滞后期为2 滞后期为3 滞后期为4 滞后期为5
滞后期为6
格兰杰因果关系检验结果表
滞后长度q=s 格兰杰因果性F值F值的P
值
结论
1 x不是y的格兰杰原因
y不是x的格兰杰原因53.3165
4.3467
2.e-06
0.0535
拒绝
接受(）
05
.0
=
α,拒绝((=
α0.10)
2 x不是y的格兰杰原因
y不是x的格兰杰原因18.4591
2.6558
0.0002
0.1079
拒绝
接受(）
05
.0
=
α,接受((=
α0.10)
3 x不是y的格兰杰原因
y不是x的格兰杰原因
7.4705
4.1313
0.0065
0.0380
拒绝
拒绝
4 x不是y的格兰杰原因
y不是x的格兰杰原因7.6333
2.1374
0.0108
0.1790
拒绝
接受
5 x不是y的格兰杰原因
y不是x的格兰杰原因6.4722
1.2872
0.0472
0.4151
拒绝
接受
6 x不是y的格兰杰原因
y不是x的格兰杰原因4.5278
0.7346
0.3450
0.7124
接受
接受
从上表可知，当滞后阶数低于6时，因果关系检验结果为拒绝“销售额不是库存的格兰杰原因”的假设，即销售额是影响库存的原因；而当滞后阶数为3和1时拒绝“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因，当随着滞后阶数为2、4、5、6时接受“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因，可见，一年及三年库存和销售额具有双向的因果关系，而4年和5年仅具有销售额对库存的单向因果关系，5年以上二者均不具因果关系。据此，我们确
定销售额为影响库存的原因。
（2）利用互相关分析命令，初步设定滞后期长度
Cross y x
从上图Y与X的各期滞后值的相关系数及直方图可知，（考试中根据相关系数接近0.5的最大滞后期，做论文时可以先初步设定再逐步改变滞后期长度，当判定系数最大或赤池准则和施瓦兹准则最小者时，其对应的滞后期长度）库存额可能与当年和前三年的销售额相关，故初步设定滞后期长度为3，模型为
Y t=a+b0X t+ b1X t-1+ b2X t-2+ b3X t-3+
t
2、利用阿尔蒙法估计模型，命令和结果如下：
（1）假定b i可以用一个二次多项式逼近(注：一般多项式次数m小于滞后期长度s) Ls Y C PDL(X,3,2)
经阿尔蒙变换之后的估计结果为：
t
Y ˆ= -7140.754+1.1311Z 0t +0.0377 Z 1t -0.4322Z 2t T= (-3.5829) (6.2844) (0.2323) (-2.5960)
R 2= 0.9968，2R =0.9961， F=1348.639，prob(F)= 0.000000 DW=1.8482
即a
ˆ= -7140.754，0ˆα=1.13114，1ˆα= 0.0377，2ˆα= -0.4322 还原成原分布滞后模型： 将估计结果代入以下公式
i
b ˆ=0ˆα+（i-1）1ˆα+（i-1）22ˆα i=0,1,2,3,4 （注：Eviews 软件中为了对模型回归系数两端数据进行控制约束，对多项式公式进行调整，
此公式已与前述理论有所区别。根据Eviews 输出结果中0ˆα
的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若s b ˆ =0ˆα，则多项式的设定形式为i
b ˆ=0ˆα+（i-s ）1ˆα+（i-s ）22ˆα+…..+ （i-s ）m m αˆ ,如本例中1ˆb =0ˆα，则多项式设为i b ˆ=0ˆα+（i-1）1ˆα+（i-1）22ˆα） 得：
ˆb =0ˆα-1ˆα+2ˆα=1.1311-0.0377 -0.4322=0.6613
R降从估计结果来看，PDL项的回归系数均显著，F统计量值很大，方程整体显著，但2低，且X
的回归系数不显著。
t-3
（4）将滞后期调整为4，初步设定模型为：
Y t=a+b0X t+ b1X t-1+ b2X t-2+ b3X t-3+ b3X t-4+
t
利用阿尔蒙法估计模型，命令和结果为
Ls Y C PDL(X,4,1)
R有所改善，从估计结果来看，PDL项的回归系数均显著，F统计量值很大，方程整体显著，2
但X t-3的回归系数不显著。
（5）从上述分析可以看出，假定b i为一次多项式估计均存在一些问题，为此，假定b i可
以用一个二次多项式逼近，重新用阿尔蒙法估计模型，命令及结果如下：
Ls Y C PDL(X,3,2)
R有所改善，F统计量值很大，方程整体显著，回归系数显著，但PDL02项的回由图可知，2
归系数不显著。
（6）继续将滞后期长度调整为4，再运用阿尔蒙法估计模型，命令和结果如下：Ls Y C PDL(X,4,2)
经阿尔蒙变换之后的估计结果为：
Yˆ= -5816.974+0.7420Z0t-0.3996 Z1t-0.1787 Z2t
t
T= (-3.0119) (5.3651) (-7.8286) (-2.5798)
