外商直接投资与海南入境旅游规模的实证研究(2)

　　（1）判断检验模型是否应该包含常数项和时间趋势项

　　由此可以看出：LnSIT的水平序列有截距项和时间趋势，而LnFDI的水平序列有截距项、没有时间趋势项，因此我们用ADF单位根检验方法检验它们的平稳性时分别选择有截距项和时间趋势项、有截距项和没有时间趋势项；LnSIT、LnFDI的一阶差分序列没有时间趋势和截距项，因此我们用ADF单位根检验方法检验其平稳性时选择没有时间趋势、没有截距项。

　　（2）确定滞后阶数并做ADF单位根检验

　　AIC信息准则表明：AIC值较小意味着滞后阶数较合适。本文用最小信息准则确定滞后阶数，ADF单位根检验结果见表2。

　　（注：dLnSIT、dLnFDI分别表示LnSIT、LnFDI的一阶差分；检验形式中C、T分别表示有常数项、有时间趋势项，N表示没时间趋势项或者没常数项，K表示滞后阶数；？鄢、？鄢？鄢、？鄢？鄢？鄢分别表示10%、5%、1%的显著水平。）

　　由此可以得知，LnSIT的水平序列在5%的显著水平都是平稳的，LnFDI的水平序列在5%的显著水平是非平稳的，而LnSIT、LnFDI的一阶差分序列在1%显著水平下均是平稳的。这说明LnSIT、LnFDI的一阶差分序列都是一阶单整，满足了协整检验的前提条件。

　　2、协整检验

　　由于LnSIT、LnFDI的一阶差分序列同为一阶单整，因此这两者之间可能存在协整关系，即两者之间可能存在长期稳定的均衡关系。对此，我们采用Engle-Granger两步法来检验。

　　（1）采用OLS法建立协整回归方程（如下式）

　　LnFDI=6.685+1.174LnSIT+e

　　（8.580）？鄢？鄢？鄢（5.572）？鄢？鄢？鄢

　　（注：括号内为t值，？鄢？鄢？鄢表示1%的显著水平。）

　　由此可以得知，海南入境旅游规模每扩大1%，其FDI就会增加1.174%，这说明海南入境旅游规模的扩大能够有效地吸引FDI的流入。

　　（2）检验残差的平稳性

　　用ADF单位根检验方法检验残差e，其结果见表3。

　　由此可以得知，残差序列e在1%的显著水平下为平稳的时间序列，因此LnFDI和LnSIT存在协整关系，即它们之间具有长期稳定的均衡关系。

　　3、Granger因果关系检验

　　协整检验结果说明了LnSIT与LnFDI具有协整关系，但我们还需要通过Granger因果关系检验证明LnSIT与LnFDI是否具有因果关系。为此，我们选取滞后期为5进行Granger因果关系检验，其结果见表4。

　　由此可以得知，在5%的显著水平下，拒绝“LnFDI不是引起LnSIT的Granger原因”的假设，接受“LnSIT不是引起LnFDI的Granger原因”的假设。这表明LnSIT是LnFDI的格兰杰原因。

　　4、误差修正模型

　　为进一步研究两者之间短期波动和长期均衡的关系，我们建立误差修正模型，如下：

　　dLnFDI=-0.264+0.302dLnSIT-0.182Ecmt-1

　　其中，dLnFDI、dLnSIT分别表示LnFDI、LnSIT的一阶差分。

　　误差修正项的系数反映了调节机制，而误差修正项的大小可以反映当短期波动偏离长期均衡时系统调节力度的大小。在上面误差修正模型中，误差修正项系数为-0.182，这符合反向修正机制，即当这两者之间的短期波动偏离长期均衡时，系统将以0.182的调节力度使其恢复到均衡状态。

　　5、脉冲响应函数

　　VAR模型及其脉冲响应函数可以估计分析随机扰动对变量系统的动态冲击，从而可以解释各种经济冲击对经济变量形成的影响。因此，我们运用VAR模型和脉冲响应函数来研究海南入境旅游规模对FDI波动的影响。其步骤是：1、确定VAR模型的最优滞后阶数并确定此阶数下的模型平稳性；2、进行脉冲响应分析。

　　（1）确定最优滞后阶数

　　LnFDI和LnSIT有25个样本，VAR模型能够计算的最大滞后阶数为7。当VAR模型的滞后阶数为1—4时，其特征根的倒数都在单位圆内，而滞后阶数为5、6、7时，其特征根的倒数都有一部分在单位圆外（由于篇幅限制，此处不再展示单位圆图）。这说明：滞后阶数为1—4时，VAR模型都是平稳的。因此，我们根据AIC、SC、HQ等多种检测准则从滞后阶数为1—4中选定最优滞后阶数，其结果如表5所示。

　　我们可以从上表看出：滞后阶数为2时，其显著的指标最多。因此，我们把最优滞后阶数定为2。