农村劳动力转移和经济增长之间的协整分析摘要：运用时间序列经济计量方法对1979-2005年我国农村劳动力转移在实际经济增长中的作用进行实证分析,结果证明农村劳动力转移与实际经济增长之间互为格兰杰因果关系,并在长期内稳定地存在着协同互动的均衡关系,实证结果肯定了农村劳动力转移在我国实际经济增长中的贡献,并检验了国外劳动力转移理论.关键词：农村劳动力转移;协整检验;格兰杰因果检验；经济增长：F240文献标识码：A：1009－9107（2008）04－0027－03一、分析方法传统的经济计量方法直接运用变量的水平值研究经济现象之间的均衡关系容易导致谬误结论,对数据进行差分变换后进行回归却可能丢失长期信息。而近年来发展起来的处理平稳数据的方法――协整检验可用于经济时间序列变量水平数据是否存在长期均衡关系,格兰杰因果检验则可用于确定经济时间序列变量之间是否存在因果关系,二者均要求经济时间序列变量具有平稳特征。［1］因此在实证检验和建模之前首先检验经济时间序列变量的平稳性。1.经济时间序列变量的平稳性检验。在协整检验之前,首先使用单位根检验每个变量的平稳性。我们应用ＡＤＦ方法检验各变量的单位根,即对变量ｙ进行如下回归:Δｙｔ=α0+α1ｔ+α2ｙｔ-1+∑ｋｊ=1βｊΔｙｔ-ｊ+ｕｔ(1)假设:Ｈ0∶α2=0;Ｈ1∶α2<0。如果接受Ｈ0(拒绝Ｈ1),则说明序列ｙｔ存在单位根,因而是非平稳的;否则ｙｔ是平稳的。方程(1)中加入滞后项是为了使回归残差为白噪声。对于非平稳变量,还需要检验其一阶差分的平稳性。如果变量的一阶差分是平稳的,则称此变量为一阶单整,即为Ｉ(1)的。如果变量经过ｄ次差分后平稳,则称此变量为ｄ阶单整,即为Ｉ(ｄ)序列。所有变量都具有相同的单整阶数是变量之间存在协整关系的必要条件。2.协整（co-integration）分析。协整关系指的是尽管就单个时间序列而言是非平稳的,但是两个或两个以上时间序列的组合却是平稳的。［2］最早给出协整定义的是Granger(1981)和Engle(1987)。其ｄ阶协整定义如下:对于时间序列Ｘｔ和Ｙｔ是协整的,则它们满足如下两个条件:(1)Ｘｔ和Ｙｔ是同阶整形过程Ｉ(ｄ)的;(2)存在一非零向量α,使Ｙｔ-αＸｔ=μｔ,其中μｔ是白噪声。关于协整关系的检验,方法很多,主要有Engle-Granger两步法、Johansen完全信息极大似然法、Mackinnon法、频域非参数谱回归法和Bays法。对于单方程常用的是Engle-Granger两步法。协整的意义在于它揭示了一种长期稳定的均衡关系,满足协整的经济变量之间不会相互分离太远,一次冲击只能使它们短时间内偏离均衡位置,在长期中会自动回复到均衡位置。Engle和Granger建议使用两阶段回归法解决时间序列的非平稳性。由于此方法易于计算,因而早期被广泛采用,但其缺点是在小样本下,参数估计的误差较大,并且当变量超过两个以上时,变量间可能存在多个协整关系,此方法无法找到所有可能的协整向量,---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---其分析结果不易解释。Johansen针对上述问题提出极大似然估计法(MLE),Johansen检验优于Engle和Granger的方法。因此本文将以Johansen和MLE估计方法进行协整检验。3.格兰杰（Granger）因果关系检验。协整关系是一种长期均衡稳定关系,但是这种关系是否构成因果关系,Granger(1969)和Sims(1972)提出了两变量单方程线形因果关系的数学模型:无限制回归模型:其中ＲＳＳ??Ｒ是限制性回归方程估计的残差平方和;ＲＳＳ??Ｕ是非限制性方程估计的残差平方和;ｐ,ｑ分别为ｙ和ｘ的滞后阶数,可以根据赤池信息准则(ＡＩＣ)来确定;Ｔ为样本容量。在给定的显著性水平ａ下,当计算的统计量Ｆ>Ｆ(或相应的概率ｐGranger(1988)指出:如果变量之间是协整的,那么至少存在一个方向上的Granger原因;在非协整情况下,任何原因的推断将是无效的。二、变量选择和样本数据说明本文选择农村劳动力转移数量（lm）和经济总量（GDP）作为所分析变量是基于目前农村劳动力大规模的进城务工（非农化）和我国经济持续高速增长的背景。主要是运用国外的劳动力转移理论来分析二者是否存在长期和均衡的关系。本文样本数据主要来自《中国统计年鉴》(2006年)，样本区间为1979-2005年...