自然约束集只是同时存在的，因为在SVAR建模中，滞后动态是不受限制的。必要条件要求识别限制的数量  和  优于（过度识别）或等于（仅识别）完整AB模型所需限制的数量，即。     （就我们而言， AB模型中参数的正确识别与统计显著性之间的权衡导致偏好过度识别，这需要使用似然比（LR）统计量检验限制有效性的无效假设。后者渐近分布为 哪里 是否仅在标识和 是过度标识下的限制数量。在我们的实证工作中，我们发现 具有P值 这意味着限制性鉴定和非限制性鉴定的结果之间没有统计学意义。23  ). 充分条件包括检查作为待估计参数函数的相关信息矩阵的非奇异性（Amisano和Giannini 1997）。当完成系统（3）的识别和分辨率时，可以通过最小化集中对数似然的负值来估计AB模型的参数：                哪里 是VAR残差的估计方差协方差矩阵   哪里 是具有阶数的参数矩阵  和.   4.4.

SVAR输出利用以往的典型协整回归和平稳性检验结果，一阶差分结构VAR模型更适合估计。继Juselius（2006）之后，在进行估算之前，应去除一些异常值。根据Nielson（2004），去除异常值基本上等同于在回归中包含脉冲假人。为了减少异常值观测值对序列特征的影响，我们在VAR估计中使用了使用线性化序列的程序TRAMO（Gomez和Maravall 1996）。首先，使用由第一个差分得到的平稳序列，利用选择标准测试产生的一个滞后来估计减少的VAR。稳定性条件适用于 因为所有自回归特征多项式根都位于单位圆内。此外，还通过Portmanteau检验实现了残差的多元序列相关，以验证残差是否支持白误差假设。结果表明，显著减少的残差之间不存在自相关。计算出的残差相关和方差协方差矩阵如表4.1和表4.2所示。（附录B）。有关SVAR识别和相关代数的更多详细信息，请参见Lucchetti 2006.24，测试VAR残差方差之间的异方差也很有意义。Brown Forsythe（1974）检验提供了关于  p值为 , 这意味着没有同质性的有力证据。由于残余协方差元素的值似乎很低，我们必须测试 是对角矩阵，即VAR方程之间没有相关性。

似然比（LR）检验，或者拉格朗日乘数（LM），用于残差协方差矩阵非对角线的联合显著性（Greene 2012第604页，Enders 2004）。零假设是非对角残差协方差元素等于零，这对应于; 根据经验，我们用   从每个具有平稳变量的VAR方程的OLS残差。当我们假设残差协方差为对角且误差为正态分布时，这些OLS估计等价于最大似然（ML）。替代假设由无限制 采用ML法估算。该测试是决定性的，因为如果残差协方差为零，则无需实现SVAR建模。无效假设  根据替代假设进行检验  使用   哪里 和 分别是无约束模型和约束模型的对数似然函数的最大值。通过将LR的统计量建立在受限协方差矩阵和非受限协方差矩阵之间的差的基础上，我们可以获得精确的等价值，如下所示    Breusch Pagan（1980）的拉格朗日乘数统计可通过以下公式确定：  哪里 是方程之间的剩余相关系数 和 定义人. 该统计数据的极限分布为 至于LR统计。LM统计更容易计算，因为它不需要.

从表4.1中，我们得出 大于的临界值, 还导致拒绝对角协方差矩阵的零假设。25统计LR分布如下 其中自由度 等于  对协方差矩阵的限制， 是VAR模型中的变量数。零假设下受限模型的对数似然值来自VAR模型中方程的单一估计，定义如下：    我们得到了无限制模型的对数似然值，即 根据VAR估计。使用最佳滞后长度1，我们从对数似然值中获得  根据协方差矩阵，结果是  ; 95%显著性水平和自由度下的临界值  是. 计算值大于临界值，因此我们拒绝零假设，然后协方差不是零，即不同方程中的冲击同时相关。这一统计特征证明了实施SVAR模型的合理性，该模型考虑了基础变量之间的同期效应。根据Kruskal定理 在…上 （或打开 对于更多滞后），与内积下的相同投影一致 （有关Kruskal定理的更多详细信息，请参见Zaman 1996，定理1.7，第18页）。假设  （或打开  对于更多滞后），在变换下保持不变, 然后 哪里 是OLS估计值和 是GLS的。换句话说，当且仅当 列，共列 是 的特征向量 （Greene 2012，第334页）。

因此，由于VAR系统中的每个方程都具有相同的外部或预定滞后变量，并且对参数和/或方差协方差没有限制，因此，在VAR模型上应用ML估计而不是单个方程的OLS，没有额外的效率。通过将方差协方差矩阵限制为对角矩阵，使用ML估计可以略微提高运行LR测试的效率增益，26因为ML-LR和OLS-LR统计之间的差异约为 . 通常，通过假设VAR模型受到限制，Kim（2014）从经验上表明，GLS估计的效率增益随着残差之间的同期相关性增加而增加。4.5. SVAR估计通过使用结构因子分解，我们从估计的VAR残差推导出SVAR模型的最大似然估计冲击。

冲击的估计结构由以下系统表示，其中括号之间的值对应于其各自的概率值，表示估计的统计显著性         通过矩阵，基础变量之间的同时关系, 首先表明移民人口和本地人口中的冲击之间的负相关，如表1所述。

该负结构坡度约为 从冲击的角度解释，从短期来看，移民和本地工人是互补的，而不是替代的。此外，经济增长对移民需求的即时影响是积极的，但很小。国际贸易、收入和转移增长的正面冲击的直接影响可能导致对移民的劳动力需求大约减少 （参见矩阵). 这意味着国际市场的改善鼓励经济雇用更多的移民工人。根据定义，本地（移民）活跃年龄的增加对应于本地（移民）年龄依赖率的降低，反之亦然（见脚注4）。27结构性冲击对利益变量的影响是动态的，可以通过脉冲响应分析进行探索，从而测量一次性冲击的影响。为此，我们可以如下确定部分乘数 哪里,  是AB模型的估计值，以及 是参数的估计矩阵. 此外，总影响矩阵，即长期影响矩阵，可根据  （更多详情见Breitung等人，2004年，第166-167页和吕特克波尔，2007年）。

结果如下            ,                                 , …,              基本变量之间的动态长期关系，通过冲击的总影响矩阵，即。, 显示累积负面影响的程度 移民劳动力需求增长的结构性冲击与本地人口增长的反应之间。这种消极的结构关系解释了从长远来看，移民和本地工人是互补的，而不是替代的。此外，即使从长期来看，移民需求增长对经济增长的累积影响大约为正, 但国内劳动年龄人口增长冲击与约. 换句话说，沙特活跃年龄比率的负面冲击导致产出增长下降，反之亦然。从长期来看，这两个劳动年龄人口增长来源对增长的净影响是积极的，因为与大量移民工人中的非技术工人相比，技术移民工人的贡献占主导地位。这些发现为在新古典人口理论范围内研究双人口增长与经济增长之间的关系提供了新的见解。

另一方面，国际贸易、收入和转移增长28的正面冲击的累积长期影响可能会增加移民的劳动力需求增长约,  这意味着国际市场的长期改善促使沙特经济雇用更多的移民工人。在下一节中，我们将讨论基本变量对不同结构冲击的响应过程。结果与讨论从理论上讲，经常账户反映了来自本土和移民双方的经济、社会和金融冲击。一般来说，现有的实证文献只关注移民与东道国经济活动之间的联系，而没有考虑本地人和移民之间的经济互动对经常账户和增长的影响。在本文中，我们有助于强调移民劳动力动态对CA对GDP、本地活跃年龄比和经济增长过程的影响。通过使用特定的结构向量自回归框架，我们可以评估与国际贸易、收入和转移（TIT）、沙特工作年龄人口（SWP）、移民工人需求劳动力（DEL）和国内产出供给（DOS）冲击相关的影响幅度。这些因素在推动沙特阿拉伯经常账户余额增长方面起着决定性作用。SWP和DEL冲击基本上是异质的。第一次冲击与国内劳动年龄人口的劳动力供应有关，但第二次冲击与合同移民的劳动力需求有关。

这两种劳动力来源可以作为劳动力因素进行补充或替代（Grossman 1982），但劳动力宏观供应的波动以及就业的波动仍然共同取决于对经济的实际需求和生产部门的技术技能。正如Stock和Watson（1996，2001）所指出的那样，这个问题的理论分析和实证分析都很有争议，SVAR建模中的脉冲响应函数可能对滞后长度、样本周期和识别限制的变化很敏感。我们通过修改缩减VAR的滞后长度来检验IRF结果的稳健性，结果表明，形状、符号和大小总体上对1个滞后到2个滞后的变化保持稳健性。29在特定的理论框架内构建，可能导致不同的结果。人口增长、经常账户和增长之间关系的性质取决于国家或地区的具体情况，主要是导致不同类型年龄依赖率的人口年龄结构（Peterson 2017）。国际贸易和收入变动的积极冲击导致短期内经常项目产出比的增长；这种影响在整个时间范围内都会发生变化（见图C.1，附录C）。CA对GDP增长的反应呈驼峰状，表明三年后会有一个增长过程，这意味着TIT冲击在头五年中高度持续。这一结果可能是由于国际贸易和收入流动中的粘性行为假设。相比之下，国际商品、服务、要素收入和转移市场中的任何负面冲击，在短期内都将加速资本充足率到GDP的过程。

但是，沙特经济的国际流动性有助于减少任何经常账户赤字（Ghassan等人，2013年）。此外，在时间范围内和代际间平滑消费将有助于减少金融和实际国际市场差异带来的任何负担。国内劳动年龄人口增长的积极冲击降低了CA与GDP的比率增长。这一结果证实了许多论文的研究结果（见第2节最后一段）。在前八年，国内工作年龄人口冲击对经常账户产生了负面影响。另一方面，国内工作年龄人口的负面冲击，意味着沙特工作年龄的增加，将在中期积极促进经常账户余额的改善。这种积极关系在其他论文中得到了支持，如Fukumoto和Kinugasa（2017）的论文，该论文考虑了整个人口的抚养年龄，但没有将其分为本地人和移民。似乎在前十五年，本地和移民工作年龄冲击对CA对GDP和经济增长的影响方向相反。图30 C.1显示，CA对GDP的积极反应对移民工人冲击的劳动力需求起主导作用，并抵消了其对国内工作年龄人口冲击的消极反应。正如第4.2节从理论上预测的那样，从短期和长期来看，移民工作年龄人口增长对CA的GDP增长都有积极贡献。此外，积极的实际国内供应冲击对CA与GDP比率的反应具有永久性的积极影响。这表明，宏观投资和产出的任何积极冲击都将对经常账户增长产生积极影响。

但是，由于沙特经济以石油部门活动为主，短期内，产出增长的冲击对经常账户余额产生的影响很小，但从长期来看，这些影响的衰减非常缓慢（见图C.1）。此外，在一代人（即前二十五年）期间，国内劳动年龄人口增长的积极冲击会产生移民年龄抚养比增长的积极驼峰反应（图C.3）。这意味着，当冲击来自本地工作年龄时，移民和本地工作年龄人口之间存在一个复杂的替代过程。从冲击的角度来看，这一结果表明，至少在未来几十年内，土著人口不存在真正的老龄化现象。根据Asharaf和Mouselhy（2013）的说法，这种现象并不发生在外籍人士身上，我们认为这是因为移民政策是以就业为导向的。总的来说，移民年龄依赖率的脉冲响应函数（IRF）的驼峰形状反映了移民人口与国内人口之间动态互动的程度。然而，对于移民工人的冲击，移民年龄抚养比的自我反应似乎对需求劳动力是单调的。对这种影响的解释可能是由于移民劳动年龄组和管理移民工人需求劳动力的机构之间的信息不完善。31通过考虑沙特年龄抚养比的IRF，我们发现，在一代人的时间里，移民政策冲击会产生负面的驼峰反应，即移民工人的劳动力需求增加（图C.2）。原因可能是当冲击来自移民工作年龄时，本地和移民工作年龄人口之间的动态互补过程。

这意味着移民活跃年龄的单一增长导致沙特年龄抚养比下降，这相当于沙特活跃年龄的增长效应，在整个时间范围内缓慢扩大。然后，工作年龄流动的移民可以扩大当地人在某些特定技能方面的劳动力市场前景。造成这种结果的原因是，家庭和家族企业仍然需要移民工人从事经济或社会活动中的任何类型的工作，如私人司机或家务活或其他技能和非技能工作。但是，这样的逻辑推断在平均值上仍然是正确的，因为首先，移民的低技能劳动力对高技能劳动力占主导地位，主要是在私人零售活动中；其次，沙特工人主要受雇于公共部门以及银行和金融活动；第三，沙特ZF对移民水平进行了高度监管。根据我们的实证结果，对于当地人，即沙特工人来说，移民似乎是更多的补充而非替代。Boubtane等人（2013）的实证研究支持了这一发现。根据沙特的基本经济事实，互补性主要作用于移民主要就业的私营部门，但在沙特国民占主导地位的公共部门，互补性似乎更多的是替代性而非互补性（MGI报告，2015年第6页）。然而，移民流入不会对现有的本地工人产生强烈影响，但可能会在经济周期不景气的情况下影响潜在的本地工人。

此外，在《地平线》的前十五年，移民劳动力需求的自我冲击对移民工作年龄依赖的增长产生了积极影响，但与之前在水平国家进行的文献相比，这种积极影响有所减弱，Dustmann等人（2005）发现，从整体和宏观层面来看，英国劳动力市场，移民不会对本地就业产生不利影响。32在时间范围内连续（图C.3）。这种演变可以用技术因素来解释，技术因素逐渐减少了移民工人的需求，其中大部分是非技术工人。通过结合移民工人和国内工作年龄人口的劳动力需求冲击，移民和沙特年龄依赖的des脉冲响应的净效应表明，移民和本地人口之间的互补过程占主导地位。这意味着移民的人力资本可以消除沙特年龄依赖率上升的负面影响。沙特活跃年龄比增长的正面冲击导致边际经济增长波动较大（图C.4）。经济增长不稳定的反应与本地和移民工作年龄人口的冲击方向相反，但从长期来看，这两种影响都会变得略微积极。短期内，移民劳动力需求的积极冲击会对经济增长产生不稳定的影响；但从长远来看，这种影响是积极的，而且很小（见图C.4）。这一结果可能意味着，从长远来看，通过不断提高的资历和边干边学的机制，在移民中，生产率较高的技术工人占了生产率较低的非技术工人的主导地位。

这种实证结果以不同的方式确立了之前的一些实证断言，如Dolado et al.（1994）、Ortega and Peri（2009）和Peri（2016）。Dolado et al.（1994）使用Solow增长模型，并通过移民人力资本进行补充，强调移民的负经济增长效应随着移民人力资本的增加而变得不那么重要。通过使用logit离散选择模型，Ortega和Peri（2009）在15个OECD国家断言，没有证据表明移民会将当地人挤出，移民会增加东道国的GDP。事实上，移民并不影响当地人的人均收入；此外，由于他们的合同地位，移民工人无法对与本土劳动力相比实际工资下降做出充分反应。33关于使用结构VAR因子的方差分解分析，它测量了每个冲击源在时间范围内对SVAR模型中每个内生变量的预测结构误差方差的贡献。这一分析表明了特定结构冲击在解释内生变量方差方面的重要性。方差分解显示，移民劳动力需求的结构性扰动解释了移民年龄依赖率波动的69%（见附录B表5）。此外，我们还发现，国内产出供给的结构误差方差约为79%，主要是由于增长方程中的不确定性造成的。10年后，移民年龄依赖性的变化约有2.7%是由于经常账户对GDP比率的冲击。

此外，经济增长预测中几乎13%的误差方差归因于经常账户对GDP的比率，而移民和本地抚养年龄方程中的误差方差分别小于2.5%和小于5.5%，以解释增长的结构性差异。有趣的是，对移民劳动力需求的冲击解释了经常项目对GDP比率变化的约33%，以及沙特年龄依赖率变化的约69%。但是，沙特工作年龄人口的冲击仅仅解释了移民年龄抚养率变化的15%左右。相比之下，沙特劳动年龄人口的冲击仅解释了约3%的CA与GDP比率的波动，仅解释了沙特年龄依赖率变化的23%左右。结论通过指定移民积极年龄比率，我们有助于突出移民工作年龄动态对CA对GDP、本地积极年龄比率和经济增长过程的影响。通过使用结构向量自回归框架，我们可以评估国际和国内冲击对本地和移民活跃年龄比、经常账户和经济增长的影响幅度。国内劳动年龄人口增长的正（负）冲击降低（增加）了CA与GDP的比率增长。这一发现在许多论文中也有记载，但没有将人口分为本地人和移民。换言之，沙特活跃年龄增长的积极冲击对经常账户余额有积极贡献。此外，移民劳动力需求增长的正冲击导致CA对GDP增长的准永久正脉冲响应。这意味着移民劳动力在短期和长期都有助于增加CA平衡。

通过编制移民劳动力需求和本地劳动年龄人口冲击，我们发现长期净效应为正，表明移民人口对CA-GDP比率增长的有效贡献。通过考虑移民的劳动力需求冲击，我们发现沙特的年龄抚养比增长存在负驼峰形反应。这一结果表明，移民活跃年龄的单一增长导致沙特活跃年龄的增长效应。因此，移民流动可以改善当地人在某些特定技能方面的劳动力市场前景。这一发现背后的理由是，当冲击源于移民工人时，本地和移民工作年龄人口之间的动态互补过程。这些动态过程是劳动力市场不平衡程度的结果。相比之下，当冲击源于国内工作年龄人口时，移民和本地工作年龄人口之间存在一个复杂的替代过程。移民和土著年龄依赖的des脉冲响应的净效应表明，移民和土著人口之间的互补过程主导了替代过程。总的来说，移民的人力资本可以消除沙特年龄抚养比上升的负面影响。

这些实证结果正确地反映了沙特劳动力市场的典型事实，其特点是互补过程主要发生在移民主要就业的私营部门，但在以沙特雇员为主的ZF部门，它们似乎更多地是替代而非补充。35此外，在短期内，国内和移民工作年龄人口的冲击会导致经济增长的相反和不稳定反应，但从长期来看，这两种影响都会变得略微积极。这一结果意味着，通过边干边学和积累经验的机制，从长远来看，具有公平生产力的熟练移民工人将战胜生产力较低的非熟练工人。我们的实证发现与Dolado等人（1994）和Ortega及Peri（2009）等之前的一些实证论文相一致。此外，移民不会对当地人均收入造成不利影响，而且由于他们的合同地位，与当地劳动力相比，移民工人无法对实际工资下降做出充分反应。此外，对移民工人的需求对经济增长的累积影响是积极的；但沙特劳动年龄人口的累积影响与经济负增长相关。这两个人口增长来源对经济增长的长期累积净影响是积极的，这是因为与非技术移民工人相比，技术移民工人的主要贡献。这意味着移民工人在满足家庭劳动力需求的经济或社会活动中仍然占据着许多类型的工作，如私人司机或家务活，以及企业和公司对技术和非技术工作的劳动力需求。

这些发现为在新古典人口理论中探索双人口增长与经济增长之间的关系提供了新的见解。我们的研究结果的一个重要含义是，ZF机构必须通过考虑外派人员的年龄结构来改善本国劳动力的就业机会。此外，此类政策还应通过在移民和本地人之间按年龄组匹配技能来调整劳动力市场条件。私营部门这一劳动力市场政策的成功取决于整个经济体从生产率较低的劳动力向生产率较高的劳动力的平稳渐进过渡。此外，这取决于当地人与36名移民工人之间互补和/或替代的程度。我们的研究结果的另一个政策含义是，通过将移民的家庭分组制度化，沙特经济将获得更多收益。这种政策将导致减少汇款流出，即使2016年汇款流出与GDP的比率仅为5.8%左右，但它需要调整和监管私营和公共部门移民工人对沙特同族人的工资和合同义务。总的来说，沙特ZF必须与隐含的利益相关者合作，通过逐步取消赞助制度打破劳动力市场的二元性，在沙特工人和移民工人之间找到平衡，提高劳动生产率，提高社会全体成员的生活质量。参考文献1。安藤县。和Modigliani F.（1963）《储蓄的生命周期假说：总体含义和检验》。《美国经济评论》53:55-84。2、Amisano G.和Giannini C。

（1997）结构VAR计量经济学主题。第二版，柏林斯普林格出版社。3、Amuedo Dorantes C.（2014）《汇款流量的好坏》。IZA劳动世界97:1-10。http://wol.iza.org/articles安德鲁斯·德克。（1991）异方差和自相关一致协方差矩阵估计。计量经济学59:817-858。5、Asharaf组件。，Mouselhy马。（2013）《沙特阿拉伯的老龄化：人口转型的影响》。加粗：《国际老龄问题研究所季刊》24（1）：13-27。6.Barro R.（1991）《各国经济增长的横截面图》。《经济学季刊》106（2）：407-443。7、Bjorvatn K.、Farzanegan先生（2013）《资源丰富国家的人口转变：是福还是祸？《世界发展》45:337-351。8、Boubtane E.、Coulibaly D.、Rault Ch.（2013）《移民、增长和失业：经合组织国家的面板风险值证据》。劳工27（4）：399–420.37 9。Bonham C.、Wiemer C.（2013）《中国储蓄动态：GDP增长和依赖份额的影响》。牛津经济论文65:173-196。人口统计学研究29（23）：617-640。10、Breitung J.、R.Bruggemann、H.Lütkepohl（2004年）。结构向量自回归建模。H.Lütkepohl和M.Kratzig（编辑）的第4章，应用时间序列计量经济学。剑桥大学出版社。Brooks R.（2000）《平行宇宙中的人口老龄化和全球资本流动》。国际货币基金组织151号工作文件，国际货币基金组织。12、棕色MB。，Forsythe AB.（1974）方差相等的稳健检验。《美国统计协会杂志》69（346）：364-367。Castles S.，Miller MJ。（2009）移民时代。第四版：现代世界的国际人口流动。第四版，贝辛斯托克：帕尔格雷夫·麦克米伦。14、库珀注册护士。

（2008）《全球失衡：全球化、人口统计学和可持续性》。《经济展望杂志》22（3）：93-112。D\'Albis H.，Collard F.（2013）《年龄组与人口老龄化的衡量》。人口统计学研究29（23）：617-640。16、Deaton AS。，Paxson CH.（1997）《经济和人口增长对国民储蓄和不平等的影响》。人口统计学34（1）：97-114。Docquier F.、Rapoport H.、Salomone S.（2012）《汇款、移民教育和移民政策：双边数据的理论和证据》。区域科学与城市经济学42（5）：817-828。Dolado J.、Goria A.、Ichino A.（1994）《东道国的移民、人力资本和增长：来自汇总国家数据的证据》。人口经济学杂志7（2）：193-215。Dustmann C.、Fabbri F.、Preston I.（2005）《移民对英国劳动力市场的影响》。《经济杂志》115:324-341。20、Dynan EK。，Edelberg W.，Palumbo MG。（2009）人口老龄化对总消费、储蓄和收入之间关系的影响。《美国经济评论》99（2）：380-386。Enders W.（2004年）。应用计量经济学时间序列。纽约：约翰·威利父子公司。22、恩格尔RF。和Granger CWJ。（编辑）（1991）《长期经济关系：协整解读》。牛津大学出版社。23、恩格尔RF、。，格兰杰CWJ。（1987）协整和误差修正：表示、估计和检验。计量经济学55:251-276.38 24。公平钢筋混凝土。，多明格斯公里。(1991). 美国年龄分布变化对宏观经济方程的影响。《美国经济评论》81:1276-1294。Feroli M.（2006）《人口统计学与美国经常账户赤字》。《北美经济与金融杂志》17（1）：1-16。26、油炸MJ、。，梅森A。

（1982）生命周期储蓄模型中的可变增长率效应：适用于七个亚洲发展中国家的生命周期模型新规范中的儿童、资本流入、利息和增长。经济调查20（3）：426-442。27、Fukumoto Y.、Kinugasa T.（2017）《年龄结构与贸易开放：一项实证调查》。世界经济40（6）：1247-1263。28.Gomez V.，A.Maravall。(1996). 程序TRAMO和SEATES，用户说明（测试版）。西班牙银行。工作文件9628。29、加桑省。，Hajhoj RH。，Kbiri AM公司。（2013）《国际金融危机对沙特阿拉伯经济的影响：来自不对称SVAR模型的证据》。《全球经济评论杂志》2:390-406。30、Graff M.，Tang KK。，张杰（2012）人口变化是否会影响经常账户？重新考虑。《全球经济杂志》12（4）：1-26。Greene WH。（2012）计量经济学分析。第7版国际版，培生教育有限公司。格罗斯曼JB。（1982）当地人和移民在生产中的可替代性。《经济学与统计学评论》64:596-603。33、Gudmundsson GS。，Zoega G.（2014）《年龄结构和经常账户》。《经济学快报》123（2）：183–186。汉森·贝。（1992）I（1）过程回归中的参数不稳定性测试。商业与经济统计杂志10:321-335。汉森·贝。（1990）使用Cochrane Orcutt对协整进行的一个强大而简单的测试。罗切斯特经济研究中心，工作文件#230:1-36。36、哈桑AFM。，Salim R.，Bloch H.（2011）《人口年龄结构、储蓄、资本流动和实际汇率：文献调查》。《经济调查杂志》25（4）：708-736。37、Hathroubi S.，Aloui C。

（2016）关于汇款外流与沙特阿拉伯宏观经济之间的相互作用：小波分析的新证据。经济建模59:32–45。38、Higgins M.（1998）《人口统计学、国民储蓄和国际资本流动》。《经济评论》39（2）：343-369.39。Hobijn B.、Franses PH.、Ooms M.（2004）平稳性KPSS测试的推广。Neerlandica统计局58:483-502。Juselius K.（2006）。协整VAR模型：方法和应用。牛津大学出版社：牛津。Karras G.（2009）《人口变化与经常账户：理论与经验证据》。《经济不对称杂志》6（1）：1-14。42、基弗纳米。，Vogelsang TJ。（2005）异方差自相关稳健检验的新渐近理论。计量经济学理论21（06）：1130-1164。金建华。（2014），《平稳VAR模型中的参数限制测试：引导法替代方法》。经济建模41:267-273。44、Kim S.，Lee JW。（2008）《人口变化、储蓄和经常账户：基于面板变量的分析》。日本与世界经济20（2）：236-256。Kim S.，Lee JW。（2007）《东亚人口变化、储蓄和经常账户》。《亚洲经济论文》6（2）：22-53。Kwiatkowski D.、Phillips P.、Schmidt P.、Shin Y.（1992）根据单位根的选择检验平稳性的无效假设。计量经济学杂志54:159-178。Leff N.（1969）抚养率和储蓄率。《美国经济评论》59:886-896。48.Li H.，Zhang J.，Zhang J.（2007）寿命和抚养率对储蓄和增长的影响：来自跨国小组的证据。发展经济学杂志84（1）：138-154。Lucchetti R.（2006）协方差结构的识别。计量经济学理论22（2）：235-257。吕特克波尔H.（2007）。多重时间序列分析的新介绍。第二版，斯普林格。51

Marchiori L.（2011）《一体化世界中的人口趋势和国际资本流动》。经济建模28（5）：2100-2120。Mason A.（1988）《储蓄、经济增长和人口变化》。《人口与发展评论》14:113-144。麦肯锡全球研究所，MGI。（2015）《沙特阿拉伯超越石油：投资和生产力转型》。就业和增长报告，12月。Modigliani F.，安多AK。（1957）储蓄的生命周期假设检验与建议。牛津大学统计研究所公报19:99-124。Modigliani F.（1966）储蓄的生命周期假说——财富需求和资本供给。社会研究33:160-217.40 56。Naufal G.，Genc I.（2012）汇款流出。在：外籍人士和劳动力。中东经济。第77-95页。纽约州帕尔格雷夫·麦克米伦。57、纽伊工程。，西KD。（1994）协方差矩阵估计中的自动滞后选择。经济研究回顾61:631-653。58、尼尔森血红蛋白。，(2004). 存在异常值时的协整分析。计量经济学杂志7:249-271。59.Ogaki M.（1993）《宏观计量经济学的单位根：一项调查》。货币与经济研究11:131-154。Ortega F.，Peri G.（2009）《国际移民的原因和影响：1980-2005年经合组织国家的证据》。NBER第14833号工作文件。61、公园JY。（1992）规范协整回归。计量经济学60:119-143。62、公园JY。（1990）用变量加法检验单位根和协整。计量经济学进展8（2）：107-133。Peri G.（2016）《移民、生产力和劳动力市场》。《经济展望杂志》30（4）：3–30。彼得森EWF。（2017）人口在经济增长中的作用。《Sage开放期刊》，10-12月：1-15日。65、菲利普斯印刷电路板。，欧利亚里斯S。

（1990）协整残差检验的渐近性质。计量经济学58:165-193。66、Prskawetz A.、Kogel T.、Sanderson WC、。，Scherbov S.（2004）《年龄结构对经济增长的影响：概率预测在印度的应用》。工作文件03，维也纳人口研究所。67、Simon C.，Belyakov AO。，Feichtinger G.（2012）通过移民最小化生育率低于更替生育率的人口的抚养比。理论种群生物学82（3）：158-169。68.Stark O.（1991）《劳动力的迁移》。Blackwell Books，Wiley Blackwell，编号1557860300，1月。69、库存JH。，沃森MW。（2001）向量自回归。《经济展望杂志》15（4）：101-115。70、库存JH。，沃森MW。（1996）宏观经济时间序列关系中结构不稳定性的证据。商业与经济统计杂志14（1）：11–30.41 71。Taylor AM公司。（1995）债务、依赖和人口转变：拉丁美洲进入下个世纪。《世界发展》23（5）：869-879。72、Taylor AM。，Williamson J.（1994）《资本作为代际转移流向新世界》。政治经济学杂志102（2）：348-371。73、Vargas Silva C.，Huang P.（2006）《工人汇款的宏观经济决定因素：东道国与母国的经济状况》。《国际贸易和经济发展杂志》15:81–99。74、世界银行集团（2016年）《移民与汇款》，2016年《概况》。第三版。www.knomad。组织75。Zaman A.（1996）《计量经济技术的统计基础》。翡翠集团出版有限公司，学术出版社。76、郑晨（2007）不同地区人口结构与储蓄率关系的实证研究。

人口与经济14（6）：1-5.42附录：方法注释、表格和数字附录A。附录A.1。KPSS检验根据KPSS（1992），他们的检验是单侧检验，因为零假设的参数值是随机游走的方差，而平稳性假设是.  假设模型为  具有 平稳误差及其位置  其中 是. 水平平稳性和趋势平稳性案例包括 和, 分别地无效假设为 导致这种情况 是, 另一种假设是 导致这种情况 是. 作为上尾测试，KPSS统计数据用于测试 由数量定义 哪里 哪里 是回归的残差 在常数和趋势上，以及 是对长期方差的一致估计（即根据异方差和自相关进行校正） 使用. 该估计值是在零假设下计算的。KPSS定义 测量随机游走分量对白噪声的相对重要性。如果, 它有一个单位根，如果. 此外，如KPSS所示，其假设模型等效于以下ARIMA模型   哪里 . 假设 和 是 相互独立并假设 是一阶自相关的，我们可以这样写 具有  ,  和. 因此，当, 和单位根 非常接近于零（KPSS，1992，第163-164页）。在无效假设下，错误 都是平稳的，所以 来自.

除了KPSS测试的常用模型外，我们还通过残差使用等效模型（ARIMA） 来检测我们是否得到了它们的平稳性。当 进行随机游走，重新测试.      根据KPSS（第170页，1992），对于滞后截断参数 在没有自相关误差的情况下，即使对于小样本，测试也具有正确的大小和功效，这意味着当时间观测数介于. 使用,  即使有更多的观察，这些测试也有点不太准确。对于小样本，随着 增加，这意味着KPSS检验倾向于过度拒绝平稳性的真实零假设，主要针对高度自回归过程。选择 对测试决策非常重要。附录A.2。典型协整回归一般来说，我们有一个标量 和 随机向量   . 允许   我们还认为回归者 具有以下随机过程，  43 和 是确定性趋势回归系数和 是未观测到的随机项。常数应该只在.

假设：  具有  哪里  是同时协方差矩阵。通过定义右侧长期协方差矩阵 和完整的长期协方差矩阵 根据, 我们有,  ,            我们假设变量 和 是非平稳的 有一个完整的等级 和 是正定的，即非单数；这意味着单个协整向量是. 由于,  和 或, 的静态OLS估计 无法对协整向量进行推断（有关详细信息，请参阅Phillips Ouliaris 1990、Hansen 1992、Park 1992）。如果 是严格的外生回归系数，即。 和, 然后，静态OLS估计具有完全有效的渐近正态分布，允许使用标准测试分布来计算临界值。在我们的实证工作中，我们使用CCR模型（Park 1992），因为它对.  它首先估计未观测到的随机误差  并构造相应的一致估计,    和.

数据转换操作如下     哪里 是估计向量    由导致估计的静态OLS获得的协整方程参数. 通过将OLS方法应用于 , 通过采取 （Park 1992）：  有了这种有效且无偏的估计量，可以使用标准分布操作测试程序。46表4.1。残差相关矩阵表4.2：。剩余方差协方差矩阵        表5：。结构方差分解titswpdeldosh=10h=25h=10h=25h=10h=25h=10h=25DCAY61.4049.403.407.6232.4538.012.754.97DS\\u ADR0.030.0423.0522.6772.6569.414.277.88DNS\\u ADR2.692.3715.0521.2269.1563.7313.1112.68DG\\u GDP13.4313.322.352.495.245.7378.9878.46注：行变量由列变量中的冲击解释。该数字以百分比表示10个时段25个时段（发电量）。47附录C图C.0.1。

1974年至2016年沙特阿拉伯经济双人口金字塔人口普查-0.20-0.15-0.10-0.05 0.00 0.05 0.10 0.150-45-910-1415-1920-2425-2930-3435-3940-4445-4950-5455-5960-6465+人口共享结构人口金字塔（1974年人口普查）沙特非沙特人口金字塔（1974年人口普查）0.20-0.15-0.10-0.05 0.05 0.15 0.20 0.250-410-1420-2430-3440-5460-5460 6470-7480+人口共享结构人口金字塔（1992年人口普查）沙特非沙特-0.20-0.15-0.10-0.05 0.00 0.05 0.10 0.15 0.200-410-1420-2430-3440-4450-5460-6470-7480+人口共享结构人口金字塔（2004年人口普查）沙特非沙特-0.15-0.10-0.05 0.00 0.05 0.10 0.15 0.200-410-1420-2430-3440-4450-5460-6470-7480+人口共享结构人口金字塔（2010年人口普查）沙特非沙特-0.15-0.10-0.05 0.00 0.05 0.10 0.15 0.200-410-1420-2430-3440-4450-5460-6470-7480+人口共享结构人口金字塔（2016年人口普查）沙特非沙特48图C.0.2。1974年至20160.00.10.20.30.40.50.60.70.819741977198019831986198919921995199820012004200720102013016016沙特年龄结构0-24\\U s 25-64\\U s 65+\\U s0.00.10.20.30.40.50.70.8197419771983198619921995199820012004200720102013016016移民年龄结构0-24\\U ns 25-64\\U ns65岁以上ns0.00.10.20.30.40.50.60.70.8197419771980198319861989199219951998200120042007201020130162016所有年龄结构0-24\\u至25-64\\u至65岁以上至49图C.1。经常项目对GDP比率的脉冲响应函数如图C.2所示。沙特年龄相关率的脉冲响应函数基于结构分解，使用蒙特卡罗模拟计算5000次重复的脉冲响应函数置信区间。