基于VAR模型的贵州客货运周转量与GDP关系实证分析

□李欣月 朱贾悦 方雨晨

一、引言

交通运输业是国民经济的基础性产业，交通运输业的发展会促进国民经济的发展，而国民经济的发展会推动交通运输业的发展。交通运输业包含客运和货运两部分，因此选取客运周转量指标和货运周转量指标，选取国内生产总值作为经济指标。由于贵州是我国欠发达地区，且地形为喀斯特地貌，交通运输条件较差，因此，对贵州客货运周转量与GDP关系的研究具有一定的理论意义和现实意义。本文通过2017年《贵州统计年鉴》中1978～2016年的数据选取相关指标，利用Eviews软件，构建贵州客货运周转量与GDP的VAR，分析贵州客货运周转量与GDP之间存在的长期关系。

二、数据来源与变量选择

选取1978～2016年贵州国内生产总值(亿元)、客运周转量(亿人公里)和货运周转量(亿吨公里)作为样本数据，数据均来源于2017年《贵州统计年鉴》。

对原始序列进行对数变换，变换后的国内生产总值、客运周转量和货运周转量分别表示为lngdp，lnpk，lnft。

三、协整检验分析

(一)数据平稳性检验。在时间数据序列不具有平稳性的情况下，VAR模型容易出现伪回归现象，所以需要对时间序列数据进行平稳性检验。本文采用ADF检验方法来检验三组数据的平稳性。检验结果如表1所示。

表1 ADF检验表

由表1可以看出，原始序列均不平稳，但一阶差分序列都平稳，因此可以对三组时间序列作进一步分析。

(二)滞后阶数检验。采取SC、AIC取值最小准则对阶数进行确定。检验结果如图1所示。

图1显示，在评价最优滞后期数的5个指标中，都认为应该建立VAR(1)模型，即1期为最优滞后期。

图1 VAR模型最优滞后期数的确定

(三)协整检验。协整检验用来检验变量之间是否存在长期均衡关系。本文采用Johansen协整检验方法。检验结果图2所示。

图2 Johansen协整检验结果

由图2检验结果可知，当协整检验的方程个数为0时，P值为0.0277，通过显著性检验，同时，当协整检验的方程个数为1时，P值为0.2052，不通过显著性检验，因此lngdp、lnpk和lnft存在唯一长期的均衡关系。

(四)Granger因果检验。由于序列之间存在协整关系,因此可以进行Granger因果检验。检验结果如图3所示。

图3 Granger因果检验结果

由图3可知，贵州的货运周转量是客运周转量和GDP的Granger原因,而贵州的客运周转量和GDP是货运周转量的非Granger原因，说明贵州的货运周转量和客运周转量与GDP之间存在单向的因果关系，贵州货运周转量的增长能带动客运周转量和GDP增长。

四、VAR模型的构造

(一)建立VAR模型。向量自回归模型是一种非结构化的模型，在模型的每个方程中用当期内生变量对模型中全部内生变量的滞后期进行回归，从而估计全部内生变量之间的动态关系。通过Eviews建立VAR模型的方程参数，得出表达式为：

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单位根检验。AR单位根检验是通过观测检验值是否超过1，如果AR单位根检验的点落在单位圆之外，说明构建的向量自回归模型是不稳定性的；反之，如果AR根检验的点落在单位圆以内，说明构建的向量自回归模型是稳定的。检验结果如图4所示。

图4 AR单位根检验图

图4显示的检验结果可知，VAR模型的AR单位根均小于1，这表明lngdp、lnpk和lnft的时间序列所构建的VAR模型具有良好的稳定性，是合理有效的向量自回归模型。

五、结语

通过以上的实证分析，可以得出：贵州的货运周转量、客运周转量和GDP之间存在唯一的协整关系，货运周转量是客运周转量和GDP的Granger原因,而客运周转量和GDP是货运周转量的非Granger原因，贵州的货运周转量和客运周转量与GDP之间存在单向的因果关系，从构造的VAR模型可以看出，贵州的货运周转量、客运周转量和GDP都受各自的滞后一期的影响最大。贵州的货运周转量能够刺激贵州的客运周转量和GDP，因此可以通过当前的货运周转量的变化判断未来的客运周转量和GDP的增减情况，从而更好地应对客运和经济的变化。