分序列是否平稳需进行进一步的单位根检验。经过相关系数检验两变量之间的相关系数为09342说明两者相关性较大但这并不表示它们之间一定具有因果关系。二计量方法说明为了考察旅游业发展和区域经济增长的动态关系本文使用VAR模型将两者纳入一个统一的框架进行分析。桂林市旅游业发展和区域经济增长的关系可以用下面的VAR模型来表达
其中YtLGDPLYOUk表示模型的滞后阶数Ai为模型待估计的参数矩阵εt为模型随机残差向量0为εt的零均值向量Ω为εt的协方差矩阵。本文将按照以下四个步骤对所建立的VAR模型展开实证检验
f首先对拟进入VAR模型的时间序列进行单位根的稳定性测试。由于本文的时间序列样本数据呈现出非平稳性因而使用ADF测试法来检验变量是否具有单位根。其次如果单位根测试的结果表明这些变量是Id单位根过程就用Joha
se
协整检验来检验VAR模型变量之间是否存在着均衡或长期关系。Joha
se
协整检验模型的表达式如下
其中
如果的秩为r当0rk表示Yt存在r个协整组合。在这种组合下П可以分解成两个矩阵和的乘积即Пαβ则有
如果上式βYt1为一个I0向量则β为VAR模型协整向量矩阵r为VAR模型协整向量的个数。误差修正模型是协整分析的一个延伸。协整反映的是变量之间的长期均衡关系。如果由于某种原因短期出现了偏离的现象则必然会通过对误差的修正使变量重返均衡状态误差修正模型将短期波动和长期均衡结合在一个模型中。在确定了二者长期的关系以后可以估计它们之间的误差修正模型。再次Sims和Watso
的研究证明对于包含单位过程变量的VAR系统在只存在一个协整关系的条件下其因果检验的分布是标准的Toda和Phillips也证
f明误差修正项和协整向量参数的联合检验是最有效的一种因果检验方法。据此本文将在向量误差模型VECM的基础上对模型参数的显著性进行Wald联合检验以此确定经济变量之间是否存在因果关系。最后运用脉冲响应函数和方差分解进一步分析VAR模型所包含的经济意义。脉冲响应函数ImpulseRespo
seFu
ctio
IRF是追踪系统对一个内生变量的冲击效果相反方差分解则是将系统的均方误差Mea
SquareError分解成各变量冲击所作的贡献。本文所使用的计量软件为Eviews50。三、实证检验与结果解释一时间序列的平稳性检验在检验LGDP与LYOU的协整关系之前先用单位根ADF检验方法来检验时间序列的平稳性检验结果如表1所示。
注1检验形式是否保留截距和趋势项是根据从一般模型中得到的截距和趋势项的tr