《表3 模型参数估计：互联网金融对商业银行核心业务的影响——基于2006～2016年我国主要商业银行的面板数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《互联网金融对商业银行核心业务的影响——基于2006～2016年我国主要商业银行的面板数据》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:回归系数下方括号内为标准误；***、**、*分别表示1%、5%、10%显著性水平。

VAR模型是对经济时间序列变量之间的因果关系的分析，这就要求在对模型进行参数估计之前应对模型变量之间是否存在因果关系做出判定，以保证得到的变量之间不仅仅显著相关，而且是有意义的。Sims于1972年推广的用于检验变量之间因果关系的Granger方法是目前得到广泛应用的方法，其以对Y进行预测时X的前期信息对均方误差MSE的减少是否有贡献作为因果关系判断的基准。故选用此方法对将要建立模型的变量组进行Granger因果检验，经检验发现，除LNTPP与LNP2P、LNIBL与LNACR这两变量组之间无Granger因果关系外，其余变量组都具有Granger因果关系，说明可以建立这些变量组的VAR模型。此外还发现，LNP2P与LNIBL互为Granger因果，可以对它们进行双向动态分析。至此，利用Eviews对通过Granger因果检验的LNIBA与LNTPP（LNP2P）、LNIBL与LNTPP（LNP2P）、LNNFCI与LNTPP、LNP2P与LNIBL这些变量组进行VAR模型的参数估计，结果见表3。根据AIC和SIC准则对模型滞后阶数进行了确定，具体滞后阶数也可从表3看出。VAR模型所有单位根的值都小于1，表明所建立的VAR模型满足稳定性条件，可以进行脉冲响应分析。