论文：京九铁路与江西经济增长的协整分析.doc

论文：京九铁路与江西经济增长的协整分析论文：京九铁路与江西经济增长的协整分析摘要：京九铁路的开通运营为江西经济的发展带来了新的契机和动力，本文通过对江西省经济总量指标与该省铁路运输部门各相关变量指标所做的协整分析，进一步证实：京九铁路与江西经济增长之间存在着长期稳定的作用机制。而且在短期内，协整关系、前一期的经济增长量和铁路客运量的变化都对铁路货运量的波动产生着显著的影响。关键词：京九铁路；江西；经济增长；协整分析一、引言铁路的技术经济特点和我国的基本国情，决定了在我国的交通综合运输体系中铁路运输占有重要的地位。北京至九龙的京九铁路，是我国铁路建设史上规模最大、投资最多、一次建成铁路最长的第四条南北铁路大干线。京九铁路位于京沪、京广两大干线之间，是国家“八五”期间的重点建设项目。京九铁路于1993年全面开工，1995年11月全线铺通，1996年边配套、边分流。提前4个月完成站前收尾、站后配套任务，于同年9月1日开通运营，办理客、货运输业务。它全长2381公里，加上天津至霸州、麻城至武汉两条联络线共长2536公里。京九铁路起自北京西客站，途经大兴、霸州、衡水、聊城、荷泽、商丘、阜阳、麻城、九江、南昌、吉安、赣州、河源、惠州、深圳到香港九龙，由北向南跨越京、津、冀、鲁、豫、皖、鄂、赣、粤、港等九省市区中23个地市区的139个县市区，土地面积22.6万平方公里，占全国土地总面积的2.4%。京九铁路开通运营10年来，极大地改善了沿线的交通区位，并通过沿线逐渐发达的交通网络，促进了沿线地区国民经济持续、快速、稳定的增长。其中，最典型的受益地区之一当属江西省。京九铁路全长的近13即718.87公里纵贯江西省境内，由北向南依次经过九江、南昌、宜春、吉安和赣州五个地级市，并与省内其他东西向干线形成交叉。而且，京九铁路开通后该省多条支线铁路也相继建设开通或改造升级。从江西进出福建的横峰-南平铁路和赣州-龙岩铁路分别于19的分析是有意义的。（三）单位根检验传统的计量经济学都是以假设序列的平稳为前提的，然而在实际问题的分析中，所涉及的变量往往是非平稳的。在统计学意义上，平稳序列是指均值为0或常数，协方差只与时间间隔有关的一个随机过程。当变量序列为平稳序列时，我们将它表示为I(0)序列。当变量序列为非平稳序列，但经过d阶差分后变为了平稳序列，我们就将它表示为I(d)序列。在实际的研究中，变量序列具有不同程度的相关性，而假定它们不相关是一个很强的条件，但通过弱化这一条件即校正残差的相关性能有效地提高检验的有效性，这便是ADF单位根检验即本文所采用的方法。通常，其检验方程为以下三个方程之一：(1)(2)(3)H0:=0,HA:0与方程(1)相比，方程(2)中增加了截距项，而方程(3)中增加了截距项和时间趋势项。以上方程中残差项的加入主要是为了校正相关性，滞后阶数的确定不仅要为该目的服务，而且也要尽可能减少信息的损失。在现实的分析中，关于滞后阶数的确定，本文采取了两种方法。一是渐进t检验，即对较大的滞后阶数p，用t检验确认p-1是否显著。二是基于最小信息准则(AIC)来确定滞后阶数，即选取较大的滞后阶数，计算出相应的AIC，然后减少滞后阶数直到AIC达到最小，并由此确定最终的滞后阶数p。关于选哪一个方程作为估计模型，本文采用观察变量序列数据图形变化趋势的方法。对于变量LGDP、LVPT、LVFT、LTPT和LTFT而言，它们的图形轨迹有较明显的时间趋势，所以我们设定其ADF检验为含截距，但含或不含时间趋势项。如图二所示。类似地，对于所有变量的二阶差分而言，其图形轨迹都属于随机行走，所以我们设定它们的ADF检验为含截距（或不含截距），但不含时间趋势项，如图三所示。最后，ADF检验的结果如表二所示。图二、变量的数据图图三、变量的二阶差分数据图表二、ADF单位根检验结果variablesADFteststatisticProb.*Testcriticalvalues:conclusion1%level5%level10%levelLGDP-6.46070.0000-2.7175-1.9644-1.6056I(2)LVPT-4.33820.0002-2.7081-1.9628-1.6061I(2)LVFT-2.56110.0150-2.7550-1.9710-1.6037I(2)LTPT-4.63930.0001-2.7081-1.9628-1.6061I(2)LTFT-4.63640.0001-2.7175-1.9644-1.6056I(2)经过ADF单位根检验发现，各变量均是非平稳序列，而且还是一阶非平稳序列。做进一步的检验，由表二中的结果可知各变量的检验值都小于其临界值。说明，各变量在5%的显著水平上都属于二阶单整I(2)序列，从而各变量之间具备了存在协整关系的前提条件。（四）Granger因果检验只有在变量序列的单整阶数相等的情况下，变量之间因果关系的确定才是准确和有效的。格兰杰因果检验的基本思路是用过去来预测现在。即如果X是Y变化的原因，那么在Y关于Y滞后变量的回归中，增加X的滞后变量作为独立的解释变量，应该可以显著增加回归的解释能力。此时，称X为Y的格兰杰原因。反之，X就不是Y的格兰杰原因。其主要的步骤如下：首先，利用OLS方法估计两个回归模型，(1)(2)并且计算出各自的残差平方和，记为RSS1和RSS2。其次，设定原假设H0:b1=b2=bs=0,也就是假设在模型(1)中加入x的滞后变量并不能显著增加该模型的解释能力。因而，构造统计量：其中，n为样本空间，k和s为参数个数。最后，利用F统计量检验原假设H0，对于给定的显著水平，若，则拒绝H0，即认为bs中至少有一个不等于0，说明x是引起Y变化的原因。反之，x就不是引起Y变化的原因。由于格兰杰因果检验对于滞后阶数的选择非常的敏感，不同的滞后阶数可能会导致不同甚至矛盾的结论，所以本文通过经验法对阶数进行了选择，即选取不同的滞后阶数，当结论出现基本一致时选取当中那个最小的阶数。基于本文以上的单位根检验结果，对各变量所做格兰杰因果检验结果如表三所示。表三、Granger因果检验结果observes:17lag:3NullHypothesis:F-StatisticProbabilityLGDPdoesnotGrangerCauseLVPT8.095820.00497LGDPdoesnotGrangerCauseLTPT6.906090.00844LGDPdoesnotGrangerCauseLTFT2.972130.08342LTPTdoesnotGrangerCauseLVPT9.591750.00274LVPTdoesnotGrangerCauseLTPT2.851650.09115LTFTdoesnotGrangerCauseLVPT11.01200.00165LTPTdoesnotGrangerCauseLVFT2.954490.08450LTFTdoesnotGrangerCauseLVFT3.112670.07537LTFTdoesnotGrangerCauseLTPT6.008200.01312在3阶滞后的情况下，各变量的Granger因果关系如上表所示。在1%的显著水平上，实际国内生产总值LGDP是导致客运量LVPT和旅客周转量LTPT的格兰杰原因。同时，旅客周转量LTPT和货物周转量LTFT是客运量LVPT的格兰杰原因。在5%的显著水平上，货物周转量LTFT是旅客周转量LTPT的格兰杰原因。在10%的显著