河南省产业结构与经济增长的实证分析

1、洛阳师范学院本科毕业论文LUOYANG NORMAL UNIVERSITY 2013届本科毕业论文河南省产业结构与经济增长的实证分析院（系）名称数学科学学院专 业 名 称统计学学生姓名卢 霞学号090444044指导教师杜智慧 讲师 完 成 时 间2013.524洛阳师范学院本科毕业论文河南省产业结构与经济增长的实证分析卢 霞数学科学学院 统计学专业 学号：090444044指导教师：杜智慧摘 要：本文在向量自回归（VAR）模型基础上，对河南省产业结构与经济增长之间的关系进行了分析.研究结果表明，河南省产业结构变动和实际经济增长之间存在着长期稳定的均衡关系；就业结构和产值结构对河南省经济增长有

2、着重要的影响，但需要一段时间才能表现出来.关键词：产业结构；经济增长；VAR 模型1 引言产业结构是指生产要素在各产业部门之间的比例构成和它们之间相互依存、相互制约的联系，即产业间的技术经济联系与联系方式.不同的产业结构具有不同的整体效益，从而导致经济以不同的速度增长，而不同速度的经济增长又对产业结构产生不同的需求.产业结构与经济增长是分不开的，它们是相互促进，共同发展的有机整体.因此，有必要从产业结构的角度去研究和分析经济增长. 河南省是我国的经济大省和人口大省，也是中部崛起的重要力量，在经济保持较快增长的同时，河南省的产业结构也得到不断调整和优化.但产业结构与河南经济增长之间是否存在长期均

3、衡关系？产业结构与经济增长之间的动态关系怎样？为此，作者充分利用经济计量VAR模型的动态特征，系统运用VAR模型的Johansen协整分析、脉冲响应分析和方差分解，对河南省经济增长和产业结构进行动态分析，以期为研究制定产业结构政策提供理论依据.2 问题的分析2.1变量的选择1）衡量产业结构的变量指标产业结构是国民经济各个产业之间的组织和构成情况以及它们所占的比重和相互关系，代表产业结构的变量通常有第一、二、三产业的产值结构、劳动就业结构、资产结构和技术结构.这些变量从不同角度说明了产业结构状况.因此，为全面反映产业结构与经济增长的关系，引入国内学者常用的产值结构和就业结构作为产业结构的代表变量

4、.一是Clack所定义的产业结构调整系数S1，即各产业的就业人员数占社会就业总人数的比重；二是国内学者在分析我国产业结构调整问题中经常使用的结构调整系数S2，即各产业产值占国内生产总值的比重.在计算时以第二产业的比重结构为例.2）衡量经济增长的指标国内生产总值是指在一定时期内，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，是衡量一个国家或地区经济状况和发展水平的重要指标.故本文采用实际GDP 作为经济增长的基本指标.2.2数据的处理及符号说明本文主要研究河南省的产业结构变动与经济增长的关系，因此研究的主要对象是1978-2011年共34年的河南省有关经济数据.文中采用的基础数据有：

5、河南省各年国内生产总值及国内生产总值指数（1978年为基期）；第一二三产业各年产出量；第一二三产业各年年末从业人员数；全社会各年年末从业人员数.基础数据及指标结构图示如下：S111.产业结构指标2.经济增长指标：产业结构调整系数S1结构调整系数S2实际GDP=基年名义GDP*当年GDP指数/基年GDP指数S13S12S21S22S23图1 基础数据及指标结构示意图符号说明：(1) ：实际GDP，即实际GDP等于基年名义GDP乘以当年GDP指数再除以基年GDP指数；(2)S11：第一产业从业人员与全社会从业人员之比；(3)S12：第二产业从业人员与全社会从业人员之比；(4)S13：第三产业从业人

6、员与全社会从业人员之比；(5)S21：第一产业实际总产值与实际总产值之比；(6)S22：第二产业实际总产值与实际总产值之比；(7)S23：第三产业实际总产值与实际总产值之比；为了消除异方差的影响，对经过处理的数据取自然对数，分别表示为LY，LS11，LS12，LS13，LS21，LS22，LS23.2.3河南省产业结构演变情况首先，利用Excel画出产业结构调整系数S1( 一、二、三产业就业人数占总就业的比重) 表示的产业结构变化趋势图，如图2所示：图2 1978-2011年河南省三次产业就业比重变化趋势图从图2可以看出: 河南省内的劳动力在第一产业中的比重呈逐年下降趋势，且下降幅度比较明显，

7、由1978年的80%下降到2011年的40%左右；在第二产业中处于稳步变化，在第三产业中呈逐年上升趋势.改革以来，河南省省第一产业发展滞后，第二产业发展稳定，第三产业发展较为充分.然后，建立用产业结构调整系数S2( 一、二、三产业产值占GDP的比重) 表示的变化趋势图，如图3：图3 1978-2011年三次产业产值比重变化趋势图由图3可知:第一产业产值占生产总值的比重处于不断下降趋势，由1978的40%下降到18%左右，第二产业发展相对稳定，仍然是河南省经济发展的支柱产业，第三产业呈现不断上升趋势，但其增长幅度不及第二产业.由此可知潜力较大的第三产业仍有待提高，说明河南省的产业结构依旧存在着不

8、协调和不合理的问题，且其产业结构有待进一步优化，才能促进经济的更快更好增长.3 问题的解决为比较清晰地研究和分析河南省产业结构与经济增长之间的动态关系，本文建立了VAR模型.并对各变量进行了单位根检验，协整检验及通过模型的调整给出相应的结论.3.1研究的理论模型及框架VAR模型是20世纪80年代初出现的一种新型计量经济学建模技术，向量自回归模型可以用来预测相关联的经济时间序列系统，并分析随机扰动对变量系统的动态冲击，进一步解释经济冲击对经济变量所产生的影响.由于在许多现有研究中大都选取第一产业的就业结构和产值结构为例进行研究和分析，所以在具体计算时，特别选取第二产业的比重结构为例子进行河南省产

9、业结构与经济增长关系的研究和分析.本文共选取了3个内生变量，即为：实际GDP（LY），LS12，LS22进行实际操作及运算.不考虑外生变量影响的VAR模型的一般形式为： （1）其中，是要被估计的系数矩阵；是自回归滞后阶数，是白噪声序列向量.若VAR模型中的非平稳变量存在协整关系，我们就可以在上述VAR 模型基础上经过协整变换建立向量误差修正模型（VEC）表示： （2） 其中，VEC模型中的参数向量，反映的是变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度，故称其为调整参数阵，或修正参数阵.所有作为解释变量的差分项的系数向量，反映的是各变量的短期波动对作为被解释变量的短期变化的

10、影响.在实际应用中，对于影响不显著的那些短期波动的项可以从模型中剔除.实证检验包括4个步骤：（1）确定时间序列的平稳性，检验之间是否具有协整关系，即变量之间是否具有长期均衡关系；（2）建立VAR 模型；（3）如果变量之间具有协整关系，在VAR 模型的基础上给出向量的误差修正模型，检验是否具有误差修正机制；（4）利用脉冲响应函数和方差分解来研究各变量的动态特征.3.2时间序列的检验3.2.1时间序列的平稳检验考虑到现实生活中，大多数经济数据表现出时间序列的非平稳性，如果直接进行估计容易导致伪回归，需要把其变为平稳序列再进行分析.其常用方法是单位根检验，而扩展的单位根检验法( Augmented

11、Dickey-Fuller test) 是检验时间序列是否平稳最常用的方法.从上述河南省产业结构演变情况及各产业的就业结构趋势图和产值结构趋势图可看出，文中各变量数据具有明显的趋势性，换句话说就是，现所研究的时间序列可能是非平稳的.但这仅是从图形上给出的直观判断，缺乏一定得说服性，为增强文章的科学性，在此本文运用Eviews6.0经济计量学软件对各变量分别进行ADF检验.1)ADF检验的原理 对于VAR(p)过程，如果其特征方程的所有特征根都在单位圆内，则该时间序列平稳，如果有一个特征根存在且为1，则序列非平稳，且自回归系数之和恰好等于1.因此，对于VAR(p)过程我们可以通过检验自回归系数之

12、和是否等于1来检验序列的平稳性.作如下假设检验：ADF检验的原假设；备择假设.ADF检验式如下： (3) (4)2)ADF检验的过程和结果首先，由上述分析可知，三组时间序列数据均有一定的线性趋势，可能为非平稳序列，在此利用Eviews6.0软件分别对这三个变量进行ADF检验（ADF检验实现步骤：Quick-Series Statistics-Unit Root Test-Augmented Dickey Fuller），并给出检验的结果，经整理如表3-1：表3-1 ADF单根检验结果变量ADF检验值检验类型临界值/1%临界值/5%结论LY-0.1602（t，c，6）-4.3393-3.5875

13、不平稳LS12-2.7910（t，c，1）-4.2733-3.5578不平稳LS22-3.7794（t，c，2）-4.2846-3.5629不平稳DLY-5.9223（t，c，5）-4.3393-3.5875平稳DLS12-2.8895（n，n，0）-2.6392-1.9517平稳DLS22-4.9963（t，c，0）-4.2733-3.5578平稳（注:括号内表示单位根检验类型，c表示截距，t表示时间趋势，n表示没有趋势和截距，数字表示滞后阶数.滞后阶数的选择是根据SIC准则，所选的滞后阶数使得SIC值最小.） 根据ADF单位根检验原理可知，当ADF检验值大于临界值时，接收原假设，认为该时间

14、序列是非平稳的；否则，拒绝原假设，即认为该时间序列是平稳的.ADF单根检验结果显示：所有变量原序列的统计量ADF绝对值均低于5%临界水平，这说明原序列在5%的显著性水平上都接受零假设H0，因此，所有的原序列都是不平稳的.3个原时间序列在经过一差分后，分别表示为 DLY，DLS12，DLS22，它们的ADF统计量在5%水平下都是显著的，即ADF的值小于显著水平为5%的临界值，这说明原序列在5%的显著性水平均拒绝零假设H0，从而接受备择假设，认为序列DLY，DLS12，DLS22是平稳的，也就是说原序列LY，LS12，LS22的一阶差分序列都是平稳的.根据单整的定义：若过程不是平稳的，而它的阶差分

15、却是平稳过程，则称其为阶单整的，记为，所以原序列LY，LS12，LS22是一阶单整的.为更清晰的看出原序列的一阶差分具有平稳的性质，在此特别给出三组原序列的一阶差分时序图（图4，图5，图6）. 图4 实际GDP的一阶差分时序图 图5 就业结构的一阶差分时序图图6 产值结构的一阶差分时序图从以上三幅图中可以看出三组数据均围在零值附近上下浮动，不存在明显的趋势性或季节性，从而可以判定原序列的一阶差分是平稳的，这和ADF单位根检验的结果是一致的.因此可以得出结论：原序列LY，LS12，LS22是非平稳的，但是它们的一阶差分序列都是平稳的.3.2.2各序列间的协整关系检验 上述对各时间序列变量的ADF

16、检验结果表明，河南省经济增长时间序列与三次产业产值和就业结构的时间序列都是一阶单整时间序列，符合进一步进行协整检验的条件，为了了解它们之间是否存在长期稳定的关系，故对这三个时间序列变量进行协整检验.1)协整检验原理协整检验是指如果两个(或两个以上)的时间序列变量是非平稳的，但它们的某种线性组合却表现出平稳性，则这些变量之间存在长期稳定的关系，这种关系就叫协整关系.协整关系的检验主要有两种方法:一种是Engle和Granger(1987)提出的两阶段回归分析法，另一种是Johansen(1988)和Juselius(1990)提出的一种以VAR模型为基础的检验回归系数的方法即Johansen协整

17、检验方法.两种方法的主要区别在于前者采用的是一元方程技术，而Johansen协整检验法采用的是多元方程技术，即Johansen协整检验法在假设和应用上所受的限制较少，因此本文选用Johansen协整检验法.而Johansen协整检验法包括两种检验：特征根迹检验和最大特征值检验.在这里分别给出它们的假设检验理论：特征根迹检验；检验统计量为，其中是特征根迹统计量.当临界值时，接受，没有协整向量；当临界值时，接受，至少有一个协整向量；当临界值时，接受，只有一个协整向量；当临界值时，拒绝，至少有两个协整向量；当临界值时，接受，只有个协整向量.最大特征值检验 ；检验统计量为e 其中，是最大特征根统计量.

18、当临界值时，接受，没有协整向量；当临界值时，拒绝，至少有一个协整向量；当临界值时，接受，只有一个协整向量；当临界值时，拒绝，至少有两个协整向量；当临界值时，接受，只有r个协整向量.2)模型最优滞后阶数的确定在利用Johansen检验方法进行协整性检验前，应先确定VAR模型的最优滞后阶数，可用赤池信息准则和施瓦茨准则确p（模型阶数）值.确定p值的方法与原则是在增加p值的过程中，使AIC和SC值同时最小.具体做法是：对年度、季度数据，一般比较到P=4，即分别建立VAR(1)、VAR(2)、VAR(3)、VAR(4)模型，比较AIC、SC，使它们同时取最小值的p值即为所求.当AIC与SC的最小值对应

19、不同的p值时，只能用LR（最大似然比）检验法.文章中所使用的数据均为年度数据，但考虑到样本数据较少的情况下，在此选取P=5，利用Eviews6.0软件（实现步骤Quick-Estimate VAR-view-lag structure-lag length criterian）给出模型最优滞后阶数比较结果如表3-2所示：表3-2 VAR模型最优滞后阶数比较LagLogLLRFPEAICSCHQ0150.4888NA5.34e-09-10.53492-10.39218-10.491281163.832122.874113.94e-09-10.84515-10.27420-10.670602189

20、.834439.003521.20e-09-12.05960-11.06045-11.754153201.717915.278821.04e-09-12.26557-10.83821-11.829214221.991321.72144*5.32e-10*-13.07081*-11.21524*-12.50354*5227.91325.0759198.42e-10-12.85094-10.56716-12.15277（注：*所对应的阶数为合适的模型阶数）由上表可知，使AIC值达到最小时的阶数为4，即当P=4时AIC值最小为-13.07081，而使 SC值达到最小时的阶数也为4，且当P=4时SC值

21、最小为-11.21524，显然AIC与SC能在P=4时同时达到最小值，故确定模型的最优阶数为4.3)协整检验过程在确定模型的最优阶数的基础上进行时间序列变量间协整关系的检验，又由于在检验参数选择上，应确定为VAR模型的滞后阶数减1，故选取滞后阶数为3时的Johansen检验（实现步骤：Quick-Group Statistics-Cointegration Test-滞后参数填“3”），结果列于表3-3，表3-4，如下所示 ：表3-3 特征迹检验结果Unrestricted Cointegration Rank Test (Trace)HypothesizedTrace0.05No. of C

22、E(s)EigenvalueStatisticCritical ValueProb.*None *0.62922044.9098529.797070.0005At most 1 *0.34503616.1376115.494710.0400At most 2 *0.1247923.8655303.8414660.0493表3-4 最大特征值检验HypothesizedMax-Eigen0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.*None * 0.629220 28.77224 21.13162

23、60;0.0035At most 1 0.345036 12.27208 14.26460 0.1008At most 2 * 0.124792 3.865530 3.841466 0.0493表3显示:在5%显著性水平下，特征根迹统计量>临界值，且临界值从而可以判定原序列LY，LS12，LS22之间至少存在一个协整系.所以得出结论：在研究的时间序列数据中有3个变量之间存在一种长期均衡关系.由表4可以看出，在5%显著性水平下，最大特征根统计量临界值，由此可判定原序列LY，LS12，LS22之间存在一个协整方程

24、，即在研究的时间序列数据中有3个变量之间存在一种长期均衡关系.由此可以看出特征迹检验和最大根检验的结果是一致的.并且系统迟早能够将新息变化带来的冲击加以吸收，使系统维持在一个均衡的状态下运行.其量化关系式如下，即河南省经济增长与产业结构变动的长期均衡方程: (5)从该协整方程式可以看出，在1978-2011年间，河南省第二产业的结构变动与经济增长的变动方向是相同的.当第二产业的就业结构每变动1%，经济增长将正方向变动1.257%，也可以理解为，当第二产业的就业人员在总就业人员中的比重增长1%时，国内生产总值将会增长1.257%，这可能是由于技术进步或就业人员素质提高的结果；而第二产业的产值结构

25、每变动1%，经济增长将在相同方向变动1.365%，从另一个角度考虑就是第二产业的产值对国民生产总值的影响是比较大的.由此可推出，第二、三产业是河南省经济增长的主要动力，在产业结构不断调整和优化的过程中，应加快第二、三产业的发展，提高第二、三产业在国内生产总值中的比重.3.3 VAR 模型建立及其检验1)模型的建立根据上面的分析，VAR模型的最优滞后阶数为4，在滞后4阶情况下，建立VAR模型，其实现步骤为：Quick - Estimate VAR - unrestricted VAR - (DLY DLS12 DLS22 ) - (1 4) - OK.结果整理后给出VAR(4)模型方程式，如下所

26、示（具体结果见附录1） 其中，3个方程的拟合优度（可决系数）分别为：0.605，0.752，0.534，仅从拟合优度上来看，这3个回归函数的拟合程度不是很理想，但模型整体的检验结果AIC=-10.68786，SC=-8.849087都较小，说明模型是好的，可以利用这个模型进行下一步的分析.2)模型的检验对VAR（4）模型残差进行JB正态性检验、LM自相关检验和White异方差检验（实现步骤：Quick - Estimate VAR view Residual Test ，结果见附录2），检验结果显示VAR（4）模型残差服从正态分布、不存在自相关、不存在异方差.并且模型的特征根根模倒数没有一个是

27、大于1的，换言之，模型的特征根都在单位圆内，给出模型的特征根检验结果如下表3-5和图7所示：表3-5 模型特征根根模倒数表     RootModulus 0.751106 - 0.558400i 0.935933 0.751106 + 0.558400i 0.935933 0.116372 - 0.863776i 0.871580 0.116372 + 0.863776i 0.871580-0.761243 0.761243-0.604312 - 0.4

28、51469i 0.754332-0.604312 + 0.451469i 0.754332 0.628912 - 0.217719i 0.665532 0.628912 + 0.217719i 0.665532-0.194419 - 0.505810i 0.541888-0.194419 + 0.505810i 0.541888 0.222798 0.222798 No root lies outside the unit circle. VAR satisfies the

29、stability condition.图7 特征根倒数在单位圆内的分布图表5和图7显示该VAR（4）模型总共有12个特征根，这12个特征根根模的倒数都是小于1的，从而可以得出该模型的结构是稳定的，即上述所建立的VAR（4）模型是平稳的，并且该模型具有良好的统计性质，可以在此模型基础上进行下文的脉冲分析和方差分解.3.4向量误差修正模型（VEC）误差修正模型把表示偏离长期均衡关系的项作为解释变量放进模型中，描述了对均衡偏离的一种长期调节.在误差修正模型中，长期调节和短期调节同时被考虑进去，建立在协整理论基础上的VEC模型既能反映不同经济序列间长期信息，又能反映短期偏离长期均衡的修正机制，是长短

30、期结合具有高度稳定性和可靠性的一种经验模型，可以认为VEC模型是含有协整约束的VAR模型，应用于具有协整关系的非平稳时序建模.1）向量误差修正模型的建立若VAR模型中的非平稳变量是协整的，则可在VAR模型的基础上建立VEC模型.由于VEC模型仅适用于协整序列，所以应先运行Johansen协整检验，由上文可知原序列LY，LS12，LS22之间存在一个协整关系，且VEC模型的滞后期与协整检验一样，都是指差分变量的滞后期，因此建立VEC（3）模型.运用软件建立VEC模型（Eviews6.0命令实现步骤：Quick Estimate VAR - Vector Error Correction）并给出向

31、量误差修正模型的估计如表3-6所示：表3-6 VEC模型的参数估计值CointEq1-0.168993-0.512205-0.190641D(DLY(-1)-0.074001 0.982483 0.178163D(DLY(-2)-0.014612 1.518186-0.018696D(DLY(-3) 0.218883 0.447172-0.610213D(DLS12(-1)-0.212495-0.002301 0.671688D(DLS12(-2) 0.107734 0.159711 0.072318D(

32、DLS12(-3) 0.295788 0.440379 0.384326D(DLS22(-1) 0.660426 0.579750-0.454321D(DLS22(-2) 0.158800 0.096031-0.189000D(DLS22(-3) 0.106980-0.015060-0.275076C-0.000503-0.001328-0.000676 R-squared 0.749408 0.767823 0.701890 Adj. R-squared 

33、;0.610190 0.638835 0.536273 Sum sq. resids 0.017812 0.028869 0.035756 S.E. equation 0.031457 0.040048 0.044570 F-statistic 5.382979 5.952696 4.238033 Log likelihood 66.08079 59.07877 55.97654 Akaike AIC-3.

34、798675-3.315777-3.101831 Schwarz SC-3.280046-2.797147-2.583201 Mean dependent 0.002434 0.001666-0.000620 S.D. dependent 0.050384 0.066639 0.065450 Determinant resid covariance (dof adj.) 2.27E-09 Determinant resid covariance 5.43E-10 L

35、og likelihood 185.9052 Akaike information criterion-10.33829 Schwarz criterion-8.640959（表6中CointEq1对应数值是误差修正项的系数估计值.输出窗口的最后两部分分别是对单个方程及VEC整体的检验结果.）表6中，上表的后3列分别是3个方程的检验结果；下表是VEC整体的检验结果，通常人们更关心模型整体的检验结果.其中AIC=-10.33829，SC=-8.640959，都较小，说明模型是合理的.从表6中还可以看出，3 个误差修正项分别为-0.168993，-0.512205，-

36、0.190641，显然这3个误差修正项都是负的，符合反向修正的机制，反映了变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度.就业结构的调整力度最大，经济增长和产值结构的调整力度较小，说明经济增长和产值结构的变化主要以短期波动为主.3.5脉冲分析和方差分解3.5.1 脉冲响应分析 脉冲响应函数描述的是一个内生变量对残差（称为Innovation）冲击的反应.具体而言，它描述的是在随机误差项上施加一个标准差大小的冲击（来自系统内部或外部）后对内生变量的当期值和未来值所产生的动态影响.这种分析方法称为脉冲响应分析. 对有3个内生变量的VAR模型每个内生变量都对应着3个脉冲响应函数，

37、故一个含3个内生变量的VAR将有9个脉冲响应函数.文中利用统计性质良好的VAR（4）模型，分别给DLY，DLS12，DLS22 一个Cholesky 标准差冲击(实现步骤：Quick - Estimate VAR - Impulse)，我们可以得到各变量的综合脉冲响应图（见图8，9，10）：图8 DLY对冲击的响应函数图 图9 DLS12对冲击的响应函数图图10 DLS22对冲击的响应函数图图8，图9，图10分别表示经济增长、就业结构和产值结构对各个变量冲击的脉冲响应函数图.本文主要研究的是河南省经济增长与产业结构的关系，所以此主要分析的是经济增长对就业结构和产值结构冲击的反应以及就业结构和产

38、值结构对经济增长冲击的反应.由图8可知，经济增长（GDP）对就业结构的冲击在第1、第2年几乎没有反应，从第3年第二产业就业人员的比重开始增长，说明GDP的增长对就业结构的变化具有滞后效应.GDP对产值结构的冲击反应也滞后2年，和前者一样，经济增长对产值结构的冲击是正的影响，第4年达到最大，然后逐步稳定，说明经济增长对产值结构的调整有比较明显的影响，但是这种影响需要一定时间才能表现出来.从图9可以看出就业结构（LS12）的变化对GDP的影响是正的，在第3年达到最大，然后趋于稳定.这和就业结构的演变规律基本是一致的，随着经济的增长，人们从事第一产业的比重越来越低，而从事第二产业和第三产业的比重有一

39、定得增加.图10告诉我们产值结构（LS22）的变化对经济增长（GDP）的影响是负的，在第8年达到最低，然后趋于上升，但总体影响还是负的.以上的分析充分说明，河南的经济增长促进了第一产业的劳动力向第二和第三产业转移，经济增长有助于产业结构的调整，而就业结构和产业结构的变化对经济增长也存在一定程度的影响，大约有一个2年的滞后期.3.5.2 方差分解方差分解是进一步评价各内生变量对预测方差的贡献度，是分析预测残差的标准差由不同新息的冲击影响的比例，亦即对应内生变量对标准差的贡献比例，以评价不同结构冲击的重要性.方差分解结果见表3-7（方差分解的实现步骤：Quick Estimate VAR Vari

40、ance decomposition）：表3-7 DLY DLS12 DLS22的预测方差分解预测期DLY的方差分解DLS12的方差分解DLS22的方差分解DLYDLS12DLS22DLYDLS12DLS22DLYDLS12DLS22 1 100.00 0.00 0.00 20.07 79.93 0.00 13.03 5.46 81.51 2 64.54 3.65 31.81 37.08 62.57 0.349 13

41、.11 18.68 68.20 3 62.47 6.90 30.63 56.01 41.32 2.67 14.22 20.07 65.71 4 62.37 7.62 30.00 56.91 40.43 2.66 13.80 20.70 65.49 5 61.66 7.82 30.52 52.45 35.51 

42、12.04 17.89 19.87 62.23 6 58.89 10.57 30.55 50.80 36.30 12.90 17.41 20.87 61.71 7 61.49 10.04 28.48 50.37 37.51 12.12 18.21 21.71 60.07 8 62.39 9.77 27.84 50.48

43、 37.47 12.05 18.48 21.79 59.72 9 62.36 9.83 27.82 50.37 37.53 12.09 18.70 22.02 59.27 10 62.31 9.73 27.95 50.56 37.56 11.88 20.83 21.69 57.48 11 62.29 9.81 

44、;27.91 52.23 36.19 11.58 22.17 21.23 56.58 12 61.91 10.40 27.68 52.74 35.67 11.59 22.28 21.42 56.29 13 61.77 10.63 27.60 52.70 35.73 11.57 22.24 21.42 56.33 14 

45、61.81 10.63 27.56 52.56 35.60 11.84 22.18 21.41 56.40 15 61.70 10.81 27.49 52.38 35.63 11.99 22.34 21.76 55.89 由表3-7及上面3幅图可以看出，国内生产总值（GDP）、就业结构和产值结构的冲击对GDP均有较大影响，其中GDP和就业结构对经济增长的冲击比产业结构对经济增长的冲击要大一些.从GDP的预测方差分解表

46、及所对应的图中可以了解到， GDP对经济增长的冲击是递减的，在第15年达到了61.7%；而GDP对就业结构冲击是逐渐递增，在第15年别达到了10.8%，不过其对产值结构的冲击是递减的，还可看出产值结构对经济增长的影响要大于就业结构的影响，这就指引我们要加快调整产业结构，在提高第三产业比重的同时，注重第二产业的优质发展.对产值结构的影响，无论是短期还是长期都主要由产值结构自身的冲击造成，经济增长和就业结构的对产值结构的冲击逐年递增.对就业结构的影响，就业结构自身的冲击在短期和长期均很大，产值结构的冲击随时间的加长而加大，而GDP的冲击影响比较稳定.这些结果与图8，9，10具有一致性.4 结论本文

47、利用河南省1978-2011年的相关经济数据，采用了动态计量经济分析方法，对河南省的产业结构与经济增长之间的关系进行了实证研究.通过分析研究的出以下结论：河南省产业结构变动和实际经济增长之间存在着长期稳定的协整关系；虽然河南省经济增长与产业结构变动都不具有平稳性，但从长期来看，市场存在着某种经济机制使产业结构与经济增长之间具有共同的随机变动趋势；河南省的产业结构变动对经济增长有重要的影响，且经济增长对产值结构的调整有比较明显的影响，但是这些影响需要一定时间才能表现出来.因此，通过调整和优化产业结构从而控制经济增长的产业政策在河南省具有积极效应.参考文献：1徐国祥.统计预测和决策第三版M. 上海

48、财经大学出版社：140-146.2刘芳，张慧，刘斌.基于VAR 模型的河南省产业结构与经济增长的实证分析J. 河南科学，2008，26(6):743-746.3薛双喜.陕西省产业结构与经济增长关系的实证研究J. 西安邮电学院学报，2010,15(5):121-123.4河南省统计局，2012年河南省统计年鉴.5柯军，产业结构升级与经济增长的关系J.统计观察，安徽财经大学.6任木荣，刘波，产业结构优化与经济增长的关系基于湖南的实证研究J.湖南农业大学学报（社会科学版），2008,9（3）：49-52.7 百度文库: 第十一章_向量自回归(VAR)模型和向量误差修正(VEC)模型_理论及EVIEW

49、S操作. The Empirical Analysis of Industrial Structure and Economic Growth， About Henan ProvinceLU XiaCollege of Mathematics Science, Statistics, No: 090444044Tutor: DU Zhi-huiAbstract: In this paper, there is an analysis between Industrial structure and economic growth relationship of Henan province,

50、on the basis of the vector autoregressive (VAR) model. The results show that there is a long-term stable equilibrium relationship between the changes in industrial structure and economic growth in Henan Province; employment structure and industrial structure has an important impact on the economic g

51、rowth in Henan Province, but take some time to show it.Keywords: industrial structure; economic growth; VAR modelAlpha附录：1）VAR(4)模型建立的结果 Vector Autoregression Estimates Date: 05/02/13 Time: 22:08 Sample (adjusted): 1983 2011 Included observations: 29 after adjustments Standa

52、rd errors in ( ) & t-statistics in DLYDLS12DLS22DLY(-1) 0.445766 0.577768 0.020287 (0.26690) (0.39113) (0.41260) 1.67016 1.47718 0.04917DLY(-2)-0.058554 0.626050-0.300403 (0.23407) (0.34301) (0.36184)-0.25016 1.82516-0.83020DLY(-3) 0.028316-

53、0.951870-0.682766 (0.25305) (0.37084) (0.39120) 0.11190-2.56681-1.74532DLY(-4)-0.052880-0.386933 0.317945 (0.26852) (0.39350) (0.41511)-0.19693-0.98331 0.76594DLS12(-1)-0.320541 0.301721 0.458298 (0.17081) (0.25032) (0.26406)-1.87658 1.2053

54、6 1.73559DLS12(-2) 0.184463 0.132903-0.407451 (0.19543) (0.28640) (0.30212) 0.94387 0.46405-1.34863DLS12(-3) 0.175119 0.286416 0.310376 (0.14550) (0.21322) (0.22493) 1.20356 1.34326 1.37987DLS12(-4)-0.348106-0.462581-0.284696 (0.12056) 

55、;(0.17668) (0.18638)-2.88739-2.61825-1.52754DLS22(-1) 0.503560-0.072848 0.109386 (0.15240) (0.22333) (0.23560) 3.30420-0.32618 0.46429DLS22(-2)-0.292679-0.498395 0.108966 (0.18961) (0.27786) (0.29312)-1.54360-1.79368 0.37175DLS22(-3) 0.064941-0.

56、142628-0.118908 (0.15384) (0.22545) (0.23783) 0.42212-0.63264-0.49998DLS22(-4) 0.098077-0.025013 0.181627 (0.15340) (0.22480) (0.23715) 0.63935-0.11127 0.76589C 0.075236 0.049819 0.074893 (0.04320) (0.06331) (0.06679) 1.74149 0.78689 1.12138 R-squared 0.605245 0.751987 0.524135 Adj. R-squared 0.309179 0.565977 0.167237 Sum sq. resids 0.013140 0.028218 0.031402 S.E. equation 0.028657 0.041996&#