中国农村金融发展对农村经济的

范文一：中国农村金融发展对农村经济的影响分析_基于AK理论的多变量误差修正模型

Research

中国农村金融发展对农村经济的影响分析

——基于AK理论的多变量误差修正模型

张煜陈捷潘宏晶

(中国人民银行，北京 100000) 摘要:本文通过研究农村金融市场融资能力及信贷效率对农村经济的影响,来分析农村金融发展对中国农业经济的重要性。首先基于帕加诺内生经济增长理论选取与经济增长率相关的且能反映农村金融市场融资能力的金融指标,其次基于这些金融指标,通过误差修正模型,在统一的框架内综合分析金融市场的发展对农村经济的影响情况,并定量分析农村经济增长与信贷、投资间的互动过程。计量结论显示在长期信贷与优化的金融结构、完善的金融融资渠道能够促进农业经济增长,但中国农业经济增长不能内生吸引信贷资金。农业经济增长的长效机制在于发展高效农业,监管部门要通过指导意见改善农村金融结构与金融渠道、促进信贷支农特别是支持乡镇企业的投资,以此为基础实现农村产业与农

村金融市场的良性互动。

关键词:帕加诺内生经济增长;误差修正模型

中图分类号:F830 文献标识码:A 文章编号:1009 - 3109(2014)06-0005-08

制改革，健全促进宏观经济稳定、支持经济发展的

一、引言现代金融体系”，我国应如何动员国内外各种积极因素改善我国的农村金融管理体系，如何更多地发党的十七届三中全会确定了大力发展农村经

挥金融市场在农村经济发展中优化配置资源的基础济的主题。农村经济的发展直接影响我国的和谐、

性作用，来提高提高农业综合生产能力，建立健全稳定和繁荣，农村经济的发展离不开金融的支持。

面向农村的金融机构的管理制度、扩宽农村经济金但是改革开放以来，尽管我国国民经济的增长速度

融渠道、分析农村金融对我国经济发展的影响，形达到8%以上，国家整体经济实力显著增强，国际

成有效的农村金融体系，有力支持国家“三农”工地位不断提高，作为国家基础经济的农业经济和农

作的发展。业社会也都获得了很大的进步，但我们也看到农业

经济发展中的不足:目前我国农村经济金融渠道非二、文献综述常窄，获取资金的成本非常高，大多数农户或乡镇

随着经济的发展，人们对金融与经济之间的企业都遇到资金缺乏问题，农业经济获利微薄。随

关系进行了大量的理论和实证研究。就金融与经济着农村经济的不断发展，农村经济中的金融问题越

发展关系来看，Gurley & Shaw(1955，1956)通过来越成为制约农村现代化发展的瓶颈，制约着城乡

研究得出了经济增长与金融发展具有较强的相关二元结构问题的改善。

性，形成了金融抑制、金融深化、金融自由和金融为摆脱我国农村经济中长期以来存在的"三农

约束等理论，国外涌现出许多研究金融发展与经济 "困境，农村金融支持将发挥不可替代的作用，而

增长关系学者，通过实证分析获得一系列金融发展金融支持的核心措施就是充分发挥农业信贷对农村

与经济增长关系研究成果。经济的调控作用，发挥农村金融结构对农村资金的

金融市场与经济增长关系的理论研究，早期优化配置作用。随着党的十八大提出“深化金融体

作者简介:张煜,男,汉族,中国人民银行,经济师。

陈捷,男,汉族,中国人民银行,研究员。

潘宏晶,女,汉族,中国人民银行,经济师。

有Goldsmith的金融结构理论，他认为金融结构的为主体的农村内生性经济增长对农村经济发展的影变化就是金融发展，而金融发展与经济增长之间存响。

在明显的正相关关系，依此推断农村金融机构的变 1.帕加诺模型

化也会引起经济增长相应的增减。有许多学者对此帕加诺模型是现代金融理论中说明金融促进进行研究并取得很大进展，其中Goldsmith 提出经济增长机制的一个比较有代表性的理论模型，模了衡量一国金融市场与金融发展水平的存量和流量型认为金融发展通过提高储蓄转化为资本的比率，指标即金融相关比率(FIR)等，证明了二者之间存改善资源配置效率和影响储蓄率等机制影响经济增在大致平行的关系，在金融发展与经济增长关系实长。其最终形式为:

证研究上作出开创性的贡献。 (1) (1)

Ulrich Koester通过研究发展中国家农村金式表明, 存贷转化率、储蓄率S和农村融体系资金的配置效率，认为当农村金融市场不资

完善时，农村资金的配置效率较低;Burgess研本边际产值率A 决定着经济增长的速度和质量。究了印度的农村银行与农村产业的关系，表明金融信贷资金的不同投向决定了信贷资金具有不同的产发展对农村经济有促进作用。一般来说，直接研究出效率。在考察我国农村经济情况时, 假设农村市农村金融市场金融与农村经济增长关系的学者相对场是封闭的, 除了农村正规金融机构贷款之外,不较少，相关的研究大多被隐含在金融发展与经济增存在其他的投资方式, 农村储蓄率和储蓄投资转化长的研究之中，而我国熊德平教授住持编写的《农率在短期内是固定不变的。因此, 、S 和A 分村金融与农村经济协调发展机制与模式研究》借鉴别代表农村存贷转化率、储蓄率和农村资本边际产多种金融与经济关系理论，为这两者之间的理论关值率。

系进行了深入的分析。在实证分析方面，大部分的将上式两边取自然对数得: 研究都把重点放在了信贷规模和效率的度量上，没(2) 有同时关注金融市场融资能力对经济增长的影响，通过(2)式，可以通过存贷转化率、储蓄大多数的研究都是以经济增长指标作为因变量，以率S和农村资本边际产值率A来分析农村金融市包含信贷的多个指标做自变量进行回归分析，这种场融资情况对农村经济增长的影响。分析易受样本范围和杨本期的影响。本文采用2、多变量误差修正模型 Rousseau 在研究中使用误差修正模型的方法，同当我们分析的农村经济增长与农村融资之间时将金融市场融资能力作为控制变量引入误差修正的关系时，如果这几个时间序列自身不平稳，但是模型，增强了研究结论的有效性;此外国内农业贷具有长期的协整关系，其变量的线性组合具备平稳款研究多集中于非正规信贷，或使用正规信贷与非性，误差修正模型就能够分析这两个变量间的因果正规信贷的混合数据，如林毅夫等人的研究。但国联系。因此，本文同时建立以农村经济增长和农村内农业贷款不仅包括正规农户信贷，还包括农业企信贷效率为因变量的误差修正模型，并分别考虑无业贷款。约束模型和约束模型。普通误差修正模型可以表述为: 三、研究设计

:一:理论依据

本文构建农村金融发展对农村经济增长关系

的影响，主要从农村金融市场融资能力，特别是农

村信贷效率与农村经济增长的关系建立模型进行分

析。其中本文的农业贷款效率主要指农业贷款对农其中，、为方程系数，t代表年份，村经济增长的影响，农村金融市场在非银行金融机与为时间序列的白噪声，与为构不成熟的前提下，主要研究以农村银行市场结构误

Research

农村经济增长率，本文采用实际增长率计算方式计差修正项。如果上式中的、与、都是平稳序

列，则上面两式也必定平稳。在使用误差修算，即以1985年的农林牧渔生产总值为基期价格正模型分析农村信道效率与农村经济增长率时，当计算每年的农村经济增长率。期的农村金融市场起到这两者之间金融中介与传导农村资本边际产值率(A):根据帕加诺模型渠道的作用，忽视农村金融市场融资能力会导致估的总产出与总资本存量的线性函数式，可以得出农计结果存在误差。为保证研究结论的有效性，我们村资本边际产值为Y/K，本文使用农牧牧渔生产需要引入当期农村金融市场因素C作为控制变量，总值表示农村总产出，农村资本存量是指在一定时本文使用帕加诺模型中的储蓄投资转化率表示农村点上所积存的物质资本，由于农村固定资产数据只信贷效率，储蓄率和农村资本边际生产率作为模型能获取个人固定资产投资，缺乏乡镇企业固定资产的控制变量，引入控制变量后的误差修正模型表示投资与机械生产力投资，不能代表整个农村产业的如下: 物质资本，本文使用农村用电量来表示，并计算出农村资本边际产值率。

储蓄向投资转化率( ):代表金融发展的

整体水平和效率，本文从农村金融存贷转化率角度

揭示该转化效率。农村金融存贷转化率的计算方式其中的 ki表示两者在第K期的相关程度。如为农业贷款、乡镇企业贷款之和与农业存款的比此，我们建立多变量的误差修正模型进行分析。值，该指标可以衡量储蓄向投资转化的资源配置效

:二:样本选择率。本文选用的农林牧渔生产总值、农村固定资储蓄率(s):以农业存款与农林牧渔生产总产投资(个人投资)、农业贷款、乡镇企业贷款值来表示。等数据来自《中国国家统计局》的年度统计报表， :四:模型设计农业存款、农信社贷款等数据来源于《中国金融统本文以协整理论作为研究方法。首先, 为了计年鉴》。数据的时间跨度从1985年到2009年，避免模型出现伪回归现象, 我们利用单位根检验法共 25年的数据。为避免数据分析中出现异方差性，检验各变量的平稳性。对于非平稳性的变量进行处据文献(张晓峒，2007)对数据取对数可以在不根理, 使之成为平稳时间序列。其次是协整检验。如改变时间序列数据协整关系的基础上消除异方差性，果两个或两个以上的时间序列变量是非平稳的, 但因此为降低和后续待分析指标数据的变化幅度与异它们的某种线性组合却表现出平稳性, 则这些变量方差。本文对后续的待分析指标数据取对数以得到之间存在长期稳定关系即协整关系。在经济学意义对数化后的样本数据。文中所有实证分析都通过上, 这种协整关系的存在便可以通过其他变量的变 EViews6.0 完成。化来影响另一变量水平值的变化。若变量间没有 :三:变量设计协整关系, 则不存在通过其他变量来影响另一变为分析农村金融市场融资能力对农村经济增量的基础。本文采用Johansen提出的方法进行协减变化之间的关系，本文参考帕加诺模型的理论推整检验, 即先将向量单位根过程写成向量自回归导结论，使用农林牧渔总产值的同比表示农村经济 ( VAR )形式后对其进行差分变换, 然后在误差项增长率，其中农村贷款主要有农业贷款与乡镇企业的正态性假设下对协整向量进行极大似然估计。在贷款组成，具体计算方式如下: Johansen似然比检验法中, 协整向量的个数是由

农村经济增长率:测度农村经济增长的指标矩阵的秩R决定的。最后是误差修正模型。本文选用农林牧渔生产总值，农林牧渔四业产品产测量预期农村经济增长率模型，本文使用值及农林牧渔服务业产值相加即为农林牧渔业总产 Agrip代表农业经济增长率，agric代表农村资本值，可以全面反映中国农业生产变化状况。为表示边际产值率，agrii代表农村金融存贷转化率，

agrid

代表农村储蓄率。我们将上述5个指标变量进行可以研究农村经济增长率与农村金融市场融资能力对数化处理，消除异方差。之间的长期变动关系以及农村金融市场产生的冲击

对农村经济增长的影响。建立如下经济增长公式: 进一步分析，在农村金融市场中当代表信贷

效率的金融存贷转化率、资本边际产值率与农村经

济增长间具有协整关系时，可以使用误差修正模型分析分析信贷效率与农村经济增长之间的互动趋

势，使用储蓄率作为模型的控制变量，模型表示如

下: 依据上述公式建立的协整方程与VAR方程，

1.单位根检验四、农村金融结构的实证分析

采用ADF法对各指标进行单位根检验，结果

要建立农村经济增长率与农村贷款效率的见表。原序列agrip、agriloan与forcastagri均ECM模型，首先要求原序列具有协整关系，要对没能在10%的置信水平下决绝零假设，但是各变量

的一阶差分在10%的显著性水平下都拒绝了单原序列进行平稳性检验。本文采用ADF检验对

村经济增长率等指标进行了单位根检验，检验类位根假设，因此认为这三个时序变量均为一阶农

型中c表示常数项、t表示趋势项、k表示滞后期。平稳序列。，因此各变量都是I(1)序列。下面通过分析检验结果。基于ADF 检验进行协整分析。

表1 单位根检验

变量检验类型(c,t,k) ADF值 1%临界值 5%临界值 Prob**

Agrip (c,t,1) -2.25 -4.416 -3.622 0.440

Agric (c,0,5) -2.53 -3.753 -2.998 0.121

Agrii (c,t,0) -2.51 -4.394 -3.612 0.443

Agrid (c,t,1) -3.54 -4.416 -3.622 0.0583

变量-一阶离差检验类型(c,t,k) ADF值 1%临界值 5%临界值 Prob**

Agrip (c,0,1) -2.822 -3.769 -3.005 0.071

Agric (c,0,0) -3.375 -3.753 -2.998 0.023

Agrii (c,0,1) -5.297 -3.753 -2.998 0.0003

Agrid (c,t,1) -4.826 -4.441 -3.632 0.005

2.VAR模型取最大滞后期为2，建立VAR模型，模型的计量

为后续进行协整分析，并建立误差修正模型果见表2。结果显示每个方程的拟合优度都较结

(ECM)，首先需要构建VAR模型，为保证计量好，方程决定系数与调整后的决定系数都非常高，结果置信度，同时为保证后续方程分析有足够的自 AIC 与SC的值较低，说明模型的整体解释能力较由度，本文首先估计VAR模型的滞后期间，并选强。通过模型系数计量结果可以看出，前期的农

村经济

Research

增长对当期经济增长影响最大;当期农村储蓄与农期时影响转正，说明农村的固定资产投资于储蓄对村资产边际产值对农村经济的增长有负面影响，二经济增长有滞后效应。

表2 VAR模型系数及检验结

果

AGRIP AGRII AGRID AGRIC

AGRIP(-1)2.028973-2.267140.3541298.19E-01AGRIP(-2) -0.993 1.828 -0.753 -0.885 AGRII(-1) 0.007 -0.111 -0.285 -0.086 AGRII(-2) 0.172 -0.274 -0.097 -0.115 AGRID(-1) -0.129 -0.269 0.541 0.116 AGRID(-2) 0.125988 0.026065 -0.234014 -0.133129 AGRIC(-1) -0.329891 0.106849 -0.092275 0.568005 AGRIC(-2) 0.313978 -0.607985 0.000823 0.21137 R-squared 0.99923 0.915841 0.992206 0.891612 Adj. R-squared 0.99879 0.867751 0.987752 0.829677 Sum sq. resids 0.017441 0.163806 0.037438 0.054689 S.E. equation 0.035295 0.108169 0.051712 0.062501 F-statistic 2271.301 19.04405 222.7837 14.39575 Log likelihood 49.98558 24.22692 41.20102 36.84275 Akaike AIC -3.563964 -1.32408 -2.800088 -2.421109 Schwarz SC -3.11964 -0.879756 -2.355765 -1.976785

的单位根的模都在1内，得出的VAR模型稳定。农村经济增长VAR模型单位根检验

在VAR模型的基础上，使用3.协整检验

Jonansen特征轨

迹检验农村经济增长率模型四变量间的协整关系，

协整方程分别按照滞后一期、二期进行，使用无

确定趋势有截距形式，协整向量秩为2。表3显

示了Johansen特征迹检验的计量结果，说明协整方程在滞后一期时，四变量中至少存在1个协

整关系存在，在滞后二期时，四变量至少存在2图1 VAR模型单位根检验个协整关系。从图上可以看出，农村经济增长率VAR模

型

表3 协整模型检验结果

协整秩最大特征值轨迹计量 5%的临界值 Prob.**

滞后一期 None * 0.747734 56.56286 47.85613 0.0062

At most 1 0.454 24.886 29.797 0.166

At most 2 0.380 10.985 15.495 0.212

At most 3 0.000 0.004 3.841 0.950

None * 0.843638 77.73878 47.85613 0.000 滞后二期

At most 1 * 0.696 36.916 29.797 0.006

At most 2 0.332 10.714 15.495 0.230

At most 3 0.081 1.851 3.841 0.174

滞后一期协整方程:agrip = 0.339agric - 0.177agrii - 2.199agrid

(0.222) (0.216) (0.123)

滞后二期协整方程:agrip = 6.558agric + 9.36agrii - 7.357agrid

(1.006) (1.325) (0.828)

通过建立协整方程说明四个自变量中任何一通过检验，说明对农村固定资产与机械投个在滞后二期内的某时间内，都可能改变其它变量资来说，经济增长带来的促进作用更明显，原因在的长期运动状;在长期运动中农村经济增长率与农于经济增长带来农民或乡镇企业的收入增加，再无村金融存贷转化率与农村资本边际产值率率呈现同法获得贷款的情况下主要靠自营资金进行投资。方先变动关系，与农村储蓄率呈现反方向变动关由误差修正变量系数分析，短期内滞后1期的系，说明过高的储蓄率会降低农村经济增长;农村农村经济增长对当前农村经济增长有显著正向作金融存贷转换率在一期、二期协整方程中对经济的用，表明农村的经济增长具有一定的惯性。在无约影响相反，验证了农村贷款对农村经济存在显著影束模型中滞后1、2期的agrii的系数分析，信贷响，但是在短期内影响不明显，甚至产生负影响; 与农村经济增长之间均不存在显著相关关系，在在一期和二期协整方程中的三个自变量的系数逐渐短期内两者不能相互促进;滞后1、2期的农村物增大，说明金融市场融资能力对经济增长的影响效质资本与农村经济增长之间存在显著相关关系，在应的延后周期为1年左右，后续随时间延长影响短期两者可以相互促进;无约束模型中，滞后2期逐渐减轻，其中农村资本边际产值率相对其它两的agrip 与agric对agrii存在显著相关关系，说个变量，在滞后一期和二期内对经济增长的影响都明短期内经济增长与物质资本的增加对信贷的提是最显著的，说明农村固定资产、机械生产力等物高有滞后效应;对农村物质资本agric分析，短质资本对农村经济的增长影响较显著。期内信贷对物质资本的增加影响很小，说明农村金

融机构提供的金融服务没有惠及到大部分的农民和4.ECM模型分析

乡镇企业，农村融资渠道与融资服务质量有待提高。向量误差修正模型(VEC,Vector Error

实证结果说明农业信贷是经济增长的滞后影响项，Correction,)是一个有约束的VAR模型，并在解

但农业经济增长不能吸引到信贷资金流向农业，农释变量中含有协整约束，因此它适用于已知有协整

业经济增长与农业信贷之间的影响机制属于单向传关系的非平稳序列。当有一个大范围的短期动态波

导，信贷支农可能需要行政力量。动时，VEC表达式会限制内生变量的长期行为收

敛于它们的协整关系。因为一系列的部分短期调整五、政策建议可以修正长期均衡的偏离，所以协整项被称为是误

差修正项。误差修正项反映了长期均衡对短期波动 (一)提高农村信贷效率,发展农村乡镇企业偏离自我修正的动态机制。农业信贷在现代农业发展中起着非常重要的

作用，但是通过我们的分析发现农业贷款对经济的表4显示在约束模型和无约束模型中对

agrip 变量来说，误差修正项、促进作用不是特别明显，原因在于农村产业经济增系数均在 5%的置信水平下通过统计检验，说明长长的低效性及高风险性, 导致资金雄厚的国有银行期信贷对农业经济具有显著促进作用，国家可先后退出农村市场，一般的商业性资金也不愿进以通过信贷入。对此政府应采取措施，鼓励发展乡镇企业，从支农发展农业生产;对agrii变量来说，误差修文中数据可以看出乡镇企业贷款占农村存款比例越正项在约束模型和无约束模型中通过统计检高，向固定资产与机械生产力的投资越多，农村产验，而系数均未通过统计检验，说明在长业越高效，一定程度上脱离自然环境也降低了农期农业经济增长对信贷资金缺乏必要的吸引力; 村GDP发展的风险性，有利于农村经济增长。此变量agric与agrii相反，未通过统计检验

而

Research

表4 误差修正模型

无约束模型约束模型

D(AGRIP) D(AGRII) D(AGRIC) D(AGRIP) D(AGRII) D(AGRIC)

0.306 -0.289 0.397 0.247262 0.159339 0.514129

[ 4.10076] [-1.13501] [ 3.09090] [ 2.96384] [ 0.55824] [ 3.57201]

0.50343 -1.781319 0.016137 0.252628 -1.942939 -0.505353 [ 4.47312] [-4.62613] [ 0.08310] [ 2.04545] [-4.59802] [-2.37161] 0.913923 -0.915762 0.789604 0.913923 -0.915762 0.789604 D(AGRIP(-1)) [ 4.10846] [-1.20325] [ 2.05741] [ 4.10846] [-1.20325] [ 2.05741] 0.144035 -2.500611 0.240613 0.144035 -2.500611 0.240613 D(AGRIP(-2)) [ 0.56545] [-2.86931] [ 0.54750] [ 0.56545] [-2.86931] [ 0.54750]

-0.436497 0.611991 -0.082809 -0.436497 0.611991 -0.082809 D(AGRII(-1)) [-4.29003] [ 1.75804] [-0.47174] [-4.29003] [ 1.75804] [-0.47174]

-0.108084 0.221856 0.198793 -0.108084 0.221856 0.198793 D(AGRII(-2)) [-1.31588] [ 0.78946] [ 1.40281] [-1.31588] [ 0.78946] [ 1.40281] -0.305326 0.542451 0.580689 -0.305326 0.542451 0.580689 D(AGRID(-1)) [-2.13881] [ 1.11064] [ 2.35774] [-2.13881] [ 1.11064] [ 2.35774] 0.357309 -0.619255 -0.405072 0.357309 -0.619255 -0.405072 D(AGRID(-2)) [ 3.28899] [-1.66607] [-2.16119] [ 3.28899] [-1.66607] [-2.16119] -0.687466 0.444024 -1.273748 -0.687466 0.444024 -1.273748 D(AGRIC(-1)) [-3.68616] [ 0.69588] [-3.95868] [-3.68616] [ 0.69588] [-3.95868] -0.794583 1.527149 -0.568807 -0.794583 1.527149 -0.568807 D(AGRIC(-2)) [-4.45411] [ 2.50212] [-1.84812] [-4.45411] [ 2.50212] [-1.84812]

注:误差修正项为agrip对滞后一期agrii、agric和agrid的回归残差，为agrii对滞后一期agrip、agric和agrid的回归残差。

外，乡镇企业的发展还有利于吸收农村剩余劳动衡，金融服务不到位，致使目前的农村金融市场不力，提高农民收入水平, 壮大农村经济市场，从而能高效率地为农村经济增长提供资金支持。从本文带动农村经济增长。分析可以看出，虽然农村信贷对经济发展产生长期

而现实中农村经济发展面临严重的资金短缺影响，但由于中国村产业对信贷资金缺乏吸引，导问题，乡镇企业金融难的问题是制约乡镇企业发展致农村经济的增长不能促进信贷资金流向农业，这的瓶颈。建立一个合理、高效、完善的乡镇企业金更需要农村金融市场特别是农村信用社的支持。要融体系，扩大农村信贷规模，适当引导农村储蓄转完善农村信用社的管理体系，加强农村信用社的风化为农村投资，调整政府在农村金融市场的政策制险控制，规范存贷程序, 减少坏账比例，开发适应定者地位。当地农村金融市场的金融产品;应完善农村金融机

构的进入与退出机制, 鼓励多种形式的金融机构进 (二)优化农村金融结构,服务农村融资需求

入，引入竞争机制，优化农村金融市场融资渠道。农村金融市场融资结构的优化将促进农村金

融效率的提高，进而促进农村经济的长期增长。所

以，优化农村金融市场融资结构应该成为农村金融

参考文献: 改革的一项重要举措。目前在农村金融市场中，农

[1]Gurley, J. G. & E. S. Shaw. Financial Aspects 村信用社在农村金融融资方面占据垄断地位是上述 of Economic Development![J].American Economic 结果的主要原因。较少且单一类型的金融机构导致 Review,1955, 45(4): 515-538. 农村金融市场缺少竞争机制，金融供给与需求失

[2]Goldsmith, R. Financial Structure and Economic king1997,(30):657-678.

O Demetriades, Pande B Luintel. [7]Burgess Development[M].New Haven: Yale University

Financial Development, Economic Growth and Press,1969.

Banking Sector Control:Evidence from India[J]. [3]KOESTER ULRICH. CAP is something we can

The Economics Journal,2003(12)，39-69. bepround of [ R] . Working Paper ,University of

[8]林毅夫.再论制度、技术与中国农业发展[M].北京: Kiel ,2000.

北京大学出版社,2000,第207页. [4]Engle R.F. Granger. Cointegration andAnd

[9]李锐,李宁辉.农户借贷行为及其福利效果分析[J].经 Error-Correction:Representation, Estimation, and

Testing[J]. Econometrica,1987(55):251-276. 济研究,2004(12),第96-104页. [10]杨栋，郭玉清.中

国农业贷款效率——基于双方程误差修正模型[J].金融[5]Hendry, D.F. Dynamic Econometrics[M].

研究,2007(9),第151页. Oxford: Oxford University Press.1995, 1 -29

[6]Rousseau P.L. And Wachetel, P. “Financial [11]魏君英,师文明.农业贷款对农业经济增长影响的实

Intermediation and Economic Performance: 证分析[J].江西农业大学学报,2007,第9卷第4期.

Historical Evidence from Five Industrial

Conuntries”[M].Journal of Money, Credit and Ban

Analysis of the Impact of Chinese Rural Financial Development to the Rural Economy

-- Based on AK Theory Multi Variable Error Correction Model

ZHANG Yu CHEN Jie PAN Hongjing

Abstract: In this paper, through the fi nancing capacity of rural fi nancial market and credit ef fi ciency impact on the rural economy, to analyze the rural fi nancial development on the importance of agricultural economy Chinese. First, based on the fi nancial index of Pagano Hei Sen's theory of economic growth is choosing and economic growth rate, which can re fl ect the rural fi nancial market fi nancing capacity, then the fi nancial indicators based on, through the error correction

model, development in a uni fi ed framework of integrated analysis of the fi nancial impact on the rural economy, and quantitative analysis of the interaction process of rural economic growth and credit investment, between. Measurement results appear in long-term credit and optimize the financial structure, improve the financial financing channels to promote agricultural economic growth, but Chinese agricultural economic growth cannot endogenous attract credit funds. The long-term mechanism of agricultural economic growth is the development of ef fi cient agriculture, supervision departments should adopt guidelines to improve rural fi nancial structure and fi nancial channels, to promote the credit supporting agriculture especially support township enterprises investment, to achieve the benign interaction of rural industry and rural fi nancial market.

Key Words:Pagano Endogenous Economic Growth; Error Correction Model

:责任编辑:何昆烨:

范文二：误差修正模型

误差修正模型

案例分析

在此，我们考虑从1978年到2002年城镇居民的人均可支配收入income与人均消费水平consume的关系，数据来自于《中国统计年鉴》，如表8.1所示。根据相对收入假设理论，在一定时期，人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响，具有一定的消费惯性，这就是消费的棘轮效应。从这个理论出发，我们可以建立如下(8.1)式的模型。同时根据生命周期假设理论，消费者的消费不仅与当期收入有关，同时也受过去各项的收入以及对将来预期收入的限制和影响。从我们下面的数据分析中，我们可以把相对收入假设理论与生命周期假设理论联系起来，推出如下的结果:当期的消费水平不仅与当期的可支配收入有关，而且还与前期的可支配收入、前两期的消费水平有关。在此先对人均可支配收入和人均消费水平取对数，同时给出如下的模型

lconsutm e t=1,2,…,n

(8.1) ??e0??1lconsut?me?2lincotm1?

?lconsumet??0??1?lincomet??2?lconsumet?1??3ecmt?1??4t

t=1,2,…,n (8.2) ecmt= lconsumet??0??1lconsumet?1??2lincomet?1

t=1,2,…,n (8.3) 从(8.2)式我们可以推出如下的方程:

lconsumet?(1??1??3)lconsumet?1?(?1??3?1)lconsumet?2??2lincomet?(?2??3

?2)lincomet?1??0??3?0??4t

在(8.2)中?lconsume(8.4) 、 ?lincome分别为变量对数滞后一期的值，ecm(?1)为误差修正项，如(8.3)式所示。(8.2)式为含有常数项和趋势项的形式，我们省略了只含趋势项或常数项及二项均无的形式。

表8.1

分析步骤:

1、单位根检验。

我们先介绍ADF检验。在检验过程中，若ADF检验值的绝对值大于临界值的绝对值，则认为被检验的序列为平稳序列。在此我们先以对lincome的检验为例，在主菜单中选择Quick/Series Statistics/Unit Root Test，屏幕提示用户输入待检验序列名，输入lincome，单击OK进入单位根检验定义的对话框，如图8.1。

图8.1

对话框由三部分构成。检验类型(Test Type)中默认项是ADF检验。Test for unit root In 中可选择的是对原序列、一阶差分序列或是二阶差序列做单位根检验，在此我们保持默认的level,即原序列。右上方的Include in test equation中，有三个选项，依次为含常数项，含常数项和趋势项，没有常数项且没有趋势。在右下方的空格里默认为2，但我们一般根据AIC最小来确定滞后期数，本文选定为滞后一期。检验的顺序为:先选含趋势项和常数项的检验，如果趋势项的T统计量不明显，就再选只含常数项的，如果常数项的T统计量不明显，就选择常数项和趋势项均不包括的一项。当我们选含趋势项和常数项的检验时，会出现下面的结果，如图8.2所示。

图8.2

在检验的结果输出窗口中，左上方为ADF检验值，右上方为1%、5%和,0%的显著水平下的临界值，从图8.1中可以看出ADF统计的检验值为-3.117,其绝对值小于10%的显著水平的临界值–3.2856的绝对值。同时趋势值的,统计来看，在,,的水平下显著。注意，这里的,统计量不同于我们在做最小二乘时用的,统计值。这些T统计检验的临界值在,uller(1976)中给出(从上面的分析我们可以认为该序列为非平稳的序列，且该序列有趋势项和常数项。在下文中我们会进行一步介绍只含常数项的和常数项与趋势项均不包括的,,,检验的过程。

在上面分析的基础上，我们回到图8.1的窗口，检验lincome差分一阶的平稳性。在图8.1中的Test for unit root In中选差分一阶，同时在Include in test equation中选取含趋势项和常数项这一项，我们同样根据AIC和SC最小来选择滞后两期。此时会出现如下图8.3的结果:

图8.3

从上图中可以看出ADF的绝对值小于5%水平下的临界值的绝对值，大于10%的检验值的绝对值。但此时趋势项的T检验值不明显。所以我们回到图8.1的窗口，

在Include in test equation中选取含常数项这一项。其结果如下图8.4所示，结果显示ADF的绝对值为3.4546大于5%水平下的临界值的绝对值，此时常数项的,检验值为3.34572，大于在显著水平为,,水平下的,临界值为2.61，所以常数项T检验值很明显。我们认为lincome序列差分一阶后为平稳的。值得注意的是，我们在此选择10%为临界值来判断非平稳的情况，而选择5%的临界值来判断平稳的情况，也就是，当ADF检验值

的绝对值大于5%水平下的临界的绝对值。

图8.4

同时我们也可以用命令来执行单位根检验，格式如下:

uroot(lags,options,h) series_name

其中，lags指式中滞后的阶数，options中可以选三个c、t和n，其中c代表含趋势项，t代表含趋势项和常数项,n代表不含趋势项也不含常数项。H表示采用pp检验， series_name即为序列名。

DF检验相当于ADF检验中的不含趋势项的常数项的情况。我们在此不再叙述。 ,、协整检验。

在上面的例子中我们分析出城镇居民可支配收入为一阶单整序列，同时我们采用同样的分析方法，可知城镇居民的人均消费支出也为一阶单整。由此，可以对序列进行协整估计。

用变量lgdp对变量lm2进行普通最小二乘回归，在主窗口命令行中输入:

ls lconsume c lconsume(-1) lincome

回车得到回归模型的估计结果，如图8.5所示。

图8.5

此时系统会自动生成残差，我们令残差为ecm，命令如下:

ecm=resid

对残差项进行单位根检验，滞后期为,，结果如表8.2所示，从表中可以看出，残差序列为平稳序列，该协整关系成立。

表8.2

ls d(lconsume) c d(lincome) d(lconsume(-1)) ecm(-1)

此时的常数项系数不明显，我们去掉常数项后再进行回归，结果如下图8.6所示

图8.6

从上式可以看出上式中的T检验值均显著，误差修正项的系数为-0.252,这说明长期均衡对短期波动的影响不大。

下面我们短期会给出另一种估计方式。我们可以直接进行估计，命令为: ls lconsume c lincome lconsume(-1) lconsume(-2) lincome(-1) 结果如下图8.7所示:

图8.7

比较两种估计方法的结果，可知，第二种估计方法的拟合优度要好于第一种的拟合优度。但第一种方法似乎比第二种方法更能说明经济问题，因为没有差分的模型表现的是长期的均衡关系，而差分后的方程则反映了短期波动的决定情况，其中的误差项反映了长期均衡对短期波动的影响。注意，我们同样可以根据前面的(8.1)、 (8.2)及(8.3)式，把第一种方法通过代数变换，转换成第二种形式，在此我们省略了变换过程。

范文三：误差修正模型

协整与误差修正模型

在处理时间序列数据时, 我们还得考虑序列的平稳性。如果一个时间序列的均值或自协方差函数随时间而改变, 那么该序列就是非平稳的。对于非平稳的数据, 采用传统的估计方法,可能会导致错误的推断,即伪回归。若非平稳序列经过一阶差分变为平稳序列,那么该序列就为一阶单整序列。对一组非平稳但具有同阶的序列而言, 若它们的线性组合为平稳序列,则称该组合序列具有协整关系。对具有协整关系的序列, 我们算出误差修正项,并将误差修正项的滞后一期看做一个解释变量, 连同其他反映短期波动关系的变量一起。建立误差修正模型。

建立误差修正模型的步骤如下:首先, 对单个序列进行单根检验, 进行单根检验有两种:ADF (Augument Dickey-Fuller)和 DF(Dickey-Fuller)检验法。若序列都是同阶单整,我们就可以对其进行协整分析。在此我们只介绍单个方程的检验方法。对于多向量的检验参见 Johensen 协整检验。我们可以先求出误差项, 再建立误差修正模型, 也可以先求出向量误差修正模型, 然后算出误差修正项。补充一点的是, 误差修正模型反映的是变量短期的相互关系,而误差修正项反映出变量长期的关系。下面我们给出案例分析。

案例分析

在此,我们考虑从 1978年到 2002年城镇居民的人均可支配收入 income 与人均消费水平 consume 的关系,数据来自于《中国统计年鉴》 ,如表 8.1所示。根据相对收入假设理论 , 在一定时期, 人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响, 具有一定的消费惯性, 这就是消费的棘轮效应。从这个理论出发, 我们可以建立如下 (8.1) 式的模型。同时根据生命周期假设理论 , 消费者的消费不仅与当期收入有关, 同时也受过去各项的收入以及对将来预期收入的限制和影响。从我们下面的数据分析中, 我们可以把相对收入假设理论与生命周期假设理论联系起来, 推出如下的结果:当期的消费水平不仅与当期的可支配收入有关, 而且还与前期的可支配收入、前两期的消费水平有关。在此先对人均可支配收入和人均消费水平取对数,同时给出如下的模型

t t t l i n c o m e l c o n s u m e l c o n s u m e 2110?+?+?=- t=1,2,…,n (8.1) 如果当期的人均消费水平与当期的人均可支配收入及前期的人均消费水平均为一阶单整序列, 而它们的线性组合为平稳序列, 那么我们可以求出误差修正序列, 并建立误差修正模型,如下:

t ecm lconsume lincome lconsume t t t t 4131210βββββ++?+?+=?-- t=1,2,…,n (8.2)

t ecm = 12110--?-?-?-t t t lincome lconsume lconsume t=1,2,…,n (8.3)

从(8.2)式我们可以推出如下的方程:

lincome lincome lconsume lconsume lconsume t t t t t 4030123222131131) () () 1(ββββββββββ+?-+?--+?--++=---(8.4)

在(8.2)中 lc o n su m e

?、 lincome ?分别为变量对数滞后一期的值, ) 1(-ecm 为误差

修正项,如(8.3)式所示。 (8.2)式为含有常数项和趋势项的形式,我们省略了只含趋势项或常数项及二项均无的形式。

表 8.1

分析步骤 :

1、单位根检验。

我们先介绍 ADF 检验。在检验过程中,若 ADF 检验值的绝对值大于临界值的绝对值,则认为被检验的序列为平稳序列。在此我们先以对 lincome 的检验为例,在主菜单中选择 Quick/Series Statistics/Unit Root Test,屏幕提示用户输入待检验序列名, 输入 lincome ,单击 OK 进入单位根检验定义的对话框,如图 8.1。

图 8.1

对话框由三部分构成。检验类型(Test Type )中默认项是 ADF 检验。 Test for uni t root In 中可选择的是对原序列、一阶差分序列或是二阶差序列做单位根检验,在此我们保持默认的 level, 即原序列。右上方的 Include in test equation 中, 有三个选项, 依次为含常数项, 含常数项和趋势项, 没有常数项且没有趋势。在右下方的空格里默认为 2,但我们一般根据 AIC 最小来确定滞后期数,本文选定为滞后一期。检验的顺序为:先选含趋势项和常数项的检验,如果趋势项的 T 统计量不明显,就再选只含常数项的, 如果常数项的 T 统计量不明显,就选择常数项和趋势项均不包括的一项。当我们选含趋势项和常数项的检验时,会出现下面的结果,如图 8.2所示。

图 8.2

在检验的结果输出窗口中,左上方为 ADF 检验值,右上方为 1%、 5%和10%的显著水平下的临界值, 从图 8.1中可以看出 ADF 统计的检验值为 -3.117, 其绝对值小于 10%的显著水平的临界值 – 3.2856的绝对值。同时趋势值的T统计来看, 在5%的水平下显著。注意,这里的T统计量不同于我们在做最小二乘时用的T统计值。这些 T 统计检验的临界值在F uller (1976)中给出.从上面的分析我们可以认为该序列为非平稳的序列,且该序列有趋势项和常数项。在下文中我们会进行一步介绍只含常数项的和常数项与趋势项均不包括的ADF检验的过程。

在上面分析的基础上,我们回到图 8.1的窗口,检验 lincome 差分一阶的平稳性。在图 8.1中的 Test for unit root In中选差分一阶,同时在 Include in test equation中选取含趋势项和常数项这一项,我们同样根据 AIC 和 SC 最小来选择滞后两期。此时会出现如下图 8.3的结果:

图 8.3

从上图中可以看出 ADF 的绝对值小于 5%水平下的临界值的绝对值, 大于 10%的检验值的绝对值。但此时趋势项的 T 检验值不明显。所以我们回到图 8.1的窗口,

在 Include in test equation中选取含常数项这一项。其结果如下图 8.4所示,结果显示 ADF 的绝对值为 3.4546大于 5%水平下的临界值的绝对值, 此时常数项的T检验值为 3.34572,大于在显著水平为5%水平下的T临界值为 2.61,所以常数项 T 检验值很明显。我们认为 lincome 序列差分一阶后为平稳的。值得注意的是,我们在此选择 10%为临界值来判断非平稳的情况, 而选择 5%的临界值来判断平稳的情况, 也就是,当 ADF 检验值的绝对值大于 5%水平下的临界的绝对值。

图 8.4

同时我们也可以用命令来执行单位根检验,格式如下: uroot(lags,options,h) series_name

其中, lags 指式中滞后的阶数, options 中可以选三个 c 、 t 和 n ,其中 c 代表含趋势项, t 代表含趋势项和常数项 ,n 代表不含趋势项也不含常数项。 H 表示采用 pp 检验, series_name即为序列名。

DF 检验相当于 ADF 检验中的不含趋势项的常数项的情况。我们在此不再叙述。 2、协整检验。

在上面的例子中我们分析出城镇居民可支配收入为一阶单整序列, 同时我们采用同样的分析方法,可知城镇居民的人均消费支出也为一阶单整。由此,可以对序列进行协整估计。

用变量 lgdp 对变量 lm2进行普通最小二乘回归,在主窗口命令行中输入: ls lconsume c lconsume(-1) lincome

回车得到回归模型的估计结果,如图 8.5所示。

图 8.5

此时系统会自动生成残差,我们令残差为 ecm ,命令如下:

ecm=resid

对残差项进行单位根检验, 滞后期为1, 结果如表 8.2所示, 从表中可以看出, 残差序列为平稳序列,该协整关系成立。

表 8.2

3、误差修正模型。

上面的分析可以证明序列 lconsume 、 lincome 及 lconsme(-1)之间存在协整关系, 故可以建立 ecm (误差修正模型) 。先分别对序列 lconsume 、 lincome 及 lconsme(-1)进行一阶差分 , 然后对误差修正模型进行估计。在主窗口命令行中输入:

ls d(lconsume) c d(lincome) d(lconsume(-1)) ecm(-1)

此时的常数项系数不明显,我们去掉常数项后再进行回归, 结果如下

图 8.6所示

图 8.6

从上式可以看出上式中的 T 检验值均显著,误差修正项的系数为 -0.252, 这说明长期均衡对短期波动的影响不大。

下面我们短期会给出另一种估计方式。我们可以直接进行估计,命令为:

ls lconsume c lincome lconsume(-1) lconsume(-2) lincome(-1) 结果如下图 8.7所示:

图 8.7

比较两种估计方法的结果,可知,第二种估计方法的拟合优度要好于第一种的拟合优度。但第一种方法似乎比第二种方法更能说明经济问题, 因为没有差分的模型表现的是长期的均衡关系,而差分后的方程则反映了短期波动的决定情况,其中的误差项反映了长期均衡对短期波动的影响。注意,我们同样可以根据前面的(8.1)、 (8.2)及 (8.3)式,把第一种方法通过代数变换,转换成第二种形式,在此我们省略了变换过程。

范文四：误差修正模型

第二节误差修正模型（Error Correction Model，ECM）

一、误差修正模型的构造

对于yt的(1，1)阶自回归分布滞后模型：

yt????0xt??1xt?1??2yt?1??t

在模型两端同时减yt-1，在模型右端??

xt?1，得：

?yt????0?xt?(?0??1)xt?1?(?2?1)yt?1??t??0?xt?(?2?1)[yt?1?

???0

(1??2)

xt?1]??t

??0?xt??(yt?1??0??1xt?1)??t

其中，????1，??(???)/(1??)，?记 ecmt?1?yt?1??0??1xt?1

??1/(1??2)。

（5-5）

（5-6）

则

?yt??0?xt??ecm

t?1

??t

称模型（5-6）为“误差修正模型”，简称ECM。

二、误差修正模型的含义

如果yt ~ I(1)，xt ~ I(1)，则模型（5-6）左端?y~I(0)，右端?x~I(0)，所以只有当yt和xt协整、即yt和xt之间存在长

期均衡关系时，式（5-5）中的ecm~I(0)，模型（5-6）两端的平稳性才会相同。

当yt和xt协整时，设协整回归方程为：

yt??0??1xt??t

它反映了yt与xt的长期均衡关系，所以称式（5-5）中的ecmt-1

是前一期的“非均衡误差”，称误差修正模型（5-6）中的?ecm

t?1

是误差修正项，????1是修正系数，由于通常|?|?1，这样

当ecmt-1 >0时（即出现正误差），误差修正项?ecm

而ecmt-1 0，两者的方向恰

t?1

好相反，所以，误差修正是一个反向调整过程（负反馈机制）。

误差修正模型有以下几个明确的含义： 1．均衡的偏差调整机制 2．协整与长期均衡的关系

3．经济变量的长期与短期变化模型长期趋势模型：短期波动模型：

yt??0??1xt??t

?yt??0?xt??ecm

t?1

??t

三、误差修正模型的估计

建立ECM的具体步骤为：

1．检验被解释变量y与解释变量x（可以是多个变量）之间的协整性；

2．如果y与x存在协整关系，估计协整回归方程，计算残差序列et：

y????x?? e?y??????x

3．将et-1作为一个解释变量，估计误差修正模型： ?y???x??e?v 说明：

（1）第1步协整检验中，如果残差是确定趋势过程，可以在第2步的协整回归方程中加入趋势变量；

（2）第2步可以估计动态自回归分布滞后模型：

y?????x???y?? 此时，长期参数为： ????(1???)

协整回归方程和残差也相应取成：

tt0t

t0tt?1t

tit?iit?it

yt??xt， et?yt???xt

（3）第2步估计出ECM之后，可以检验模型的残差是否存在长期趋势和自相关性。如果存在长期趋势，则在ECM中加入趋势变量。如果存在自相关性，则在ECM的右端加入?y和?x的滞后项来消除自相关性，误差修正项的滞后期一般也要作相应调整。如取成以下形式：

?y???x???x???y???x???y??e?v 由于模型中的各项都是平稳变量，所以可以用t检验判断各项的显著性，逐个剔除其中不显著的变量，当然误差修正项要尽可能保留。

【例5-3】建立例5-2中我国货币供应量与国民收入的误差修正模型。协整关系。

在例5-2中已经得到我国货币供应量和国民收入的对数都是一阶单整变量，而且是协整的；所以，直接估计误差修正模型（设残差序列是e）：

LS D(LX) D(LX) E(-1)

估计结果如图5-9所示，误差修正项的符号是负的，但是t检验不显著。对模型的残差序列进行自相关检验，DW检验和BG检验结果都说明存在一阶自相关；所以，点击方程窗口的Estimate按钮，在方程描述框中重新定义待估方程：

D(LX) D(LX) E(-1) D(LX(-1)) D(LY(-1))

根据输出结果，剔除其中不显著的?y，得到图5-10的估计

t?1

t?2

t?1

结果。模型中误差修正项的符号是负的，而且各项的t检验显著，所以，我国货币供应量的误差修正模型为：

?lny?2.2922?lnx?1.1855?lnx?0.6716e

t?1

（4.87）（-2.92）（-2.58） R2=0.4693 SE=0.0603 DW=0.9649

图5-9

ECM的最初估计结果

图5-10

ECM的最终估计结果

案例分析：我国金融发展与经济增长的协整分析

表5-4中列出了1989~2006年期间我国国内生产总值指数（1978=100）、货币供应量M2（亿元）、金融机构年末贷款余额（亿元）和商品零售价格指数（1978=100）的统计资料。现以货币供应量和贷款余额反映金融的发展情况，分析金融发展与经济增长的协整关系，以及相应的误差修正模型。

表5-4 我国1989~2006年统计资料

1．数据处理与单整性检验为消除价格因素的影响，将货币供应量M2和贷款余额L都除以物价指数P，得到实际货币量；同时为了将各项指标的变化趋势转变成线性趋势，对所有变量都取对数。变量的处理过程为：

GENR LY=LOG(Y)

GENR LMP=LOG(M2/P) GENR LLP=LOG(L/P) 模型形式为：

lnY????ln(M2/P)??ln(L/P)??

对模型中的变量进行单位根检验，表5-5列出了有关检验结果。该表是另外一种常用的检验结果表现形式，其中，p表示麦金农单侧概率值，即ADF统计量对应的伴随概率；在ADF统计量值上的*号，表示检验的显著情况：无*号表示不显著，***、**、*分别表示在1%、5%、10%的显著水平下显著。表5-5的检验结果表明，所有变量都是确定趋势

过程，此时不需要再对各个变量的一阶差分进行单位根检验了，即都~I(1)。

表5-5 单位根检验输出结果

2．协整性检验

估计协整回归方程，由于模型中变量都含有长期趋势，所以在原模型中再加上取食变量T，键入命令：LS LY C LMP LLP T，估计结果如图5-11所示。

图5-11 协整回归方程估计结果（1）

由于模型中LMP与LLP高度相关，多重共线性的影响使得贷款变量的系数符号为负，经济意义不合理。经过多个模型的测算，最终将LMP与LLP合并成一个变量表示金融的发展规模，得到如图5-12所示的估计结果。

图5-12 协整回归方程估计结果（2）

在方程窗口中点击Proc \Make Residual Series，生成残差序列（设变量名为E）；进一步检验残差序列的平稳性（检验结果见图5-13），在1%的显著水平下，残差序列是平稳的。所以，根据EG两步检验法，lnGDP与实际货币和实际贷款（的对数）之间存在着协整关系。协整回归方程为：

2.82?0.3284(lnMP?lnLP) lnY

图5-13 残差序列E的平稳性检验结果 3．建立误差修正模型

为表示简单起见，设：LX=LMP+LLP；键入命令： GENR LX=LMP+LLP LS D(LY) E(-1)

输出结果显示Et-1的系数不显著，对模型进行残差检验，发现存在一阶自相关性；所以，在模型中再加入LY和LX的滞后项，利用t检验剔除不显著变量后，得到ECM的最后估计结果（见图5-14）。

图5-14 ECM的最终估计结果

所以，我国经济增长与金融发展的关系模型可以表述成：长期均衡关系：

??2.82?0.3284(lnMP?0.5559lnLP) lnY

短期波动模型：

?lnYt?0.1106?(lnMPt?lnLPt)?0.0618?(lnMPt?1?lnLPt?1)?0.5092?lnYt?1?0.2431et?2

范文五：误差修正模型ECM

Error Correction Model 用EVIEWS怎么做

一、利用EG两步法做协整检验。在两个变量情况下(设为Y、X)，包括两序列单整检验、两变量最小二乘法回归并得到残差序列并命名为e、对e作单位根检验。

二、在证明Y、X两序列间存在协整后，才可以建立ECM。其中，误差修正项ecm的值就是之前的回归模型的残差序列e。

三、直接输入以下命令:

ls y c y(-1) x x(-1)

得到的估计结果在实际预测时比较方便，不过需要计算得到ecm项的系数。

四、也可以直接输入以下命令:

ls y c x e(-1)

其中，e(-1)项的系数就是ecm项的系数。这个模型的优点是直观，但是不便于预测。

五、两种估计是等价的。

六、建议参考阅读易丹辉:《数据分析与EViews应用》，中国统计出版社2002年版。(也许有新版也不一定)

对于误差修正模型，需要先建立一个模型，然后进行回归分析，分析它的短期均衡关系。

操作:举个例子说，比如试图建立y对y(-1)和x的误差修正模型。

STEP1 建立长期关系

ls y c y(-1) x

STEP2 对残差进行单位根检验来检验协整关系

ecm=resid

uroot(10,h) ecm

STEP3 建立误差修正模型

ls d(y) c d(y(-1)) d(x) ecm(-1)

教程:

案例1

上面的分析可以证明序列lconsume、lincome及lconsme(-1)之间存在协整关系，故可以建立ecm(误差修正模型)。先分别对序列lconsume、lincome及lconsme(-1)进行一阶差分,然后对误差修正模型进行估计。在主窗口命令行中输入:

ls d(lconsume) c d(lincome) d(lconsume(-1)) ecm(-1)

此时的常数项系数不明显，我们去掉常数项后再进行回归，结果如下图8.6所示

图8.6

从上式可以看出上式中的T检验值均显著，误差修正项的系数为-0.252,这说明长期均衡对短期波动的影响不大。

下面我们短期会给出另一种估计方式。我们可以直接进行估计，命令为:

ls lconsume c lincome lconsume(-1) lconsume(-2) lincome(-1)

结果如下图8.7所示:

图8.7

案例2

转载请注明出处范文大全网 » 中国农村金融发展对农村经济的