摘要：本文对中国工资、物价和经济增长进行了动态分析，建立了向量自回归模型，并对模型进行了稳定性检验。在此基础上进行了因果关系检验，脉冲函数响应及预测方差分析。针对结果提出了建议。

　　关键字：向量自回归模型(VAR);Granger因果关系检验;脉冲响应函数;方差分解

　　一、引言

　　工资、物价和经济增长三者的关系，涉及到社会再生产过程中生产、分配和消费的比例，也影响着社会商品供求的平衡。工资提高与经济增长关系协调，不仅有助于在生产发展的基础上逐步改善人民生活，而且也有利于不断地扩大积累、发展生产。物价应在长期保持稳定，持续的物价波动会破坏市场供求均衡，影响经济的可持续发展。工资变动与物价变动关系适当，才能切实保证职工的实际生活水平不至于因物价的上涨而降低。本文以经济增长为重点，着重研究工资、物价冲击对经济增长的影响。

　　国内已有学者对工资、物价与经济增长的相互关系进行了研究，如夏征瑞(1989)在关于物价、工资改革与国民经济发展关系的一些认识中，提出工资增长率应该大于物价增长率，小于劳动生产率增长速度，劳动生产率增长速度应该接近国民生产总值增长速度，这样社会经济效益才好，企业和财政收入才有保证。李朝鲜(1996)对中国工资、物价和经济增长变动关系的研究中，重点阐述了正确处理三者关系的一般原则。刘丽、任保平(2008)运用经济增长模型，揭示了工资、物价与经济增长的关系，即实际工资增长率与经济增长之间呈反向关系，物价水平与经济增长之间呈正向关系，并通过简单的线形回归验证了其结论。但这些研究主要是基于经济理论的定性研究，缺少对各变量之间相互影响的定量分析，从而不能度量变量之间的相互影响程度。VAR模型是一种非理论性的模型，它无需对变量作任何经验性约束，VAR模型分析的是模型受到某种冲击时对系统的动态影响，它可以对整个系统作精确的定量分析。本文采用了VAR模型，通过分析随机扰动对变量系统的动态冲击，充分地解释了中国工资、物价与经济增长的动态互动关系。

　　二、样本变量和数据的选取

　　本文所选取的变量有：国内生产总值(GDP)，单位为亿元;城镇居民消费价格指数(P)，以1978年城镇居民消费价格指数为基期指数;职工平均工资(W)，单位为元。所研究的样本区间为1978—2005年，均为年度数据，各指标数据来源于《中国统计年鉴》。本文采用Eviews5来进行数据分析。为消除数据中可能的异方差和避免因数据变化带来的剧烈波动，对各变量取对数。记LNGDP、LNP、LNW分别为取自然对数的国内生产总值、取自然对数的城镇居民消费价格指数、取自然对数的职工平均工资。

三、理论模型

　　1、平稳性检验

　　由于向量自回归模型的运用要求系统中的变量具有平稳性，因此，我们首先要对数据进行单位根检验，以检验其平稳性。

考察随机过程，若, 其中,为一稳定过程， 且，，则称该过程为单位根过程。若单位根过程经过一阶差分成为平稳过程，即,则时间序列，称为一阶单整序列，记作。一般地，如果非平稳时间序列，经过次差分达到平稳，则称其为阶单整序列，记作，其中表示单整阶数，是序列包含的单位根个数。进行单位根检验有多种不同的方法，如DF法、ADF法、PP法，本文主要采用ADF检验法。

　　2、Granger因果关系检验

　　在判别一个变量的变化是否是引起另一个变量变化的原因时，通常所采用的方法是Granger所提出的因果检验。即先估计当前序列y被其自身滞后期取值所能解释的程度，然后引入序列x的滞后值，检验其是否可以提高序列y的被解释程度，如果可以，则称序列x是序列y的格兰杰原因，否则序列x不是序列y的格兰杰原因。因果关系检验所用的两个分布滞后模型是：

　　3、向量自回归模型

　　向量自回归是Sims在1980年提出的使用模型中的所有当期变量对所有变量的若干滞后变量进行回归，用于相关时间序列系统的预测和随机扰动对变量系统的动态影响，它是一种非结构化的多方程模型。它不带有任何事先约束条件，将每个变量均视为内生变量，避开了结构建模方法中需要对系统中每个内生变量关于所有变量滞后值函数的建模问题。

　　VAR模型的数学表达式为：

(1)

式中，是维内生变量向量，为维外生变量向量,为待估计的参数距阵阵，内生变量和外生变量分别有阶和阶滞后期。为随机扰动项，其同时刻的元素可以彼此相关，但不能与自身滞后值和模型右边的变量相关。

　　4、脉冲响应分析

　　脉冲响应函数是确定每个内生变量对它自己及所有其它内生变量的变化是如何反应的。例如，式(1)中，ε1t在时间t= 0增加1个标准差，在Y1t这个内生变量所能影响的范围内，它将影响整个模型和其它可能的内生变量。此后，这种扰动可能对原来那个变量产生比最初还大的影响，因为这时它己经带上了其它变量的反馈作用。然后，再引入一个对下一个内生变量的一期扰动，再次跟踪它对模型里所有变量的影响，勾勒其轨迹.在估计完VAR模型后，运用脉冲响应函数能够清楚的概括出它的动态结构性质，显示出任何一个变量的扰动是如何透过模型影响所有其它变量，最终又反馈到最初的那个变量上来。

　　5、预测方差分解

　　考察VAR(P)模型时，还可以采用方差分解方法研究模型的动态特征。脉冲响应函数是追踪系统对一个内生变量的冲击效果，而方差分解则是将系统的预测均方误差分解成系统中各变量冲击所作的贡献，可考察VAR(P)系统中任意一个内生变量的预测均方误差的分解。其主要思想是，把系统中每个内生变量的波动按其成因分解为与各方程新息相关联的m个组成部分，从而了解各新息对模型内生变量的相对重要性，即变量的贡献占总贡献的比例。比较这个相对重要性随时间的变化，就可以估计出该变量的作用时滞，还可以估计出各变量效应的相对大小。

　　四、实证分析

　　1、平稳性检验

　　从表1中可以看出，LGDP、LNP、LNW的ADF统计量都大于10%显著水平的临界值，所以不能拒绝原假设，说明LGDP、LNP、LNW都存在单位根，为非平稳序列。所以要进行差分变换，再对一阶差分做单位根检验。显然，经差分后的序列ADF统计量在5%显著性水平能拒绝原假设，可以认为是平稳的。结论是LGDP、LNP、LNW均为一阶单整，而它们的一阶差分是平稳的。

 1/3    1 2 3 下一页 尾页