[我国服务业产出波动与就业波动互动关系分析] 2018现代服务业税率

　　内容摘要：相对于第一产业与第二产业来说，服务业作为第三产业，其产出波动可能对劳动投入的波动产生更大影响。本文依据1978-2010年我国服务业发展时间序列资料，建立VAR模型，运用脉冲响应函数和预测方差分解的方法研究了我国服务业产出波动与就业波动的互动关系。实证结果表明，我国服务业产出波动与就业波动确实存在因果联系和相互影响的动态关系。
　　关键词：服务业产出 就业 波动 VAR模型
　　服务业产出波动与就业波动互动关系的理论分析
　　在服务业中，产出波动对劳动投入的波动会产生影响，而且相对于第一产业与第二产业来说，服务业作为第三产业，其产出波动可能对劳动投入的波动产生更大影响。
　　从宏观层面分析，一是因为服务产品具有不可储存性。服务产品的非储存性决定了服务产品具有生产和消费的同步性特点，由此导致服务业的实际产出受到需求因素的约束更大，需求的不确定性使得服务企业在做产出计划以及相应的劳动投入计划时的波动性更大，所以服务业的产出波动对劳动投入的波动相比第一产业与第二产业会产生更大影响；二是服务业尤其是传统服务业是以劳动密集型产业，劳动投入的波动性可能对产出波动的影响更加明显。从微观层面来讲，一方面，劳动力是厂商从事生产的主要生产要素，劳动投入的波动会带来产出的波动；另一方面，厂商在做产出计划时会相应地对劳动力需求做出计划，实际产出的波动也会对劳动投入的波动产生一定影响。由此本文提出服务业产出波动与就业波动存在互动关系假说，并以我国服务业发展为例进行实证检验。
　　我国服务业产出波动与就业波动互动关系的实证分析
　　（一）我国服务业产出与就业波动的相关关系分析
　　1.数据的选取和处理。本文选取了我国服务业从1978年至2010年的增加值和就业的年度数据。由于本文所研究的是产出和就业的波动，本文首先考察了我国服务业增加值增长率序列和服务业就业增长率序列，每个序列都是通过对1978-2010年我国服务业发展的年度数据取对数后做一阶差分得到的实际增长序列，其中为剔除价格增长因素，增加值增长率序列是按照1978年不变价处理后得到的可比口径增加值增长率序列。其次运用Hodrick-Prescott滤波法将增加值和就业时间序列中的长期趋势成分和波动成分分离，通过剔除长期趋势成分，而获得周期波动部分即通过HP滤子得到服务业增加值波动序列和就业波动序列，分别用X与Y表示，结果见图1。文中所需数据均来自于历年《中国统计年鉴》，数据分析采用 Eviews6.0 软件。
　　2.平稳性检验。在VAR模型内，OLS即是每个方程的最佳估计方法，但前提是所构建的VAR是平稳的。为此，需要对将要引入VAR系统的所有内生变量进行单位根检验。Eviews提供几种单位根检验，本文选择Dickey和Fuller提出的ADF方法进行单位根检验。对ADF检验，检验统计量是检验回归滞后因变量的t 统计量，由于是单边检验，当计算得到的t统计量的值小于临界值时拒绝原假设即否定存在单位根。计量结果见表1。
　　由表1可以看出，X和Y均存在单位根，是非平稳时间序列，需要进行差分变换。经一阶差分后均显平稳性，为一阶单整序列。ADF检验表明，不宜直接采用两变量的水平值进行研究，但可以利用一阶差分进行分析。
　　3.协整性检验。由于经济时间序列的协整关系不仅可以有效地解决利用非平稳时间序列建立模型所可能产生的伪回归问题，而且它一般具有明显的经济含义，表示变量之间存在着共同的趋势，具有长期的均衡关系，因此，可以利用协整关系检验判断变量之间长期的关系。本文用Johansen协整检验法进行协整检验，结果见表2。
　　由表2可知，第一行检验原假设“不存在协整关系”在5%显著性水平上被拒绝，说明两变量间存在协整关系。第二行检验原假设“至多存在一个协整关系”在5%显著性水平上被接受，说明两变量之间确实存在唯一的协整关系，即X和Y之间存在长期均衡关系。
　　（二）我国服务业产出与就业波动的因果关系分析
　　虽然我国服务业产出波动和就业波动两个变量之间存在相关关系，但这种相关关系可能是平行关系，即两个变量是受到其他因素的共同影响而表现出较高的相关性，也可能是因果关系即其中一个变量的变化是受另一个变量的影响而表现出的较高的相关性。因此，需要对服务业产出波动和就业波动进行Granger因果检验。Granger因果检验构建的原理是，对于两个变量x和y，先看y的当期值在多大程度上能被自身的滞后期值所解释，如果再加入x的滞后期值，能否加强解释力。如果有助于加强解释力，即表明x是Granger影响y的，反之亦然。实证检验结果表3显示，两个假设条件均被拒绝，即接受假设：X是Y的因，Y是X的因，即我国服务业产出波动与就业波动存在Granger双向因果关系。
　　（三）我国服务业产出与就业波动的互动关系分析
　　1.脉冲响应函数分析。从以上分析可以看出，我国服务业产出波动与就业波动之间存在Granger双向因果关系，但如果服务业增加值波动滞后期和就业波动滞后期共同对当期增加值当期波动或就业当期波动做出解释，各自的影响力又会如何呢？VAR模型可以同时考察两个变量的滞后期对各自当期值的影响，是研究相互联系的时间序列变量系统的较有效的预测模型。具体而言，它描述的是在随机误差项上施加一个标准差大小的新息冲击后对内生变量的当期值和未来值所带来的影响。在向量自回归模型中，某一变量t时刻发生扰动后，通过变量之间的动态联系，对t时刻以后的各变量将产生一连锁反应。脉冲响应函数正是可以描述系统对单位冲击做出的动态反应，可以判断变量之间存在的互动关系及持续性。对一个变量的冲击直接影响到这个变量的本身，并且通过VAR 模型的动态结构传导给其它所有的内生变量。通过Eviews6.0 软件得到我国服务业产出波动和就业波动脉冲响应分析图，如图2所示。其中横轴表示冲击作用的滞后期数（单位：年），纵轴表示脉冲响应函数值。图中的实线为脉冲响应函数值随时间的变化路径，两侧虚线为响应函数值加、减两倍标准差的置信带。