理工大学 经济学院，河北 唐山 063009)

唐山生产性服务业与制造业互动发展关系探讨
——基于VAR模型的实证检验

杨 洁，孙 超，辛 灵

(华北理工大学 经济学院，河北 唐山 063009)

生产性服务业从制造业内部发展起来，又贯穿于制造业发展的始终。探索两者之间的相关性，对推动产业结构调整与经济结构调整具有重要意义。文章应用向量自回归模型(简称VAR模型)探讨了唐山生产性服务业和制造行业之间的互动关系。实证检验结果表明：唐山生产性服务业与制造业之间存在持久稳定的均衡关系，生产性服务业子行业对制造业具有不同的影响效果。唐山生产性服务业对制造业的冲击作用由积极变消极。建议选择性地发展生产性服务业，且政府应加大对生产性服务业的财政投入，注重相关人才培养，加快构建市场平台。

生产性服务业；制造业；VAR模型；唐山

0 引言

生产性服务业作为新兴行业，已日益成为经济增长的新动力。相关数据显示，在OECD国家中，金融、保险、房地产及经营服务等生产性服务业的增加值占GDP的比重均超过了三分之一，生产性服务业在国民经济和服务业内部的比重大大增加，并且有进一步提高的趋势[1]。生产性服务业在经济价值链中的作用已经不言而喻。

唐山长期“偏科”的经济结构，使得唐山生产性服务业发展的根基薄弱，对制造业的促进作用也因此不能完全体现。在这种背景下，本文采集唐山生产性服务业与制造业的相关数据建立VAR模型，通过Eviews7.2软件进行检验，旨在找出现阶段唐山生产性服务业与制造业的互动发展关系，并预测对每个变量进行冲击时，各变量对自身和对方的反应程度和贡献率。

1 VAR模型的概念及条件

VAR模型是一种向量自回归模型，19世纪80年代由克里斯托弗·西姆斯(Christopher·Sims)提出并引入经济学研究中，用于刻画每个时间序列对所有时间序列滞后项的回归[2]。

一般地，考虑一组时间序列变量y1t，y2t，…，ynt，可将其定义为一个n×1维向量Yt：

Yt=[y1t，y2t，…，ynt]T，其中t=1，2，…，T。

一个P阶VAR模型，即VAR(P)，可以定义为：

Yt=C+Φ1Yt-1+Φ2Yt-2+…+ΦpYt-p+εt。

其中，C为n×1维常数向量，Φi为n×n维自回归系数矩阵，εt为n×1维向量白噪音，且满足：

E(εt)=0，E(εtεt′)=Ω，E(εtYt-i)=0，i=1，1，2，…，p，

也就是εt的期望为0，εt的协方差矩阵为Ω，同时εt与内生变量Yt-i及各滞后期不相关。

2 基于VAR模型分析唐山生产性服务业与制造业互动发展关系

2.1 数据选取与处理

本文数据来源于1998-2014年《唐山市统计年鉴》，选取生产性服务业增加值(PS)和制造业增加值(MI)研究两者互动发展相关性。为了更好地说明两者关系，本文首先分析生产性服务业三个典型子行业增加值，即交通运输、仓储及邮电通信业增加值(TI)，金融业增加值(FI)，信息传输、计算机服务与软件业增加值(ST)对制造业增加值(MI)的影响，其次分析生产性服务业与制造业的互动发展关系。

在数据处理上，用唐山工业增加值表示制造业增加值，采用唐山交通运输、仓储及邮电通信业，信息传输、计算机服务与软件，金融业，商业服务业，房地产和批发零售业6个行业增加值的总和表示生产性服务业增加值[3-5]。此外，为了消除异方差和不改变时间序列的性质及关系，对所有时间序列数据取对数，以使数据更加平稳。

2.2 实证分析

2.2.1 唐山生产性服务业子行业对制造业发展的影响

为研究唐山生产性服务业子行业对制造业发展的影响，建立基本回归模型：

lnMIt=∂0+∂1lnTIt+∂2lnFIt+∂3lnSTt+εt。

其中，∂0代表常数项，t代表年份，εt为随机误差项。

首先对唐山生产性服务业子行业增加值与制造业增加值的平稳性进行检验，通过Eviews7.2检验，结果如表1所示。

表1 单位根检验结果

注：表中C，T，K分别表示截距项、趋势项和滞后项

检验结果表明，在5%显著水平下，解释变量lnTI，lnFI和lnST，及被解释变量lnMI都是平稳的，为避免伪回归出现，随后进行OLS估计。进行异方差修正和利用广义差分消除自相关后，结果如下：

lnMI=2.666 815+0.693 294lnTI+0.015 927lnFI+0.260 468lnST。

方程的拟合优度R2，F统计量和DW检验值分别为：

R2=0.993 954，F=712.400 1，DW=1.642 006。

从解释变量的系数可以看出，发展生产性服务业子行业对制造业具有积极作用，其中运输、仓储、邮电等行业对制造业影响最大，金融业对制造业影响最小。

具体来说，假设其他变量保持不变，交通运输、仓储及邮电通信业每增长1%，就会带来制造业0.693 294%的增长。信息传输、计算机服务与软件业每增长1%，制造业就增加0.260 468%。金融业每增加1%，制造业会增加0.015 927%。2.2.2 唐山制造业与生产性服务业的互动发展关系

为了进一步探究两者的互动发展关系，首先建立两个变量的VAR(p)模型：

Yt=(lnMIt，lnPSt)，ut=(u1，u2)T。

2.2.2.1 平稳性检验

首先对数据进行平稳性检验，由表2可知，在同等检验形式下，变量lnMI和lnPS的原序列平稳，但基于其建立的VAR模型却无法平稳。因此，对原序列进行一阶差分，通过Eviews7.2分析，发现在5%显著性水平下满足I(1)，即一阶单整，即已满足建立模型的前提条件。

2.2.2.2 AR根检验

根据AIC和SC最小值准则，得到最大滞后期数为2，建立VAR(2)为：

表2 单位根检验结果

注：表中C，T，K分别表示截距项、趋势项和滞后项

对VAR(2)稳定性进行检验，如图1所示。VAR模型对应的特征方程的特征根都在单位圆内，所以建立的VAR模型是平稳的，可以用来分析一个脉冲施加到模型时的冲击影响情况。

图1 VAR模型单位根检验图

2.2.2.3 脉冲响应函数分析

在VAR(2)模型下，进一步得到各个变量的脉冲响应函数，结果如图2所示。图2中纵坐标主要指解释变量的变化情况，横坐标主要指冲击作用下的滞后期数，虚线表示标准差偏离范围，并设置预测期为30期。

图2 脉冲响应函数

从图2a可以看出，制造业对来自自身的一个标准差的冲击，立即会产生一个正向反应，且在第1期达到最大值0.093 935，随后急遽下降，在第3期达到最小值-0.017 905，之后冲击缓慢减小，这说明唐山制造业有较好的自我调节的能力。图2b显示，生产性服务业对制造业一个标准差的冲击，在第1期没有反应，第2期达到最大值0.042 306，第3期达到最小值-0.014 048，此后逐渐趋于0，说明唐山生产性服务业对制造业有一定影响，但相对较小。从图2c中可以看到，制造业给生产性服务业一个冲击，会在第1期立即反应且达到最大值0.042 772，随后反应下降，到第4期达到最小值-0.006 924，最后趋于0，说明唐山制造业对生产性服务业有正向拉动的作用。图2d表示，生产性服务业对自身一个标准差的冲击，会立即产生反应，且在第1期达到最大值0.045 006，响应随后逐渐放缓趋于0，不够持久，说明唐山生产性服务业自我调节功能较差，产业与产业之间的相关性不强。2.2.2.4 方差分解分析

为了进一步分析各信息对VAR(2)模型内生变量的重要性，进行方差分解，按照VAR(2)模型中各变量的发生原因，分析影响内生变量结构变化的因素的贡献度。方差分解结果如图3所示。

图3 方差分解

图3e表示，随时间推移，制造业自身扰动所引起的预测方差不断减小，从第4期起稳定在81.2%左右，生产性服务业自身扰动引起的预测方差比重稳定在18.7%左右，说明相较于制造业对自身的贡献而言，唐山生产性服务业对制造业的贡献较小，推动作用较弱。从图3f看出，在1-30预测期内，生产性服务业对自身增长率的贡献在最初最大，达到52.5%左右，但随后贡献率急遽减小。制造业对生产性服务业增长率的贡献在开始时迅速增加，并在第6期趋于平稳，达到53.2%左右，说明唐山制造业对生产性服务业的拉动作用越来越大。

3 结论及政策建议

3.1 结论

(1)唐山生产性服务业子行业对制造业发展存在影响，其中交通运输业影响最大，信息服务业次之，金融业影响较小。

(2)唐山生产性服务业与制造业之间存在持久稳定的均衡关系。

(3)唐山生产性服务业对制造业的冲击作用由积极变消极，后期会制约制造业的发展，而制造业对生产性服务业的正冲击显著而持久。

(4)唐山生产性服务业对制造业结构的冲击有越来越大的方差贡献率，但仍然较低。唐山生产性服务业发展明显不足，对制造业的推动性较弱。唐山制造业对生产性服务业预测均方误差的方差贡献率与生产性服务业对自身预测均方误差的方差贡献率差距不断缩小，说明唐山制造业发展对生产性服务业的推动作用不断增强，在某种程度上，对生产性服务业增长起着决定作用。

3.2 政策建议

(1)合理利用资源，选择性地发展生产性服务业子行业[6]。从模型检验结果上看，生产性服务业子行业对制造业的贡献程度是不一样的，而唐山市的资源有限，不能同时使每个行业都做到均衡发展，尤其在转型时期，更应该合理利用资源，着重发展与制造业相关的交通运输业、信息技术产业和金融业。交通先行，才能让各种资源自由流动起来，借助信息技术让大数据为我所用，用金融力量为制造业提供后备支撑。选择性地发展生产性服务业，也能为社会提供更多的就业机会。

(2)加大财政投入，调整生产性服务业与制造业的产业结构比例与产业布局模式。在现阶段，唐山工业制造业相对于生产性服务业而言，仍是经济发展的主力，生产性服务业发展的资源依旧受到制造业的牵制。政府应加大财政投入，支持工业制造业转型发展，提供更多的优惠条件，促进现代交通运输业、第三方物流业、金融业及信息技术行业的快速发展，增强生产性服务业自身的调节能力，为制造业提供更多动力支撑。

(3)培养专业人才，为生产性服务业发展提供根本动力。人才是制约经济发展和经济结构转型的重要资源[7]。唐山市生产性服务业发展滞后很重要的原因在于没有相应的专业人才，所以应将唐山市自身的人口劣势转化为人才优势，从而更好地促进生产性服务业的发展。

(4)构建市场平台，促进生产性服务业与制造业协调互动发展[8]。唐山生产性服务业与制造业的协调互动发展模式尚未完全构成，制造业和生产性服务业各自为营的局势依旧限制着产业调整的步调。除了政府加强干预外，更多地应该根据市场的需要，构建良性的市场平台，让市场自动调节供需平衡，促进两大产业之间长久而持续的互动发展。

[1] 王瑞.我国生产性服务业发展过程、问题与对策研究[J].国际商务(对外经济贸易大学学报)，2011(1)：77-78.

[2] 古艳红.湖北省生产性服务业与制造业的互动发展研究[D].湘潭：湘潭大学，2014.

[3] 纪春礼，李健.中国生产性服务业与制造业之间关系研究——基于1978-2007年中国数据的协整分析与格兰杰因果检验[J].产业发展，2010(1)：40-44.

[4] 汪斌，金星.生产性服务业提升制造业竞争力的作用分析——基于发达国家的计量模型的实证研究[J].技术经济，2007(1)：44-47.

[5] 肖文，徐静，林高榜． 生产性服务业与制造业关联效应的实证研究——以浙江省为例[J].学海，2011(4)：76-80.

[6] 周考坤，刘茜.西部地区生产性服务业与制造业互动发展实证研究[J].经济问题探讨，2013(3)：95-96.

[7] 董晶晶.大连市生产性服务业与制造业互动发展研究[D].大连：辽宁师范大学，2011.

[8] 闻振天.生产性服务业与制造业互动发展研究[D].成都：西南财经大学，2014.

(责任编校：白丽娟)

On the Relationship Between Producer Service Industries and Manufacturing Industries in Tangshan： a Empirical Test Based on VAR Model

YANG Jie， SUN Chao， XIN Ling

(School of Economics， North China University of Technology， Tangshan 063009， China)

Producer services derived from manufacturing industries， but are attached to it. It is of great significance for the promotion of both industrial structure adjustment and economic structure adjustment to explore the correlation between them. The authors of this paper have studies the correlation between producer service industries and manufacturing industries in Tangshan through vector auto-regression model(VAR). The results show that there is a lasting and stable equilibrium relationship between the producer service industries and the manufacturing industries in Tangshan， that the influence of producer services sub-industries on the manufacturing industries are many and varied， and that the impact of producer services on the manufacturing industries in Tangshan is positive. The authors suggest that the government should increase the financial investment in productive service industry and pay more attention to the personnel training， and accelerate the construction of the marketing platforms.

producer services； manufacturing； VAR model； Tangshan

F426

A

1672-349X(2015)06-0076-04

10.16160/j.cnki.tsxyxb.2015.06.026