表 1 单位根检验结果
变量 LHTP D（LHTP） LRD D（LRD） LRY D（LRY） LZC D（LZC） 检验类型 （c，T，d） （c，0，0） （c，0，0） （c，0，0） （c，0，1） （c，0，0） （c，T，0） (c， T， 0) (c， T， 0) ADF统计量 -1.228609 -3.644386 1.627571 -9.889379 -0.931537 -6.981269 -2.366869 -4.316182 临界值（5%） -3.02997 -3.040391 -3.081002 -3.052169 -3.02997 -3.040391 -3.673616 -3.710482 伴随概率P 0.6394 0.0154 0.9987 0 0.755 0 0.3827 0.0172 结论 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 注：（c，T，d）分别代表所检验的方程中含有截距，时间趋势及滞后阶数；滞后阶数按SC最小准则确定；D（X）表示X的一阶差分。
从表1的检验结果中我们可以看出：LHTP、LRD、LRY、LZC的ADF统计量的绝对值小于5%水平下的ADF检验临界值的绝对值，说明这三个序列在95%的置信水平下都是非平稳的。进一步检验显示，D(LHTP)、D(LRD，1)、 D(LRY)及 D(LZC)在95%的置信水平下都是平稳的。
（二）Johansen协整检验
由于LGDP、LRD、LRY和LZC都是单整序列，满足进行协整检验的前提条件。进一步我们采用Johansen协整检验法对多变量系统进行向量协整检验。检验结果见
表 2 特征根迹（Rank Test）检验结果 Hypothesized No. of CE(s） None * At most 1 At most 2 At most 3 Eigenvalue 0.808175 0.626282 0.231771 3.95E-05 Trace Statistic 52.18438 22.46329 4.746716 0.00071 0.05 Critical Value 47.85613 29.79707 15.49471 3.841466 Prob.** 0.0186 0.2734 0.8351 0.9798 表 3 最大特征值检验（Maximun Eigenvalue Test）结果
Hypothesized No. of CE(s） None * At most 1 At most 2 At most 3 Eigenvalue 0.808175 0.626282 0.231771 3.95E-05 Trace Statistic 29.72109 17.71657 4.746006 0.00071 0.05 Critical Value 27.58434 21.13162 14.2646 3.841466 Prob.** 0.0262 0.1408 0.7735 0.9798 注：*表明在5%的显著水平下拒绝原假设；**表示Mackinnon-Haug-Michelin（1999）p值。
9
从协整检验的特征根迹检验和最大特征值检验的结果看出，我们可以在95%的置信水平下拒绝无协整关系的原假设，这说明我们的变量之间存在协整关系；对于原假设没有协整向量，我们在95%的置信水平下是拒绝的，因此接受至少有1个协整向量。
（三）向量自回归模型（VAR）的构建
基于我们选择的变量：LGDP、LRD、LZC及LKJ，我们构建4维的向量自回归模型。为了确定VAR模型的合适滞后长度，我们用模型滞后结构确定准则进行筛选，结果如表：
滞后期 0 1 2 3 表 4 向量自回归模型滞后期的确定标准 LogL LR FPE SC 29.19959 NA 6.06E-07 -2.768608 112.4198 117.4873 2.39E-10 -9.892666 125.3651 33.73774* 3.18e-12* -14.51698* 197.0579 12.18386 5.16E-10 -8.749095 HQ -2.648836 -9.507015 -9.853263* -8.81229 注：*表示根据相应准则选择的滞后阶数。
根据表4 的结果，5个评价指标全部认为应该选择的滞后期为2，即建立VAR(2)。模型方程如下：
?LHTPt??1.786662??????LRDt??0.377571????????LRYt??1.924002?????LZCt???0.064428??0.728549??0.068781???0.056873??0.184074?0.6319710.7244060.173910.329054?1.2088850.9138510.4156690.4491980.208107??LHTPt?1????0.682833??LRDt?1????0.390165??LRYt?1?????0.125727??LZCt?1???1t?????2t?????3t?????4t???0.178714??0.043239???0.123909???0.025226?0.118942?0.2863780.0079710.2196180.135474?1.040408?0.148608?0.0959461.847758??LHTPt?2?????0.152895??LRDt?2??????0.057119??LRYt?2????0.061193??LZCt?2?
实证结果显示模型总的拟合优度为0.996217，调整后的拟合优度为0.992855。且所有单位根位于单位圆内（如图3），模型结构稳定，模型拟合效果较好。
10
图 1 滞后阶数为2的AR特征多项式逆根图
（四）Granger因果检验
为了确定变量之间的相互关系，我们对VAR模型中的变量进行Granger因果检验，检验结果如表5：
表 5 Grange因果检验结果
Null Hypothesis: LRD does not Granger Cause LHTP LHTP does not Granger Cause LRD LRY does not Granger Cause LHTP LHTP does not Granger Cause LRY LZC does not Granger Cause LHTP LHTP does not Granger Cause LZC LRY does not Granger Cause LRD LRD does not Granger Cause LRY LZC does not Granger Cause LRD LRD does not Granger Cause LZC LZC does not Granger Cause LRY LRY does not Granger Cause LZC Obs 18 18 18 18 18 18 F-Statistic 0.77071 2.13794 0.18171 0.9741 1.44618 0.11114 5.94846 1.9861 3.39386 2.13124 1.60009 0.06768 Probability 0.04821 0.1575 0.O3593 0.40346 0.02709 0.89565 0.01464 0.17674 0.06517 0.15829 0.2392 0.93489 从表5 中我们可以看出：在95%的置信水平下，第一，R&D项目经费（LRD）是高技术产业产值（LHTP）的Grange原因，表明对科技项目的投入多则科技产出效益越好。第二，R&D人员全时当量（LRY）是高技术产业产值（LHTP）的Grange原因。第三，国家财政支出用于科学研究的支出（LZC）是高技术产业产值（LHTP）的Grange原因。第四，R&D人员全时当量（LRY）是R&D项目经费（LRD）的Grange
11
原因，表明高技术人员越多所花费的研究经费越多。
（五）脉冲响应分析
在实际应用中，由于VAR模型是一种非理论性的模型，它的系数是难于解释的，在分析VAR模型时，经常不分析一个变量的变化对另一个变量的影响，而是用脉冲响应函数分析误差项一个标准差新息的冲击对内生变量的影响。根据实际分析的需要，下面分别给高技术产业产值（LHTP）、R&D项目经费（LRD）、R&D人员全时当量（LRY）和国家财政支出用于科学研究的支出（LZC）一个正的单位大小的冲击，得到关于科技产出（LKJ）的脉冲响应函数图。如图2至图5，其中，横轴表示冲击作用的滞后期间数（单位：年），纵轴表示科技产出，实线表示脉
冲响应函数，虚线表示正负两倍标准差偏离带。
从图2中可以看出，高技术产业产值的变动对自身的响应是同向的，在第1期达到最高点，并且以后各期慢慢收敛。图3说明，当在本期给R&D项目经费一个
12
正向冲击后，在前7期对高技术产业产值的冲击是负向的，从第7期冲击变为正向的。这表明R&D项目经费的投入对高技术产业产值的推动作用在长期显著。图4说明，R&D人员全时当量的某一冲击给高技术产业产值带来的冲击在短期是负向的长期是正向的，说明高技术产业经济产出是有滞后效应的，及高技术产业投入并不是短期就能有成效的。图5表明，国家财政支出用于科学研究的支出的一个正的冲击对高技术产业产值的冲击是正向的并且在第3期到达最大值。
（六）方差分解分析
方差分解分析是通过分析每一个结构冲击对内生变量的变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。下面我们利用已建立的向量自回归模型进行方差分解分析，结果如表6：
表 6 方差分解表
滞后期 1 2 3 4 5 6 7 8 9 10 S.E. 0.130780 0.199241 0.253375 0.286367 0.300991 0.307860 0.310478 0.312683 0.317704 0.324799 LHTP 100.000000 91.317620 80.424570 78.913370 79.114970 79.001350 78.812000 77.744640 75.406720 72.362170 LRY 0.000000 4.811666 9.422537 8.646173 8.072007 7.716250 7.617648 7.670336 7.753768 7.702210 LRD 0.000000 3.688611 7.063486 10.021880 10.527600 10.490260 10.314070 10.760000 12.307970 14.777110 LZC 0.000000 0.182101 3.089409 2.418584 2.285423 2.792141 3.256277 3.825024 4.531542 5.158515 从表6中可以看出，对高技术产业产值变化贡献率最大的是自身因素的变化，但是它对自身的贡献率呈现出逐年递减的趋势，在第3期贡献率为80.42%，而第10期下降为72.36%，但仍起主要作用。R&D人员全时当量的变动对高技术产业产值的贡献率在第3期达到最大值9.42%，之后逐年递减。R&D项目经费变动对高技术产业产值变化的贡献在前3期都是个位数，但呈逐年递增的趋势，在第10期的
13