滞后变量模型及其应用Word文件下载.docx
《滞后变量模型及其应用Word文件下载.docx》由会员分享，可在线阅读，更多相关《滞后变量模型及其应用Word文件下载.docx（12页珍藏版）》请在冰点文库上搜索。
seffectoneconomicgrowth,andrevealsthediversitylawofeducation'
seconomiceffect.
Keywords:
economy;
Education;
Hysteresismodel
从上个世纪开始，全球各个地区的人们就开始在教育上找寻复国强民的道路，希望以发展国民教育的方式为本国经济的发展带来更多的可能。
从我国的教育现状来看，高等教育在我国教育体系中占据重要地位，同时我国相关政策与法规中也明确提出提升我国居民教育水平的重要性。
在《国家教育改革和发展规划纲要》中，明确提出要实现我国大众教育水平、建立完整教育体系的目标。
据相关数据统计，2020年，我国接受高等教育的人数同比去年增长5.6%。
然而，尽管我国总体中接受高等教育的人数增加，但是仍然有部分地区接受高等教育的人才数量停滞不增。
这也是大众口中常说的教育发展不平衡问题。
事实上，本国国民的教育水平影响着本国的经济，因为教育可以作为商品市场的一部分，扩大生产，从而推动本国的经济发展。
目前，大力发展教育逐渐成为经济可持续发展的核心。
基于此，本文本着发展教育和经济的目标，着重在教育对经济的实证分析上展开研究，试了解不同城市地区教育对经济的影响，并有针对性地提出相应发展我国经济的对策。
1滞后变量模型
1.1滞后变量模型的介绍
滞后变量模型是指带有滞后变量的模型。
通常来讲，经济运行存在滞后效应。
部分经济变量受同期各种因素及过去时期各种因素的影响，其中过去时期的带有滞后作用的变量就是滞后变量。
由于滞后变量模型受过去时期的带有滞后作用的变量影响，比如时间因素，所以对这一模型的分析就可能是动态分析。
带有滞后解释变量的模型被称为动态模型。
滞后效应是指因变量受自身或其他解释变量的前期影响的现象。
其中的前期变量为滞后变量。
比如，消费函数。
由于本期的消费情况往往受前期收入的影响，所以消费函数可以看做是滞后模型。
无论是日常生活，还是工作当中，滞后现象都是普遍存在的。
除了消费函数，还有货币政策对经济的效应、空气污染物对死亡人数的效应、药物对疾病的治疗效应、气象因素对人类健康的作用等。
类似这样的滞后现象有很多，同时这些因素的生效需要一个过程，所以在解决实际问题的时候应当考虑滞后效应的影响。
产生滞后效应的原因主要包括以下三点：
第一，心理因素。
人们心理状态和行为反应滞后于经济形式的变化。
第二，技术因素。
比如企业产出受过去时期投资形成的固定资产的影响。
第三，制度因素。
以定期存款为例，由于它是定期才能取出，这就导致了社会购买力的影响被滞后。
1.2滞后变量模型的分类
滞后变量模型的表达式如下：
1.2.1分布滞后线性模型
分布滞后模型，英文全称DistributedLagModel，也被简称为DLM。
分布滞后模型的通常表达式为：
。
其中不含有滞后被解释变量，只含解释变量X的当期值和不同期间的滞后值。
一般表示模型中的
指的是短期或即期乘数，代表在本期内X变化对Y平均值的影响程度。
，指的是动态乘数或延迟系数，代表在不同滞后期内X变化对Y平均值的影响程度。
假设各个期间的X为统一值，则X与Y之间的关系式可以表示成
1965年，美国学者埃尔梦首次提出DLM，同时以DLM为基础，对制造业季度资本支出进行预测。
该学者认为DLM模型具有可灵活预测的优点。
21世纪初期，思科沃兹与布里格将DLM引入到环境健康效应的定量评估中，预测了天气对每日死亡人数的滞后效应。
同时，最终结果表示在寒冷的城市中，无论是低温，还是高温，都与每日死亡人数增加有关；
而在炎日的城市中，无论是低温，还是高温，都与每日死亡人数增加没有太大影响。
英国学者萨里斯对意大利米兰的空气污染和死亡率数据建立滞后模型，发现利用这一滞后模型，可以对死亡数据产生预测，也能量化“死亡位移效应”。
1.2.2分布滞后非线性模型
分布滞后非线性模型，英文全称DistributedLagLinearModel，也被简称为DLNM。
其中g代表连接函数，
，
为结局变量的时间序列证据，
为t时刻下因变量的期望值，
代表自变量
与
之间存在线性关系的变量，
为其参数向量。
贾媛（2017）认为，DLNM主要是应用在环境和健康之间的关系，具体包括PM2.5对健康的影响、空气湿度对健康的影响、温度对健康的影响。
伴随着研究人员的研究内容不断深入，环境因素逐渐扩展成暴雨、热浪对健康的影响，同时健康变量也细分成为了死亡人数、发病人数和门诊人数[1]。
袁帅等（2021）认为，目前利用DLNM研究的主要领域是气象对健康的影响。
该学者研究温度变化对全国各地手中口病的影响[2]。
杨建平等（2020）利用分布滞后模型，探讨了温度对流行性感冒的滞后反应，结果发现温度对全国地区人们会产生不同的影响[3]。
美国经济学者丹尼森利用滞后变量模型估算了教育对美国经济增长的贡献，最终结果证明20世纪20-80年代之间教育对于美国经济增长始终起着重要的推动作用。
林柳琳等（2021）从地区的角度研究教育与经济之间的均衡关系和因果关系，该学者从全国和区域两个视角出发，对比教育与经济增长的相互关系。
结果发现，教育水平是经济增长的短期原因，也是长期原因。
同时，由教育所引发的对经济的推动作用，还说明了整个时代的劳动力素质的提高和科学技术的进步[4]。
张学成等（2020）进行了教育对经济增长效应的相关研究。
该学者通过估计和测算中国教育经济效益来证实教育和经济增长具有明显的正相关关系和双向因果关系[5]。
1.2.3自回归模型
自回归模型中的解释变量包含X的当期值与被解释变量Y的一个或多个滞后值[6]。
自回归分布滞后模型，是指即含有Y对自身滞后变量的回归，也含X在不同时期的滞后变量[7]。
自回归分布滞后模型又分为有限自回归分布滞后模型、无限自回归分布滞后模型[8]。
2滞后变量模型对教育与城市经济增长的实证分析
2.1数据来源
本滞后变量模型实证分析的数据来源于《中国城市统计年鉴》。
由于本研究中的城市价格指数无法获取，因此以《中国统计年鉴》中各省的消费价格指及固定资产价格指数代替。
另外，为了获取人口数量指标，在实证分析开始前还在往年人口普查数据中了解了2016年人口普查数据核算城区人口规模。
实证样本为283个地级以上的城市，时间是从2015-2019年。
2.2变量简介
在本滞后变量模型实证分析中，解释变量为市区总生产总值，用GDP来表示。
受城市消费者价格指数（CPI）无法获取的影响，以省区消费者价格指数（CPI）进行分析[9]。
另外，本研究中对教育与城市经济增长的实证分析，其中的教育是指高等教育。
高等教育指标是以市区内的高等教育在校生人数来表示，用hedua来表示，单位为万人。
在本滞后变量模型实证分析中，控制变量有七项，分别是固定资产投资、劳动就业人数、职工平均工资、交通设施、国家及政府下发的政策、金融发展水平、外资依赖水平。
第一项为固定资产投资，用对应省份的固定资产价格指数进行价格平滑，用invest来表示，单位为万元。
第二项为劳动就业人数，用labor来表示，单位为万人。
第三项职工平均工资，用pwage来表示，单位为元，以对应省区消费者价格指数（CPI）进行价格平滑。
第四项交通设施用占道路面积troad来表示。
第五项国家及政府下发的政策，主要是指市区中科技支出占总财政支出的比例，用tecratio来表示。
第六项金融发展水平，指的是市区中金融机构贷款余额占市区总生产总值的比例，用finance来表示。
第七项为外资依赖水平，指的是市区外商投资额占市区总生产总值的比例，用lpfdi来表示。
如下表2-1所示，为变量的描述性统计。
表2-1变量的描述性统计
变量
均值
标准差
最小值
最大值
lngdp
18.145
1.446
15.664
22.916
hedua
11.556
14.631
0.000
108.564
lninvest
17.456
1.430
8.054
21.471
lnlabor
5.667
1.604
3.224
9.374
lntroad
9.477
0.467
5.661
12.825
lnpwage
13.754
0.269
10.256
15.546
tecratio
0.017
0.074
3.554
finance
4.154
0.367
3.748
11.654
3建立模型
3.1实证结果
从整体来看，高等教育对全国的经济在短期和长期都存在促进效应。
从东部沿海五大城市群的角度看，京津冀、长三角、珠三角、海峡西岸和山东半岛各城市教育对经济的促进效应具有显著性。
3.2数据描述
3.2.1基准回归分析
如下表3-1所示，为高等教育对城市经济增长的影响。
表3-1高等教育对城市经济增长的影响
OLS
FE
RE
SCC
0.001（1.557）
0.005***（3.456）
0.012***（11.587）
0.005***（3.559）
控制变量
是
N
2654
R2
0.726
0.517
0.716
注：
上表中括号内的数值表示的是t值，*表示p＜0.05，**表示p＜0.01，***表示p＜0.001。
从上表3-1可以看出，高等教育促进了城市经济的增长。
其中的FE模型优于RE模型，同时FE模型在处理面板数据序列相关性、异方差等方面具有优势。
所以接下来以FE模型为基准，引入高等教育的滞后期，从而考察高等教育对经济的动态影响。
如下表3-2所示。
表3-2高等教育对经济的动态影响
lag1
Lag2
Lag3
Lag4
0.004***（7.522）
0.004***（8.562）
0.003***（6.673）
0.005*（2.746）
Hedualag1
0.004**（3.541）
0.003***（4.502）
0.002**（4.710）
0.002**（5.321）
Hedualag2
0.005***（6.961）
0.004***（13.641）
0.004***（10.961）
Hedualag3
0.005***（20.766）
0.004***（20.196）
Hedualag4
-0.0001（0.069）
1643
1543
1473
1170
0.761
0.723
0.592
0.576
由上表3-2可知，滞后1期到4期下高等教育对经济的影响中，只有滞后1期到3期高等教育对经济的发展起到促进作用，而滞后4期没有对经济产生促进作用。
如上表3-2，滞后期数越大，高等教育对经济的促进作用越大。
这说明高等教育在短期和长期内均有促进经济增长的作用，同时长期下的促进作用比短期的促进作用大。
3.2.2分地区的实证研究
本研究中主要将城市地区划分成了东部、中部、西部和东北地区。
如下表3-3所示，为东部、中部、西部和东北地区的城市高等教育对经济的影响。
表3-3东部、中部、西部和东北地区的城市高等教育对经济的影响
东部
中部
西部
东北地区
0.003**（3.371）
0.007（1.634）
0.003**（4.964）
0.010**（3.372）
-0.002（-1.141）
0.008（1.581）
0.003***（13.714）
0.006***（5.341）
0.008***（5.562）
0.003（0.431）
0.004***（11.319）
0.023（1.961）
0.010***（6.302）
-0.001（-1.362）
0.005***（12.737）
0.003（0.574）
543
514
520
240
0.688
0.736
0.653
0.731
由上表3-3可知，高等教育对经济的影响呈现不同地区城市的差异性，也就是高等教育在不同地区的城市会对城市经济产生不同的影响。
从东部地区的角度看，高等教育对经济不仅有长期的促进作用，还有短期的促进作用。
从中部地区的角度看，可以发现高等教育没有对经济产生显著的影响，这可能是由于中部地区的人才培训和就业扶持的方面比较不足，高等教育人才因此很容易从城市内流失。
从西部地区的角度看，高等教育对经济的促进效应也同时体现在短期和长期。
这主要是因为西部地区的人才教育扶持力度比较大，地区内各城市对人才的鼓励政策比较积极，同时针对于高等教育人才的就业培训也比较充分。
从东北地区的角度看，高等教育在短期内对经济的促进效应要大于长期。
这主要是因为东部地区经济体制改革力度不足，人才激励作用较弱，大量教育人才流失。
3.2.3分城市规模的实证研究
本实证将2016年人口普查数据中的各城区人口规模作为数据来源。
同时，将全国283个城市按照区域大小进行划分，最终将各城市划分成为小城市、中等城市、大城市和特大城市，特定城市中包含特大城市和超大城市。
如下表3-4所示，为四种分城市对经济的效应情况。
表3-4分城市对经济的效应情况
小城市
中等城市
大城市
特大城市
0.019**（3.546）
0.018*（2.677）
0.005**（3.657）
0.001***（8.646）
-0.023*（-2.564）
-0.013（-0.843）
0.001（1.541）
0.001**（3.965）
0.011（0.941）
0.043***（6.320）
0.004**（3.659）
0.001***（16.475）
0.043**（3.644）
0.003（0.677）
0.005***（7.601）
0.001***（6.557）
374
468
531
78
0.684
0.654
0.794
0.842
从上表3-4可知，在当期和不同的滞后期下，小城市和中等城市的高等教育对经济的影响呈现出一种比较明显的跳跃性。
同时高等教育对经济的影响主要体现在短期。
究其原因，主要是因为小城市和中等城市的教育水平不高、师资力量薄弱，再加上高级教育人才往往会想着到大城市或特大城市去发展，这就导致小城市和中等城市的教育水平比较低下[10]。
通过对上表中大城市和特大城市的教育对经济影响的观察，可以发现在这两个地区内，教育对经济的促进作用在当期和不同的滞后期都有着明显的促进作用。
这种促进作用除了在大城市的滞后一期高等教育对经济的作用不显著，高等教育对当期和不同滞后期的经济影响都比较显著。
这种情况出现的主要原因是大城市和特大城市的产业聚集性较强，人才对于就业可以有多样性的选择，所以高等教育人才往往更愿意到大城市或特大城市来寻求就业机会[11]。
3.2.4分经济开放政策的实证研究
本研究中利用2013-2019年城市获得的国家级开放政策，按照城市的开放政策的不同，将城市划分成为无特区城市、有特区城市、开放1型城市和开放2型城市[12]。
其中的无特区城市是指没有国家级开放政策，有特区城市是指至少有一项国家级开放政策[13]。
为了进一步细分由特区城市，在本研究中将有1-3项开放政策的城市称为开放1型城市，将有四项以上开放政策的城市称为开放2型城市[14]。
如下表3-5所示，为城市不同开放政策下的高等教育对经济的影响。
表3-5城市不同开放政策下的高等教育对经济的影响
无特区城市
有特区城市
开放1型城市
开放2型城市
0.009（1.592）
0.003***（5.647）
0.007*（2.417）
0.002**（4.682）
0.029**（4.654）
0.002**（3.647）
-0.009**（3.862）
0.002***（6.912）
0.041***（6.810）
0.004***（15.681）
0.010***（5.174）
0.002***（12.972）
0.009*（2.549）
0.005***（24.965）
0.014***（4.213）
0.002***（9.637）
318
1076
813
263
0.574
0.632
0.627
0.806
通过对上表3-5的观察，可以发现无特区城市和有特区城市高等教育对经济皆有显著的促进作用。
在不同的滞后期下，无特区城市高等教育对经济的促进效应明显大于有特区城市。
实
升级会员 