我國(guó)人均消費(fèi)影響因素的實(shí)證分析-資料下載頁
2025-06-29 13:48本頁面
【正文】 ，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(yàn)隨機(jī)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(jī)誤差序列也達(dá)到了非自相關(guān)的要求，通過檢驗(yàn)。 五、協(xié)整選取變量首先，對(duì)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(xiàng)數(shù)據(jù)變化趨勢(shì)基本相同，所以猜測(cè)三者之間相互影響較大。而CPI與IR變化與以上三項(xiàng)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(xiàng)單位都為元，而這兩項(xiàng)沒有單位，并且數(shù)量級(jí)相差甚大。為了進(jìn)一步證實(shí)以上結(jié)論，對(duì)以上數(shù)據(jù)進(jìn)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(xiàng)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(duì)三個(gè)向量進(jìn)行單位根檢驗(yàn)：由以上三張表格可知，當(dāng)單位根選取零時(shí)，三個(gè)變量的ADF檢驗(yàn)統(tǒng)計(jì)量的絕對(duì)值均小于相應(yīng)的ADF檢驗(yàn)臨界值的絕對(duì)值，說明在這種檢驗(yàn)方法下，三個(gè)變量都不是平穩(wěn)序列，存在單位根。而自動(dòng)選取單位根檢測(cè)，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(chǔ)蓄自相關(guān)性比較高，與現(xiàn)實(shí)情況相同。（2）對(duì)CONSP、INP、SAVE因果關(guān)系進(jìn)行檢驗(yàn)滯后期為1時(shí)：滯后期為2時(shí)：滯后期為3時(shí)：滯后期為4時(shí)：因果關(guān)系檢驗(yàn)結(jié)果表明：在5%顯著性水平下，滯后期數(shù)為1時(shí)，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(shí)，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(fèi)者只關(guān)注前幾期收入狀況而不是儲(chǔ)蓄狀況而進(jìn)行消費(fèi)有關(guān)。（3）對(duì)CONSP與INP的VAR模型進(jìn)行估計(jì)滯后期數(shù)為1時(shí)：CONSP = *CONSP(1) + *INP(1) + INP = *CONSP(1) + *INP(1) + 滯后期數(shù)為2時(shí)： CONSP = *CONSP(1) + *CONSP(2) + *INP(1) *INP(2) + INP = *CONSP(1) + *CONSP(2) + *INP(1) *INP(2) + 33 / 3
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1