計(jì)量經(jīng)濟(jì)學(xué)課件：時(shí)間序列分析

時(shí)間序列分析

在對(duì)如何應(yīng)用多元回歸模型有了清楚的了解之后，我們便可轉(zhuǎn)向時(shí)間序列數(shù)據(jù)的計(jì)量經(jīng)濟(jì)分析。我們將主要借助OLS方法，與之相關(guān)的具體操作和推斷。要注意的是，時(shí)間序列數(shù)據(jù)具有某些截面數(shù)據(jù)所沒有的特點(diǎn)，故在實(shí)際應(yīng)用時(shí)，應(yīng)對(duì)這些特點(diǎn)給予關(guān)注。在本章的開始，我們討論了時(shí)間序列數(shù)據(jù)的特點(diǎn)和一些例子；接下來(lái)介紹了平穩(wěn)性及其檢驗(yàn)，這是時(shí)間序列數(shù)據(jù)分析中不可缺少的步驟；最后介紹了協(xié)整與誤差修正模型，它們?cè)诖祟悢?shù)據(jù)的分析中經(jīng)常被使用到。

7.1時(shí)間序列數(shù)據(jù)的性質(zhì)與橫截面數(shù)據(jù)相比，時(shí)間序列數(shù)據(jù)的特點(diǎn)有如下述：（1）時(shí)間序列數(shù)據(jù)是按照時(shí)間順序排列的，這種排列的潛在含義是：過去將會(huì)影響未來(lái)，而這意味著隨機(jī)抽樣的概念不適合時(shí)間序列數(shù)據(jù)；（2）時(shí)間序列數(shù)據(jù)的隨機(jī)性來(lái)自于，變量的結(jié)果事先無(wú)法準(zhǔn)確預(yù)料。值得一提的是，一個(gè)標(biāo)有時(shí)間下標(biāo)的隨機(jī)變量序列被稱為一個(gè)隨機(jī)過程（stochasticprocess）或時(shí)間序列過程。當(dāng)我們搜集到一個(gè)時(shí)間序列數(shù)據(jù)集時(shí)，我們便得到該隨機(jī)過程的一個(gè)可能結(jié)果或?qū)崿F(xiàn)。如若特定歷史條件有所不同，我們通常會(huì)得到這個(gè)隨機(jī)過程的另一種不同的實(shí)現(xiàn)，這也正是為何我們把時(shí)間序列數(shù)據(jù)看成隨機(jī)變量之結(jié)果的原因。時(shí)間序列數(shù)據(jù)集的樣本量，就是我們所觀察變量的時(shí)期數(shù)。7.2時(shí)間序列分析的一些例子

本節(jié)將討論兩個(gè)關(guān)于時(shí)間序列分析的例子，他們?cè)诜治鲋泻苡杏茫乙子谟肙LS進(jìn)行估計(jì)。

7.2.1靜態(tài)模型

(7.2.1)

其中，我們所建立y與z的關(guān)系為同期關(guān)系，即意在探討z對(duì)y的即期影響，而“靜態(tài)模型”之名也正源于此。靜態(tài)模型的一個(gè)例子是靜態(tài)菲利普斯曲線，其表示為：(7.2.2)

7.2.2有限分布滯后模型

其中，F(xiàn)DL模型階數(shù)的判斷在于所引入解釋變量的最大滯后階數(shù)。為了理解上式中的系數(shù)含義，假設(shè)序列z在t期之前均為常數(shù)c，在t期變?yōu)閏+1，而后在t+1期重回原水平c，即這種變化是暫時(shí)的。該種變化表示為：

7.2.2有限分布滯后模型假設(shè)每個(gè)時(shí)期的誤差項(xiàng)均為0，我們可以得到：

7.2.2有限分布滯后模型考慮另一種序列z的變化形式：假設(shè)序列z在t期之前均為常數(shù)c，從t期起，z變?yōu)閏+1，而后在各期保持不變，即這種變化是永久的。該種變化表示為：同樣假設(shè)每個(gè)時(shí)期的誤差項(xiàng)均為0，我們可以得到：

7.2.2有限分布滯后模型我們可以總結(jié)，在一個(gè)q階的FDL模型中：

7.3時(shí)間序列的平穩(wěn)性及檢驗(yàn)

7.3.1平穩(wěn)性的定義及判別

7.3.1平穩(wěn)性的定義及判別

7.3.1平穩(wěn)性的定義及判別

7.3.2平穩(wěn)性檢驗(yàn)檢查時(shí)間序列平穩(wěn)性的標(biāo)準(zhǔn)方法是單位根檢驗(yàn)，在此介紹兩種在實(shí)際應(yīng)用中常見的檢驗(yàn)方法：DF檢驗(yàn)和ADF檢驗(yàn)。DF檢驗(yàn)考慮以下三種形式的回歸模型：

7.3.2平穩(wěn)性檢驗(yàn)

7.3.2平穩(wěn)性檢驗(yàn)

7.3.2平穩(wěn)性檢驗(yàn)擴(kuò)展后的ADF檢驗(yàn)假設(shè)如下：可以使用信息準(zhǔn)則選擇最優(yōu)的滯后階數(shù)p，選擇使信息量達(dá)最小的最優(yōu)的滯后階數(shù)p。如果隨機(jī)誤差項(xiàng)仍存在序列相關(guān)，則檢驗(yàn)無(wú)效。先用模型（7.3.10）進(jìn)行檢驗(yàn)，如果時(shí)間趨勢(shì)項(xiàng)顯著，當(dāng)接受原假設(shè)時(shí)，說(shuō)明原序列去掉時(shí)間趨勢(shì)后，仍然非平穩(wěn)；當(dāng)拒絕原假設(shè)時(shí)，說(shuō)明原序列去掉趨勢(shì)后是平穩(wěn)的。如果時(shí)間趨勢(shì)項(xiàng)不顯著，則使用模型（7.3.9）進(jìn)行檢驗(yàn)，若常數(shù)項(xiàng)顯著，當(dāng)接受原假設(shè)時(shí)，說(shuō)明原序列非平穩(wěn)；當(dāng)拒絕原假設(shè)時(shí)，說(shuō)明原序列是數(shù)學(xué)期望非零的平穩(wěn)序列。若常數(shù)項(xiàng)不顯著，則使用模型（7.3.8）進(jìn)行檢驗(yàn)，當(dāng)接受原假設(shè)時(shí)，說(shuō)明原序列非平穩(wěn)；當(dāng)拒絕原假設(shè)時(shí)，說(shuō)明原序列是數(shù)學(xué)期望為零的平穩(wěn)序列。7.4協(xié)整與誤差修正模型

7.4.1協(xié)整的定義

7.4.2時(shí)間序列協(xié)整檢驗(yàn)

模型估計(jì)的殘差為：

7.4.2時(shí)間序列協(xié)整檢驗(yàn)

7.4.2時(shí)間序列協(xié)整檢驗(yàn)

7.4.3誤差修正模型

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用在本小節(jié)中，我們通過一個(gè)案例來(lái)將本章所涉及的時(shí)間序列分析過程一一串連并予以展現(xiàn)，旨在令讀者能夠更深刻地體會(huì)到時(shí)間序列數(shù)據(jù)的分析特點(diǎn)及要點(diǎn)。以1984年第1季度到2009年第3季度的美國(guó)聯(lián)邦基金回報(bào)率（f）與三年期債券回報(bào)率（b）為例進(jìn)行分析，具體流程如下：使用stata16打開在目錄“D:\stata16\shuju\chap07”中的“0701.dta”數(shù)據(jù)文件，命令如下：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用use“D:\stata16\shuju\chap07\0701.dta”,clear然后創(chuàng)造一個(gè)時(shí)間變量，并使用tsset命令使得數(shù)據(jù)成為時(shí)間序列數(shù)據(jù)。在Command界面輸入以下命令：gendate=tq(1984q1)+_n-1format%tqdate/*將日期格式轉(zhuǎn)化為字符串格式*/tssetdate/*時(shí)間序列數(shù)據(jù)進(jìn)行回歸前，需要使用tsset命令進(jìn)行設(shè)定*/其中，tq(1984q1)是一種擬函數(shù)，表示輸入所有的數(shù)據(jù)都會(huì)轉(zhuǎn)化為整數(shù)當(dāng)量。以上述為例，Stata是以1960年基礎(chǔ)時(shí)間原點(diǎn)，所以1984q1表示第一季度距離1960年間隔96個(gè)季度，對(duì)應(yīng)生成的整數(shù)當(dāng)量為96，_n-1類似于一個(gè)步長(zhǎng)值為1的循環(huán)語(yǔ)句，Stata中以增量為1進(jìn)行疊加到date中。7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用（1）時(shí)間序列平穩(wěn)性檢驗(yàn)由于對(duì)于時(shí)間序列的檢驗(yàn)，一般檢驗(yàn)其三種形式，第一種形式對(duì)包含截距項(xiàng)形式的回歸模型檢驗(yàn)。我們先對(duì)f執(zhí)行ADF檢驗(yàn)，在檢驗(yàn)之前，我們需要對(duì)其滯后階數(shù)進(jìn)行選擇，由于Stata中沒有直接的方式進(jìn)行判斷滯后階數(shù)，而是需要自己進(jìn)行編程，選擇滯后的階數(shù)。這里選用Schwert(1989)建議的最大滯后階數(shù)Pmax=[12*(T/100)1/4]的法則確定最大階數(shù)，然后利用AIC準(zhǔn)則，找出合適的階數(shù)。在Command界面輸入如下命令：di12*(104/100)^(1/4)/*104為本數(shù)據(jù)集的樣本個(gè)數(shù)*/12.118241/*上式計(jì)算的結(jié)果*/表明Pmax=12，下面在Stata中編一個(gè)AIC求解的外部命令，然后運(yùn)行，具體的操作步驟先新建一個(gè).do文件，然后在do文件中編一個(gè)AIC的命令：programmodelse/*program是Stata程序中命令開頭，后接程序的名稱（可以根據(jù)自己偏好，隨意設(shè)置該名稱）*/scalaraic=ln(e(rss)/e(N))+2*e(rank)/e(N)scalarlistaicend

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用

該程序?qū)儆谔囟ǔ绦?，?huì)用到回歸執(zhí)行后產(chǎn)生和保存的結(jié)果，其中e(rss)表示存儲(chǔ)的殘差平方和，e(N)保存樣本數(shù)量。新結(jié)果中的e(rank)，用于計(jì)算度量模型中的使用的解釋變量。具體的含義可結(jié)合AIC公式進(jìn)行理解。上述程序書寫完成后，先保存。因?yàn)檫@里program后的程序名為modelse，故保存選用的文件名也為modelse。然后點(diǎn)擊菜單欄中的運(yùn)行按鈕，圖標(biāo)如下所示，該步驟一定要運(yùn)行，否則后續(xù)程序執(zhí)行會(huì)出現(xiàn)報(bào)錯(cuò)。外部命令設(shè)置好后，將根據(jù)需要進(jìn)行編制窗口運(yùn)行命令，由于時(shí)間序列f最大可以滯后12階，那么我們需要得到12階回歸所得到的AIC值，然后選擇最小的，確定滯后階數(shù)。這里需要編制一個(gè)循環(huán)語(yǔ)句，具體命令如下：forvaluesp=0/12{/*forvalues表示循環(huán)語(yǔ)句的命令*/quiregL(0/`p').f/*此處不是兩個(gè)單引號(hào)，左邊的是是局部宏引用符號(hào)，電腦操作中再Tab上方*/display"p=`p’modelse/*調(diào)用之前編寫的程序*/}

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用Enter鍵確認(rèn)后得到結(jié)果：從上圖7.5.2中，根據(jù)AIC運(yùn)行結(jié)果，可以發(fā)現(xiàn)，滯后階數(shù)為2時(shí)，AIC值最小。然后令滯后階數(shù)p=2，對(duì)包含截距項(xiàng)形式的第一種形式回歸模型檢驗(yàn)。進(jìn)行ADF檢驗(yàn)的命令為：dfullerf,lag(2)Enter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用

第二種形式是對(duì)包含截距項(xiàng)和趨勢(shì)項(xiàng)形式的回歸模型檢驗(yàn)，然后在Command界面輸入如下命令進(jìn)行平穩(wěn)性檢驗(yàn)：dfullerf,lags(2)trendEnter鍵確認(rèn)后得到結(jié)果：第三種形式是對(duì)截距項(xiàng)和趨勢(shì)項(xiàng)都不包含的回歸模型檢驗(yàn)，在Command界面輸入如下命令進(jìn)行平穩(wěn)性檢驗(yàn)：dfullerf,noconstantlags(2)Enter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用根據(jù)以上檢驗(yàn)結(jié)果，在顯著性水平5%下，f所進(jìn)行的僅包含截距項(xiàng)的ADF檢驗(yàn)形式不能拒絕原假設(shè)，含截距項(xiàng)和趨勢(shì)項(xiàng)模型結(jié)論是去掉時(shí)間趨勢(shì)后平穩(wěn)，因此該序列是非平穩(wěn)的。同理，對(duì)b執(zhí)行ADF檢驗(yàn)后發(fā)現(xiàn)該序列也非平穩(wěn)序列。

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用（2）差分平穩(wěn)識(shí)別已知f和b均為非平穩(wěn)序列，接下來(lái)進(jìn)行一階差分并判斷是否平穩(wěn)。同前述內(nèi)容，先對(duì)差分后的序列進(jìn)行AIC滯后階數(shù)的確定。其中一階差分后的f序列的AIC值如下：滯后期選擇為1。第一種形式對(duì)包含截距項(xiàng)形式的回歸模型檢驗(yàn)。進(jìn)行差分平穩(wěn)性檢驗(yàn)的命令為：dfullerD.f,lags(1)Enter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用第二種形式是對(duì)截距項(xiàng)和趨勢(shì)項(xiàng)都不包含的回歸模型檢驗(yàn)，在Command界面輸入如下命令：dfullerD.f,lags(1)trendEnter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用第三種形式是對(duì)截距項(xiàng)和趨勢(shì)項(xiàng)都不包含的回歸模型檢驗(yàn)，在Command界面輸入如下命令：dfullerD.f,noconstantlags(1)Enter鍵確認(rèn)后得到結(jié)果：根據(jù)上述Stata得出的檢驗(yàn)結(jié)果，整理列表如下：根據(jù)以上檢驗(yàn)結(jié)果，△f所進(jìn)行的ADF三種檢驗(yàn)形式都拒絕了原假設(shè)，因此該序列是平穩(wěn)的。同理，對(duì)b的一階差分執(zhí)行ADF檢驗(yàn)后發(fā)現(xiàn)該序列也是平穩(wěn)序列，在此不贅述。

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用（3）協(xié)整方程的建立與判定由以上步驟我們知道，f和b均為一階單整序列，可以嘗試進(jìn)行回歸分析以得到殘差，從而進(jìn)一步檢驗(yàn)是否存在協(xié)整關(guān)系。協(xié)整方程的估計(jì)與普通OLS并無(wú)二致，在Command界面輸入如下命令：regressfbestatdwatson/*檢驗(yàn)DW值*/Enter鍵確認(rèn)后得到結(jié)果:由上述回歸結(jié)果，可得估計(jì)模型如下：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用其中，系數(shù)估計(jì)值均通過5%顯著性水平檢驗(yàn)。命名回歸生成的殘差序列為ECM，我們對(duì)此再做一次ADF檢驗(yàn)，檢驗(yàn)不含截距項(xiàng)和趨勢(shì)項(xiàng)的回歸模型，在Command界面輸入如下命令：predictecm,residual接下來(lái)判斷ecm是否平穩(wěn)。同前述內(nèi)容，先對(duì)ecm進(jìn)行AIC滯后階數(shù)的確定。其中ecm序列的AIC值如下：滯后期選擇為4。dfullerecm,noconstantlags(4)

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用Enter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用（4）建立誤差修正模型我們已經(jīng)知道了f和b之間存在長(zhǎng)期均衡的協(xié)整關(guān)系，而現(xiàn)實(shí)的經(jīng)濟(jì)生活中二者往往不一定會(huì)正好處于長(zhǎng)期均衡點(diǎn)上，因此，我們利用中得到的ECM（即誤差修正項(xiàng)）來(lái)建立誤差修正模型，以此描述f和b之間的短期非均衡關(guān)系。經(jīng)過嘗試，我們得出建立如下形式模型是合適的：如果隨機(jī)誤差項(xiàng)存在序列相關(guān)，則需要信息量進(jìn)行arma(p,q)的滯后階數(shù)p和q的選擇，在Command界面輸入如下命令：forvaluesq=1/12{forvaluesp=1/12{quiregL(0/`p').fL(0/`q').bdisplay"p=`p'q=`q’”modelse}}

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用由于共有169種模型的估計(jì)，我們僅顯示p、q均小于3時(shí)的部分AIC值，可以得到當(dāng)p=2，q=0時(shí)對(duì)應(yīng)的信息準(zhǔn)則AIC值達(dá)極小值-2.0053466，讀者可根據(jù)上述程序，自行選擇進(jìn)行操作驗(yàn)證。

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用根據(jù)AIC的計(jì)算結(jié)果，對(duì)誤差修正模型進(jìn)行估計(jì)，在Command界面輸入如下命令：genDf=D.fgenDb=D.barimaDfDbL.ecm,ar(1/2)nologEnter鍵確認(rèn)后得到結(jié)果：

7.5平穩(wěn)性和協(xié)整檢驗(yàn)及誤差修正模型的應(yīng)用我們可以據(jù)此結(jié)果寫出的ECM模型:其中，系數(shù)估計(jì)值均通過5%顯著性水平檢驗(yàn)。最終得到的誤差修正模型反映了f和b之間的短期非均衡關(guān)系。7.6向量自回歸模型

本節(jié)討論一類應(yīng)用廣泛的現(xiàn)代時(shí)間序列分析模型——向量自回歸模型，首先對(duì)該類模型的性質(zhì)特征進(jìn)行必要的探討，然后介紹模型的估計(jì)，將重點(diǎn)放在模型的應(yīng)用方面，包括格蘭杰因果關(guān)系檢驗(yàn)、脈沖響應(yīng)分析和方差分解分析。

7.6.1向量自回歸模型概述

正如§1.2中提及的，經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型是基于經(jīng)濟(jì)學(xué)理論和經(jīng)濟(jì)行為關(guān)系而構(gòu)建的結(jié)構(gòu)模型，這是它的一個(gè)最重要的特征。發(fā)生于20世紀(jì)70年代，以盧卡斯（E.Lucas）、薩金特（J.Sargent）、西姆斯（A.Sims）等為代表的對(duì)經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)的批判，其后果之一是導(dǎo)致計(jì)量經(jīng)濟(jì)學(xué)模型由經(jīng)濟(jì)理論導(dǎo)向轉(zhuǎn)向數(shù)據(jù)關(guān)系導(dǎo)向。西姆斯（1980）等人將向量自回歸模型（VectorAutoregressionModels,VAR）模型引入宏觀經(jīng)濟(jì)分析中，使之成為現(xiàn)代時(shí)間序列分析的主要模型之一。在經(jīng)濟(jì)預(yù)測(cè)領(lǐng)域，特別是宏觀經(jīng)濟(jì)預(yù)測(cè)領(lǐng)域，經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)結(jié)構(gòu)模型（包括聯(lián)立方程結(jié)構(gòu)模型）幾乎為向量自回歸模型所替代。原因在于經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)結(jié)構(gòu)模型是以理論為導(dǎo)向而構(gòu)建的，特別是凱恩斯宏觀經(jīng)濟(jì)理論，而經(jīng)濟(jì)理論并不能為現(xiàn)實(shí)的經(jīng)濟(jì)活動(dòng)中變量之間的關(guān)系提供嚴(yán)格的解釋。而向量自回歸模型是一種非結(jié)構(gòu)化模型，它主要通過實(shí)際經(jīng)濟(jì)數(shù)據(jù)而非經(jīng)濟(jì)理論來(lái)確定經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)結(jié)構(gòu)，建模時(shí)無(wú)須提出先驗(yàn)理論假設(shè)，或者說(shuō)它不排除任何假設(shè)，而是通過時(shí)間序列提供的信息將這些假設(shè)區(qū)分出來(lái)。

7.6.1向量自回歸模型概述

VAR模型每個(gè)方程的左邊是內(nèi)生變量，右邊是自身的滯后和其它內(nèi)生變量的滯后。西姆斯（1986）以及布蘭查德（Q.J.Blanchard）和匡赫（D.Quah）（1989）發(fā)展了VAR，提出了結(jié)構(gòu)向量自回歸模型（StructuralVectorAuto-Regression，SVAR）。SVAR模型中包含了變量之間的當(dāng)期關(guān)系，而這些當(dāng)期關(guān)系在VAR中是隱含在模型隨機(jī)誤差項(xiàng)中。變量之間的當(dāng)期關(guān)系揭示了變量之間的相互影響，實(shí)際上是對(duì)VAR模型施加了基于經(jīng)濟(jì)理論的限制性條件，從而識(shí)別變量之間的結(jié)構(gòu)關(guān)系。所以，SVAR也被稱為VAR的結(jié)構(gòu)式。這樣，SVAR模型每個(gè)方程的左邊是內(nèi)生變量，右邊是自身的滯后和其它內(nèi)生變量的當(dāng)期和滯后。西姆斯認(rèn)為VAR模型中的全部變量都是內(nèi)生變量，近年來(lái)也有學(xué)者認(rèn)為具有單向因果關(guān)系的變量，也可以作為外生變量加入VAR模型。或者，有時(shí)為了考慮趨勢(shì)或季節(jié)因素需要引入純外生變量。所以在實(shí)際應(yīng)用中，人們又根據(jù)對(duì)經(jīng)濟(jì)行為的分析，在模型方程的右邊引入必要的外生變量，為了加以區(qū)別，不妨稱之為修正的VAR或CVAR.。在協(xié)整的概念提出以后，人們將協(xié)整向量引入到VAR模型或SVAR模型中，擴(kuò)展成為向量誤差修正模型（VectorErrorCorrectionModel,VECM）和結(jié)構(gòu)向量誤差修正模型（StructuralVECM）?？梢詫⒁陨蟅AR、SVAR、CVAR、VECM統(tǒng)稱為“VAR類模型”。

7.6.1向量自回歸模型概述VAR模型自提出以來(lái)，已經(jīng)成為分析與預(yù)測(cè)多個(gè)相關(guān)經(jīng)濟(jì)指標(biāo)的最易操作的模型之一，常用于預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊，從而解釋各種經(jīng)濟(jì)沖擊對(duì)經(jīng)濟(jì)變量形成的影響。例如，石油價(jià)格和匯率是最受國(guó)際社會(huì)關(guān)注的兩大焦點(diǎn)。石油價(jià)格的波動(dòng)對(duì)于全球經(jīng)濟(jì)的影響不言而喻，同時(shí)在全球經(jīng)濟(jì)一體化的背景下，匯率對(duì)國(guó)際貿(mào)易、國(guó)際金融的影響也可謂是牽一發(fā)而動(dòng)全身。隨著我國(guó)經(jīng)濟(jì)的增長(zhǎng),對(duì)石油的消費(fèi)需求也與日俱增，我國(guó)已經(jīng)成為世界第二大石油消費(fèi)國(guó),而近年來(lái)石油價(jià)格的大幅波動(dòng)必將影響我國(guó)實(shí)際匯率的變化。如果構(gòu)建石油價(jià)格和匯率的結(jié)構(gòu)模型，由于影響因素和傳導(dǎo)路徑十分復(fù)雜，難以收到好的成效。而采用向量自回歸模型，可以方便地分析石油價(jià)格上漲沖擊對(duì)實(shí)際匯率波動(dòng)的影響程度，以及需求、供給、貨幣這些宏觀因素對(duì)匯率波動(dòng)的影響。

7.6.1向量自回歸模型概述由于VAR類模型沒有揭示經(jīng)濟(jì)系統(tǒng)中變量之間的直接因果關(guān)系，因此也具有應(yīng)用上的局限性。首先，VAR類模型主要應(yīng)用于經(jīng)濟(jì)預(yù)測(cè)，對(duì)于經(jīng)濟(jì)結(jié)構(gòu)分析和政策評(píng)價(jià)等應(yīng)用領(lǐng)域，它的應(yīng)用存在方法論障礙；其次，即使在經(jīng)濟(jì)預(yù)測(cè)方面，它的應(yīng)用也是有條件的。例如，VAR避免了結(jié)構(gòu)約束問題，是否就可以成功地進(jìn)行宏觀經(jīng)濟(jì)預(yù)測(cè)？顯然不是。關(guān)鍵在于宏觀經(jīng)濟(jì)運(yùn)行中是否存在結(jié)構(gòu)約束。所謂結(jié)構(gòu)約束，實(shí)際就是政府干預(yù)。對(duì)于那些沒有政府干預(yù)，完全按照市場(chǎng)規(guī)律運(yùn)行的經(jīng)濟(jì)體，VAR類模型可以進(jìn)行成功的預(yù)測(cè)。相反，對(duì)于存在政府干預(yù)的經(jīng)濟(jì)體，采用VAR類模型進(jìn)行的預(yù)測(cè)，很難取得成功。所以，人們應(yīng)用VAR模型，更多地是將它作為一個(gè)動(dòng)態(tài)平衡系統(tǒng)，分析該系統(tǒng)受到某種沖擊時(shí)系統(tǒng)中各個(gè)變量的動(dòng)態(tài)變化，以及每一個(gè)沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)度，即脈沖響應(yīng)分析和方差分解分析。

7.6.2向量自回歸模型及其估計(jì)

7.6.2向量自回歸模型及其估計(jì)VAR模型的建立不以嚴(yán)格的經(jīng)濟(jì)理論為依據(jù)。在建模過程中只需明確兩個(gè)量。一個(gè)是所含變量個(gè)數(shù)k，即共有哪些變量是相互有關(guān)系的，并且需要把這些變量包括在VAR模型中；一個(gè)是自回歸的最大滯后階數(shù)p，通過選擇合理的p來(lái)使模型能反映出變量間相互影響的關(guān)系并使得模型的隨機(jī)誤差項(xiàng)是白噪聲。

其中，

7.6.2向量自回歸模型及其估計(jì)

其中：這些最小二乘估計(jì)量還是最大似然估計(jì)量。估計(jì)VAR模型的一個(gè)重要問題就是模型最優(yōu)滯后階數(shù)的確定。在選擇滯后階數(shù)p時(shí)，一方面想使滯后階數(shù)足夠大，以便能充分的利用所構(gòu)造模型的變量信息。但是另一方面，滯后階數(shù)不能過大，因?yàn)闇箅A數(shù)越大需要估計(jì)的參數(shù)也就越多，模型的自由度就減少，而通常數(shù)據(jù)有限，可能不足于估計(jì)模型。所以通常進(jìn)行選擇時(shí)，需要綜合考慮。以下幾種選擇準(zhǔn)則可供參考，在一些計(jì)量軟件，如Eviews軟件會(huì)給出這些準(zhǔn)則的估計(jì)值。

7.6.2向量自回歸模型及其估計(jì)（1）用LR統(tǒng)計(jì)量選擇p值。LR（似然比）統(tǒng)計(jì)量定義為，

其中L表示模型的似然函數(shù)值，T表示樣本容量。選擇p值的原則是在增加p值的過程中使AIC的值達(dá)到最小。（3）用施瓦茨（Schwartz）準(zhǔn)則(SC)選擇p值。其中L表示模型的似然估計(jì)值，T表示樣本容量。選擇最佳p值的原則是在增加p值的過程中使SC值達(dá)到最小。此外，還有一些其它選擇準(zhǔn)則。單變量時(shí)間序列自回歸模型中序列平穩(wěn)的充分必要條件是模型特征方程的所有特征值都要在單位圓以外。類似地，VAR模型穩(wěn)定的充分必要條件是模型特征方程的所有特征值都要在單位圓以外。

7.6.2向量自回歸模型及其估計(jì)3、SVAR模型的估計(jì)由于SVAR模型的解釋變量中包括當(dāng)期變量，所有與聯(lián)立方程模型有關(guān)的問題，諸如識(shí)別問題和內(nèi)生解釋變量問題，統(tǒng)統(tǒng)提出來(lái)了。于是，經(jīng)典聯(lián)立方程模型的識(shí)別理論和估計(jì)理論完全適用于SVAR模型中每個(gè)方程。例如，當(dāng)某個(gè)方程恰好識(shí)別時(shí)，可以首先估計(jì)簡(jiǎn)化式模型（為VAR模型），然后或者根據(jù)參數(shù)關(guān)系體系計(jì)算該方程的參數(shù)，或者采用2SLS估計(jì)該方程的參數(shù)

7.6.3格蘭杰因果關(guān)系檢驗(yàn)VAR模型的一個(gè)重要的應(yīng)用是檢驗(yàn)經(jīng)濟(jì)時(shí)間序列變量之間的因果關(guān)系。VAR模型中的每一個(gè)方程旨在揭示某變量的變化受其自身及其他變量過去行為的影響。然而，許多經(jīng)濟(jì)變量有著相互的影響關(guān)系，如GDP的增長(zhǎng)能夠促進(jìn)消費(fèi)的增長(zhǎng)，而反過來(lái)，消費(fèi)的變化又是GDP變化的一個(gè)組成部分，因此，消費(fèi)增加又能促進(jìn)GDP的增加?，F(xiàn)在的問題是：當(dāng)兩個(gè)變量間在時(shí)間上有先導(dǎo)——滯后關(guān)系時(shí)，能否從統(tǒng)計(jì)上考察這種關(guān)系是單向的還是雙向的？即主要是一個(gè)變量過去的行為在影響另一個(gè)變量的當(dāng)前行為呢？還是雙方的過去行為在相互影響著對(duì)方的當(dāng)前行為？格蘭杰（Granger，1969）提出了一個(gè)簡(jiǎn)單的包括兩個(gè)變量的VAR模型檢驗(yàn)方法，習(xí)慣上稱為格蘭杰因果關(guān)系檢驗(yàn)（Grangertestofcausality）。

7.6.3格蘭杰因果關(guān)系檢驗(yàn)

7.6.3格蘭杰因果關(guān)系檢驗(yàn)

7.6.3格蘭杰因果關(guān)系檢驗(yàn)

7.6.3格蘭杰因果關(guān)系檢驗(yàn)（1）X是引起Y變化的原因，即存在由X到Y(jié)的單向Granger因果關(guān)系。若Y方程中滯后的X的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體顯著不為零，同時(shí)X方程中滯后的Y的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體顯著為零，則稱X是引起Y變化的Granger原因。（2）Y是引起X變化的原因，即存在由Y到X的單向Granger因果關(guān)系。若X方程中滯后的Y的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體顯著不為零，同時(shí)Y方程中滯后的X的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體的顯著為零，則稱Y是引起X變化的Granger原因。（3）X和Y互為因果關(guān)系，即存在由X到Y(jié)的單向因果關(guān)系，同時(shí)也存在由Y到X的單向因果關(guān)系。若Y方程中滯后的X的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體顯著不為零，同時(shí)X方程中滯后的Y的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體顯著不為零，則稱X和Y間存在反饋關(guān)系，或者雙向Granger因果關(guān)系。（4）X和Y是獨(dú)立的。若Y方程中滯后的X的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體的顯著為零，同時(shí)X方程中滯后的Y的系數(shù)估計(jì)值在統(tǒng)計(jì)上整體的顯著為零，則稱X和Y間不存在Granger因果關(guān)系。

7.6.3格蘭杰因果關(guān)系檢驗(yàn)3、幾個(gè)應(yīng)用中的實(shí)際問題需要指出的是，在實(shí)際應(yīng)用格蘭杰因果關(guān)系檢驗(yàn)時(shí)，需要注意以下幾個(gè)問題：（1）滯后期長(zhǎng)度的選擇問題。檢驗(yàn)結(jié)果對(duì)于滯后期長(zhǎng)度的選擇比較敏感，不同的滯后期可能會(huì)得到不同的檢驗(yàn)結(jié)果。因此，一般而言，需要進(jìn)行不同滯后期長(zhǎng)度下的檢驗(yàn)，觀察其敏感程度；并且根據(jù)模型中隨機(jī)誤差項(xiàng)不存在序列相關(guān)時(shí)的滯后期長(zhǎng)度來(lái)選取滯后期。（2）時(shí)間序列的平穩(wěn)性問題。如上所述，從理論上講，格蘭杰因果關(guān)系檢驗(yàn)是針對(duì)平穩(wěn)時(shí)間序列的。對(duì)于同階單整的非平穩(wěn)序列，理論上講不能直接采用。但是，如果經(jīng)過差分以后采用，經(jīng)濟(jì)意義發(fā)生了變化。模擬試驗(yàn)表明，當(dāng)2個(gè)序列逐漸由平穩(wěn)過程向非平穩(wěn)過程過渡時(shí)，檢驗(yàn)存在因果關(guān)系的概率出現(xiàn)一定程度的上升。但上升幅度遠(yuǎn)小于2個(gè)序列之間因果關(guān)系的顯著性增強(qiáng)時(shí)所引起的上升幅度。所以，同階單整非平穩(wěn)序列的Granger因果檢驗(yàn)結(jié)果具有一定程度的可靠性。（3）樣本容量問題。時(shí)間序列的樣本容量對(duì)檢驗(yàn)結(jié)果具有影響，模擬試驗(yàn)表明，對(duì)于兩個(gè)平穩(wěn)序列，隨著樣本容量的增大，判斷出存在格蘭杰因果關(guān)系的概率顯著增大。（4）格蘭杰因果關(guān)系檢驗(yàn)是必要性條件檢驗(yàn)，而不是充分性條件檢驗(yàn)。經(jīng)濟(jì)行為上存在因果關(guān)系的時(shí)間序列，應(yīng)該能夠通過格蘭杰因果關(guān)系檢驗(yàn)；而在統(tǒng)計(jì)上通過格蘭杰因果關(guān)系檢驗(yàn)的時(shí)間序列，在經(jīng)濟(jì)行為上并不一定存在因果關(guān)系。模擬試驗(yàn)表明，經(jīng)濟(jì)行為上不存在因果關(guān)系的平穩(wěn)時(shí)間序列之間也可能存在著統(tǒng)計(jì)上的因果關(guān)系。

7.6.4脈沖響應(yīng)分析和方差分解分析1、脈沖響應(yīng)函數(shù)在實(shí)際應(yīng)用中，由于VAR模型是一種非理論性的模型，且VAR模型參數(shù)的OLS估計(jì)量只具有一致性，單個(gè)參數(shù)估計(jì)值的經(jīng)濟(jì)解釋是很困難的。因此在應(yīng)用VAR模型時(shí)，往往不分析一個(gè)變量的變化對(duì)另一個(gè)變量的影響如何，通常是觀察系統(tǒng)的脈沖響應(yīng)函數(shù)和方差分解。脈沖響應(yīng)函數(shù)方法(ImpulseResponseFunction，IRF)是分析VAR模型受到某種沖擊時(shí)對(duì)系統(tǒng)的動(dòng)態(tài)影響。具體地說(shuō)，它描述的是在某個(gè)內(nèi)生變量的隨機(jī)誤差項(xiàng)上施加一個(gè)標(biāo)準(zhǔn)差大小的沖擊后對(duì)所有內(nèi)生變量的當(dāng)期值和未來(lái)值所產(chǎn)生的影響。為方便說(shuō)明，考慮如下形式的VAR(p)模型

顯然，由(7.6.10)式有下式成立，

7.6.4脈沖響應(yīng)分析和方差分解分析由式(7.6.11)可得：

7.6.4脈沖響應(yīng)分析和方差分解分析

7.6.4脈沖響應(yīng)分析和方差分解分析由式(7.6.14)可得：

7.6.4脈沖響應(yīng)分析和方差分解分析2、方差分解另一個(gè)評(píng)價(jià)VAR模型的方法是方差分解(VarianceDecomposition)，通常利用相對(duì)方差貢獻(xiàn)率(RelativeVarianceContribution，RVC)來(lái)衡量。VAR的方差分解能夠給出隨機(jī)新息的相對(duì)重要性信息。根據(jù)式(7.6.13)，

則相對(duì)方差貢獻(xiàn)率定義為：

7.6.5向量誤差修正模型

7.6.5向量誤差修正模型

其中的每一個(gè)方程都是一個(gè)誤差修正模型。誤差修正模型（ECM）的含義洋家在§2.2專門介紹，關(guān)于(7.6.19)的含義就不再重復(fù)。7.6.6實(shí)例下面是一個(gè)較為完整的研究實(shí)例，試圖說(shuō)明向量自回歸模型如何通過脈沖響應(yīng)分析和方差分解分析實(shí)現(xiàn)它的應(yīng)用價(jià)值。例7.6.1

影響中美貿(mào)易量的決定因素是什么？人民幣匯率是影響中美貿(mào)易量的決定因素嗎？下面考慮到人民幣對(duì)日元和人民幣對(duì)歐元的匯率對(duì)中美貿(mào)易的影響，建立向量自回歸模型，并應(yīng)用廣義脈沖響應(yīng)和方差分解研究中美貿(mào)易相關(guān)變量的動(dòng)態(tài)關(guān)系，以期回答這些問題。1、變量的選擇為充分考慮影響中美進(jìn)出口貿(mào)易的因素，在經(jīng)濟(jì)體方面，將日本與歐盟的因素考慮進(jìn)來(lái)；在宏觀經(jīng)濟(jì)數(shù)據(jù)方面，考慮GDP、CPI、匯率等因素的影響。VAR模型中的變量包括：中國(guó)GDP、美國(guó)GDP、日本GDP、歐盟GDP、人民幣兌美元匯率、人民幣兌日元匯率、人民幣兌歐元匯率、中國(guó)CPI、美國(guó)CPI、中國(guó)對(duì)美國(guó)進(jìn)口總額、中國(guó)對(duì)美國(guó)出口總額共11個(gè)變量，樣本區(qū)間為2005年7月至2010年12月，采用66個(gè)月度數(shù)據(jù)。數(shù)據(jù)見0702.wf1。7.6.6實(shí)例2、數(shù)據(jù)的處理由于進(jìn)出口貿(mào)易額和GDP存在明顯的季節(jié)趨勢(shì)，因此采用TRAMO/SEATS方法對(duì)中美日歐的GDP及中美的進(jìn)出口貿(mào)易量進(jìn)行季節(jié)調(diào)整。同時(shí)，為了避免模型出現(xiàn)“偽回歸”現(xiàn)象，要求各時(shí)間序列的變量具有同階平穩(wěn)性，因此首先應(yīng)對(duì)模型所涉及的時(shí)間序列變量進(jìn)行季節(jié)調(diào)整和一次差分后進(jìn)行ADF單位根檢驗(yàn)。ADF檢驗(yàn)結(jié)果表明11個(gè)變量都是I(1)序列，進(jìn)一步的JJ協(xié)整檢驗(yàn)表明11個(gè)變量協(xié)整。具體操作為：雙擊序列名→“Proc”→“SeasonalAdjustment”→“TRAMO/SEATS”。7.6.6實(shí)例3、VAR模型滯后階數(shù)的確定因?yàn)樯鲜?1個(gè)變量都是I(1)序列，若直接建立VAR模型，則模型不穩(wěn)定且脈沖響應(yīng)函數(shù)不收斂，因而VAR模型的脈沖響應(yīng)函數(shù)失去應(yīng)用價(jià)值。為此，采用各變量的一階差分建立VAR模型。為了簡(jiǎn)潔起見，約定在下面的內(nèi)容中在不影響理解的情況下，變量的差分仍然用同樣的變量名表示。按照各經(jīng)濟(jì)體在國(guó)際上的重要性和影響力，設(shè)定向量變量的順序?yàn)槊绹?guó)gdp(americagdp)，中國(guó)gdp(chinesegdp)，歐盟gdp(eurgdp)，日本gdp(japanesegdp)，人民幣兌美元匯率(dollar)，人民幣兌歐元匯率(eur)，人民幣兌日元匯率(yen)，美國(guó)cpi(americacpi)，中國(guó)cpi(chinesecpi)，中國(guó)對(duì)美國(guó)出口總額(export)，中國(guó)對(duì)美國(guó)進(jìn)口總額(import)。利用上述數(shù)據(jù)構(gòu)建VAR模型時(shí)，滯后階數(shù)的確定尤為重要。因?yàn)闇箅A數(shù)太多會(huì)導(dǎo)致需要估計(jì)的參數(shù)過多，模型的自由度減少，而滯后階數(shù)太少則無(wú)法完整反映所構(gòu)造模型的動(dòng)態(tài)特征。因此，在確定滯后階數(shù)時(shí)應(yīng)綜合考慮AIC信息準(zhǔn)則、SC信息準(zhǔn)則、LR統(tǒng)計(jì)量、FPE最終預(yù)測(cè)誤差、HQ信息準(zhǔn)則。運(yùn)用Eviews8.0建立VAR模型并考查滯后階數(shù)，根據(jù)AIC信息準(zhǔn)則、SC信息準(zhǔn)則確定滯后階數(shù)為2。7.6.6實(shí)例4、模型穩(wěn)定性檢驗(yàn)基于VAR模型的脈沖響應(yīng)函數(shù)是用來(lái)度量隨機(jī)擾動(dòng)項(xiàng)在受到一個(gè)標(biāo)準(zhǔn)差沖擊后，對(duì)各變量當(dāng)前和將來(lái)取值的影響,分析VAR模型中變量的擾動(dòng)如何通過模型影響到其他變量,最終又反饋到自身的過程。首先應(yīng)對(duì)的VAR模型進(jìn)行穩(wěn)定性檢驗(yàn),以確保其脈沖響應(yīng)收斂性。檢驗(yàn)結(jié)果表明VAR模型的AR根的模均小于1且位于單位圓內(nèi)，這說(shuō)明所構(gòu)建的VAR模型是穩(wěn)定的。具體操作為：選擇需要分析的變量→“OpenasVAR”→“View”→“Lagstructure”→“ARRootsGraph”。7.6.6實(shí)例5、方差分解由于變量較多，首先對(duì)模型進(jìn)行方差分解以觀察各變量的貢獻(xiàn)程度，然后重點(diǎn)分析貢獻(xiàn)程度較大的變量的脈沖響應(yīng)圖。方差分解是分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)度，通常用方差來(lái)度量，以此來(lái)評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。采用方差分解的方法著重考察各變量變化對(duì)中美進(jìn)出口貿(mào)易量的影響。具體操作為：選擇需要分析的變量→“OpenasVAR”→“View”→“VarianceDecomposition”。（1）各變量變化量對(duì)進(jìn)口量變化量的貢獻(xiàn)程度如圖7.6.1，分析結(jié)果如下：7.6.6實(shí)例（1）各變量變化量對(duì)進(jìn)口量變化量的貢獻(xiàn)程度如圖7.6.1，分析結(jié)果如下：①匯率因素。人民幣兌歐元匯率變化量對(duì)中美貿(mào)易量變化量的貢獻(xiàn)度（10%），超過了人民幣兌美元匯率變化量的貢獻(xiàn)度（8%）。反映出在全球經(jīng)濟(jì)一體化的背景下，各國(guó)經(jīng)濟(jì)聯(lián)系日趨緊密。美歐兩大經(jīng)濟(jì)體對(duì)華出口在很大程度上存在相似，因此具有很強(qiáng)的競(jìng)爭(zhēng)性。此外，人民幣兌日元匯率變化量的貢獻(xiàn)度也達(dá)到了4%，這些也印證了本節(jié)開頭所提出的觀點(diǎn)，即中美貿(mào)易變化量與中日、中歐貿(mào)易變化量有很大的相似程度，美國(guó)公司在這些領(lǐng)域通常要與歐盟及日本的公司競(jìng)爭(zhēng)，而不是與中國(guó)的公司競(jìng)爭(zhēng)。因此，要研究中國(guó)對(duì)美國(guó)的進(jìn)口與出口，如果不考慮美元兌歐元、美元兌日元匯率的“替代效應(yīng)”，也是不合理的。也就是說(shuō)，單靠人民幣對(duì)美元匯率升值，而不考慮人民幣兌歐元、人民幣兌日元匯率的話，也許是達(dá)不到預(yù)期效果的。不過，需要注意的是，三幣種匯率都不是影響中國(guó)對(duì)美進(jìn)口的最重要因素。7.6.6實(shí)例②GDP影響。美國(guó)GDP變化量是影響中國(guó)對(duì)美進(jìn)口變化量的最重要因素，在第一個(gè)月，甚至達(dá)到了98.31%,幾乎成為唯一影響因素。此后，雖然影響程度有所下降，但始終保持在50%以上。因此基本可以認(rèn)為，只要美國(guó)GDP變化量增加，中國(guó)對(duì)美進(jìn)口量變化量就一定會(huì)增加。與此同時(shí)，中國(guó)GDP變化量的貢獻(xiàn)率一直不大，始終保持在5%左右。這也反應(yīng)出了一個(gè)令人費(fèi)解、但卻是不爭(zhēng)的事實(shí)，即中國(guó)經(jīng)濟(jì)近年來(lái)強(qiáng)勁的增長(zhǎng)勢(shì)頭并沒有為中國(guó)對(duì)美進(jìn)口做出多少貢獻(xiàn)。因此，要真正改善中美貿(mào)易逆差問題，美國(guó)一直奉行的“限制高科技對(duì)華出口、對(duì)華武器禁運(yùn)”等政策也許都需要重新審視。（2）各變量變化量對(duì)出口量變化量的貢獻(xiàn)程度如圖7.6.2，分析結(jié)果如下：①匯率方面，人民幣兌日元匯率變化量的貢獻(xiàn)度最大，達(dá)到了10%，再次證明了第三國(guó)匯率相對(duì)于人民幣兌美元匯率而言，對(duì)中美貿(mào)易的巨大影響。這可能和中國(guó)對(duì)美、對(duì)日出口的相似性、競(jìng)爭(zhēng)性有關(guān)，同時(shí)也再次印證了前面的分析，即要研究中國(guó)對(duì)美國(guó)的進(jìn)口與出口，如果不考慮美元兌歐元、美元兌日元匯率的“替代效應(yīng)”，也是不合理的。7.6.6實(shí)例②美國(guó)GDP變化量依然是影響中國(guó)對(duì)美出口變化量的最重要因素（44%），但貢獻(xiàn)度相較于進(jìn)口時(shí)的貢獻(xiàn)度已大為下降。而中國(guó)GDP變化量對(duì)出口的貢獻(xiàn)度仍然不大，最大時(shí)達(dá)到5.19%，且滯后10個(gè)月。同時(shí)，上一期出口額變化量成影響出口變化量的第二大因素（30%），存在粘滯性，這也許從側(cè)面也反映了在中國(guó)對(duì)美出口中，中國(guó)的話語(yǔ)權(quán)不足，美國(guó)國(guó)內(nèi)需求是影響中國(guó)對(duì)美出口的決定因素。不過，依然需要注意的是，三幣種匯率都不是影響中國(guó)對(duì)美出口的最重要因素。7.6.6實(shí)例由方差分解大致可以得出兩個(gè)結(jié)論，一是GDP變化量特別是美國(guó)的GDP變化量對(duì)進(jìn)出口貿(mào)易變化量的影響最大；二是各幣種匯率變化量對(duì)中美貿(mào)易的影響程度幾近相同，在研究中美貿(mào)易時(shí)如果只盯著人民幣兌美元的匯率，是不合理的。7.6.6實(shí)例7.6.6實(shí)例7.6.6實(shí)例6、脈沖響應(yīng)函數(shù)如果模型中隨機(jī)擾動(dòng)項(xiàng)是相關(guān)的，它們將包含一個(gè)不與任何特定變量相聯(lián)系的共同成分。通常將共同成分的效應(yīng)歸屬于VAR系統(tǒng)中第一個(gè)出現(xiàn)的變量。這就需要根據(jù)經(jīng)濟(jì)理論對(duì)變量進(jìn)行排序，雖然之前按照各經(jīng)濟(jì)體在國(guó)際上的重要性和影響力設(shè)定了向量變量的順序，但GDP、匯率、CPI等經(jīng)濟(jì)變量之間往往會(huì)相互作用，很難進(jìn)行排序。因此，這里采用廣義脈沖響應(yīng)分析法(GeneralizedImpulseResponses)，避免排序不當(dāng)導(dǎo)致的偏差。具體操作為：選擇需要分析的變量→“OpenasVAR”→“View”→“ImpulseResponse”。下面，按重要程度依次分析中美國(guó)內(nèi)生產(chǎn)總值、三幣種匯率對(duì)中美貿(mào)易的影響。7.6.6實(shí)例（1）中美國(guó)內(nèi)生產(chǎn)總值（GDP）變化量對(duì)進(jìn)口量變化量的影響分別給各經(jīng)濟(jì)體GDP變化量和人民幣兌各幣種匯率變化量一個(gè)正的沖擊，采用廣義脈沖方法得到關(guān)于中國(guó)對(duì)美國(guó)進(jìn)出口貿(mào)易量變化量的脈沖響應(yīng)函數(shù)圖。在各圖中，橫軸表示沖擊作用的滯后期間數(shù)（單位：月度），縱軸表示中國(guó)對(duì)美國(guó)進(jìn)出口貿(mào)易量變化量的響應(yīng)，實(shí)線表示脈沖響應(yīng)函數(shù)，代表了中國(guó)對(duì)美國(guó)進(jìn)出口貿(mào)易量變化量受到其他變量變化量的沖擊后的反應(yīng)，虛線表示正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶。從圖7.6.3可以看出：①兩國(guó)GDP變化量的變動(dòng)對(duì)進(jìn)出口變化量的影響路徑幾乎完全相同，側(cè)面反映出中美貿(mào)易的傳導(dǎo)機(jī)制已日趨成熟穩(wěn)定。7.6.6實(shí)例②給美國(guó)國(guó)民生產(chǎn)總值（GDP）變化量一個(gè)正沖擊后，中國(guó)對(duì)美國(guó)的進(jìn)出口貿(mào)易量變化量在前兩期上下波動(dòng)幅度劇烈，在沖擊開始即達(dá)到最高點(diǎn)，對(duì)中國(guó)對(duì)美國(guó)進(jìn)口和出口變化量的當(dāng)期沖擊分別為1.30和4.99。在下一期，又迅速回落到負(fù)值最低點(diǎn)，對(duì)中國(guó)對(duì)美國(guó)進(jìn)口和出口變化量的下一期沖擊分別為-0.95和-3.16。此后只有小幅波動(dòng)，在12期（即一年）以后趨于平穩(wěn)?；诿绹?guó)GDP對(duì)中美貿(mào)易量的巨大影響程度，基本可以認(rèn)為，當(dāng)美國(guó)經(jīng)濟(jì)增長(zhǎng)時(shí)，對(duì)中國(guó)市場(chǎng)的需求遠(yuǎn)大于其對(duì)中國(guó)的出口能力，這是中美貿(mào)易長(zhǎng)期逆差的主要原因。中國(guó)對(duì)美出口總額中，加工貿(mào)易出口占比達(dá)到59%（人民幣匯率變動(dòng)對(duì)中美貿(mào)易差額影響的實(shí)證檢驗(yàn)）。相對(duì)于一般貿(mào)易而言，匯率變動(dòng)對(duì)加工貿(mào)易出口的影響要小于對(duì)一般貿(mào)易的影響。這是因?yàn)榧庸べQ(mào)易的特點(diǎn)一般是“兩頭在外”，“以進(jìn)養(yǎng)出”。由于人民幣升值首先降低了我國(guó)企業(yè)采購(gòu)進(jìn)口機(jī)器設(shè)備和原材料的人民幣成本，然后在加工貿(mào)易出口收匯時(shí)抵消了人民幣收入的減少。伴隨進(jìn)出口規(guī)模擴(kuò)大，中國(guó)對(duì)美貿(mào)易順差不斷增加。7.6.6實(shí)例③中美比較：相較而言，美國(guó)GDP變化量的變化對(duì)于中國(guó)對(duì)美進(jìn)口量變化量的影響力度更大，作用時(shí)間更快（美國(guó)當(dāng)期，中國(guó)下一期），且波動(dòng)較為劇烈，存在超調(diào)現(xiàn)象。以上情況反映出當(dāng)美國(guó)國(guó)內(nèi)生產(chǎn)增加時(shí)，傳導(dǎo)機(jī)制暢通，能迅速轉(zhuǎn)化為擴(kuò)大對(duì)華出口，而且這一沖擊在一年內(nèi)都具有較大的作用。而超調(diào)現(xiàn)象也從某一側(cè)面反映出，在中國(guó)對(duì)美進(jìn)口貿(mào)易中，中國(guó)獨(dú)立自主性較小，談判博弈能力有限。7.6.6實(shí)例（2）各幣種匯率變化量對(duì)進(jìn)口量變化量的影響從圖7.6.4左圖可以看出，當(dāng)在本期給人民幣兌歐元匯率一個(gè)正沖擊后，中國(guó)對(duì)美國(guó)的進(jìn)口貿(mào)易量變化量在一段時(shí)期內(nèi)受到正的影響，在下一期達(dá)到最高點(diǎn)0.78；從第12期開始影響一直為負(fù)。這表明，人民幣兌歐元匯率變化量的提高（即人民幣對(duì)歐元貶值）在一年時(shí)間內(nèi)能夠提高中國(guó)對(duì)美國(guó)進(jìn)口貿(mào)易量，但是長(zhǎng)期來(lái)看影響為負(fù)。從圖7.6.4中圖可以看出，當(dāng)在本期給人民幣兌美元匯率變化量的正沖擊對(duì)中國(guó)對(duì)美國(guó)的進(jìn)口貿(mào)易量變化量的影響在前7期為負(fù)，并且在第4期達(dá)到負(fù)的最大值（－0.598710），在第8期以后轉(zhuǎn)正，有較為持續(xù)的正的影響。從圖7.6.4右圖可以看出，當(dāng)在本期給人民幣兌日元匯率變化量的正沖擊在一開始有正的影響，并且在當(dāng)期達(dá)到最高點(diǎn)0.386097，在前8期內(nèi)有小幅的波動(dòng)。7.6.6實(shí)例（3）各幣種匯率變化量對(duì)出口量變化量的影響從圖7.6.5左圖可以看出，當(dāng)在本期給人民幣兌歐元匯率變化量一個(gè)正沖擊后，一開始對(duì)中國(guó)對(duì)美國(guó)的出口貿(mào)易量變化量的影響為負(fù)（－2.788876），在下一期后便轉(zhuǎn)為正向影響，并且在下一期達(dá)到最高點(diǎn)2.371575。這表明，人民幣兌歐元匯率變化量的正沖擊對(duì)中國(guó)對(duì)美國(guó)出口貿(mào)易量變化量基本具有長(zhǎng)期的同向影響。從圖7.6.5中圖可以看出，當(dāng)在本期給人民幣兌美元匯率變化量的正沖擊對(duì)中國(guó)對(duì)美國(guó)的進(jìn)口貿(mào)易量變化量的影響基本為負(fù)，并且在第4期達(dá)到負(fù)的最大值（－1.923264），在第12期以后逐漸趨于平穩(wěn)。從圖3.5.5右圖可以看出，當(dāng)在本期給人民幣兌日元匯率變化量的正沖擊在一開始有正的影響1.848245，在前8期內(nèi)有小幅的波動(dòng)，且在第3期達(dá)到負(fù)的最大值（－2.050993）。這表明，人民幣兌日元匯率的變化在短期內(nèi)對(duì)中國(guó)對(duì)美國(guó)出口貿(mào)易量有較大的沖擊。7.6.6實(shí)例總體來(lái)說(shuō)，人民幣兌歐元匯率變化量對(duì)中國(guó)對(duì)美進(jìn)口變化量的影響較大，而人民幣兌日元匯率變化量對(duì)中國(guó)對(duì)美出口變化量的影響甚至要稍大于人民幣兌美元匯率，以上這些結(jié)論都說(shuō)明經(jīng)典馬歇爾-勒納條件在研究?jī)蓢?guó)貿(mào)易量時(shí)只考慮這兩國(guó)匯率的不合理性。圖7.6.6、圖7.6.7累積的脈沖響應(yīng)函數(shù)圖也可以看出人民幣兌歐元、日元匯率變化量對(duì)中美貿(mào)易量變化量的影響完全不遜于人民幣兌美元匯率。7.6.6實(shí)例7.6.6實(shí)例7.6.6實(shí)例7.7結(jié)構(gòu)向量自回歸模型

若變量之間不僅存在滯后影響，還存在同期影響，則建立VAR模型不太適合，因?yàn)閂AR模型實(shí)際上把當(dāng)期關(guān)系隱含到了隨機(jī)擾動(dòng)項(xiàng)之中。雖然VAR模型取代聯(lián)立方程模型，且被證實(shí)為實(shí)用有效的方法，但是存在參數(shù)過多的問題。實(shí)際分析中，只有所含經(jīng)濟(jì)變量較少的VAR模型才可以通過OLS和極大似然估計(jì)得到滿意的估計(jì)結(jié)果。結(jié)構(gòu)向量自回歸模型（structuralVAR,SVAR）加入變量間的同期影響關(guān)系，使得模型較向量自回歸模型更加符合現(xiàn)實(shí)。7.7.1SVAR模型形式1、兩變量的SVAR模型為明確變量間的當(dāng)期關(guān)系，首先研究?jī)勺兞康腣AR模型結(jié)構(gòu)式和簡(jiǎn)化式之間的轉(zhuǎn)化關(guān)系。如含有兩個(gè)變量（k=2）、滯后一階（p=1）的VAR模型結(jié)構(gòu)式可以表示為：

7