基于向量自回歸模型的技術創新、產業結構與經濟增長的動態關系研究

楊兵+戴淑芬+葛澤慧

[摘 要] 本文選取我國1986-2015年的時間序列數據，通過構建技術創新、產業結構優化與經濟增長三者間的向量自回歸（VAR）模型，綜合運用格蘭杰因果關系檢驗、脈沖響應函數和方差分解的研究方法，對三者間的動態效應進行了實證研究。結果表明：技術創新與經濟增長構成雙向因果關系；經濟增長是產業結構優化的格蘭杰原因；產業結構優化是技術創新的格蘭杰原因。技術創新、產業結構優化對經濟增長具有明顯的長期的正向沖擊效應；經濟增長對技術創新具有較長時期的正向沖擊效應，產業結構優化對技術創新具有短期的正向沖擊效應；經濟增長對產業結構優化具有短期的正向沖擊效應，技術創新對產業結構優化具有長期的負向沖擊效應。

[關鍵詞] 技術創新；產業結構；經濟增長；VAR模型；脈沖響應函數

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 21. 058

[中圖分類號] F121.3；F124.3；F224 [文獻標識碼] A [文章編號] 1673 - 0194（2017）21- 0131- 08

1 引言及文獻綜述

作為經濟增長的兩個重要源泉，產業結構優化升級和技術創新不僅會對國民經濟產生影響，而且相互作用：一方面，產業結構優化的過程中，創新資源的空間重置必然對創新產出產生影響；另一方面，技術創新在提高產業整體生產效率的同時，也促使生產要素從低效率產業向高效率產業的轉移，從而實現產業結構的優化升級。隨著社會的高速發展，科技的不斷進步，技術創新與產業結構之間呈現出越來越強的相互滲透作用關系，它們之間所呈現的依賴性日益加深。因此，有必要深入考察和驗證技術創新、產業結構優化這兩個關鍵因素與經濟增長三者間的關系。

對于技術創新與經濟增長的關系，眾多的學者都致力于此領域的研究，克魯格曼在他的文章《亞洲奇跡的神話》中指出，大部分東亞國家和地區的經濟增長主要依靠要素投入的增加，技術進步沒有發揮顯著作用。劉偉、張輝實證度量了產業結構變遷對中國經濟增長的貢獻，認為在1990—2002年期間，要素投入增長的貢獻率和全要素生產率增長的貢獻率呈現此消彼長的趨勢，這和Chenery對所有工業化國家的研究有著相似的結論。張鳳武研究了技術創新促進經濟增長的過程與主要標志。陳英提出技術創新包含生產過程創新和產品創新兩類。程開明利用省級面板數據的多模型估計發現，城市化與技術創新對經濟增長具有正向促進作用。對于產業結構優化與經濟增長的關系，李博研究分析了產業結構優化升級的機制及其與經濟增長之間的關系，建立了一套基于靜態投入產出模型的產業結構優化升級測度方法。付凌暉構造了一種新的產業高級化指標，發現我國經濟總量增長明顯帶動了產業結構升級，而產業結構高級化對經濟增長的促進作用并不顯著；鄭少智等通過構造產業結構高級化的指標對產業結構高級化與經濟增長的關系進行了分析。對于技術創新與產業結構優化的關系，龔軼等對企業技術創新對產業結構優化的影響進行了分析。黃茂興和李軍軍分析了技術選擇、產業結構升級與經濟增長之間的內在關系，認為通過合理的技術選擇和資本深化，能夠促進產業結構升級。

總結現有的相關研究成果來看，從技術創新或產業結構優化單個方面研究與經濟增長的成果已經很多，且現有研究多從靜態角度研究產業結構優化、技術創新對經濟增長的單向影響，忽視了該影響在不同階段可能發生的動態變化。因此，有必要深入研究技術創新、產業結構優化與經濟增長三者間的關聯性及動態發展，以求理解其關聯機制與效應。

基于以上分析，本文運用我國1986-2015年的宏觀經濟數據，把技術創新、產業結構優化與經濟增長放在一個分析框架中做進一步的量化分析，運用Eviews 8.0構建向量自回歸模型VAR，運用格蘭杰因果檢驗、脈沖響應函數和方差分解定量分析三者之間的動態傳導機制。

2 研究方法與指標選取

2.1 研究方法

VAR模型。聯立方程組等結構性方法需要通過經濟理論來構建變量間的關系，但那些理論通常又不足以說明變量之間的動態聯系。VAR模型不帶有任何事先約束條件，將產業結構優化、技術創新與經濟增長均視作內生變量，避開了結構建模中需要對系統內每個內生變量滯后值函數建模的問題，使用模型中所有當期變量對每個變量的若干滯后值進行回歸，分析隨機擾動對變量系統的動態影響，從而估計全部內生變量的相互動態關系。

最一般的VAR（P）模型如式（1）。

yt=A1yt-1+…+Apyt-p+B1xt+…+Brxt-r+εt（1）

式中，yt是m維內生變量向量；xt是d維外生變量向量；A1，…，Ap和B1，…，Br是待估計的參數矩陣，內生變量和外生變量分別有p和r階滯后期；εt是隨機擾動項，同期之間可以相關，但不能有自相關，不能與模型右邊的變量相關。

2.2 指標選取與數據來源

為了保證數據統計口徑的一致性與可得性，本文選擇時間跨度為1986-2015年的數據。

（1）經濟增長（GDP）以全國各年的實際GDP值衡量，利用GDP平減指數對名義GDP進行平減，基期為1986年，數據來源于歷年的《中國統計年鑒》，單位為“億元”。

（2）產業結構優化率（CYYH）以“第二、第三產業生產總值之和占總產值比重”來衡量，數據來源于歷年的《中國統計年鑒》，單位為“%”。根據產業組織理論中配第-克拉克定理，本文選擇產業結構優化率（CYYH）來表示產業結構優化升級情況，CYYH=（第二產業產值+第三產業產值）/GDP，數據來源于歷年的《中國統計年鑒》，單位為“%”。

（3）技術創新（ZL）借鑒李從榮等以國內專利授權量作為技術創新能力和水平的衡量指標，數據來源于歷年的《中國科技統計年鑒》，單位為“件”。

3 模型與實證分析endprint

3.1 平穩性檢驗

由于大多數宏觀時間序列具有趨勢特征，直接對這些時間序列進行回歸會產生虛假回歸現象，因此我們在對這些時間序列進行回歸分析之前，有必要對這些時間序列進行單位根檢驗，以判斷該序列是否平穩，只有平穩的時間序列才能進行回歸分析，因此本文采用ADF方法（Augmented Dickey-Fuller）來進行平穩性檢驗。對樣本數據的檢驗結果如表1所示。

時間序列往往具有非平穩的特點，為避免估計結果和檢驗統計失去通常的性質，而得出錯誤的結論，在建立模型之前首先要對各時間序列進行平穩性檢驗。在模型的構建過程中，為了消除序列中存在的異方差，減少數據的波動，本文對各變量進行了對數化處理，變量的原始序列為GDP、ZL、CYYH，處理后的變量依次記為LGDP（經濟增長取自然對數）、LZL（技術創新取自然對數）、LCYYH（產業結構優化取自然對數）。

本文采用Eviews 8.0軟件中ADF檢驗分別對GDP、ZL、CYYH、LGDP、LZL以及LCYYH進行單位根檢驗，檢驗結果如表1所示。

注：（1）***表示在1%的顯著性水平上通過檢驗

（2）（c，t，q）表示序列ADF檢驗形式，c，t，q分別代表常數項、時間趨勢和滯后階數。

從表1的結果中可以看出，變量的原始序列GDP、ZL、CYYH均為非平穩序列，上述三個變量在對數水平上均通過了ADF單位根檢驗，而且都為零階單整序列I（0），因此可以用這三個序列構建VAR模型。

3.2 滯后階數選擇（VAR模型滯后期的選擇）

建立VAR模型除了要滿足平穩性條件外，還要確定最大滯后期。對于滯后長度的選取，一般希望滯后數足夠大以便能夠較好地反映所構造模型的動態特征。但是滯后數越大，模型中待估計的參數也越多，模型的自由度也越小。在無約束（unrestricted）VAR（P）模型條件下，可依據LR、FPE、AIC、SBIC、HQIC等多種檢驗準則，通過測試不同VAR（P）模型對應的值，得出VAR（P）的最佳滯后階數。結果如表2所示，LR、FPE、AIC、SBIC、HQIC等檢驗準則均表明應該選擇滯后3階的VAR模型比較合適（打星號者）。根據單位根圖（圖1）可知，向量自回歸的根都在圓內，所以建立的3階向量自回歸模型是穩定的。

*表示該標準選擇的滯后階數

3.3 格蘭杰因果檢驗

Granger（1969）提出一種如何檢驗變量之間因果關系的方法，用于分析時間序列變量之間的因果關系，主要看現在的變量在多大程度上被過去的其他變量解釋。對于多變量情形（VAR），Eviews將進行成對的格蘭杰因果檢驗。

根據格蘭杰因果分析，本研究對應的三變量模型為：

如果同時考慮檢驗模型的序列相關性以及赤池信息準則（AIC），可以發現本文所構建的技術創新、產業結構優化與經濟增長模型中，滯后3階的檢驗模型不具有1階自相關性，而且也擁有較小的AIC值，因此下面利用格蘭杰因果檢驗分析它們之間作用力的方向即因果關系進行檢驗，結果如表3所示。

由表3的結果可知，1986-2015年期間，在經濟增長的方程中，技術創新在5%的顯著性水平下拒絕原假設，表明技術創新是經濟增長的格蘭杰原因；在10%的顯著性水平下接受產業結構優化不是經濟增長的格蘭杰原因的原假設。在技術創新的方程中，經濟增長在1%的顯著性水平下拒絕原假設，表明經濟增長對技術創新具有顯著的格蘭杰影響；產業結構優化的格蘭杰因果檢驗在5%的顯著性水平上拒絕原假設，說明產業結構優化在格蘭杰意義下影響技術創新，產業結構優化是技術創新的格蘭杰原因。在產業結構優化的方程中，經濟增長在1%的顯著性水平下拒絕原假設，說明經濟增長對產業結構優化具有顯著的格蘭杰影響；技術創新在10%的顯著性水平下接受原假設，說明技術創新在格蘭杰意義下對產業結構優化不具有顯著的影響。

綜上可知，在格蘭杰意義下，技術創新與經濟增長構成雙向因果關系。經濟增長是產業結構優化的格蘭杰原因，而產業結構優化不是經濟增長的格蘭杰原因。產業結構優化是技術創新的格蘭杰原因，而技術創新不是產業結構優化的格蘭杰原因。由此可見，我國經濟增長的驅動力是技術創新，經濟增長對于產業結構優化和技術創新具有重要的推動作用，產業結構優化對于經濟增長的促進作用可以通過技術創新這個中介變量來實現。

3.4 變量的脈沖響應分析

以上的分析只是根據歷史統計數據來反映技術創新、產業結構優化以及經濟增長之間的關系，其分析的基礎是外部環境保持穩定。而如果要在外部環境不斷變化的情況下分析技術創新、產業結構優化與經濟增長三者間的長期作用就需要借助脈沖響應函數方法（Impulse Response Function，IRF）。

在實際應用中，由于VAR模型是一種非理論性的模型，它無需對變量做任何先驗性約束，因此在分析VAR模型時，往往不分析一個變量的變化對另一個變量的影響如何，而是分析當一個誤差項發生變化，或者說模型受到某種沖擊時對系統的動態影響，這種分析方法稱為脈沖響應函數方法。該方法可以表現出變量的單位變化通過其內在聯系對整個系統的擾動，以及各變量對這些擾動的綜合反應。

因此本文利用脈沖響應函數對各變量之間的系統關系進行脈沖響應分析，找到各變量脈沖擾動的長期反應，進而確定各變量之間的長期關系。

圖2-圖4的脈沖響應圖中，橫軸代表沖擊作用的滯后期間數（單位：年度），縱軸則代表響應變量的響應值。圖中的實線為脈沖響應函數，虛線則表示正負兩倍標準差偏離帶。

由圖2可以看出，在本期內經過一個標準差的沖擊后，經濟增長對其自身的一個沖擊有明顯的正向響應，第三期達到最大的正向響應，隨后逐步下降，第九期達到最小響應值，此后逐漸平穩上升。經濟增長對技術創新有一個明顯的一期時滯，隨后逐步平穩上升，第五期達到最大響應值，持續形成對技術創新的正向響應。這說明技術創新對經濟增長沖擊的后期影響持續時間較長，正向效應不斷增加。在本期給產業結構優化一個正向沖擊后，經濟增長對其有一個明顯的一期時滯，隨后逐步上升在第六期最顯著，此后均為正向效應。endprint

從總體上說，經濟增長在其對自身沖擊的影響下仍可保持平穩增長，并且影響的程度遠大于技術創新與產業結構優化。當在本期分別給技術創新及產業結構優化一個正沖擊后，二者均會給經濟增長帶來正面的影響，前五期中技術創新對經濟增長的沖擊幅度大于產業結構優化對經濟增長的沖擊，自第六期開始，技術創新對經濟增長的正向影響開始小于產業結構優化。

從圖3中可知，一個經濟增長正交化沖擊，在第一期就對技術創新產生正向影響，然后開始逐步減弱，到第四期逐漸趨于零，第五期變為負向影響，隨后逐步產生正向影響，并在第八期達到最大的正向影響，第九期開始穩定增長。可見，經濟增長受外部條件的某一沖擊后，給技術創新帶來同向的沖擊，而且這一沖擊具有顯著的促進作用和較長的持續效應。

給技術創新一個正交化沖擊后，在第一期就對自身有最大的正向影響，此后逐步下降，第四期達到最小響應值，隨后逐步上升。

技術創新對產業結構優化有一個明顯的一期時滯，在前3年內呈現正向響應并且顯著為正。在隨后的時間里，影響為負，并呈現向零效應收斂的跡象，自二十一期后開始變為正向的響應。

從總體上看，自第六期開始，經濟增長對技術創新的正向沖擊開始大于技術創新對其自身的沖擊，產業結構優化對技術創新的沖擊作用始終小于經濟增長與技術創新。

從圖4中可知，當經濟增長沖擊發生后，產業結構優化對其的一個標準差新息立刻有較強反應，第二期達到最大的正向響應，然后開始逐步減弱，第四期開始變為負向影響，第五期達到最大的負向響應，到第七期逐漸趨于零，隨后又變為負向影響，其影響于第十期接近零，其后，保持較長時間的負向沖擊效應。

給技術創新一個正的沖擊，在第一期就對產業結構優化有負的影響，第七期達到最大的負的影響，然后開始逐漸減弱，但其影響都是負的，此后這種負向作用逐漸趨于0。

給產業結構優化一個正向沖擊后，在第一期就對自身有最大的正向影響，此后開始逐步減弱，但其影響都是正的。產業結構優化自身的慣性影響隨著時間的推移逐步趨于弱化，這也符合市場的規律。

從總體上看，產業結構優化對來自其自身的正交化沖擊有最大的響應，而對于經濟增長沖擊的響應，前三期均為正值，其余時期均為負的響應值。可見經濟增長對產業結構優化具有短期的正向沖擊效應，經濟增長加快了各產業之間的資源再配置，當生產要素從低效率產業向高效率產業轉移時，生產率提高快的行業，其發展潛力就越大，而生產率增長相對較慢的行業，其在產業結構中的比重就會不斷下降，從而實現了產業結構優化。技術創新的正交化沖擊，對產業結構優化在長期內呈現負向效應。這可能是由于技術創新所具有的滯后性，當一項新技術出現的時候，在其對產業結構優化升級轉變過程發揮作用前，往往需要經過新技術的商業化過程，而這個過程又包括產品開發、生產能力開發以及市場開發等過程，往往耗時很長。這也會導致技術創新對于產業結構優化的作用將不再那么的明顯。

3.5 方差分解

對于VAR模型來說，還可以采用方差分解方法研究模型的動態特征。其主要思想是，把系統中每個內生變量（共m個）的波動（k步預測均方誤差）按其成因分解為與各方程新息相關聯的m個組合部分，從而了解各新息對模型內生變量的相對重要性。

方差分解通過分析每一個結構沖擊對內生變量變化（通常用方差來度量）的貢獻度，進一步評價不同結構沖擊的重要性。它主要分析預測殘差的標準差由不同新息的沖擊響應的比例，從而分析對應內生變量對標準差的貢獻比例。本文中將利用方差分析的基本思想分析經濟增長（LGDP）、技術創新（LZL）與產業結構優化（LCYYH）三者分別對經濟增長（LGDP）、技術創新（LZL）、產業結構優化（LCYYH）變動的貢獻程度。

方差分析結果分別見表4、表5及表6。

從表5可以看出，第1期，技術創新對其自身的方差貢獻率達到最大值81.44%，經濟增長對技術創新的方差貢獻率為18.56%，產業結構優化對技術創新的方差貢獻率為0。前七期，技術創新對其自身的方差貢獻率一直大于經濟增長的貢獻率。第8期，經濟增長對技術創新的方差貢獻率開始超過技術創新，達到了45.84%。此后經濟增長對技術創新的方差貢獻率持續增加，直至第10期的方差貢獻率達到了48.25%，反映出影響技術創新最大的因素仍然是經濟增長。產業結構優化對技術創新的方差貢獻率自第1期開始緩慢增加，直至第6期達到最大值13.17%，此后一直保持在10%的貢獻率。這與前面脈沖響應函數的分析結果基本一致。

表6為 LCYYH進行方差分解的輸出結果。由表可知，第1期，產業結構優化對其自身的方差貢獻率達到最大值84.45%，第2期對其自身的方差貢獻率達到最小值53.19%，此后持續增加，直至第10期的方差貢獻率達到了66.56%。經濟增長對產業結構優化的方差貢獻率在第1期達到了15.50%，第2期達到了最大貢獻率45.47%，隨后逐步下降，第10期的貢獻率達到25.99%。技術創新對產業結構優化的方差貢獻率在第1期為0.06%，此后逐步上升，直至第10期的方差貢獻率達到了7.46%。反映出影響產業結構優化最大的因素仍然是其自身。經濟增長對產業結構優化的方差貢獻率始終大于技術創新對產業結構優化的方差貢獻率。值得關注的是，以專利申請授權量作為技術創新的衡量指標，對產業結構優化的方差貢獻度較小，可能的原因是在其對產業結構優化升級轉變過程發揮作用前，往往需要經過新技術的商業化過程，而這個過程又包括產品開發、生產能力開發以及市場開發等過程，往往耗時很長，這也會導致技術創新對產業結構優化的作用將不再那么的明顯。這與前面脈沖響應函數的分析結果基本一致。

4 結 語

本文通過構建VAR模型，綜合運用單位根檢驗、Granger因果檢驗、脈沖響應函數、方差分解等方法，實證分析了技術創新、產業結構優化與經濟增長三者間的相互作用關系。得出以下結論：endprint

（1）當最優滯后期選擇為3時，技術創新與經濟增長之間構成雙向因果關系；經濟增長是產業結構優化的格蘭杰原因，而產業結構優化不是經濟增長的格蘭杰原因，二者間存在單向的因果關系。產業結構優化是技術創新的格蘭杰原因，而技術創新不是產業結構優化的格蘭杰原因，二者間存在單向的因果關系。

（2）脈沖響應函數結果表明，從經濟增長對技術創新的脈沖響應函數來看，經濟增長的反應均為正值，并且影響具有較長的持續響應。從技術創新對經濟增長的脈沖響應函數來看，經濟增長對技術創新的沖擊路徑為先正向后負向再正向。二者相比較，可以看出經濟增長對技術創新的沖擊幅度會更大。

從經濟增長對產業結構優化的脈沖響應函數來看，經濟增長的反應均為正值，并且影響具有較長的持續響應。從產業結構優化對經濟增長的脈沖響應函數來看，經濟增長對產業結構優化的沖擊路徑為先正向而后負向。二者相比較，可以看出產業結構優化對經濟增長的沖擊幅度會更大。

從技術創新對產業結構優化的脈沖響應函數來看，技術創新在前三年內呈現正向響應并且顯著為正，第2期達到最大響應值，第4期達到負向的最大響應值，在隨后的時間里，影響為負，但在第20期后變為正向響應值。從產業結構優化對技術創新的脈沖響應函數來看，產業結構優化的反應均為負值。

從脈沖響應圖中，可以看出產業結構優化對技術創新具有短期沖擊效應，其后技術創新的脈沖響應值均為負值。其可能的原因是：本文認為常規的技術創新可以分為產品創新和過程創新。產品創新是指技術上有變化的產品的商業化。過程創新（或稱工藝創新）是指產品的生產技術的變革，包括新工藝、新設備和新的組織管理方式變革等。在前三期中，之所以產業結構優化對技術創新的沖擊作用比較顯著，是因為產業結構的優化升級，短期內促進了產品創新，而后快速變為負向沖擊的原因是過程創新規模過小，產出結構的改變也就相對較小。產業結構優化對技術創新的脈沖響應值始終為負值，其可能的原因是產業結構在短期內具有一定的剛性，技術創新需要經歷較長時間的累積方可對產業結構優化的升級產生積極的影響。

（3）方差分解的結果表明，經濟增長的方差分解進一步顯示，影響經濟增長最大的因素仍舊是其自身，直至第10期的方差貢獻率仍保持在80%以上。技術創新對經濟增長的影響表現為先遞增后遞減的態勢，產業結構優化對經濟增長的影響表現為遞增態勢。前六期，技術創新對經濟增長的方差貢獻率大于產業結構優化，自第7期開始，產業結構優化對經濟增長的方差貢獻率開始大于技術創新。

技術創新的方差分解進一步顯示，前七期技術創新對其自身的方差貢獻率一直大于經濟增長的貢獻率。第8期，經濟增長對技術創新的方差貢獻率開始超過技術創新，達到了45.84%，此后經濟增長對技術創新的方差貢獻率持續增加，直至第10期的方差貢獻率達到了48.25%，反映出影響技術創新最大的因素仍然是經濟增長。產業結構優化對技術創新的影響表現為先遞增后遞減態勢，第6期達到最大值13.17%，其對技術創新的總體影響均小于經濟增長與技術創新本身。

產業結構優化的方差分解進一步顯示，影響產業結構優化最大的因素仍舊是其自身，直至第10期的方差貢獻率仍保持在66%以上。經濟增長對產業結構優化的影響表現為先遞增后遞減的態勢，第10期的貢獻率仍舊保持在25%以上。技術創新對產業結構優化的影響表現為遞增態勢，但是其方差貢獻率均小于經濟增長與產業結構優化。

實證結果顯示，技術創新仍舊是經濟增長的關鍵動力，因此，提高技術創新能力，加快新技術的商業化過程，對于推動我國經濟增長具有重要意義。雖然產業結構優化對經濟增長有一定的影響，但相較于技術創新的促進作用，其影響還較小，因此要通過優化調整產業內部結構，逐步將產業發展重心由低科技含量、粗放型產業轉向技術型、集約型產業。鼓勵和支持產業從加大技術創新力度入手，并注重利用先進技術改造和提升傳統優勢產業，提高生產效率和產品附加值，提升各行業在產業鏈條或產品工序所處地位及增值能力。在充分發揮第二產業對經濟增長促進作用的同時，要加大力度發展第三產業，推進產業結構優化升級，積極轉變經濟增長方式，實現經濟的可持續增長。

主要參考文獻

[1]Krugman P.The Myth of Asias Miracle[J].Foreign Affairs，1994，73（6）：62-78.

[2]劉偉，張輝.中國經濟增長中的產業結構變遷和技術進步[J].經濟研究，2008（11）：4-15.

[3]Chenery H B，Robinson S，Syrquin M.Industrialization and Growth：A Comparative Study[M].NewYork，NY：Oxford University Press，1986.

[4]張鳳武.技術創新促進經濟增長的過程與主要標志[J].科技管理研究，1999（2）：42-43.

[5]陳英.技術創新與經濟增長[J].南開經濟研究，2004（5）：34-37.

[6]程開明.城市化、技術創新與經濟增長——基于創新中介效應的實證研究[J].統計研究，2009，26（5）：40-46.

[7]李博，胡進.中國產業結構優化升級的測度和比較分析[J].管理科學，2008，21（2）：86-93.

[8]付凌暉.我國產業結構高級化與經濟增長關系的實證研究[J].統計研究，2010，27（8）：79-81.

[9]鄭少智，陳志輝.產業結構高級化與經濟增長關系實證研究——基于全國、廣東省及廣州市數據的對比分析[J].產業評論，2011（3）：55-60.

[10]龔軼，王錚，顧高翔.技術創新與產業結構優化——一個基于自主體的模擬[J].科研管理，2015，36（8）：44-51.

[11]黃茂興，李軍軍.技術選擇、產業結構升級與經濟增長[J].經濟研究，2009（7）：143-151.

[12]易丹輝.數據分析與EViews應用[M].北京：中國人民大學出版社，2008.

[13]李從榮，祝翠華，王玉婷.技術創新、產業結構調整對就業彈性影響研究——以中國為例的經驗分析[J].科學學研究，2010，28（9）：1428-1434.

[14]Granger C W J.Investigating Causal Relations by Econometric Models and Cross-spectral Methods[J].Journal of the Econometric Society，1969，37（3）：424-438.

[15]高鐵梅.計量經濟分析方法與建模——EViews應用及實例[M].北京：清華大學出版社，2009.endprint