VAR模型构建及滞后长度标准检验方法分析

（一）参数选取、数据处理及单位根检验

为研究中国商业寿险业务与中国基本养老基金之间存在的实际关联，这里分别选取中国商业寿险业务和中国基本养老基金的指标参数。中国商业寿险业务指标参数选取寿险公司保险保费收入和业务给付两项指标参数变量，中国基本养老基金选取基本养老基金收入（包括城镇职工养老基金收入和城乡居民养老基金收入之和）和基本养老基金支出（包括城镇职工养老基金支出和城乡居民养老基金支出之和）。数据为2014年1月—2017年10月的月度数据，其中中国寿险公司保险保费收入和业务给付数据来自中国保监会官方网站的统计数据，中国养老基金收入和支出数据来自中国人力资源和社会保障部官方网站的统计数据。为了便于对后期数据进行实证检验，这里对以上指标参数的时间序列数据分别进行自然对数处理，并分别以Ss代表商业寿险保费收入，Sj代表商业寿险业务给付，Ys代表基本养老基金收入，Yz代表基本养老基金支出。

对以上指标参数的时间系列进行ADF单位根检验，检验结果显示均存在单位根，即都是不平稳的。继续对以上指标参数时间序列进行一阶差分系列的ADF单位根检验，其检验结果如表5-6所示：

表5-6　相关变量系列进行一阶差分的平稳性检验结论

注：（C，T，N）代表进行ADF平稳性检验的类型，D代表相关变量的一阶差分，其中C代表指常数项，T代表时间趋势项，N代表滞后阶项，***指1%的显著性状态。

从表5-6可以看出：以上相关变量系列的一阶差分系列均不存在单位根，都是平稳的，也就是都属于I（1）单整系列。

（二）VAR模型构建

1.滞后长度标准检验(www.xing528.com)

为确定建立VAR模型的滞后阶数，进行VAR模型的滞后长度标准检验。其检验结果如表5-7所示：

表5-7　VAR模型滞后长度标准检验结果

注：LR是作为对数似然值，AIC是作为赤池信息准则值，SC是作为施瓦茨准则值。

依据LR检验规则，从最大滞后阶数起，在LR统计量和5%显著性水平的临界值之间进行比较，在LR＞χ20.05时拒绝原假设，一旦原假设不成立，即统计量显著，也就是说随着滞后阶数的增加LR值也会增加；否则原假设成立，减少滞后阶数，直到原假设不成立。同时，依据AIC值和SC值越小模型越好的准则，经比较，认为建立的VAR模型滞后阶数选定为4比较符合实际。

2.VAR模型构建

基于滞后四阶建立Ss、Sj、Ys、Yz之间的VAR（4）模型，其模型如下：

在VAR模型中，δ代表进行估计的系数矩阵，ε代表扰动向量，T代表样本量。