VAR 协整 时间序列论文.doc

1、摘要：本文利用货币供应量、利率与国内生产总值这三个变量建立 VAR 模型，并在此基础上运用脉冲响应函数和方差分解的方法分别对它们做了实证分析。对我国货币政策的研究，得到三者之间存在着长期协整关系，但由于其短期内这一关系井不十分明显，故而没有引起人们更多关注。控制通胀是我国目前乃至于今后一段时间较为迫切的仟务，囚此，政府在制定货币政策时应该注意其时效性，保持货币政策长期稳定性和连续性，防I- Cl1 变化趋势的气叹性”和反向逆转。关键词：货币效应;VAR 模型;协整分析引言关于货币政策理论，各个流派有不同的观点，但凯恩斯学派和货币学派都承认货币供给量能作用于经济增长。凯恩斯学派认为货币供应量的变

2、动是通过利率间接地作用于产出，即在市场决定利率的机制下，利率与货币供应量成反向关系，货币供应量的增加导致利率下降，从而刺激投资、增加产出。货币学派的理论可以用货币交易方来表述:MV 二 PY, M 表示货币流动速度，P 表示货币供给量,Y 表示价格水平，表示实际国内生产总值。货币学派认为，虽然在长期中，货币数量的扩张主要在于影响价格，但货币流通速度在短期内具有可变性，V 的变动会作用于产出的变动，因此在短期内货币政策有效。关于货币政策的传导机制，理论界一致认为，在市场经济条件下，扩张货币供应量的货币政策主要通过以下四种途径影响产出，即利率途径、信贷配给途径、非货币资产价格途径、汇率途径。关于货

3、币政策效应国内外已有诸多实证研究。西方学者刘一货币政策效果及其传导机制的研究比较多，Bernanke 利用 Grange 因果检验法检验了联邦基金利率、M1,M2、票据利率、债券利率和产出的关系，认为基金利率是经济增长的 Grange 原因。 Mishkin 运用加拿大 1971 年至 1999 年的数据，检验了货币供应量与经济增长和物价之间的关系，认为货币总量能够有效的解释和预测. P 和物价的短期波动.2000 年以来，国内学者关于货币政策效果和传导机制方面的研究也有很多，基本都认为货币政策能够影响实际产出，但其作用的大小，时滞的期限、持续时间的长短以及作用的方式，未能达成一致的意见。刘斌

4、建立VAR 模型，运用脉冲响应函数分析，认为货币政策冲击在短期内能刘斌实体经济产生影响，但长期是无效的 UJ;而刘金全、刘志强基于 G range r 检验，认为无论我国经济处在平稳期还是波动期，货币政策都是有效的。周锦林运用 VAR模型论证出我国货币是中性的，因此以货币供给为中介目标的货币政策是不能取得预期效果的 L5J;但李传辉运用 V EC 模型得出结论认为 M1 是非中性的，M1与 GDP 互为格兰杰因果关系。随着我国股票市场和房地产市场的快速发展，国内已有部分学者开始关注货币政策与股票价格、房地产价格之间的关系，如吴振信、许宁通过建立 GARCH-(1, 1)模型，认为货币供应量的波

5、动对股价的影响程度大，持续时间长，而利率的影响力较小，作用时间短.而杨新松、龙革认为货币供应量和利率都是股市流通市值的 Grange 原因，中央银行可以调整货币供应量和利率政策来调控股票市场，但是利率政策比货币供应量更有效.梁云芳、高铁梅、贺1 平通过实证分析得出结论:货币供应量和利率与房价负相关，货币供应量每增加 1 个百分点，房地产价格下降 0. 42 个百分点;但周京奎运用我国多个城市的数据，通过建立而板模型研究利率与房价的关系，得出了相反的结论:利率与房价正相关.由此可见国内关于我国货币政策效应并没有形成一致的意见。本文将在借鉴国内外相关研究成果的基础上，较为系统地对我国货币政策效应做

6、实证分析。模型的设立VAR 模型 (向量自回归模型) 是对多变量动态关系研究的一种方法 .近年来被广泛运用于经济研究中.它对多个变量间的动态关系进行描述. 不需要区分这些变量是内生还是外生的。它建立的是联立方程，含 N 个变量滞后期为 P 的 VAR 模型如下:Yt=u+f1yt-i+f2yt-2+fpyt-p+ut,在建立模型之前需要对采用时间序列的数据进行平稳性检验.克服直接建模产生的“伪回归”现象。可首先简单运用相关图判断时间序列的非平稳性.然后再使用严格的检验力一法即单位根检验法来检验其平稳性。为保证脉冲响应函数的有效性.必须保证序列之间存在长期的协整关系. 为此要进行协整检验.本文采

7、用 Johansen 检验法进行检验。向量自回归(VAR)是基于数据的统计性质建立模型，它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。Y(t)=A(1)Y(t-1)+A(n)Y(t-n) +BX fit) +e fit)，其中(t)是一个内生变量列向量,Xt是外生变量向量，A(l)，A(n)，和 B 是等估的系数矩阵，P(t)是误差向量。误差向量内的误差变量之间允许相关，但是这些误差变量不存在自相关，与 Y(t),Y(t-1),.， y(t_n和X(t)也不相关。Engle 和 Grander 指出

8、两个或多个非平稳时间序列的线性组合可能是平稳的，假如这样一种平稳的或 I(0)的线性组合存在，这些非平稳(有单位根)时间序列之间被认为是具有协整关系的这种平稳数据的说明本文采用 1995 年 1 季度至 2007 年 4 季度的数据。原始数据来源于国家统计局网站，选取的各指标名义值在具体分析之前，进行以下预处理:(1)对 M1,GDP 和 R 进行消除价格因素处理，即分别用 1990 年 1 季度为基期的 CPI 定基比和环比数据来调整各名义指标得到实际值，具体处理方法如下:实际 GDP=GDP/P,实际 M1=M1/P,(P 是以 1990Q 1 为基期的 CPI 定基比数据) ，实际利率

9、RR=r-(P1-100),其中 P1 为用 1990 年 1 季度为基期的 CPI 环比数据。(2)采用 X12 季节调整法对 M1 和 GD P 的原始数据进行季节平滑处理以消除季节因素的影响。(3)为消除异方差，分别对实际 M1、实际 GDP 取对数。经与处理后，各变量分别记为 LnM1, LnGDP。数据平稳性检验对 LnM1、LnGDP 和 RR 做时间序列图如下：LNM1 的时间序列图：LNGDP 的时间序列图：RR 的时间序列图：由以上三张图可以看出，数据 LNM1 以及 LNGDP 存在明显的趋势，初步判断它们是非平稳序列，而 RR 并不存在明显的趋势，故进一步对它们做根检验：

10、LNM1 序列的 ADF 单位根检验t-Statistic Prob.*Augmented Dickey-Fuller test statistic -2.648733 0.0910Test critical values: 1% level -3.5847435% level -2.92814210% level -2.602225上述回归结果显示，P 值大于 0.05，故不能拒绝原假设，所以序列LNM1 存在单位根。进一步对其一阶差分数据做单位根检验，结果如下：t-Statistic Prob.*Augmented Dickey-Fuller test statistic -3.55863

11、8 0.0107Test critical values: 1% level -3.5847435% level -2.92814210% level -2.602225上述回归结果显示，P 值小于 0.05，故拒绝原假设，一阶差分后的序列LNM1不在存在单位根，变为平稳序列。对序列 LNGDP 和 RR 也进行上述单位根检验，发现 LNGDPF 的原数据是存在单位根，而一阶差分后的数据不存在单位根，变为平稳数据。RR 不存在单位根，原数据就是平稳的。向量自回归方程的构建根据单位根检验结果，序列 LNM1 和 LNGDP 都是一阶单整的，而 RR 是平稳的。故使用一阶差分后的 LNM1 和 L

12、NGDP，及原数据 RR 来建立 VAR 模型。其结果如下：RR D(LNGDP) D(LNM1)RR(-1) 1.103723 -0.000344 -0.000915(0.14827) (0.00056) (0.00096) 7.44399 -0.61085 -0.95213RR(-2) -0.308617 0.000428 0.001677(0.11217) (0.00043) (0.00073)-2.75136 1.00524 2.30569D(LNGDP(-1) -83.17986 0.892144 -0.752306(45.1159) (0.17127) (0.29254)-1.84

13、369 5.20902 -2.57164D(LNGDP(-2) 33.66219 -0.132722 0.549685(46.4203) (0.17622) (0.30100) 0.72516 -0.75316 1.82621D(LNM1(-1) 34.67378 0.013611 1.204110(17.3109) (0.06572) (0.11225) 2.00300 0.20712 10.7273D(LNM1(-2) -27.97850 -0.082974 -0.769443(17.1301) (0.06503) (0.11107)-1.63330 -1.27595 -6.92727C 1.304568 0.008376 0.023375(0.93043) (0.00353) (0.00603) 1.40211 2.37128 3.87442本文对选取的指标序列进行平稳性检验，检验结果如下图所示。从图 1 中可以看出，全部根模的倒数值(多项式的特征根)都小于 1，没有一个特征根在单位圆外，这说明了所建认的 VAR 模型符合稳定性要求。附件: