克强指数vec模型.docVIP

我国规模以上工业增加值 、金融机构新增贷款、铁路货运量的关系研究 ——基于VEC模型的实证研究 摘要 本文选取我国2005年一月至2015年四月相关的月度数据。通过单位根检验与J-J检验，最终建立了VEC模型。通过格兰杰因果关系检验、脉冲分析、方差分解。 通过近十年的数据分析，个数据之间不存在显著地格兰杰因果关系，方差分解显示，货运量与贷款量对工业增加值影响较小，而对货运量与贷款量分析，其他变量对这两个变量有一定的影响。随着我国经济下行，能源行业受国际油价与总体需求不振的冲击，倒逼我国经济结构的转型，而原先一银行贷款为主的融资结构在市场利率下行、地方债难以为继、经济杠杆率极高的情况下，我国也正逐步降低对贷款的依赖。故相关的数据之间的联系将会逐步减弱。 关键词：克强指标 VEC模型 一 、研究背景 1、克强指标 克强指数，是英国著名政经杂志《经济学人》在2010年推出的用于评估中国GDP增长量的指标 ，源于李克强总理2007年任职辽宁省委书记时，喜欢通过耗电量、铁路货运量和贷款发放量三个指标分析当时辽宁省经济状况。该指数是三种经济指标：工业用电量新增、铁路货运量新增和银行中长期贷款新增的结合。自推出后，受到花旗银行在内的众多国际机构认可。 2、VEC模型 VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归.VAR模型用来估计联合内生变量的动态关系,不以严格的经济理论为基础.1980年,西姆斯将VAR模型引入经济学。 VEC模型是含有协整约束的vAR模型,多应用于具有协整关系的非平稳时间序列建模。根据Johansen的定义,n维向量Xt的向量自回归(VAR)模型。 VEC模型的优点在于同时反映了长期静态关系与短期动态关系[1].vEC建模的前提是序列是同阶单整.Engle和Granger将协整与误差修正模型结合起来,建立了向量误差修正模型,步骤如下[2]: ①单位根检验:只有当各个变量均为双n)阶单整变量时,才能有效运用协整和误差修正模型; ②Johansen协整检验:在多变量方程组中,对于一组变量间协整关系的检验,有Johansen方法、Engle- Granger两步法.其中,Johansen协整检验更为常用; ③确定最优滞后阶数:由SIC和AIC信息准则确定最优滞后阶数; ④建立vEC模型:应用Engle一Granger表现定理,可估计出VEC模型相关参数; ⑤用建立的vEC模型进行预测. 3、指标与经济联动分析 众所周知，我国已经进入了经济新常态，一般来说主要有两个特点，经济降速与结构调整。原先的粗放型增长对能源、货运能力要求极高，而我国一银行为主的金融体系，企业主要是通过银行的间接融资。随着经济着陆，集约型发展与融资结构的改善，克强指标与经济增长联系将减弱。 4、数据选取 本文仅选取克强指数中的跌路货运量，用金融机构新增贷款代替银行贷款量，对于发电量则难以找到相应上网月度数据，GDP由于没有月度数据，故用规模以上工业增加值代替。新增贷款数据从resset数据库下载，其他数据均从国家统计局网站获得。 二 、建立模型 数据图 图中，loan表示新增金融机构贷款，capacity表示铁路货运量，industry表示规模以上工业增加值。图中数据均是对上期做了收益率。 图中，贷款数据波动极大，而工业增加值与铁路货运量较为稳定。 单位根检验 ADF统计值 结论 Industry -6.681457 平稳 Capacity -2.433385 不平稳 loan -12.79033 平稳 3、最优滞后阶数确定 在建立VAR模型后，确定最优滞后阶数 ?Lag LogL LR FPE AIC SC HQ 0 -1299.229 NA? ?26.04458 ?26.12273 ?26.07621 1 -1224.249 ??143.9612* ? ??24.72498* ??25.03760* ??24.85150* 2 -1218.683 ?10.35198 ?24.79367 ?25.34076 ?25.01508 如上图所示，为假设滞后阶数为2的情况，经过多次调整，可以认为，该最优滞后阶数为1.从经济原理来看，铁路货运量与贷款量与经济增长滞后期较短，甚至是同步的。 4、协整检验 Hypothesized Trace 0.05 No. of CE(s) 统计量 置信水平 Pr