表3.2 滁州市相关数据
年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
LNGDP 13.378 13.538 13.715 13.909 14.014 14.386 14.605 14.707 14.868 14.889 15.506 15.697 15.842 16.071 16.262 16.419
?LNGDP
0.037 0.232 0.34 0.305 0.263 0.251 0.093 0.045 0.057 0.048 0.038 0.056 0.064 -0.009 0.101
LNCREDIT 12.649 12.874 12.987 13.122 13.325 13.538 13.746 14.146 14.167 14.246 14.193 14.253 14.305 14.327 14.433 14.477
?LNCREDIT
0.037 0.232 0.34 0.305 0.263 0.251 0.093 0.045 0.057 0.048 0.038 0.056 0.064 -0.009 0.101
171615141390929496Y98X000204
图3.1 合肥市LNGDP与LNCREDIT的拟合趋势图
8
15.515.014.514.013.513.012.590929496Y98X
图3.2 滁州市LNGDP与LNCREDIT的拟合趋势图
000204 从数据和拟合图表中中我们看到代表经济增长的LNGDP总体上呈快速增长，代表金融机构信贷余额的LNCREDIT数据也出现了较为强劲的上升。从数据的规律看来，信贷规模与经济增长之间的关系还是很清楚的，两者之间应该呈现着稳定的相关关系。但是这样的假设成不成立以及两者具体是怎样的因果关系，本文将采取计量经济学方法对其进行检验和分析。
为了考察GDP数据与信贷额之间的关系，在建立模型前应论证两者是否存在稳定的相关关系，这就需要对数据做协整检验。而当变量序列同时为同阶单整序列时才可以进行相应的协整检验,，所以在做协整检验前需要对两个地区的数据时间序列进行单位根检验，以断定时间序列是否为长期平稳序列。本文采用ADF检验法对合肥市和滁州市地区的数据进行检验。
3.2 单位根（ADF）检验
首先我们对合肥市的数据进行ADF检验，以判定时间序列是否平稳，检验结果如下：
9
表3.3 合肥市数据ADF检验
变量
LNGDP
ADF检验值 临界值（1%） -2.6092 -3.1593 -0.0325
-4.0113 -4.0681 -3.9591 -4.1366
临界值（5%） 临界值（10%） -3.1003 -3.1222 -3.0810 -3.1483
-2.6927 -2.7042 -2.6813 -2.7180
结论 不平稳 平稳 不平稳 平稳
?LNGDP
LN CREDIT
?LN CREDIT -2.7815
由表
3.3可知，对合肥市的LNGDP序列进行检验时，检验统计值为-2.609203，
大于1%、5%以及10%的显著性水平的临界值，表明LNGDP序列的非平稳的。同样，LNCREDIT的检验结果也是如此，表明两者的序列都是不平稳的。因此，我们对其一阶差分进行ADF检验，结果显示，在显著性水平为5%的情况下，检验统计值小于该水平下临界值，因此拒绝原假设，表明差分后的序列不存在单位根，是平稳的。对LNCREDIT差分序列检验结果也表明，差分后序列不存在单位根。
表3.4 滁州市数据ADF检验
变量
LNGDP
ADF检验值 临界值（1%） 临界值（5%） 临界值（10%） -1.81713 -5.355692 -1.749497 -3.342217
-4.0681 -4.0113 -4.0113 -4.1366
-3.1222 -3.1003 -3.1003 -3.1483
-2.7042 -2.6927 -2.6927 -2.718
结论 不平稳 平稳 不平稳 平稳
?LNGDP
LNCREDIT
?LNCREDIT
滁州市的数据检验结果和合肥市检验结果相似，即原数据序列非平稳，而经过一阶差分的序列都不存在单位根，表明一阶差分后的序列平稳。综上，合肥市和滁州市非平稳序列经过一阶差分平稳，所以是一阶单整序列。
3.3 协整检验
由于合肥市和滁州市的变量序列?LNCREDIT、?LNGDP都为一阶单整，因此可以对两个城市的?LNGDP和?LNCREDIT数据进行协整关系检验，对于两变量之间的协整关系的检验，本文采用Engle和Granger(1987)提出的协整检验法，这种检验方法是对回归方程的残差进行单位根检验。这种检验方法大致可以分为以下两个步骤，首
?表示回归系数的估计?和?先利用Eviews软件估计回归方程Yt????Xt??t，其中? 10
?Xt。这个方程称为协整回归。其次，检验?????Yt??值，则得到模型残差估计值为??是否平整，残差序列u也就是判定残差序列是否含有单位根，本文仍运用ADF检验方?为平稳序列，则认为变量Yt,Xt存在协整关系。 法检验残差序列。如果u本文先对合肥市的数据LNGDD和LNCREDIT进行协整检验。得到回归模型的估计结果：
?LNGDP = 0.1826+ 0.0081?LNCREDIT (1) 为方便分析，我们对回归方程的残差另定义一个序列，然后利用ADF检验方法对残差进行单位根检验，检验结果显示，在10%的置信水平下，临界值为-2.7180大于ADF检验值，即显示残差序列为平稳序列。这表明合肥市的LNGDP和LNCREDIT序列存在协整关系，即合肥市的信贷规模与经济增长有着长期稳定的关系。结果可见表3.5。
我们再对滁州市的?LNGDP和?LNCREDIT序列进行协整检验，得到回归方程： ?LNGDP = 0.0825+ 0.3742?LNCREDIT (2) 然后我们对残差进行单位根检验，检验结果显示，也是在10%的置信水平下，临界值-2.7180大于ADF检验值，表明残差序列也为平稳序列。这表明滁州市的信贷规模与经济增长也存在着长期稳定的关系。结果见下表：
表3.5 协整检验表
变量 合肥市模型残
-3.794353
差序列 滁州市模型残
-3.705287
差序列
-4.1366
-3.1483
-2.7180
平稳
-4.1366
-3.1483
-2.7180
平稳
ADF检验值 临界值（1%） 临界值（5%） 临界值（10%）
结论
3.4 误差修正模型（ECM）
为了考察合肥市和滁州市经济增长和信贷规模的动态关系，本文运用误差修正模型，即ECM模型来构建两市数据变量LNGDP和LNCREDIT的长期均衡方程。由于传统的经济模型表述的一般是数据之间的“长期均衡”关系，而实际得到的数据却是由“非均衡过程”生成的，因而构建数据模型时，需要运用这种“非均衡过
11
相关推荐：
loading