格兰杰因果分析（共6篇）
格兰杰因果分析 篇1
自改革开放以来, 长期持续的贸易顺差为我国积累了超过3万亿的美元外汇储备, 但面临着人民币不断升值、美国国债违约的危机, 以及中国企业不断做大做强、国内市场已不能满足其发展需要的情况之下, 中央与全国人大均提出了实施中国企业“走出去”战略, 把“引进来”和“走出去”结合起来, 更好地利用国内外的资源和市场。但对外直接投资对社会福利是否能够产生正的效应?本文采用全球1970-2010年233个国家 (地区) 的对外直接投资OFDI与GDP作为变量, 验证它们之间是否存在正相关的格兰杰因果关系。
在上个世纪80年代已有大量的国际对外投资, 大多数发达国家对国内资金对外直接投资具有鼓励政策, 对全球平均水平来说, 国际对外投资是否能够促进投资国的GDP增长, 下面对WGDP和WOFDI进行Granger因果关系检验。Granger因果关系检验假设有关WGDP和WOFDI的每一变量的预测信息全部包含在自身时间序列之中。
其中白噪音u2t和u2t假定为独立同分布。
式1原假设:WOFDI不是WGDP的Granger原因,
即H0:β1=…=βq=0
式2原假设:WGDP不是WOFDI的Granger原因,
即H0:δ1=…=δq=0
因此会出现四种情况。
第一, WOFDI是引起WGDP变化的原因, 即存在由WOFDI到WGDP的单向因果关系。若拒绝式1原假设H0:β1=…=βq=0, 同时不能拒绝式2原假设H0:δ1=…=δq=0, 则称WOFDI是引起WGDP变化的原因。
第二, WGDP是引起WOFDI变化的原因, 即存在由WGDP到WOFDI的单向因果关系。若拒绝式2原假设H0:δ1=…=δq=0, 同时不能拒绝式1原假设H0:β1=…=βq=0, 则称WGDP是引起WOFDI变化的原因。
第三, WOFDI和WGDP互为因果关系, 即存在由WOFDI到WGDP的单向因果关系, 同时也存在由WGDP到WOFDI的单向因果关系。若同时拒绝式1原假设H0:β1=…=βq=0, 式2原假设H0:δ1=…=δq=0, 则称WOFDI和WGDP间存在双向因果关系。
数据来源:根据联合国贸发会议UNCTAD数据测算结果注:滞后项表达形式, 以WGDP为例, WGDP一阶滞后项为WGDP (-1) , 以此类推
第四, WOFDI和WGDP是独立的, 或WOFDI与WGDP间不存在因果关系。若同时不能拒绝式1原假设H0:β1=…=βq=0, 式2原假设H0:δ1=…=δq=0, 则称WOFDI和WGDP间不存在因果关系。
在5%的显著性水平下, WOFDI除了WOFDI (-1) , WOFDI (-2) 接受“WGDP不是引起WOFDI变化的原因”的原假设之外, 从滞后第三期开始WOFDI都显著影响WGDP, 是引起WGDP变化的原因;而WGDP (-1) 至WGDP (-5) 都显著是引起WOFDI变化的原因, 但从滞后第六期开始, WGDP (-6) 至WGDP (-10) 都不能显著影响WOFDI。
在5%的显著性水平下, 在滞后1-2期, WGDP是WOFDI的Granger原因, 存在由WGDP到WOFDI的单向因果关系;在滞后3-5期, WGDP与WOFDI互为因果关系双向;在滞后6-10期, WOFDI是WGDP的Granger原因, 存在由WOFDI到WGDP的单向因果关系。因而在统计上证明对于全球来说, 在开始1-2年GDP显著影响OFDI, 在随后GDP与OFDI相互影响、相互促进, 5年后OFDI显著促进GDP, 而GDP不再影响OFDI。
伴随20世纪80年代以来国际投资热潮, 国际贸易组织努力消除壁垒。统计数据证明, 在刚开始的时候, GDP相当于OFDI的助推器, 国内资本是对外直接投资的基础, 随后其对OFDI的影响越来越弱, 而OFDI对GDP的影响则越来越强。拥有较强的生产能力、宏厚的国力是进行对外投资的基石, 而对外投资则能长期提高国家生产能力与综合国力。我国现在已经拥有雄厚的资产, 完全有能力进行对外直接投资, 同时3万亿美元外汇也是我国进行对外直接投资的强劲后盾。实证研究证明, 对外直接投资对于我国来说具有必要性。
参考文献
[1]齐晓华.对外直接投资理论及其在国内的研究[J].经济经纬, 2004 (1) .
[2]郭佳祥.中国对外直接投资与对外贸易关系的协整分析[D].沈阳:辽宁大学, 2012.
[3]刘韵妍.中国对外直接投资、贸易与经济增长关系[D].重庆:重庆大学, 2010.
格兰杰因果分析 篇2
负荷预测的核心问题是预测的技术方法,或者说是预测时所用的数学模型。目前国内外主要的预测方法包括主成分分析法(PCA)[1]、向量自回归(VAR)分析法[2]、协整检验[3]和格兰杰因果检验[4,5]、参数回归分析法[6]、支持向量机分析法[7]等。文献[8,9]提出组合主成分分析法与BP神经网络分析法,根据主成分贡献率对空间进行约简,提取线性无关的输入变量,以此达到压缩变量维数的目的,然后利用考虑模型输入变量相互关系的递推合成BP神经网络进行预测。但是这种方法在对原始数据的处理上没有考虑不同滞后几期对预测结果的影响,也就是说当相关因素发生变化时,对发电量的影响要滞后1个月、2个月甚至几年才能体现。而国内外的负荷预测研究中,很少有人将滞后期考虑在内。因此在进行预测分析时将滞后期考虑在内是十分必要的。
本文针对这一问题,将格兰杰因果检验与主成分相结合,根据格兰杰检验结果对原始数据进行滞后处理,然后再进行预测分析,最后通过实例分析证实了该方法的有效性。
1 带滞后期回归的基本原理
本文首先进行原理分析,然后进行实证分析,其研究流程如图1所示。
1.1 原始数据的处理
对原始数据进行处理,处理过程如下[4,10]:
首先对原始数据x进行二次平滑,平滑公式为:
对第二次平滑序列进行线性预测得出新的预测序列yi+6,然后通过该序列计算季节指数βi+6:
由于存在季节波动,必须对其进行调整,调整公式如下:
根据调整后的季节指数计算波动值ki+6:
最后计算得残值序列Ri+6:
1.2 单位根检验
在单位根(ADF)检验中,一般有2个滞后差分项的等式为[2]:
式中:εt为白色噪声误差项;yt为时间序列;Δyt为时间序列的一阶差分项;β1、β2、β3、β4、β5为常数项;T为时间趋势项;yt-1、yt-2为滞后差分项。
在EViews软件中,ADF检验有3种情况:1)回归方程中包含1个常数项;2)回归方程中包含1个线性时间趋势;3)回归方程中包含多个滞后差分项[2]。
在这3种情况中,ADF检验都是对回归方程中yt-1的系数进行平稳性检验,然后显示ADF检验结果,其结果应包含ADF统计量(检验滞后变量系数)和判断平稳性的临界值。如果yt-1的检验系数小于零,则拒绝yt包含单位根的原假设,从而接受序列yt平稳的备择假设。也就是说如果ADF统计量小于或等于临界值,那么序列yt是平稳的。如果ADF统计量比临界值大,那么序列yt是非平稳的。
1.3 格兰杰因果检验
格兰杰因果检验核心思想是若时间序列yt通过采用xt的历史数据可以提高预测效果,则说明存在从xt到yt的因果关系,否则不存在。传统的格兰杰因果检验的原假设是不存在从xt到yt的因果关系[4,5]。检验关系式如下:
式中:P1、P2为变量的滞后长度。
式(7)的原假设是不存在从xt到yt的因果关系,若β1j是联合显著的,则拒绝原假设。同样,式(8)的原假设是不存在从yt到xt的因果关系,若β2j是联合显著的,则拒绝原假设,表明存在从yt到xt的因果关系。
1.4 主成分分析
主成分分析是指在维持原序列信息基本不变的前提下,利用原序列的1个或多个线性组合来替代原序列并挖掘原序列之间数学关系的一种计量分析方法[8,9]。其数学模型为[8]:
假设有n个观察对象,每个观察对象观测P项指标:x1,x2,…,xP,那么,原始数据的矩阵形式为:
式中:xnp为第n个观察对象的第P个指标的观测值。
如果用x1,x2,…,xp来表p个指标,则x1,x2,…,xp的线性组合可以用1组新的变量Z1,Z2,…,Zp来表示:
如果系数aij满足,i=1,2,…,p而且系数aij的确定使Z与Zj(i≠j)独立,并让Z1在x1,x2,,xp的一切线性组合中的方差最大,让Z2与Z1独立…且在x1,x2,…,xp的一切线性组合中的方差最大,同理,让Zp与Z1,Z2,…,Zp都独立且在x1,x2,…,xp的一切线性组合中的方差最大,那么就认为Z1,Z2,…,Zp是原变量的第一、第二及至第p主成分。
主成分的求解可以通过以下3个步骤来处理[9]。
(1)观测得出样本矩阵
式中:i为样本数;j为变量数。
将原始数据标准化后得:
(2)观测对象的相关系数矩阵
用雅克比方法计算特征方程,求出与相关系数矩阵R对应的p个非负的特征值,并一一对应特征值:λ1>λ2>…>λp,≥0,则相应的λi的特征向量A(i)为:
并满足:
(3)第m个主成分的累积方差
累积方差α最接近于1的第m个因子为第m主成分,据此选择前面m个因子作为第一主成分、第二主成分及至第m主成分。通过这样的变换,解释因子由p个减少为m个,达到了筛选因子的目的。
2 实例分析
实证的具体过程如图2所示。
影响电力负荷预测的因素有很多,主要有电力消费结构、经济发展水平及经济结构的调整、收入水平及消费观念等。本文选用全行业用电量和城乡居民生活用电量表示电力消费结构,用社会消费品零售总额和出口商品总额代表经济发展水平,用全国居民消费价格指数代表收入水平及消费观念。
采用2004年1月到2012年12月共108个月的中国发电量及其相关的5个因素作为分析数据,预测2012年1月到12月的发电量。图3为发电量与各相关因素关系图,图3中Y表示发电量,X1表示全行业用电量,X2表示城乡居民生活用电量,X3表示社会消费品零售总额,X4表示出口商品总额,X5表示全国居民消费价格指数。
首先对其进行相关性分析(表1),从表1中可以看出Y与X1,X2,X3,X4有很大的相关性,相关系数均大于0.9,而与X5相关性较弱,相关系数为0.235 5;X1,X2,X3,X4,X5之间的相关性也很大,如果直接进行多元线性回归必然会产生多重共线性。
在进行主成分分析之前,进行格兰杰因果检验,计算出各序列的残值序列。
进行因果检验的前提是对时间序列进行ADF平稳性检验,表2给出了对残值进行平稳性检验的结果。从表2中可以看出,6个时间序列在无趋势项和截距项时都是平稳的。为保证检验的可靠性,另外用菲利普斯-配荣检验法(Plhillips-Perron Test,PP)对6个时间序列在无趋势项和截距项时的平稳性进行验证(表3),从表3可以看出6个时间序列在无趋势项和截距项时都是平稳的。因此可以直接对残值序列进行格兰杰因果检验。
不同的滞后期对序列的因果关系检验结果影响很大,由于我们研究的是月度数据,根据经验,月度数据平稳性检验滞后12期即可[4],但是为保证结果可靠性,总共做了滞后24期的格兰杰因果关系检验。而最多在滞后12期时各时间变量对发电量的影响均显著,另外,由于本文是考察各时间序列对发电量的影响,因此表4只列出了滞后12期的检验结果和各时间变量对发电量的格兰杰检验P值。检验的原假设是自变量不是因变量的原因,这里,自变量是各个序列,因变量是发电量。从表4中可以看出,在滞后期为12时全行业用电量是发电量的格兰杰原因,在滞后期为6时城乡居民用电量是发电量的格兰杰原因,在滞后期为1时社会消费品零售总额、出口商品总额、全国居民消费价格指数是发电量的格兰杰原因。
根据滞后期不同,采用各个序列不同滞后期的原始数据进行主成分分析,发电量采用2005年1月到2012年12月的数据,而全行业用电量采用2004年1月到2011年12月的数据,城乡居民生活用电量采用2004年7月到2012年6月的数据,社会消费品零售总额、出口商品总额和全国居民消费价格指数采用2004年12月到2012年11月的数据,分析结果如表5所示。
从表5可以看出应该选择第1主成分和第2主成分作为回归因子,因为第1主成分占总方差的73.17%,第2主成分占总方差的19.46%,前2个成分占总方差的92.63%,因此选择第1、2主成分作为回归因子。这一点从图4中可直观地看出。
选择第1、2主成分后,根据表6选择第1,2主成分的线性组合系数来进行回归分析,根据组合系数得出新的序列Z1、Z2,序列计算方法如下:
由此,将Z1,Z2作为自变量,发电量Y作为因变量进行多元回归分析,得到回归方程。
至此,得出预测方程亦即回归方程。为保证预测结果的可比较性,另外采用不作滞后处理的主成分回归和VAR方法进行预测,预测结果如表7所示。
根据表7所得数据计算月发电量预测准确率,计算公式为[11]:
其中,
式中:LFi、LRi分别为负荷的预测值和实际值;Ei为单点负荷的相对预测误差。
使用本文方法预测的月发电量预测准确率为91.93%,而用不做处理的向量自回归方法和主成分回归方法所预测的月发电量预测准确率分别为91.08%、85.61%。相对而言,本文的改进主成分分析法具有更高的预测精度。
3 结论
本文结合格兰杰因果检验和主成分回归分析法对电力负荷进行了预测,利用不同滞后期对因果检验不同这一特点,对原始数据进行处理,采用主成分回归分析,避免了因多元变量特征变异程度差异而引起的信息丢失,准确反映了原始数据所包含的信息,提高了预测精度。
很多电力负荷预测的实质是相同的,当选择的因素足够多时各种方法的精度相差无几。在这种情况下直接采用线性回归法是最简单成熟的方法。利用滞后期进行主成分分析不仅可以避免多重共线性,而且可以根据滞后期的不同进行提前预测,文中算例结果表明这是一种较理想的预测方法。
参考文献
[1]王晓林.统计学[M].北京:经济科学出版社,2001.
[2]张晓峒.Eviews使用指南与案例[M].北京:机械工业出版社.2006.
[3]牛东晓,嵇灵,劳永昶,等.中国电力消费与经济增长关系的实证研究[J].统计与决策,2013,2(374):140-142.
[4]ANDREA V.Granger Non-causality Tests Between(non)Renewable Energy Consumption and Output in Italy Since1861:The Relevance of Structural Breaks[J].Energy Policy,2012,(45):226-236.
[5]GALIP A,ERDAL K.Electricity Consumption and Economic Growth:Evidence from Turkey[J].Energy Economics,2005,(27):849-856.
[6]杨丽徙,张永锋,许向伟,等.半参数回归分析法在电力负荷预测中的应用[J].郑州大学学报,2010,3(31):29-32.
[7]张亚军,刘志刚,霍柏超,等.基于支持向量机的电力负荷组合预测模型叨.电力需求侧管理,2007,9(2):14-17.
[8]王志征,余岳峰,姚国平.主成分分析法在电力负荷预测中的应用[J].电力需求侧管理,2003,3(5):21-24.
[9]吕佳.基于主成分分析的短期负荷预测模型[J].重庆师范大学学报,2007,3(24):33-36.
[10]李钷,李敏,刘涤尘.基于改进回归法的电力负荷预测[J].电网技术,2006,1(30):99-104.
格兰杰因果分析 篇3
中国的外商直接投资 (Foreign Direct Investment) 在过去二十年里以惊人的速度激增, 全球流入发展中国家的FDI绝大部分集中在了亚洲, 而流向亚洲的FDI当中中国占了将近一半份额。中国的FDI从1979年的几乎为零, 到1998年的455亿美元, 在不到十年后的2009年, 中国的FDI流入增至950亿美元。流入中国的FDI总量。显然深入研究FDI急速增长的原因具有深刻的现实意义。而且越来越多的国内外学者开始关注知识产权保护对FD的增长产生的作用。
英国雷丁大学邓宁的OLI理论分析了对FDI可以产生作用的三优势模型, 基于OLI模型, 我们可以得出知识产权保护对FDI的作用机制, 加强知识产权保护会增强跨国公司的所有权优势和区位优势, 削弱内部化优势, 从而影响跨国企业的国际经济活动的决策, 进而影响跨国公司对某一国进行FDI的强度。同时我们需要注意到, 加强知识产权保护对外国直接投资的影响取决于对三种优势综合影响程度的对比。如果加强知识产权保护带来的内部化优势削弱占主导作用, 那么, 跨国公司就会减少对东道国FD的投入, 选择通过技术许可方式来进行国际经济活动, 进而取得知识资产的收益。如果加强知识产权保护引起的所有权优势的加强和区位优势的增加占据主导作用, 则FDI的增加将是显而易见的。在这里我们可以得出, 加强知识产权保护对外国直接投资是促进还是有削弱作用, 通过OLI理论模型得到的结论是不确定的, 需要通过对三种优势产生的影响均衡后的结果来决定。
二、IPR保护强度测定指标的选取
在数据选取时, IPR保护强度的测定至关重要综合考虑到在中国IPR保护的具体情况, 一方面, 我们在充分考虑中国在92年加入WTO后, 以及多年来在专利法、商标法、著作权法等知识产权相关领域作出的努力, 使得中国知识产权立法标准已经符合TRIPS协议;同时又考虑到中国法律体系不够完善, 司法立法的不同步性, 加上国民对于知识产权保护的认识仍有欠缺。笔者采用徐春明2008年提出的根据中国具体情况优化的知识产权的度量方法, 这个方法是加入中国因素Park&Ginarte的修正方法。
根据以上方法, 我们可以计算得出中国85年到04年间知识产权保护强度。经过调整后我们可以看到, 中国的实际知识产权保护强度呈现逐年上升的趋势。这也能很好的解释尽管我国使用国际方法计算出的IPR指数虽然很高, 已达到发达国家水平并且超越了加拿大等某些发达国家的情况下, 但是美国等一些国家仍对我国知识产权保护现状不满。
三、IPR强度和FDI格兰杰因果关系检验和结论
基于此, 笔者认为外国直接投资和IPR强度应该存在某种方向上的长期均衡关系, 即格兰杰因果关系。为了对FDI和IPR保护强度之间进行格兰杰因果关系检验, 本文对中国外国直接投资FDI以及IPR指数进行如下处理, 取自然对数以消除异方差情况降低变量的非平稳阶数。由于Ln FDI和Ln IPR很大可能具有非平稳性, 因此, 我们先对变量进行单位根平稳性检验。若检验结果为非平稳, 采用协整检验分析两者之间的关系, 在协整检验基础上, 进行格兰杰因果关系检验, 因为协整的变量之间, 至少存在一个方向上的格兰杰原因。
从Ln IPR序列走势图可以判断, Ln IPR有明显的走势可能不是平稳序列。因此我们使用有截距项无趋势项的ADF对时间序列进行单位根检验, 由检验结果得知, ADF统计量的值为-0.871, 伴随概率为0.396, 由此判定IPR的对数序列存在单位根。继续对Ln IPR的差分序列进行单位根检验, ADF=-2.765, 伴随概率为0.0086远小于0.05, 因此一阶差分序列不存在单位根, D (Ln IPR) 是平稳序列, 即序列D (Ln IPR) ~I (1) , 是一阶单整序列。
同样我们对变量Ln FDI, 进行ADF检验发现, 时间序列不平稳, 但是一阶差分序列D (Ln FDI) 的ADF值为-2.876为一阶单整。
由ADF检验的结果我们看到Ln IPR和Ln FDI都是一阶差分平稳序列, 这满足进行协整检验的条件。通过逐步回归, 我们得到模型的估计结果。对协整关系的检验, 本文利用格兰杰提出的基于回归残差的ADF检验, 结果证明回归残差是平稳的, 故变量之间存在协整关系。
在Ln FDI和Ln IPR之间的长期、稳定关系的基础上, 笔者进一步运用Granger因果关系检验对两者进行了检验。因此我们得到FDI和知识产权之间存在单方向的格兰杰因果关系, 知识产权保护对于FDI来说是Granger原因, 且滞后期为1。
由协整分析和格兰杰因果检验证明:知识产权保护确实是影响FDI的原因, 说明, 知识产权保护水平对于FDI由较强大的正向作用, 中国FDI整体的增加来源于保护知识产权工作的加强。
参考文献
[1]杨全发, 韩樱.知识产权保护与跨国公司对外直接投资策略[J].经济研究, 2006 (4) [1]杨全发, 韩樱.知识产权保护与跨国公司对外直接投资策略[J].经济研究, 2006 (4)
[2]公衍照.知识产权对国际直接投资与技术转让影响机制研究述评[J].山东理工大学学报, 2006 (5) [2]公衍照.知识产权对国际直接投资与技术转让影响机制研究述评[J].山东理工大学学报, 2006 (5)
[3]赵伟.知识产权保护与外国直接投资[J].价格理论与实践, 20074) [3]赵伟.知识产权保护与外国直接投资[J].价格理论与实践, 20074)
格兰杰因果分析 篇4
近年来,随着中国经济的迅猛增长,国内旅游业已逐渐形成规模,旅游产业支柱作用也更为强化,旅游业在质和量的发展上都得到了进一步提升,旅游资源的整合及旅游产品的开发呈多向度发展。作为一个相对独立的产业部门,国内旅游业的发展与经济总体运行之间必然存在一定的内在关系,本文从国内旅游收入出发,深入探究其内在关系。
对于旅游业发展与经济增长的关系,国内目前的研究主要包括,屠文雯、冯俊文(2008)研究了国内旅游和国际旅游两方面与经济增长的关系;刘长生、简玉峰(2008)基于不同省份的个体数据和面板数据,采用VAR方法,研究了我国旅游业发展与经济增长的关系;李强(2010)基于1999—2008年间山东省相关数据实证分析了旅游业对山东经济增长的影响;瞿华、夏杰长(2011)基于1985———2009年间数据,研究了我国旅游业发展与经济增长的关系。由于以上研究主要集中在宏观旅游业的层面上进行分析,本文突破传统思维,对国内旅游业收入部分进行单独研究,一方面响应了拉动内需政策,另一方面将国内旅游从总体旅游中剥离,避开了全球性经济环境的影响。
二、国内旅游业发展现状及预测
1、国内旅游业发展现状
本文选用国内旅游收入(Y)指标反映国内旅游业发展情况,根据《中国统计年鉴》整理出1994—2011年间相关数据绘成国内旅游业发展趋势如图1所示。
从图1可以看到,国内旅游业收入1994年以来一直呈现稳步上升趋势,近年来进入一个新的增长时期,增速明显加快且有进一步加快趋势,这一方面可能得益于近年来国民可支配收入增长明显,另一方面由于政府对旅游业发展支持力度不断加大。
2、国内旅游业收入预测
为进一步探究国内旅游业发展前景,对国内旅游业收入与经济增长关系研究做好铺垫,本文运用灰色预测对未来国内旅游业收入做出预测。灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型,预测未来某一时刻的特征量,或达到某一特征量的时间。
根据灰色预测步骤,首先,令x(0)=(x(1),x(2),…,x(n);其次,做一次累加生成,x(k)=∑x(m)以消除数据的随机性和波动性;再次,建立x的白化方程,α为发展灰数,μ为内生控制灰数;最后,算出方程的解,为
将1997—2011年国内旅游收入分别带入灰色预测模型,运用MATLAB进行求解,可以预测出未来5年的国内旅游收入。
由表1可以看到,未来五年国内旅游收入仍然呈现快速上升趋势,且2012、2013年预测数据与实际数据差距很小,这说明预测数据很据说服力。
三、国内旅游收入与经济增长关系
为分析国内旅游收入与经济增长的关系,本文选用Granger因果检验来研究二者之间是否存在互为因果的关系。Granger因果关系检验可以用来确定经济变量之间是否存在因果关系以及影响的方向,其检验思想为:如果X的变化引起了Y的变化,则X的变化应当发生在Y的变化之前。假设要检验变量X与变量Y之间的因果关系以及这种关系影响的方向,需要构建如下的检验回归方程:
其中,假定随机误差项ut和vt之间是不相关的。Granger因果关系检验的原假设是:X不是引起Y变化的Granger原因或Y不是引起X变化的Granger原因。Granger因果关系检验的具体计算方法如下。
首先,如果对式(1)中滞后X所估计的系数在统计上是整体显著地异于(即∑αi≠0),并且对式(2)中滞后Y所估计的系数在统计上不是整体显著地异于零的(即∑δj=0),即表明存在从X到Y的单向因果关系,表示为X→Y。其次,如果对式(1)中滞后X所估计的系数在统计上不是整体显著地异于零(即∑αi=0),并且对式(2)中滞后Y所估计的系数在统计上是整体显著地异于零的(即∑δj≠0),则表明存在从Y到X的单向因果关系,即表示为Y→X。再次,如果对式(1)中滞后X所估计的系数在统计上是整体显著异于零的(即∑αi≠0),并且对式(2)中滞后Y所估计的系数在统计上也是整体显著地异于零的(即∑δj≠0),则表示为Y X。最后,若上述条件不成立,则表明X和Y之间各自的独立性,X和Y之间不存在任何的单向因果关系。
本文在分析GDP与国内旅游收入的关系时,采用1994—2011年GDP与国内旅游收入数据如表2所示。
用Eviews6.0对GDP与国内旅游收入做单位根检验,发现都不平稳,故对GDP与国内旅游收入分别作2、3阶差分,得平稳序列。
对GDP与国内旅游收入序列进行Granger因果关系检验,得表3。
根据分析的结果,可以大致认为存在从GDP到国内旅游业收入的单向因果关系,但不存在反向的因果关系。可以认为GDP是影响国内旅游业收入的原因,但国内旅游收入对GDP的影响不甚明显。因此,要促进国内旅游业收入的快速增长,一方面需要进一步加快GDP发展步伐,另一方面也需要从国内旅游业本身着手,调整内部结构,抓住发展机遇,刺激国内旅游需求,实现以经济促旅游、以旅游促旅游的双向促进局面。
四、促进国内旅游业发展政策性建议
第一,促进国内经济增长,以经济增长带动国内旅游业发展,实现国内旅游收入与国内经济双增长的良好局面。第二,国内旅游收入均呈快速增长趋势,旅游业内部结构和地区结构进一步完善,旅游产业带动相关产业发展优势越来越明显。第三,加快生态旅游发展。生态旅游是指保护生态环境,促进人与自然和生态环境的和谐关系,确保旅游事业与生态环境协调共存、共赢,可持续发展的旅游方式;同时也包括到森林、海滨、乡村这样一些生态环境好,让人可以和大自然结合在一起的旅游方式。第四,促进文化旅游。文化旅游是指以景点内涵的历史、文学、艺术、民俗风情为主要观赏对象的旅游方式。文化动机是旅游者最重要的旅游动机之一,旅游活动主要属于精神文化活动的范畴,历史文化、名胜古迹等更具精神人文和心灵感悟性,能使人得到更多的教益。第五,发展特殊群旅游。随着国家对农业生产各项优惠政策的落实,广大农民的生活水准不断提高,相当一部分农民会成为旅游市场的消费者或潜在的消费者。另外,面向老年人的夕阳旅游业也应进一步发展。第六,加大政府对国内旅游业的支持力度,完善旅游基础设施建设,推进旅游业进一步升级。
摘要：随着中国经济的快速增长,国内旅游业近年来也呈现出良好的发展态势。本文首先运用灰色预测分析出国内旅游业收入将呈现出长期增长趋势。其次,为进一步探究国内旅游业收入的增长动力,笔者运用格兰杰因果检验深入分析了国内旅游业收入与经济增长的关系,得出GDP增长单向促进国内旅游业收入增长的结论,从而针对性地提出政策建议,为政府决策提供支持。
格兰杰因果分析 篇5
产业结构与经济的发展密切相关, 一般来讲, 我们对产业结构的了解和定位就是, 它是指以国民经济的发展形态作为一个整体, 在这个整体中每一个生产部门之间所占的比重与所创造的价值比重, 对于我国而言, 过去对产业结构这一问题的重视主要集中在农业与工业的发展比重这一问题上, 对二者之间关系的正确处理关系到国家经济发展的潜力, 由于这一问题造成的偏差也对我国经济的发展带来了负面的影响。改革开放, 是我国经济发展的一个重要转折点, 市场经济体制在我国的确立, 经济发展方式的转变, 最直接的体现在我国产业结构的变化与升级上。
二、产业机构变动与宏观经济变动的关系衡量
产业结构变动, 从其本质上来看, 仍然是生产力发展进化的体现, 每一次产业结构的变化, 都对当时的社会经济产生了影响, 产业结构与宏观经济之间存在着何种关系, 我们要借用经济学相关原理, 对这一问题进行分析。
(一) 产业结构变动的衡量
产业结构的变动, 是一个国家宏观经济发展的重要动力, 每一次产业结构调整或者升级, 都会给一个国家的经济发展水平带来重要的影响。那么对于这二者之间究竟存在何种关系, 我们可以通过一定的公式和计算来得出结论。Moore指数的计算公式为:
这个公式主要表述的是产业结构的变化与产业比重、GDP增长之间的关系, W, ti表示t期第i产业产出占GDP的比重, W, it-1表示t-1期第i产业产出所占比重。定义θ=arcos (M+t) 则表示的是在两个互相连接的时期内, 产业向量之间的夹角, 值越大, 也就表示变化的程度越大。通过这种计算我们可以看出, 在K值与Moore数之间存在着客观的规律性联系, 二者之间的指数变动情况近乎一致。这也就意味着, 产业结构发生了改变, 当时社会经济的发展也会随之发生改变。
(二) 宏观经济变动的衡量
对于宏观经济的变动, 我们通常采用统计方法来对经济发展过程中出现的波动进行分析, 主要有HP、BP和Kalman滤波三种方式, 本文中我们选择其中一种方式来对我国近几十年经济发展过程中的变化趋势经济分析。除此以外, 由于受到经济发展客观环境的影响, 单一的统计方法可能无法完全的展现经济变化发展的形态, 所以在学界中采用了一种新的方法来反映经济波动的形势, 这种就是经济增长率方法, 本文中同时采用这两种方法以便更加客观真实的展现出我国经济在近三十年中的变化发展历程。采用这两种分析方式以后, 我们可以知道, 经济增长的波动形态与HP滤波在形态上趋于一致, 这种周期性的波峰和波谷与我们上文已经分析过的自1978年以后我国在经济发展中, 产业结构调整的时期基本一致, 这再一次验证了在产业结构调整与宏观经济的波动之间存在着客观必然的联系。
三、格兰杰因果关系分析
采用格兰杰关系实验, 有一个重要的前提, 就是我们所采取或者选择的变量之间都必须是稳定的变量, 只有稳定的变量才能够更加真实的体现在一段时间长度内二者之间的关系。因果关系的研究, 必须排除大量的偶然性因素, 选择与客观真实最相似的稳定值来作为研究对象是最佳选择。在格兰杰因果关系检验过程中, 一个重要的因素就是必须重视滞后期的选择, 即使对于同一组数据, 如果选择的滞后期不同, 那么最终得出的结论也会有很大差异。这个结论意味着, 我国在改革开放以后, 虽然经历过几次大的产业结构的调整, 但是每一次产业结构调整并没有对当时我国的宏观经济发展产生冲击性的影响。这是因为, 每一次产业结构的调整, 都是一个周期性的过程, 产业调整与当时经济发展的能力和状态密切相关, 这种调整并不是完全脱离当时经济发展的状况作出, 而是在大方向明确的情形下, 根据当下的客观经济环境做出一些缓慢的改变和调整。从一个时间长度内来看, 这一变化是明显的, 但是具体到每一年或者几年中, 这种变化的不明显的。通过这次检验, 我们得出的结论就是, 经济的波动, 是带来我们产业结构变化升级的格兰杰原因。我国的经济发展和产业结构的调整, 除了依赖市场经济发展的客观规律以外, 一些非市场性因素也在发挥着重要作用, 国家的宏观调控在经济结构的变化中发挥着重要的作用, 这种变化具有人为的操纵性, 而这种变化的原因或者动力, 就是来源于当时社会经济发展的客观现实状况。
四、完善我国产业结构与宏观经济发展的思路分析
首先, 增强第三产业在整体产业结构中的比重。第三产业在产业结构中得到重视的原因也在于它能够提供更多的就业岗位, 但是从产业整体来看, 当前我国第三产业的比重从总量上来看偏低, 需要进一步的完善和发展。使我国的产业结构更加优化, 经济增长与劳动力就业更加协调。其次, 提升加工制造业在对外贸易中的价值, 要实现这一目标, 当前我国的产业发展需要注意几个方面的内容:一是要有意识的打造属于自己的品牌产业, 打造专属的品牌优势, 提升国际形象。二是要积极的进行技术革新, 在科学技术是第一生产力的时代, 没有创新的优势技术就意味着无法参与激烈的市场竞争。三是, 产业结构变化调整, 应该从战略规划的角度来进行。特别是对于一些重要的具有长远价值的产业而言, 建立一个长期的战略规划对产业结构的调整非常的有必要。
格兰杰因果分析 篇6
自MM定理之后, 对资本结构问题的研究成为学术界的热点, 优序融资理论对于“MM定理”最大的修正就是放弃了充分信息这一假定, 引入了信息不对称的思想。Myers和Majluf认为在不对称信息的条件下, 投资者同企业经理相比拥有较少关于企业资产价值的信息, 企业股票在市场上的价格偏离实际价值;如果企业对新的投资项目采取股权融资方式, 一旦股价被低估, 就会使得新的投资者获得超过项目净现值的收益, 从而使得老股东受损。此时如采用债务融资就可以避免新老股东利益不均衡的现象发生。在这种情况下, 企业偏好采取内部融资或者低风险的债务融资, 因此企业融资的顺序是:内部融资、债务融资和权益融资, 这就是所谓的优序融资理论 (Pecking Order Theory) 。
国内对公司融资顺序的研究往往是借鉴西方资本结构理论来进行研究。研究认为对于国内上市公司, 融资优序理论的结论也只是部分成立的。尽管研究一致认定我国上市公司存在明显的股权融资偏好, 但是在内外融资顺序方面的观点还不一致, 有的学者认为我国上市公司的内部融资顺序优于外部融资, 而有的学者认为上市公司的外部融资优于内部融资。
2 问题的提出
目前的融资顺序研究都是以主板上市公司为研究对象, 目前较少有针对我国中小企业板上市公司的融资顺序研究。刘建勇 (2008) 对中小板上市公司进行了实证分析, 但刘建勇只是对中小板上市公司的融资结构进行了描述性分析, 认为中小板上市公司的融资顺序是符合优序融资理论的, 但其研究结果并不严密, 企业采用某种融资方式的比例大小, 并不能完全代表企业融资行为的优先顺序。其论文的前提条件是, 该公司选择融资的融资方式和融资数量的大小在很大程度上决定了该公司的融资优先顺序。
中小企业板创立至今才6年, 受到信息不对称的现象较主板市场更为严重, 并且中小企业板的再融资门槛较高, 股权融资的成本较高。并且中小板上市的公司很多是由成绩优秀的民营企业发展起来的, 且大部分是家族企业, 受到控制权因素的影响, 企业在进行外部融资的时候, 较少考虑股权融资。因此, 本文将从研究中小板上市公司的内部融资和债务融资顺序的角度出发, 采用格兰杰因果关系检验模型来判断融资方式的优先顺序, 如果内部融资优于债务融资, 那么内部融资的数量会引起债务融资数量的变化, 即当企业进行筹资时, 先考虑内部融资, 当内部融资无法满足其资金需求时, 再考虑债务融资。反之, 若债务融资优于内部融资, 那么债务融资的数量会引起内部融资数量的变化。
3 内部融资和债务融资的格兰杰 (Granger) 因果检验分析
3.1 格兰杰因果关系检验模型
格兰杰因果检验模型作为一种计量经济分析工具可以从统计意义上检验变量之间的因果性, 格兰杰 (Granger) 从时间序列的意义上来界定因果关系, 提出了因果关系的计量经济学定义:“欲判断X是否引起Y, 则考察Y的当前值在多大程度上可以由Y的过去值解释, 然后考察加入X的滞后值是否能够改善解释程度, 如果X的滞后值有助于改善对Y的解释程度, 则认为X是Y的格兰杰原因。Granger因果关系检验是检验变量之间因果关系的有效方法, 能够从统计意义上判断两个变量之间是否存在因果性的关系。
实证步骤如下:
(1) 平稳性检验, 检验两个变量的单位根, 以判定时间序列的单整的阶;
(2) 若两个变量时同阶单整的, 则用OLS方法估计协整方程;应用单位根法判断残差序列的平稳性, 以检验两个变量之间的协整关系;
(3) 对两个变量之间进行Granger因果关系检验;
3.2 数据选择和变量定义
本文选用深交所中小板上市企业2006—2009年的季度数据进行实证分析, 为了保证结果的准确性和客观性, 按照以下原则进行样本筛选:①本文选择的是2006年以前上市的公司, 并且可以获得2006—2009年4年连续的财务数据。②为了避免异常值的影响, 剔除了ST和PT的公司。③剔除金融类公司。基于以上原则, 最后得到以中小板上市公司48家公司为样本。
内源融资在本文中被限定为留存收益变化额。债务融资在本文中限定为负债总额的变化额。变量可定义如下:
第t期内源融资 (IFt) =第t期留存收益-第t-1期留存收益。其中:留存收益=盈余公积+未分配利润
第t期债务融资 (DFt) =第t期负债总额-第t-1期负债总额
为了使得格兰杰因果检验的结果更精确, 本文采用所选样本公司的季度数据, DF按照所选取样本的48家公司在每年的四季度债务融资均值, IF是每年四季度的内部融资均值。为了考察内部融资和债务融资的因果关系, 将DF作为解释变量, IF作为被解释变量。同时, 为了避免自相关性和数据的剧烈波动, 对变量IF, DF取自然对数, 变成lnIF和lnDF。本文中的计量分析均使用Eviews6.0计量软件进行。
3.3 内部融资序列和债务融资序列的平稳性检验
当两个变量均为非平稳时间序列时, 对其进行的格兰杰因果关系检验得到的可能是虚假的结果, 因此首先要采用ADF检验对变量进行平稳性检验。
ADF的具体方法是估计回归方程:
Δundefined (1)
式中, Yt为原始时间序列;t为时间趋势项;Yt-1为滞后1期的原始时间序列;ΔYt为一阶差分时间序列;ΔYt-j为滞后的j期一阶差分时间序列;α为常数;βt、ρ、λj为回归系数;P为滞后阶数;ut为误差项。
本文中, 首先对序列lnIF和lnDF进行平稳性检验, 运用ADF单位根检验法得出的检验结果见表1。
注:显著水平为5%。
结果表明序列lnIF和lnDF的ADF统计量大于5%的显著性水平下的临界值, 接受原假设, 即内部融资序列和债务融资序列含有单位很, 为非平稳序列。而一阶差分序列△lnDF和△lnIF的ADF检验值小于5%的显著水平下的临界值为平稳序列, 说明内部融资和债务融资的原始序列是一阶单整序列, 满足协整检验的前提。
3.4 内部融资和债务融资的协整检验
如果两个序列是非平稳序列, 那么在回归之前要对其进行差分, 然而差分可能会导致两个序列之间关系的信息损失, 所以Engle和Granger提出了协整理论, 目的是考虑对存在非平稳变量的时间序列进行回归而不会造成错误的情况。EG两步法的检验步骤如下:
对同阶单整的序列Xt, Yt, 用一个变量对另一变量回归, 即
Yt=α+βXt+εt (1)
将模型的残差项用Xt和Yt表示:
εt=Yt-α-βXt (2)
式中, εt为模型残差估计值。
然后对上式中的残差项εt进行ADF检验, 若检验结果表明εt为平稳序列, 则Xt和Yt具有协整关系, 式 (1) 为协整回归方程。
在本文中, 运用EG两步法对序列lnIF和lnDF进行协整关系检验。
第一步, 以lnIF为自变量, 对lnDF进行最小二乘回归, 求的回归系数α=0.449, β=4.527, 回归方程如:
LnDF=4.527+0.449lnIF+εt (3)
计算残差值εt得到序列:εt=LnDF-4.527-0.449lnIF (4)
第二步, 检验上述模型的残差序列εt是否为平稳序列, 检验结构见表2。
由表2可见, 模型残差在5%的水平上拒绝原假设, 即不存在单位根, 残差序列是平稳序列。因此, 方程回归不是伪回归, 而是协整方程。说明lnDF和lnIF存在长期的协整关系。
3.5 内部融资和债务融资的Granger检验
格兰杰因果关系检验要求估计以下回归模型:
undefined
式 (6) 和式 (7) 中:Xt, Yt为X, Y原始序列当期值;, Xt-i, Yt-i为原始序列滞后i期的值;αi、βi、λi、δi为回归系数;μ1t、μ2t为误差项。
格兰杰检验室通过构造F统计量, 利用F检验完成的, 如针对X不是Y的格兰杰原因这一假设, 即针对式 (4) 中X不是Y的格兰杰原因这一假设, 即针对式 (4) 中X滞后项前的参数整体为零的假设, 分别做包含与不包含X滞后项的回归, 记前者的残差平方和为RSSU, 后者的残差平方和为RSSR, 再计算F统计量:
F= (RSSR-RSSU) × (N-2n-1) /RSSU×n (7)
式中:n为X的滞后项的个数, N为样本容量。
如果计算的F值大于给定显著水平a下F分布的临界值, 则拒绝原假设, 即认为X是Y的格兰杰原因。
Granger关于因果关系的定义是建立在X和Y都是稳定序列, 即零阶单整的基础上的, 如果X和Y都不是稳定序列, 则无法用Granger方法检验序列之间的因果关系, 如果X和Y一阶单整且不存在协整的情况下, 因果关系可以通过一阶差分模型的标准F检验来确定。即可以通过一阶差分形式的Granger方法来检验变量之间的因果关系。
根据表2的协整检验结果告诉我们变量之间存在长期的相关关系, 但这种关系是否构成因果关系, 以及因果关系的方向并不明确, 这就要对变量之间的关系进行格兰杰因果检验。在因果检验时, 本文利用赤池信息准则 (AIC) , 滞后期选择AIC值最小时, 本文经过反复检验, 当滞后期选择3时, AIC最小。检验结果见表3。
注:显著水平为5%。
根据表3的Granger因果关系的检验结论是:内部融资是债务融资的格兰杰原因, 而债务融资不是内部融资的格兰杰原因。
4 结论
本文通过对深交所中小板上市企业2006—2009年的内部融资和债务融资的数据进行格兰杰因果关系检验, 得出内部融资是债务融资的格兰杰原因, 而债务融资不是内部融资的格兰杰原因。这说明我国中小企业板上市公司在进行融资决策时会优先选择内部融资, 其次是债务融资。我国中小企业板上市公司部分地遵守融资优序理论, 这可能是因为, 中小企业板上市公司都是中小企业进化而来的, 而且这些公司都是经营业绩相对较好的公司, 比较注重自我积累, 赢利能力较强, 留存收益的资金充足。而且如果不考虑机会成本, 内源融资没有成本, 因此中小企业上市公司会优先选择内源融资, 其次是债务融资。
摘要：本文根据协整理论和格兰杰因果检验方法, 对我国深交所的中小板上市公司的内部融资和债务融资顺序进行了实证研究。研究表明, 中小板上市公司的内部融资和债务融资之间存在长期的均衡关系, 同时内部融资是债务融资的格兰杰因果关系。据此, 本文认为, 中小板上市公司在进行融资决策时, 部分地遵循优序融资理论, 先考虑内部融资, 再考虑债务融资。
关键词：内部融资,债务融资,协整分析,格兰杰因果关系检验
参考文献
[1]刘建勇.中国中小企业板上市公司融资顺序经验研究[J].科技与管理, 2008 (5) .
[2]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社, 2006.
[3]Myers S C, Majluf N.Corporate Financing and Investment Deci-sions when Firms Have Information Investors do not Have[J].Journal ofFinancial Economics, 1984, 13:187-221.