基于MS-VAR模型的就業(yè)影響因素非線性估計(jì)

羅孝玲，楊 立，楊懷東

（中南大學(xué) 商學(xué)院，長沙 410083）

0 引言

當(dāng)前，就業(yè)問題已經(jīng)成為經(jīng)濟(jì)發(fā)展中最重要的問題之一，國內(nèi)外對此進(jìn)行了廣泛的研究。國外對就業(yè)問題的代表模型有貝弗里奇的結(jié)構(gòu)性失業(yè)模型和菲利普.阿吉翁等提出的就業(yè)失業(yè)模型，總體上而言西方經(jīng)濟(jì)學(xué)觀點(diǎn)認(rèn)為經(jīng)濟(jì)增長是就業(yè)增長必然會帶來就業(yè)增長【1】。劉新衛(wèi)【2】利用道格拉斯生產(chǎn)函數(shù)驗(yàn)證了我國經(jīng)濟(jì)增長與就業(yè)的正相關(guān)關(guān)系。Pissarides【3】的研究表明，在勞動生產(chǎn)率處于上升階段時，增加勞動力會增加企業(yè)利潤，從而帶來就業(yè)增長。何靜慧【4】以浙江為例，研究了經(jīng)濟(jì)增長和技術(shù)進(jìn)步對就業(yè)的影響。張曉旭【5】運(yùn)用偏離—份額方法分析1978年以來中國就業(yè)增長與產(chǎn)業(yè)結(jié)構(gòu)變遷的關(guān)系，結(jié)果發(fā)現(xiàn)，對于就業(yè)增長而言結(jié)構(gòu)成分占主導(dǎo)性作用。李曉嘉等【6】分析了我國產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)結(jié)構(gòu)之間的互動關(guān)系，發(fā)現(xiàn)我國就業(yè)矛盾的原因主要在于我國的產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)不相稱，就業(yè)結(jié)構(gòu)滯后于產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展。吳小松等【7】根據(jù)SDA模型對1987～2002年間我國就業(yè)增長與結(jié)構(gòu)變遷的影響因素進(jìn)行了實(shí)證分析從三次產(chǎn)業(yè)來看，第一產(chǎn)業(yè)的居民消費(fèi)、第二產(chǎn)業(yè)的資本形成及第三產(chǎn)業(yè)的政府消費(fèi)對各產(chǎn)業(yè)就業(yè)增長均有較大拉動作用。冉光和等【8】經(jīng)驗(yàn)分析出資本投入與勞動供需協(xié)調(diào)之間存在穩(wěn)定的正相關(guān)關(guān)系,技術(shù)進(jìn)步則與勞動供需協(xié)調(diào)呈穩(wěn)定的負(fù)相關(guān)關(guān)系,偏離比較優(yōu)勢的資本深化與技術(shù)進(jìn)步弱化了就業(yè)促進(jìn)功能并加速了勞動市場的分化。總體而言，國內(nèi)外學(xué)者對就業(yè)問題進(jìn)行了一系列的定性和定量分析，取得了階段性成果。

然而，由于宏觀經(jīng)濟(jì)運(yùn)行在特定經(jīng)濟(jì)周期可能存在結(jié)構(gòu)性變化或者結(jié)構(gòu)性斷點(diǎn)，采用傳統(tǒng)的線性模型來研究就業(yè)的影響因素問題可能導(dǎo)致較大的偏差。因此，本文試圖摒棄傳統(tǒng)的線性建模思路，從研究變量的非線性特征入手，結(jié)合Ham ilton【9】分析宏觀經(jīng)濟(jì)的思路，將我國宏觀經(jīng)濟(jì)分為兩個狀態(tài)（擴(kuò)張期和收縮期）進(jìn)行研究。具體而言，本文運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)和逐步回歸模型得到就業(yè)的主要影響因素，選擇非線性馬爾科夫狀態(tài)轉(zhuǎn)移向量自回歸模型（MS-VAR模型）研究不同狀態(tài)下就業(yè)與各個影響因素之間的關(guān)系，并在此基礎(chǔ)上研究就業(yè)在各個狀態(tài)下的轉(zhuǎn)換概率和狀態(tài)持續(xù)時間，從而為就業(yè)政策的提出提供理論支持。

1 就業(yè)水平影響因素的指標(biāo)體系建立

1.1 就業(yè)問題評價指標(biāo)（因變量Y）選取

就業(yè)是社會、國民經(jīng)濟(jì)中極其重要問題。按已有研究，就業(yè)可以定義為三個月內(nèi)有穩(wěn)定的收入或與用人單位有勞動聘用關(guān)系。本文是對就業(yè)人數(shù)進(jìn)行研究，所以選取就業(yè)人數(shù)作為就業(yè)問題評價指標(biāo)。

1.2 影響因素指標(biāo)體系建立

影響就業(yè)的因素可能有很多，這些因素之間內(nèi)部可能也存在相互之間的關(guān)系，如何系統(tǒng)明了地對這些因素進(jìn)行分析，找到主要的影響因素的首要條件是建立合理的指標(biāo)體系。

1.2.1 指標(biāo)體系建立方法選取

通過參考各關(guān)于指標(biāo)體系的文獻(xiàn)，本文采用分層模式指標(biāo)體系，將整個指標(biāo)體系分為三層，第一層為目標(biāo)層，第二層要素層，第三層為指標(biāo)層；根據(jù)對各類指標(biāo)的定性分析，可以認(rèn)為該問題采用分層模式指標(biāo)體系的目標(biāo)層為“影響因素”。接下來討論研究要素層各要素的選取和定義。

1.2.2 要素選取

參考我國宏觀經(jīng)濟(jì)指標(biāo)體系，和訊網(wǎng)數(shù)據(jù)庫和研網(wǎng)數(shù)據(jù)庫，以及從宏觀角度看，消費(fèi)、投資、政府購買和進(jìn)出口都是影響就業(yè)的重要因素，再綜合文獻(xiàn)中的資料，可以提取以下可能影響就業(yè)的因素：

①消費(fèi)；②投資；③對外貿(mào)易；④GDP和人口數(shù)等國民經(jīng)濟(jì)核算指標(biāo)；⑤經(jīng)濟(jì)景氣指數(shù)。

在進(jìn)行統(tǒng)計(jì)分析的過程中，各要素之間可能會存在相互之間的關(guān)系，所以要對以上五個要素進(jìn)行篩選。本文選取就業(yè)影響的指標(biāo)體系要素層的三個要素分別為：①消費(fèi)；②投資；③對外貿(mào)易。

1.3 各要素主要指標(biāo)初步選取

1.3.1 消費(fèi)要素

根據(jù)宏觀經(jīng)濟(jì)核算指標(biāo)，了解到反映其消費(fèi)要素的指標(biāo)可能有：居民消費(fèi)價格指數(shù)、衣著價格指數(shù)、糧食價格指數(shù)、居住價格指數(shù)、交通和通信價格指數(shù)，社會各種消費(fèi)品零售總額和居民收入等。由于衣、食、住、行價格指數(shù)綜合起來就是居民消費(fèi)指數(shù)，所以這幾個指標(biāo)就可以選擇居民消費(fèi)價格指數(shù)；社會消費(fèi)品零售總額可以代表社會整體消費(fèi)品水平，可以反映居民消費(fèi)；而反映居民消費(fèi)水平的要素可以包括居民實(shí)際收入和可支配收入，所以可以用其中1個指標(biāo)表示，這里采用居民可支配收入這個指標(biāo)。

1.3.2 投資要素

整體反映投資要素的指標(biāo)是固定資產(chǎn)投資完成額，而固定資產(chǎn)投資包括中央和地方投資兩項(xiàng)，所以再選取另一個指標(biāo)——地方項(xiàng)目資產(chǎn)投資完成額。

中央投入中教育科技等投資，間接影響了人力資本的強(qiáng)度，從而影響到就業(yè)，這一系列的影響過程涉及很廣，在接下來的模型中可以暫不考慮其影響。

市場利率是影響就業(yè)的一個很重要的指標(biāo)，它可以直接影響投資情況，所以考慮將“市場利率”這個指標(biāo)放入“投資”這個要素中。

1.3.3 對外貿(mào)易要素

對外貿(mào)易中的主要指標(biāo)有進(jìn)出口額，進(jìn)出口總額，進(jìn)出口差，其中進(jìn)出口差最能反映對外貿(mào)易這個要素的情況，所以考慮只選取“進(jìn)出口差”和“進(jìn)出口總額”這個指標(biāo)。

綜合以上分析，得到以下影響因素指標(biāo)體系：

表1 影響就業(yè)因素指標(biāo)體系

1.4 樣本選取

綜合各數(shù)據(jù)庫各指標(biāo)的數(shù)據(jù)，由于年度數(shù)據(jù)樣本量太小（一般從1978～2008，且1989年前缺失值嚴(yán)重），本文選取月度數(shù)據(jù)（2001年1月～2008年12月）作為數(shù)學(xué)模型建立的所需的統(tǒng)計(jì)數(shù)據(jù)。數(shù)據(jù)來源于研網(wǎng)。

各影響因素指標(biāo)可以查詢到月度數(shù)據(jù)，而根據(jù)就業(yè)的定義和數(shù)據(jù)庫中數(shù)據(jù)，只能得到就業(yè)人數(shù)的年度數(shù)據(jù)。本文中利用三次樣條插值法，利用2001～2008年的年度就業(yè)人數(shù)進(jìn)行數(shù)據(jù)處理，得到2001年1月～2008年12月的月度數(shù)據(jù)。經(jīng)過各數(shù)據(jù)整理，得到就業(yè)指標(biāo)數(shù)據(jù)表如表2：

1.5 因果關(guān)系檢驗(yàn)提取主要指標(biāo)

通過以上定性的分析，我們選取了8個可能的主要因素指標(biāo)，并選取了2001年1月～2008年12月的樣本數(shù)據(jù)，現(xiàn)將對這些樣本數(shù)據(jù)進(jìn)行Granger因果關(guān)系檢驗(yàn)，通過檢驗(yàn)找到這8個指標(biāo)中對就業(yè)人數(shù)影響的主要因素。

1.5.1 Granger因果關(guān)系檢驗(yàn)原理

兩個時間序列的變量在時間上有先導(dǎo)——滯后關(guān)系，如何考察一個變量過去的行為是否在影響另一個變量的當(dāng)前行為，或者雙方的過去行為在相互影響著對方的當(dāng)前行為，Granger提出了一個簡單的檢驗(yàn)程序，稱之為Granger因果關(guān)系檢驗(yàn)。

對兩個變量Y與X，Granger因果關(guān)系檢驗(yàn)要求估計(jì)以下回歸：

可能存在有四種檢驗(yàn)結(jié)果：

（1）X對Y有單向影響，表現(xiàn)為（1）式X各滯后項(xiàng)前的參數(shù)整體不為零，而（2）式Y(jié)各滯后項(xiàng)前的參數(shù)整體為零；

（2）Y對X有單向影響，表現(xiàn)為（2）式Y(jié)各滯后項(xiàng)前的參數(shù)整體不為零，而（1）式X各滯后項(xiàng)前的參數(shù)整體為零；

（3）Y與X間存在雙向影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體不為零；

（4）Y與X間不存在影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體為零；

Granger檢驗(yàn)是通過受約束的F檢驗(yàn)完成的。如針對X不是Y的Granger原因這一假設(shè)，即針對（1）式中X滯后項(xiàng)前的參數(shù)整體為零的假設(shè)，分別做包含與不包含X滯后項(xiàng)的回歸，記前者的殘差平方和為RSSu，后者的殘差平方和為RSSR；再計(jì)算F統(tǒng)計(jì)量：

式中，m為X的滯后項(xiàng)的個數(shù)，n為樣本容量，k為包含可能存在的常數(shù)項(xiàng)及其他變量在內(nèi)的無約束回歸模型的待估參考的個數(shù)。

如果計(jì)算的F值大于給定顯著性水平α下F分布的相應(yīng)的臨界值Fα(m,n-k)，則拒絕原假設(shè)，認(rèn)為X是Y的Granger原因。

1.5.2 1Granger因果檢驗(yàn)

表2中給出了就業(yè)人數(shù)和8個指標(biāo)的樣本數(shù)據(jù)，對這些樣本數(shù)據(jù)進(jìn)行因果關(guān)系檢驗(yàn)。

用Eviews先對就業(yè)人數(shù)和固定資產(chǎn)投資完成額進(jìn)行因果關(guān)系檢驗(yàn)，得到以下結(jié)果（見表3）：

表2 就業(yè)指標(biāo)表

表3 就業(yè)人數(shù)與固定資產(chǎn)投資完成額Granger因果檢驗(yàn)結(jié)果表

由表3F檢驗(yàn)的相伴概率可以看出，在5%的顯著性水平下，拒絕“X1不是Y的Granger原因”的假設(shè)，而不拒絕“Y不是X1的Granger原因”的假設(shè)。因此，檢驗(yàn)結(jié)果為：固定資產(chǎn)投資額是就業(yè)人數(shù)的Granger原因。

同理，將就業(yè)人數(shù)與其他因素指標(biāo)進(jìn)行Granger因果檢驗(yàn)，得到結(jié)果如表4：

表4 就業(yè)人數(shù)與各因素的Granger因果檢驗(yàn)結(jié)果

綜上表明以下結(jié)論：

（1）固定資產(chǎn)投資總額、地方項(xiàng)目資產(chǎn)投資、市場利率、居民消費(fèi)價格指數(shù)和社會消費(fèi)品零售總額是就業(yè)人數(shù)的Granger原因，但是就業(yè)人數(shù)不是它們的Granger原因；

（2）城鎮(zhèn)居民可支配收入和進(jìn)出口差額是就業(yè)人數(shù)的Granger原因，同時就業(yè)人數(shù)也是它們的Granger原因；

（3）進(jìn)出口總額不是就業(yè)人數(shù)的Granger原因，就業(yè)人數(shù)也不是進(jìn)出口總額的原因.

1.5.3 主要指標(biāo)確定

以表4中的因果關(guān)系檢驗(yàn)結(jié)論為依據(jù)，是就業(yè)人數(shù)的Granger原因的指標(biāo)為影響就業(yè)人數(shù)的主要指標(biāo)。則表示為如表5所示：

由上述分析可知，影響就業(yè)人數(shù)的相關(guān)因素由表5所示的7個，為了消除因素之間的多種共線性，以就業(yè)人數(shù)為因變量，表5中的影響因素為自變量，以2001年1月～2008年12月的全國月度數(shù)據(jù)為樣本，建立逐步回歸模型，得到以下回歸結(jié)果：

表5 影響就業(yè)人數(shù)的主要指標(biāo)

由此可見影響就業(yè)問題的主要因素為x1，x3，x4，x6，x7，在后續(xù)的MS-VAR模型中，本文僅考慮這5個因素的影響。

2 馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸模型的建立

2.1 馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸模型的構(gòu)建

自Sims（1990）提出向量自回歸模型（Vector Autoregression，VAR）以來，該方法在研究總體變量之間的關(guān)系得到廣泛的應(yīng)用，而馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸模型（MS-VAR）就是在向量自回歸模型（VAR）模型的基礎(chǔ)上加上馬爾科夫鏈（Markov Chain）特性的模型。

根據(jù)上面的分析，本文采用就業(yè)人數(shù)（Y1）、固定資產(chǎn)投資（Y2）、市場利率（Y3）、居民消費(fèi)價格指數(shù)（Y4）社會消費(fèi)品零售總額（Y5）和進(jìn)出口差額（Y6）構(gòu)建MS-VAR模型。這些指標(biāo)可以構(gòu)成6維時間序列向量Yt=(Y1t、Y2t、Y3t、…Y6t）。該時

間序列在狀態(tài)St可構(gòu)建P階VAR模型，如式5：

其中，St為狀態(tài)變量，vtSt為常數(shù)項(xiàng)，它來自不同狀態(tài)下的母體，Ai(St)為外生變量的系數(shù)向量。

結(jié)合經(jīng)濟(jì)變量常有的兩狀態(tài)模式，可以假設(shè)本模型存在兩種狀態(tài)（擴(kuò)張期和收縮期），當(dāng)St=1時是擴(kuò)張期，當(dāng)St=2時是收縮期。馬爾科夫轉(zhuǎn)換模型的概念主要是由兩種概率分配混合產(chǎn)生數(shù)據(jù)，此種狀態(tài)改變的現(xiàn)象與Chow test的觀點(diǎn)有部分是相似的，但Chow test主張的是認(rèn)為在t期的數(shù)據(jù)不是由狀態(tài)一就是由狀態(tài)二“獨(dú)立”產(chǎn)生，而并非由狀態(tài)一及狀態(tài)二混合產(chǎn)生，所以馬可夫轉(zhuǎn)換模型會較Chow test相對來得有彈性。兩狀態(tài)的馬爾科夫模型的狀態(tài)轉(zhuǎn)換矩陣可由式6加以表示：

其 中 ，0＜P11、P12、P21、P22＜1，且 P11+P12=P21+P22=1。Pij=P(St+1=j|St=i),i、j=1or2，表示狀態(tài)轉(zhuǎn)換的概率。本期（第t期）處于狀態(tài)i而下一期（第t+1期）轉(zhuǎn)換為狀態(tài)j的概率為Pij。

上面敘述的狀態(tài)變量St是無法觀察的，且轉(zhuǎn)換概率也是無法觀察，但可以用最大似然估計(jì)求出在各時點(diǎn)t的狀態(tài)概率值。

馬爾科夫轉(zhuǎn)換是可以用無法觀察的狀態(tài)變量來捕捉時間序列的數(shù)據(jù)產(chǎn)生過程(Data-Generating Process)。在馬爾科夫狀態(tài)轉(zhuǎn)換模型中的參數(shù)包含常數(shù)項(xiàng)、平均數(shù)與誤差項(xiàng)都會依狀態(tài)的改變而有所不同，因此我們可以依照研究本身的需求，來對于某些參數(shù)進(jìn)行不同狀態(tài)改變的假設(shè)，來進(jìn)行我們的實(shí)證分析。

2.2 馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸模型的實(shí)證分析

在進(jìn)行MS-VAR模型計(jì)算之前，先要保證樣本數(shù)據(jù)的平穩(wěn)性，本文采用ADF檢驗(yàn)進(jìn)行，發(fā)現(xiàn)就業(yè)人數(shù)不是平穩(wěn)序列，于是對其進(jìn)行一階差分后檢驗(yàn)得到平穩(wěn)的結(jié)論。ADF采用Eviews6進(jìn)行計(jì)算，具體檢驗(yàn)結(jié)果見表6。

表6 ADF單位根檢驗(yàn)

表7 滯后階數(shù)的判斷

表8 最佳MS-VAR模型的選擇

在對數(shù)據(jù)進(jìn)行平穩(wěn)化處理和平穩(wěn)檢驗(yàn)后，就可以求解模型了，本文采用OX軟件包中的MSVAR優(yōu)化包，采用基于極大似然估計(jì)的EM算法進(jìn)行估計(jì)參數(shù)。

在進(jìn)行MS-VAR分析之前，必須先確定滯后階數(shù)(P)，本文是根據(jù)MSM-VAR模型的AIC和SIC判斷準(zhǔn)則來決定最適的滯后階數(shù)，由表7可知，當(dāng)落后期數(shù)為1的時候，AIC值為22.5177，SIC值為24.4387，在滯后期數(shù)為4時，AIC值和SIC值相對較小，代表其模型配適性最佳，因此，本文選擇滯后期數(shù)為4的模型進(jìn)行分析。

接下來通過AIC值、SIC值和LR Linearity值來判斷MS-VAR的模式，這些值的具體大小見表8。

從表8看出，MSIAH(2)-VAR(4)模型的AIC值和SIC值最小，且其LR Linearity統(tǒng)計(jì)量顯著，我們選擇該模型來研究，對應(yīng)于兩種狀態(tài)，截距、方差和回歸系數(shù)都在發(fā)生變化。

由表9可知，當(dāng)期處于狀態(tài)1（擴(kuò)張期），下期維持狀態(tài)1（擴(kuò)張期）的概率為0.9555，當(dāng)期處于狀態(tài)1，下期轉(zhuǎn)換為狀態(tài)2（收縮期）的概率為0.0445，當(dāng)期為狀態(tài)2，下期維持狀態(tài)2的概率為0.9778，當(dāng)期為狀態(tài)2，下期為狀態(tài)1的概率為0.0222。

由表10可知，處于狀態(tài)1的平均概率為0.333，期望持續(xù)期為22.48個月；處于狀態(tài)2的平均概率為0.667，期望持續(xù)期

表9 狀態(tài)轉(zhuǎn)換概率

表10 狀態(tài)期望持續(xù)期和平均概率

為每45.02個月。可以看出，狀態(tài)2的平均概率和期望持續(xù)期都大于狀態(tài)1，這說明從總量上講，2001～2008年間，我國經(jīng)濟(jì)的擴(kuò)張期是短于收縮期的。

由于本文研究的核心是就業(yè)受其他因素的影響情況，因此文章僅提供MSIAH(2)-VAR(4)模型中就業(yè)人數(shù)增量（進(jìn)行過差分處理）的參數(shù)表，由表11可知，在擴(kuò)張期，就業(yè)人數(shù)的增量受到第一期到第四期就業(yè)人數(shù)增量、第二期和第三期固定資產(chǎn)投資、第四期利率、第三期和第四期物價指數(shù)、第一期和第二期消費(fèi)總額、第一期進(jìn)出口差額的顯著影響；在收縮期，就業(yè)人數(shù)增量收到第一期到第三期就業(yè)人數(shù)增量、第一期到第三期物價指數(shù)、第一期消費(fèi)總額的顯著影響。

圖1給出了每個樣本觀測點(diǎn)分別在狀態(tài)1和狀態(tài)2的濾子概率以及相應(yīng)的平滑概率和預(yù)測概率曲線。從圖1的上半部分看出，經(jīng)濟(jì)狀態(tài)在2001年1月～2004年1月和2005年4月～2006年3月兩個時段處于擴(kuò)張期，從圖1的下半部分看出，經(jīng)濟(jì)狀態(tài)2004年2月～2005年3月和2006年4月～2008年12月兩個時段處于收縮期。結(jié)合國家統(tǒng)計(jì)局發(fā)布的中國企業(yè)景氣指數(shù)，該指數(shù)從2001年第一季度的118.56點(diǎn)上升到2004年第一季度的135.9點(diǎn)，成為一個明顯的擴(kuò)張趨勢，該指數(shù)從2004年第一季度的135.9點(diǎn)下降到2005年第二季度的131.71點(diǎn)，成為一個收縮趨勢，給指數(shù)從2006年第一季度的131.5點(diǎn)下降2008年第四季度的107點(diǎn)，成為一個明顯的收縮趨勢。從與中國企業(yè)景氣指數(shù)的對比看，它與本研究得到的結(jié)論非常吻合，說明了采用MS-VAR模型對經(jīng)濟(jì)狀態(tài)進(jìn)行劃分的合理性。

表11 MSIAH(2)-VAR(4)模型就業(yè)人數(shù)的參數(shù)

圖1 MSIAH(2)-VAR(4)模型狀態(tài)概率圖

3 結(jié)論與研究展望

本研究首先采用了格蘭杰因果關(guān)系檢驗(yàn)和逐步回顧模型對影響就業(yè)的因素進(jìn)行了篩選和驗(yàn)證，得到五個影響就業(yè)的關(guān)鍵因素。在此基礎(chǔ)上，考慮到不同狀態(tài)下就業(yè)與其影響因素之間的關(guān)系會有所不同，建立了MS-VAR模型。從實(shí)證的結(jié)論看，最終建立的MSIAH(2)-VAR(4)模型能夠很好的區(qū)分經(jīng)濟(jì)狀態(tài)，并給出了以下重要結(jié)論：

（1）在擴(kuò)張期，就業(yè)人數(shù)的增量受到第一期到第四期就業(yè)人數(shù)增量、第二期和第三期固定資產(chǎn)投資、第四期利率、第三期和第四期物價指數(shù)、第一期和第二期消費(fèi)總額、第一期進(jìn)出口差額的顯著影響；在收縮期，就業(yè)人數(shù)增量收到第一期到第三期就業(yè)人數(shù)增量、第一期到第三期物價指數(shù)、第一期消費(fèi)總額的顯著影響。

（2）處于擴(kuò)張期的平均概率為0.333，期望持續(xù)期為22.48個月；處于收縮期的平均概率為0.667，期望持續(xù)期為45.02個月。

后續(xù)研究中，我們將考慮狀態(tài)的持續(xù)性，研究是否某一狀態(tài)持續(xù)的時間越長，其轉(zhuǎn)換為另一狀態(tài)的概率越大的期間相依現(xiàn)象。同時，將考慮加入誤差修正模型對MS-VAR模型進(jìn)行拓展，研究就業(yè)的長期均衡和短期突變現(xiàn)象，為就業(yè)問題提供更多的決策依據(jù)。

[1]Martine Carre,David Drouot.Pace Versus Type the Effect of Economic Growth on Unemployment and Wage Pattern[J].Review of Economics Dynamics,2004,（7）.

[2]劉新衛(wèi).就業(yè)增長率與經(jīng)濟(jì)增長率關(guān)系的預(yù)測模型[J].科技創(chuàng)業(yè)，2008，(12).

[3]Pissarides Chirstopher A.Equilibirum Unemployment Theory[M].Cambridge：MIT Press，2000.

[4]何靜慧.經(jīng)濟(jì)增長、技術(shù)進(jìn)步與就業(yè)的關(guān)系——以浙江為例[J].統(tǒng)計(jì)與決策 ，2005，(10).

[5]張曉旭.中國就業(yè)增長與產(chǎn)業(yè)結(jié)構(gòu)變遷關(guān)系的考量[J].統(tǒng)計(jì)與決策,2007，(24).

[6]李曉嘉，劉鵬.我國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對就業(yè)增長的影響[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006，(1).

[7]吳小松，范金，胡漢輝.我國就業(yè)增長與結(jié)構(gòu)變遷的影響因素：基于SDA的分析[J].經(jīng)濟(jì)科學(xué)，2007，(1).

[8]冉光和，曹躍群.資本投入、技術(shù)進(jìn)步與就業(yè)促進(jìn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007 ，(2).

[9]Hamilton,James D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica,1989，（57）.