通过Ｅｖｉｅｗｓ５．０软件对模型进行了估计如下。第一产业：
ＡＧＤＰＩ＝０．７２×ＡＧＤＰＩ（一”＋０．３３×ＡＧＤＰＩ（－２）一 ０．３０×，～ＦＤＩｌ（－１）一０．４７×ＡＦＤＩｌ（－２）一０．２５
?５０?
ＡＦＤＩｌ＝０．３７×ＡＧＤＰＩ（一１）＋０．０１ Ｘ
ＡＧＤＰＩ（一２）一
０．３８Ｘ凸ＬＦＤＩｌ（一１）一０．２０×ＡＦＤＩｌ（－２）一２．７６
第二产业：
ＡＧＤＰ２＝０．２６×ＡＧＤＰ２（一”一１．３３ Ｘ
ＡＧＤＰ２（一２）＋
０．４６Ｘ△ＦＤｌ２（一１）一０．０３×ＡＦＤｌ２（一２）＋７４．０６ＡＦＤｌ２＝２．４２Ｘ，～ＧＤＰ２（一”一２．０４×ｚｌＧＤＰ２（－２）＋１．１５
Ｘ
ＡＦＤｌ２（一”一０．１２×ＡＦＤｌ２（－２）一２１．８０ 第三产业：
ｚｌＧＤＰ３＝０．６８×Ｚ▲ＧＤＰ３（一１）一１．０４×ＡＧＤＰ３（一２）＋０．５８×ＡＦＤｌ３（一１）一０．０６ＸＡＦＤｌ３（一２）＋３３．６６ＡＦＤｌ３＝１．９４×ＡＧＤＰ３（一１）＋０．２９×ＡＧＤＰ３（－２）＋０．０９×，、ＬＦＤｌ３（一１）＋０．１０
Ｘ
ＡＦＤｌ３（－２）一５４．７９１ （二）对构建的模型进行检验
模型估计之后，我们对ＶＡＲ模型的向量进行相关的单位根检验、因果检验及协整检验，然后根据检验结果对模型进行进一步的修正，建立向量误差修正模型（ＶＥＣ）
１．向量的单位根检验
首先对时间序列样本数据进行单位根平稳性检验，ＡＦＤＩｌ、ＡＦＤｌ２、△ＦＤｌ３、ＡＧＤＰＩ、ＡＧＤＰ２、ＡＧＤＰ，序列没有通过平稳性检验，序列经过一阶差分后Ｄ（ＡＦＤｌｌ）、Ｄ（ｚｌＦＤＩ：）、Ｄ（ＡＦＤｌ３）、Ｄ（ＡＧＤＰＩ）、Ｄ（ＡＧＤＰ２）、Ｄ（Ｚ▲ＧＤＰ３）通过了平稳性检验，检验结果如表２所示。
２．向量的因果检验
建立经济变量之间的相关关系，应对各产业中ＦＤＩ的比例变动与相应产业中ＣＤＰ的比例变动进行格兰杰（Ｇｒａｎｇｅｒ）因果关系检验。由于Ｇｒａｎｇｅｒ因果关系检验是对平稳序列进行检验，因此我们对Ｄ（／ＩＦＤｌｌ）、Ｄ（△ＦＤｌ２）、Ｄ（△ＦＤｌ３）、Ｄ（ｚｌＧＤＰＩ）、Ｄ（ＡＧＤＰ：）、Ｄ（ＺｌＧＤＰ３）检验。由Ｅｖｉｅｗｓ５．０软件计算结果如表３所示。
第２５卷第１期方燕，高静：外商直接投资对产业结构的影响分析
表２单位根检验结果 序列Ｔ统计量（Ｐ值） 结论序列
ｒ统计量（Ｐ值） 结论
ＡＦＤＩｌ一１．０７７２（０．６７３５）Ｄ（ＡＦＤＩＩ）一３．０１３３（０．０７５３）一ＡＦＤｌ２—０．４５５６（０．８５８Ｏ）不平稳
Ｄ（ＡＦＤｌ２）
一２．８９１５（０．０８８５）一平稳 ＡＦＤＩ，一０．４７３０（０．８５４２）
Ｄ（ＡＦＤＩ，）一２．８７２２（０．０９０８）一ＡＧＤＰＩ一０．８３０６（０．７５９４）
Ｄ（ＡＧＤＰＩ）
一３．２６４０（０．０５３９）一ＡＧＤＰ２—１．８０４ ７（０．３５５３） 不平稳
Ｄ（ＡＧＤＰ２）
一２．９２６５（０．０８４４）一平稳ＡＧＤＰ３ —０．９４００（０．７２４１）
Ｄ（ＡＧＤＰ３） 一２．９７２ ８（０．０７９３）一
注：加“??”表明在１０％的显著水平下拒绝存在单位根的原假设。 表３格兰杰检验结果
注：加“??”表明在ｌＯ％的显著水平下拒绝零假设。
表３检验结果说明在１０％的置信水平下第三产业中ＧＤＰｉ比值的变动是影响ＦＤＩｉ比值变动的原因，反之则不成立；而第一、二产业则不能直接说明ＦＤＩｉ的比例变动与ＧＤＰ。比例变动之间存在明显的因果关系。
３．向量的协整检验
协整检验仅对已知非平稳的序列有效，因此我们使用Ｊｏｈａｎｓｅｎ协整检验，分别对三个产业中ＡＦＤＩ。与ＡＧＤＰｊ序列协整关系进行检验，检验结果如表４所示。
表４协整检验的结果
注：加“｝”表明在５％的显著水平下拒绝原假设。
协整检验的结果说明，三个产业中ＡＦＤＩ；与ＡＧＤＰｉ序列之间存在协整关系，因此可以在两者之间建立ＳＶＡＲ模型。
４．建立向量误差修正模型
向量误差修正模型（ＶＥＣ）是建立在协整序列条件下的，因此可以根据上述协整检验以及因果检验的结果，对结构向量自回归模型进行修正，建立向量误差修正模型。模型通过Ｅｖｉｅｗｓ５．０软件估计。结果如下。
相关推荐：
loading