【《互联网消费金融带动经济增长的定量分析案例概述》5000字】

[31]。其中用符号GDP表示经济增长情况，用符号INTERNET表示互联网消费金融发展情况。为了消除通货膨胀对原始数据的影响，对互联网消费金融规模的原始数据以居民消费价格指数CPI（2007年=100）为基期价格指数进行转换，并把国内生产总值指数的影响从国内生产总值的原始数据剔除出去。为了消除原始数据的异方差和过度波动问题和保持原有数据的经济学特征不被改变，需要对消除通货膨胀影响后的原始数据分别作取对数处理。处理后各数据的对应符号分别记为LNGDP和LNINTERNET。数据处理和实证研究均使用EViews10.0进行分析。1.2互联网消费金融与经济增长的向量自回归模型（VAR）本文主要采用向量自回归模型（VAR）分析互联网消费金融对经济增长的贡献与影响。1.2.1ADF检验平稳性检验是考察非平稳变量之间是否具有长期稳定的关系，如果有，则说明回归不是伪回归；反之，则说明是伪回归。在时间序列数据中，如果存在单位根，会产生伪回归等严重后果，所以必须对每个变量进行单位根检验，保证每个变量的平稳性，这样平稳变量的回归模型才是有效的。对每个变量对数变换后的时间序列数据进行ADF单位根检验，检验结果如REF_Ref72240954\h表1.1所示。时间序列数据为零阶平稳序列，虽然LNINTERNET是非平稳序列，但是经过一阶差分后是平稳序列。所以，需要对互联网消费金融的数据作一阶差分处理得到新的平稳数据后，再建立VAR模型。互联网消费金融的新数据即为零阶平稳序列，时间跨度为2008年至2017年，用符号LNINTERNET1表示。此时LNGDP和LNINTERNET1为同阶平稳序列。表STYLEREF1\s4.SEQ表\*ARABIC\s11ADF检验符号t-Statistic1%临界值5%临界值10%临界值是否平稳LNGDP-6.788515-6.292057-1.450425-3.701534是LNINTERNET-0.892592-2.816740-1.982344-1.601144否LNINTERNET1-2.493945-2.847250-1.988198-1.600140是再做自变量LNINTERNET和因变量LNGDP的回归函数，结果如REF_Ref72240998\h图1.1所示，方程系数都显著。提取残差，对残差做ADF检验，结果如REF_Ref72241034\h图1.2所示。可以看出残差平稳，说明LNGDP和LNINTERNET之间存在长期稳定的关系。图STYLEREF1\s4.SEQ图\*ARABIC\s11回归函数结果图STYLEREF1\s4.SEQ图\*ARABIC\s12残差ADF检验1.2.2确定滞后期滞后阶数关系到VAR模型建立的优劣，所以建立VAR模型前需要确定VAR模型的最优滞后阶数。动态特征被滞后阶数完全反映出的VAR模型可以比较好地解释问题，一般来说，解释能力和反应程度与与阶数成正比，但是阶数太多会影响到参数估计的准确性和模型的自由度。所以确定VAR模型的最优滞后阶数不但要考虑阶数的充分性，而且还要考虑参数估计的准确性和自由度损失的问题。本文根据LR、FPE、AIC、SC和HQ准则，同时考虑自由度损失的问题来确定VAR模型最优滞后阶数，检验结果如REF_Ref72241072\h表1.2所示。表STYLEREF1\s4.SEQ表\*ARABIC\s12确定模型最优滞后阶数LagLogLLRFPEAICSCHQ0-11.03804NA0.0894913.2595103.2793703.1255601-0.66486112.96647*0.019592*1.6662151.7257961.26436423.9840363.4866730.0237761.503991*1.603293*0.834239*如REF_Ref72241072\h表1.2所示，根据LR、FPE、AIC、SC和HQ准则，同时考虑自由度损失的问题，本文确定VAR模型的最优滞后阶数为2阶。1.2.3VAR模型参数估计根据REF_Ref72241072\h表1.2，本文选择滞后阶数为2的VAR模型。从上表所示的估计结果可以看出，经济增长与互联网消费金融之间的关系方程拟合优度比较理想，说明这两个变量之间的关系方程比较密切，此VAR模型较好地反映了这两个变量之间的变化关系。VAR模型的参数估计结果如REF_Ref72241127\h表1.3所示。表STYLEREF1\s4.SEQ表\*ARABIC\s13参数估计结果LNGDPLNINTERNET1LNGDP(-1)0.820135121.1465(0.35111)(73.6600)[2.33580][1.68540]LNGDP(-2)-0.086058-101.9114(0.31499)(66.0821)[-0.27321][-1.54219]LNINTERNET1(-1)-0.000526-0.197026(0.00198)(0.41569)[-0.26562][-0.47397]LNINTERNET1(-2)-0.000723-0.209771(0.00201)(0.42114)[-0.36011][-0.49810]C3.416713-281.9363(1.69121)(351.798)[2.02028][-0.79464]由上表的VAR模型估计结果可以得到各个变量的向量自回归模型（VAR）的矩阵方程为：LNGDP+1.2.4单位圆检验经过ADF单位根检验和确定VAR模型的最优滞后阶数，建立VAR模型。但是，先要对VAR模型进行单位圆检验，即AR特征多项式根检验。这关系到VAR模型后续的分析研究是否可行，是建立VAR模型的重要基石。如果AR特征多项式的根的倒数都小于1，即所代表的点都在单位圆内，则说明构建的VAR模型是稳定的。建立模型的AR特征多项式的根如REF_Ref72241155\h图1.3所示。图STYLEREF1\s4.SEQ图\*ARABIC\s13单位圆检验如REF_Ref72241155\h图1.3所示，建立的VAR模型所有根的倒数都小于1，即所有根的导数都在单位圆内，这说明该模型是稳定的，可以进行后续分析研究。1.2.5格兰杰因果检验用格兰杰因果检验分析建立的VAR模型变量之间的因果关系。格兰杰因果检验的原假设是H0备择假设是H1在5%的显著水平下，若P值小于0.05，则拒绝原假设H0滞后阶数为2的格兰杰因果检验结果如REF_Ref72241194\h表1.4所示，在5%的显著水平下，“LNINTERNET1doesnotGrangerCauseLNGDP”的P值小于0.05，则拒绝LNINTERNET1不是LNGDP的格兰杰因的原假设，即LNINTERNET1为LNGDP的格兰杰原因；“LNGDPdoesnotGrangerCauseLNINTERNET1”的P值小于0.05，则接受LNGDP不是LNINTERNET1的格兰杰因的原假设，即可以认为互联网消费信贷扩张是经济增长的原因，经济增长也是互联网消费信贷扩张的原因。检验结果完全符合生活经验和经济理论。表STYLEREF1\s4.SEQ表\*ARABIC\s14格兰杰因果检验结果检验ExcludedF-StatisticProb.DependentVariable：LNGDPLNINTERNET19.845700.0184DependentVariable：LNINTERNET1LNGDP8.493890.02681.2.6脉冲响应函数分析脉冲响应函数可以直观反映如果模型中一个变量发生变化或产生冲击会对其他变量在不同的时期会造成什么影响，即冲击对系统会产生什么动态影响。脉冲响应函数可以分析模型系统中各个变量随时间变化的响应轨迹与路径。[2]若脉冲响应函数在一定时间内不再产生波动趋于平稳，则说明冲击效应趋于平稳，如果脉冲响应最后趋于0，就说明冲击效应渐渐趋于0，冲击效应无法对模型系统产生持久有效的影响。但是如果差分变量的脉冲响应函数最后趋于0时，原始变量的冲击效应不是趋于0，而是趋于稳定。研究VAR模型时，可以通过脉冲响应函数分析模型系统各个变量之间的动态影响，比参数估计更具有现实意义。绘制出的脉冲响应函数时间路径如REF_Ref72241269\h图1.4所示，累积脉冲响应函数时间路径如REF_Ref72241309\h图1.5所示。横轴代表冲击效应的滞后期数，纵轴代表国内生产总值增量或差分后的互联网消费放贷规模的增长量，实线代表各个冲击变量对国内生产总值增量或差分后的互联网消费放贷规模增长量的反应剧烈程度，虚线代表冲击响应函数正负两倍标准差的偏离带。由REF_Ref72241269\h图1.4可知，经济增长变化和互联网消费信贷规模扩张对自身的脉冲响应程度较剧烈，而互联网消费信贷规模扩张对经济增长变化的影响程度小，且逐渐趋于平稳，但经济增长变化对互联网消费信贷规模扩张的变化影响显著。如果给差分后的互联网消费放贷规模增量一个正向的冲击，国内生产总值在一段时间内先没有变动，再迅速扩增，在第3期达到峰顶，然后迅速下降，且下降升的趋势越来越平缓，最后不断慢慢趋于0；如果给国内生产总值增量一个正向的冲击，差分后的互联网消费信贷的规模增量在一段时间内先没有变化，然后迅速减少，在第2期达到谷底，再迅速上升，在第4期达到峰顶，再迅速下降，最终缓缓无限趋于0，所以互联网消费信贷的规模增量在最终是趋于稳定的。而且还可以看出，相较于国内生产总值增量对差分后的互联网消费信贷规模增量，差分后的互联网消费信贷规模增量对国内生产总值增量的脉冲响应更敏感。经济增长对互联网消费信贷规模扩张的脉冲响应和互联网消费信贷规模扩张对经济增长的脉冲响应趋于0的时间大概都是6年。由REF_Ref72241309\h图1.5可知经济增长情况对自身冲击和互联网消费信贷规模扩张冲击、互联网消费信贷规模扩张情况对自身冲击和经济增长情况的累积响应的时间路径关系。可以看出经济增长对自身和互联网消费信贷规模扩张的冲击明显，而互联网消费信贷规模扩张对经济增长的冲击较弱，但对自身的冲击也较明显。图STYLEREF1\s4.SEQ图\*ARABIC\s14脉冲响应函数图STYLEREF1\s4.SEQ图\*ARABIC\s15累积脉冲响应函数1.2.7方差分解方差分解可以分析VAR模型系统中其他变量对某一个变量波动变化的贡献度，即不同冲击影响内生变量的结构的贡献度，把一个变量不同时间点发生的变化发生分解为不同冲击的来源，从而来评价各个不同变量的重要程度。VAR模型中经济增长变量和互联网消费放贷规模变量的方差分解结果分别如REF_Ref72241431\h表1.5、REF_Ref72241436\h表1.6所示。在经济增长变量的方差中，由于自身变化造成的冲击或扰动的贡献度总体趋势是从大到小，滞后1-4期都是减少，在滞后4期后开始增加，在滞后6期后又开始减少，并从第6期开始趋于平稳，滞后10期的贡献率为98.086%；由于互联网消费放贷规模变化造成的冲击或扰动的贡献度则正好相反。由于早年互联网消费金融的发展规模接近于0，所以互联网消费放贷规模变化的贡献度起点为0，但是随着时间的变化，经济增长和互联网消费放贷规模的变化的真实贡献度才慢慢体现出来。在互联网消费放贷规模变量的方差中，由于经济增长造成的冲击或扰动的贡献度总体趋势是由小变大，一期先增加一期再减少，重复循环几期，并从第6期开始趋于平稳，滞后10期的贡献率为58.39%。由于自身变化造成的冲击或扰动的贡献度则正好相反。比较REF_Ref72241431\h表1.5和REF_Ref72241436\h表1.6可以看出，经济增长对互联网消费金融规模扩张的贡献率远远大于互联网消费金融规模扩张对经济增长的贡献率，即经济增长对互联网消费金融规模扩张的影响远远大于互联网消费金融规模扩张对经济增长的影响。两者受自身变化影响都很明显，但是经济增长对互联网消费金融规模扩张的影响甚至超过了其自身变化的影响。表STYLEREF1\s4.SEQ表\*ARABIC\s15经济增长方差分解结果PeriodS.E.LNGDPLNINTERNET110.024047100.00000.00000020.03224299.585070.41492630.03616098.355101.64490240.03720098.105771.89422650.03768898.112601.88740460.03803998.117551.88244970.03824498.099821.90018280.03833598.088611.91139290.03837798.086211.913786100.03840198.085581.914416表STYLEREF1\s4.SEQ表\*ARABIC\s16互联网消费信贷的方差分解结果PeriodS.E.LNGDPLNINTERNET115.04482138.8198361.1801726.24885758.5770441.4229636.31987057.3260742.6739346.39841558.3627041.6373056.41983858.3592041.6408066.42226558.3848141.6151976.42325058.3804941.6195186.42391158.3881641.6118496.42439558.3923141.60769106.42441958.3920841.607921.3互联网消费金融与经济增长的向量误差修正模型（VEC）因为LNGDP和LNINTERNET1之间存在协整关系，所以可以建立互联网消费金融与经济增长的向量误差修正模型（VEC）。1.3.1协整检验根据前面1.2.1单位根检验的结果，LNGDP、D(LNINTERNET)都是零阶单整序列，所以采用Johansen协整检验方法来检验它们之间是否存在协整关系[49]。Johansen协整检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）；非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。如果非平稳时间序列不存在协整关系，即可以建立VAR模型，然后利用变量的差分进行格兰杰因果关系检验，前提是满足同阶单整。如果变量之间存在协整关系，将建立误差修正模型（ECM）进行短期因果关系分析。Johansen协整检验是建立VEC模型的基础，通过迹检验和最大特征值检验即可判断变量之间是否存在协整关系。Johansen协整检验的结果如REF_Ref72241551\h图1.6所示。结果表明，在5%的显著性水平下，迹检验和最大特征值检验都拒绝了“不存在协整关系”的原假设，接受了“最多存在一个协整关系”的原假设，所以经济增长和互联网消费金融的变量之间存在一个协整方程。图STYLEREF1\s4.SEQ图\*ARABIC\s16Johansen协整检验1.3.2向量误差修正模型（VEC）由前面的检验结果可知，因为LNGDP和LNINTERNET1之间存在协整关系，所以可以建立向量误差修正模型（VEC）。因为各个变量的观测值数量非常有限，所以将VEC模型的滞后阶数设定为“11”。VEC模型的估计结果如REF_Ref72241584\h表1.7所示。表STYLEREF1\s4.SEQ表\*ARABIC\s17VEC模型的估计结果CointegratingEq:CointEq1LNGDP(-1)1.000000LNINTERNET1(-1)-0.011171(0.00118)[-9.47493]C-12.73438由REF_Ref72241584\h表1.7可得协整方程为：LNGDP=−12.73438+0.011171由协整方程可得，在其他条件不变的情况下，互联网消费金融规模每扩大1%，经济就增长0.0112%。根据VEC模型的估计结