出口方式结构效应模型的识别与检验

    3.3.2　出口方式结构效应VAR模型的识别与检验

    VAR模型的识别与检验，用以确定模型的形态和滞后结构，并判别其是否符合最初的假定。本章首先检验所采用的时间序列数据的稳定性和协整关系，之后采取多种指标判别模型的滞后结构，检验变量之间的Granger因果性，以明确我国出口方式结构和实际汇率的相互关系。

    （1）数据的稳定性检验

    首先检验时间序列数据的单位根，采取ADF检验方法。检验结果如下：

    

    表3.4　出口方式结构VAR实证的单位根检验

    

    由单位根检验的结果可知，在10%的显著性水平上，可以认为ln（EY_t）和ln（REER_t）均为平稳序列，适合展开VAR实证分析。

    （2）VAR模型滞后结构检验

    采用似然比（LR）检验，AIC值和SC值等方法来确定滞后阶数目，也可采用Nerlove（1990）的简单法则。本章进行综合考察，选择滞后1阶的VAR模型。

    

    表3.5　出口方式结构VAR实证滞后结构判断

    

    

    注：LogL、LR、FPE、AIC、SC、HQ代表各种检验值，*表示显著，下同。

    采用滞后1阶的VAR模型后，获得AR单位根图。可以看到，模型的所有单位根的模的倒数小于1，即位于单位圆内，模型是稳定的。

    

    

    图3.5　出口方式结构VAR实证的单位根AR图

    （3）实证模型的序列相关性检验

    

    

    图3.6　出口方式结构VAR实证的相关图与偏相关图

    采用不包括AR与MA项的VAR回归，获得的回归残差的相关图和偏相关图，如图3.6所示。因而可以判断，该模型中不存在序列相关性，不需要加入自相关和移动平均项。

    （4）Granger因果检验

    Granger因果关系检验检验两个变量之间，当期的一变量，能够在多大程度上被过去的另一变量解释。如果加入一个变量的滞后值能使得解释程度提高，即该变量对另一变量的预测有帮助，或两个变量的相关系数在统计上是显著时，就称为“一变量是另一变量的Granger原因”。

    

    表3.6　出口方式结构实证的Granger因果检验

    

    

    注：χ²代表χ²统计量，Df.代表自由度，P值代表概率，下同。

    Granger因果检验的结论表明，我国的实际汇率变动是我国出口贸易方式结构变动的Granger原因，我国的出口贸易方式结构变动不是我国是实际汇率变动的Granger原因。我国的实际汇率可在一定程度上对我国出口贸易方式的变迁起作用。