建立向量自回归模型/VAR模型的实验结果与分析

由此步骤开始，建模对象分为城镇和农村两个子模型以进行比较。城镇模型包含的变量为：沪深300指数收盘价、城镇居民消费价格指数、城镇居民人均现金消费支出增量。农村模型包含的变量为：沪深300指数收盘价、农村居民消费价格指数、农村居民人均现金消费支出增量。

1.模型滞后期数的选择

建立VAR模型，首先要选取变量的滞后期数。值得注意的是，若模型滞后期选择过长，模型就需要估计较多参数，会导致模型的自由度下降导致模型效果不够好。而滞后期过短会使得残差达不到白噪声，出现估计偏差。将两个子模型各变量的数据导入eviews软件中进行VAR模型滞后期数判定，结果见表7、表8。

表7　城镇VAR模型滞后期数判定结果

表8　农村VAR模型滞后期数判定结果

城镇VAR模型滞后期数判定结果给出的AIC、SC值均在2期达到最小通过检验值，指向2期最优，故城镇VAR模型的建立选择滞后期数为二期。农村VAR模型滞后期数判定结果给出的SC值在2期达到最小通过检验值，但AIC值在3期达到最小通过检验值。参考LR、FPE、HQ值均指向2期最优，农村VAR模型的建立也选择滞后期数为二期，也便于与城镇模型在相同条件下进行比较。

2.回归方程的建立与参数估计

确定了滞后期数为2期，建立回归方程如下：

2.1　城市模型回归方程假设

HS300=C（1,1）*HS300（-1）+C（1,2）*HS300（-2）+C（1,3）*FCHENG（-1）+C（1,4）*FCHENG（-2）+C（1,5）*SCCPI（-1）+C（1,6）*SCCPI（-2）+C（1,7）

FCHENG=C（2,1）*HS300（-1）+C（2,2）*HS300（-2）+C（2,3）*FCHENG（-1）+C（2,4）*FCHENG（-2）+C（2,5）*SCCPI（-1）+C（2,6）*SCCPI（-2）+C（2,7）

SCCPI=C（3,1）*HS300（-1）+C（3,2）*HS300（-2）+C（3,3）*FCHENG（-1）+C（3,4）*FCHENG（-2）+C（3,5）*SCCPI（-1）+C（3,6）*SCCPI（-2）+C（3,7）

用eviews软件进行参数估计，得到结果见表9。

表9　城镇VAR模型参数估计结果(www.xing528.com)

2.2　农村模型回归方程假设

HS300=C（1,1）*HS300（-1）+C（1,2）*HS300（-2）+C（1,3）*FCUN（-1）+C（1,4）*FCUN（-2）+C（1,5）*SVCPI（-1）+C（1,6）*SVCPI（-2）+C（1,7）

FCUN=C（2,1）*HS300（-1）+C（2,2）*HS300（-2）+C（2,3）*FCUN（-1）+C（2,4）*FCUN（-2）+C（2,5）*SVCPI（-1）+C（2,6）*SVCPI（-2）+C（2,7）

SVCPI=C（3,1）*HS300（-1）+C（3,2）*HS300（-2）+C（3,3）*FCUN（-1）+C（3,4）*FCUN（-2）+C（3,5）*SVCPI（-1）+C（3,6）*SVCPI（-2）+C（3,7）

用eviews软件进行参数估计，得到结果见表10。

表10　农村VAR模型参数估计结果

3.模型稳定性检验

在进行了参数估计后，当所有AR根的模的倒数均位于单位圆内时，意味着VAR模型是稳定的，参数的估计才是有效的。使用eviews软件分别查看城镇VAR模型和农村VAR模型AR根结果。见图1、图2。

图1　城镇VAR模型AR根分布图

图2　农村VAR模型AR根分布图

由结果图可看出两个模型AR根的模的倒数均在单位圆内，故模型均是稳定的。参数估计有效。

从对回归方程参数估计的结果来看，方程中有些参数的标准差t检验值是不显著的，但一般不进行剔除，VAR理论不看重个别检验结果，而是注重模型的整体效果。回归方程的成功建立说明城镇模型内含的变量以及农村模型内含的变量均具有一定相关性。由最终的两组回归方程结果可以看出：当期沪深300指数收盘价与前1期城镇居民人均现金消费支出增量呈负相关关系，与前1期农村居民人均现金消费支出增量呈正相关关系；而当期城镇居民人均现金消费支出增量与前1期沪深300指数收盘价呈负相关关系，当期农村居民人均现金消费支出增量与前1期沪深300指数收盘价虽呈负相关关系，但贝塔系数均近乎等于0。考虑到沪深300指数数值的基数较大。初步认为，当沪深300指数收盘价上升时，意味着消费者价格指数体现出上升的联动性。城镇居民现金消费和农村居民现金消费均减少。从物价的角度合理地解释了沪深300指数波动与居民消费增量负相关的关系。而城镇居民的消费能力相比农村居民强，且农村居民主要消费都用于必需品上，农村股民也较少，从而解释了方程中体现出的当期沪深300指数与前一期城镇居民现金消费支出呈负相关关系，因为居民消费量的增加意味着物价上涨的可能。而当期沪深300指数与前一期农村居民现金消费支出呈正相关关系有待进一步考察原因，其贝塔值绝对值也小于城镇的贝塔值，是否存在其他导致两变量联动的原因还有待进一步考察。宏观经济的波动往往是复杂难以捉摸的，能确定的是沪深300指数与居民消费所体现出的负相关性。基于VAR模型的建立以及回归方程的参数估计，接下来可以对变量的脉冲响应函数做进一步分析。