基于ＶＡＲ模型的港口与临港城市经济增长协整关系研究

毕　蕾　马龙飞　庄亚明

摘要:运用Jonhansen协整检验和Granger因果检验等计量经济方法,选取连云港港1988～2007年货物吞吐量和第一、二、三产业的GDP数据为样本,从第一、二、三产业分别考察连云港港与城市经济增长的关系。实证结果表明,连云港市第一、二、三产业增长与港口货物吞吐量之间存在长期协整关系,在短期内,第一产业增长和第二产业增长与所对应的港口货物吞吐量之间存在双向因果关系,第三产业港口货物吞吐量是第三产业增长的Granger原因,反之这种关系不成立。

关键词:港口;经济增长;VAR模型;协整分析;Granger因果检验

中图分类号:F224.9文献标识码:A

Abstract: This paper chooses the cargo throughput of lianyungang port and the primary, secondary and tertiary industry GDP figures for samples, applying the cointegration test and Jonhansen Granger causality test method, then analyzes the relationship between the port and economic growth. As the research result, there is cointegration relations between the cargo throughput of lianyungang port and the economic growth from the long-time in terms of the three industries. From the short-term, there is two-way causalities between the primary industrial growth and the second industrial growth and corresponding cargo throughput, the cargo throughput of the tertiary industry is the Granger reason for the tertiary industry growth.

Key words: port; economic growth; VAR model; cointegration analysis; granger causality test

0引言

港口使各种资源向港口及周边的低成本地区集中,促使越来越多相互关联的企业、供应商和关联产业集中起来,形成“产业集群现象”,从而有力地推动着中心城市及周边城市的经济发展。因此,港口与临港城市的经济增长关系成为许多学者关注的研究领域。由于港口与经济增长关系的复杂性,国内许多学者采用以回归法等为主的数量统计方法对港口—城市经济增长进行了分析,为了克服这类方法数据较少而得不出较准确的结论的缺点,本文运用Jonhansen协整检验和Granger检验等计量经济方法,从第一、二、三产业三个方面考察连云港港——江苏省最大的海港——发展与连云港市经济增长的关系。

1文献回顾

国外学者主要是以港口功能和港口效率为侧重点对港口与城市经济的发展进行研究。Bennathan和Walters[1](1979)、Talley[2](1988)、Dowd和Leschine[3](1990)、Ghosh和De[4](2000)、Lee[5](2001)都认为一个有效率的港口可以提高生产要素(劳动力和资本等)的生产效率和生产单位的利润率,因此可以获得较高水平的产出、收入和就业。Cullinane[6](2006)也认为港口效率已经成为提升国家国际竞争力和改善对外贸易状况的关键因素。Francis G.I. Omiunu[7](1989)研究了港口对尼日利亚西部Niger河流三角洲地区的Warri城区的发展和Sapele城区衰落的社会经济贡献作用。研究发现Warri和Sapele港口在此地区海上贸易中的相对低位的变化是影响这些港口城市吸引人们定居的主要因素;反过来,Warri和Sapele港口的主要都市腹地生产效率的变化改变着Warri港口在此地区海上贸易中的相对统治力量。国内学者主要从三个方面研究了港口—城市经济关系:一是研究港口对城市经济的带动效应;二是研究城市经济对港口发展的促进作用;三是研究港口发展与城市经济的互动关系。李宗伟,吕玉晓[8](2001)根据日照港特殊的地理位置和优越的港口资源,阐述了日照港对日照市经济发展的带动作用。林建华,陈淳[9](2002)选取了反映厦门港口发展和城市经济发展的指标进行相关分析,结果显示厦门港全港货物吞吐量能反映厦门经济发展的全貌,尤其是集装箱吞吐量影响力更大。李增军[10](2002)分析了港口对所在城市及腹地经济发展的促进作用,得出腹地经济的发展为港口生产带来了强有力的动力,同时港口对腹地各行各业的发展创造了有利条件。William Seabrooke[11]等(2003)利用香港港1983~1999年的数据,运用回归分析方法预测了城市经济对港口吞吐量的影响,得出珠江三角洲经济的发展会促进香港港货物吞吐量大大增加。陈再齐、曹小曙(2005)[12]以广州港为例,适当选取了一定的城市经济指标和港口经济指标,借助相关分析与回归分析等定量分析方法,从广州港对广州城市经济的影响和广州城市经济对广州港发展的反馈两个方面、对广州港与城市经济发展的互动关系进行了系统研究。隋丽丽、王泽宇[13](2006)以大连市及其港口为例,采用相关分析和回归分析的方法,分析了大连经济发展对大连港口经济发展的拉动效应。周平德,周剑倩[14](2008)根据1990～2007年广州、深圳、香港港口及三地的GDP数据,运用协整检验的方法详细分析了穗、深、港三大港口与区域经济增长的关系,结果表明穗、深两地港口吞吐量均是所在城市经济增长的Granger原因,香港港口货物吞吐量和GDP增长互为因果关系。

本文借鉴以上文献的一些研究思路,采用Jonhansen协整检验和Granger检验等计量经济学的方法,在港口指标和城市经济指标的选取上,不仅仅笼统地从港口货物吞吐总量与国内生产总值两方面考察港口发展与经济增长之间的关系,而是将第一、二、三产业的指标分别与体现其经济增长的港口货物指标对应起来,构建样本数据,从而分析连云港港口与经济增长之间是否有明显的促进作用。

2模型的建立

2.1模型说明。本文基于向量自回归VAR模型,采用协整分析和格兰杰因果检验,对连云港港口发展与腹地经济增长的关系进行实证检验。

向量自回归模型VAR是基于数据的统计性质建立模型,把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。

VAR模型一般的数学表达式是

y=Ay+…Ay+Bx+ε

其中:Y是k维内生变量向量,x是d维外生变量向量,p是滞后阶数,T是样本个数。k×k维矩阵A…A和k×d维矩阵,B是要被估计的系数矩阵。ε是k维扰动向量,它们相互之间可以同期相关,但不与自己的滞后值相关及不与等式右边的变量相关。尽管VAR模型作出正确推断往往要求变量具有平稳性,然而当变量非平稳但具有协整关系时,基于VAR模型作出的判断也是可靠的。

为了避免出现伪回归现象,首先需要利用ADF单位根检验法,检验变量的平稳性。主要涉及以下3个模型表达式:

Δx=ρ-1x+θΔx+εt=1,2,…,T(1)

Δx=α+ρ-1x+θΔx+εt=1,2,…,T(2)

Δx=α+βt+ρ-1x+θΔx+εt=1,2,…,T (3)

原假设为:H:ρ=1;备择假设为:H:ρ=0,从方程(1)开始,依次进行检验,直到检验拒绝零假设,即原序列不存在单方根,原序列为平稳序列,停止检验。

如果变量是单整的,那么我们将对相关变量进行协整检验。本文将采用广泛使用的Johansen协整检验法。对k个时间序列Y=Y,Y,…,Y't=1,2,…,T协整关系检验步骤如下:

首先建立一个VARp模型

Y=Ay+…Ay+Bx+ε, t=1,2,…,T(4)

其中A为由y的协整向量组成的矩阵,秩为r=rA,0≤r≤k-1;y,y,…,y都是非平稳的I1变量;x是一个确定的d维的外生向量,代表趋势项、常数项等确定项;ε是k维扰动向量。将(4)经过差分变换得到下面式子

Δy=∏y+ΓΔy+Bx+ε

其中∏=A-I, Γ=-A

只要变量y,y,…,y具有协整关系就能保证Δy是平稳过程,而变量y,y,…,y之间是否具有协整关系主要依赖于矩阵∏的秩,也即它的非零特征根的个数,设矩阵∏的特征根为λ>λ>…λ,由r个最大特征根可得到r个协整向量,而对于其余k-r个非协整组合来说,λ,…,λ应该为0,则得到原假设、备择假设为:

H: λ>0, λ=0, H: λ>0, r=0,1,…,k-1

相应的检验统计量为η=-Tln1-λ,r=0,1,…,k-1,η称为特征根迹统计量,依次检验这一系列统计量得显著性:

(1)当η不显著时(即η值小于某一显著水平下的Johansen分布临界值),接受Hr=0,表明有k个单位根,0个协整向量(即不存在协整关系)。当η显著时(即η值大于某一显著性水平下的Johansen分布临界值),拒绝H,则表明至少存在一个协整向量,必须接着检验η的显著性。

(2)当η不显著时,接受H,表明只有1个协整向量,依次进行下去,直到接受H,说明存在r个协整向量。

由协整分析得出的经验方程只是表示变量之间存在相关关系或至少一个方向的因果关系(Granger, 1988),变量之间因果关系需通过Granger因果关系检验,对于

Y=α+βX+αY+ε (5)

X=δ+λY+δX+ε(6)

设零假设为:x不是y的Granger原因,即H: β=β=…=0,检验统计量:

F=~Fs,n-q-s-1

其中RSS是限制性变量β=0j=1,2,…,s时,(5)式的残差平方和,RSS是非限制性方程(5)式的残差平方和,q和s分别为y和x的滞后阶数,n为样本数。如果F大于临界值,则拒绝原假设,否则接受原假设:x不是y的Granger原因。

2.2数据来源。港口主要作为货物运输的中转站,带动相关产业和促进国际贸易的发展,吞吐量能够很好反映一个港口的总的生产能力,所以本文采用连云港港口货物吞吐量作为衡量港口发展水平的指标。GDP即国内生产总值,它包括了消费、投资、政府购买和净出口,在一定程度上反映了一个国家或地区的经济发展状况,是反映一个社会经济总量的主要指标。本文分别从第一产业、第二产业、第三产业三个方面考察连云港港口吞吐量和各产业增长的关系。所有数据来自于笔者在项目组所作项目的前期调研数据以及《连云港统计年鉴》[15]和《连云港年鉴》[16]。

港口货物吞吐量种类与三大产业的对应见表1:

3实证分析

3.1样本数据描述性说明。由于数据的可得性以及统计口径的一致性的考虑,本文用以下指标来分析连云港港口发展与连云港市经济发展的关系。为消除物价因素,各产业的生产总值数据均以1978年的价格作为基期价格作了调整,DLNTTL、DLNGDP均表示一阶差分,数据处理均采用5.0软件实现。

LNTTL:第一产业所对应的货物吞吐量的对数值,单位为万吨;LNGDP:第一产业生产总值的对数值,单位为亿元;LNTTL:第二产业所对应的货物吞吐量的对数值;单位为万吨;LNGDP:第二产业生产总值的对数值,单位为亿元;LNTTL:第三产业所对应的货物吞吐量的对数值,单位为标箱;LNGDP:第三产业生产总值的对数值,单位为亿元。

下面的图为连云港1988～2007年三大产业及其对应的货物吞吐量的对数值的变化趋势图一阶差分图。从以下6个图形可以看出,原始的样本数据具有一定的变化趋势,而一阶差分后序列的变化趋势消失了,由此推测原始数据是非平稳的,它们之间可能存在长期稳定关系。(见图1)

3.2单位根检验。首先对变量进行单位根检验,看是否是平稳时间序列。本文用Eviews5.0软件对样本数及其差分项进行ADF检验,检验结果如表2。

当ADF值大于临界值时说明序列是不平稳的,从表2中可以看出,各序列在1%或5%的显著水平下是不平稳的,其一阶差分在5%水平下均是平稳的,即属于序列I1,因此满足构造VAR模型的条件。

3.3协整检验。由单位根检验可知,第一、二、三产业的生产总值与货物吞吐量的对数值序列均为一阶单整的,推断它们之间存在平稳线性组合。Johansen协整检验的结果见表3。

由协整结果可以看出连云港市第一产业生产总值与所对应货物吞吐量之间存在长期协整关系,其方程为:LNGDP

=-4.983213LNTTL。

协整方程表明,当第一产业对应的货物吞吐量增加1个单位时,使得第一产业生产总值减少4.98个单位,从统计数据来看,在1988～2007年间,进口的化肥农药占总吞吐量的60%以上,出口的粮食、农林牧渔产品不多,这说明连云港港口服务于更大范围的区域,并不仅仅是本地。

由协整结果可以看出连云港市第二产业生产总值与所对应货物吞吐量之间存在长期协整关系,其方程为:LNGDP

=1.613349LNTTL。

协整方程表明,第二产业对应的货物吞吐量增加一个单位时,可以带动第二产业生产总值增加1.61个单位,这主要是因为连云港目前的优势装卸货种是散杂货,包口氧化铝、焦炭、金属矿、煤炭等,其中氧化铝、铝锭、胶合板的装卸量在国内港口中排名第一,这些货种对连云港第二产业的发展有着很密切的关系。

由协整结果可以看出,连云港市第三产业生产总值与所对应货物吞吐量之间存在长期协整关系,其方程为:LNGDP

=0.426609LNTTL。

协整方程表明,第三产业对应的货物吞吐量增加一个单位时,能带动第三产业生产总值增加0.43个单位,这表明集装箱货物运输极大的促进了本地零售业、餐饮业、仓储运输业等服务行业的发展。

3.4Granger因果检验。目前,Granger方法已被广泛应用于分析经济变量间的关系,虽然经Granger因果关系检验结果为“不存在因果关系”时,不能断定变量间不存在真实的因果关系,但检验结果为“存在因果关系”,则至少可以用95%以上的概率保证所研究变量间存在真实的因果关系。由协整检验得知,三大产业生产总值与港口货物吞吐量之间存在着长期协整关系,然而并不能确定它们之间是否具有因果关系,因此进行Granger检验。

由Granger检验结果可以看出,在滞后期为2和3时,拒绝LNTTL1不是LNGDP1的Granger原因的犯错概率均小于5%,拒绝LNGDP1不是LNTTL1的Granger原因的犯错概率均小于26%,故可认为第一产业的生产总值和第一产业所对应的货物吞吐量之间存在双向Granger因果关系;在滞后期为3和4时,拒绝LNTTL2不是LNGDP2的格兰杰原因的犯错概率均小于5%,拒绝LNGDP2不是LNTTL2的Granger原因的犯错概率在20%以下,可以认为第二产业生产总值和第二产业所对应货物吞吐量之间存在双向Granger原因;同理,在滞后期为2、3、4时,拒绝LNTTL3不是LNGDP3的Granger原因的概率均小于2%,拒绝LNGDP3不是LNTTL3的Granger原因的犯错概率均高于40%,则认为第三产业对应货物吞吐量是第三产业生产总值的Granger原因,但反之这种关系不成立,表明连云港港口的发展对连云港市的经济增长有着很大的带动作用,然而经济增长对港口的带动作用却不明显,这很可能由于连云港的临港产业发展并不成熟,以港口为依托的产业集聚和企业集群不够壮大,港口经济容量不大。

4结论

本文从三大产业与对应港口货物的角度分别考察连云港港与临港城市经济增长关系,结果表明连云港港口发展对城市经济增长有很大的带动效应,但是经济增长对港口的发展促进作用不明显。在方法上,运用单位根检验对代表港口和经济增长对应的指标进行平稳性检验,避免了回归分析可能造成的伪回归现象,运用Johansen协整检验和Granger因果检验能准确反映港口与临港城市经济增长两者之间的长期和短期发展作用,得出的结果对连云港港城发展有着指导意义。

参考文献:

[1]Bennathan E, Walters A A. Port pricing and investment policy for developing countries[M]. World Bank Publications, 1979.

[2]Talley W K. The role of US ocean ports in promoting an efficient ocean transportation system[J]. Maritime Policy & Management, 1988,15(2):147-155.

[3]Dowd T J, Leschine T M. Container terminal productivity: a perspective[J]. Maritime Policy & Management, 1990,17(2):107

-112.

[4]Ghosh B, De P. Impact of performance indicators and labour endowment on traffic: empirical evidence from Indian ports[J]. Maritime Economics & Logistics, 2000,2(4):259-281.

[5]Lee S H. Container port begins to show crisis: A solution should be devised early[J]. Hong Kong Economic Journal, Dec, 2001,6(3):94-99.

[6]Cullinane K, Wang T F, Song D W, et al. The technical efficiency of container ports: comparing data envelopment analysis and stochastic frontier analysis[J]. Transportation Research Part A, 2006,40(4):354-374.

[7]Omiunu F G I. The port factor in the growth and decline of Warri and Sapele townships in the western Niger Delta region of Nigeria[J]. Applied Geography, 1989,9:57-69.

[8] 李宗伟,吕玉晓. 港口在城市发展中的作用——以山东省日照市为例[J]. 城市问题,2001(4):35-37.

[9] 林建华,陈淳. 厦门港口经济与城市经济定量分析[J]. 厦门科技,2002(3):34-37.

[10] 李增军. 港口对所在城市及腹地经济发展促进作用分析[J]. 港口经济,2002(2):38-39.

[11]Seabrooke W, Hui E, Lam W, et al. Forecasting cargo growth and regional role of the port of Hong Kong[J]. Cities, 2003,20(1):51-64.

[12] 陈再齐,曹小曙,阎小培. 广州港经济发展及其与城市经济的互动关系研究[J]. 经济地理,2005,25(3):373-378.

[13] 隋丽丽,王泽宇. 大连经济发展对大连港口经济发展的拉动效应分析[J]. 海洋开发与管理,2006,23(1):46-50.

[14] 周平德,周剑倩. 穗、深港港口和航空物流与区域经济增长的关系研究[J]. 广州大学学报:社会科学版,2008,7(9):45

-50.

[15] 连云港市统计局. 连云港统计年鉴(2000-2008)[M]. 北京:中国统计出版社,2009.

[16] 李东. 连云港年鉴(1991-1998)[M]. 北京:方志出版社,2000.