基于VAR模型的安徽省产业结构优化研究

廖英成，张克荣

(阜阳师范学院 商学院，安徽 阜阳 236041)

基于VAR模型的安徽省产业结构优化研究

廖英成，张克荣

(阜阳师范学院 商学院，安徽 阜阳 236041)

基于向量自回归模型，利用1978-2016年安徽省三次产业产值的数据，运用单位根检验、协整检验、Granger因果检验、脉冲响应函数以及方差分解对安徽省产业结构进行研究。研究结果表明，安徽省第一、二、三产业对来自外部经济冲击的敏感性依次增强，持续的经济冲击更能有效地促进第一、二产业的发展，相较于第一产业，第二产业的发展能更有效持久地促进第三产业的发展。针对研究结果，提出了一些优化安徽省产业结构的对策和建议。

产业结构；Granger因果检验；脉冲响应；VAR模型

在我国经济发展的新形势下，产业结构优化作为经济持续增长的推动作用愈发明显，已成为经济发展新常态的内在要求。安徽省作为长三角辐射内陆的重要前沿区域，是长江中下游地区向东发展的必经要道，在推进长江经济带的发展中，安徽始终把产业调整作为重要任务。2015年12月召开的中共安徽省委九届十四次会议又明确提出了把产业结构优化作为“十三五”时期经济发展的首要任务。

从20世纪80年代末期开始，我国学者开始了对产业结构的研究，主要集中在产业结构水平的衡量、产业结构协调的研究和产业结构优化升级这三个方面，而对产业结构优化升级的研究方向则主要分为两个方面：产业结构合理化和产业结构高度化。在产业结构合理化的研究方面，很多学者则是希望通过建立一个较为科学合理的指标体系，来对某一地区在一定时期的产业结构的合理化水平进行评价。刘淑茹从产业结构自身状况以及其对资本结构、技术进步、环境和效益等方面的影响建立了一个较为全面的指标体系，为科学合理地评价区域产业结构合理化水平提供了有力的参考。[1]王林生、梅洪常在对产业结构合理化的本质界定的基础上，认为不能局限于使用单一的评价方法，从定性和定量两个方面提出了一些具体的评价方法。[2]另一些学者则是居于一些判断基准来对产业机构合理化的状况进行评价，如钱纳里的“国际基准”、需求结构基准和比例平衡标准等。在产业结构高度化的研究方面，多集中在对高度化的测度、高度化对经济增长的影响和高度化与合理化的关系等方面的研究。范艳丽、张爱国等基于产业结构的相关理论，构造了高度化水平指数“D函数”，对我国产业结构高度化水平进行了初步测算。[3]而何天祥、朱翔等则是构建了产业结构高度化评价指标体系，用相对熵距离法对我国中部城市群产业结构高度化进行了比较，发现中部城市群产业结构高度化水平较低，内部差异明显，呈二级阶梯分布。[4]刘伟、蔡志洲总结了我国工业化各阶段产业结构的变化，认为我国现阶段正由工业化中后期向后期过渡，且这种变化会对经济增长和人民生活带来显著影响。[5]很多学者也都从不同的角度对产业结构优化作了综合分析，俞一珍、王章豹基于产业结构的相关理论，从高度化、合理化、效益化和绿色化四个方面构建了评价指标体系，并运用因子分析法和聚类分析方法分析并评价了我国30个省、市、自治区的产业结构优化水平，得出了我国东部地区产业结构优化水平显著高于中西部地区的结论。[5]

上述研究都对我国区域产业结构优化升级作出了很多翔实科学的分析评价，也提出了很多有价值的对策和建议。本文在前人研究的基础上，通过使用计量经济学方法建立向量自回归(VAR)模型，并综合运用Johansen协整检验、Granger因果检验、脉冲函数分析和方差分解对安徽省产业结构进行研究，结合对三次产业之间的内在联系和产业结构优化的方面的分析研究结果，提出了一些对策和建议。

1 变量的选取与样本数据

本文基于安徽省1978-2016年第一、二、三产业产值的数据，以三次产业产值为分析变量，对安徽省产业结构进行分析研究。第一、二、三产业的产值分别用G1、G2、G3代表，数据来源于《安徽统计年鉴》和《安徽国民经济和社会发展统计公报》。由于时间序列数据往往是非平稳序列，在进行实证研究之前，为在一定程度上消除经济时间序列可能存在的异方差，所以对G1、G2、G3进行自然对数变换，分别用LNG1、LNG2、LNG3表示。

2 实证分析

2.1平稳性检验

为了防止直接回归造成的伪回归，在建立VAR模型之前，必须对各时间序列变量进行平稳性检验。本文采用较为常用的ADF检验方法，检验结果如表1所示。

表1 LNG1、LNG2、LNG3的ADF平稳性检验结果

注：检验形式(C,T,K)分别表示单位根检验方程中的截距项、时间趋势项以及滞后阶数，△表示一阶差分

从表1中可以看出，LNG1、LNG2和LNG3这三个时间序列在各显著水平下都不能拒绝序列存在单位根的原假设，因此都是非平稳的。而它们的一阶差分序列的ADF值均小于5%的显著性水平下的临界值，所以是平稳的。因此，LNG1、LNG2和LNG3都是一阶单整序列，满足协整检验所需的前提条件。

2.2建立VAR模型

VAR模型是一种非结构化的多方程模型，由Sims于1980年提出，它的优势在于有效地克服了传统多方程模型常受制于经济理论不完善所带来的诸如内生变量与外生变量的划分、估计与推断等问题。

VAR(p)模型的数学表达式为：

Yt=C+α1Yt-1+α2Yt-2+…+αpYt-p+εt

其中Yt=[△LNG1，△LNG2，△LNG3]T，C为常数向量，α1，α2，…，αp为待估参数矩阵，P为模型的滞后阶数，εt为随机扰动项。

由于VAR模型的建立要求每一变量都是平稳的，根据前文单位根检验的结果可知△LNG1、△LNG2和△LNG3都是平稳的，故本文对△LNG1、△LNG2和△LNG3这三个变量构建VAR模型。保持合理的自由度可以在消除误差项自相关的同时，使得模型参数有较强的解释力，因此我们必须确定VAR模型的最优滞后阶数。本文基于LR(似然比)检验、AIC信息准则和SC准则，确定VAR模型的最优滞后阶数为1，检验结果如表2所示。

表2 VAR模型滞后阶数的选择

注：*表示根据相应准则所选择的滞后阶数

本文利用样本数据得到VAR(1)的估计结果，VAR(1)模型估计结果中的三个回归函数的可决系数分别为0.630296、0.345251和0.259940，拟合的VAR模型的表达式如下：

本文利用AR根图对估计出来的VAR模型的稳定性进行检验，滞后一阶时VAR模型F矩阵特征根的数值如图1所示：显然所有特征根均落在单位圆内，所以被估计的滞后一阶的VAR模型是稳定的，结果也是有效的。

图1 F矩阵特征根检验

2.3 Johansen协整检验

对时间序列进行协整检验的方法通常有Engle-Granger两步法和Johansen协整检验法，前者较适合两变量模型的协整检验，后者则更适合对多变量模型进行协整检验。因此，本文选择Johansen协整检验法，最优滞后阶数为1，检验结果如表3所示。

表3 Johansen协整检验结果

由表3易知，0个、至多1个和至多2个协整关系的原假设对应的迹统计量均大于其5%临界值，所以变量间存在3个协整方程，即存在一种长期的均衡关系。VAR模型建立的另一个前提是变量之间存在协整关系，通过证明，我们可以建立VAR模型。

2.4格兰杰(Granger)因果检验

Granger因果检验是用来检验一个变量的变化是否是引起另一个变量变化的原因。为避免主观因素可能对模型变量的影响，我们基于VAR模型，利用Granger因果关系检验法对模型中变量之间是否存在格兰杰因果关系进行检验，检验结果如表4所示。

表4 Granger因果检验结果

从表4中可以看出，在1%的显著性水平下，△LNG2、△LNG3均是△LNG1的格兰杰原因，而△LNG1不是△LNG2、△LNG3的格兰杰原因。△LNG2是△LNG3的格兰杰原因，但△LNG3不是△LNG2的格兰杰原因，△LNG2与△LNG3之间存在单向的格兰杰因果关系。上述检验结果表明，安徽省第二、三产业的发展对第一产业的发展有显著的影响。

2.5脉冲响应分析

为了进一步研究△LNG1、△LNG2和△LNG3这三个变量之间的关系，我们建立了脉冲响应函数，用来描述VAR模型中的一个内生变量的冲击对其它内生变量所产生的影响，我们将响应函数的追踪期设为10期，得到的脉冲响应图如下图2所示。

图2 脉冲响应图

从图2中可以看出，随着时间的推移，各变量之间的冲击幅度总体上呈现出越来越小的趋势，最后趋于0，达到稳定状态，这也再次印证了我们建立的VAR模型是稳定的。

第一产业的增长率在受到自身一个标准差的冲击后立即会有较强的反应，在第二期达到最低，第四期后稳定在零附近。第二产业的增长率对第一产业的增长率产生正向的影响，在当期影响较小，在第二期快速达到峰值，随后逐渐减弱，直到第八期后才逐渐趋于零，这说明安徽省第二产业对第一产业会产生较为持久的促进作用。第三产业的增长率在开始时并没有立即对第一产业的增长率形成冲击，而是在第二期形成冲击并迅速达到最大值，且在第三期又迅速到达最低点，在第三期后在零附近上下波动，直到第五期后趋于零，这表明，相较于第二产业，第三产业的增长率对第一产业的影响较为迅速，但持续时间较短。

第二产业的增长率对其自身一个标准差的冲击会立即做出强烈正向响应，随后逐渐下降，直达第七期才逐渐趋于零，但对来自第三产业的增长率的冲击响应较小，在受到第一产业的增长率一个标准差的冲击后在当期做出响应但响应不大，且在第二期就迅速下降，第三期后逐渐趋于零。这表明，安徽省第二产业的发展较为稳定，对来自第一、三产业的冲击有着影响小、时间短的特点。

第三产业的增长率在受到自身一个标准差的冲击后会在当期做正向响应，在第二期就降到最低，在随后的一到两期内后再次产生影响，第四期后稳定在零附近。第三产业的增长率在对来自第一产业的增长率的一个标准差的冲击后在第二期达到峰值，在第三期后开始趋于零，且影响力度不大。相较于第一产的增长率的冲击，第二产业的增长率对第三产业增长率的冲击响应较大，且持续时间较长，一直到第七期才逐渐趋于零。这说明了安徽省第三产业的发展受到第一、二产业的影响，相较于第一产业，第二产业的影响更显著且持久。

2.6方差分解

方差分解通过分析每一个结构冲击对内生变量的变化的贡献度，进一步来对不同结构冲击的重要性进行评价，是描述系统动态效应的又一种有效方法。本文利用上文估计出的VAR模型进行方差分解，结果如图3所示。

图3 方差分解图

从图3可以看出，安徽省第一产业增长率的变动主要是受自身冲击的影响。在第一期达到100%，在第二期迅速下降，随后逐渐稳定在40%左右，来自第二、三产业增长率变化的贡献率在第二期后稍有变化，分别稳定在36%和24%左右。第二产业增长率的变动主要由其自身的变动解释。第三产业增长率的变动在初期受到自身的冲击较大，随后逐渐降低，在第五期后基本稳定在67%左右，对来自第一产业增长率变动的影响较小，而受到第二产业的增长率的变动的贡献率在初期达到10%，并呈现出上升的趋势，在第五期以后稳定在31%左右。

3 结论及建议

在经济发展的新常态下，安徽在人口与劳动资源、区位优势、技术创新和区域政策叠加等方面都有着很大的优势，但在矿产资源、能源等方面的传统优势也受到了巨大的冲击。新时期，安徽省的经济发展机遇与挑战并存。研究表明，安徽省三次产业之间存在着密切的联系，二三产业的发展都能有效地促进第一产业的发展，但有个短暂的滞后期，且相较于第三产业，第二产业对第一产业的影响更为持久。第二产业的发展较为稳定，来自产业自身的冲击能够更快更显著地刺激其发展。作为新兴产业的第三产业发展速度很快，在三次产业中最为活跃。总体上，安徽省三次产业之间的协调带动作用还不够显著，未能充分发挥产业内部之间的相互促进的优势。

依据对实证研究结果的分析，本文针对安徽省产业结构的优化提出以下几点建议。

(1)积极推进农业现代化。

由脉冲响应分析的结果可知，安徽省第二、三产业增长率的变化对第一产业增长率的变化会产生正向影响，且时滞较短，但持续时间不长。故安徽省可对农业进行持续长久的扶持，以保证农业长期高效地发展。农业自身要通过加快发展农副产品深加工业，丰富以区域农业资源为主的特色产业，充分利用第二、三产业带动第一产业的发展，如以绿色农业、观赏农业作为现代服务业的基础原料，在有效促进服务业发展的同时，利用服务业的发展为本地区现代农业的发展提供更大的市场。

(2)加强三次产业之间的密切联系，特别是第二、三产业的协同带动作用。积极发展新兴现代服务业，特别是与工业匹配的生产性服务业的发展。如以金融、教育、科技等现代服务业带动工业高效快速发展，工业的发展反过来能够有效促进现代服务业的集聚和发展。

(3)第三产业发展较为迅速，且具有不稳定性，第三产业的发展要充分以第一、二产业为基础，确保能够更广泛高效地为第一、二产业的发展服务，在保证三次产业协调发展的同时，尽量避免对第三产业造成负面冲击。

[1]刘淑茹. 产业结构合理化评价指标体系构建研究[J].科技管理研究，2011(5):66-69.

[2]王林生，梅洪常. 产业结构合理化评价体系研究[J].工业技术经济，2011(4):77-83.

[3]范艳丽，张爱国，张贤付. 产业结构高度化水平的定量测定[J].安徽师范大学学报(自然科学版)，2008,31(1):79-83.

[4]何天祥，朱翔，王月红. 中部城市群产业结构高度化的比较[J].经济地理，2012,32(5):54-58.

[5]刘伟、蔡志洲. 我国工业化进程中产业结构升级与新常态下的经济增长[J].北京大学学报(哲学社会科学版)，2015,52(3):5-19.

[6]俞一珍，王章豹. 我国区域产业结构优化升级水平评价及聚类分析[J].科技和产业，2016,16(6):17-25.

ClassNo.:F121.3DocumentMark：A

(责任编辑：蔡雪岚)

AnalysisofOptimizationofIndustrialStructureinAnhuiProvinceBasedonVARModel

Liao Yingcheng，Zhang Kerong

(Business school, Fuyang Teachers College, Fuyang, Anhui 236041, China)

Based on the vector autoregressive model, the industrial structure of Anhui Province was studied by the unit root test, the cointegration test, the Granger causality test, the impulse response function and variance decomposition, with the data of three industries in Anhui Province from 1978 to 2016. The results show that the sensitivity of the first, the second and the tertiary industries in Anhui Province is enhanced by the external economic impact, and the sustained economic impact is more effective in promoting the development of the first and second industries. Compared with the first industry, the second industry can promote more effectively the development of the tertiary industry. We put forward some countermeasures and suggestions to optimize the industrial structure of Anhui Province.

industrial structure; Granger causality test; impulse response; VAR model

廖英成，在读硕士，阜阳师范学院。研究方向：企业管理。

张克荣，硕士，副教授，硕士生导师，阜阳师范学院。研究方向：区域经济学和计量经济学。

2017年安徽省教育厅重点项目(No. SK2017A0293)；2016年安徽省哲学社会科学规划项目(No. AHSKQ2016D109)；2016年度安徽高校优秀青年人才支持计划重点项目(编号：gxyqZD2016184)。

2096-3874(2017)11-0056-06

F121.3

A