【正文】 （ 3）則稱 對 存在格蘭杰非因果性。 14 格蘭杰非因果性的另一種表述為其它條件不變 ， 若加上 的滯后變量后對 的預(yù)測精度無顯著性改善，則稱 對 存在格蘭杰非因果性關(guān)系。 為簡便，通常把 對 存在格蘭杰非因果性關(guān)系表述為 對 存在格蘭杰非因果關(guān)系（嚴(yán)格講，這種表述是不正確的）。 顧名思義，格蘭杰非因果性關(guān)系，也可以用“格蘭杰因果性 ”概念。 與 間格蘭杰因果關(guān)系回歸檢驗(yàn)式為15 （ 4） 如有必要，可在上式中加入位移項(xiàng)、趨勢項(xiàng)、季節(jié)虛擬變量等。檢驗(yàn) 對 存在格蘭杰非因果性的零假設(shè)是： 顯然，如果（ 4）式中 的滯后變量的回歸系數(shù)估計(jì)值都不顯著，則 H0 不能被拒絕，即 對 不 存在 格蘭杰因果性 。反之，如果 的任何一個(gè)滯后變量回歸系數(shù)的估計(jì)值是顯著的，則 對 存在格蘭杰因果關(guān)系。16類似的，可檢驗(yàn) 對 是否存在格蘭杰因果關(guān)系。 上述檢驗(yàn)可構(gòu)建 F統(tǒng)計(jì)量來完成。 當(dāng) 時(shí)，接受 H0， 對 不存在格蘭杰因果關(guān)系； 當(dāng) 時(shí)，拒絕 H0， 對 存在格蘭杰因果關(guān)系。 實(shí)際中，使用概率判斷。 注意： （ 1）由式（ 4）知 ,格蘭杰因果關(guān)系檢驗(yàn)式 ,是回歸式，因此，要求受檢變量是平穩(wěn)的，對非平穩(wěn)變量要求是協(xié)整的，以避免偽回歸。故在進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)之前，要進(jìn)行單位根檢驗(yàn)、對非平穩(wěn)變量要進(jìn)行協(xié)整檢驗(yàn)。17 （ 2）格蘭杰因果性，指的是雙向因果關(guān)系，即相關(guān)關(guān)系。單向因果關(guān)系是指因果關(guān)系，近年有學(xué)者認(rèn)為單向因果關(guān)系的變量也可作為內(nèi)生變量加入 VAR模型； （ 3）此檢驗(yàn)結(jié)果與滯后期 p的關(guān)系敏感且兩回歸檢驗(yàn)式滯后階數(shù)相同。 （ 4）格蘭杰因果性檢驗(yàn)原假設(shè)為：宇宙集、平穩(wěn)變量（對非平穩(wěn)變量要求是協(xié)整的）、大樣本和必須考慮滯后。 （ 5）格蘭杰因果關(guān)系檢驗(yàn)，除用于選擇建立 VAR模型的應(yīng)變量外，也單獨(dú)用于研究經(jīng)濟(jì)變量間的相關(guān)或因果關(guān)系（回歸解釋變量的選擇）以及研究政策時(shí)滯等。 18 格蘭杰因果性檢驗(yàn)的 EViews命令： 在工作文件窗口，選中全部欲檢序列名后，選擇 Quicp/Group Statistics/Granger Causality Test，在彈出的序列名窗口，點(diǎn)擊 OK即可。 19 表 8 格蘭杰因果性檢驗(yàn)結(jié)果 由表 8知， LGDPt、 LCt 和 LIt之間存在格蘭杰因果性，故 LGDPt、 LCt和 LIt均可做為 VAR模型的應(yīng)變量。20建立 VAR模型 在工作文件窗口，在主菜單欄選Quicp/Estimate VAR， OK，彈出 VAR定義窗口，見圖 5。 圖 5 VAR模型定義窗口21 在 VAR模型定義窗口中填畢（選擇包括截距）有關(guān)內(nèi)容后，點(diǎn)擊 OK。輸出結(jié)果包含三部分，分別示于表 表 10和表 11。 表 9 VAR模型參數(shù)估計(jì)結(jié)果2223表 10 VAR模型各方程檢驗(yàn)結(jié)果表 11 VAR模型整體檢驗(yàn)結(jié)果24 將表 9的 VAR(2)模型改寫成矩陣形式 :25 表 9 中列表示方程參數(shù)估計(jì)結(jié)果和參數(shù)的標(biāo)準(zhǔn)差 t檢驗(yàn)值。可以發(fā)現(xiàn)許多 t檢驗(yàn)值不顯著，一般不進(jìn)行剔除， VAR 理論不看重個(gè)別檢驗(yàn)結(jié)果，而是注重模型的整體效果，不分析各子方程的意義。 表 10 每一列表示各子方程的檢驗(yàn)結(jié)果。 表 11是對 VAR模型整體效果的檢驗(yàn)。其中包括殘差的協(xié)方差、對數(shù)似然函數(shù)和 AIC 與 SC。 建立了 VAR模型之后，在模型窗口工具欄點(diǎn)擊 Name，將 VAR模型保存，以便進(jìn)行脈沖響應(yīng)等特殊分析。 注意： 平穩(wěn)變量建立的 VAR模型是平穩(wěn)的，而建立平穩(wěn) VAR模型的變量不一定是平穩(wěn)變量。26利用 VAR(P)模型進(jìn)行預(yù)測 VAR模型是非結(jié)構(gòu)模型，故不能用模型進(jìn)行結(jié)構(gòu)分析。預(yù)測是 VAR模型的應(yīng)用之一，由于我們所建立的 VAR(2)模型通過了全部檢驗(yàn)。故可用其進(jìn)行預(yù)測。 若對建立的 VAR（ 2）模型進(jìn)行預(yù)測， 首先要擴(kuò)大工作文件范圍和樣本區(qū)間，然后 在模型窗口 中選擇 Procs/Mape Model， 屏幕出現(xiàn)模型定義窗口， 將其命名為 MODEL01， 如圖 6。 ? 27模型定義窗口中位于線性模型窗口第一行 : assignall f表示將 VAR模型中各內(nèi)生變量的預(yù)測值存入以原序列名加后綴字符 “f”生成的新序列（這里演示的是擬合）。預(yù)測 在工具欄中點(diǎn)擊 Solve，則線性模型出現(xiàn)在圖 6中，模型預(yù)測窗口示于圖 7。28 圖 6 線性模型窗口29 圖 7 模型預(yù)測窗口30 圖 8和圖 9分別是利用動(dòng)態(tài)和靜態(tài)方法計(jì)算出的樣本期內(nèi)實(shí)際值與擬合值的比較。 由圖看出，動(dòng)態(tài)擬合結(jié)果只能反映序列的變化趨勢，而無法對短期波動(dòng)進(jìn)行刻畫。所以， VAR模型適用于短期預(yù)測，預(yù)測精度高和長期規(guī)劃預(yù)測。 圖 8 動(dòng)態(tài)擬合結(jié)果 圖 9靜態(tài)擬合結(jié)果31 對于政策時(shí)滯的實(shí)證研究主要有如下 4種方法： （ 1）對時(shí)序變量數(shù)據(jù)或圖、表進(jìn)行直觀分析，方法簡單，但主觀性強(qiáng)，精 度低； （ 2）時(shí)序時(shí)差相關(guān)系數(shù)法，只能給出滯后期，不能給出持續(xù)的時(shí)間、影響程度和相互作用。 （ 3）脈沖響應(yīng)函數(shù)（沖擊）法； （ 4）方差分解法。 后兩種方法是目前國外常用的方法，近年國內(nèi)學(xué)者開始采用進(jìn)行政策時(shí)滯分析。這里重點(diǎn)介紹后兩種方法。32 時(shí)差相關(guān)系數(shù) (Cross Correlation)分析法是利用相關(guān)系數(shù)檢驗(yàn)經(jīng)濟(jì)時(shí)序變量間滯后關(guān)系的一種常用方法。對兩個(gè)時(shí)序變量，選擇一個(gè)作為基準(zhǔn)變量，計(jì)算與另一變量在時(shí)間上錯(cuò)開 (滯后 )時(shí)的相關(guān)系數(shù)。以相關(guān)系數(shù)的大小判斷兩變量間的時(shí)差 (僅能判斷時(shí)差 )關(guān)系。 兩時(shí)序變量間的時(shí)差相關(guān)系數(shù) 為 :(5)33式中， 為兩時(shí)序變量 xt、 yt 在時(shí)差（滯后期）為 p時(shí)的相關(guān)系數(shù)。 由（ 5）式知，