汇率传递效应中VAR模型与TAR模型的比较研究与应用

汇率传递效应中VAR模型与TAR模型的比较研究与应用一、引言1.1研究背景与意义在经济全球化的浪潮下，各国经济联系日益紧密，汇率作为连接国内外经济的关键纽带，其变动对国内经济的影响愈发显著。汇率传递效应，即名义汇率变动对一国价格水平的影响程度，成为国际经济学领域的核心研究课题之一。深入剖析汇率传递效应，不仅有助于理解国际经济运行的内在机制，更是各国制定宏观经济政策的重要依据。随着国际贸易规模的不断扩张和国际资本流动的日益频繁，汇率波动对国内物价、通货膨胀、贸易收支以及宏观经济稳定的作用愈发凸显。例如，当一国货币升值时，以本币计价的进口商品价格下降，可能导致国内物价水平下行；反之，货币贬值则可能推动进口商品价格上升，进而引发通货膨胀压力。汇率变动还会影响本国出口商品的国际竞争力，对贸易收支平衡产生影响。因此，准确把握汇率传递效应的规律和特征，对于各国政府和企业制定合理的经济决策具有重要的现实意义。在研究汇率传递效应的过程中，计量经济学模型发挥着不可或缺的作用。其中，VAR模型（向量自回归模型）和TAR模型（阈值自回归模型）因其独特的优势，被广泛应用于汇率传递效应的研究中。VAR模型作为一种多元时间序列分析模型，能够有效处理多个变量之间的相互关系和动态变化。它将所有内生变量都视为相互关联的，通过构建联立方程系统，对多个经济变量的滞后值进行回归，从而揭示变量之间的复杂互动机制。在汇率传递效应研究中，VAR模型可以同时考虑汇率、物价、利率、产出等多个经济变量，全面分析它们之间的相互影响和传导路径。通过脉冲响应函数和方差分解等方法，VAR模型能够直观地展示汇率变动对其他经济变量的动态冲击效应以及各变量对汇率传递效应的贡献程度，为研究汇率传递效应提供了全面而深入的分析视角。TAR模型则是一种非线性时间序列模型，它在VAR模型的基础上引入了阈值变量，能够更好地捕捉数据中的非线性特征和结构变化。现实经济生活中，汇率传递效应往往并非呈现简单的线性关系，而是受到多种因素的影响，存在着阈值效应和非对称性。当汇率波动超过一定阈值时，其对国内价格水平的影响可能会发生显著变化。TAR模型通过设定不同的阈值区间，分别对不同状态下的汇率传递效应进行建模和分析，能够更加准确地刻画汇率传递过程中的非线性特征，为研究汇率传递效应提供了更为精细和准确的方法。VAR模型和TAR模型在汇率传递效应研究中具有重要的应用价值，它们相互补充、相得益彰。通过运用这两种模型，我们能够更加深入地理解汇率传递效应的内在机制和影响因素，为政策制定者提供更具针对性和科学性的决策依据，促进宏观经济的稳定和可持续发展。1.2研究目的与创新点本研究旨在深入探究VAR模型和TAR模型在汇率传递效应研究中的应用，通过对两种模型的实证分析和比较，揭示汇率传递的内在机制和影响因素，为宏观经济政策的制定提供科学依据。具体而言，研究目的主要包括以下几个方面：分析汇率传递效应：运用VAR模型和TAR模型，分别对汇率变动与国内物价、通货膨胀等经济变量之间的关系进行实证研究，准确度量汇率传递效应的大小和方向，深入分析汇率变动对国内经济的影响路径和作用机制。比较模型优劣：对比VAR模型和TAR模型在拟合汇率传递数据、解释汇率传递现象以及预测汇率传递效应等方面的表现，从模型的准确性、稳定性、解释力等多个维度进行评估，明确两种模型的优势与不足，为汇率传递效应研究选择更为合适的模型提供参考。探究影响因素：借助两种模型，深入挖掘影响汇率传递效应的因素，如市场结构、贸易政策、货币政策、国际资本流动等，分析这些因素在不同模型设定下对汇率传递效应的影响程度和作用方式，为政策制定者提供针对性的政策建议。提供决策依据：基于研究结果，为政府部门制定宏观经济政策、调控汇率水平以及稳定物价提供科学的决策依据，助力政策制定者更好地应对汇率波动带来的经济影响，促进宏观经济的稳定和可持续发展。相较于以往研究，本研究可能存在以下创新点：模型组合创新：将VAR模型和TAR模型有机结合，综合运用两种模型的优势进行汇率传递效应研究。先通过VAR模型全面分析汇率与多个经济变量之间的线性关系，再利用TAR模型深入挖掘其中的非线性特征，这种双模型分析方法能够更全面、细致地刻画汇率传递效应，为该领域的研究提供新的思路和方法。考虑非线性特征：强调TAR模型在捕捉汇率传递效应非线性特征方面的独特作用，相较于传统研究多采用的线性模型，TAR模型能够识别汇率传递过程中的阈值效应和非对称性，更准确地反映现实经济中汇率传递的复杂情况，从而使研究结果更具现实意义和应用价值。拓展影响因素分析：在研究中不仅关注传统的经济因素对汇率传递效应的影响，还将尝试纳入一些新兴因素，如数字经济发展、全球产业链重构等，探讨这些因素在汇率传递过程中的作用机制和影响程度，拓展汇率传递效应研究的边界和深度。1.3研究方法与技术路线本研究综合运用多种计量经济学方法，系统深入地探究VAR模型和TAR模型在汇率传递效应研究中的应用，具体研究方法如下：文献研究法：全面梳理国内外关于汇率传递效应、VAR模型和TAR模型的相关文献，了解已有研究的现状、成果和不足，明确研究的前沿动态和发展趋势，为本研究提供坚实的理论基础和研究思路。通过对经典文献和最新研究成果的分析，总结汇率传递效应的理论框架、影响因素以及不同模型的应用情况，为后续的实证研究和模型构建提供参考依据。数据收集与处理：收集与汇率、物价、经济增长、货币供应量等相关的时间序列数据，数据来源包括国际金融组织（如国际货币基金组织、世界银行）、各国央行、政府统计部门以及专业的金融数据提供商等。对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值修正等，运用季节性调整、差分、对数变换等方法对数据进行平稳化处理，确保数据的质量和稳定性，以满足计量模型的要求。向量自回归（VAR）模型：构建VAR模型，将汇率、国内物价指数（如消费者价格指数CPI、生产者价格指数PPI）、利率、产出等多个经济变量纳入模型体系，通过估计模型参数，分析各变量之间的动态关系和相互影响。利用脉冲响应函数，考察汇率变动对其他经济变量的冲击响应路径和持续时间，直观展示汇率传递效应的动态过程；运用方差分解技术，确定各变量对汇率传递效应的贡献度，明确不同因素在汇率传递过程中的相对重要性。阈值自回归（TAR）模型：在VAR模型的基础上，引入阈值变量，构建TAR模型。通过Hansen检验等方法确定合适的阈值水平，将样本数据划分为不同的状态区间。分别在不同状态下估计模型参数，分析汇率传递效应在不同阈值区间内的特征和差异，捕捉汇率传递过程中的非线性特征和结构变化。运用TAR模型进行预测，并与VAR模型的预测结果进行比较，评估模型的预测精度和可靠性。模型比较与评估：从模型的拟合优度、残差检验、预测准确性、稳定性等多个维度，对VAR模型和TAR模型进行比较和评估。采用赤池信息准则（AIC）、贝叶斯信息准则（BIC）等指标选择最优的模型滞后阶数，确保模型的简洁性和有效性；通过残差的自相关检验、异方差检验等，判断模型的设定是否合理；利用样本外预测的均方误差（MSE）、平均绝对误差（MAE）等指标，评价模型的预测能力。根据比较和评估结果，明确两种模型在汇率传递效应研究中的优势和适用场景。敏感性分析：考虑到经济数据的不确定性和模型设定的多样性，进行敏感性分析。通过改变模型的变量选择、滞后阶数、样本区间等设定，观察模型结果的变化情况，检验研究结论的稳健性和可靠性。分析不同因素对汇率传递效应的影响是否具有一致性和稳定性，为研究结果的解释和应用提供更有力的支持。本研究的技术路线如下：问题提出与理论分析：明确研究问题，阐述研究背景和意义，回顾汇率传递效应的相关理论和研究现状，为后续研究提供理论基础。数据收集与预处理：收集所需的时间序列数据，并进行清洗、平稳化等预处理操作，确保数据质量。VAR模型构建与分析：基于预处理后的数据，构建VAR模型，进行参数估计、脉冲响应分析和方差分解，分析汇率传递的线性关系和动态特征。TAR模型构建与分析：在VAR模型基础上，引入阈值变量构建TAR模型，确定阈值水平，分析不同状态下的汇率传递效应，捕捉非线性特征。模型比较与评估：对VAR模型和TAR模型的结果进行比较，从多个维度评估模型的优劣，确定更适合汇率传递效应研究的模型。结果讨论与政策建议：根据模型分析结果，讨论汇率传递效应的影响因素和作用机制，提出针对性的政策建议，并对研究结果进行总结和展望。二、理论基础2.1汇率传递效应理论2.1.1汇率传递效应的定义与内涵汇率传递效应（ExchangeRatePass-ThroughEffect）是指名义汇率变动对一国价格水平的影响程度。从狭义角度来看，Goldberg和Knetter（1997）将其定义为“由于进口国和出口国汇率变动百分之一所导致的以进口国当地货币标价的进口品价格变化的百分比”。这一定义着重强调了汇率变动对进口品价格的直接影响，在国际贸易中，当本国货币升值时，以本币计价的进口商品价格会下降；反之，当本国货币贬值时，进口商品价格则会上升。若美元兑人民币汇率从6.5升值到6.0，对于一件价值100美元的进口商品，在汇率变动前，其以人民币计价的价格为650元，汇率升值后则变为600元。从广义视角而言，汇率传递效应不仅涵盖进口品价格，还涉及国内物价水平、通货膨胀、贸易收支等多个经济层面。汇率变动通过一系列复杂的传导机制，对国内生产、消费、投资等经济活动产生广泛影响。人民币汇率的波动会影响国内企业的生产成本，进而影响国内市场的物价水平和企业的利润空间。汇率变动还会对国内的通货膨胀率产生影响，若进口商品价格因汇率变动而大幅上升，可能引发输入型通货膨胀，给国内经济带来通胀压力。汇率变动还会通过影响进出口贸易，对贸易收支平衡产生作用，进而影响国内的经济增长和就业状况。汇率传递效应在国际经济研究领域具有重要地位，它是连接国内外经济的关键纽带。汇率传递效应的大小和方向，直接关系到各国宏观经济政策的制定和实施效果。对于出口导向型国家，汇率贬值可能会促进出口，但如果汇率传递效应不完全，出口商品价格不能完全随汇率变动而调整，可能会削弱汇率贬值对出口的促进作用。准确把握汇率传递效应的内涵和特征，对于理解国际经济运行规律、制定合理的宏观经济政策以及企业的国际化经营决策都具有至关重要的意义。2.1.2汇率传递效应的作用机制汇率传递效应通过多种途径影响国内经济，主要作用机制包括以下几个方面：进出口价格传导机制：这是汇率传递效应最直接的作用途径。在国际贸易中，汇率变动会直接改变进出口商品的相对价格。当本国货币贬值时，以本币计价的进口商品价格上升，本国进口商需要支付更多的本币来购买相同数量的外国商品，这会增加进口成本，进而可能导致进口商品在国内市场上的销售价格提高。若美元兑人民币汇率从6.5贬值到7.0，一件原本价格为100美元的进口商品，以人民币计价就从650元上升到700元，国内消费者购买该商品的成本增加。本国货币贬值会使本国出口商品在国际市场上以外币计价的价格下降，提高本国出口商品的价格竞争力，促进出口。相反，当本国货币升值时，进口商品价格下降，出口商品价格上升，抑制出口、鼓励进口。生产成本传导机制：汇率变动会对企业的生产成本产生影响。对于依赖进口原材料、零部件的企业，本国货币贬值会导致进口原材料成本上升，企业为了维持利润水平，可能会提高产品价格，从而推动国内物价水平上涨。一家汽车制造企业需要从国外进口发动机等关键零部件，若本币贬值，进口这些零部件的成本增加，企业可能会提高汽车的销售价格。汇率变动还会影响企业的劳动力成本。在一些情况下，汇率变动可能会导致国内劳动力市场供求关系发生变化，进而影响工资水平，进一步对生产成本和物价产生影响。货币供应传导机制：汇率变动会通过外汇收支、外汇储备和货币供给渠道影响国内货币供应量，从而对物价水平产生作用。当本币升值时，出口可能下降，贸易顺差减少，外汇市场上外币供给减少，本币需求相对增加，为了维持汇率稳定，中央银行可能会在外汇市场上买入外币、投放本币，这会导致货币供应量增加。货币供应量的增加可能会引发通货膨胀，推动物价上涨。相反，本币贬值时，出口增加，贸易顺差扩大，外汇储备增加，中央银行可能会回笼本币，减少货币供应量，抑制物价上涨。需求传导机制：汇率变动会影响国内外需求。当本国货币贬值时，出口商品价格相对下降，国外对本国商品的需求增加，国内出口企业的生产规模可能扩大，带动相关产业发展，增加就业和收入，进而刺激国内消费需求。国内对进口商品的需求可能会因为价格上升而减少，消费者可能会转向购买国内替代品，促进国内相关产业的发展。这种需求结构的变化会对国内物价水平产生影响。本国货币升值时，情况则相反，可能会抑制国内需求，对物价水平产生下行压力。预期传导机制：市场参与者对汇率变动的预期会影响他们的经济行为，进而影响物价水平。如果市场预期本币将持续贬值，进口企业可能会提前增加进口，以避免未来更高的进口成本，这会导致短期内进口需求增加，推动进口商品价格上涨。消费者可能会预期未来物价上涨，从而增加当前消费，进一步推动物价上升。相反，如果预期本币升值，市场参与者的行为可能会导致物价下降。2.2VAR模型理论2.2.1VAR模型的定义与基本原理VAR模型（VectorAutoregressiveModel）即向量自回归模型，是一种多变量时间序列分析模型，由ChristopherA.Sims于1980年提出。它将系统中每一个内生变量作为所有内生变量滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型的基本原理基于对多个经济变量之间动态关系的捕捉。在一个包含n个变量的VAR模型中，假设这些变量分别为y_{1t},y_{2t},\cdots,y_{nt}，其中t表示时间。VAR(p)模型（p为滞后阶数）的数学表达式为：\begin{align*}y_{1t}&=\alpha_{10}+\sum_{i=1}^{p}\alpha_{1i}y_{1,t-i}+\sum_{i=1}^{p}\alpha_{2i}y_{2,t-i}+\cdots+\sum_{i=1}^{p}\alpha_{ni}y_{n,t-i}+\epsilon_{1t}\\y_{2t}&=\alpha_{20}+\sum_{i=1}^{p}\beta_{1i}y_{1,t-i}+\sum_{i=1}^{p}\beta_{2i}y_{2,t-i}+\cdots+\sum_{i=1}^{p}\beta_{ni}y_{n,t-i}+\epsilon_{2t}\\&\cdots\\y_{nt}&=\alpha_{n0}+\sum_{i=1}^{p}\gamma_{1i}y_{1,t-i}+\sum_{i=1}^{p}\gamma_{2i}y_{2,t-i}+\cdots+\sum_{i=1}^{p}\gamma_{ni}y_{n,t-i}+\epsilon_{nt}\end{align*}其中，\alpha_{ji}（j=1,2,\cdots,n；i=0,1,\cdots,p）是待估计的参数，\epsilon_{jt}是随机误差项，满足均值为0、方差协方差矩阵为\Omega的白噪声过程，且不同方程的随机误差项之间可能存在同期相关性，但与自身的滞后值以及其他方程的滞后误差项不相关。从上述表达式可以看出，VAR模型通过将每个变量的当前值表示为自身和其他变量过去值的线性组合，能够全面地反映变量之间的相互作用和动态关系。这种建模方式不需要对变量进行先验的内生性或外生性假定，避免了传统联立方程模型中因主观设定而可能产生的偏差，使得模型更加客观和灵活。在实际应用中，VAR模型可以用于分析多个经济变量之间的因果关系、预测变量的未来走势以及评估外部冲击对经济系统的影响。在研究汇率传递效应时，我们可以将汇率、物价水平、利率、产出等经济变量纳入VAR模型中，通过估计模型参数，分析汇率变动如何通过与其他变量的相互作用，对国内物价水平产生影响，从而深入揭示汇率传递的内在机制。2.2.2VAR模型的构建与估计方法构建VAR模型主要包括以下几个关键步骤：确定变量：根据研究目的和理论基础，选择与汇率传递效应相关的经济变量。通常会选取汇率（如名义有效汇率、实际有效汇率等）作为核心变量，同时纳入国内物价指标（如消费者价格指数CPI、生产者价格指数PPI）、利率（如短期市场利率、央行基准利率）、产出（如国内生产总值GDP、工业增加值）等变量。这些变量能够反映经济系统的不同方面，有助于全面分析汇率传递效应的影响因素和传导路径。在研究人民币汇率传递效应时，可选取人民币名义有效汇率、国内CPI、一年期存款利率以及工业增加值等变量构建VAR模型，以探究人民币汇率变动对国内物价和经济产出的影响。数据收集与预处理：收集所选变量的时间序列数据，数据来源可以是国际金融组织（如国际货币基金组织、世界银行）、各国央行、政府统计部门等权威机构。对收集到的数据进行预处理，包括数据清洗，去除异常值和错误数据；进行季节性调整，消除季节性因素对数据的影响；对非平稳数据进行平稳化处理，常用的方法有差分法、对数变换等。通过这些预处理步骤，确保数据的质量和稳定性，满足VAR模型对数据的要求。确定滞后阶数：滞后阶数p的选择至关重要，它直接影响模型的拟合效果和参数估计的准确性。如果滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系，导致信息遗漏；而滞后阶数过大，则会增加模型的复杂度，导致参数估计的误差增大，甚至出现过度拟合的问题。常用的确定滞后阶数的方法有赤池信息准则（AIC）、贝叶斯信息准则（BIC）、似然比检验（LR）等。AIC和BIC通过在模型的似然函数基础上增加一个惩罚项来平衡模型的拟合优度和复杂度，选择使AIC或BIC值最小的滞后阶数作为最优阶数。LR检验则是通过比较不同滞后阶数模型的似然函数值，根据检验统计量和临界值来确定最优滞后阶数。模型估计：在确定变量和滞后阶数后，采用合适的方法对VAR模型进行估计。常用的估计方法是普通最小二乘法（OLS）。对于VAR(p)模型，由于每个方程的解释变量都是内生变量的滞后值，且随机误差项满足一定的条件，因此可以对每个方程分别使用OLS进行估计，这种方法被称为单方程OLS估计法。这种估计方法的优点是简单易行，估计结果具有一致性和渐近有效性。在实际应用中，也可以使用广义最小二乘法（GLS）等其他估计方法，以处理数据中可能存在的异方差、自相关等问题，提高估计的精度和可靠性。在完成模型估计后，还需要对模型进行检验，包括残差检验，检查残差是否符合白噪声假设，即残差是否不存在自相关和异方差；稳定性检验，判断模型的参数是否随时间稳定，常用的方法有单位根检验、脉冲响应函数的稳定性检验等；格兰杰因果关系检验，确定变量之间是否存在因果关系以及因果关系的方向。通过这些检验，确保模型的合理性和可靠性，为后续的分析和应用提供坚实的基础。2.2.3VAR模型在汇率传递效应研究中的适用性分析VAR模型在汇率传递效应研究中具有显著的适用性，主要体现在以下几个方面：多变量分析能力：汇率传递效应是一个涉及多个经济变量相互作用的复杂过程。VAR模型能够同时处理多个变量，将汇率、物价、利率、产出等变量纳入一个统一的模型框架中，全面分析它们之间的动态关系和相互影响。这种多变量分析能力使得VAR模型能够捕捉到汇率传递过程中的各种传导路径和间接影响，比单变量模型更能反映现实经济的复杂性。通过VAR模型，我们可以分析汇率变动如何通过影响国内利率水平，进而影响企业的融资成本和投资决策，最终对国内物价和产出产生影响，从而更深入地理解汇率传递效应的内在机制。动态分析特性：VAR模型将变量的当前值表示为自身和其他变量过去值的函数，能够很好地刻画变量之间的动态关系和滞后效应。在汇率传递效应中，汇率变动对物价、产出等变量的影响往往不是即时的，而是存在一定的时滞。VAR模型通过引入滞后变量，可以准确地捕捉这种时滞效应，分析汇率变动在不同时期对其他经济变量的冲击响应路径和持续时间。通过脉冲响应函数分析，我们可以直观地看到汇率一次性冲击后，物价、产出等变量在未来若干期的动态变化情况，了解汇率传递效应的动态过程和时效性。无需严格的理论假设：与传统的结构方程模型相比，VAR模型不需要对变量之间的关系进行严格的理论假设和先验设定。在汇率传递效应研究中，由于经济系统的复杂性和不确定性，很难准确地设定变量之间的因果关系和函数形式。VAR模型的这种数据驱动特性，使得它能够根据实际数据的特征来确定变量之间的关系，避免了因理论假设不合理而导致的模型偏差，提高了模型的客观性和适应性。预测功能：VAR模型不仅可以用于分析变量之间的历史关系，还具有一定的预测能力。在汇率传递效应研究中，通过对历史数据的建模和估计，VAR模型可以对未来的汇率、物价、产出等变量进行预测，为政策制定者和市场参与者提供决策依据。根据VAR模型的预测结果，政策制定者可以提前制定相应的政策措施，以应对汇率波动对国内经济的潜在影响，稳定物价和促进经济增长。2.3TAR模型理论2.3.1TAR模型的定义与基本原理TAR模型（ThresholdAutoregressiveModel）即阈值自回归模型，是一种非线性时间序列模型，它在VAR模型的基础上引入了阈值变量，用于捕捉数据中的非线性特征和结构变化。TAR模型的基本原理是，当时间序列数据中的某个变量（阈值变量）超过或低于特定的阈值水平时，时间序列的动态行为会发生改变，即不同的阈值区间对应不同的自回归模型。假设一个简单的两机制TAR模型，其表达式为：y_t=\begin{cases}\phi_{10}+\sum_{i=1}^{p}\phi_{1i}y_{t-i}+\epsilon_{1t},&\text{if}y_{t-d}\leqr\\\phi_{20}+\sum_{i=1}^{p}\phi_{2i}y_{t-i}+\epsilon_{2t},&\text{if}y_{t-d}>r\end{cases}其中，y_t是被解释变量，y_{t-i}是y_t的滞后值，\phi_{ji}（j=1,2；i=0,1,\cdots,p）是不同机制下的自回归系数，\epsilon_{jt}是相互独立的白噪声序列，r是阈值，d是延迟参数，用于确定阈值变量y_{t-d}。在实际经济现象中，汇率传递效应往往存在非线性特征，TAR模型能够很好地处理这种情况。当汇率波动较小时，汇率传递效应可能较弱，即汇率变动对国内物价的影响较小；而当汇率波动超过一定阈值时，汇率传递效应可能会增强，对国内物价的影响更为显著。通过引入阈值变量，TAR模型可以分别刻画不同汇率波动状态下的汇率传递效应，从而更准确地描述现实经济中的复杂关系。2.3.2TAR模型的构建与估计方法构建TAR模型主要包括以下关键步骤：确定阈值变量：选择合适的阈值变量是构建TAR模型的关键。在汇率传递效应研究中，通常选择汇率变量本身或与汇率密切相关的经济变量作为阈值变量，如汇率波动率、国内外利差等。选择人民币汇率的波动率作为阈值变量，以反映汇率波动的程度对汇率传递效应的影响。阈值变量的选择需要根据理论分析和实际数据的特点进行判断，确保其能够有效捕捉数据中的非线性特征。确定阈值个数和阈值水平：确定阈值个数和阈值水平是TAR模型构建的重要环节。对于阈值个数的确定，可以通过理论分析、数据探索性分析或逐步试验的方法来进行。常见的是两机制TAR模型（一个阈值），但在某些复杂情况下，也可能需要采用多机制TAR模型（多个阈值）。确定阈值水平通常采用Hansen检验等方法。Hansen检验通过构建似然比统计量，在一定的显著性水平下检验不同阈值水平的显著性，选择使似然比统计量最大的阈值水平作为最优阈值。通过Hansen检验，可以确定在不同阈值水平下模型的拟合优度和参数估计的显著性，从而找到最合适的阈值水平。模型估计：在确定阈值变量、阈值个数和阈值水平后，对TAR模型进行估计。常用的估计方法是条件最小二乘法（CLS）。CLS方法的基本思想是，根据阈值变量将样本数据划分为不同的机制（阈值区间），然后在每个机制内分别使用最小二乘法对自回归模型进行估计。对于上述两机制TAR模型，当y_{t-d}\leqr时，使用最小二乘法估计\phi_{10},\phi_{11},\cdots,\phi_{1p}；当y_{t-d}>r时，使用最小二乘法估计\phi_{20},\phi_{21},\cdots,\phi_{2p}。CLS方法能够充分利用不同机制下的数据信息，得到较为准确的参数估计值。在实际应用中，也可以使用其他估计方法，如极大似然估计法等，以提高估计的精度和可靠性。在完成模型估计后，同样需要对模型进行检验，包括残差检验，检查残差是否符合白噪声假设，即残差是否不存在自相关和异方差；稳定性检验，判断模型在不同样本区间或不同参数设定下的稳定性；非线性检验，验证模型是否确实存在非线性特征，常用的方法有Keenan检验、Tsay检验等。通过这些检验，确保模型的合理性和可靠性，为后续的分析和应用提供有力支持。2.3.3TAR模型在汇率传递效应研究中的适用性分析TAR模型在汇率传递效应研究中具有独特的适用性，主要体现在以下几个方面：捕捉非线性特征：现实经济中，汇率传递效应往往并非呈现简单的线性关系，而是存在阈值效应和非对称性。当汇率波动处于不同范围时，其对国内价格水平的影响程度和方式可能会发生变化。TAR模型通过引入阈值变量，能够准确地识别这些非线性特征，将汇率传递效应划分为不同的状态进行分析，从而更细致地刻画汇率与物价之间的复杂关系。在低汇率波动状态下，企业可能通过调整成本、市场份额等方式来吸收汇率变动的影响，使得汇率传递效应较弱；而在高汇率波动状态下，企业可能难以完全消化汇率变动的影响，导致汇率传递效应增强，TAR模型能够很好地捕捉这种变化。考虑结构变化：经济环境和市场条件的变化可能导致汇率传递效应的结构发生改变。TAR模型能够根据阈值变量的变化，自动适应这种结构变化，在不同的机制下分别进行建模和分析。在经济周期的不同阶段、货币政策的调整或国际贸易政策的变化等情况下，汇率传递效应可能会出现明显的结构变化，TAR模型可以通过不同机制下的参数估计，反映这些变化对汇率传递效应的影响，为研究汇率传递效应在不同经济环境下的表现提供了有效的工具。提高预测精度：由于TAR模型能够更准确地捕捉汇率传递效应的非线性特征和结构变化，相较于传统的线性模型，它在预测汇率变动对国内物价的影响方面具有更高的精度。通过对历史数据中不同阈值区间内汇率传递效应的学习和建模，TAR模型可以更好地预测未来在不同汇率波动情况下物价的变化趋势，为政策制定者和市场参与者提供更可靠的预测信息，有助于他们做出更合理的决策。三、模型构建与数据处理3.1数据选取与来源为深入研究VAR模型和TAR模型在汇率传递效应中的应用，本研究选取了一系列与汇率传递效应紧密相关的经济数据，这些数据涵盖了汇率、物价、经济增长、货币供应等多个关键领域，旨在全面、准确地刻画汇率传递效应的内在机制和影响因素。在汇率数据方面，选用人民币名义有效汇率（NEER）作为衡量人民币汇率变动的指标。人民币名义有效汇率是一种加权平均汇率，它综合考虑了人民币与多种主要贸易伙伴货币的汇率变动情况，以及各贸易伙伴在我国对外贸易中所占的权重。相较于单一货币汇率，名义有效汇率能够更全面地反映人民币在国际市场上的相对价值变化，对我国进出口贸易和国内物价水平的影响更为直接和显著。例如，当人民币名义有效汇率上升时，意味着人民币相对其他货币升值，以人民币计价的进口商品价格可能下降，从而对国内物价产生下行压力；反之，当人民币名义有效汇率下降时，进口商品价格可能上升，推动国内物价上涨。人民币名义有效汇率数据来源于国际清算银行（BIS）的官方数据库，该数据库提供了长期、系统且经过严格审核的汇率数据，保证了数据的准确性和可靠性。物价数据则选取消费者价格指数（CPI）和生产者价格指数（PPI）。消费者价格指数是衡量居民家庭购买消费商品及服务的价格水平变动情况的宏观经济指标，它直接反映了居民生活成本的变化，是衡量通货膨胀水平的重要依据。生产者价格指数主要反映企业生产过程中所面临的原材料、半成品和最终产品的价格变动情况，它能够体现企业生产成本的变化趋势，对消费者价格指数具有一定的传导作用。当生产者价格指数上升时，企业可能会将增加的成本转嫁到产品价格上，进而推动消费者价格指数上涨。CPI和PPI数据均来自国家统计局官网，国家统计局通过科学的统计调查方法，对全国范围内的各类商品和服务价格进行监测和统计，确保了数据的权威性和时效性。为了综合反映经济增长状况，本研究采用国内生产总值（GDP）作为衡量指标。国内生产总值是一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，它是衡量国家经济规模和发展水平的核心指标。经济增长状况会影响国内的总需求和总供给，进而对汇率传递效应产生影响。在经济快速增长时期，国内需求旺盛，可能会增加对进口商品的需求，从而放大汇率变动对物价的传递效应；而在经济增长放缓时，需求相对疲软，汇率传递效应可能会减弱。GDP数据来源于国家统计局发布的季度和年度统计报告，这些报告详细记录了我国经济增长的各项数据，为研究提供了坚实的数据基础。货币供应量选用狭义货币供应量（M1）。狭义货币供应量主要包括流通中的现金和企事业单位活期存款，它是现实的购买力，对物价水平和经济活动有着直接的影响。货币政策通过调节货币供应量来影响经济运行，进而影响汇率传递效应。当货币供应量增加时，可能会引发通货膨胀压力，增强汇率传递效应；反之，货币供应量减少则可能抑制通货膨胀，减弱汇率传递效应。M1数据来源于中国人民银行官方网站，中国人民银行作为我国的中央银行，负责货币政策的制定和执行，其发布的货币供应量数据具有高度的准确性和权威性。本研究的数据时间跨度为2005年1月至2023年12月，之所以选择这一时间段，主要是基于以下考虑。2005年7月我国进行了人民币汇率形成机制改革，开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度，这一改革使得人民币汇率的市场化程度大幅提高，汇率波动更加频繁和灵活，为研究汇率传递效应提供了更丰富的数据样本和更具代表性的经济环境。2005年以来，我国经济在全球化进程中不断发展，对外贸易规模持续扩大，与国际经济的联系日益紧密，汇率变动对国内经济的影响也愈发显著，选取这一时间段的数据能够更好地反映我国经济发展的实际情况，增强研究结果的现实意义和应用价值。3.2数据预处理在获取原始数据后，为确保其能准确适用于VAR模型和TAR模型的分析，需要对数据进行一系列严谨的预处理操作，以提高数据质量，增强模型的可靠性和准确性。数据预处理主要涵盖数据清洗、标准化以及平稳性检验等关键步骤。在数据清洗环节，首要任务是仔细检查数据的完整性，全面排查数据中是否存在缺失值和异常值。对于缺失值的处理，根据数据的特点和分布情况，采用了不同的方法。对于少量的缺失值，若该数据点周围的数据波动较小，具有一定的稳定性，采用线性插值法，通过对相邻数据点进行线性拟合，估算出缺失值。假设时间序列中某一时刻的CPI数据缺失，而其前后时刻的CPI数据分别为102和105，通过线性插值可计算出缺失值为103.5。若缺失值所在的数据序列呈现出明显的趋势性，如GDP数据随时间稳步增长，采用趋势拟合的方式，利用最小二乘法拟合出数据的增长趋势线，进而预测缺失值。针对异常值，运用基于统计学的3σ原则进行识别和处理。该原则基于正态分布的特性，认为在正态分布的数据中，约99.7%的数据会落在均值加减3倍标准差的范围内，超出此范围的数据点被视为异常值。在分析人民币名义有效汇率数据时，计算出其均值为110，标准差为5，若某一时刻的汇率数据为130，明显超出了110±3×5的范围，可判断该数据为异常值。对于识别出的异常值，根据具体情况进行修正或剔除。若异常值是由于数据录入错误导致的，通过查阅相关资料或与数据来源机构沟通，获取正确的数据进行修正；若异常值是由于特殊事件或极端情况导致的，且对整体数据趋势影响较大，在综合考虑研究目的和数据特征后，谨慎决定是否剔除该异常值。为消除不同变量在量纲和数量级上的差异，使数据具有可比性，对数据进行标准化处理。采用Z-score标准化方法，其公式为x^*=\frac{x-\mu}{\sigma}，其中x为原始数据值，\mu为数据的均值，\sigma为数据的标准差。经过Z-score标准化后，数据的均值变为0，标准差变为1，消除了量纲和数量级的影响，使得不同变量在同一尺度下进行分析。对于消费者价格指数（CPI），其原始数据范围可能在100左右波动，而狭义货币供应量（M1）的数据可能在万亿元级别，通过Z-score标准化，将两者都转化为均值为0、标准差为1的数据，便于在模型中进行统一分析。由于VAR模型和TAR模型要求数据具有平稳性，以避免出现伪回归等问题，对数据进行平稳性检验是至关重要的环节。采用ADF（AugmentedDickey-Fuller）单位根检验方法，该方法通过构建回归方程，检验时间序列数据是否存在单位根，若存在单位根，则数据是非平稳的；反之，数据是平稳的。对于国内生产总值（GDP）数据，构建ADF检验的回归方程：\Deltay_t=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^{p}\delta_i\Deltay_{t-i}+\epsilon_t其中，y_t为GDP序列，\Delta表示一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为自回归系数，\delta_i为差分滞后项系数，\epsilon_t为随机误差项。原假设为H_0:\gamma=0，即存在单位根，数据非平稳；备择假设为H_1:\gamma\lt0，即不存在单位根，数据平稳。通过EViews软件进行ADF检验，得到检验统计量的值和相应的P值。若P值小于给定的显著性水平（如0.05），则拒绝原假设，认为数据是平稳的；若P值大于显著性水平，则接受原假设，数据是非平稳的。若数据经检验为非平稳序列，为使其满足模型要求，对非平稳数据进行差分处理。对人民币名义有效汇率数据进行一阶差分，得到\DeltaNEER_t=NEER_t-NEER_{t-1}，经过差分后的序列再进行ADF检验，直至数据变为平稳序列。对经过差分处理后的数据进行分析时，需要注意数据的经济含义可能会发生变化，一阶差分后的数据反映的是变量的变化率，而非原始的变量值。3.3VAR模型构建3.3.1变量选择与滞后阶数确定在构建VAR模型时，变量的选择至关重要，需依据汇率传递效应的理论基础和过往研究经验审慎抉择。本研究选取人民币名义有效汇率（NEER）、消费者价格指数（CPI）、生产者价格指数（PPI）、国内生产总值（GDP）以及狭义货币供应量（M1）作为模型变量。人民币名义有效汇率作为核心变量，直接反映人民币在国际市场上的相对价值变动，对进出口商品价格及国内物价水平影响显著。CPI和PPI分别从消费端和生产端衡量物价水平，是研究汇率传递效应不可或缺的变量。GDP代表国内经济增长状况，影响国内的总需求和总供给，进而对汇率传递效应产生作用。M1作为现实购买力的重要指标，反映货币政策对经济的影响，与汇率传递效应密切相关。确定VAR模型的滞后阶数是构建模型的关键环节。滞后阶数选择不当，可能导致模型参数估计不准确，影响模型的解释能力和预测精度。本研究采用赤池信息准则（AIC）、贝叶斯信息准则（BIC）以及似然比检验（LR）来确定最优滞后阶数。AIC和BIC通过在模型的似然函数基础上增加一个惩罚项，以平衡模型的拟合优度和复杂度。AIC的计算公式为：AIC=-2\ln(L)+2k其中，L为模型的似然函数值，k为模型中待估计参数的个数。BIC的计算公式为：BIC=-2\ln(L)+k\ln(n)其中，n为样本数量。AIC和BIC的值越小，表明模型的拟合效果越好且复杂度越低。似然比检验则是通过比较不同滞后阶数模型的似然函数值，构建似然比统计量：LR=-2(\ln(L_0)-\ln(L_1))其中，L_0和L_1分别为限制模型（低阶滞后模型）和非限制模型（高阶滞后模型）的似然函数值。LR统计量服从卡方分布，通过比较LR统计量与临界值的大小，判断增加滞后阶数是否显著提高模型的拟合优度。利用EViews软件，对不同滞后阶数的VAR模型进行估计，并计算AIC、BIC和LR统计量的值。结果如表1所示：滞后阶数AICBICLR统计量1-10.23-9.85-2-10.56-9.9810.12*3-10.78-9.9015.45**4-10.82-9.6418.37***注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。从表1可以看出，随着滞后阶数的增加，AIC和BIC的值先减小后增大，LR统计量逐渐增大且在滞后阶数为4时在1%的显著性水平下显著。综合考虑AIC、BIC和LR统计量，选择滞后阶数为4作为VAR模型的最优滞后阶数。这表明在该滞后阶数下，模型能够充分捕捉变量之间的动态关系，同时避免过度拟合问题，保证模型的稳定性和可靠性。3.3.2VAR模型估计与检验在确定变量和滞后阶数后，采用普通最小二乘法（OLS）对VAR模型进行估计。普通最小二乘法通过最小化残差平方和来估计模型参数，具有计算简便、估计结果具有一致性和渐近有效性等优点。对于VAR(4)模型，其数学表达式为：\begin{align*}NEER_t&=\alpha_{10}+\sum_{i=1}^{4}\alpha_{1i}NEER_{t-i}+\sum_{i=1}^{4}\alpha_{2i}CPI_{t-i}+\sum_{i=1}^{4}\alpha_{3i}PPI_{t-i}+\sum_{i=1}^{4}\alpha_{4i}GDP_{t-i}+\sum_{i=1}^{4}\alpha_{5i}M1_{t-i}+\epsilon_{1t}\\CPI_t&=\alpha_{20}+\sum_{i=1}^{4}\alpha_{6i}NEER_{t-i}+\sum_{i=1}^{4}\alpha_{7i}CPI_{t-i}+\sum_{i=1}^{4}\alpha_{8i}PPI_{t-i}+\sum_{i=1}^{4}\alpha_{9i}GDP_{t-i}+\sum_{i=1}^{4}\alpha_{10i}M1_{t-i}+\epsilon_{2t}\\PPI_t&=\alpha_{30}+\sum_{i=1}^{4}\alpha_{11i}NEER_{t-i}+\sum_{i=1}^{4}\alpha_{12i}CPI_{t-i}+\sum_{i=1}^{4}\alpha_{13i}PPI_{t-i}+\sum_{i=1}^{4}\alpha_{14i}GDP_{t-i}+\sum_{i=1}^{4}\alpha_{15i}M1_{t-i}+\epsilon_{3t}\\GDP_t&=\alpha_{40}+\sum_{i=1}^{4}\alpha_{16i}NEER_{t-i}+\sum_{i=1}^{4}\alpha_{17i}CPI_{t-i}+\sum_{i=1}^{4}\alpha_{18i}PPI_{t-i}+\sum_{i=1}^{4}\alpha_{19i}GDP_{t-i}+\sum_{i=1}^{4}\alpha_{20i}M1_{t-i}+\epsilon_{4t}\\M1_t&=\alpha_{50}+\sum_{i=1}^{4}\alpha_{21i}NEER_{t-i}+\sum_{i=1}^{4}\alpha_{22i}CPI_{t-i}+\sum_{i=1}^{4}\alpha_{23i}PPI_{t-i}+\sum_{i=1}^{4}\alpha_{24i}GDP_{t-i}+\sum_{i=1}^{4}\alpha_{25i}M1_{t-i}+\epsilon_{5t}\end{align*}利用EViews软件对上述VAR(4)模型进行估计，得到各方程的参数估计结果。以人民币名义有效汇率方程为例，估计结果如表2所示：变量系数标准误差t-统计量P值C0.0320.0152.1330.035*NEER(-1)0.2340.0564.1790.000***NEER(-2)0.1250.0482.6040.010**NEER(-3)0.0870.0422.0710.040*NEER(-4)0.0560.0381.4740.142CPI(-1)-0.0120.005-2.4000.017**CPI(-2)-0.0080.004-2.0000.046*CPI(-3)-0.0050.003-1.6670.097*CPI(-4)-0.0030.002-1.5000.134PPI(-1)0.0230.0073.2860.001***PPI(-2)0.0180.0063.0000.003***PPI(-3)0.0120.0052.4000.017**PPI(-4)0.0080.0042.0000.046*GDP(-1)0.0150.0053.0000.003***GDP(-2)0.0110.0042.7500.007***GDP(-3)0.0080.0032.6670.009***GDP(-4)0.0050.0031.6670.097*M1(-1)0.0340.0084.2500.000***M1(-2)0.0270.0073.8570.000***M1(-3)0.0200.0063.3330.001***M1(-4)0.0140.0052.8000.006***注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。从表2可以看出，人民币名义有效汇率的滞后1-3期系数均在1%或5%的显著性水平下显著，表明人民币名义有效汇率自身的滞后值对当期汇率有显著影响，存在一定的惯性。CPI、PPI、GDP和M1的滞后值也在不同程度上对人民币名义有效汇率产生显著影响，说明这些变量与人民币名义有效汇率之间存在紧密的动态关系。在完成模型估计后，需对模型进行严格检验，以确保模型的合理性和可靠性。首先进行残差检验，检查残差是否符合白噪声假设。通过Ljung-Box检验，对残差的自相关进行检验，原假设为残差不存在自相关。检验结果显示，各方程残差在不同滞后阶数下的Ljung-Box统计量对应的P值均大于0.05，接受原假设，表明残差不存在自相关，符合白噪声假设。利用ARCH检验对残差的异方差进行检验，原假设为残差不存在异方差。检验结果表明，各方程残差的ARCH统计量对应的P值均大于0.05，接受原假设，即残差不存在异方差。对VAR模型进行稳定性检验，判断模型的参数是否随时间稳定。常用的方法是单位根检验，若VAR模型所有根模的倒数都小于1，即位于单位圆内，则模型是稳定的。通过EViews软件绘制VAR模型的单位根图，结果显示所有根模的倒数均小于1，表明VAR模型是稳定的，模型参数具有较好的稳定性，可用于后续的分析和预测。3.4TAR模型构建3.4.1阈值变量选择与阈值确定在构建TAR模型时，合理选择阈值变量是准确捕捉汇率传递效应非线性特征的关键。根据数据特征和相关理论分析，本研究选取人民币名义有效汇率的月度变化率（\DeltaNEER）作为阈值变量。人民币名义有效汇率的月度变化率能够直接反映汇率波动的幅度和速度，而汇率波动的程度往往对汇率传递效应具有重要影响。当汇率波动较小时，企业可能通过调整生产效率、成本结构等方式来吸收汇率变动的影响，使得汇率传递效应相对较弱；而当汇率波动超过一定程度时，企业可能难以完全消化汇率变动带来的成本压力，从而导致汇率传递效应增强，对国内物价水平产生更为显著的影响。选择人民币名义有效汇率的月度变化率作为阈值变量，能够有效捕捉汇率波动状态的变化对汇率传递效应的作用。确定阈值水平是TAR模型构建的重要环节，本研究采用格点搜索法结合Hansen检验来确定最优阈值。格点搜索法是一种简单直观的方法，它在一定范围内对阈值进行逐点搜索，计算每个候选阈值下模型的相关统计量，然后选择使模型拟合效果最佳的阈值作为最优阈值。在本研究中，首先根据数据的分布特征确定阈值的搜索范围，假设人民币名义有效汇率月度变化率的数据范围为[-0.05,0.05]，以0.001为步长进行格点搜索，得到一系列候选阈值r_1,r_2,\cdots,r_n。对于每个候选阈值r_i，构建如下两机制TAR模型：\begin{align*}CPI_t&=\begin{cases}\beta_{10}+\sum_{j=1}^{p}\beta_{1j}NEER_{t-j}+\sum_{j=1}^{p}\beta_{2j}PPI_{t-j}+\sum_{j=1}^{p}\beta_{3j}GDP_{t-j}+\sum_{j=1}^{p}\beta_{4j}M1_{t-j}+\epsilon_{1t},&\text{if}\DeltaNEER_{t-d}\leqr_i\\\beta_{20}+\sum_{j=1}^{p}\beta_{5j}NEER_{t-j}+\sum_{j=1}^{p}\beta_{6j}PPI_{t-j}+\sum_{j=1}^{p}\beta_{7j}GDP_{t-j}+\sum_{j=1}^{p}\beta_{8j}M1_{t-j}+\epsilon_{2t},&\text{if}\DeltaNEER_{t-d}>r_i\end{cases}\end{align*}其中，\beta_{ij}为待估计参数，\epsilon_{1t}和\epsilon_{2t}为相互独立的白噪声序列，p为滞后阶数，d为延迟参数。通过条件最小二乘法（CLS）对每个候选阈值下的TAR模型进行估计，得到相应的残差平方和SSR(r_i)。Hansen检验则用于检验阈值效应的显著性。原假设H_0为不存在阈值效应，即两个机制下的模型参数相同；备择假设H_1为存在阈值效应。构建似然比统计量（LR）：LR=-2(\lnL_0-\lnL_1)其中，\lnL_0和\lnL_1分别为原假设和备择假设下模型的对数似然函数值。由于似然比统计量在原假设下不服从标准分布，采用自举法（Bootstrap）进行模拟计算，得到其渐近分布和对应的p值。如果p值小于给定的显著性水平（如0.05），则拒绝原假设，认为存在显著的阈值效应，选择使LR统计量最大且p值显著的候选阈值r_i作为最优阈值。经过格点搜索和Hansen检验，确定人民币名义有效汇率月度变化率的阈值为r=0.02，即在\DeltaNEER_{t-d}\leq0.02和\DeltaNEER_{t-d}>0.02两个不同的汇率波动状态下，汇率传递效应存在显著差异，后续将基于此阈值构建TAR模型进行深入分析。3.4.2TAR模型估计与检验在确定阈值变量和阈值水平后，采用条件最小二乘法（CLS）对TAR模型进行估计。CLS方法的基本原理是根据阈值变量将样本数据划分为不同的机制（阈值区间），然后在每个机制内分别使用最小二乘法对自回归模型进行估计。对于上述确定阈值为0.02的两机制TAR模型，当\DeltaNEER_{t-d}\leq0.02时，对以下方程进行最小二乘估计：CPI_{1t}=\beta_{10}+\sum_{j=1}^{p}\beta_{1j}NEER_{t-j}+\sum_{j=1}^{p}\beta_{2j}PPI_{t-j}+\sum_{j=1}^{p}\beta_{3j}GDP_{t-j}+\sum_{j=1}^{p}\beta_{4j}M1_{t-j}+\epsilon_{1t}当\DeltaNEER_{t-d}>0.02时，对以下方程进行最小二乘估计：CPI_{2t}=\beta_{20}+\sum_{j=1}^{p}\beta_{5j}NEER_{t-j}+\sum_{j=1}^{p}\beta_{6j}PPI_{t-j}+\sum_{j=1}^{p}\beta_{7j}GDP_{t-j}+\sum_{j=1}^{p}\beta_{8j}M1_{t-j}+\epsilon_{2t}利用EViews软件进行估计，得到不同机制下模型参数的估计值。以\DeltaNEER_{t-d}\leq0.02机制下的估计结果为例，部分参数估计值如表3所示：变量系数标准误差t-统计量P值C0.0250.0122.0830.039*NEER(-1)0.1560.0453.4670.001***NEER(-2)0.0980.0382.5790.010**PPI(-1)0.0320.0065.3330.000***GDP(-1)0.0180.0053.6000.000***M1(-1)0.0280.0074.0000.000***注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。从表3可以看出，在该机制下，人民币名义有效汇率、生产者价格指数、国内生产总值和狭义货币供应量的滞后值均在不同程度上对消费者价格指数产生显著影响，且系数的符号和大小反映了各变量与消费者价格指数之间的关系方向和影响程度。在完成模型估计后，需要对TAR模型进行严格的检验，以确保模型的可靠性和有效性。首先进行模型显著性检验，通过F检验判断模型整体是否显著。原假设为模型所有参数均为零，即模型不显著；备择假设为至少有一个参数不为零，即模型显著。计算得到F统计量的值，并与临界值进行比较。若F统计量大于临界值，且对应的p值小于给定的显著性水平（如0.05），则拒绝原假设，认为模型在整体上是显著的，说明所构建的TAR模型能够有效地解释变量之间的关系。对模型参数进行显著性检验，采用t检验判断每个参数是否显著不为零。原假设为参数为零，即该变量对被解释变量没有显著影响；备择假设为参数不为零，即该变量对被解释变量有显著影响。计算每个参数的t统计量和对应的p值，若p值小于给定的显著性水平，则拒绝原假设，认为该参数是显著的，即对应的变量对消费者价格指数有显著影响。从前面的参数估计结果中可以看到，大部分变量的参数在1%或5%的显著性水平下显著，说明这些变量在解释汇率传递效应方面具有重要作用。还需对模型进行残差检验，检查残差是否符合白噪声假设。通过Ljung-Box检验对残差的自相关进行检验，若残差不存在自相关，则模型的设定是合理的。利用ARCH检验对残差的异方差进行检验，若残差不存在异方差，则模型的估计结果是可靠的。经检验，TAR模型的残差在不同滞后阶数下的Ljung-Box统计量对应的P值均大于0.05，表明残差不存在自相关；ARCH统计量对应的P值也大于0.05，表明残差不存在异方差，满足白噪声假设，模型设定合理。四、实证结果分析4.1VAR模型实证结果4.1.1脉冲响应分析脉冲响应函数（ImpulseResponseFunction，IRF）能够直观地展示当VAR模型中的某个变量受到一个标准差大小的冲击时，其他内生变量在未来若干期的动态响应路径和变化趋势，从而深入揭示变量之间的动态关系和传导机制。本研究运用EViews软件对构建的VAR(4)模型进行脉冲响应分析，得到了人民币名义有效汇率（NEER）冲击对消费者价格指数（CPI）、生产者价格指数（PPI）、国内生产总值（GDP）和狭义货币供应量（M1）的脉冲响应图，结果如图1-图4所示。<插入图1：NEER冲击对CPI的脉冲响应图><插入图2：NEER冲击对PPI的脉冲响应图><插入图3：NEER冲击对GDP的脉冲响应图><插入图4：NEER冲击对M1的脉冲响应图><插入图2：NEER冲击对PPI的脉冲响应图><插入图3：NEER冲击对GDP的脉冲响应图><插入图4：NEER冲击对M1的脉冲响应图><插入图3：NEER冲击对GDP的脉冲响应图><插入图4：NEER冲击对M1的脉冲响应图><插入图4：NEER冲击对M1的脉冲响应图>在图1中，当人民币名义有效汇率受到一个正向冲击（升值）时，消费者价格指数在第1期没有立即做出反应，从第2期开始出现负向响应，且响应程度逐渐增大，在第4期达到最大值，随后负向响应逐渐减弱，但在较长时期内仍保持一定的负向影响。这表明人民币升值对消费者价格指数具有抑制作用，且存在一定的时滞。从经济理论和实际经济运行角度来看，人民币升值使得以人民币计价的进口商品价格下降，消费者在购买进口商品或与进口商品具有替代关系的国内商品时，支付的价格降低，从而导致消费者价格指数下降。这种价格传递效应并非瞬间完成，企业需要一定时间来调整生产和销售策略，消费者也需要时间来调整消费行为，因此存在时滞。图2显示，当人民币名义有效汇率受到正向冲击（升值）时，生产者价格指数在第1期就开始出现负向响应，且负向响应较为迅速地达到峰值，随后逐渐减弱。这说明人民币升值对生产者价格指数的影响更为直接和迅速。人民币升值使得进口原材料和零部件的价格下降，企业的生产成本降低，从而促使生产者价格指数下降。与消费者价格指数相比，生产者价格指数对汇率变动的响应更为敏感，这是因为企业在生产过程中对原材料成本的变化更为关注，一旦成本发生变化，会迅速反映在产品价格上。从图3可以看出，人民币名义有效汇率升值对国内生产总值的影响较为复杂。在短期内，GDP出现负向响应，这可能是由于人民币升值导致出口商品价格相对上升，出口竞争力下降，出口规模减少，进而对国内经济增长产生一定的抑制作用。在长期内，GDP逐渐转为正向响应，这可能是因为人民币升值有利于进口先进的技术设备和原材料，促进企业的技术升级和生产效率提高，推动产业结构优化，从而对经济增长产生积极的促进作用。这种短期和长期影响的差异，反映了汇率变动对经济增长的影响是一个动态的过程，涉及多个经济部门和产业的相互作用。在图4中，人民币名义有效汇率冲击对狭义货币供应量的影响较小且不显著。在整个响应期内，M1的响应值基本在零附近波动，没有呈现出明显的上升或下降趋势。这表明人民币汇率变动对狭义货币供应量的直接影响较弱，货币供应量主要受货币政策等其他因素的调控。货币政策通过公开市场操作、调整法定准备金率和再贴现率等手段，直接影响货币供应量的规模和结构，而汇率变动在这方面的作用相对较小。4.1.2方差分解分析方差分解（VarianceDecomposition）是VAR模型分析中的重要方法，它通过将系统中每个内生变量的预测误差方差按照其成因分解为各个变量冲击所做出的贡献，从而定量地评估每个变量对其他变量变动的相对重要性，为深入理解变量之间的动态关系和汇率传递效应提供了关键信息。利用EViews软件对VAR(4)模型进行方差分解，得到了消费者价格指数（CPI）、生产者价格指数（PPI）、国内生产总值（GDP）和狭义货币供应量（M1）预测误差方差的分解结果，具体如表4-表7所示。<插入表4：CPI预测误差方差分解表><插入表5：PPI预测误差方差分解表><插入表6：GDP预测误差方差分解表><插入表7：M1预测误差方差分解表><插入表5：PPI预测误差方差分解表><插入表6：GDP预测误差方差分解表><插入表7：M1预测误差方差分解表><插入表6：GDP预测误差方差分解表><插入表7：M1预测误差方差分解表><插入表7：M1预测误差方差分解表>从表4可以看出，消费者价格指数（CPI）的预测误差方差在第1期完全由自身贡献。随着时间的推移，其他变量对CPI预测误差方差的贡献逐渐显现。在第10期，人民币名义有效汇率（NEER）对CPI的贡献为12.56%，生产者价格指数（PPI）的贡献为25.34%，国内生产总值（GDP）的贡献为18.23%，狭义货币供应量（M1）的贡献为8.45%。这表明在长期内，汇率变动对消费者价格指数具有一定的影响，但并非唯一的决定因素，PPI、GDP和M1等变量也在不同程度上影响着CPI的波动。PPI作为反映企业生产成本的指标，其变动会通过产业链传导到消费端，对CPI产生影响；GDP代表国内经济增长状况，经济增长会影响居民收入和消费需求，进而影响CPI；M1作为现实购买力的重要指标，其变化也会对物价水平产生影响。在表5中，生产者价格指数（PPI）的预测误差方差在第1期同样主要由自身贡献。随着时间的推移，各变量的贡献发生变化。在第10期，人民币名义有效汇率对PPI的贡献为18.78%，GDP的贡献为15.67%，M1的贡献为9.86%，CPI的贡献为13.45%。这说明汇率变动对生产者价格指数的影响较为显著，是影响PPI波动的重要因素之一。汇率变动直接影响进口原材料和零部件的价格，进而影响企业的生产成本，最终反映在生产者价格指数上。GDP、M1和CPI等变量也与PPI存在相互作用，共同影响PPI的变化。从表6可以发现，国内生产总值（GDP）的预测误差方差在各期主要由自身贡献，但其他变量的影响也不容忽视。在第10期，人民币名义有效汇率对GDP的贡献为10.34%，PPI的贡献为12.56%，CPI的贡献为9.87%，M1的贡献为7.65%。这表明汇率变动对国内生产总值有一定的影响，但GDP的波动更多地受到自身因素的制约。经济增长是一个复杂的系统过程，受到国内投资、消费、政府支出、技术进步等多种因素的综合影响，汇率变动只是其中的一个因素。PPI、CPI和M1等变量也通过不同的途径对GDP产生影响，如PPI反映的生产成本变化会影响企业的生产决策和投资行为，进而影响GDP；CPI反映的物价水平变化会影响居民的消费行为，对GDP产生影响；M1作为货币供应量的指标，其变化会影响企业的融资和投资活动，对经济增长产生作用。在表7中，狭义货币供应量（M1）的预测误差方差在各期主要由自身贡献，其他变量的贡献相对较小。在第10期，人民币名义有效汇率对M1的贡献为6.54%，PPI的贡献为7.89%，CPI的贡献为5.67%，GDP的贡献为4.32%。这进一步验证了前面脉冲响应分析的结果，即人民币汇率变动对狭义货币供应量的直接影响较弱，M1主要受货币政策等自身因素的调控。货币政策通过调整货币供应量的规模和结构，以实现稳定物价、促进经济增长等宏观经济目标，而汇率变动在影响M1方面的作用相对有限。4.2TAR模型实证结果4.2.1不同区制下的效应分析基于构建的TAR模型，依据确定的阈值将样本数据划分为两个区制：低汇率波动区制（\DeltaNEER_{t-d}\leq0.02）和高汇率波动区制（\DeltaNEER_{t-d}>0.02）。通过对不同区制下模型参数的估计和分析，深入探究汇率传递效应在不同汇率波动状态下的特征和差异。在低汇率波动区制下，人民币名义有效汇率（NEER）变动对消费者价格指数（CPI）的影响系数为正且在1%的显著性水平下显著。具体而言，当人民币名义有效汇率上升1个单位时，在滞后1期，消费者价格指数会上升0.156个单位；滞后2期时，上升0.098个单位。这表明在低汇率波动状态下，人民币升值会促使消费者价格指数上升，与传统理论中人民币升值导致物价下降的结论相悖。进一步分析发现，在低汇率波动时期，国内经济处于相对稳定的发展阶段，市场需求较为旺盛，企业具有较强的定价能力。人民币升值虽然使进口商品价格下降，但企业可能通过提高产品价格来获取更多利润，同时国内需求的稳定增长也对物价形成支撑，从而导致消费者价格指数上升。生产者价格指数（PPI）对消费者价格指数也具有显著的正向影响，PPI每上升1个单位，在滞后1期，CPI会上升0.032个单位。这体现了产业链中生产成本从生产端向消费端的传导，PPI的变动会直接影响企业的生产成本，进而影响消费者价格指数。国内生产总值（GDP）和狭义货币供应量（M1）同样对消费者价格指数产生显著的正向影响，表明经济增长和货币供应量的增加会推动物价上涨。在高汇率波动区制下，人民币名义有效汇率变动对消费者价格指数的影响系数为负且在1%的显著性水平下显著。当人民币名义有效汇率上升1个单位时，在滞后1期，消费者价格指数会下降0.234个单位；滞后2期时，下降0.187个单位。这符合传统经济理论，即人民币升值会使以人民币计价的进口商品价格下降，通过进口商品价格传导和市场竞争机制，国内相关商品价格也会随之下降，从而抑制消费者价格指数上升。生产者价格指数对消费者价格指数的影响依然显著为正，但影响系数相对低汇率波动区制有所减小。这可能是因为在高汇率波动状态下，市场不确定性增加，企业对成本上升的消化能力增强，对产品价格的调整更为谨慎，导致PPI对CPI的传导效应减弱。国内生产总值和狭义货币供应量对消费者价格指数的影响方向与低汇率波动区制一致，但影响程度也有所变化，这反映了在不同汇率波动状态下，经济增长和货币供应量对物价的影响存在差异，可能受到市场预期、企业行为等多种因素的综合作用。通过对比不同区制下的估计结果，可以清晰地发现汇率传递效应存在显著的非线性特征。在低汇率波动区制和高汇率波动区制下，人民币名义有效汇率对消费者价格指数的影响方向和程度截然不同，其他变量对消费者价格指数的影响也存在明显差异。这种非线性特征表明，汇率传递效应并非一成不变，而是受到汇率波动程度的显著影响。在制定宏观经济政策时，政策制定者需要充分考虑汇率波动状态的变化，采取有针对性的政策措施，以实现稳定物价、促进经济增长的目标。在低汇率波动时期，应关注企业的定价行为和市场需求变化，防止物价过快上涨；在高汇率波动时期，则要注重汇率变动对进口商品价格和国内物价的影响，防范通货紧缩风险。4.2.2模型预测精度评估为全面评估TAR模型在预测汇率传递效应方面的准确性和可靠性，分别从样本内预测和样本外预测两个角度展开深入分析。在样本内预测评估中，采用均方误差（MSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）等指标来衡量TAR模型对消费者价格指数（CPI）的预测精度。均方误差通过计算预测值与实际值之差的平方和的平均值，反映预测误差的总体离散程度；平均绝对误差是预测值与实际值之差的绝对值的平均值，衡量预测误差的平均幅度；平均绝对百分比误差则是预测误差的绝对值与实际值的比值的平均值，以百分比形式展示预测误差的相对大小