 (1)
 (2)
其中 , 写成矩阵形式为：
 （3）
设
则
在上述模型中，如果 发生变化，不仅使当期的 发生变化，而且还会通过当期的影响到、 的未来取值。本文即在VAR模型的基础上,采用各个变量的同比增长，由于一阶对数差分的VAR模型本质上分析的是各变量之间环比增长率的数量关系,所以采用同比数据构造的VAR模型并不违背一阶对数差分VAR模型的基本原理，并进一步利用脉冲响应函数和方差分解法来分析财政支农支出增长与农村居民家庭恩格尔系数变化之间的关系。
(二).实证分析
1.单位根检验
在对时间序列数据进行计量分析时,首先要对各变量进行平稳性检验,否则直接对非平稳的时间序列进行回归将导致谬误回归现象。根据ADF检验来确定各变量的平稳性，ADF检验是通过以下三个模型完成的:
模型1：
模型2：
模型3：
零假设: 即存在一单位根。实际检验从模型3开始,然后模型2,模型1,直到检验拒绝零假设为止。先对原数列进行单位根检验,检验结果如表1所示,在5%的显著性水平下，Y、lnX1、lnX2、lnX3以及lnX4都未通过ADF检验,原序列是非平稳的。而其一阶差分序列D(Y)、D(lnX1)、D(lnX2)、D(lnX3)和D(lnX4)均通过检验,同是一阶单整的稳定序列，接下来可进一步检验这些变量之间的协整性。
表1原序列及一阶差分序列ADF检验结果
|
变量模型
|
模型选择
|
检验统计量
|
5%临界值
|
是否稳定
|
|
Y
|
(c,t,0)
|
-1.0381
|
-3.6450
|
否
|
|
D（Y）
|
(c,t,0)
|
-3.8029
|
-3.6584
|
是
|
|
lnX1
|
(c,t,0)
|
-3.1476
|
-3.6450
|
否
|
|
D（lnX1）
|
(c,t,0)
|
-7.2792
|
-3.6584
|
是
|
|
LnX2
|
(c,t,0)
|
-2.2321
|
-3.6450
|
否
|
|
D（lnx2）
|
(c,t,0)
|
-5.5607
|
-3.6584
|
是
|
|
lnX3
|
(c,t,0)
|
-1.7733
|
-3.6450
|
否
|
|
D（LnX3）
|
(c,t,0)
|
-5.4138
|
-3.6584
|
是
|
|
lnX4
|
(c,t,3)
|
-3.6717
|
-3.6908
|
否
|
|
D（lnx4）
|
(c,t,3)
|
-4.4860
|
-3.7104
|
是
|
注：(c,t,0)表示带有常数项、趋势、0阶滞后的ADF检验模型,根据AIC和SC最小原则进行模型选择，D表示一阶差分。
2.格兰杰因果检验
对各变量进行Granger因果关系检验以确定它们之间的相互影响关系。由于格兰杰因果检验对变量的滞后项有很强的敏感性,因此通常对不同的滞后长度进行试验,以确信结论是可信的,不依赖于模型。依据AIC和SC准则确定滞后期为2，结果见表2:
表2格兰杰因果检验
|
原假设
|
F统计量
|
P值
|
|
DY does not Granger Cause DLNX1
|
0.35238
|
0.70908
|
|
DLNX1 does not Granger Cause DY
|
0.22150
|
0.80407
|
|
DY does not Granger Cause DLNX2
|
0.13256
|
0.87694
|
|
DLNX2 does not Granger Cause DY
|
3.90888
|
0.04479
|
|
DY does not Granger Cause DLNX3
|
0.12836
|
0.88056
|
|
DLNX3 does not Granger Cause DY
|
3.54965
|
0.05663
|
|
DY does not Granger Cause DLNX4
|
0.37108
|
0.69657
|
|
DLNX4 does not Granger Cause DY
|
2.06050
|
0.16429
|
只有Dlnx2在5%的显著性水平下拒绝了原假设，即农村基本建设支出增长是农村居民家庭恩格尔系数变化的格兰杰原因。而其他因素会影响被解释变量，但不是引起被解释变量变化的直接原因。
3.协整检验
用Johansen协整检验法对我国农村居民家庭恩格尔系数和财政支农各项支出的一阶差分后的稳定序列进行协整检验，结果如表3：
表3Johansen检验
|
零假设：协整个数
|
特征值
|
最大特征值
|
5%的临界值
|
P值
|
|
None *
|
0.889279
|
41.81416
|
33.87687
|
0.0046
|
|
At most 1 *
|
0.852780
|
36.40073
|
27.58434
|
0.0029
|
|
At most 2
|
0.637649
|
19.28767
|
21.13162
|
0.0888
|
|
At most 3
|
0.503463
|
13.30187
|
14.26460
|
0.0705
|
|
At most 4
|
0.168010
|
3.494762
|
3.841466
|
0.0616
|
注：*表示在5%的临界值下拒绝零假设
从上表中的最大特征值检验结果得出5%的显著性水平下存在两个协整方程，即DY与DlnX1、DlnX2、DlnX3以及DlnX4之间存在长期稳定关系。
4.VAR模型及其基础上的脉冲响应和方差分解
在协整检验的基础上，根据AIC和SC原则确定VAR模型最优滞后期为2,运用Eviews5.0可得到五变量的VAR（2）模型：
DY=-2.998736DLNX1(-1)-6.766281DLNX1(-2)+0.605817DLNX2(-1)-2.623539DLNX2(-2)
-4.951216DLNX3(-1)-2.092795DLNX3(-2)+3.127637DLNX4(-1)+0.587040DLNX4(-2)
+0.384665DY(-1)-0.246784DY(-2)+1.442922
由于VAR模型的参数估计只具有总体一致性,对于单个参数估计的经济学解释仍比较困难。鉴于本文的研究目的在评价各项自变量对因变量的影响,为对VAR模型作出合理的分析,必须进一步考察模型的脉冲响应函数和方差分解。
 
图1AR根的检验
首先根据Luckpoh关于AR特征值多项式根的倒数的阐述，如果被估计的VAR模型所有根模的倒数小于1,并位于单位圆之内，那么VAR模型是稳定的。AR特征值多项式根结果如上图，所以上文根据VAR模型得出的估计是稳定的。
（1）脉冲响应函数
脉冲响应函数是用来衡量随机扰动项的一个标准差冲击对其他变量当前和未来取值的影响轨迹,它能够比较直观地刻画出变量之间的动态交互作用及效应。运用Eviews5.0,图2给出了自变量对因变量冲击的影响。横轴代表追溯期数,这里为10，纵轴表示因变量对自变量的响应大小,实线表示响应函数曲线,此处选择不计算标准差，故不存在代表两倍标准差置信带的虚线。
 
图2脉冲响应视图
从上图中看出，首先在D(lnX1)与D(Y)的脉冲响应中，支援农村生产支出增长对于农村居民家庭恩格尔系数的变化具有明显的外部冲击效应，在第3期达到正向冲击的最大值，在第5期达到负向冲击的最大值，从第4期的后期往后，大体是一种负的冲击力。 2/3 首页 上一页 1 2 3 下一页 尾页 |
