收支市场结构效应模型的识别与检验

5.5.2　收支市场结构效应VAR模型的识别与检验

本章首先检验所采用的时间序列数据的稳定性和协整关系，之后采取多种指标判别模型的滞后结构，最后检验变量之间的Granger因果性，以确定其相互的关系，明确汇率在我国与各国（地区）贸易中的作用。

（1）数据的稳定性检验和协整检验

首先检验时间序列数据的单位根，采取ADF检验方法。检验结果如表5.11。

表5.11　贸易伙伴收支市场结构效应实证序列的单位根检验

单位根检验结果显示，除了我国香港地区、日本、新加坡外，其他国家的ln（XRM_i）和ln（REER_i）为非平稳序列，且ln（FRG）为非平稳序列。而本章采取了4变量的VAR模型，故需要检验模型变量的协整性^[14]。针对各国的ln（XRMi）序列、ln（REER_i）序列、ln（FRG）序列和ln（WARIN）序列的采取迹统计量协整检验，与最大协整值协整检验结果^[15]见表5.12。

表5.12结果表明，各组数据之间存在协整关系，可以展开VAR实证分析。

表5.12　贸易伙伴收支市场结构效应实证序列的协整检验

（2）VAR模型滞后结构检验

VAR模型滞后结构检验用于确定VAR模型的滞后阶数。

本章主要选取FPE、AIC和SC值进行判断。要判断模型的恰当性，尤其是模型的AR单位根结构，在多种方法获得的模型结构不一致时。针对上述国家（地区）的VAR模型滞后结构检验结果如表5.13、5.14。

表5.13　贸易伙伴收支市场结构效应实证的VAR模型滞后结构检验

由表5.13确定，并根据不同的AR图修正的，对于我国各贸易伙伴的VAR回归的滞后结构如表5.14所示。

表5.14　贸易伙伴收支市场结构效应实证的VAR滞后结构AR图检验

（3）Granger因果检验

表5.15　贸易伙伴收支市场结构效应实证的Granger因果检验

由以上分析可知：我国与各贸易伙伴的贸易收支（ln（XRM）），以及我国与该伙伴的双边实际汇率（ln（REER））的Granger因果性并不一致。其中，我国与贸易伙伴的贸易收支和双边实际汇率互为Granger因果性的有：我国香港和英国；我国与该伙伴的双边实际汇率是贸易收支的Granger原因的有：美国。而我国与该伙伴的贸易收支是双边实际汇率的Granger原因的有：日本、德国、马来西亚、新加坡、法国。另外，韩国、俄罗斯和澳大利亚与我国的贸易收支和双边实际汇率的Granger因果性不显著。

由Granger因果关系可知，中美贸易失衡将带来人民币汇率变动的巨大压力。而对于大多数国家，人民币汇率变化具有调节双边收支的效应。