基于全球各国数据的PVAR模型

首先进行平稳性检验。单位根检验显示，投资率inv_gdp和全要素生产率tfp为非平稳变量。采取差分法处理非平稳变量，并用Dinv_gdp与Dtfp取代inv_gdp与tfp进行检验。根据AIC、BIC与HQIC规则，最优滞后阶数为二阶。在估计模型参数之前，本文采用前向均值差分法（即Helmert转换）和去除组内均值法分别消除个体效应和时间效应。利用GMM方法估计的PVAR结果如图5-2所示。

表5-1　利用GMM方法估计的PVAR结果

注：t statistics in parentheses，* p＜0.1， ** p＜0.05， *** p＜0.01

从统计分析结果来看，负债率波动受到滞后一期的负债率和经济增长率、滞后两期的全要素生产率的影响较为显著。经济增长率则受到滞后一期的经济增长率的影响较为显著。(https://www.daowen.com)

PVAR模型的估计结果显示系统各变量间的直接关系，但彼此的动态变化关系还需运用脉冲响应函数进行检验。本文采用1000次模拟定义脉冲响应函数的标准差，对应生成5%—95%的置信区间。此外，由于PVAR程序采用的是Cholesky分解方法，系统变量的顺序不同会导致结果产生较大差异。为此，本部分根据四个变量的特性，将系统变量顺序设置为Ddebt_gdp、inv_gdp、Dtfp、gdp，结果如图5-2所示。

图5-2　全部国家样本脉冲响应分析

根据脉冲响应分析结果，当负债率作为冲击变量时，其对投资率、全要素生产率以及经济增长率的影响均为负向，且这种效应在较长的时间内存在，也就是说负债率的上升不利于经济增长率的提高；投资率和全要素生产率在统计学意义上对经济增长率的影响不显著；当经济增长率作为冲击变量时，其对负债率的影响为负，即经济增长率上升会导致负债率下降，但这种效应只在第一期存在。