《G省就业与产业结构调整对经济增长影响的实证探析》11000字（论文）

G省就业与产业结构调整对经济增长影响的实证分析目录TOC\o"1-2"\h\u7081摘要 111662关键词：就业结构；产业结构；经济增长；VAR模型 216786一、选题背景与意义 28035（一）选题背景 24999（二）选题意义 315552二、相关基本概念与理论 325815（一）就业结构 39025（二）产业结构 47712（三）经济增长 415515（四）Moore结构值 524468三、贵州省经济增长的发展现状 514426（一）贵州省经济发展现状 629222（二）贵州省产业结构发展现状 77385（三）贵州省产业就业人数现状 826417四、贵州省就业、产业结构调整与经济增长关系的实证分析 1028869（一）模型设计、指标的选取与数据处理 10611（二）单位根检验 1218919（三）协整检验 1210224（四）建立向量误差修正模型(VEC) 1313066（五）Granger格兰杰因果关系检验 156480（五）脉冲响应 1610801（六）方差分解 1823842五、结论及建议 1916773（一）结论 1921220（二）建议 20159参考文献 22摘要随着经济全球化的持续发展,我国的国内生产总值逐年增加且综合国力在不断地提高,地区经济也在逐渐发展。地区与国家的发展是相辅相成的,全国经济带动地区经济,地区发展促进综合国力的提升。为了国家经济实力和金融竞争力能更好的提高，对落后地区的经济发展水平的研究刻不容缓，以促进地区经济增长，进而促进国家经济更好的发展。本文采用贵州省1988-2020年的经济数据对贵州省就业、产业结构以及经济增长进行了描述统计现状分析以及VAR模型实证分析。描述统计分析发现贵州省的经济增长速度连续十年居全国各省经济增长速度的前列，贵州省GDP每年都在增加,2000年的产业结构为“二三一”型,如今转变为“三二一”型；实证分析得到就业及产业结构调整在短期内可以对经济增长产生影响，经济增长和就业结构的变动则是对产业结构产生长期影响；而且就业结构对经济增长的影响大于产业结构对经济的影响。所以针对分析结果提出了以下几条对策建议：一是“稳二走三”协调发展；二是优化产业结构，实现良性循环；三是合理分配劳动力及转移剩余劳动力。希望这些对策及建议可以对贵州省经济发展提供有效用的参考价值。关键词：就业结构；产业结构；经济增长；VAR模型一、选题背景与意义（一）选题背景二十一世纪20年代，全球的经济已经发展到一定的程度，各国的发展速度都在不断地增长，尤其是中国发展更是飞速，国内生产总值由1978年的3678.7亿元逐年上升至2020年的1015986亿元，在发展速度上完成了一个质的飞跃。2020年比2019年增长了29471亿元,按可比价格计算，同比增长2.3%。总的来说，我国的经济发展速度位居世界经济发展前列。随着我国经济的发展取得令人瞩目的成就，各省的经济状况也备受国家相关部门的关注，首当其冲的就是那些较落后的地区。贵州省就是我国西南地区较落后的地区的代表。2020年贵州全省县域的经济发展呈现出强劲恢复、稳重转好、逐季回升的良好态势。经初步核算，全省地区生产总值由1992年的339.9亿元逐年递增至2020年的17826.56亿元。根据可比价格可计算得出,同比2019年增长4.5%,GDP增长速度较全国多了2.2个百分点。在全国增长速度排名中，贵州省连续十年名列前茅。但是有一个问题，就是近几年贵州省的经济增长速度虽好,连续多年都排名靠前,但是GDP总量排名仍是靠后的。它的经济发展和其它经济大省相比仍有着不小的差距。为了我国经济的可持续发展，国家各部门机构始终坚持在适合我国基本国情的基础上发展经济，不断地发布各种相关的、有利于经济发展的政策以及调整产业结构和就业结构，使经济增长稳中求进、行稳致远。因此进行合理地调整不仅能提高贵州省的经济发展，还能更好的推动整个国家的经济发展。（二）选题意义一个国家的经济发展水平离不开各省份各地区的发展，各省份各地区的发展深深影响着国家的发展，各省份的区域经济发展是国家经济增长的基础。合理的调整不仅能推动贵州省经济快速发展，还能使我国经济发展在现在的基础上更上一层楼。贵州作为中国有且仅有的一个没有平原支撑的省份，是优点也是缺点，自然环境是得天独厚的，但同时也具有不利的地理位置，群山环绕，不利于货物运输，资本和技术的薄弱是贵州省生产总值落后的重要原因之一。这篇文章的意义在于：本文将尽可能的使用国内外的相关资料和文献，充分利用贵州省近20年来产业结构和经济增长的数据进行分析和研究，将学到的理论知识和实践相结合，不断对贵州省的发展进行总结和验证，分析和整理贵州省产业结构与经济增长的关系，力求为贵州省的区域经济发展提供一些有用的建议。二、相关基本概念与理论（一）就业结构就业结构的别称是社会劳动力分配结构。通俗来说,就业结构就是指各个产业部门的社会劳动力数量在整个国家或地区的总社会劳动力数量中的人数分布、比例以及它们之间的相互关系。在国民经济发展活动中社会劳动力分配结构发挥着非常重要的作用,是不可或缺的,作为一个可以度量经济发展的重要指标,它不仅可以反映社会劳动力数量的投入状况,而且能通过劳动力的合理分配来促进经济发展进而反映出经济发展的一种趋势。从几个方面来对某一个就业总数的内部结构解释说明,可以得到几个不同意义的就业结构。就业结构按地区、产业部门、行业、经济类型以及就业形势大致可划分为:城乡的就业结构、部门的就业结构、行业的就业结构、所有制的就业结构、正规与否的就业结构等等。本篇文章中所提到的就业结构是指劳动就业的数目在三个产业部门之间的流动分配问题。产业结构产业结构是国民经济部门结构的别称,表示的是在国民经济中各个部门及各个产业所占的比重,通俗来说就是一个国家或地区的经济都是由哪些产业贡献的。一般来说，增加值占经济总增加值的比重或者各部门总产出占经济总生产的比重，就是产业结构。一个国家的产业结构一方面在纵向上体现出一个国家的发展水平,另一方面在横向上体现出一个国家的产业特征。纵向上来说,一个国家的产业结构会经历一个从农业占比较高的经济结构到一个由制造业和服务业占比较高的经济结构;从横向上来说,每个国家都有自己的产业结构的特征,一些以服务业为主的国家,服务业的占比会较高,以制造业为主的国家,则会有较高的制造业占比。根据国家统计局的规定，我国的产业部门主要分为三次产业。第一产业总概为农业，包括种植业、林业、畜牧业和渔业；第二产业是工业和建筑业，其中工业以采矿业、制造业为主；第三产业是抛开第一第二产业以外的其他行业的合集，有交通运输、批发零售以及金融业保险业等多个行业。本文所提及的产业结构调整是指调整三大产业的行业布局,即变动和调整产业部门之间的数量和比例关系,使得产业与产业之间既分工独立又相互协调促进,能随着市场需求的变化而变化，从而达到获得更好经济效益的目的。经济增长经济增长可以理解为一个国家或地区商品或服务总量的增长，它是该国或该地在一定时期内经济规模的拓展和生产能力的提高的实际表现。通常用国内生产总值、国民生产总值以及人均GDP等指标来度量经济的增长情况。经济增长受资本投入水平、技术水平、人力资本、经济体制、社会资本、劳动力投资水平以及研发投资水平等因素的影响。Moore结构值JohnH1978年提出一种用两个参数表示增长过程的方法，一个是衡量增长的生产指数；另一个是衡量产出构成变化的结构变化值指数，即Moore值[24]。在经济学中,moore值也称moore结构变化值,这个指标是用来反映就业结构的变化和产业结构演进的相关性,它的测量中用到了向量的空间结构。在空间里向量与向量之间夹角的基础上，将产业划分为n个单位，将n个向量看做是一组，把t1时期的向量与t2时期的向量之间的夹角看作是代表国民经济部门结构变化程度的指标。许多学者利用Moore结构值来研究不同时期的三个产业社会劳动力分配结构的变化状况以及产业结构的演变问题三、贵州省经济增长的发展现状改革开放四十多年以来，我国的经济一直在慢慢增长，虽然前期增速较缓，但经过多年不懈的努力在如今取得了非常不错的成果。图1：国内生产总值上图1是2000-2020年国内生产总值GDP变化，从图中可以看出，国内生产总值由缓变快总体呈上升趋势，从2000年的100280.1亿元上涨到2020年的1015986亿元。其中，2018年的国内生产总值为919281.1亿元，经济总量在全球排名第二，仅次于美国。我国的国内生产总值在2020年突破了100万亿人民币的大关,，北大副教授曾在采访中说过“中国的经济总量接近100万元意义重大”，他表示，从全球的大范围来看，中国是世界第二大经济体，100万亿元的经济总量意味着中国在全球范围内的分量更重。在全球经济和国际贸易增长速度变缓、较大的国内经济压力下能接近100万亿元实属难得，这个成绩难能可贵，有重大意义，这让中国正式步入了中高等收入国家的行列，逐渐往发达国家靠拢。贵州省经济发展现状随着国家经济实力的不断增强以及国家部门机构对落后地区的关注与政策扶持，贵州省的经济也在逐渐向好发展。图2：贵州省地区生产总值上图2显示的是贵州省的2000-2020年GDP的变化，从图中可以看出，贵州省的经济增长趋势与我国的经济增长趋势几乎一致，都呈由缓变快的的上升趋势。2000年，贵州省的地区生产总值为1029.9亿元，2020年为17826.56亿元，约为2000年经济总量增长的17倍。虽然贵州省受地理环境等外界因素的影响，但是近年来贵州省的经济增速很快，实现了质的飞跃，不仅使得经济增长的波动周期拉长而且波动宽度逐渐减小，前期增长速度比较平缓，后期增速加快，这个增长的态势与全国经济增长的趋势很接近。（二）贵州省产业结构发展现状下图3显示的是2000年-2020年贵州省第一、第二及第三产业的增加值。从图中可以看出，三个产业的增加值都是逐年递增的，从总体上来看均呈上升趋势。其中，第一产业的增加值曲线比其它两个产业增加值曲线平缓，从271亿元增长到2539.88亿元；第二产业的增加值曲线比第一产业增加值曲线陡峭，比第三产业增加值曲线平缓，20年来都处于中等水平，不低不高；第三产业则是三者中增加值增加幅度最大的，从2000年的367.7亿元上涨至2020年的9075.07亿元，增长了8707.37亿元，约为2000年的25倍。图3：产业增长值图4：三大产业所占比重图4为贵州省三大产业的所占比重显示图。可以看到，随着经济的发展，三大产业所占比重也在变。在初期，即在2000年的时候，第一、第二、第三产业占比分别为26%、38%、36%，显示为“二三一”型。经过多年的变化，第一产业的占比慢慢下降，第三产业占比较快增大，在2020年显示出14%、35%、51%的比重情况，呈现出“三二一”型的产业结构。从增长的角度来看，第三产业的平均每年增长达到0.75%左右。可见，在贵州省，第三产业的比重越来越大，第一产业的比重在下降至一定程度后逐渐趋于平缓，第二产业所占比重亦有轻微下降的趋势。（三）贵州省产业就业人数现状图5：贵州省就业人员总数上图5显示的是2000-2020年贵州省的就业人员数。从图中可以看出，虽贵州省就业人员数在近20年来略有起伏，但是总体呈现上升趋势。其中，2000-2004年贵州省的就业人员在不断增长至阶段最高点，但是在2004年后开始下降，直至在2010年低达阶段最小值，而后一直渐渐增加至今。图6：贵州省产业就业人员数上图6是贵州省近20年三大产业就业人员的数量变化折线图。从图中可以看出，第一产业是贵州省就业的主力军，2000年-2001年大增至1692.33后，开始逐渐减少，总体呈现出逐渐下降的趋势，但是就业人员仍是三大产业中占比最大的。第二产业的就业人员一直是三大产业中占比最小的，2000-2002年小幅减少，之后逐年增加，总体呈现上升趋势。第三产业则是前几年起伏最多的产业，2000年到2001年是下降的，2001-2004年增加，2004年下降，2005年后开始上升至今。可以知道，现如今第一产业的就业人员在慢慢向第二、第三产业移动，使得第二第三产业就业人员逐渐增加。四、贵州省就业、产业结构调整与经济增长关系的实证分析（一）模型设计、指标的选取与数据处理1.模型构建本文将引用带有误差修正项的VAR模型分别从就业结构、产业结构的调整升级与经济增长几个角度来分析就业结构、产业结构与经济增长之间的相互关系。1980年，闻名世界的计量经济学家Sims提出了VAR模型，在他的著作中，该模型是一个由AR模型推广而来的计量建模工具。实质上是考量变量与变量之间的动态联系，就是把一个系统里面所有内生变量看成每一个变量滞后项的函数，以此构建模型，其一般形式为：Yt=A1Yt-1+A2Yt-2+...+ApYt-p+εt其中，Y表示K维的内生变量的矢量，A1...Ap表示待估计的相应的系数矩阵，p则是表示内生变量滞后的阶数，εt指的是随机扰动项。2.指标选取为了更贴切的描述结构变动的程度，本文利用Moore结构变化值作为结构变化的指标，对近些年产业结构和就业结构的变化进行度量。在三维空间里任意一个向量改变角度都会导致整个空间的结构发生变化，所以可以利用向量空间夹角的改变值来衡量产业结构及结构内部变动程度。即可以将三大产业的增加值的占比和三大产业就业人员的占比分别看做是一组三维向量，将近年来增加值占比和就业人员占比的增加或减少而导致的向量夹角的变化合计起来，便可衡量两个不同时时间的就业及产业结构的变动幅度。在本文中MIS表示产业结构（IndustrialStructure）的Moore结构变化值，MES表示就业结构（EmploymentStructure）的Moore结构变化值，结构变化值公式为：MIS=arccos，MES=arccos,其中，xi,t1、xi,t2在产业结构公式MIS里分别表示的是在t1、t2年第i产业的增加值占总地区生产总值的比重；si,t1、si,t2在就业结构公式XES里面分别表示的是t1、t2年第i产业的就业人员数占总就业人员数的比重；选取每年的地区生产总值增速作为衡量地区经济增长的指标，本文用XG来表示每年的地区生产总值增速（GDPGrowth），计算公式为XG=地区生产总值指数-100%。3.数据处理由以上公式计算得出贵州省1988-2020年的GDP增速，详细数据见下表1：表1：贵州省1988-2019年就业结构、产业结构与经济增长指标时间MESMISXG时间MESMISXG19880.03430.02498.620040.05420.032010.419890.00250.04114.520050.00990.047512.719900.00300.02874.320060.02820.029712.819910.00840.07259.220070.02410.018014.819920.01800.08008.120080.02280.026711.319930.03340.074910.420090.03110.018711.419940.01660.01608.420100.02440.019012.819950.01120.03877.520110.02170.007915.419960.01770.03088.920120.02730.01511319970.04170.0608920130.03010.025712.419980.01600.05458.520140.02620.029510.819990.03940.04828.820150.03930.006110.720000.14010.04778.420160.03000.042610.520010.03550.03358.820170.03280.028910.220020.03490.04449.120180.03070.01279.120030.02030.011410.1201900.01568.3（二）单位根检验检验中经常会出现“伪回归”的问题，这个问题是因为没有随机趋势或确定趋势所导致的，意思是部分数据之间的相关性高只是因为数据之间同时同方向变动，实质上却不存在任何关系。为了避免这个问题而使建模有意义,先对样本数据即上述三个序列做对数处理,然后进行ADF检验,检验其平稳性。进行平稳性检验发现lnXIS、lnXES的概率P值分别为0.0148、0.0051，都明显小于显著性水平0.05，且ADF值均小于1%、5%、10%的三个临界值下的值，所以拒绝原假设，即拒绝序列不平稳，所以MES、MIS序列是平稳的；XG的概率P值为0.1810，大于显著性水平0.05，且ADF检验值为-2.2908，均大于1%、5%、10%的三个临界值下的值，所以接受原假设，认为该序列是非平稳的。对非平稳的序列进行一阶差分后得到平稳的序列，详情如下表2：表2：变量的ADF单位根检验变量ADF值1%的显著性水平5%的显著性水平10%的显著性水平P值结论lnMES-3.50713.6701-2.9639-2.62100.0148平稳lnMIS-3.9365-3.6616-2.9604-2.61910.0051平稳lnXG-2.2908-3.6616-2.9604-2.61910.1810非平稳DlnXG-7.2368-3.6701-2.9639-2.62100.0000平稳注：DlnXG为lnXG的一阶差分序列由上表可知差分后的序列XG的概率P值为0.0000，小于显著性水平0.05，且差分后的ADF值均小于三个主要临界值下的值，所以拒绝序列是非平稳的原假设，即差分后的序列平稳。（三）协整检验协整检验可以用来考查非平稳变量之间的线性组合是否存在长期且稳定的关系。通过单位根检验可以得到序列非同阶单整,所以对原序列做协整检验,即对lnMES、lnMIS、lnXG序列进行协整检验，结果如下表3：表3：协整检验协整方程结构假设特征值迹统计量0.05临界值概率P值**None*0.54144939.7466029.797070.0026Atmost1*0.37553817.1357815.494710.0281Atmost20.1131023.4807243.8414660.0621从上述的检验结果可以知道，第1行的迹统计量等于39.74660大于29.7907，置信水平为95%，所以拒绝不存在协整关系的原假设，认为变量间存在协整关系；第2行的迹统计量等于17.13578大于15.49471，置信水平为95%，所以拒绝至多存在一个关系的原假设；第3行的迹统计量等于3.480724小于3.841466，即在95%的置信水平上接受了最多存在两个协整关系的原假设。所以认为以上序列最多存在两个协整关系。（四）建立向量误差修正模型(VEC)经协整检验之后，根据检验结果可以得出三个序列满足“不是同阶单整但是存在协整关系”的条件，故可以使用原序列搭建VEC模型，它是带修正项的VAR模型因此可以看做是VAR模型的延伸，它反映的是当系统中发生某一扰动时，系统受到此扰动而发生变化的程度。除此之外，由检验结果还可得知能对序列LNMES、LEMIS、LNXG建立带修正项的向量误差修正模型，结果如下图：表4ColntegratlngEqColntEq1LNXG(-1)1.000000LNMIS(-1)0.430402(0.081210)[5.29964]LNMES1(-1)0.143120(0.070620)[2.02672]C-0.257892表5：模型参数估计结果ErrorCorrectionD(LNXG)D(LNMIS)D(LNMES)ColntEq1-0.382636-2.164989-1.007402（0.138190）（0.545620）（0.590830）[-2.76882][-3.96798][-1.70507]D(LNXG(-1))-0.1261970.6735741.280020（0.16335）（0.64493）（0.69837）[-0.77256][1.04441][1.83286]D(LNXG(-2))0.0972010.5880000.801578（0.15811）（0.62424）（0.67597）[0.61477][0.94194][1.18582]D(LNMIS(-1))0.125817-0.1519140.338379（0.05178）（0.20445）（0.22139）[2.42973][-0.74305][1.52845]D(LNMIS(-2))0.058447-0.1899540.389439（0.04246）（0.16765）（0.18154）[1.37640][-1.13302][2.14514]D(LNMES(-1))0.0149560.256801-0.442984（0.04672）（0.18446）（0.19975）[0.32012][1.39218][-2.21775]D(LNMES(-2))-0.0665060.3098630.200356（0.04470）（0.17647）（0.19109）[-1.48795][1.75592][-1.04849]C0.028537-0.0733890.076489（0.02823）（0.11144）（0.12067）1.011060[-0.65857][0.63386]表6：VAR模型各方程检验结果R-squared0.5709000.6131570.459915Adj.R-squared0.4207160.4777620.270885Sumsq.resids0.4258876.6387527.784566S.E.equation0.1459260.5761400.623882F-statistic3.8013184.5286452.433029Loglikelihood18.870730-19.580350-21.809420AkaikeAIC-0.7764811.9700252.129244SchwarzSC-0.3958512.3506552.509874Meandependent0.026774-0.0291180.083059S.D.dependent0.1917280.7972490.730641表7：VAR模型整体检验结果Determinantresidcovariance(dofadj.)0.002527Determinantresidcovariance0.000921Loglikelihood-21.330500Akaikeinformationcriterion3.452178Schwarzcriterion4.736804将图中的模型结果改写成矩阵形式为：=ColntEQ1+++++所以方程为：DLNXG=-0.383CilntEQ1+(-0.126DLNXGt-1+0.126DLNMISt-1+0.015DLNMESt-1)+(0.097DLNXGt-2+0.058DLNMISt-2-0.067DLNMESt-2)+0.029+DLNMIS=-2.165CilntEQ1+(0.674LNXGt-1-0.152DLNMISt-1+0.257DLNMESt-1)+(0.588DLNXGt-2-0.190DLNMISt-2+0.310DLNMESt-2)-0.073+DLNMES=-1.007CilntEQ1+(1.280LNXGt-1+0.338DLNMISt-1-0.443DLNMESt-1)+(0.802DLNXGt-2+0.389DLNMISt-2-0.200DLNMESt-2)+0.076+通过检测VEC系统的特征根的模来检测所建立的VEC模型系统的稳定性，检测结果如下：图7：稳定性检测结果从上图7的检测结果可以看到，特征根的模都在单位圆内，说明这个VEC系统是具有稳定性稳定的。（五）Granger格兰杰因果关系检验经济学家提出了一种用来研究变量与变量之间“谁是因，谁是果”的关系检验，即格兰杰因果关系检验。检验结果如下：表8：格兰杰因果关系检验结果原假设卡方检验统计量P值结论D(LNXG)不是D(LNMIS)的格兰杰原因5.9158820.0519拒绝，D(LNXG)是D(LNMIS)的格兰杰原因D(LNMIS)不是D(LNXG)的格兰杰原因1.4601420.4819接受，D(LNMIS)不是D(LNXG)的格兰杰原因D(LNXG)不是D(LNMES)的格兰杰原因3.8789940.1438接受，D(LNXG)不是D(LNMES)的格兰杰原因D(LNMES)不是D(LNXG)的格兰杰原因3.6797410.1588接受，D(LNMES)不是D(LNXG)的格兰杰原因D(LNMIS)不是D(LNMES)的格兰杰原因3.3910990.1835接受，D(LNMIS)不是D(LNMES)的格兰杰原因D(LNMES)不是D(LNMIS)的格兰杰原因4.8194720.0898拒绝，D(LNMES)是D(LNMIS)的格兰杰原因由结果可知，在10%的置信水平下，0.0519<0.1，拒绝了D(LNXG)不是D(LNMIS)的格兰杰原因的原假设，认为D(LNXG)是D(LNMIS)的格兰杰原因；0.0898<0.1，拒绝了D(LNMES)不是D(LNMIS)的格兰杰原因的原假设，认为D(LNMES)是D(LNMIS)的格兰杰原因。脉冲响应通过脉冲响应函数可以知道模型中的一个内生变量给出一个冲击然后给其他内生变量所带来的影响。得到的结果图如下：图8：LNXG的脉冲响应函数由上图8的的脉冲响应函数曲线可知，本期内LNMIS和LNMES受到一个冲击后，LNXG在前2期的响应函数曲线呈现下降趋势，第2期达到阶段最低值，然后开始上升，继而下降又上升而后趋于平稳的状态；这说明就业及产业结构的变化在短的时期内可以影响到经济的增长状况，但随着时间的推演影响的程度减弱。图9：LNMIS的脉冲响应函数分析图9中脉冲响应函数曲线，在本期给LNXG、LNMES一个冲击后，LNMIS在前2期的响应函数曲线呈现急剧下降的趋势，而后一直呈现出上下起伏的状态，这说明贵州省在此阶段内经济的减少和就业人员数的减少对产业结构的发展产生了副作用。图10：LNMES的脉冲响应函数由图10中的脉冲响应函数可以知道，在本期给LNXG和LNMIS一个冲击后，LNMES在前两期急剧下降，而后趋于平稳的状态。这说明经济的增长和产业结构的变化在短期内对就业结构产生剧烈影响，但是随着时间的推移，只产生微乎其微的影响。由此可见，就业结构、产业结构与经济增长之间的相互关系影响几乎都是短期的，但是经济的增加与减少和就业人员数的增加与减少对产业结构产生较长期的影响。方差分解脉冲响应函数描述的是一种绝对效果，表示的是VEC系统中某个内生变量给出一个单位的冲击后带给其它变量的影响；而方差分解技术描述的是一种相对效果，表示的是系统中每个变量的更新对系统总体的影响。为了从侧面去探讨就业结构和产业结构这两个变量对经济增长的解释程度和力度,用Eviews软件对LNXG的时间序列进行方差分解可得到如下的结果：图11：方差分解图表9：经济增长的方差分解结果VarianceDecompositionofLNXG：PeriodS.E.LNXGLNMESLNMIS10.145926100.00000.0000000.00000020.17017796.091502.2783821.63011630.21372581.3904013.261655.34795140.23397877.4012813.055939.54279650.25546976.4639113.814769.72132360.27226677.1510813.860998.98793170.29061376.6111113.828619.56028480.30798076.4924913.861869.64565490.32374376.0075914.278299.714120100.33897075.7272914.365049.907667图11中“PercentLNXGvarianceduetoLNXG”显示的是由经济增长的变动引起的自身的变动方差发生变动的部分；“PercentLNXGvarianceduetoLNMIS”显示的是由于产业结构LNMIS变动引起的经济增长的变动方差发生变动的部分；“PercentLNXGvarianceduetoLNMES”显示的是由就业结构LNMES变动引起的经济增长的变动方差发生变动的部分。从图中可以看出，在经济增长LNXG值的波动中，如果不考虑LNXG自身的贡献率，就业结构LNMES对经济增长的贡献率最大，达14%左右，其次是产业结构LNMIS大约9.9%。就业结构和产业结构对经济增长的贡献率在前几年比较大而且呈现增长的趋势，说明对经济增长的影响是有一定的解释力度，但是随着时间的推移，贡献率趋于平稳，即就业结构和产业结构对经济增长的影响是有限的。五、结论及建议（一）结论文章中用一系列的计量统计分析方法对就业结构、产业结构和经济增长三个变量进行实证分析，以及探讨了三组变量之间存在的关系之后，得出以下结论：1.从贵州省就业、产业结构与经济增长的现状分析来看首先采用贵州省静态的面板数据分析得出：近年来，贵州省的地区生产总值的增加大部分来源于第三产业的贡献，其次是靠第二产业的增加值加成，最后是第一产业增加值，属于“三二一”型的产业结构类型；第三产业的占比增加较快，第一产业占比处于下降趋势。整体上第一产业对经济增长的影响逐年减少，第三产业影响增大，而第二产业一直处于较为平稳的状态。2.从贵州省就业、产业结构与经济增长关系实证分析来看（1）从格兰杰因果关系检验结果可知，在10%的置信水平下，P值小于临界值，所以拒绝了原假设，认为D(LNXG)是D(LNMIS)的格兰杰原因；认为D(LNMES)是D(LNMIS)的格兰杰原因。也就是说，经济增长是产业结构的格兰杰原因，就业结构是产业结构的格兰杰原因，即经济的增长会对产业结构产生一定的影响，就业结构的变动会导致产业结构发生一定的变化。（2）由脉冲响应的结果分析可知，经济增长对于就业结构、产业结构的影响不是很敏感，在短期内进行就业及产业结构变动可以对经济产生较为明显的影响，到后期就几乎没有影响了；经济的增加与减少和就业人员数的增加与减少则是对产业结构产生较长期的影响；（3）由方差分解可知，经济增长对自身的影响在不断地下降，到了第10期经济增长对自身的影响程度约为75.7%，就业结构和产业结构的调整升级都在不断加大对经济增长的影响程度。总的来说，就业结构的变动即劳动力的转移对经济增长方差变动的影响约为14.3%，产业结构调整升级对经济增长方差变动的影响程度为9.9%左右，就业结构的变化对经济增长方差变动的影响大于产业结构对经济增长的方差变动的影响。由此可知，经济的增长主要还得以劳动力分配的合理度为主，然后还可以通过产业结构优化升级的外部因素上刺激经济增长。（二）建议产业结构、就业结构与经济增长的关系是密不可分的，产业结构的调整升级使得劳动力的分配发生变化，劳动力的合理分配使得产业产值发生变化，就业结构与产业结构对地区经济发展有着极其重要的影响。综上所述，给出以下几条对策建议，希望能够给地区发展所做的决策提供一些参考意见，更好的促进贵州省产业结构和就业结构协调发展，进而促进经济增长：1.“稳二走三”协调发展近几年来，贵州省经济发展迅速，但相对国内其他发达地区来说仍较落后，地区生产总值排名靠后，与全国水平存在一定的差距。根据“三二一”型的产业结构的结论分析发现第三产业增加值的增速是三个变量中增速最快的，这表明第三产业有着投资率高、回报率大的特点；第二产业则是长期的、较稳定的、对GDP贡献较大的产业，所以为了更好的促进经济发展，贵州省今后的发展可以在第二产业稳定发展以及地区生产总值稳定增长的情况下积极的发展第三产业，即先稳定第二产业，再以此为基础大力发展地第三产业：（1）在第二产业稳定发展的情况下，加快新兴行业的行进步调，积极开发新的经济增长点；（2）引进高新技术，利用先进科技替代非必需人工的冗杂的机械步骤，提高效率；（3）加强人才的引进和吸纳，改善第三产业总体发展和管理水平；（4）加快城市化的发展，改善城乡规模结构。2.优化产业结构，实现良性循环实证分析表明，经济增长会影响产业结构的调整和升级，就业结构的变化也会不同程度地改变产业结构，即经济的增长和就业结构的变动会带动产业结构的不同程度的优化升级。通过结合实际可知，产业结构、就业结构和经济增长两两之间是相辅相成的，产业结构合理的调整升级与优化会促进经济的高速增长，产业结构与就业结构之间则是通过“稳就业”来实现良性互动的。稳就业能带动消费升级进而促进经济增长，经济增长后需扩大就业规模进而改变就业结构，就业结构改变则引起产业结构的变动。因此为了促进经济增长，政府及相关部门在优化产业结构的同时也应该注重协调就业，利用产业结构的调整优化升级的优势带动就业结构的调整升级，以形成适应新兴经济发展背景下的劳动力合理分配，使得劳动力资源得到合理的配置，从而促进经济增长。3.合理分配劳动力及转移剩余劳动力目前贵州省第一产业就业存在劳动力剩余的现象，农村部分劳动力也没有很好的发挥作用，为了更好地促进地区经济发展，可以发布一些鼓励政策，鼓励农村及第一产业剩余就业人员向属于劳动密集型的第二第三产业转移。而就业转移的门槛就是户籍政策和就业政策，所以需要适当放松政策以达到降低门槛的作用。再有就是，农村剩余的劳动力大多是教育水平及技能水平缺乏的，所以应该提供技能培训以提供其产业技能。最后，因为劳动力转移是长期的、有滞后性的且单向的阶段性过程，所以应该是在守住第一产业发展的界限之余再鼓励剩余劳动力转移。实际操作为在第一产业的农林牧渔业的产业产值得到持续的、稳定的增长的保证后再进行剩余的劳动力向产业生产率更高的产业部门移动，从第二、第三产业的产业增长值占比和就业人员数的变化关系可以知道，随着经济发展到一定水平，可以把就业人员的增量部分尽可能多的分配到第三产业中，以此才能更高效快捷的实现就业人员的生活水平的提高以及区域经济增长的目标。参考文献Petty.EconomicGrowthofNations:Totaloutputandproductionstructure[J].HavardUniversitypress,1691.Clark.ShiftshareAnalysis:FurtherExaminationofModelsforTheDescriptionofEconomicChange[J].Socio-EconomicPlanningSciences,1940.钱纳里,塞尔奎因.发展的模式:1950-1970[M].经济科学出版社,1988.[4]Okun,Arthur,M,“PotentialGNP,ItsMeasurementandSignificance”[M],CowlesFoundation,Y