计量经济学方法

计量经济学中可用于政策分析的方法主要有向量自回归、Granger因果检验、脉冲响应和方差分解等方法。

（一）向量自回归模型

向量自回归（VAR）是基于数据的统计性质建立的模型，该模型不以经济理论为基础，而是把系统中每一个内生变量由模型内生变量的滞后项来表示，进而将单变量自回归模型推广为由多元时间序列变量组成的“向量” 自回归模型，进而估计全部内生变量的动态关系。VAR模型一般不区分内生、外生变量，比较易于估计，是处理多个相关经济指标分析与预测时最容易操作的模型之一，具有很好的灵活性和实用性。并且在一定的条件下，多元MA和ARMA模型也可以转化成VAR模型。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，进而揭示各种经济冲击对经济变量形成的影响，特别是对小变量集合的数据生成过程的描述，具有良好的效果。因此，近年来VAR模型受到越来越多的经济工作者的重视。

透过向量自回归模型，我们可以知道不同自变量对因变量的影响机制及影响程度的大小，有利于我们对经济现象进行分析，进而采取适当的措施。

（二）Granger因果检验

Granger因果检验是模型的另一个重要应用，它用来分析经济时间序列变量之间的因果关系，判断一个变量的变化是否是另一个变量变化的原因。Granger因果检验解决了x是否引起y的问题和现在的y能够在多大程度上被过去的x解释的问题以及加入后的滞后值是否会使解释程度提高的问题。如果x与y的相关系数在统计上显著，就可以说“y是由x Granger引起的”。Granger因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中的过程。根据Granger因果检验的结果，可以判断变量之间的关系，进而实施相应的政策对经济进行调整，它是检验变量之间因果关系的有效方法之一。

值得注意的是进行Granger因果检验的时间序列必须是平稳的，否则会出现虚假回归问题。因此，在进行Granger因果检验之前，必须对各指标时间序列的平稳性进行单位根检验。另外，Granger因果关系检验中，滞后长度对检验结果的影响很敏感，不同的滞后期会对因果性的判断呈现不同的结果，所以在进行Granger因果检验时，通常对不同的滞后长度分别进行试验。

（三）脉冲响应

在研究经济行为时，不仅要研究变量间长、短期的变动关系，还要研究模型受到外在某种冲击或扰动时系统会受到的动态影响。因此，这就需要分析在计量模型的扰动项上加一个标准误差的冲击后，对系统相关变量的当期和滞后期所造成的动态影响。而脉冲响应函数正好可以用来反映来自随机扰动项的一个标准差的冲击对内生变量当前值和未来值的影响，以刻画内生变量对随机扰动项的动态反应，进而显示任意变量的随机扰动如何通过模型影响其他变量，并反馈到自身的动态过程。脉冲响应函数可以显示出变量对来自系统中任何一个变量产生的新信息的响应程度，具有较强的时间特性。

透过脉冲响应结果，我们可以发现对变量进行当期的脉冲响应，将会导致对其他变量未来多少期会产生影响，以及如何影响，根据这些分析结果，就可以确定在什么时间实施什么样的政策来对现象进行调整。

（四）方差分解

方差分解通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性，以确定可控因素对研究结果影响力大小，提供对模型中的变量产生影响的每个随机扰动项的相对重要的信息，简单地说明变量间的影响关系。通过分析内生变量的贡献度，可以评价不同内生变量冲击的重要性，进而实施相应的政策对现象进行控制。