上海市科技服务业与制造业互动发展实证研究
发布时间:2020-12-15 03:17
基于上海市2003—2017年科技服务业与制造业的相关数据,构建VAR向量自回归模型与ECM误差修正模型,从变量平稳性检验、协整检验、Granger因果检验、脉冲响应、方差分解等五个维度分析样本指标数据间的长短期动态作用机制,实证研究了上海市科技服务业与制造业的产业发展互动关系。研究结果表明,上海市科技服务业与制造业之间存在长期稳定的均衡关系;科技服务业的发展是影响制造业发展的格兰杰因,反之不成立,两个变量之间存在长期的正向互动影响效应;上海市科技服务业的发展对制造业的发展产生了较为显著的长期波动影响,但二者之间的互动融合发展成效有待进一步优化与完善。
【文章来源】:科技管理研究. 2020年17期 北大核心CSSCI
【文章页数】:7 页
【部分图文】:
LNMAF&LNRD的时间序列曲线
??⒌腣AR(2)进行模型稳定性检验。在一个VAR模型中,AR根的总数计为NM,N表示变量的数目,M表示模型的最优滞后期数,由此可得该VAR(2)模型的AR根数目为2(2个变量)×2(最优滞后期数)=4。本文通过AR根在单位圆的分布情况(图2)来判定模型的稳定性:AR根分布在单位圆内部表明该VAR模型是稳定的,AR根分布在单位圆外部则表明该VAR模型是不稳定的。根据图2可以得到最终模型稳定性检验的结果:该VAR(2)模型的4个根全部位于单位圆内部,模型稳定,满足后续对该模型进行脉冲响应分析与方差分解分析的前提。图2VAR模型稳定性检验结果3.3协整检验分析经过ADF单位根检验可以得出LNMAF与LNRD均为一阶单整序列,为了避免“伪回归”现象的发生,需要进一步对其进行协整检验分析。通过协整检验可以判断多个非平稳变量之间是否存在长期的均衡关系,学术界的主流方法为EG检验与JJ检验。EG检验主要是针对2个变量,通过对两个变量进行OLS回归并检验回归方程残差序列的平稳性;JJ检验则是根据迹检验统计量与最大特征根检验统计量的指标值,结合P值来分析多个变量之间的均衡关系。鉴于LNMAF与LNRD都是一阶单整序列,本文选取EG两步检验方法:第一步,以LNMAF为被解释变量,LNRD为解释变量,进行OLS回归分析得出协整方程表达式:LNMAF=0.847LNRD+6.024+μt第二步,对协整回归方程的残差序列进行ADF单位根检验来判定其序列的平稳性,根据SIC准则确定最优滞后期为0,检验结果如表3所示。表3协整方程残差μt的ADF检验结果增广的DF检验统计量T统计量P值-3.269090.03200临界值测试:1%水平下-2.74061-5%水平下-1.96843-10%水平下-1.60439-注:“-”表示无观测值。结果表明回归残差序列μt在1%显著性水平下?
为了进一步研究上海市科技服务业与制造业发展的局部动态关系,本文利用脉冲响应函数(IRF)来说明模型内生变量对于误差出现所产生的反应[15],以捕捉某个干扰项的冲击因素对所有内生变量在一定时间段内(当前到未来)的影响效应。LNRD科技服务业发展指标与LNMAF制造业发展指标的脉冲响应分析结果如图3所示,图中横坐标代表滞后期数(波动持续的时间长度),纵坐标代表脉冲响应数值(单位冲击引起的波动大小),每个坐标轴内实线部分表示脉冲响应函数,实线两侧的虚线部分表示偏离正负两倍标准差的响应函数。图3LNMAF&LNRD的脉冲响应结果技服务业发展的格兰杰因。因此,上海市科技服务业的发展对相关制造业的发展具有一定的正向推动作用,但制造业的发展并没有明显的刺激科技服务业的发展,且上海市科技服务业与制造业之间的关联互动发展趋势尚未成熟。33.6脉冲响应分析为了进一步研究上海市科技服务业与制造业发展的局部动态关系,本文利用脉冲响应函数(IRF)来说明模型内生变量对于误差出现所产生的反应[15],以捕捉某个干扰项的冲击因素对所有内生变量在一定时间段内(当前到未来)的影响效应。LNRD科技服务业发展指标与LNMAF制造业发展指标的脉冲响应分析结果如图3所示,图中横坐标代表滞后期数(波动持续的时间长度),纵坐标代表脉冲响应数值(单位冲击引起的波动大小),每个坐标轴内实线部分表示脉冲响应函数,实线两侧的虚线部分表示偏离正负两倍标准差的响应函数。(a)LNRD受到自身冲击的响应函数分布(b)LNRD受到外部冲击LNMAF的响应函数分布(c)LMAF受到外部冲击LNRD响应函数分布(d)LMAF受到自身冲击的响应函数分布图33LNMAF&LNRD的的脉冲响应结果具体表现?
本文编号:2917551
【文章来源】:科技管理研究. 2020年17期 北大核心CSSCI
【文章页数】:7 页
【部分图文】:
LNMAF&LNRD的时间序列曲线
??⒌腣AR(2)进行模型稳定性检验。在一个VAR模型中,AR根的总数计为NM,N表示变量的数目,M表示模型的最优滞后期数,由此可得该VAR(2)模型的AR根数目为2(2个变量)×2(最优滞后期数)=4。本文通过AR根在单位圆的分布情况(图2)来判定模型的稳定性:AR根分布在单位圆内部表明该VAR模型是稳定的,AR根分布在单位圆外部则表明该VAR模型是不稳定的。根据图2可以得到最终模型稳定性检验的结果:该VAR(2)模型的4个根全部位于单位圆内部,模型稳定,满足后续对该模型进行脉冲响应分析与方差分解分析的前提。图2VAR模型稳定性检验结果3.3协整检验分析经过ADF单位根检验可以得出LNMAF与LNRD均为一阶单整序列,为了避免“伪回归”现象的发生,需要进一步对其进行协整检验分析。通过协整检验可以判断多个非平稳变量之间是否存在长期的均衡关系,学术界的主流方法为EG检验与JJ检验。EG检验主要是针对2个变量,通过对两个变量进行OLS回归并检验回归方程残差序列的平稳性;JJ检验则是根据迹检验统计量与最大特征根检验统计量的指标值,结合P值来分析多个变量之间的均衡关系。鉴于LNMAF与LNRD都是一阶单整序列,本文选取EG两步检验方法:第一步,以LNMAF为被解释变量,LNRD为解释变量,进行OLS回归分析得出协整方程表达式:LNMAF=0.847LNRD+6.024+μt第二步,对协整回归方程的残差序列进行ADF单位根检验来判定其序列的平稳性,根据SIC准则确定最优滞后期为0,检验结果如表3所示。表3协整方程残差μt的ADF检验结果增广的DF检验统计量T统计量P值-3.269090.03200临界值测试:1%水平下-2.74061-5%水平下-1.96843-10%水平下-1.60439-注:“-”表示无观测值。结果表明回归残差序列μt在1%显著性水平下?
为了进一步研究上海市科技服务业与制造业发展的局部动态关系,本文利用脉冲响应函数(IRF)来说明模型内生变量对于误差出现所产生的反应[15],以捕捉某个干扰项的冲击因素对所有内生变量在一定时间段内(当前到未来)的影响效应。LNRD科技服务业发展指标与LNMAF制造业发展指标的脉冲响应分析结果如图3所示,图中横坐标代表滞后期数(波动持续的时间长度),纵坐标代表脉冲响应数值(单位冲击引起的波动大小),每个坐标轴内实线部分表示脉冲响应函数,实线两侧的虚线部分表示偏离正负两倍标准差的响应函数。图3LNMAF&LNRD的脉冲响应结果技服务业发展的格兰杰因。因此,上海市科技服务业的发展对相关制造业的发展具有一定的正向推动作用,但制造业的发展并没有明显的刺激科技服务业的发展,且上海市科技服务业与制造业之间的关联互动发展趋势尚未成熟。33.6脉冲响应分析为了进一步研究上海市科技服务业与制造业发展的局部动态关系,本文利用脉冲响应函数(IRF)来说明模型内生变量对于误差出现所产生的反应[15],以捕捉某个干扰项的冲击因素对所有内生变量在一定时间段内(当前到未来)的影响效应。LNRD科技服务业发展指标与LNMAF制造业发展指标的脉冲响应分析结果如图3所示,图中横坐标代表滞后期数(波动持续的时间长度),纵坐标代表脉冲响应数值(单位冲击引起的波动大小),每个坐标轴内实线部分表示脉冲响应函数,实线两侧的虚线部分表示偏离正负两倍标准差的响应函数。(a)LNRD受到自身冲击的响应函数分布(b)LNRD受到外部冲击LNMAF的响应函数分布(c)LMAF受到外部冲击LNRD响应函数分布(d)LMAF受到自身冲击的响应函数分布图33LNMAF&LNRD的的脉冲响应结果具体表现?
本文编号:2917551
本文链接:https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/2917551.html