中國汽車產業及其影響因素關系的研究—基于VAR模型的脈沖響應和方差分解

李洪慶 王軍雷 康凱 劉磊

（中國汽車技術研究中心有限公司，天津 300300）

主題詞：汽車產業 VAR模型 脈沖響應函數 方差分解

1 引言

自1953 年中國第一汽車制造廠在長春開工建設以來，中國汽車產業走過了67年的歷程，初步形成了大中小企業、主機廠和供應商、研發和生產銷售3大聯合體系。汽車產業是國民經濟和社會發展重要的戰略性、支柱性產業，也是制造強國建設重要的標志性產業，對帶動產業結構調整、推動制造業轉型升級發揮著重要作用。隨著我國將汽車產業上升到國家戰略層面，作為世界汽車產業的重要組成部分，汽車產業的發展關乎到經濟的穩定和制造強國的建設。

近年來很多學者發表了一些關于汽車產業相關的研究：楊隨[1]在對我國汽車產業生產布局深入研究后，發現隨著省區專業化的不斷提高，相對應的地理集中度呈現“擴散—集中—擴散”的趨勢。王瑞晉等人[2]基于地理科學的基礎理論，揭示了我國汽車產業布局的時空變化規律，分析了汽車產業發展現狀，并提出相應的對策。賀燦飛等人[3]指出中國工業總體呈現“內陸—沿海—內陸”集聚特征，和改革開放以前相比，中國工業呈現出較為明顯的聚集趨勢。賀正楚[4]對我國2006～2015年31個省域汽車制造業進行研究，指出影響汽車制造業區域布局的主要因素有科技創新水平、勞動力成本、稅收政策。巫細波[5]認為整車帶動、政策引導、集聚經濟、資源分布及空間成本等因素對汽車產業空間布局有重要影響。鄧若冰等人[6]基于空間計量經濟學的研究視角，探討了我國2001～2003年省域汽車工業集聚和經濟增長的空間關系。

從這些研究可以發現，學者主要是對汽車產業及其影響因素進行探討，而對汽車產業與這些影響因素之間關系的探討尚存在空白，在汽車產業發展的過程中，汽車產業的時序變化和社會經濟、資源環境、生產研發能力等因素密切相關。基于以上考慮，以期作出以下2方面分析：一方面使用脈沖響應函數來研究汽車產量與其影響因素長期相互動態影響，另一方面運用方差分解研究汽車產量與其影響因素在相互沖擊中的相對重要性。

2 數據說明和模型簡介

2.1 VAR模型介紹

向量自回歸模型（VAR）是自回歸模型（AR）的拓展，1980年由Sims提出[7]，常用于預測相互聯系的時間序列及分析隨機擾動項對變量系統的動態影響。VAR 模型把每個內在變量看成是所有內在變量的滯后值的函數來構造模型，是基于數據的統計性質由多元時間序列變量組成的“向量”自回歸模型。p階VAR模型的數學表達形式記為VAR(p)，具體公式如下：

式中，Yt為k維內生變量向量；Xt為d維外生變量；μt是k維擾動向量；A1,A2，…，Ap和B是待估系數矩陣，p是滯后階數。VAR模型轉化為矩陣為：

2.2 數據來源

論文中的研究數據主要從中國統計局和《中國汽車工業年鑒》[8]獲取，根據確定的指標體系選擇1983～2018 年中國汽車產量及其相關影響因素統計數據。以中國汽車生產數量作為因變量，用汽車產量（y）來表示。數據共涉及全國31 個省、市、自治區，由于制度差異，沒有納入分析香港、澳門和臺灣3 個地區的數據。

2.3 指標體系構建

汽車產業是1個技術資金密集、關聯波及范圍廣、帶動能力強勁的支柱產業。本文以汽車生產水平作為被解釋變量，用汽車產量來表示。在選擇解釋變量時，借鑒了國內外學者關于時空演變的研究成果。同時又針對中國的具體情況，從社會經濟、資源環境、生產研發能力3個方面構建了中國汽車生產時序變化的計量經濟模型（表1）。此外，中國汽車生產還受到政策因素的影響，由于政策因素在VAR模型中無法有效量化，運算過程中會產生虛擬變量，影響模型準確性，所以本文選取具有政策意義的汽車行業完成固定投資代替。

表1 時間序列影響因素指標體系

居民消費水平（x1）

居民消費水平和國民生產總值（GDP）、居民儲蓄和居民人均收入等多個經濟因素息息相關，能夠很好地反映居民整體消費能力，具有極為重要的社會經濟意義。故本文引入居民消費水平來分析其對中國汽車生產的影響。

汽車工業總產值（x2）

汽車工業總產值是衡量汽車工業發達程度和規模總量的重要指標。工業總產值的計算價格有2種：一是不變價格，另一個是現行價格，由于本文研究跨度36年，所以如果采用不變價格會影響模型精準性，故本文所有數據采用的均是現行價格。

汽車進口數量（x3）

中國汽車進口數量從1983 年的2.24 萬輛到2018年的113萬輛，增長50.4倍，汽車進口數量的逐年增加會沖擊本地汽車的生產。本文把汽車進口數量引入到影響因素的分析中。

汽車行業完成固定資產投資（x4）

汽車行業固定資產投資是指在一定時期內建造和購置固定資產的工作量以及與此有關的費用變化情況，從固定資產投資角度可以來探討汽車行業宏觀經濟走勢及行業政策方向。所以本文將把汽車行業完成固定資產投資納入指標體系。

工程技術人員數（x5）

汽車產業是技術人才密集型行業，行業的整體進步需要人才的積累和技術水平的提高，而且工程技術人員還關乎著企業的創新成果轉化。因此本文引入工程技術人員來分析對中國汽車生產的影響。

全員勞動生產率（x6）

全員勞動生產率可以衡量勞動力要素的投入產出效率，是勞動力積極性、企業管理水平、生產技術水平的綜合體現，是考核企業和行業的重要經濟指標。故本文把全員勞動生產率引入到影響因素的分析中。

3 實證分析與估計結果

3.1 平穩性檢驗

建立VAR模型的基礎是驗證變量是平穩的，否則會出現偽回歸現象，即建立的回歸模型在經濟意義上沒有因果關系。本文采用單位根檢驗方法（ADF）驗證時間序列的平穩性。為了保證回歸參數估計量具有良好的統計性質，消除異方差，對居民消費水平、汽車工業總產值、汽車進口數量、汽車行業完成固定資產投資、工程技術人員、全員勞動生產率和汽車產量分別取對數為lnx1，lnx2，lnx3，lnx4，lnx5，lnx6，lny，結果顯示7個變量均為非平穩序列，因此對變量進行一階差分，結果顯示序列平穩，數據水平為一階單整，記為D(lnx1)，D(lnx2)，D(lnx3)，D(lnx4)，D(lnx5)，D(lnx6)，D(lny)。檢驗結果如表2所示。

3.2 滯后階數的確定

一般情況下，解釋變量和被解釋變量的因果關系不會在同一時期發生，通常會有時間滯后性，所以模型滯后階數（Lag）的確定對模型的可靠性和準確性十分關鍵。結合表3可以看出：除了施瓦茲準則（SC）準則顯示最后滯后階數為1，似然比檢驗（LR）、最后預測誤差（FRE）、赤池信息準則（AIC）、HQ 信息準則均顯示最優滯后階數為2，故本文選取滯后2 期為最優滯后階數。

3.3 格蘭杰因果檢驗

格蘭杰因果關系是為了檢驗時間序列變量之間在統計上的時間先后順序，即x的前期變化能否有效地解釋y的變化，如果x的前期變化能有效地解釋y的變化，即認為x是y的格蘭杰原因，相反，不是y的格蘭杰原因，選取滯后2期作為最優滯后期。

表2 變量的平穩性檢驗結果

表3 VAR模型滯后期選擇標準

由表4 可以得出，居民消費水平（x1）是汽車產量變化的格蘭杰原因，說明隨著居民生活水平的提高，人們對于汽車產品的需求逐漸增強，同時汽車產量變化也對居民生活水平有顯著影響；汽車工業總產值（x2）不是汽車產量變化的格蘭杰原因，即當年汽車工業總產值的滯后作用對汽車產量變化無顯著影響；汽車進口數量（x3）不是汽車產量變化的格蘭杰原因，然而汽車產量變化是汽車進口數量的格蘭杰原因；汽車行業固定資產投資（x4）對汽車產量變化的影響較小；同樣，工程技術人員數（x5）也不是汽車產量變化的格蘭杰原因；全員勞動生產率（x6）是汽車產量變化的格蘭杰原因，說明企業勞動力積極性、企業管理水平、生產技術水平的提高可以顯著影響汽車產量的變化；汽車工業總產值、汽車進口數量、汽車行業固定資產投資、工程技術人員數分析結果雖然不是汽車產量變化的格蘭杰原因，但是他們可以影響汽車產量的變化，只是影響程度較小，下面將用脈沖響應函數、方差分解來分析這些變量之間更為復雜的關系。

表4 格蘭杰因果檢驗結果

3.4 VAR模型穩定性檢驗

在進行脈沖響應分析與方差分解分析之前必須對VAR 模型進行穩定性檢驗，一般采用使用AR根圖表(AR Roots Table／Graph)，如果模型所有根的模數都在單位圓內，說明模型是穩定的，否則不穩定。由圖1可知本文被估計模型有部分模數在單位圓邊緣，較難判斷其模數是否小于1，所以采用AR 根圖和AR 根表結合來分析。

圖1 VAR模型穩定性檢驗

從圖1 和表5 可以看出，被估計模型所有模數都位于單位圓內，說明所建立的VAR 模型是穩定的，可以繼續進行脈沖響應分析與方差分解分析。

表5 VAR模型穩定性檢驗

3.5 脈沖響應函數

脈沖響應函數主要用于研究動態系統內變量之間的關系，它是1種因果性分析方法[9]。具體來說，脈沖響應函數是用來衡量隨機擾動項的1 個標準差沖擊對變量系統的動態影響，能夠清晰直觀的刻畫出變量之間的相互關系，橫坐標表示沖擊作用的滯后期數，縱坐標表示汽車產量的響應程度，選擇分析期長度為10期，實線表示脈沖響應函數計算值，上下的虛線為正負2 倍標準差置信帶。脈沖響應函數分析結果如圖2所示。

從圖2（a）可以看出，當本期給居民消費水平1個正向沖擊后，居民消費水平的沖擊會對汽車產量帶來負面影響。當沖擊后在第2期內影響最大，后逐漸減弱，在第8期達到第二次影響峰值。看似這一結論不符合實際，但是仔細思考可以看出，當在一定時間段內居民消費水平過度提高時，會在一定程度上透支消費者的需求，比如2009年的《汽車行業調整振興規劃》即汽車下鄉政策公布后，迅速釋放消費者需求，導致在2011 年和2012 出現汽車銷量增長疲軟，所以產量相對減少也在情理之中。

圖2（b）顯示，對汽車工業總產值1 個正沖擊后，會給汽車產量帶來正面影響，在第4期達到最大，隨后影響逐漸減弱。這是因為汽車產業是1 個長期性產業，作為產業革命的核心，它具有相當長的產業鏈，包括上游的鋼鐵、玻璃等，中游的整車制造，以及下游的汽車銷售及服務等。當本期的汽車工業總產值達到一定值，在一定程度上反應了汽車行業全產業鏈的快速發展，自然會帶動汽車產量的增長。

圖2 各自變量沖擊對汽車產量的脈沖響應函數（實線表示脈沖響應函數計算值，上下虛線為正負2倍標準差置信帶）

圖2（c）表明，汽車進口數量在前6期對汽車產量是正向影響，這是因為汽車進口數量的增長反映出汽車市場需求的增加，第6期后產生負向效應，是由于汽車進口市場的繁榮在一定程度上影響了國內汽車市場。

從圖2（d）個圖可見，汽車行業固定資產情況的沖擊對汽車產量有正向的影響，在第2期影響最大，后逐漸減弱，從第7期后開始重新增強，并趨向平穩。這是由于隨著汽車行業固定資產的增加，體現出國家及地方政府對汽車行業的支持，目前我國31個省市區中，有28個省區把汽車產業確立為支柱產業。

圖2（e）表明，工程技術人員數的正向沖擊對汽車產量的影響力較弱，這和中國汽車銷量主要由市場需求帶動有分不開的關系。

從圖2（f）可知，給全員勞動生產率1 個標準差大小的沖擊后，汽車產量有顯著正向影響，在第4期達到最大，后緩慢趨于平穩。隨著勞動生產率的逐漸提高，汽車行業整體生產效率穩步提升。

3.6 方差分解

脈沖響應函數主要用來衡量每1個變量產生的沖擊是如何影響另1個變量的，方差分解是脈沖響應分析的重要補充手段，可以進一步分析影響內生變量的結構沖擊的貢獻度。對解釋變量和被解釋變量進行方差分解，研究各變量的貢獻度，選擇分析期長度為10期，圖3為VAR模型方差分解圖，其中橫縱坐標分別表示滯后期數和解釋變量對汽車產量變化的方差貢獻率。

圖3 VAR模型方差分解

從圖3可以看出，汽車產量變化從第1期到第4期對自身的方差貢獻率由100%降到了60%，后逐漸緩慢下降。全員勞動生產率從第1期的0逐漸上升，在第8期達到最大值31%，后趨于穩定，工程技術人員貢獻率一直在0附近，其它變量貢獻率為6%左右。由此可見，汽車產量自身的變化對汽車生產影響程度最大，其次為全員勞動生產率，然后依次為汽車進口數量、居民消費水平、汽車行業固定資產投資、汽車工業總產值、工程技術人員數。

4 結論與建議

4.1 結論

本文選取我國31個省、市和地區的1983～2018年中國汽車產量及其相關影響因素統計數據，構建向VAR模型，經實證分析，得到以下結論。

（1）從長期看，居民消費水平和全員勞動生產率對汽車產量的影響較為顯著和持久，居民消費水平呈現負向沖擊，全員勞動生產率表現為正向沖擊。汽車工業生產總值、汽車進口數量、工程技術人員及固定資產相比之下對汽車產量的影響較弱。

（2）方差分解分析表明汽車產量的變化受自身擾動項的沖擊影響呈現遞減的趨勢，從初始的1遞減到第10 期的0.47，全員勞動生產率次之，其它影響程度依次為汽車進口數量、居民消費水平、汽車行業固定資產投資、汽車工業總產值和工程技術人員數量。

4.2 建議

當前，新一輪科技革命和產業革命正在蓬勃興起，我國汽車產業面臨深刻的調整和變革機遇期，電動化、網聯化、智能化、共享化成為主要發展潮流，但是宏觀經濟增速放緩、國際貿易摩擦等不確定因素正在逐漸顯現。基于以上分析，為了推動我國汽車產業轉型升級和結構優化，提出以下建議。

（1）提高勞動生產率。綜合格蘭杰因果檢驗和脈沖響應分析結果來看，全員勞動生產率是汽車產量的格蘭杰原因，而且給全員勞動生產率1個沖擊，可以顯著影響汽車產量的變化。因此建議根據市場需求及生產任務決定優化企業的各項資源投入，努力提高勞動者的技術熟練程度和科學文化水平。

（2）提高居民消費水平。雖然從脈沖響應分析上得出居民消費水平對汽車產量帶來負面影響，但是長遠來看居民收入和消費水平的提高可以刺激汽車消費，帶動社會經濟發展。一方面政府要健全社會保障體系，提升居民的消費信心，另一方面政府要擴大就業，完善分配制度，提高居民收入。

（3）優化頂層設計。本文使用投資強度代替了政策影響因素，在我國汽車產業發展歷程中，政策具有引領性和指導性作用。一方面需要在政府的主導下明確未來汽車產業轉型升級和結構優化的趨勢，另一方面需要穩定產業增長基本盤，推動行業壯大新增長點。