中國人均消費影響因素實證分析-資料下載頁
2025-06-25 20:34本頁面
【正文】 IC和SC值更小，所以ARMA（2，3）模型更理想。上述模型給出的特征根都大于1，因而證明了二階差分序列是平穩(wěn)序列。下面給出給出ARMA（2，3）模型殘差序列的相關(guān)圖和偏相關(guān)圖，檢驗隨機誤差序列的非自相關(guān)性。由上圖知Q（12）=﹤（1223）=，所以模型的隨機誤差序列也達到了非自相關(guān)的要求，通過檢驗。 五、協(xié)整選取變量首先，對相關(guān)數(shù)據(jù)做圖形分析，由下圖可以看出，CONSP、INP、SAVE這三項數(shù)據(jù)變化趨勢基本相同，所以猜測三者之間相互影響較大。而CPI與IR變化與以上三項數(shù)據(jù)不同，一方面是相互聯(lián)系問題，另一方面是數(shù)量單位不同，以上三項單位都為元，而這兩項沒有單位，并且數(shù)量級相差甚大。為了進一步證實以上結(jié)論，對以上數(shù)據(jù)進行協(xié)方差分析，結(jié)果如下圖：由此，我們選取CONSP、INP、SAVE這三項數(shù)據(jù)來做相關(guān)協(xié)整分析，及向量自回歸模型。協(xié)整分析（1）首先，對三個向量進行單位根檢驗：由以上三張表格可知，當(dāng)單位根選取零時，三個變量的ADF檢驗統(tǒng)計量的絕對值均小于相應(yīng)的ADF檢驗臨界值的絕對值，說明在這種檢驗方法下，三個變量都不是平穩(wěn)序列，存在單位根。而自動選取單位根檢測，得出CONSP和INP擁有一階單位根，而SAVE擁有四階單位根，這說明儲蓄自相關(guān)性比較高，與現(xiàn)實情況相同。（2）對CONSP、INP、SAVE因果關(guān)系進行檢驗滯后期為1時：滯后期為2時：滯后期為3時：滯后期為4時：因果關(guān)系檢驗結(jié)果表明：在5%顯著性水平下，滯后期數(shù)為1時，CONPS與INP互為因果，INP是引起SAVE變化的原因，SAVE與CONSP不存在因果關(guān)系。在滯后期數(shù)為4時，INP均為引起CONSP變化的原因，而且INP與CONSP都是引起SAVE變化的原因，這可能與消費者只關(guān)注前幾期收入狀況而不是儲蓄狀況而進行消費有關(guān)。（3）對CONSP與INP的VAR模型進行估計滯后期數(shù)為1時：CONSP = *CONSP(1) + *INP(1) + INP = *CONSP(1) + *INP(1) + 滯后期數(shù)為2時：CONSP = *CONSP(1) + *CONSP(2) + *INP(1) *INP(2) + INP = *CONSP(1) + *CONSP(2) + *INP(1) *INP(2) +
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1