基于VAR模型对投资与就业的实证研究

导语：基于VAR模型对投资与就业的实证研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、数据的选取及其预处理

在计量经济学中，就通常方法而言。对数据取对数后的变量分别表示为LNGDTZ和LNJY。做这种变换，不影响数据间短期调整效应以及长期稳定关系。采取这种做法更为重要的原因有三个，其一是自然对数变换，是BOX-COX变换中最为重要的形式之一；其二是双对数线性模型是具有最小的平方预测误差的；其三是多数经济变量时间序列服从，或者是近似服从对数正态分布，而非正态分布。

二、实证分析

1.变量平稳性检验。数据需要平稳性，本次分析是在利用var模型来进行协整分析的。根据协整检验的要求，在进行数据协整分析之前，要对数据进行平稳性检验，以确保时间序列的平稳性。本次分析采用最常用的ADF检验，结果显示：LNGDTZ和LNJY这两组时间序列数据都是一阶单整的。2.VAR模型滞后阶数的选择。VAR模型是计量经济模型的一种，采用多方程联立的形式，而不以严格的经济理论为纲。在联立方程组的每个方程中，内生变量要对模型的全部内生变量的滞后值进行回归，来估计全部内生变量间的动态关系。在VAR模型中，除了要满足平稳性条件外，还要确定滞后期k。如果滞后期太小，误差项会有严重的自相关性，并会非一致性的估计参数。选择最优滞后期是根据SC和AIC信息准则来确定的。最优阶数是当二者达到最小时的阶数，否则，就无法判断，并进一步引入LR检验进行取舍。在本模型中，由LR检验得出，最优滞后期为2。3.格兰杰因果检验。由上述分析可以看出，LNGDTZ与LNJY之间是有协整关系的，但是协整关系仅能表明二者有因果关系，无法显示因果关系的方向，即何者为原因何者为结果。所以需要进一步检验二者的关系。将LNGDTZ与LNJY建立一个group，根据VAR模型的滞后阶数来决定滞后阶数，根据之前的分析，选择滞后阶数为2。从检验结果知，在滞后阶数为2时，LNGDTZ与LNJY之间互为格兰杰原因。这说明投资与就业人数之间相互影响。4.脉冲响应。脉冲响应函数受到变量顺序的影响，因此其结果与分析的的主观因素有关。影响过程和及其方向，可以借助脉冲响应函数来进行分析。所以可以检验整个系统的脉冲响应函数，来补充分析的结果。由检验结果知，投资对就业人数存在正向的影响。这说明了投资可以促进就业人数的增加，且图像成上扬之势，说明投资对就业人数在长期来说影响更大、更显著。而就业人数对投资的影响在短期更显著。

三、结论及建议

本文采用1981-2010三十年间的数据，利用VAR模型，通过平稳性检验、格兰杰因果检验和脉冲响应分析等方法，对近三十年来投资对就业的促进作用进行了分析，可得出全社会固定资产投资和就业人数互为格兰杰原因。二者互相影响。分析表明，投资对就业的增长有正向作用，投资的增长极大地促进了就业的增长，而就业的增长也会促进投资的提高，二者互为因果。综合以上分析，本文给出以下建议：在我国，投资的增长是增加就业、缓解就业高压的重要途径之一，为保证就业，在维持现有全社会固定资产投资水平的基础上，要保持一定的投资额度的增加以促进就业人数的增加。

本文作者：张也工作单位：武汉大学经济与管理学院