[31]。其中用符號(hào)GDP表示經(jīng)濟(jì)增長(zhǎng)情況，用符號(hào)INTERNET表示互聯(lián)網(wǎng)消費(fèi)金融發(fā)展情況。為了消除通貨膨脹對(duì)原始數(shù)據(jù)的影響，對(duì)互聯(lián)網(wǎng)消費(fèi)金融規(guī)模的原始數(shù)據(jù)以居民消費(fèi)價(jià)格指數(shù)CPI（2007年=100）為基期價(jià)格指數(shù)進(jìn)行轉(zhuǎn)換，并把國(guó)內(nèi)生產(chǎn)總值指數(shù)的影響從國(guó)內(nèi)生產(chǎn)總值的原始數(shù)據(jù)剔除出去。為了消除原始數(shù)據(jù)的異方差和過(guò)度波動(dòng)問(wèn)題和保持原有數(shù)據(jù)的經(jīng)濟(jì)學(xué)特征不被改變，需要對(duì)消除通貨膨脹影響后的原始數(shù)據(jù)分別作取對(duì)數(shù)處理。處理后各數(shù)據(jù)的對(duì)應(yīng)符號(hào)分別記為L(zhǎng)NGDP和LNINTERNET。數(shù)據(jù)處理和實(shí)證研究均使用EViews10.0進(jìn)行分析。1.2互聯(lián)網(wǎng)消費(fèi)金融與經(jīng)濟(jì)增長(zhǎng)的向量自回歸模型（VAR）本文主要采用向量自回歸模型（VAR）分析互聯(lián)網(wǎng)消費(fèi)金融對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)與影響。1.2.1ADF檢驗(yàn)平穩(wěn)性檢驗(yàn)是考察非平穩(wěn)變量之間是否具有長(zhǎng)期穩(wěn)定的關(guān)系，如果有，則說(shuō)明回歸不是偽回歸；反之，則說(shuō)明是偽回歸。在時(shí)間序列數(shù)據(jù)中，如果存在單位根，會(huì)產(chǎn)生偽回歸等嚴(yán)重后果，所以必須對(duì)每個(gè)變量進(jìn)行單位根檢驗(yàn)，保證每個(gè)變量的平穩(wěn)性，這樣平穩(wěn)變量的回歸模型才是有效的。對(duì)每個(gè)變量對(duì)數(shù)變換后的時(shí)間序列數(shù)據(jù)進(jìn)行ADF單位根檢驗(yàn)，檢驗(yàn)結(jié)果如REF_Ref72240954\h表1.1所示。時(shí)間序列數(shù)據(jù)為零階平穩(wěn)序列，雖然LNINTERNET是非平穩(wěn)序列，但是經(jīng)過(guò)一階差分后是平穩(wěn)序列。所以，需要對(duì)互聯(lián)網(wǎng)消費(fèi)金融的數(shù)據(jù)作一階差分處理得到新的平穩(wěn)數(shù)據(jù)后，再建立VAR模型。互聯(lián)網(wǎng)消費(fèi)金融的新數(shù)據(jù)即為零階平穩(wěn)序列，時(shí)間跨度為2008年至2017年，用符號(hào)LNINTERNET1表示。此時(shí)LNGDP和LNINTERNET1為同階平穩(wěn)序列。表STYLEREF1\s4.SEQ表\*ARABIC\s11ADF檢驗(yàn)符號(hào)t-Statistic1%臨界值5%臨界值10%臨界值是否平穩(wěn)LNGDP-6.788515-6.292057-1.450425-3.701534是LNINTERNET-0.892592-2.816740-1.982344-1.601144否LNINTERNET1-2.493945-2.847250-1.988198-1.600140是再做自變量LNINTERNET和因變量LNGDP的回歸函數(shù)，結(jié)果如REF_Ref72240998\h圖1.1所示，方程系數(shù)都顯著。提取殘差，對(duì)殘差做ADF檢驗(yàn)，結(jié)果如REF_Ref72241034\h圖1.2所示。可以看出殘差平穩(wěn)，說(shuō)明LNGDP和LNINTERNET之間存在長(zhǎng)期穩(wěn)定的關(guān)系。圖STYLEREF1\s4.SEQ圖\*ARABIC\s11回歸函數(shù)結(jié)果圖STYLEREF1\s4.SEQ圖\*ARABIC\s12殘差A(yù)DF檢驗(yàn)1.2.2確定滯后期滯后階數(shù)關(guān)系到VAR模型建立的優(yōu)劣，所以建立VAR模型前需要確定VAR模型的最優(yōu)滯后階數(shù)。動(dòng)態(tài)特征被滯后階數(shù)完全反映出的VAR模型可以比較好地解釋問(wèn)題，一般來(lái)說(shuō)，解釋能力和反應(yīng)程度與與階數(shù)成正比，但是階數(shù)太多會(huì)影響到參數(shù)估計(jì)的準(zhǔn)確性和模型的自由度。所以確定VAR模型的最優(yōu)滯后階數(shù)不但要考慮階數(shù)的充分性，而且還要考慮參數(shù)估計(jì)的準(zhǔn)確性和自由度損失的問(wèn)題。本文根據(jù)LR、FPE、AIC、SC和HQ準(zhǔn)則，同時(shí)考慮自由度損失的問(wèn)題來(lái)確定VAR模型最優(yōu)滯后階數(shù)，檢驗(yàn)結(jié)果如REF_Ref72241072\h表1.2所示。表STYLEREF1\s4.SEQ表\*ARABIC\s12確定模型最優(yōu)滯后階數(shù)LagLogLLRFPEAICSCHQ0-11.03804NA0.0894913.2595103.2793703.1255601-0.66486112.96647*0.019592*1.6662151.7257961.26436423.9840363.4866730.0237761.503991*1.603293*0.834239*如REF_Ref72241072\h表1.2所示，根據(jù)LR、FPE、AIC、SC和HQ準(zhǔn)則，同時(shí)考慮自由度損失的問(wèn)題，本文確定VAR模型的最優(yōu)滯后階數(shù)為2階。1.2.3VAR模型參數(shù)估計(jì)根據(jù)REF_Ref72241072\h表1.2，本文選擇滯后階數(shù)為2的VAR模型。從上表所示的估計(jì)結(jié)果可以看出，經(jīng)濟(jì)增長(zhǎng)與互聯(lián)網(wǎng)消費(fèi)金融之間的關(guān)系方程擬合優(yōu)度比較理想，說(shuō)明這兩個(gè)變量之間的關(guān)系方程比較密切，此VAR模型較好地反映了這兩個(gè)變量之間的變化關(guān)系。VAR模型的參數(shù)估計(jì)結(jié)果如REF_Ref72241127\h表1.3所示。表STYLEREF1\s4.SEQ表\*ARABIC\s13參數(shù)估計(jì)結(jié)果LNGDPLNINTERNET1LNGDP(-1)0.820135121.1465(0.35111)(73.6600)[2.33580][1.68540]LNGDP(-2)-0.086058-101.9114(0.31499)(66.0821)[-0.27321][-1.54219]LNINTERNET1(-1)-0.000526-0.197026(0.00198)(0.41569)[-0.26562][-0.47397]LNINTERNET1(-2)-0.000723-0.209771(0.00201)(0.42114)[-0.36011][-0.49810]C3.416713-281.9363(1.69121)(351.798)[2.02028][-0.79464]由上表的VAR模型估計(jì)結(jié)果可以得到各個(gè)變量的向量自回歸模型（VAR）的矩陣方程為：LNGDP+1.2.4單位圓檢驗(yàn)經(jīng)過(guò)ADF單位根檢驗(yàn)和確定VAR模型的最優(yōu)滯后階數(shù)，建立VAR模型。但是，先要對(duì)VAR模型進(jìn)行單位圓檢驗(yàn)，即AR特征多項(xiàng)式根檢驗(yàn)。這關(guān)系到VAR模型后續(xù)的分析研究是否可行，是建立VAR模型的重要基石。如果AR特征多項(xiàng)式的根的倒數(shù)都小于1，即所代表的點(diǎn)都在單位圓內(nèi)，則說(shuō)明構(gòu)建的VAR模型是穩(wěn)定的。建立模型的AR特征多項(xiàng)式的根如REF_Ref72241155\h圖1.3所示。圖STYLEREF1\s4.SEQ圖\*ARABIC\s13單位圓檢驗(yàn)如REF_Ref72241155\h圖1.3所示，建立的VAR模型所有根的倒數(shù)都小于1，即所有根的導(dǎo)數(shù)都在單位圓內(nèi)，這說(shuō)明該模型是穩(wěn)定的，可以進(jìn)行后續(xù)分析研究。1.2.5格蘭杰因果檢驗(yàn)用格蘭杰因果檢驗(yàn)分析建立的VAR模型變量之間的因果關(guān)系。格蘭杰因果檢驗(yàn)的原假設(shè)是H0備擇假設(shè)是H1在5%的顯著水平下，若P值小于0.05，則拒絕原假設(shè)H0滯后階數(shù)為2的格蘭杰因果檢驗(yàn)結(jié)果如REF_Ref72241194\h表1.4所示，在5%的顯著水平下，“LNINTERNET1doesnotGrangerCauseLNGDP”的P值小于0.05，則拒絕LNINTERNET1不是LNGDP的格蘭杰因的原假設(shè)，即LNINTERNET1為L(zhǎng)NGDP的格蘭杰原因；“LNGDPdoesnotGrangerCauseLNINTERNET1”的P值小于0.05，則接受LNGDP不是LNINTERNET1的格蘭杰因的原假設(shè)，即可以認(rèn)為互聯(lián)網(wǎng)消費(fèi)信貸擴(kuò)張是經(jīng)濟(jì)增長(zhǎng)的原因，經(jīng)濟(jì)增長(zhǎng)也是互聯(lián)網(wǎng)消費(fèi)信貸擴(kuò)張的原因。檢驗(yàn)結(jié)果完全符合生活經(jīng)驗(yàn)和經(jīng)濟(jì)理論。表STYLEREF1\s4.SEQ表\*ARABIC\s14格蘭杰因果檢驗(yàn)結(jié)果檢驗(yàn)ExcludedF-StatisticProb.DependentVariable：LNGDPLNINTERNET19.845700.0184DependentVariable：LNINTERNET1LNGDP8.493890.02681.2.6脈沖響應(yīng)函數(shù)分析脈沖響應(yīng)函數(shù)可以直觀反映如果模型中一個(gè)變量發(fā)生變化或產(chǎn)生沖擊會(huì)對(duì)其他變量在不同的時(shí)期會(huì)造成什么影響，即沖擊對(duì)系統(tǒng)會(huì)產(chǎn)生什么動(dòng)態(tài)影響。脈沖響應(yīng)函數(shù)可以分析模型系統(tǒng)中各個(gè)變量隨時(shí)間變化的響應(yīng)軌跡與路徑。[2]若脈沖響應(yīng)函數(shù)在一定時(shí)間內(nèi)不再產(chǎn)生波動(dòng)趨于平穩(wěn)，則說(shuō)明沖擊效應(yīng)趨于平穩(wěn)，如果脈沖響應(yīng)最后趨于0，就說(shuō)明沖擊效應(yīng)漸漸趨于0，沖擊效應(yīng)無(wú)法對(duì)模型系統(tǒng)產(chǎn)生持久有效的影響。但是如果差分變量的脈沖響應(yīng)函數(shù)最后趨于0時(shí)，原始變量的沖擊效應(yīng)不是趨于0，而是趨于穩(wěn)定。研究VAR模型時(shí)，可以通過(guò)脈沖響應(yīng)函數(shù)分析模型系統(tǒng)各個(gè)變量之間的動(dòng)態(tài)影響，比參數(shù)估計(jì)更具有現(xiàn)實(shí)意義。繪制出的脈沖響應(yīng)函數(shù)時(shí)間路徑如REF_Ref72241269\h圖1.4所示，累積脈沖響應(yīng)函數(shù)時(shí)間路徑如REF_Ref72241309\h圖1.5所示。橫軸代表沖擊效應(yīng)的滯后期數(shù)，縱軸代表國(guó)內(nèi)生產(chǎn)總值增量或差分后的互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模的增長(zhǎng)量，實(shí)線代表各個(gè)沖擊變量對(duì)國(guó)內(nèi)生產(chǎn)總值增量或差分后的互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模增長(zhǎng)量的反應(yīng)劇烈程度，虛線代表沖擊響應(yīng)函數(shù)正負(fù)兩倍標(biāo)準(zhǔn)差的偏離帶。由REF_Ref72241269\h圖1.4可知，經(jīng)濟(jì)增長(zhǎng)變化和互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張對(duì)自身的脈沖響應(yīng)程度較劇烈，而互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張對(duì)經(jīng)濟(jì)增長(zhǎng)變化的影響程度小，且逐漸趨于平穩(wěn)，但經(jīng)濟(jì)增長(zhǎng)變化對(duì)互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張的變化影響顯著。如果給差分后的互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模增量一個(gè)正向的沖擊，國(guó)內(nèi)生產(chǎn)總值在一段時(shí)間內(nèi)先沒(méi)有變動(dòng)，再迅速擴(kuò)增，在第3期達(dá)到峰頂，然后迅速下降，且下降升的趨勢(shì)越來(lái)越平緩，最后不斷慢慢趨于0；如果給國(guó)內(nèi)生產(chǎn)總值增量一個(gè)正向的沖擊，差分后的互聯(lián)網(wǎng)消費(fèi)信貸的規(guī)模增量在一段時(shí)間內(nèi)先沒(méi)有變化，然后迅速減少，在第2期達(dá)到谷底，再迅速上升，在第4期達(dá)到峰頂，再迅速下降，最終緩緩無(wú)限趨于0，所以互聯(lián)網(wǎng)消費(fèi)信貸的規(guī)模增量在最終是趨于穩(wěn)定的。而且還可以看出，相較于國(guó)內(nèi)生產(chǎn)總值增量對(duì)差分后的互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模增量，差分后的互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模增量對(duì)國(guó)內(nèi)生產(chǎn)總值增量的脈沖響應(yīng)更敏感。經(jīng)濟(jì)增長(zhǎng)對(duì)互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張的脈沖響應(yīng)和互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張對(duì)經(jīng)濟(jì)增長(zhǎng)的脈沖響應(yīng)趨于0的時(shí)間大概都是6年。由REF_Ref72241309\h圖1.5可知經(jīng)濟(jì)增長(zhǎng)情況對(duì)自身沖擊和互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張沖擊、互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張情況對(duì)自身沖擊和經(jīng)濟(jì)增長(zhǎng)情況的累積響應(yīng)的時(shí)間路徑關(guān)系?？梢钥闯鼋?jīng)濟(jì)增長(zhǎng)對(duì)自身和互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張的沖擊明顯，而互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模擴(kuò)張對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊較弱，但對(duì)自身的沖擊也較明顯。圖STYLEREF1\s4.SEQ圖\*ARABIC\s14脈沖響應(yīng)函數(shù)圖STYLEREF1\s4.SEQ圖\*ARABIC\s15累積脈沖響應(yīng)函數(shù)1.2.7方差分解方差分解可以分析VAR模型系統(tǒng)中其他變量對(duì)某一個(gè)變量波動(dòng)變化的貢獻(xiàn)度，即不同沖擊影響內(nèi)生變量的結(jié)構(gòu)的貢獻(xiàn)度，把一個(gè)變量不同時(shí)間點(diǎn)發(fā)生的變化發(fā)生分解為不同沖擊的來(lái)源，從而來(lái)評(píng)價(jià)各個(gè)不同變量的重要程度。VAR模型中經(jīng)濟(jì)增長(zhǎng)變量和互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模變量的方差分解結(jié)果分別如REF_Ref72241431\h表1.5、REF_Ref72241436\h表1.6所示。在經(jīng)濟(jì)增長(zhǎng)變量的方差中，由于自身變化造成的沖擊或擾動(dòng)的貢獻(xiàn)度總體趨勢(shì)是從大到小，滯后1-4期都是減少，在滯后4期后開(kāi)始增加，在滯后6期后又開(kāi)始減少，并從第6期開(kāi)始趨于平穩(wěn)，滯后10期的貢獻(xiàn)率為98.086%；由于互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模變化造成的沖擊或擾動(dòng)的貢獻(xiàn)度則正好相反。由于早年互聯(lián)網(wǎng)消費(fèi)金融的發(fā)展規(guī)模接近于0，所以互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模變化的貢獻(xiàn)度起點(diǎn)為0，但是隨著時(shí)間的變化，經(jīng)濟(jì)增長(zhǎng)和互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模的變化的真實(shí)貢獻(xiàn)度才慢慢體現(xiàn)出來(lái)。在互聯(lián)網(wǎng)消費(fèi)放貸規(guī)模變量的方差中，由于經(jīng)濟(jì)增長(zhǎng)造成的沖擊或擾動(dòng)的貢獻(xiàn)度總體趨勢(shì)是由小變大，一期先增加一期再減少，重復(fù)循環(huán)幾期，并從第6期開(kāi)始趨于平穩(wěn)，滯后10期的貢獻(xiàn)率為58.39%。由于自身變化造成的沖擊或擾動(dòng)的貢獻(xiàn)度則正好相反。比較REF_Ref72241431\h表1.5和REF_Ref72241436\h表1.6可以看出，經(jīng)濟(jì)增長(zhǎng)對(duì)互聯(lián)網(wǎng)消費(fèi)金融規(guī)模擴(kuò)張的貢獻(xiàn)率遠(yuǎn)遠(yuǎn)大于互聯(lián)網(wǎng)消費(fèi)金融規(guī)模擴(kuò)張對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率，即經(jīng)濟(jì)增長(zhǎng)對(duì)互聯(lián)網(wǎng)消費(fèi)金融規(guī)模擴(kuò)張的影響遠(yuǎn)遠(yuǎn)大于互聯(lián)網(wǎng)消費(fèi)金融規(guī)模擴(kuò)張對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。兩者受自身變化影響都很明顯，但是經(jīng)濟(jì)增長(zhǎng)對(duì)互聯(lián)網(wǎng)消費(fèi)金融規(guī)模擴(kuò)張的影響甚至超過(guò)了其自身變化的影響。表STYLEREF1\s4.SEQ表\*ARABIC\s15經(jīng)濟(jì)增長(zhǎng)方差分解結(jié)果PeriodS.E.LNGDPLNINTERNET110.024047100.00000.00000020.03224299.585070.41492630.03616098.355101.64490240.03720098.105771.89422650.03768898.112601.88740460.03803998.117551.88244970.03824498.099821.90018280.03833598.088611.91139290.03837798.086211.913786100.03840198.085581.914416表STYLEREF1\s4.SEQ表\*ARABIC\s16互聯(lián)網(wǎng)消費(fèi)信貸的方差分解結(jié)果PeriodS.E.LNGDPLNINTERNET115.04482138.8198361.1801726.24885758.5770441.4229636.31987057.3260742.6739346.39841558.3627041.6373056.41983858.3592041.6408066.42226558.3848141.6151976.42325058.3804941.6195186.42391158.3881641.6118496.42439558.3923141.60769106.42441958.3920841.607921.3互聯(lián)網(wǎng)消費(fèi)金融與經(jīng)濟(jì)增長(zhǎng)的向量誤差修正模型（VEC）因?yàn)長(zhǎng)NGDP和LNINTERNET1之間存在協(xié)整關(guān)系，所以可以建立互聯(lián)網(wǎng)消費(fèi)金融與經(jīng)濟(jì)增長(zhǎng)的向量誤差修正模型（VEC）。1.3.1協(xié)整檢驗(yàn)根據(jù)前面1.2.1單位根檢驗(yàn)的結(jié)果，LNGDP、D(LNINTERNET)都是零階單整序列，所以采用Johansen協(xié)整檢驗(yàn)方法來(lái)檢驗(yàn)它們之間是否存在協(xié)整關(guān)系[49]。Johansen協(xié)整檢驗(yàn)是基于回歸系數(shù)的檢驗(yàn)，前提是建立VAR模型（即模型符合ADL模式）；非平穩(wěn)序列很可能出現(xiàn)偽回歸，協(xié)整的意義就是檢驗(yàn)它們的回歸方程所描述的因果關(guān)系是否是偽回歸，即檢驗(yàn)變量之間是否存在穩(wěn)定的關(guān)系。所以，非平穩(wěn)序列的因果關(guān)系檢驗(yàn)就是協(xié)整檢驗(yàn)。如果非平穩(wěn)時(shí)間序列不存在協(xié)整關(guān)系，即可以建立VAR模型，然后利用變量的差分進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，前提是滿足同階單整。如果變量之間存在協(xié)整關(guān)系，將建立誤差修正模型（ECM）進(jìn)行短期因果關(guān)系分析。Johansen協(xié)整檢驗(yàn)是建立VEC模型的基礎(chǔ)，通過(guò)跡檢驗(yàn)和最大特征值檢驗(yàn)即可判斷變量之間是否存在協(xié)整關(guān)系。Johansen協(xié)整檢驗(yàn)的結(jié)果如REF_Ref72241551\h圖1.6所示。結(jié)果表明，在5%的顯著性水平下，跡檢驗(yàn)和最大特征值檢驗(yàn)都拒絕了“不存在協(xié)整關(guān)系”的原假設(shè)，接受了“最多存在一個(gè)協(xié)整關(guān)系”的原假設(shè)，所以經(jīng)濟(jì)增長(zhǎng)和互聯(lián)網(wǎng)消費(fèi)金融的變量之間存在一個(gè)協(xié)整方程。圖STYLEREF1\s4.SEQ圖\*ARABIC\s16Johansen協(xié)整檢驗(yàn)1.3.2向量誤差修正模型（VEC）由前面的檢驗(yàn)結(jié)果可知，因?yàn)長(zhǎng)NGDP和LNINTERNET1之間存在協(xié)整關(guān)系，所以可以建立向量誤差修正模型（VEC）。因?yàn)楦鱾€(gè)變量的觀測(cè)值數(shù)量非常有限，所以將VEC模型的滯后階數(shù)設(shè)定為“11”。VEC模型的估計(jì)結(jié)果如REF_Ref72241584\h表1.7所示。表STYLEREF1\s4.SEQ表\*ARABIC\s17VEC模型的估計(jì)結(jié)果CointegratingEq:CointEq1LNGDP(-1)1.000000LNINTERNET1(-1)-0.011171(0.00118)[-9.47493]C-12.73438由REF_Ref72241584\h表1.7可得協(xié)整方程為：LNGDP=?12.73438+0.011171由協(xié)整方程可得，在其他條件不變的情況下，互聯(lián)網(wǎng)消費(fèi)金融規(guī)模每擴(kuò)大1%，經(jīng)濟(jì)就增長(zhǎng)0.0112%。根據(jù)VEC模型的估計(jì)結(jié)