政府支出乘数估算分析
目录
政府支出乘数估算分析 1
1.1变量的定义及数据的处理 1
1.2SVAR模型的构建及检验 1
1.3构建TVP-VAR模型 4
1.4计算政府支出乘数 5
1.1变量的定义及数据的处理
该影响机制中,相对于第2章到第4章的影响机制而言仅仅改变了中间的变
量,即将居民消费变为社会总投资。
将固定资产投资额(不含农户)作为社会总投资的代理变量。该变量同样选取山东省以2007年第二季度到2020年第四季度的当期值,并以I表示社会总投资。
由于山东省的固定资产投资(不含农户)数据为月度累计数据,且自2018年起投资额数据缺失,只能搜集到累计同比增速的数据,因此根据累计同比增速求得2018年之后每月具体的累计固定资产投资额,进而计算每个季度的固定资产投资额,由此得到所需要的全部数据。
数据来源为中经网。
1.2SVAR模型的构建及检验
首先对社会总投资进行时间序列图的绘制,发现存在时间趋势,因此对其进行X-12季节性调整。为减少数据异方差、序列相关性带来的影响,对该变量取对数,得到最终所需数据,并以LISA作为社会总投资变量(季节调整后)的符
号。
下面,对变量LISA进行平稳性检验。使用ADF单位根检验与P-P单位根检验,发现均为非平稳,因此对其进行一阶差分后的ADF检验与P-P检验,发现两个检验均通过。因此,社会总投资变量I为一阶差分平稳的,即一阶单整时间序列。
在该机制下,对政府支出LGSA、总产出LYSA以及社会总投资LISA的序列组合进行平稳性检验。首先对序列组合(政府支出、社会投资、总产出)进行无差分的平稳性检验,发现未通过平稳性检验。因此对其一阶差分后进行平稳性检验,检验结果显示,一阶差分后三种情况均通过了ADF检验与PP检验,故序列组合为一阶单整时间序列组合。
为确定LGSA、LISA与LYSA之间是否存在协整关系,对其进行Johansen协整检验。首先进行滞后阶数的确定:
表5-1VAR模型滞后阶数检验表
Lag
LogL
LR
FPE
AIC
SC
HQ
0
106.9228
NA
3.14e-06
-4.156913
-4.042191
-4.113226
1
240.4936
245.7703
2.16e-08*
-9.139745*
-8.680859*
-8.964999*
2
247.2617
11.64107
2.37e-08
-9.050467
-8.247418
-8.744662
3
252.6109
8.558766
2.77e-08
-8.904437
-7.757223
-8.467571
4
264.4396
17.50643*
2.52e-08
-9.017583
-7.526205
-8.449658
5
273.8267
12.76642
2.57e-08
-9.033066
-7.197524
-8.334081
6
277.9763
5.145531
3.28e-08
-8.839051
-6.659345
-8.009007
根据上表可以看到,1阶滞后VAR模型中所包含的最小准则数值最多,因此选择最优滞后阶数为1,相应的,VEC模型的滞后阶数为0。
根据调整后的变量的时间序列折线图可以看出三者均存在时间趋势,因此在Johansen协整检验的VEC模型的误差修正中包含有时间趋势项,同样要选择第四种模型。检验结果如下:
表5-2(a)Johansen协整检验一—迹统计量检验
UnrestrictedCointegrationRankTest(Trace)
HypothesizedNo.ofCE(s)
Eigenvalue
TraceStatistic
0.05CriticalValue
Prob.**
None*
0.701636
101.4936
42.91525
0.0000
Atmost1*
0.309477
34.97440
25.87211
0.0028
Atmost2
0.233248
14.60754
12.51798
0.0220
Tracetestindicates2cointegratingeqn(s)atthe0.05level
*denotesrejectionofthehypothesisatthe0.05level
**MacKinnon-Haug-Michelis(1999)p-values
表5-2(b)Johansen协整检验一一最大值统计量检验
UnrestrictedC