基于VAR模型的貴州客貨運周轉量與GDP關系實證分析

□李欣月 朱賈悅 方雨晨

一、引言

交通運輸業是國民經濟的基礎性產業，交通運輸業的發展會促進國民經濟的發展，而國民經濟的發展會推動交通運輸業的發展。交通運輸業包含客運和貨運兩部分，因此選取客運周轉量指標和貨運周轉量指標，選取國內生產總值作為經濟指標。由于貴州是我國欠發達地區，且地形為喀斯特地貌，交通運輸條件較差，因此，對貴州客貨運周轉量與GDP關系的研究具有一定的理論意義和現實意義。本文通過2017年《貴州統計年鑒》中1978～2016年的數據選取相關指標，利用Eviews軟件，構建貴州客貨運周轉量與GDP的VAR，分析貴州客貨運周轉量與GDP之間存在的長期關系。

二、數據來源與變量選擇

選取1978～2016年貴州國內生產總值(億元)、客運周轉量(億人公里)和貨運周轉量(億噸公里)作為樣本數據，數據均來源于2017年《貴州統計年鑒》。

對原始序列進行對數變換，變換后的國內生產總值、客運周轉量和貨運周轉量分別表示為lngdp，lnpk，lnft。

三、協整檢驗分析

(一)數據平穩性檢驗。在時間數據序列不具有平穩性的情況下，VAR模型容易出現偽回歸現象，所以需要對時間序列數據進行平穩性檢驗。本文采用ADF檢驗方法來檢驗三組數據的平穩性。檢驗結果如表1所示。

表1 ADF檢驗表

由表1可以看出，原始序列均不平穩，但一階差分序列都平穩，因此可以對三組時間序列作進一步分析。

(二)滯后階數檢驗。采取SC、AIC取值最小準則對階數進行確定。檢驗結果如圖1所示。

圖1顯示，在評價最優滯后期數的5個指標中，都認為應該建立VAR(1)模型，即1期為最優滯后期。

圖1 VAR模型最優滯后期數的確定

(三)協整檢驗。協整檢驗用來檢驗變量之間是否存在長期均衡關系。本文采用Johansen協整檢驗方法。檢驗結果圖2所示。

圖2 Johansen協整檢驗結果

由圖2檢驗結果可知，當協整檢驗的方程個數為0時，P值為0.0277，通過顯著性檢驗，同時，當協整檢驗的方程個數為1時，P值為0.2052，不通過顯著性檢驗，因此lngdp、lnpk和lnft存在唯一長期的均衡關系。

(四)Granger因果檢驗。由于序列之間存在協整關系,因此可以進行Granger因果檢驗。檢驗結果如圖3所示。

圖3 Granger因果檢驗結果

由圖3可知，貴州的貨運周轉量是客運周轉量和GDP的Granger原因,而貴州的客運周轉量和GDP是貨運周轉量的非Granger原因，說明貴州的貨運周轉量和客運周轉量與GDP之間存在單向的因果關系，貴州貨運周轉量的增長能帶動客運周轉量和GDP增長。

四、VAR模型的構造

(一)建立VAR模型。向量自回歸模型是一種非結構化的模型，在模型的每個方程中用當期內生變量對模型中全部內生變量的滯后期進行回歸，從而估計全部內生變量之間的動態關系。通過Eviews建立VAR模型的方程參數，得出表達式為：

lngdp=0.807579×lngdp(-1)+0.028353×lnpk(-1)+0.340971×lnft(-1)-0.741622；

lnpk=-0.031783×lngdp(-1)+0.764182×lnpk(-1)+0.281915×lnft(-1)-0.142333；

lnft=0.037567×lngdp(-1)-0.015381×lnpk(-1)+0.939111×lnft(-1)+0.267580。

(二)AR單位根檢驗。AR單位根檢驗是通過觀測檢驗值是否超過1，如果AR單位根檢驗的點落在單位圓之外，說明構建的向量自回歸模型是不穩定性的；反之，如果AR根檢驗的點落在單位圓以內，說明構建的向量自回歸模型是穩定的。檢驗結果如圖4所示。

圖4 AR單位根檢驗圖

圖4顯示的檢驗結果可知，VAR模型的AR單位根均小于1，這表明lngdp、lnpk和lnft的時間序列所構建的VAR模型具有良好的穩定性，是合理有效的向量自回歸模型。

五、結語

通過以上的實證分析，可以得出：貴州的貨運周轉量、客運周轉量和GDP之間存在唯一的協整關系，貨運周轉量是客運周轉量和GDP的Granger原因,而客運周轉量和GDP是貨運周轉量的非Granger原因，貴州的貨運周轉量和客運周轉量與GDP之間存在單向的因果關系，從構造的VAR模型可以看出，貴州的貨運周轉量、客運周轉量和GDP都受各自的滯后一期的影響最大。貴州的貨運周轉量能夠刺激貴州的客運周轉量和GDP，因此可以通過當前的貨運周轉量的變化判斷未來的客運周轉量和GDP的增減情況，從而更好地應對客運和經濟的變化。