Page 16 - 202014
P. 16

表4 ADF检验结果                                       表5 VAR模型结果(k=3)
                      Tab 4 ADF test results                         Tab 5 VAR model results(k=3)
                                     不同显著性水平下的检验结果          变量        项目             LNWM           LNYZ
        变量    检验形式(c,t,k)  ADF值
                                    1%       5%     10%     LNWM(k=1)  系数             0.557         -0.190
        WM     (c,t,1)    -2.772   不平稳      不平稳    不平稳                标准误             0.269          0.329
        LNWM   (c,0,3)    -6.168   平稳       平稳     平稳                 t               2.071         -0.579
        YZ     (c,t,1)    -2.383   不平稳      不平稳    不平稳      LNWM(k=2)  系数            -0.084          0.048
        LNYZ   (c,0,3)    -7.786   平稳       平稳     平稳                 标准误             0.273          0.334
                                                                      t              -0.308          0.144
                                      [16]
        性,对两组数据进行协整关系检验 。利用Eviews 10.0                      LNWM(k=3)  系数             0.123          0.205
        软件对二者进行协整分析,并获得协整方程如下:                                        标准误             0.072          0.088
                                                                      t               1.705          2.326
                                             2
        LNYZ = 0.432 918LNWM-0.706 265(R =0.584,F=
                                                            LNYZ(k=1)  系数             0.232          0.851
        26.635)。对所构建方程的残差进行 ADF 检验,并设置                                标准误             0.151          0.184
        残差变量为RES 。经计算,变量残差RES单位根检验                                    t               1.541          4.623
                       [17]
                                                            LNYZ(k=2)  系数            -0.065         -0.341
        值为-4.645,表明残差变量RES为平稳时间序列,可认                                  标准误             0.171          0.208
        为 LNYZ 和 LNWM 之间存在协整关系,可以构建基于                                 t              -0.383         -1.634
                                                            LNYZ(k=3)  系数             0.055          0.212
        两者数据的VAR模型。同时,由于上述协整方程F值为
                                                                      标准误             0.070          0.086
        26.635,说明协整结果较好,可满足显著性水平要求。通                                  t               0.786          2.478
        过上述协整方程可得知,LNYZ与LNWM之间成正相关                          C         系数              0.063          0.054
                                                                      标准误             0.035          0.042
        关系,相关系数为 0.432 918,说明当 LNWM 每增加 1%                            t               1.811          1.276
        时,相应的 LNYZ 会增加 0.432 918%,即从协整检验结
                                                                     1.5
        果来看,我国对外经济贸易的发展对于医药制造业的发
        展具有一定的促进作用和带动作用。                                             1.0
            (3)最佳滞后期的确定。根据 AIC 和 SC 准则,当
                                                                     0.5
        AIC和SC检验数值均为最小值时所确定的滞后期为最
          [3]
        佳 。经计算,当滞后期为(即 k=3)时,AIC 和 SC 检验                          AU  0
        数值分别为-4.157 和-3.464,均为各滞后期检验中的
                                                                    -0.5
        最小值,故最终确定最佳滞后期为3。
            根据上述结果建立对外经济贸易与医药制造业间
                                                                    -1.0
        的VAR模型(如表5所示,其中t为统计量,C为常数项),
        并检验模型的平稳性(如图 2 所示)。由图 2 可知,所有                               -1.5
                                                                      -1.5  -1.0  -0.5  0  0.5  1.0  1.5
        特征根的模均落在单位圆内,所以可以判断 LNWM 与                                    图2 VAR模型稳定性检验结果
        LNYZ 之间的 VAR 模型是稳定的。但 VAR 模型的缺陷                           Fig 2 Stability test results of VAR model
        在于通过 t 检验数值判断其是否通过检验,无法直接反
                                                                       表6 格兰因果关系检验结果
        映变量之间的具体联系,所以需要进一步采用格兰杰因
                                                                    Tab 6  Granger causality test results
        果关系检验对VAR模型的数据进行内在关系判断 。
                                                   [18]
                                                            原假设内容                k       F     置信概率    结论
            (4)格兰杰因果关系检验。对上述VAR模型进行格                        H0:LNYZ不是LNWM的格兰杰原因  3      3.227    0.358  接受
        兰杰因果检验(以置信概率=0.05 作为衡量标准) ,检                        H1:LNWM不是LNYZ的格兰杰原因  3      34.147  <0.001  拒绝
                                                   [19]
        验结果详见表 6。由表 6 可见,由于 LNYZ 与 LNWM 的                   95%置信区间(CI),详见图 3。由图 3A 可见,对外经济
        格兰杰因果检验置信概率为0.358,所以接受原假设H0,                        贸易对于来自医药制造业的扰动未作出立即响应,在第
        认为 LNYZ 不是 LNWM 的格兰杰原因,即医药制造业                       1期响应值为0,从第2期开始迅速上升,并于第3期到达
        发展不是影响对外经济贸易的重要原因;由于 LNWM                           最大值,从第4期开始缓慢下降,并逐渐趋近于平稳;相
        与LNYZ的格兰杰因果检验置信概率小于0.001,所以拒                        反,由图3B可见,医药制造业对于来自对外经济贸易的
        绝原假设H1,认为LNWM是LNYZ的格兰杰原因,即对                         扰动非常明显,在第1期就立即作出了响应,并于第3期
        外经济贸易是影响医药制造业发展的重要原因。                               开始逐渐上升,在第 5 期之后开始缓慢下降,逐渐趋于
            (5)脉冲响应分析。利用Eviews 10.0软件作LNWM                  平稳。
        与LNYZ的脉冲响应分析,得脉冲响应函数拟合值及其                              (6)方差分解。在LNWM的方差分解中,LNWM对


        ·1674  ·  China Pharmacy 2020 Vol. 31 No. 14                                中国药房    2020年第31卷第14期
   11   12   13   14   15   16   17   18   19   20   21