综上所述，我国经济增长和证券市场的各变量序列都属于一阶单整I(1)序列。由此，我们可以对其进行后续的进一步检验。
3.4 Granger因果检验
只有在变量序列的单整阶数相等的情况下，变量之间因果关系的确定才是准确和有效的。所以，基于以上的单位根检验结果，我们可以分别对经济变量和股票市场变量执行格兰杰因果检验。结果，如表2所示。
表2 经济增长与股票市场变量之间的格兰杰因果检验
Pairwise Granger Causality Tests Sample: 1995:1 2004:4 Lags: 3 Null Hypothesis:
CAP1SA does not Granger Cause GYSA GYSA does not Granger Cause CAP1SA CAP2SA does not Granger Cause GYSA GYSA does not Granger Cause CAP2SA NCSA does not Granger Cause GYSA GYSA does not Granger Cause NCSA VALSA does not Granger Cause GYSA GYSA does not Granger Cause VALSA TR1SA does not Granger Cause GYSA GYSA does not Granger Cause TR1SA TR2SA does not Granger Cause GYSA GYSA does not Granger Cause TR2SA TOSA does not Granger Cause GYSA GYSA does not Granger Cause TOSA CAP2SA does not Granger Cause CAP1SA
CAP1SA does not Granger Cause CAP2SA NCSA does not Granger Cause CAP1SA CAP1SA does not Granger Cause NCSA VALSA does not Granger Cause CAP1SA CAP1SA does not Granger Cause VALSA TR1SA does not Granger Cause CAP1SA CAP1SA does not Granger Cause TR1SA TR2SA does not Granger Cause CAP1SA
11
Obs 37 37
F-Statistic 4.08949 0.14394 3.02561 0.43595 Probability 0.01511 0.93275 0.04484 0.72887 0.19361 0.63651 0.20232 0.31730 0.12100 0.01938 0.09540 0.01406 0.07369 0.01254 0.13783 0.08906 0.38071 0.01288 0.45313 0.66433 0.76717 0.12563 0.77742
37 37 37
1.67390 0.57405 1.63406 1.22633 2.10133 3.84027
37 37
2.31939 4.16191 2.55849 4.27786 37 1.98246 2.38280
37 1.05996 4.25078
37 37 37
0.89908 0.53124 0.38132 2.06695 0.36685
CAP1SA does not Granger Cause TR2SA TOSA does not Granger Cause CAP1SA CAP1SA does not Granger Cause TOSA NCSA does not Granger Cause CAP2SA CAP2SA does not Granger Cause NCSA VALSA does not Granger Cause CAP2SA CAP2SA does not Granger Cause VALSA TR1SA does not Granger Cause CAP2SA CAP2SA does not Granger Cause TR1SA TR2SA does not Granger Cause CAP2SA CAP2SA does not Granger Cause TR2SA TOSA does not Granger Cause CAP2SA CAP2SA does not Granger Cause TOSA VALSA does not Granger Cause NCSA NCSA does not Granger Cause VALSA TR1SA does not Granger Cause NCSA NCSA does not Granger Cause TR1SA TR2SA does not Granger Cause NCSA NCSA does not Granger Cause TR2SA TOSA does not Granger Cause NCSA NCSA does not Granger Cause TOSA TR1SA does not Granger Cause VALSA VALSA does not Granger Cause TR1SA TR2SA does not Granger Cause VALSA VALSA does not Granger Cause TR2SA TOSA does not Granger Cause VALSA VALSA does not Granger Cause TOSA TR2SA does not Granger Cause TR1SA TR1SA does not Granger Cause TR2SA TOSA does not Granger Cause TR1SA TR1SA does not Granger Cause TOSA TOSA does not Granger Cause TR2SA TR2SA does not Granger Cause TOSA
37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37
2.38197 0.31334 2.02646 3.18316 2.05703 1.26245 1.76510 0.26795 3.45304 0.26474 3.59311 0.37198 3.38581 7.12651 0.75620 0.97353 0.97715 0.78178 0.98242 0.48350 0.90043 1.39262 2.97325 1.26879 2.89903 0.99608 2.40718 1.39583 1.59971 2.96155 3.78892 3.06635 3.58652
0.08915 0.81558 0.13133 0.03802 0.12701 0.30494 0.17507 0.84797 0.02875 0.85025 0.02490 0.77378 0.03081 0.00094 0.52750 0.41818 0.41654 0.51347 0.41417 0.69625 0.45247 0.26417 0.04738 0.30282 0.05124 0.40809 0.08675 0.26324 0.21015 0.04797 0.02041 0.04296 0.02507
由上表可知，在1%的显著水平上，我国股票市场的季度交易率序列VALSA是导致我国股票市场季度净筹资率NCSA的格兰杰原因。在5%的显著水平上，我国股票市场的资本化率一、二序列CAP1SA和CAP2SA都是导致我国经济增长速度序列GYSA的格兰杰原
12
因。同时，我国经济增长速度序列GYSA和我国股票市场资本化率二序列CAP2SA是导致我国股票市场周转率一、二序列TR1SA、TR2SA和换手率序列TOSA的格兰杰原因。我国股票市场的资本化率一序列CAP1SA是导致我国股票市场季度净筹资率NCSA的格兰杰原因。我国股票市场季度净筹资率NCSA是导致我国股票市场资本化率二序列CAP2SA的格兰杰原因。我国股票市场的季度交易率序列VALSA是导致我国股票市场周转率一TR1SA的格兰杰原因。我国股票市场换手率序列TOSA与我国股票市场周转率一TR1SA和周转率二序列TR2SA之间分别存在双向格兰杰因果关系。在10%的显著水平上，我国股票市场周转率一TR1SA和换手率序列TOSA是导致我国经济增长速度序列GYSA的格兰杰原因。我国股票市场的资本化率一序列CAP1SA是导致我国股票市场的资本化率二序列CAP2SA和周转率二序列TR2SA的格兰杰原因。我国股票市场的季度交易率序列VALSA是导致我国股票市场周转率二序列TR2SA和换手率序列TOSA的格兰杰原因。可见，我国经济增长速度与我国股票市场各变量之间以及股票市场内部各变量之间存在着至少是单向的格兰杰因果关系。
4．中国经济增长与股票市场关系的长期均衡分析和动态分析
4.1 方法
如果一组非平稳时间序列存在一个平稳的线性组合，即该组合不具有随机趋势，那么这组序列就是协整的，这个线性组合被称为协整方程，表示一种长期的均衡关系。正如Angle和Granger(1987)指出，尽管两个或两个以上变量序列为非平稳序列，但它们的某种线性组合却具有稳定性，则这些变量序列之间就存在长期的均衡关系即协整关系。也就是说，由若干个服从单位根过程的变量组成的系统中，若这些变量的某一线性组合是稳定的，则称这一稳定的线性组合为协整关系。这种关系在经济学上的意义是：① 对经济学中规律性的很好
13
的定量描述。即每个变量序列都是有自身长期的波动规律，当这些变量序列有协整关系时，说明它们之间存在一个长期稳定的比例关系。反之，则它们之间不具有这样一个长期稳定的比例关系。②避免伪回归。因为对没有协整关系的时间序列进行回归分析，结果常常会是取伪的。③ 区分变量之间的长期均衡关系和短期波动关系。长期均衡关系就是两个时间序列共同漂移的方式。短期波动是指被解释变量对于长期趋势的偏离与解释变量对长期均衡偏离之间的关系。基于以上对我国经济增长指标和股票市场指标单整阶数和格兰杰因果关系的检验，本文采用Johansen方法对其长期的动态均衡关系进行协整检验。
接下来，在确定了我国经济增长指标和股票市场指标之间是否存在协整关系以及存在几个协整方程之后，建立了向量误差修正模型VECM，即每个变量指标对其他变量指标的滞后项和用协整关系表示的误差修正项的滞后项做回归。以关于经济增长速度的误差修正模型为例，如果误差修正项在误差修正模型中的回归系数显著，则说明经济增长速度适应先前与股票市场变量指标之间的均衡误差，即过去的股票市场变量指标对当前的经济增长速度有显著的解释能力，而且这些股票市场变量指标可以显著的预测经济增长速度的变化趋势；反之，如果误差修正项在误差修正模型中的回归系数不显著，则说明过去经济增长速度与股票市场变量指标之间的均衡关系对当前经济增长速度的变化没有影响。
最后，在前面分析的基础上文章对我国经济增长指标和股票市场指标之间的动态特征进行分析。广义脉冲响应函数描述的是一个内生变量对误差变化大小的反应程度。也就是说，在扰动项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。这里对于每一个误差项，内生变量都对应着一个脉冲响应函数。而方差分解分析是给出随机新息的相对重要性，也就是给出关于某个特定的新息所引起的方差占总方差的百分比。这里方差分解分析能够进一步量化我国经济增长变量指标和股票市场变量指标之间格兰杰因果关系的相对强弱和动态交互作用。
14
4.2 协整检验
Sample: 1995:1 2004:4 Included observations: 38
Test assumption: Linear deterministic trend in the data Lags interval: 1 to 1 Eigenvalue 0.822477 0.714158 0.672631 0.468074 0.352545 0.311595 0.164413 0.111543
Likelihood Ratio 221.7247 156.0358 108.4478 66.01450 42.02696 25.50814 11.31979 4.494207
5 Percent
1 Percent
Hypothesized No. of CE(s) None ** At most 1 ** At most 2 ** At most 3 At most 4 At most 5 At most 6 At most 7 *
Critical Value Critical Value 156.00 124.24 94.15 68.52 47.21 29.68 15.41 3.76
168.36 133.57 103.18 76.07 54.46 35.65 20.04 6.65
Series: GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA
*(**) denotes rejection of the hypothesis at 5%(1%) significance level L.R. test indicates 3 cointegrating equation(s) at 5% significance level Unnormalized Cointegrating Coefficients: GYSA
CAP1SA
CAP2SA
NCSA
VALSA
TR1SA
TR2SA
TOSA
8.142791 2.928453 -79.87212 -5.122616 -6.402606 70.58818 -20.45248 12.16536 -4.638367 3.595987 -115.6930 -24.79203 -10.94481 129.6830 -37.67251 19.37683 -6.686090 -0.815091 26.83009 23.73029 3.561274 -44.79214 12.76729 -1.271867 -1.924183 -0.860285 23.74049 -44.61704 4.152756 -27.37185 7.113422 2.274552 3.456621 1.290889 -26.79356 -5.360624 -4.009175 34.30668 -7.997998 -11.61302 -1.555669 -2.058508 38.95691 2.505509 6.744147 -43.48399 12.36123 -9.090351 -2.428238 -2.429654 52.19068 4.710419 3.182200 -15.18731 3.746513 1.067032 -0.817331 -0.316428 15.33605 -3.671839 1.774691 -15.11044 3.904232 1.497498 Normalized Cointegrating Coefficients: 1 Cointegrating Equation(s) GYSA CAP1SA CAP2SA Log likelihood
Normalized Cointegrating Coefficients: 2 Cointegrating Equation(s) GYSA CAP1SA CAP2SA Log likelihood
Normalized Cointegrating Coefficients: 3 Cointegrating Equation(s GYSA CAP1SA CAP2SA NCSA
NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.359638 -9.808936 -0.629098 -0.786291 8.668794 -2.511728 1.494003 2.544907
(0.05471) (1.57557) (0.53083) (0.14861) (1.60760) (0.46601) (0.31404) 775.2286
NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 1.203380 1.264013 0.210609 -2.938002 0.857941 -0.303226 -0.449630
799.0226
(0.31039) (0.52165) (0.04783) (0.66939) (0.19818) (0.20902) (0.69477) (1.16765) (0.10707) (1.49835) (0.44360) (0.46786)
0.000000 1.000000 -30.62060 -5.263944 -2.771958 32.27360 -9.369628 4.997337 8.326542
VALSA
15
TR1SA TR2SA TOSA C