摘要：文章对广东省产业结构和就业结构做了长期均衡与短期偏离相结合分析，并提出了相关政策含义。
关键词：产业结构；就业结构；平稳性分析；协整分析
经济的发展必然引起产业结构和就业结构的变动。对产业结构和就业结构进行分析，针对不合理的部分做出战略性调整，有利于经济持续快速发展。

一、模型建立
经济结构用三次产业产值在国民生产总值中所占的比重来体现，yit表示第i产业第t时期的产业比重，就业结构用三次产业中就业人数占总就业人数的比重来体现，lit表示第i产业t时期的就业人数比重。为了减少数据可能存在的异方差，我们对以上时间序列分别取自然对数，即lnyit和lnlit，如果上述时间序列都是同阶单积的，就可以对以下回归作协整检验：
lnlit=ηi0+ηi1lnyit+υit
其中：υit为随机误差项，如果变量之间存在协整关系，二者之间有一种长期或均衡的关系。但在短期中，有可能会偏离均衡。因此，我们可以通过误差纠正模型（ecm）来考察其在短期内的关系：
dlnlit=ρi0+ρi1dlnyit+ρi2υit-1+εit
υit-1=lnlit-1-ηi0-ηi1lnyit-1
其中：d表示一阶差分算子，εit为随机误差项，υit-1即从协整回归中得到的误差的一期滞后值，ρi2的绝对值决定了均衡恢复的速度。
二、变量选取、样本数据分析以及变量的平稳性分析
（一）变量选取、样本数据分析
本文实证分析所采用的样本数据取自于1989-2009年的年度数据，数据来源于《1990-2007年广东省统计年鉴》和《广东五十年》。LocalHOSt
（二）变量平稳性检验
在对时间序列进行分析之前，先用adf单位根检验方法确定各变量的单整阶数。检验时采用aic最小准则自动选择滞后阶数。检验顺序如下：首先从含常数项和时间项模型开始，其次为只含常数项模型，最后为既不含常数项也不含时间项模型。时间序列lnli和lnyi的平稳性检验如表1所示。检验结果表明，lnli和lnyi都是1阶单积序列，即都为i（1）。
三、实证分析
（一）产业结构与就业结构的协整分析
本文的协整检验方法用的是engle和granger于1987年提出的两步检验法，即eg检验。这种协整检验方法是对回归方程的残差进行单位根检验。从协整理论的思想来看，自变量和因变量之间存在协整关系。检验一组变量（因变量和解释变量）之间是否存在协整关系等价于检验回归方程的残差序列是否是一个平稳序列。首先对回归方程进行参数估计，求出残差序列：
lnl1=2.843487785+0.349565982*lny1
（0.056616）（0.023536）
[50.22439] [14.85267]
lnl2=-2.840089147+1.642818006*lny2
（0.828135） （0.215063）
[-3.429501] [7.638792]
lnl3=-1.949672715+1.41560084*lny3
（0.513461）（0.138495）
[-3.797122][10.22135]
方程中系数估计值下面的圆括号内是渐进标准误，方括号内是t统计量值。模型中的参数在1%的显著性水平下全部通过t-检验、f-检验。通过上述三个回归方程的参数估计，求出残差序列为υ1、υ2和υ3，然后对残差序列进行单位根检验，验证其是否为平稳序列，检验结果如表2所示。
通过检验可以看出，三个残差序列都是平稳的，因此，lnli和lnyi之间是协整的，上述三个回归方程的设定是合理的。产业结构和就业结构之间存在一种长期均衡的关系。
（二）误差纠正模型
lnli和lnyi两个变量是协整的，说明二者之间存在着一种长期或均衡的关系，但在短期中，有可能会偏离均衡。下面我们把对应上述三个协整方程的误差纠正模型进行参数估计：
dlnl1=-0.02158216284+0.129730744
*dlny1-0.11312212*（lnl1（-1）-2.843487785-0.349565982*lny1（-1））
=-0.02158216284+0.129730744*dl
（0.011804） （0.129616）
[-4.828389] [5.000884]
ny1-0.11312212*u1（-1）
（0.115178）
[3.982151]
dlnl2=0.01048745645+1.156206575
*dlny2-0.1813734319*（lnl2（-1）+2.840089147-1.642818006*lny2（-1））

=0.01048745645+1.156206575*dl
（0.012334）（0.384178）
[8.502833] [3.009563]
ny2-0.1813734319*u2（-1）
（0.194004）
[-9.348954]
dlnl3=0.05439000076+1.025315155*
dlny3
-0.4154723959*（lnl3（-1）+1.949672715
-1.41560084*lny3（-1））
=0.05439000076+1.025315155*dlny3
（0.015609）（0.565639）

[1] [2] 下一页