肖煜顥+李亦兵

摘 要：利用VAR模型分析南京市健康服務(wù)業(yè)對于第二、三產(chǎn)業(yè)的拉動作用，認為健康服務(wù)業(yè)的發(fā)展在短期內(nèi)可以促進實際經(jīng)濟的發(fā)展，而就長期來看健康服務(wù)業(yè)與第三產(chǎn)業(yè)成正相關(guān)、與第二產(chǎn)業(yè)成反相關(guān)。因此，可以建議南京市通過鼓勵健康服務(wù)業(yè)發(fā)展來促進短期的經(jīng)濟增長和長期的產(chǎn)業(yè)結(jié)構(gòu)升級。

關(guān)鍵詞：健康服務(wù)業(yè)；VAR

中圖分類號：F2

文獻標識碼：A

doi：10.19311/j.cnki.1672-3198.2016.09.005

1 健康服務(wù)業(yè)簡介

我國國務(wù)院頒布的《關(guān)于促進健康服務(wù)業(yè)發(fā)展的若干意見》中對健康服務(wù)業(yè)做了詮釋，即以維護和促進人民群眾身心健康為目標，主要包括醫(yī)療服務(wù)、健康管理與促進、健康保險以及相關(guān)服務(wù)，涉及藥品、醫(yī)療器械、保健用品、保健食品、健身產(chǎn)品等支撐產(chǎn)業(yè)。

本文所指的健康服務(wù)業(yè)是僅包含第一部分醫(yī)療服務(wù)領(lǐng)域及第二部分新型業(yè)態(tài)部分的狹義范圍內(nèi)的健康服務(wù)業(yè)。這樣定義的目的有兩個：首先，由于第三部分支撐層現(xiàn)階段處于多、小、散、亂的狀態(tài)，目前研究意義并不大；其次，第三部分支撐層現(xiàn)階段的規(guī)模較小，在數(shù)據(jù)處理和分析時，對結(jié)果的影響不大。

2 VAR模型

1980年Sims提出向量自回歸模型，它采用多方程聯(lián)立的形式表達個變量之間的關(guān)系，最主要的特點是可以不以經(jīng)濟理論為基礎(chǔ)。在模型的每一個方程中，內(nèi)生變量對模型的全部內(nèi)生變量的滯后項進行回歸，從而估計全部內(nèi)生變量的動態(tài)關(guān)系。向量自回歸模型對相互聯(lián)系的時間序列系統(tǒng)是有效的預(yù)測模型，同時可以通過脈沖響應(yīng)，分析隨機擾動項對變量系統(tǒng)的動態(tài)沖擊，從而解釋各種經(jīng)濟沖擊對經(jīng)濟變量形成的影響。使用VAR模型研究多個變量間的動態(tài)關(guān)系時，一個含有k個內(nèi)生變量時間序列的P階的VAR模型，可以用下列公式表示：

Yt=μt+A1Yt-1+A2Yt-2+…+ApYt-p+εt

其中，Yt為內(nèi)生變量的k維列向量，μt為趨勢項，εt為隨機誤差列向量，A為待估參數(shù)矩陣，方程的最佳估計為OLS估計。

本章將使用VAR模型和協(xié)整分析等方法對健康服務(wù)業(yè)發(fā)展與第二、第三產(chǎn)業(yè)發(fā)展的貢獻進行更加系統(tǒng)的研究。此方法考慮了不同變量間的綜合影響，并且不需要考慮截面數(shù)據(jù)回歸中的多重線性問題。

3 實證分析

3.1 樣本數(shù)據(jù)的選取和處理

3.1.1 產(chǎn)業(yè)結(jié)構(gòu)相關(guān)指標：第二產(chǎn)業(yè)與第三產(chǎn)業(yè)增加值

由于南京市產(chǎn)業(yè)高度初始值較高，第一產(chǎn)業(yè)增加值占GDP比重較低，且在不斷下降。雖然第一產(chǎn)業(yè)增加值占GDP比重的降低在一定程度上表現(xiàn)了南京市產(chǎn)業(yè)結(jié)構(gòu)的變化，但本章重點研究體現(xiàn)在第二產(chǎn)業(yè)與第三產(chǎn)業(yè)增加值的變化上的產(chǎn)業(yè)結(jié)構(gòu)演進，選用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)增加值的對數(shù)進行研究：

lnY2=log（Y2）

lnY3=log（Y3）

3.1.2 健康服務(wù)業(yè)發(fā)展指標：健康服務(wù)業(yè)產(chǎn)值比率

關(guān)于健康服務(wù)業(yè)發(fā)展指標，本文在研究前人對健康服務(wù)業(yè)范圍的研究后，首先定義了狹義的健康服務(wù)業(yè)的范圍，即僅包含第一部分醫(yī)療服務(wù)領(lǐng)域和第二部分新型業(yè)態(tài)部分的狹義范圍內(nèi)的健康服務(wù)業(yè)，產(chǎn)值用JK來表示。此處想研究的是健康服務(wù)業(yè)發(fā)展規(guī)模對實體經(jīng)濟的影響，則選用健康服務(wù)業(yè)產(chǎn)值比率，作為指標，用BL來表示：

BL=JK/Y

Y=Y1+Y2+Y3

考慮到數(shù)據(jù)的可獲得性，本節(jié)選取1985年—2014年南京地區(qū)的上述數(shù)據(jù)，數(shù)據(jù)來自《中過統(tǒng)計年鑒》、《中國衛(wèi)生統(tǒng)計年鑒》、《江蘇省衛(wèi)生統(tǒng)計年鑒》、《南京市統(tǒng)計年鑒》、《南京市統(tǒng)計公報》。在對指標研究是用到指標的一階差分變量，分別以d_lnY2、d_lnY3和d_BL表示。

數(shù)據(jù)的描述性統(tǒng)計結(jié)果如表1所示。

在建立模型之前，首先要對時間序列的平穩(wěn)性進行檢驗。此處使用增廣Dicky-Fuller方法檢驗個變量的平穩(wěn)性，使用Eviews8.0進行單位根項系數(shù)等于1的t檢驗，如表2所示。

從檢驗結(jié)構(gòu)可以看出，原指標顯然是非平穩(wěn)序列，各指標的一階差分都在5%水平上拒絕了單位根的假設(shè)，可見選取的指標都是同階（一階）單整的，可以建立VAR模型。

3.1.3 模型最優(yōu)滯后期的確定和平穩(wěn)性檢驗

多元VAR模型的關(guān)鍵是選擇系統(tǒng)內(nèi)解釋變量滯后期的長度，而且協(xié)整分析的結(jié)果對滯后期長度的選擇也很敏感。不當(dāng)?shù)臏笃诤芸赡軐?dǎo)致虛協(xié)整，如果滯后期太小，誤差項的自相關(guān)會很嚴重，并導(dǎo)致參數(shù)的非一致性估計。但是滯后期又不能過大，值過大會導(dǎo)致自由度減少，直接影響參數(shù)估計量的有效性。為了選擇最為合適的滯后期，使用多個信息準則進行判定，如表3所示。

所有的信息準則都在AR（1）是取得最小值，這表明應(yīng)該使用的滯后期為k=1。

在確定了模型VAR（1）后，對模型的穩(wěn)定性作出檢驗。如果被估計的VAR模型的特征方程所有的根的倒數(shù)都小于1，即位于單位圓內(nèi)，則是穩(wěn)定的。如果模型不穩(wěn)定，某些結(jié)果將不是有效的，比如脈沖響應(yīng)函數(shù)的標準誤差。

使用Eviews得到的該VAR（1）的AR特征多項式的根如表4所示。

不難發(fā)現(xiàn)，VAR模型的特征方程的所有特征根的倒數(shù)都小于1，即位于單位圓內(nèi)，所以VAR模型是穩(wěn)定的。

3.1.4 協(xié)整檢驗、向量誤差修正模型和弱外生性檢驗

協(xié)整檢驗的模型的滯后期應(yīng)該是非限定VAR模型一階差分變量的滯后期，則本協(xié)整檢驗的最優(yōu)滯后期為0。通過對各個變量的觀察，原VAR模型很可能是存在時間趨勢的，可使用Johansen協(xié)整檢驗來判定模型中協(xié)整關(guān)系的個數(shù)。

使用跡檢驗和最大特征值檢驗的結(jié)果分別如表5至6所示。

可見，在95%置信水平下，第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值、健康服務(wù)業(yè)發(fā)展指標三個變量之間有兩個協(xié)整關(guān)系，很好地說明了各個變量之間的長期關(guān)系與趨勢，長期均衡方程如下所示：