现代物流与经济增长的VAR模型分析报告.doc

n 当前文档修改密码：8362839研究领域：数理经济与计量经济学现代物流与经济增长的VAR模型分析高阔九江学院，邮编：332005，E-mail： ； 甘筱青教授，博士生导师，九江学院院长，中国中部经济发展研究中心副主任，研究方向：数量经济模型与方法、现代物流与供应链管理、管理科学与系统动力学； 李仁良副教授，博士，南昌大学经管学院物流研究所所长，中国物流学会理事、特约研究员，研究方向：现代物流与供应链管理。摘要：本文在建立VAR模型的基础上，运用脉冲响应函数和预测方差分解来刻画现代物流发展与经济增长关系的相关性。研究结果表明，我国的现代物流发展与经济增长之间存在着较强的正向相关性。因此，在当前条件下，加速推进现代物流发展是持续促进经济增长的重要路径选择。关键词：物流；VAR模型；脉冲响应函数；方差分解An Analysis of VAR model Between Modern logistics and Development of Economic in China Gao Kuo Gan Xiaoqing Li RenliangAbstract: Based on the foundation of VAR model，This paper applies impulse response function and variance decomposition to portray the correlations between Development of Economic and Modern logistics .The result shows that there exists a strong positive response between them .there for，in current conditions ,accelerating pace of Modern logistics is the fundamental approach choice to Promote the Development of Economic.Key words: Modern logistics; VAR model; Impulse Response Function; Variance Decomposition一、引言随着物流业的发展，人们对物流为“第三利润源泉”的看法已经基本形成共识，理论界普遍认为物流的发展能够促进经济的发展，即“现在物流是经济发展的加速器” ，吴邦国副总理指出， 物流业是中国“国民经济的重要产业和新的经济增长点”。世界银行2000年研究报告中国:服务业发展和中国经济竞争力的研究结果表明,在中国有4个服务性行业对于提高生产力和推动中国经济增长具有重要意义,它们是物流服务、商业服务、电子商务和电信服务业。其中,物流服务是比重最大的一类，随着世界经济的持续发展和科学技术的突飞猛进,现代物流作为现代经济的重要组成部分和工业化进程中最为经济合理的综合服务模式,正在全球范围内得以迅速发展。同时经济的发展也为物流业的发展提供了良好的经济运行条件和市场环境，不仅保障物流业的顺利进行，而且拉动了物流业的发展。围绕着现代物流与经济发展之间的关系，国内学者进行了有益的探索和研究。很多专家学者从定性的角度分析两者之间的关系，区域经济发展与物流（2002）一文中，北京交通大学张文杰教授运用经济学中的区域经济理论和交易理论分析论述了区域经济与物流间的相互关系，总结出：经济全球化、区域经济一体化、区域中的企业对利润和核心竞争力的追求、以及我国经济发展的现实促进了现在物流的发展；同时，现在物流的发展也改变着区域经济的增长方式、促进新的产业形态的形成、优化区域产业结构、促进以城市为中心的区域市场的形成和发展。物流在国民经济发展中的位置（2002）一文中，靳伟认为物流在国民经济发展中的关键环节，物流在新经济发展过程中起到极其重要的作用。经济发展与现代物流（2004）一文中，詹国华从美国“物流”的发展进程来说明我国物流发展与经济发展的关系，进而说明现代物流的发展必须建立在经济发展到一定水平的基础之上。同时也对我国进入21世纪后物流发展的趋势作了分析。物流产业与经济发展的关系分析（2005）一文中，黄海，徐涛等认为现代物流产业的建立是经济发展到一定阶段的必由之路，它对进一步提升国家经济增长意义重大。物流与经济的关系（2005）一文中，刘鹏飞，谢如鹤等认为物流与经济的关系相辅相成，物流发展的程度取决于社会经济发展的程度，物流的发展又会促进经济的快速发展。物流产业对经济发展的贡献及对其它产业的支撑（2006）一文中，刘湖分析了物流对经济发展的作用,探讨了物流产业在国民经济中的地位及对经济发展的贡献,分析了物流产业与国民经济其它产业部门之间的关联关系及对其它产业的支撑作用,指出了发展物流产业的重要性。关于现代物流与经济发展关系定量分析的探讨和研究也不少。中国物流业对经济增长作用的实例分析（2004）一文中，王俊应用计量经济学的方法，以国内生产总值为被解释变量，表示中国经济发展水平，以货物周转量作为解释变量表示物流业的发展水平，揭示了物流业与经济发展的相互关系，并对中国物流业今后的发展提出相应建议。物流能力对区域经济的贡献研究（2005）一文中，作者从另一方面-物流供给能力方面对江苏省物流能力对江苏GDP增长的贡献率进行了分析，得到江苏物流能力方面对江苏GDP增长的贡献率为36.77%。城市物流对经济的拉动作用研究以江苏南京为例（2004）一文中，谭清美和王子龙等认为城市物流概念应拓宽为:城市区域内生产要素(包括劳动力要素)和产品的流动以及城市与外界生产要素和产品的交换和流通活动。城市物流通量是指货流量与客流量的货流当量之和,它可以反映城市枢纽物流能力。城市经济物流弹性是指城市经济增长率与城市物流能力增长率之比。1978年以来,南京经济物流弹性一直呈上升趋势,预期2005年南京经济物流弹性将达到2、193水平，这说明:物流能力对经济增长有明显的拉动作用;城市物流供给明显小于物流需求;南京物流产业是经济发展的“瓶颈产业”为促使城市经济与城市物流进入良性互动状态,南京市须进一步加强物流系统建设和物流产业管理体制建设。现代物流与经济增长增长的关系研究（2004）一文中，刘南和李燕等从供给推动、需求拉动两个角度分析现代物流发展与经济增长之间的相互关系，并运用了格兰杰因果检验方法，以浙江为例对现代物流发展与经济增长之间的双向因果关系进行分析，发现现代物流发展与经济增长之间并非互为因果。区域物流业对地区经济增长的影响分析（2006）一文中，周君运用logistic模型来分析区域物流业与地区经济增长之间的定量关系，采取边际和弹性经济分析方法，量化了区域物流业发展所带来的地区经济的增长，不失为指导区域物流业发展、规划的一种实用方法。以天津市为案例的实证分析中，通过时间序列分析预测了未来几年区域经济和物流业发展的趋势，利用logistic模型分析出天津市物流业的单位增长所带来的地区经济的增长额度和变化规律，同时提出了发展物流产业的政策建议。本文将在以往相关研究的基础上，在建立VAR模型的基础上，运用脉冲响应函数和预测方差分解来刻画现代物流发展与经济增长关系的动态相关性。二、向量自回归模型Structural Approach 利用经济理论来描述变量之间的关系。然而，经济理论往往不能达到为变量之间动态关系提供严格的定义，加之内生变量可能同时出现在的方程的左右两边，使得估计和推论问题变得复杂化，为解决这些问题而产生了有关多变量建模的非结构方法。向量自回归模型就是非结构化的多方程模型。向量自回归模型（VAR：Vector Auto-regression）通常用语相关时间系列系统的预测和随机扰动对变量系统的动态影响。模型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内生变量滞后值函数的建模问题。向量自回归模型实际上是向量自回归移动平均（VARMA）模型的简化，后者因参数过多带来很多问题而少有应用。最一般的VAR模型数学表达式为：= （1）其中是m维内生变量向量，是d维外生变量向量，和是待估计的参数矩阵，内生变量和外生变量分别有p和r阶滞后期。是随机扰动项，其同时刻的元素可以彼此相关，但是不能与自身滞后期和模型右边的变量相关。模型（1）中内生变量有p阶滞后，所以可称其为一个VAR（p）模型。在实际应用中，通常希望滞后期p和r足够大，从而完整的反映所构造模型的动态特征。但另一方面，滞后期越长，模型中待估计的参数就越多，自由度就越少。因此，应在滞后期和自由度之间寻求一种均衡状态，一般根据AIC和SC信息量取值最小的准则确定模型的阶数。AIC=-2L/N+2K/NSC=-2L/N+KLogN/N这里，K=M（RD+PM）是估计参数个数，N是观测值数目，且L=- （2）三、变量与数据现代物流是市场经济和现代科学技术发展到一定阶段的产物，科学评价现代物流发展条件和潜力，对培育物流市场，改善现代物流发展环境，促进现代物流体系的改善，提升现代物流竞争力，推动经济发展都具有十分重要的意义。物流是一个随着人们认识的不断深化最后形成的一个概念，对于它的量化问题还未系统化，统计数据上找不到专门的描述指标，更不要说得到历史统计资料。物流是一个复杂的经济现象，目前还没有哪一个指标能够较全面地反映物流的发展变化情况。根据相关文献对现代物流衡量指标的研究，本文选用以下指标来描述现代物流的发展水平：1.物流发展成效指标： 根据我国国家统计局和国家标准局1994年制定的国民经济行业分类标准，与物流业紧密相关的行业应为第三产业中交通运输、仓储和邮电通信业中的货运和仓储部分；但目前尚不能将这些行业中的货运和仓储部分的产值从中剥离出来，所以只能用交通运输、仓储、邮电通信业的产值来近似代替宏观物流业的产值。所以本文采用交通、仓储及通信业产值这个指标作为衡量物流产值（TPT）的指标，来衡量物流发展的程度。 参见赵艳，张文杰，物流统计初探，统计研究2001.8，文中对物流指标的选取进行了评述。2.经济增长指标：根据定义，经济增长可以指在“量”中的集中体现与结果是商品供给总量的不断增加，即国民总产出的持续增加，这是经济增长的中心。如果考虑到“质”的提高上，经济增长就成了经济发展，不仅包括经济增长的速度、增长的平稳程度和结果，并且还特别包括一国或地区的人民的平均生活质量如教育水平、健康卫生标准等，以及整体经济结构、社会结构等的总体进步。本文对经济增长仅从“量”的角度对经济发展状况进行衡量，又考虑到数据的可得性和有效性，本文选取国内生产总值（GDP）作为衡量经济增长速度的指标。以上两个指标，凡是会受到价格的影响的指标，本文都将其价格因素予以剔除，将其全部转化为1978年不变价格。本文选取1978年至2004年的时间序列数据，如表1。表1 GDP和TPT数据表年份GDPTPT19783624.18.195361172.85.15213519794038.28.303554184.25.21602219804517.88.415780205.05.32301019814860.38.488855211.15.35233219825301.88.575802236.75.46679419835957.48.692389264.95.57935219847206.78.882766327.15.79026619858989.19.103768406.96.008567198610201.49.230280475.66.164577198711954.59.388863544.96.300602198814922.39.610612661.06.493754198916917.89.736122786.06.666957199018598.49.8308311147.57.045341199121662.59.9833381409.77.251132199226651.910.190621681.87.427620199334560.510.450472123.27.660680199446670.010.750862685.97.895771199557494.910.959453054.78.024437199666850.511.110213494.08.158802199773142.711.200173797.28.242019199876967.211.251134121.38.323924199980579.411.297004460.38.402971200088254.011.387975408.68.595746200195727.911.469275968.38.6942172002103935.311.551526420.38.7672202003116741.211.667716644.38.8015152004136584.311.824707694.28.948222资料来源：根据中国统计年鉴（2005）有关资料计算整理四、实证分析（一）序列单整检验运用EViews3.0软件，对表1中、 的单位根进行ADF检验，检验方程的选取根据相应的数据图形来确定，采用AIC，SC最小准则确定最佳滞后阶数，检验结果如表2。从表2中我们可以看出、以及他们一阶差分的ADF检验统计量均大于显着性水平1%，5%，10%时的临界值，所以不能拒绝原假设，序列、以及他们一阶差分都存在单位根，是不平稳的。但是、的二阶差分的ADF检验统计量均小于显着性水平1%，5%，10%时的临界值，所以拒绝原假设，因此序列、 二阶差分不存在单位根，是平稳的。综上所述，I(2), I(2).表2 、 单位根的ADF检验表变量检验类型（C，F，K）ADF检验值各显着性水平下的临界值检验结果1%5%10%（C，F，1）-3.004825-4.3738-3.6027-3.2367不平稳一阶差分（C，F，3）-2.945617-4.4415-3.6330-3.2535不平稳二阶差分（0，0，1）-4.145713-2.6700-1.9566-1.6235平稳（C，F，2）-1.544122-4.3942-3.6118-3.2418不平稳一阶差分（C，F，2）-2.434921-4.4167-3.6219-3.2474不平稳二阶差分（0，0，1）-4.488105-2.6700-1.9566-1.6235平稳注：C，F，K分别表示单位根检验方程包括常数项，时间趋势项和滞后阶数（二）向量自回归模型本部分内容采用和的数据来建立VAR（P）模型，并且利用脉冲响应函数和方差分解对其进行分析解释。通过AIC，SC最小准则确定最佳滞后阶数P为一阶到二阶，采用OLS法对模型进行估计，结果如下： (3) (7.3754) (-4.4257) (1.5912) (0.74711) (3.2143) AIC=-3.303674 SC=-3.059899 (4) (0.67173) (-0.43957) (5.81736) (-1.67131) (-0.24641) AIC=-2.230094 SC=-1.986319从方程（3）和（4）中，大家可以看出所估计出来的参数大部分在统计上是显着的，只有很少的个别不甚显着，这是因为一个方程有同样变量的多个滞后值产生了多重共线性，但从整体上看，这些系数是显着的。方程（3）中滞后期系数可以看出，的一阶滞后对其影响很大，正的影响关系，的二阶滞后对其影响是越来越弱,而且是负的影响。后两个参数的估计值均较大，而且均为正值，表明当前的与的滞后值有较大的正向相关联系。说明物流的发展对经济增长有着正向的促进作用。方程（4）各中，与自身的一阶和二阶滞后值都有着较大的联系，其中与一阶是正向的相关关系，二阶是负向相关关系。与的一阶滞后值有着强的正向相关关系，参数估计值为1.330。说明经济增长对物流的发展起着很重要的促进作用。（三）脉冲响应函数和方差分解1. 脉冲响应函数图1是基于VAR（2）和渐进解析法模拟的脉冲响应函数曲线横轴表示响应函数的追踪期数，纵轴表示被解释变量对解释变量的响应程度。图1.1为对一个标准差新息的响应路径，从图中可知，国民收入（）对其自身的一个标准差新息立刻有比较强烈的反映，而且是正向的影响，在第二和第三期之间达到最大，增加了大约0.025，在随后的时间里这种正向的反映基本稳定，保持在0.06左右，而且持续时间比较长。物流产值（）一个标准差新息对其影响是正向的而且持续增长的，特别是在第二期以后这种正向的影响能力变的更强，一直持续到第六期达到最大，在第六到第十期期间影响有所下降，但是影响依然很强烈，在随后的时期里这种正向的影响一直维持在一个较高的水平。1.1.Lngdp对一个标准差新息响应 1.2.Lntpt对一个标准差新息响应图1 脉冲响应函数曲线图1.2为物流产值（）对一个标准差新息的响应路径，从图中可知，物流产值（）对其自身的一个标准差新息立刻有比较强烈的反映，而且是正向的影响，在第二和第三期之前这一段时期中，增加速度最快，在第三期时候已经达到一个较大值，在第三和第八期之间增加速度有所减缓，但是仍然很大，在第八期时候达到最大。第八期之后开始缓慢回落，但是影响依然很强烈。国民收入（）一个标准差新息从第二期开始比较明显，使得物流产值（）迅速增加。在第六期左右达到最大，在第六期之后开始缓慢回落，但是这种正向的影响一直维持在一个较高的水平。2.方差分解表3中，第一列表示预测期，S.E.中数据为变量.的各期预测标准误差，后两列均为百分数，分别代表以.为因变量的方程新息对各期预测误差的贡献度，每行相加的和为100。由表3我们可以得到，国民收入（）对其自身的一个标准差新息立刻有比较强烈的反映（100.00），而对于物流产值（）第一期标准差新息没有反映（0.000），在第二期到第六期之间对国民收入（）的影响持续快速增大，也是在第六期，来自于第一个方程新息的影响和来自与第二个方程新息的影响地位发生了转变，在此之后，来自与第二个方程新息的影响占国民收入（）预测误差的将近60%，因此该变量-物流产值（）最重要。从表中可以看出从第六期开始变量方差分解结果基本稳定。由表3我们可以得到，物流产值（）在第一期，不仅对其自身的一个标准差新息立刻有比较强烈的反映（71.407），对来自于国民收入（）一个标准差新息也有着反映（28.593）。从第四期开始，变量方差分解结果基本稳定，来自与第二个方程新息的影响占物流产值（）预测误差的60%左右，因此该变量-物流产值（）相对比较重要。表3 方差分解结果PVariance Decomposition of LNGDP:Variance Decomposition of LNTPT:PeriodS.E.LNGDPLNTPTS.E.LNGDPLNTPT 10.037977100.00000.0000000.06496028.5927171.40729 20.06985497.207242.7927550.11164333.0696966.93031 30.10257785.6326614.367340.14987836.9157863.08422 40.13882169.9584730.041530.18244039.5975760.40243 50.17608557.4833842.516620.21158241.0025858.99742 60.20999249.8739750.126030.23850641.3863258.61368 70.23823745.9099054.090100.26355641.1730958.82691 80.26103844.1346555.865350.28661940.7533259.24668 90.27984043.4834556.516550.30753740.3706659.62934 100.29613843.2852756.714730.32634240.1173459.88266 110.31098543.1731656.826840.34326639.9876660.01234 120.32494142.9969257.003080.35863539.9362560.06375 130.33819142.7429257.257080.37276239.9168160.08319 140.35070442.4592857.540720.38588439.8994560.10055 150.36240442.1981757.801830.39815739.8727060.12730Ordering: LNGDP LNTPT注：表示国民收入，表示物流产值方差分解结果图2反映的情况和表2一致。从图2方差分解图和表2的方差分解结果中，可以得到和脉冲响应函数分析基本上一致的结果。由上述内容，可知冲响应函数和方差分解对VAR（2）模型中的关系做出了合理的解释。2.1.变量方差分解结果 2.2.变量方差分解结果图2 方差分解结果五、结论由向量自回归模型和脉冲响应函数分析结果表明,一方面物流发展对经济增长有着重要的贡献；另一方面，经济增长对物流发展也起到重要的推进作用