201504 - page 114
北京工商大学学报
(
社会科学版
)摇 摇 摇 摇 2015
年
摇
第
4
期
根 据 式
( 14 ),
有
鄣
H
鄣
仔
=
兹A
2
B
w
(
浊
+
A兹浊
) - (1 +
浊
+
仔
)(
浊
-
A兹
-
A兹仔
)
鄣
w /
鄣
仔
w
2
(
浊
-
A兹
-
A兹仔
)
2
,
鄣
w /
鄣
仔
=
琢
1 -
琢
[
Q 仔
(1 +
酌
+
浊
+
仔
)
(1 +
浊
+
仔
)
]
2
2
琢
-1 1 -
琢
(1 +
浊
+
仔
)(1 +
浊
) +
酌
(1 +
浊
-
仔
)
(1 +
浊
+
仔
)
3
,
将
鄣
w /
鄣
仔
代
入 上 式
,
有
鄣
H
鄣
仔
=
(
浊
+
A兹浊
)(1 -
琢
)
仔
(1 +
酌
+
浊
+
仔
) -
琢
(
浊
-
A兹
-
A兹仔
)[(1 +
浊
+
酌
+
仔
)(1 +
浊
) -
酌仔
]
(1 -
琢
)
仔
(1 +
酌
+
浊
+
仔
)
w
(
浊
-
A兹
-
A兹仔
)
2
/ 兹A
2
B
。
当
琢
越小时
,
预期寿命的提高将越有可能导致稳
态时人力资本积累水平的提高
。
四
、
基于法国时间序列数据的经验验证
(
一
)
样本选取与模型构建
根据理论实证的结果
,
预期寿命的提高将对
储蓄率
、
劳动时间投入
、
生育率和人力资本积累水
平产生长期影响
。
本文试图利用一组来自法国的
时间序列数据展开进一步的经验实证
。
之所以选
择法国作为研究对象
,
一方面因为法国是传统老
龄化国家的代表
;
另一方面也因为法国的养老金
制度安排与中国存在相似之处
,
并主要表现为养
老金体系以雇主
、
雇员按工资比例的强制缴纳和
政府财政收入支持相结合
,
且存在着覆盖率
、
缴费
水平
、
养老金收益差异较大的多层次性养老金体
系
。
[16]
在类似的养老金体系下
,
基于法国数据的
经验实证将对中国具有更大的借鉴意义
。
结合理论实证的相关结果
,
本文构建了一个
如式
(15)
所示的
VAR
模型
。
考虑到劳动时间投
入和人力资本积累水平缺乏直接与之对应的直接
指标
,
模型分别以
15
岁以上人口劳动参与率
盂
和
高等教育毛入学率来衡量上述指标
。
在式
(15)
中
,
内生变量列向量
y
t
可表述为
[ GDPPC,SAV,
LaborPR,FER,ENROLL,LIFE]
T
。
其中
,GDPPC、
SAV、LaborPR、FER、ENROLL
和
LIFE
分别代表人
均
GDP、
储蓄率
、
劳动参与率
、
生育率
、
高等教育
毛入学率和预期寿命
。
y
t
=
准
1
y
t
- 1
+ … +
准
p
y
t
-
p
+
着
t
,
t
= 1,2,…,
T
(15)
本文的数据集来自联合国
WDI
数据库
,
主要
指标包括
1983—2013
年间法国的预期寿命
、
储蓄
率
、15
岁以上人口劳动参与率
、
生育率
、
高等教育
毛入学率和人均
GDP
榆
。
所采用的估计方法为广
义脉冲响应函数估计方法
。
之所以选择广义脉冲
响应函数估计方法
,
主要是为了避免传统脉冲响
应函数中
,
结果严重依赖于
VAR
系统中各变量次
序的问题
。
[17]
(
二
)
模型有效性检验
为保证模型的有效性
,
本文在确定
VAR
模型
滞后阶数的基础上
,
进行了
Johansen
协整检验以
确定变量间的协整关系
,
并对
VAR
模型的稳定性
进行了进一步检验
。
根据
LR
检验的结果
(
表
1)
并兼顾满足足够滞后项和自由度的需要
,
本文结
合
LR
检验结果和
SC
信息准则
,
将
VAR
模型的
滞后阶数确定为
1。
特征根迹检验和最大特征值
检验的结果
(
表
2)
均表明
,VAR
模型中存在着多
表
1摇 VAR
模型滞后阶数检验结果
Lag
LogL
LR
FPE
AIC
SC
HQ
0
- 50郾 042 82
NA
2郾 56 伊 10
-6
4郾 151 32
4郾 439 28
4郾 236 95
1
143郾 578 90 286郾 846 90
*
2郾 34 伊 10
-11
- 7郾 524 36
- 5郾 508 61
*
- 6郾 924 97
2
184郾 918 90
42郾 871 19
2郾 47 伊 10
-11
- 7郾 919 92
- 4郾 176 39
- 6郾 806 77
3
254郾 347 50
41郾 142 87
9郾 57 伊 10
-12 *
- 10郾 396 11
*
- 4郾 924 80
- 8郾 769 21
*
摇 摇
注
:
*
表示在
5%
的显著性水平下各选择标准确定的
VAR
模型最优滞后阶数
。
表
2摇
序列协整检验的结果
原假设
特征根
迹统计量
(
p
值
)
姿鄄max
统计量
(
p
值
)
0
个协整向量
0郾 80
166郾 30
(
0郾 000
)
*
45郾 43
(
0郾 015
)
*
至少
1
个协整向量
0郾 73
120郾 87
(
0郾 000
)
*
36郾 57
(
0郾 031
)
*
至少
2
个协整向量
0郾 68
84郾 30
(
0郾 000
)
*
31郾 96
(
0郾 018
)
*
至少
3
个协整向量
0郾 55
52郾 34
(
0郾 000
)
*
22郾 35
(
0郾 049
)
*
至少
4
个协整向量
0郾 50
29郾 98
(
0郾 002
)
*
19郾 49
(
0郾 013
)
*
至少
5
个协整向量
0郾 31
10郾 49
(
0郾 058
)
10郾 49
(
0郾 058
)
摇 摇
注
:
*
表示在
5%
的显著性水平下拒绝原假设
。
·411·
I...,104,105,106,107,108,109,110,111,112,113
115,116,117,118,119,120,121,122,123,124,...127
