分位數(shù)回歸下的因果關(guān)系檢驗(yàn)

伍興國

(1.暨南大學(xué) 經(jīng)濟(jì)學(xué)院，廣東 廣州 510632；2.東莞職業(yè)技術(shù)學(xué)院 財(cái)經(jīng)系，廣東 東莞 523808)

一、引 言

目前，對(duì)用Granger因果關(guān)系來檢驗(yàn)變量之間是否為一種“真正”的因果關(guān)系尚存在較大的爭議，但是如果基于統(tǒng)計(jì)學(xué)的考慮，以此來判斷各種經(jīng)濟(jì)變量的“前因后果”的聯(lián)系， Granger因果關(guān)系檢驗(yàn)已經(jīng)在實(shí)踐中得到了廣泛認(rèn)可，如經(jīng)濟(jì)運(yùn)行中先行指標(biāo)的選擇。

通常檢驗(yàn)變量之間Granger因果關(guān)系是以通過定義變量間非因果關(guān)系作為原假設(shè)，只有當(dāng)統(tǒng)計(jì)量拒絕原假設(shè)才接受變量之間可能存在因果關(guān)系。盡管Granger因果關(guān)系最早是基于信息集進(jìn)行的，而要搜集完整的信息集是不可能做到的，因此演變?yōu)閮H考慮統(tǒng)計(jì)意義上的因果關(guān)系，即根據(jù)條件分布函數(shù)來定義，因處理分布函數(shù)也較為復(fù)雜，最終簡化為以條件分布函數(shù)的均值或者期望來進(jìn)行檢驗(yàn)變量的因果關(guān)系[1-2]。Granger、Robins、Engle[3]與Cheung、Ng[4]將此發(fā)展到基于條件方差來檢驗(yàn)變量的因果關(guān)系，而Hiemstra和Jones又進(jìn)一步將其擴(kuò)充到檢驗(yàn)變量的非線性因果關(guān)系[5]，這些檢驗(yàn)雖已廣泛用于研究文獻(xiàn)中[6-7]，但僅局限于檢驗(yàn)條件分布上均值或方差的因果關(guān)系，而均值和方差作為分布函數(shù)的小部分統(tǒng)計(jì)量，因此需要考慮到條件分布的其他特征。Diks和Panchenko也給出了用Hiemstra和Jones的檢驗(yàn)方法來檢驗(yàn)Granger非因果關(guān)系失效的案例[8]。因此，筆者考慮以條件分布的其他特征來檢驗(yàn)變量之間的因果關(guān)系。

本文從條件分位數(shù)出發(fā)來探討和研究變量的因果關(guān)系。首先定義在所有的分位數(shù)上將變量間存在的非因果關(guān)系作為原假設(shè)，其檢驗(yàn)方法不再是通過普通線性回歸，而是利用分位數(shù)回歸來進(jìn)行[9][10]26-66，其檢驗(yàn)思路就是檢驗(yàn)系數(shù)的顯著性，即以Koenker和Machado的Sup-Wald檢驗(yàn)法來實(shí)現(xiàn)[11]，這種分位數(shù)因果檢驗(yàn)的顯著意義在于：考慮了整個(gè)分位數(shù)簇的參數(shù)變化過程，因此與條件分布中的因果關(guān)系檢驗(yàn)的理念是一致的；類似于分位數(shù)回歸模型區(qū)別于一般普通回歸模型，用一簇回歸模型取代一條回歸模型。分位數(shù)因果檢驗(yàn)與經(jīng)典的Granger因果檢驗(yàn)的方法區(qū)別在于：不僅僅停留在條件分布均值上的因果關(guān)系，而是將其擴(kuò)展到檢驗(yàn)變量在不同條件分位數(shù)上的因果關(guān)系，因此能夠更全面地認(rèn)清和確認(rèn)變量間的因果關(guān)系。

二、Granger因果關(guān)系檢驗(yàn)

Granger首次提出了變量的因果關(guān)系，其定義需要變量的完整信息集與時(shí)間先后順序，由于完整信息集在實(shí)際中幾乎不可能取到，故退化為依據(jù)分布函數(shù)來決定，而通常所說的隨機(jī)變量x不是隨機(jī)變量y的格蘭杰原因是指：

Fyt[η| (Y,X)t-1]=Fyt[η|Yt-1]

(1)

?η∈IR

其中Fyt[·|F]為yt的條件分布，(Y,X)t-1是yi和xi由過去一直到t-1期生成的信息集，即變量x的歷史信息并不能影響和改變yt的條件分布。如果式(1)不成立，則認(rèn)為變量x是隨機(jī)變量y的格蘭杰原因；同時(shí)，從式(1)也可以看出其定義的格蘭杰因果關(guān)系其實(shí)是分布上的因果關(guān)系，因估計(jì)和檢驗(yàn)條件分布相當(dāng)有難度，通常的做法是檢驗(yàn)式(1)的必要條件，即：

E[yt|(Y，X)t-1]=E[yt|Yt-1]

(2)

其中E[yt|F]為條件分布Fyt[·|F]的期望或者條件均值。當(dāng)式(2)成立，并在得出變量x不是隨機(jī)變量y的格蘭杰原因的結(jié)論時(shí)需要格外注意，因?yàn)闂l件均值上的非因果關(guān)系只是條件分布上的非因果關(guān)系的必要條件，所以評(píng)判變量之間的非因果關(guān)系是有風(fēng)險(xiǎn)的；相反，如果式(2)不成立，可以得出隨機(jī)變量x是隨機(jī)變量y的格蘭杰原因的結(jié)論是可靠的，因?yàn)橹辽僭跅l件均值上是如此。類似地，與定義在方差上或者其他矩上的非因果關(guān)系的道理是一樣的。

式(2)的檢驗(yàn)一般是假定E[yt|(Y,X)t-1]是線性模型，即：

(3)

模型的自變量取于變量yt的歷史信息Yt-1和xt的歷史信息Xt-1,這里假設(shè)變量y的滯后為p階(yt-1，yt-2，…,yt-p)，變量x的滯后為q階(xt-1，xt-2，…,xt-q)，因此檢驗(yàn)條件均值的因果關(guān)系就轉(zhuǎn)化為檢驗(yàn)原假設(shè)：所有系數(shù)βj=0(j=1，2，…,q)是否成立，亦即變量x所有滯后階數(shù)是否對(duì)變量yt的條件均值有顯著影響。在原假設(shè)成立的條件下，其統(tǒng)計(jì)量服從F分布，即：

(4)

其中SSE0為施加約束的殘差平方和，SSE1為未施加約束的殘差平方和。當(dāng)統(tǒng)計(jì)量大于F分布的臨界值則拒絕原假設(shè)，可以認(rèn)為變量x是隨機(jī)變量y的格蘭杰原因；當(dāng)拒絕原假設(shè)僅僅只能說明在條件均值上有因果關(guān)系的證據(jù)，接受原假設(shè)并不代表變量之間無因果關(guān)系，因?yàn)橛锌赡苓@個(gè)因果關(guān)系是基于條件分布的其他特征。

三、分位數(shù)回歸下的因果關(guān)系檢驗(yàn)

傳統(tǒng)的Granger因果檢驗(yàn)是通過最小二乘回歸方法和F檢驗(yàn)來進(jìn)行的，其諸多性質(zhì)更多依賴于正態(tài)分布的假設(shè)，這很有可能會(huì)導(dǎo)致結(jié)論不可靠。針對(duì)分位數(shù)回歸而言，可以取不同分位數(shù)進(jìn)行回歸，而分析不同層次下的因果關(guān)系更能反映條件分布的全貌，其結(jié)果對(duì)離群值更穩(wěn)健，同時(shí)對(duì)于非正態(tài)分布而言，分位數(shù)回歸估計(jì)量更有效。

(一)分位數(shù)回歸下因果關(guān)系的檢驗(yàn)形式

假定一個(gè)分布完全由其分位數(shù)來確定。定義Qyt[τ|F]為條件分布函數(shù)Fyt[·|F]的第τ分位數(shù)，檢驗(yàn)分布上的非因果關(guān)系依據(jù)條件分位數(shù)來進(jìn)行，即式(1)轉(zhuǎn)化為：

Qyt[τ|(Y,X)t-1]=Qyt[τ|Yt-1]

(5)

?τ∈(0,1)

如果式(5)成立，則認(rèn)為在所有的分位數(shù)上沒有證據(jù)能說明隨機(jī)變量x是隨機(jī)變量y的原因；也可以將注意力集中在部分分位數(shù)區(qū)間[a,b]?[0,1]，即關(guān)系式為：

Qyt[τ|(Y,X)t-1]=Qyt[τ|Yt-1]

(6)

?τ∈[a,b]

當(dāng)然也可以指定分位數(shù)τ0，其關(guān)系表達(dá)式為：

Qyt[τ0|(Y,X)t-1]=Qyt[τ0|Yt-1]

(7)

(8)

這里的系數(shù)向量為θ(τ)=[α0(τ),α(τ)′,β(τ)′]′，為k=1+p+q維，et(τ)為殘差項(xiàng)。為防止偽回歸，這里也要求變量為平穩(wěn)時(shí)間序列，或者為存在協(xié)整關(guān)系的非平穩(wěn)序列。回歸模型系數(shù)向量θ(τ)的估計(jì)一般則通過極小化下式，即非對(duì)稱加權(quán)絕對(duì)離差和：

(9)

H0∶β(τ)=0 ?τ∈(0,1)

(10)

(二)估計(jì)參數(shù)的性質(zhì)

(11)

其中T為樣本量，→D為依分布收斂，

其中ft和Ft分別為在給定zt-1下yt的密度函數(shù)和分布函數(shù)，一般采用核函數(shù)進(jìn)行估計(jì)。如果定義Bq為獨(dú)立的布朗橋，布朗橋Bq(τ)在分布上又等價(jià)于[τ(1-τ)]1/2N(0,Iq)，因此式(11)可以表示為：

(12)

(三)構(gòu)建分位數(shù)因果關(guān)系的統(tǒng)計(jì)量

(13)

[τ(1-τ)]

(14)

為了檢驗(yàn)原假設(shè)是否成立，Koenker和Machado建議在不同分位數(shù)水平下檢驗(yàn)系數(shù)的顯著性，需要在不同的分位數(shù)上計(jì)算Wald統(tǒng)計(jì)量的最大值， 即Sup-Wald值。定義‖·‖為歐幾里得范數(shù)、?為弱收斂，根據(jù)Koenker和Machado的結(jié)論，Wald統(tǒng)計(jì)量在緊集Λ?(0，1)上一致成立,即：

(15)

因此Sup-Wald檢驗(yàn)統(tǒng)計(jì)量的極限性質(zhì)為：

(16)

(17)

當(dāng)n充分大時(shí)，在Λ=[ε，1-ε]的性質(zhì)將很好地接近Sup-Wald的極限性質(zhì)。

更一般地，可以通過在(a=τ1<…<τn=b)上的WT(τi)極大值檢驗(yàn)如下原假設(shè)：

H0∶β(τ)=0 ?τ∈[a,b]

(18)

區(qū)間[a,b]一般為感興趣的分位數(shù)范圍。如果存在?τ∈(0,1)拒絕原假設(shè)，而在?τ∈[a,b]又不能拒絕原假設(shè)，一般認(rèn)為這種因果關(guān)系來自區(qū)間[a,b]之外。

(四)臨界值的計(jì)算和模擬

(19)

這里的s1=a/(1-a)，s2=b/(1-b)，Wq為q維的獨(dú)立布朗運(yùn)動(dòng)。對(duì)于某些q與s2/s1的值可以查到[12]，這里用模擬方法提供了自變量個(gè)數(shù)從q=1到q=10，置信水平分別為α=0.1、α=0.05、α=0.01，模擬次數(shù)為100 000次的臨界值，見表1。

表1 統(tǒng)計(jì)量Sup-Wald的模擬臨界值表

注：分位數(shù)區(qū)間范圍為[0.15，0.85]

對(duì)于分位數(shù)回歸模型(8)來說，具體的檢驗(yàn)又可以分為兩種方式：一是單個(gè)系數(shù)的檢驗(yàn)，即分別檢驗(yàn)自變量滯后參數(shù)的顯著性，虛擬假設(shè)為βj=0，j=1，2，…,q，如果在某個(gè)分位數(shù)上不成立，則說明變量x是變量y的原因;二是待檢參數(shù)的聯(lián)合檢驗(yàn)，虛擬假設(shè)為β1=β2=…=βq=0，如果在所有的分位數(shù)上不嚴(yán)格成立，則說明變量x是變量y的原因。相比于單系數(shù)檢驗(yàn)，參數(shù)聯(lián)合檢驗(yàn)的效率相對(duì)更高，其結(jié)論也更可靠。相似地，將隨機(jī)變量x和y位置顛倒，則可檢驗(yàn)y是否為x的原因。

變量的因果關(guān)系是客觀存在，只是這種影響可能表現(xiàn)在條件分布的不同特征上，例如均值、方差、分位數(shù)，而與檢驗(yàn)?zāi)Ｐ秃头治粩?shù)是無關(guān)的。當(dāng)這種因果關(guān)系表現(xiàn)在條件分布其他特征上，其基于條件均值的Granger檢驗(yàn)又不顯著，因此有可能出現(xiàn)誤判；當(dāng)選擇普通最小二乘的Granger因果檢驗(yàn)與分位數(shù)因果檢驗(yàn)存在檢驗(yàn)結(jié)論不一致時(shí)，應(yīng)當(dāng)認(rèn)為變量之間有因果關(guān)系存在，尤其當(dāng)Granger因果檢驗(yàn)否定變量之間的因果關(guān)系而分位數(shù)因果檢驗(yàn)認(rèn)為有因果關(guān)系時(shí)，說明變量x的歷史信息對(duì)y條件分布的影響不是集中在均值上而是在某些分位數(shù)上；另一方面，當(dāng)Granger因果檢驗(yàn)認(rèn)為變量有因果關(guān)系，而且在絕大部分情況下分位數(shù)檢驗(yàn)也能檢驗(yàn)出變量之間有因果關(guān)系，如果沒有檢驗(yàn)出因果關(guān)系，則可能是由于樣本量較少的緣故。

四、實(shí)證分析

自改革開放以來，隨著中國經(jīng)濟(jì)的快速發(fā)展，人民的生活水平得到了明顯改善，消費(fèi)能力也明顯上升，同時(shí)也促進(jìn)了經(jīng)濟(jì)的不斷發(fā)展。根據(jù)調(diào)查數(shù)據(jù)可知，中國城鎮(zhèn)居民的人均可支配收入大幅提高，已經(jīng)從1980年的447.6元增至2016年的33 616.0元，提高了70倍；而城鎮(zhèn)居民的人均消費(fèi)性支出也從1980年的412.44元增加到2016年的23 079元，增長了接近56倍，說明在收入增加的同時(shí)，居民的消費(fèi)也在逐年增長，雖然每年的增長速度及增長量均有較大差異，但總體上來說還是呈現(xiàn)不斷提高的態(tài)勢。可見，推動(dòng)國民消費(fèi)進(jìn)而促進(jìn)國民經(jīng)濟(jì)增長，是政府一直以來普遍關(guān)注的問題。

在經(jīng)濟(jì)學(xué)中，絕大多數(shù)消費(fèi)理論認(rèn)為：收入是影響消費(fèi)的最主要因素，收入的變化決定著消費(fèi)的變化，著名的消費(fèi)理論有：莫迪利安尼生命周期假說認(rèn)為，消費(fèi)支出取決于預(yù)期的終身收入、平均消費(fèi)傾向與邊際消費(fèi)傾向大致相等；弗里德曼持久收入理論認(rèn)為，消費(fèi)支出取決于持久收入；杜森貝里的相對(duì)收入假說認(rèn)為：消費(fèi)水平主要取決于相對(duì)收入水平，除了當(dāng)期收入外，還與曾經(jīng)的高峰收入有關(guān)，同時(shí)消費(fèi)具有慣性，過去的消費(fèi)水平會(huì)影響當(dāng)期的消費(fèi)水平，認(rèn)為消費(fèi)存在棘輪作用，即收入絕對(duì)增加對(duì)消費(fèi)的增加作用較大，而收入絕對(duì)減少對(duì)消費(fèi)減少的作用并不明顯,因?yàn)榫用駥幵笢p少儲(chǔ)蓄而穩(wěn)定消費(fèi)。

目前，國內(nèi)研究收入與消費(fèi)的關(guān)系主要集中在兩者的協(xié)整關(guān)系上：如蘇明君對(duì)遼寧地區(qū)城鎮(zhèn)居民收入與消費(fèi)的分析和陳保玲對(duì)安徽省城鎮(zhèn)居民可支配收入與消費(fèi)的分析，均得出兩者之間具有協(xié)整關(guān)系的結(jié)論[13-14]。有一部分學(xué)者研究了兩者的格蘭杰因果關(guān)系，如盧學(xué)法分別對(duì)相關(guān)省份數(shù)據(jù)進(jìn)行了協(xié)整檢驗(yàn)和因果關(guān)系研究，認(rèn)為收入是消費(fèi)的單向Granger原因[15]；劉亞錚等人比較了中國城鎮(zhèn)和農(nóng)村居民的收入和消費(fèi)關(guān)系，發(fā)現(xiàn)存在顯著差異，尤其在城鎮(zhèn)居民中，前期的消費(fèi)水平對(duì)當(dāng)期消費(fèi)水平影響較大，并且認(rèn)為消費(fèi)是收入的單向Granger原因[16]。也有少數(shù)學(xué)者在不同收入下對(duì)消費(fèi)支出進(jìn)行分析，如張肅分析了不同收入省份的消費(fèi)水平存在顯著差異[17]。 由于選擇的樣本存在差異和研究方法的不同，可見分析所得結(jié)論也不一致。

前期許多學(xué)者將數(shù)據(jù)以取自然對(duì)數(shù)的形式進(jìn)行分析，其主要優(yōu)點(diǎn)在于可以不改變原始變量的協(xié)整關(guān)系，還能消除數(shù)據(jù)可能的異質(zhì)性，但是取對(duì)數(shù)考慮的是增長率，即彈性。本文以中國城鎮(zhèn)居民的人均可支配收入與人均消費(fèi)性支出為分析對(duì)象，以其增量為分析變量，選取1980—2016年的年度數(shù)據(jù)，數(shù)據(jù)來源于同花順金融數(shù)據(jù)庫IFIND。本文基于增長量考慮，所以選擇的數(shù)據(jù)為人均可支配收入Xt和人均消費(fèi)性支出Yt，以變量ΔXt和ΔYt表示為Xt和Yt的增量，用Δ2Xt和Δ2Yt分別表示ΔXt和ΔYt的一階差分。

(一)數(shù)據(jù)ΔXt和ΔYt的單位根檢驗(yàn)

在時(shí)間序列中應(yīng)用經(jīng)典的線性回歸，首先需要考慮序列的平穩(wěn)性，檢驗(yàn)方法為單位根檢驗(yàn)，其原因在于對(duì)非平穩(wěn)序列有可能出現(xiàn)虛假回歸或偽回歸的現(xiàn)象，這里采用常用的ADF檢驗(yàn)法，其滯后階數(shù)由SIC準(zhǔn)則確定。先對(duì)序列ΔXt和ΔYt進(jìn)行檢驗(yàn)，依據(jù)表2的結(jié)論，說明ΔXt和ΔYt為非平穩(wěn)序列，而Δ2Xt和Δ2Yt的檢驗(yàn)統(tǒng)計(jì)量均小于1%的臨界值，說明ΔXt和ΔYt均為1階單整序列I(1)。

表2 序列單位根檢驗(yàn)表

注：Δ是差分算子；檢驗(yàn)形式中的C、T、K分別表示常數(shù)項(xiàng)、時(shí)間趨勢項(xiàng)、滯后階數(shù)。

(二)數(shù)據(jù)ΔXt和ΔYt的協(xié)整檢驗(yàn)

由于ΔXt和ΔYt為同階單整序列，可以檢驗(yàn)兩者是否存在協(xié)整關(guān)系，采用EG兩步檢驗(yàn)法，即檢驗(yàn)回歸方程殘差是否為平穩(wěn)序列，如果殘差平穩(wěn)則說明兩者具有長期均衡的協(xié)整關(guān)系。

首先建立OLS回歸方程：

t=(1.479)(23.877)

(20)

其中調(diào)整的R2=0.942、F=570.153，根據(jù)回歸結(jié)果可以看出回歸方程非常顯著，其中DW=2.076，說明殘差基本上無自相關(guān)的存在。

(三)Granger因果關(guān)系檢驗(yàn)

格蘭杰指出兩個(gè)I(1)過程如果具有協(xié)整關(guān)系， 那么一定存在某種因果關(guān)系來支撐這種長期均衡，其方向可能是單向也可能是雙向的。分析變量條件均值上的因果關(guān)系就是采用格蘭杰因果檢驗(yàn)，而其對(duì)滯后階數(shù)非常敏感。對(duì)ΔXt和ΔYt進(jìn)行格蘭杰因果檢驗(yàn)，其滯后階數(shù)為1階是依據(jù)VAR的最優(yōu)滯后階數(shù)來確定(結(jié)論見表3)，即接受人均消費(fèi)性支出增量ΔYt不是人均可支配收入增量ΔXt的格蘭杰原因，而拒絕人均可支配收入增量ΔXt不是人均消費(fèi)性支出增量ΔYt的格蘭杰原因。為保守起見，也對(duì)滯后二階進(jìn)行格蘭杰因果檢驗(yàn)，結(jié)論依然如此，不過P值稍大而已，但在5%的臨界值下可拒絕原假設(shè)。

表3 人均可支配收入和人均消費(fèi)性支出的Granger因果檢驗(yàn)表

(四)分位數(shù)下的因果關(guān)系檢驗(yàn)

首先考慮具有協(xié)整關(guān)系的時(shí)間序列ΔYt與ΔXt，在指定分位數(shù)τ上單個(gè)系數(shù)的檢驗(yàn)。人均消費(fèi)性支出增量ΔYt對(duì)其自身的滯后值和人均可支配收入增量ΔXt的滯后值進(jìn)行分位數(shù)因果檢驗(yàn)，即：

(21)

表4 人均可支配收入增量ΔXt和人均消費(fèi)性支出增量ΔYt的分位數(shù)回歸統(tǒng)計(jì)表

為分析分位數(shù)τ在(0.15,0.85)范圍內(nèi)的聯(lián)合檢驗(yàn)，將分位數(shù)按照每次0.01的速度遞增，采用MATLAB平臺(tái)計(jì)算Sup-Wald統(tǒng)計(jì)量值。首先，分析人均可支配收入增量ΔXt是人均消費(fèi)性支出增量ΔYt的原因，Wald統(tǒng)計(jì)量最大值為10.20，在5%的置信水平可拒絕估計(jì)參數(shù)β1=0的原假設(shè)；其次，分析人均消費(fèi)性支出增量ΔYt是人均可支配收入增量ΔXt的原因，檢驗(yàn)統(tǒng)計(jì)量的最大值為1.995，根據(jù)表1的臨界值，即使在10%的置信水平下仍然不能拒絕原假設(shè)，因此沒有充分的理由能說明人均消費(fèi)性支出增量ΔYt是人均可支配收入增量ΔXt的原因。很顯然，其結(jié)論與單個(gè)系數(shù)檢驗(yàn)是一致的，不過Sup-Wald是所研究分位數(shù)上的綜合檢驗(yàn)結(jié)果，而單個(gè)系數(shù)檢驗(yàn)更能指明變量的因果關(guān)系位于分位數(shù)的哪些區(qū)域。

五、結(jié) 論

傳統(tǒng)的Granger因果檢驗(yàn)建立在最小二乘法基礎(chǔ)上，檢驗(yàn)變量位于條件分布均值上的因果關(guān)系，這種檢驗(yàn)操作相對(duì)簡單，結(jié)論比較直觀，但是分析作用有限，尤其當(dāng)條件分布上有其他特征的因果關(guān)系存在時(shí)，由于均值的原因可能將這種因果關(guān)系給湮滅掉，造成均值檢驗(yàn)統(tǒng)計(jì)量沒有足夠的說服力。鑒于此，筆者認(rèn)為分位數(shù)回歸下的因果關(guān)系檢驗(yàn)則能更多地考慮到條件分布上的不同位置，并從不同的層次水平上反映變量間的因果關(guān)系。

在此研究基礎(chǔ)上，本文分析了全國城鎮(zhèn)居民的人均可支配收入增量和人均消費(fèi)性支出增量的關(guān)系，兩者之間不僅存在協(xié)整關(guān)系，同時(shí)人均可支配收入增量是人均消費(fèi)性支出增量的單向因果關(guān)系，但是這種因果關(guān)系影響是不同的：即在低分位數(shù)段，人均可支配收入增量是人均消費(fèi)性支出增量的因果關(guān)系并不顯著，說明城鎮(zhèn)居民人均消費(fèi)性支出增量相對(duì)幅度不大，前期的人均可支配收入增量對(duì)當(dāng)期消費(fèi)影響較小；而只有在較高分位數(shù)上，城鎮(zhèn)居民人均消費(fèi)性支出增量相對(duì)幅度較大，前期的人均可支配收入才對(duì)當(dāng)期人均消費(fèi)性支出增量影響顯著，而相對(duì)消費(fèi)支出增量水平越高，上期的可支配收入增量對(duì)其影響效果越大。同時(shí)，本文還分析了人均消費(fèi)性支出增量是否為人均可支配收入增量的原因，無論是在哪個(gè)分位數(shù)或者均值上，沒有理由說明前期的支出增量能影響到收入增量。

在2012年11月，黨的第十八次代表大會(huì)報(bào)告中首次明確提出收入倍增計(jì)劃，即“2020年實(shí)現(xiàn)國內(nèi)生產(chǎn)總值和城鄉(xiāng)居民人均收入比2010年翻一番”。 政府把大幅提高居民收入作為發(fā)展經(jīng)濟(jì)的核心目標(biāo)，而提高居民的消費(fèi)水平、最終促進(jìn)經(jīng)濟(jì)發(fā)展，也正是本文的研究所在。

[1] Granger C W J.Investigating Causal Relations by Econometric Models and Cross-Spectral Methods[J].Econometrica，1969，37(3).

[2] Granger C W J.Testing for Causality：A personal Viewpoint[J].Journal of Economic Dynamics & Control，1980，2(1).

[3] Granger C W J，Robins R P，Engle R F.Wholesale and Retail Prices：Bivariate Time Series Modeling with Forecastable Error Variances [J].Model Reliability，1986.

[4] Cheung Y W，Ng L K.A Causality-in-Variance Test and Its Application to Financial Market Prices [J].Journal of Econometrics，1996，72(1/2).

[5] Hiemstra C， Jones J D.Testing for Linear and Nonlinear Granger Causality in the Stock Price-Volume Relation [J].Journal of Finance，1994，49(5).

[6] Fujihara R A， Mougoué M.An Examination of Iinear and Nonlinear Causal Relationships Between Price Variability and Volume in Petroleum Futures Markets [J].Journal of Futures Markets，1997，17(4).

[7] Lee B S， Rui O M.The Dynamic Relationship Between Stock Returns and Trading Volume：Domestic and Cross-Country Evidence [J].Journal of Banking & Finance，2002， 26(1).

[8] Diks C，Panchenko V.A Note on the Hiemstra-Jones Test for Granger Non-Causality [J].Studies in Nonlinear Dynamics & Econometrics，2005，9(2).

[9] Koenker R，Bassett G.Regression Quantiles [J].Econometrica，1978，46(1).

[10] Roger Koenker.Quantile Regression [M].Cambridge：Cambridge University Press，2005.

[11] Koenker R.Goodness of Fit and Related Inference Processes for Quantile Regression [J].Journal of the American Statistical Association，1999，94(448).

[12] David M，De Long.Crossing Probabilities for a Square Root Boundary by a Bessel Process [J].Communication in Statistics-Theory and Methods，1981，10(10).

[13] 蘇明君.遼寧省城鎮(zhèn)居民消費(fèi)與收入關(guān)系的協(xié)整研究 [J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2002(4).

[14] 陳保玲.安徽省城鎮(zhèn)居民可支配收入與消費(fèi)之間的計(jì)量分析 [J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2011，13(3).

[15] 盧學(xué)法.浙江省城鎮(zhèn)居民收入與消費(fèi)關(guān)系的協(xié)整和因果性關(guān)系研究 [J].統(tǒng)計(jì)科學(xué)與實(shí)踐，2005(1).

[16] 劉亞錚， 張昭.城鄉(xiāng)居民消費(fèi)水平與收入水平比較研究——基于VAR模型和Granger因果檢驗(yàn) [J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2014,30(4).

[17] 張肅.中國城鎮(zhèn)居民信息消費(fèi)水平估計(jì)與收斂性分析[J].統(tǒng)計(jì)與信息論壇,2016(9).