中國ＧＤＰ與第三產業就業的動態關聯分析

　　摘要：文章根據中國1978～2005年第三次產業就業人數和GDP的數據，通過向量自回歸（VAR）模型及相應的脈沖響應函數分析了二者的動態相關性。結果表明，第三次產業就業人數對GDP有穩定影響，反向影響關系卻在統計上不顯著。GDP對于廣義單位標準差新息的響應是將在第三期達到高峰，之后很快減弱。第三產業就業人數對此的響應是在初期最大，之后緩慢下降。中國要釋放第三產業就業彈性大的潛力，應注重在第一和第二產業基礎上的第三次產業的增長質量而不只是速度。
　　關鍵詞：GDP；第三次產業；就業；VAR模型
　　
　　20世紀80年代以來，在環太平洋地區、南美、東南歐，由于生產力的發展，產業結構和人口分布的特征，部分應證了配弟-克拉克的統計規律。同樣，中國在實行改革開放政策近30年來，三次產業的就業人數與GDP變化趨勢也基本上符合配弟-克拉克定律。比如2005年與1978年相比，第一、第二和第三產業就業人數分別增加了20.00%、160.38%和386.11%。按當年價格計算的GDP增加了4922.60%，按不變價格計是319.15%。三次產業就業人數的構成比例從1978年的83.5%：7.4%：9.1%變為2005年的44.8%：23.8%：31.4%。第一產業下降了38.7%，第二和第三產業分別上升了16.4%和22.3%。顯然，第三產業由于就業彈性較高，被認為是拉動就業增長的主產業。但是，由于中國當前的經濟發展和就業增長受到如下四方面的硬約束——現代工業化基礎薄弱，現代農業基礎落后，增速雖緩但基數龐大的經濟活動人口，以及人口紅利狀況將在20年后逆轉，也在一定程度上制約了第三產業的就業拉動效果。換言之，占世界人口近20%的中國的經濟增長模式，可能會為世界經濟增長模式提供更有價值的關于發展中大國的經驗數據。
　　本文所關注的問題是，高就業彈性的第三產業就業趨勢與GDP如何相互影響。因為這直接關系到在未來10-20年間中國經濟轉軌與社會和諧能否再次取得實質性的突破。本文使用的數據來源于《中國統計年鑒（2006）》，并以1978年的價格指數為100對GDP進行調整。
　　
　　一、文獻綜述
　　
　　一般認為，經濟增長與就業增加之間存在正向關系。就美國20世紀工業化中期的統計情況看，20世紀60年代阿塞·奧肯的研究結果是，經濟每增長一個百分點，失業減少3個百分點。中國自實行改革開放政策以來，經濟增長率與就業之間的關系有所不同。胡鞍鋼（1997）的研究表明，“八五”期間（1991～1995年）高經濟增長率和高投資增長率并沒有帶動相應的高就業增長率，并從勞動力供給和資本深化的角度給出了解釋。龔玉泉（2002）、李紅松（2003）等進一步研究了中國經濟增長與就業彈性下降的具體情況。李冠霖等（2003）從產業結構偏離度的角度分析了中國第三產業就業增長的軌跡，認為目前中國第三產業結構偏離度已經超過國際標準模式，故第三產業吸納就業的空間相對較小。如果沒有新的服務需求出現，第三產業進一步吸納就業的能力難以提高。蒲艷萍（2005）認為，20世紀80年代中后期第三產業對就業的吸納能力較強。90年代以后，第三產業發展以提高資本、技術含量的現代服務業的比重不斷提高，使該產業對就業的拉動作用逐漸減弱。蔡昉教授（2004）等認為，反周期的宏觀經濟政策所決定的投資往往是就業密集度較低的行業，故而削弱了拉動就業的能量。張車偉等（2002）學者分析了中國在加入WTO之后各產業就業結構的變化，認為農業是受入世影響和沖擊最嚴重的行業，但對農業的影響和沖擊主要體現在收入而不是就業上，入世對工業就業具有增加效應，對第三產業就業的貢獻最大。
　　但上述文獻對于第三產業就業人數與GDP在過去28年間的動態定量關系的刻畫，以及在中國進入改革開放關鍵時期的今后10年間二者又將產生怎樣的影響，沒有給出更多分析。本文運用向量自回歸模型（Vector Auto-regression，VAR）和協整（Cointegration）模型探討了二者在過去28年間的協整（長期）和短期的計量關系，并運用脈沖響應函數（Impulse Response Function，IRF）分析二者之間的動態影響。
　　
　　二、實證分析與計量檢驗
　　
　　本文使用的主要計量分析工具是向量自回歸模型，所用軟件是Eviews5.0。該模型是是一種非結構化的多方程模型，突出優點是避開了結構建模方法中對每個內生變量都要做與其他所有內生變量滯后值建模的問題。由于該模型提供了一個非常豐富的結構，能捕捉到數據的更多特征，所以在預測方面優于傳統的結構模型。缺點是該模型缺乏理論基礎且參數過多，通常需要相應的脈沖響應函數或者方差分解來解釋向量自回歸的內涵。脈沖響應函數可以考察來自隨機擾動項的一個標準差沖擊對內生變量當前值和未來值的影響。方差分解相反，是將系統的預測均方誤差分解成系統中各變量沖擊所分擔的份額。
　　一般的VAR模型表達式為：
　　
　　式中，Yt是 m 維內生變量，Xt是d維外生變量。α1，α2，…，αp和β1，β2，…，βr和是待估計的參數矩陣。內生變量和外生變量分別有p階和r階滯后期，最優滯后階的選取一般由AIC和SC最小準則確定。εt是隨機擾動項，其同時刻的元素可以彼此相關，但不能與自身滯后值和等式右邊的變量相關。
　　本文用EM3表示第三產業的就業人數。為減少異方差，先對EM3和GDP進行自然對數變換，分別記為LNEM3和LNGDP。變換后原時間序列的協整關系并不會受到影響。為避免經濟變量的不平穩產生的偽回歸，運用ADF單位根方法進行平穩性檢驗。檢驗方程根據是否具有截距項或者時間趨勢分為三類：第一類是既無截距項又無時間趨勢，第二類是含有截距項但無時間趨勢，第三類是既有截距項又有時間趨勢。由于統計量的分布是非標準分布，因此使用Mackinnon臨界值判斷序列是否平穩。如果檢驗統計值大于臨界值則拒絕零假設，認為序列不存在單位根，是平穩序列。檢驗結果說明，LNEM3和LNGDP時間序列經過一階差分后，都在10%的顯著性檢驗水平下拒絕了單位根假設，是一階平穩序列，即I①序列。可進一步對時間序列進行Johansen協整分析。Johansen協整檢驗是一種基于向量自回歸模型的檢驗方法，進行協整檢驗以前，需要先確定VAR模型的結構。
　　（一）基于VAR模型的分析
　　確定VAR模型的結構，一般用赤池信息準則（AIC）或施瓦茨（Schwartz）準則（SC），選擇最大滯后期k值。原則是在增加k值的過程中使AIC或SC的值達到最小。適當加大k可以消除誤差項中存在的自相關。但k值過大會導致自由度減小，影響模型參數估計量的有效性，并比較不同滯后期所建立的VAR模型的穩定性。經過比較，本文最后選擇滯后2期，即k取2。經檢驗，所建模型的似然比值（LR）、最終預測差（FPE）、赤池信息準則、施瓦茲信息準則和漢南-奎因信息準則（Hannan-Quinn）最小，五個檢驗準則同時得到了滿足。VAR模型的具體表達式見式②。括號內為t檢驗統計量值。為方便起見，把系數寫成矩陣形式如下：
　　
　　對該VAR（2）模型的穩定性檢驗通過了檢驗，表明該模型是穩定的，并保證了相應的脈沖響應和方差分解分析的有效性。
　　
　　在此基礎上，可以對LNEM3和LNGDP時間序列進行協整檢驗。Engle和Granger（1987）認為，I（1）單整序列間只要是協整的也具有長期的均衡關系。他們提出了協整的理論基礎，協整定義如下：對于時間序列Y1t，Y2t，…，Ynt -I（d），如有向量α=（α1，α2，…，αn），使αYtT-I（d-b），其中d≥b≥0。稱序列Y1t，Y2t，…，Ynt是（d，b）階協整，即Yt-CI（d，b），α定義為協整向量。Johansen和Juselius（1990）在此基礎上提出了一種在VAR模型下用極大似然法估計變量之間協整關系的Johansen檢驗方法。該檢驗能判定協整方程的個數，該數被稱為協整秩。經過反復檢驗，確定協整變量含截距項并有確定性趨勢，Johansen協整結果見③式。結果表明，在5%的顯著性水平下，LNEM3和LNGDP時間序列只存在一個協整關系。協整方程寫成③式，括號內為t統計量值。
　　
　　對協整方程殘差的平穩性檢驗通過了顯著性1%的檢驗。表明該協整方程的殘差是一個平穩序列，不存在序列自相關。
　　（二）格蘭杰（Granger）因果關系
　　雖然通過實證研究可以得出LNEM3和LNGDP的協整關系，但沒有表明這兩個序列之間是否存在因果關系。經典的柯步-道格拉斯生產函數表明，勞動投入是經濟增長的原因之一。Granger （1980） 指出，如果變量之間是協整的，則至少存在一個方向上的Granger原因；在非協整情況下，任何原因的推斷將都是無效的。從前面確立的經濟增長與就業數量的關系中，可以看出由于二者具有協整關系，所以他們之間至少存在一個方向上的因果關系。由于Granger因果檢驗對變量的滯后項有很強的敏感性，所以通常要對不同的滯后期進行嘗試，以提高結論的可靠性。計量的檢驗結果表明，在95%的置信度下，第三產業就業人數的增加是促進GDP增長的Granger成因，但反向的影響關系則在統計意義不成立。這也印證了前文提及的部分研究結論，即近年來中國經濟的增長并沒有提高就業水平，尤其體現在就業增加速度最快的第三產業。
　　（三）脈沖響應分析
　　基于第三產業就業與GDP的VAR模型的脈沖響應函數，可以描述二者的相互影響關系，基本思想研究系統中個別方程中的新息（innovation，即隨機誤差項）產生變動時，由于變量間的相互影響而對系統中其他變量所產生的沖擊強度和影響時滯。由于研究沖擊響應時采用的是Cholesky分解技術，該方法的一個技巧是使誤差項正交化。所以Cholesky分解的結果依賴于系統內變量的排序。Koop，Pesaran 和Potter（1996）提出了廣義脈沖響應（Generalized Impulse Response）和廣義方差分解（Generalized Variance Decomposition），以避免正交化對變量排序的依賴性。故本文采用廣義脈沖響應方法進行響應分析。圖1的結果表明，國民生產總值在受到廣義化的一個單位標準差新息作用下，將會產生正向的響應，并在第3期達到峰值，以后逐年減弱，到第8期之后基本趨于平穩。說明國內生產總值在最初3期受到的影響最大，之后受到的影響很快減弱。第三次產業就業對于國民收入的正向影響空間正在減少，如果沒有第一產業和第二產業就業人數的有效推動，沒有第三產業自身的健康發展，長期保持8%的年增長率，難度很大。中國國家統計局2007年統計公報顯示，該年GDP增長率按可比價格計算達11.4%，創1995年以來的增長率之最，也是繼2003年之后連續五年不小于10%。這一實際結果也與利用截止到2005年統計數據的計量分析結果相似。據此對2008年GDP增長率的判斷是，可能繼續增加，但2009年則會下降，盡管降幅不大。
　　圖2的脈沖響應圖表明，第三產業的就業人數在受到廣義化的一個單位標準差新息的影響下，初期將產生最大的正向反應，之后逐漸緩慢下降，但下降速度慢較慢。10期之后會基本趨于平穩。意味著第三產業就業受前期因素的影響而繼續增加，但增速趨緩。主要原因是綜合的就業彈性下降，第三產業就業受到了第一和第二產業增長質量的限制。
　　與脈沖響應函數的分析視角相反，方差分解是把系統中每個內生變量的波動按其成因分解為各方程新息相關聯的組成部分，從而可以判斷各新息對內生變量的相互重要性。方差分析表說明，LNEM3是LNGDP的重要影響因素，并且將在10~15期后的貢獻率從45%上升到53%，并趨于穩定。LNGDP的調整主要由自身的變異來解釋，在10年之后對變異的貢獻率穩定在89%左右。
　　基于該VAR模型，可以對第三產業就業人數和GDP做出短期靜態預測和長期動態預測。結果顯示，短期的預測準確度非常高。如該模型對2006年第三產業就業人數和GDP的均值點估計分別是24607.83萬人和15919.09億元（不變價格）。當年的官方統計數據分別是24614萬人和210871億元（當年價格）。因此模型的預測誤差分別是-0.025%和1.04%。長期趨勢看，至少在未來的10年內，二者的變化趨勢高度一致。
　　（四）向量誤差修正模型的估計
　　為更準確刻畫第三產業就業人數與GDP之間動態的短期和長期關系，可以建立誤差修正模型（Vector Error Correction Model，VECM），從而把協整變量的短期調整估計出來，誤差糾正項的系數反應了與長期均衡的關系。具體可構建如下三個方程：
　　
　　其中，④式和⑤式是刻畫短期關系模型，而⑥式刻畫了二者的長期關系。VEC是長期均衡調整的誤差糾正項，前面的系數為調整系數，表示解釋變量與長期均衡的變異程度。從向量誤差修正模型看，1978~2005年LNGDP的短期調整系數為-0.003，LNEM3的短期調整系數λ為-0.06。說明當LNGDP在短期內偏離長期均衡關系時，LNEM3對其回到均衡狀態的調整力度較大，由于LNGDP的λ值為負，因此在短期內能起到反向長期均衡的調整作用。
　　
　　三、簡單評價
　　
　　中國當前的經濟結構體現了轉型國家的特征。雖然社會經濟系統的復雜性決定了我們不能依據任何實證工具進行簡單的決策，但本文的實證結果有助于我們對中國第三產業就業人數與GDP的關系做出一個大致的判斷。
　　從計量分析結果看，第三產業就業人數與GDP構成一個相互有長期影響的動態線性系統，只是程度不同，即第三產業就業人數增加可以提高GDP，但反向影響不顯著。第三產業在受到經濟波動的影響下，將在今后10年繼續上升，但速度趨慢。這是因為第三產業的構成復雜，產業內部的就業彈性結構差距很大。在經濟轉軌期間，第三產業內部就業彈性大的行業受到第一和第二產業發展滯后的影響。所以在今后10年左右的時間，要提高第三產業的就業水平，GDP的增長質量與增長速度必須做出相應的調整，因為在中國當前科技整體創新能力（包括基礎研發和產業應用）沒有取得實質性突破的前提下，長期維持高速增長付出的環境與資源代價會抵消單方面的經濟增長效果。同時，第三產業勞動投入雖然對GDP的增長有貢獻，但二者存在復雜的內部聯系，除了勞動數量的投入對GDP產生重要影響外，第三產業從業人員綜合素質的提高將對GDP產生更大的影響。顯然這方面是今后深入研究的一個重要方向。
　　
　　參考文獻：
　　1、彭效軍.我國產業結構調整與人口遷移研究——配弟-拉克定律的實證分析[J].思