| 运用Eviews3.0计量软件对各变量进行平稳性检验结果如表4。
表4：变量平稳性检验
|
变量
|
检验类型
|
ADF统计量
|
10%显著性水平下的临界值
|
DW值
|
平稳性
|
|
LNY
|
(C,0,3)
|
-0.325885
|
-2.7822
|
2.507203
|
不平稳
|
|
△LNY
|
(C,0,3)
|
-2.670921
|
-2.8169
|
2.022036
|
不平稳
|
|
△2LNY
|
(0,0,3)
|
-3.167349
|
-1.6415
|
2.940273
|
平 稳
|
|
LNX1
|
(C,0,3)
|
-2.649180
|
-2.7822
|
2.430897
|
不平稳
|
|
△LNX1
|
(C,0,3)
|
-0.257102
|
-2.8169
|
1.574552
|
不平稳
|
|
△2LNX1
|
(C,T,3)
|
-7.739885
|
-3.6280
|
2.113569
|
平 稳
|
|
LNX2
|
(C,0,3)
|
-0.224653
|
-2.7822
|
1.707847
|
不平稳
|
|
△LNX2
|
(C,T,3)
|
-3.202106
|
-4.1961
|
2.871395
|
不平稳
|
|
△2LNX2
|
(C,T,3)
|
-2.520729
|
-2.8640
|
2.628248
|
平 稳
|
|
LNX3
|
(C,0,3)
|
1.419446
|
-2.7822
|
2.218630
|
不平稳
|
|
△LNX3
|
(C,T,3)
|
0.853907
|
-4.1961
|
2.005454
|
不平稳
|
|
△2LNX3
|
(C,T,3)
|
-9.349373
|
-3.6280
|
2.861837
|
平 稳
|
|
LNX4
|
(C,0,3)
|
5.431868
|
-2.7349
|
1.440196
|
不平稳
|
|
△LNX4
|
(C,0,3)
|
-0.051755
|
-3.3350
|
2.067409
|
不平稳
|
|
△2LNX4
|
(C,0,3)
|
-2.537682
|
-2.8640
|
2.500471
|
平 稳
|
注：△表示二阶差分算子；检验形式(C，T，L)中C、T、L分别表示单位根检验方程包括时间截距项、趋势项和滞后除数；对于时间截距项和趋势项，c表示检验的模型有该截距项，0表示没有趋势项；滞后除数对应的数字表示滞后的阶数。L表示检验所采用的滞后阶数，加入滞后项是为了使残差项为白噪声。
由上表可知，变量LNY、LNX1、LNX2和LNX3，LNX4的水平序列都不能拒绝单位根假设，说明存在单位根，故它们的水平序列都是不平稳的；而它们的一阶差分序列都不能拒绝单位根假设，说明存在单位根，故一阶差分序列都是不平稳的；它们的二阶差分序列都拒绝单位根假设，说明原序列二阶差分序列不存在单位根，故它们的二阶差分序列都是平稳的，即都是I（2）序列。由于协整关系只存在于同阶单整的时间序列之间，所以我们判断LNY、LNX1、LNX2和LNX3，LNX4之间可能存在协整关系。
(2)协整检验与分析
若所涉及的变量都是二阶差分平稳(I(2))的，且这些变量的某种线性组合是平稳的，则称这些变量之间可能存在协整关系，它反映了所研究变量之间存在一种长期稳定的均衡关系。本文采用基于回归残差的EG两步法，对服从同阶单整的变量的协整关系进行检验，首先对各变量进行多元线性回归，结果如下：
Lny=-19.38402-0.323030lnx1-0.489641lnx2+0.772156lnx3-0.010257lnx4
t=(-1.743991)(-0.652810)(-0.531338)(0.894049)(-0.006965)
R=0.829255F=9.713399DW=1.994691
通过对各变量进行回归并对其残差序列平稳性检验，从表5可以看出，残差序列为平稳序列，该协整关系成立。
表5：残差序列单位根检验
|
ADF Test Statistic
|
-2.829191
|
1% Critical Value*
|
-2.8270
|
|
|
5% Critical Value
|
-1.9755
|
|
|
10% Critical Value
|
-1.6321
|
从方程估计的结果看，可决系数为0.829255，模型拟合情况比较理想，同时DW=1.994691接近于2，所以不存在自相关性，但可以看出R2较高，但t值都不显著，且部分变量的符号与预测的值并不相符，故我们针对各解释变量进行多重共线性检验，根据简单相关系数确法定多重共线性的严重程度。
表6：解释变量多重共线性检验
|
|
LNX1
|
LNX2
|
LNX3
|
LNX4
|
|
LNX1
|
1.00
|
0.464557
|
0.875364
|
0.884595
|
|
LNX2
|
0.464557
|
1.00
|
0.554516
|
0.684480
|
|
LNX3
|
0.875364
|
0.554516
|
1.00
|
0.980105
|
|
LNX4
|
0.884595
|
0.684480
|
0.980105
|
1.00
|
从表6可得lnx3与lnx4的相关系数为0.98，接近完全线性相关，但我们知道多重共线性不是存在与否的问题，而仅仅是程度问题，于是在考虑到所设模型的精确性又不致严重损害模型完整性的前提下，将变量lnx3剔除，再对余下的变量进行协整检验，回归模型如下：
lny=-26.68824-0.521617lnx1-1.1864991lnx2+1.270347lnx4
t=(-3.581580)(-1.193036)(-2.440868)(3.753548)
从表7可以看出，通过对其残差序列进行单位根检验，发现其残差序列通过平稳性检验，可知各变量间存在协整关系。
表7：残差序列单位根检验
|
ADF Test Statistic
|
-2.725897
|
1% Critical Value*
|
-2.9075
|
|
|
5% Critical Value
|
-1.9835
|
|
|
10% Critical Value
|
-1.6357
|
从方程估计结果看，可决系数为0.812195，模型拟合情况比较理想，DW=1.928957接近于2，所以不存在自相关性，各变量的t值也较显著。针对该模型回归结果，可得以下结论：经济规模对双边产业内贸易的发展有着较大的影响作用，中国与澳大利亚GDP的均值每提高1%，产业内贸易就增加约1.27个百分点，说明市场规模扩大有利于中澳双边产业内贸易的发展，这也充分验证了规模经济理论。至于两国间收入水平差异对双边的农产品产业内贸易负相关，即收入水平差距每提高1%，产业内贸易就降低约1.19个百分点，因为收入水平有较大差异，则两国间的需求结构重叠部分就下相对较少，继而导致产业内贸易水平较低，也完全符合需求偏好相似理论；至于变量贸易对外开放度的符号与预测的值并不相符，考虑到农产品的贸易受保护的程度较高，诸如农产品保护政策、技术贸易壁垒等，所以对外贸易的开放程度并不能真实反映农产品贸易的开放程度，存在数据失真的情况，故而符号与理论预测值不符。
(3)格兰杰检验与分析
由协整检验结果知道，中澳农产品产业内贸易与经济增长与经济规模、人均收入差异以及对外开放度之间存在长期的均衡关系，但是这种均衡关系是否构成因果关系及因果关系的方向如何，尚需要进一步验证。本文采用Granger(1969)提出的因果关系检验法来解决这一问题。检验结果见表8。
表8：Granger因果关系检验结果
|
Null Hypothesis:
|
Lags
|
F-Statistic
|
Probability
|
|
LNX1 does not Granger Cause LNY
|
1
|
3.68438
|
0.08713
|
|
LNY does not Granger Cause LNX1
|
1
|
2.29428
|
0.16415
|
|
LNX2 does not Granger Cause LNY
|
2
|
0.22060
|
0.80827
|
|
LNY does not Granger Cause LNX2
|
2
|
19.4448
|
0.00239
|
|
LNX4 does not Granger Cause LNY
|
3
|
5.46283
|
0.09839
|
|
LNY does not Granger Cause LNX4
|
3
|
1.45821
|
0.38202
|
根据上表可知，（1）在10%的显著性水平下，贸易对外开放度是中澳农产品产业内贸易的Granger原因，说明贸易对外开程度的加大有助于中澳农产品产业内贸易的开展，而不是相反，也不存在互为因果的情况。（2）在10%的显著性水平下，两国人均国民总收入的差别与中澳农产品产业内贸易互不为Granger因果关系。 2/3 首页 上一页 1 2 3 下一页 尾页 |
