| 表明一阶差分的时间序列是平稳的，不存在单位根的。结合上面的分析，ADF单位根检验证实了方程中的六个时间序列都是一阶可积的，即原时间序列都是I（1）序列。
表2.ADF单位根检验结果
|
序列
|
检验类型
|
ADF统计量
|
D-W统计量
|
|
lny
dlny
|
（c,0,0）
（c,0,0）
|
-2.513059
-6.434714
|
1.98547
2.00293
|
|
lnk
dlnk
|
（c 0）
（c 0）
|
-4.101608
-8.359085
|
2.079195
2.073857
|
|
lnl
dlnl
|
（c,0,2）
（c,0,0）
|
-3.041546
-8.896402
|
2.458245
2.305736
|
|
lnGINI
dlnGINI
|
（c,0,2）
（c,0,0）
|
-2.790291
-5.539553
|
2.071058
1.985636
|
|
lnGINI
dlnGINI
|
（c,0,2）
（c,0,0）
|
-1.80829
-6.207655
|
2.043996
1.847315
|
|
lnGINI
d lnGINI
|
（c,0,2）
（c,0,0）
|
1.81919
-5.345112
|
1.834424
1.800261
|
注：和分别表示在10%和1%的显著水平上拒绝具有单位根的原假设，未标注的表示统计上
不能拒绝原假设。检验类型（c,t,p）中的c,p,t分别表示常数项、含有趋势项以及滞后阶数，
滞后阶数的选取采取了AIC确定法。
2．协整检验
通过单位根检验，我们发现原有时间序列都属于I（1）序列，这就为变量之间的协整检验提供了基础。协整检验通常有两种方法：一是Engle-Granger两步法；一是Johansen检验法。Engle-Granger两步法虽然使用比较方便，但是只适用于单一协整关系的估计和检验，同时在小样本条件下，OLS协整估计具有实质性偏差。因此在涉及到多变量协整关系检验的时候，我们一般采用Johansen极大似然检验法。在VAR模型的Johansen协整检验中，所有变量都被视为内生变量，变量之间是彼此动态影响的联合系统，较之其他方法，Johansen检验方法具有相对较高检验势，因此，本文首先采用Johansen法进行多变量之间的协整检验，然后通过E-G检验的方法具体确定两个变量之间的协整关系。
表3.Johansen协整检验结果1[UnrestrictedCointegrationRankTest(Trace)]
|
协整向量个数原假设
|
特征值
|
迹统计量
|
5%临界水平
|
|
无
|
0.775149
|
120.6234
|
95.75366
|
|
最多一个
|
0.669584
|
77.34623
|
69.81889
|
|
最多两个
|
0.641009
|
45.23152
|
47.85613
|
|
最多三个
|
0.286119
|
15.52221
|
29.79707
|
|
最多四个
|
0.171328
|
5.748059
|
15.49471
|
|
最多五个
|
0.010225
|
0.298047
|
3.841466
|
注：表示在5%的显著水平上拒绝具有单位根的原假设，未标注的表示统计上不能拒绝原假设。
表4.Johansen协整检验结果2[UnrestrictedCointegrationRankTest(MaximumEigenvalue)]
|
协整向量个数原假设
|
特征值
|
最大特征值统计量
|
5%临界水平
|
|
无
|
0.775149
|
43.27719
|
40.07757
|
|
最多一个
|
0.669584
|
32.11471
|
33.87687
|
|
最多两个
|
0.641009
|
29.70932
|
27.58434
|
|
最多三个
|
0.286119
|
9.774148
|
21.13162
|
|
最多四个
|
0.171328
|
5.450012
|
14.26460
|
|
最多五个
|
0.010225
|
0.298047
|
3.841466
|
注：表示在5%的显著水平上拒绝具有单位根的原假设，未标注的表示统计上不能拒绝原假设。
通过表3和表4的检验结果，我们发现在5%的显著性水平上多变量之间的协整关系并不明显。下面将通过E-G检验的方式对lny与lnGINI,lny与lnGINI,lny与lnGINI之间的协整关系做出具体的分析。我们以lny与lnGINI为例来做检验，然后给出后两组变量的检验结果。
首先分别用lny对lnGINI，lnGINI对lny进行普通最小二乘法回归（OLS），得到以下方程形式：
 (4)
 （5）
然后对方程（4）和（5）的估计残差序列做平稳性检验，可以看出两个序列都是非平稳性序列，可以断定两者之间不存在任何的协整关系（见表5、表6）。同理对lny与lnGINI,lny与lnGINI进行处理，也得到相同的结论（见表7）。通过协整检验发现西部地区名义人均GDP与三次产业聚集之间并不存在协整关系。
表5.用lny对lnGINI进行回归分析是的估计残差序列的PP检验结果
|
Phillips-Perron test statistic
|
-2.6118
|
|
Test critical values
|
1% level
|
-3.67017
|
|
5% level
|
-2.96397
|
|
10% level
|
-2.62101
|
表6.用lnGINI对lny进行回归分析是的估计残差序列的PP检验结果
|
Phillips-Perron test statistic
|
-2.07722
|
|
Test Critical values
|
1% level
|
-3.67017
|
|
5% level
|
-2.963972
|
|
10% level
|
-2.621007
|
表7.协整检验
|
变量
|
方程
|
残差序列稳定性
|
协整个数
|
|
Lny/lnGINI
|
|
非平稳
|
0
|
|
|
非平稳
|
|
Lny/lnGINI3
|
|
非平稳
|
0
|
|
|
非平稳
|
（三）结论
西部的经验分析表明：西部人均名义GDP增长率与三次产业区位基尼系数之间并不存在明显的相关性,这与很多学者以全国数据为基础作的分析是不同的。直观上看造成这一结果的主要原因是西部地区名义人均GDP增长率的变化幅度过大。正是这一与全国经验分析明显相悖的结论，我们可以看出西部地区经济增长的特殊性。西部地区作为我们经济发展的后发地区，市场机制一直不完善，同时，国家政策对东部的倾斜，也使得西部地区的制度供给明显不足，改革开放虽然在一定程度推动了西部地区经济的发展，但是随着政策效应的释放和后续制度及其他相关要素的供给不足，使得西部地区经济发展又陷入了困境，直到西部大开发战略的实施这一局面才得到了真正缓解。而相对而言，三次产业结构区域之间的变化并不大，我们认为这是西部低水平循环陷阱的一个表现，各个区域由于没有突破经济发展瓶颈的动力机制，因此各个地区之间的产业一直延续着原有的格局，产业在区域的分布并未出现大的变化。这正是西部地区的特殊性所在，只有认识到这个特殊性，才能从根本上解决西部经济增长中产业发展的难题。
通过分析我们得到的另一个重要结论是：良好的制度环境是经济快速发展的前提。我国的经验数据表明，聚集是可以推动经济发展的，只有达到了产业的聚集，产业尤其是第二产业和第三产业的规模效应才能发挥出来，然后通过规模经济的外部性带动周围地区的发展，从而实现整个区域经济的发展。同时，与中东部相比，西部地区制度改革步伐相对比较落后，制度壁垒较高，也严重制约了市场机制作用的发挥，进而制约了经济的发展，外来的制度供给会推动经济的快速发展，之后又会归于沉寂，甚至出现倒退，与本身制度的不完善是密切相关的，自身制度供给的缺失使得经济发展的内生性较弱。
西部特殊的地理区位和自然条件是制约西部经济发展的主要原因之一。 3/4 首页 上一页 1 2 3 4 下一页 尾页 |
