中美大豆期货价格的均衡关系分析

1、中美大豆期货价格的均衡关系分析摘要 随着中国的发展，当今的中国期货市场早已摆脱了发展初期“稚嫩”的外表。从初创阶段的法制不健全、风险认知不足，逐渐稳步发展到如今多元化、程序化、专业化的中国期货市场，越来越多的期货衍生品应运而生。期货也因其具的有价格发现和规避风险的功能在金融市场上占据了一定地位，深受广大投资者的青睐。因此，期货的价格趋势和均衡关系也成为投资者们密切关注的焦点。农业发展作为国家关注的重点，其期货价格也牵动着国民经济的命脉。我国作为大豆进口量最大的国家，期货价格必会受到如此庞大进口量的影响。本文通过我国大豆期货和作为我国大豆主要进口国之一美国的大豆期货之间的价格趋势变化，分析得出两

2、者的关系，进而通过协整检验来建立ECM模型，得出中美大豆期货价格的均衡关系。关键词 大豆期货；ADF检验；协整检验；ECM模型Analysis of the equilibrium relation between Chinese and American soybean futures pricesAbstract With the development of China, Chinese futures market has long been out of the "immature" appearance of the early stage of develop

3、ment. From the initial stage of the imperfect legal system, lack of risk awareness, and gradually developed to the present, diversified, procedural and specialized Chinese futures market, more and more futures derivatives came into being. Futures also occupy a certain position in the financial marke

4、t because of their functions of price discovery and risk aversion, and are favored by the majority of investors. Therefore, the price trend and equilibrium relationship of futures have become the focus of investors' attention. Agricultural development as the focus of national attention, its futu

5、res prices also affect the lifeblood of the national economy. As the largest importer of soybean in China, the futures price will be affected by such a huge import volume. This paper analyzes the relationship between the price trends of soybean futures and soybean futures in the United States, which

6、 is one of the major importers of soybean in China. Then the ECM model is established by cointegration test, and the equilibrium relation between Chinese and American soybean futures prices is obtained.Keywords Soybean futures; ADF test; Cointegration test; ECM model目录前言1一、中美期货市场概述1（一）我国期货市场演进过程1（二）

7、我国期货交易所及其品种1（三）期货交易基本特征2（四）美国期货市场2二、大豆期货市场特点2（一）大豆的产业链2（二）大豆的等级规格3（三）影响我国大豆期货价格的因素31国内的供给需求32进出口43国际宏观市场状况5（四）中美双方大豆的联系5三、实证研究及结果分析6（一）数据的收集及预处理61数据收集62数据处理6（二）最优滞后阶数的确定9（三）协整检验（E-G两步法）111建立OLS模型进行静态回归112ADF检验残差平稳性11（四）Granger因果检验12（五）ECM模型121建立一阶分布滞后模型，确定残差项132检验残差平稳133建立ECM模型14（六）置信椭圆显著性检验14结论15致谢

8、17参考文献18前言我国作为一个农业大国，农产品的价格形态一直以来都处于国民经济发展中举足轻重的位置。相应的，农产品期货价格也成为了国家经济发展的命脉。随着我国期货市场的发展，国内外越来越多的学者纷纷对中国的期货价格进行预测分析。李慧如（2006）通过对中国棉花期货和现货市场的价格研究，发现二者之间存在长期均衡关系，且期货价格对现货价格的引导性较强。那么同种期货不同市场之间是否也存在着一种相互均衡、相互影响的关系？考虑到美国是我国大豆进口的主要国家之一，两国之间的大豆期货必然会相互影响，基于此原因来探究中美两国之间大豆期货价格的确切关系。一、中美期货市场概述 （一）我国期货市场演进过程我国期货

9、市场产生于20世纪80年代的改革开放，新的经济体制要求国家更多的依靠市场这只“无形的手”来调节经济。并于1988年初，开始了有关期货市场的研究设计。1990年10月12日，郑州粮食批发市场经国务院批准引入了期货交易机制，这也是我国期货交易市场的开端。次年，深圳有色金属交易所宣告成立，并于1992年1月18日正式开业。然而良好的开端并没有带来稳步的发展，越来越多的期货交易所相继成立、开业，到1993年下半年，各类交易所达50多家，期货市场一度失衡。为应对期货市场失衡的问题，国务院发布一系列条例办法，分别对期货市场进行了两轮整治，为日后的稳步发展奠定基础。2000年至2013年中国期货市场正式步入

10、规范化、法制化。监管体制和法律体系不断完善，越来越多的期货品种不断推出。 2006年5月中国期货保证金监控中心成立，同年9月，中国金融期货交易所在上海挂牌成立。2014年5月，国务院出台的新“国九条”成为了资本市场改革发展的战略规划，标志着中国期货市场进入了一个创新发展的阶段。期货公司的风险管理、资产管理业务等创新业务全面展开 中国期货业协会期货及其衍生品基础27页。（二）我国期货交易所及其品种我国的期货市场曾一度进入失衡状态，那时的期货交易所近达50多家，期货品种也复杂多样。为此，国务院对分别对期货交易所和交易品种进行削减整治，致使交易所由原来的50多家逐渐削减，最后精简合并至3家商品交易所

11、，交易品种也大幅削减。表1 截至2016年12月31日中国期货市场上市品种交易所上市品种中金所（CFFEX）沪深300股指期货、上证50股指期货、中证500股指期货、5年期国债期货、10年期国债期货上期所（SHFE）铜、铝、锌、铅、镍、锡、黄金、白银、螺纹钢、线材、热轧卷板、燃油、沥青、橡胶大商所（DCE）豆粨、豆油、大豆、棕榈油、玉米、淀粉、鸡蛋、胶合板、纤板、塑料、PVC、聚丙烯、焦炭、焦煤、铁矿郑商所（CZCE）白糖、棉花、动力煤、玻璃、PTA、甲醇、小麦、早籼稻、晚籼稻、粳稻、油菜籽、菜籽油、菜籽粨、硅铁、锰硅（三）期货交易基本特征期货交易是在现货交易、远期交易的基础上发展起来的。在市

12、场经济发展过程中，商流与物流的分离呈扩大的趋势，期货交易是两者分离的极端形式。期货交易的基本特征可以归纳为以下几方面：合约标准化、场内集中竞价交易、保证金交易、双向交易对冲了结、当日无负债结算。（四）美国期货市场美国作为现代期货交易的发源地，自1848年芝加哥期货交易所成立以来，全球期货市场已走过了160年，期货交易日趋活跃。根据美国期货业协会(FIA)近期对全球各主要期货交易所的统计，2008年一季度，全球期货与期权合约成交43亿张，同比增长22.2%。其中，期货合约成交21.15亿张，同比增长33.4%；期权合约成交21.8亿张，同比增长13.0%。相对于全球低迷的股票和债券市场，期货市场

13、保持着良好的发展势头。美国期货市场以芝加哥和纽约为主，最重要的有：芝加哥期货交易所(CBOT：以农产品和国债期货出名)、芝加哥商品交易所(CME：以畜产品、短期利率欧洲美元产品以及股指期货出名)、纽约商业交易所(NYMEX：以石油和贵金属为出名)等。二、大豆期货市场特点（一）大豆的产业链大豆的上游产品是大豆种子，下游产品有豆制品、大豆蛋白、大豆油和豆粨。其中，大部分豆粨被用于饲料制作，而豆油即可食用也可在加工作工业用油。根据大豆品种特性和耕作制度的不同，我国大豆生产分为五个主要产区：一、东北三省为主的春大豆区；二、黄淮流域的夏大豆区；三、长江流域的春、夏大豆区；四、江南各省南部的秋作大豆区；五

14、、两广、云南南部的大豆多熟区。其中，东北春播大豆和黄淮海夏播大豆是我国大豆种植面积最大、产量最高的两个地区 松际农网大豆在中国的主产地EB/OL 。（二）大豆的等级规格在符合等级基本要求下，大豆根据完整粒率和损伤率分为1等、2等、3等、4等、5等这5个等级，具体分级如下表。表2 大豆等级划分等级完整粒率损伤粒率合计热损伤粒1等95.01.00.22等90.02.00.23等85.03.00.54等80.05.01.05等75.08.03.0数据来源：中华人民共和国农业部需要注意的是，大商所上市交易的两种大豆期货合约（豆一期货、豆二期货）等级的划分并不是按照以上形式。豆一指的是非转基因大豆，豆二

15、则包含全球的大豆，包括转基因与非转基因。而由于目前中国进口的大豆大多都是转基因大豆，因此，豆二很多时候也被人们默认为进口大豆，豆一则为国产大豆。（三）影响我国大豆期货价格的因素1国内的供给需求我国是大豆的源产国和主产国，随着国民经济的不断发展，我国在农产品方面也加大了改革力度，并出台了一系列利民利农政策，致使大豆年产量曾一度攀升但从大约近十年开始，大豆的年产量就逐渐放缓降低，播种面积也不断削减，因此国内大豆产量就呈现逐年降低的趋势。那么大豆产量逐年降低的原因是什么？主要可以归结到以下几方面：（1）处于大豆下游产业的成本问题。拿豆油的压榨来讲，国产大豆多是非转基因大豆，其出油率远低于进口的转基因

16、大豆，而且两者价格相差不大，榨油企业若要满足一定豆油压榨量自然会更倾向于出油率大的进口大豆，因此对大豆的需求在一定程度上会有所降低，产量和播种面积自然会随之减少以避免出现过剩的情况。（2）替代品的影响。随着中国人口的不断增加，对粮食的需求不断加大，小麦、玉米、水稻的种植面积应粮食需求而扩大，导致部分土地无法保证大豆的生产，由此产量降低。再加上进口转基因大豆的宣传力度较大，其声称具有的多种保健功能使得国产大豆变成了“过时大豆”。需求的降低直接带动产量的减少。而这种需求的降低并不是对大豆的需求降低，而是对国产大豆的需求有所下降。图1 2010-2013年度对比数据（单位：亿斤）数据来源：慧典市场研

17、究报告网由此看来，若想满足逐年递增的需求量，在国内大豆产量逐年递减的情况下，就要靠进口大豆来满足需求。2进出口我国虽然是大豆的源产国和主产国，但不论是从近些年的大豆产出质量还是从日益增大的需求量来看，国产大豆都无法满足供给，因此我国每年都会从国外进口数量庞大的大豆，并且进口量为国产的3-4倍，美国大豆的生产在全球所占的份额为27.4%而中国需要进口的大豆有40%来源于美国的大豆农场。外资大举进入并控制中国大豆加工业是从2004年开始的。跨国粮商逐步垄断了中国大豆的进口，使国外大豆源源不断进入中国，进而将中国本土大豆逐渐排挤出油脂企业的采购单。图2 2014年中国进口各国占比（单位：百分比）数据

18、来源：中国饲料行业信息网我国大豆进口量逐年递增，截至2016年，我国进口量更是再创历史最高纪录，达8391万吨。相比庞大的进口量，我国国产大豆的出口量则显得九牛一毛，2004年的大豆出口量仅为33万吨。图3 2003-2009中国大豆年进口量（单位：万吨）数据来源：中国粮食信息网3国际宏观市场状况意大利统计局6月30日公布的数据显示，意大利6月消费者物价指数年率增长0.1%。欧元区6月通胀率0.2%；德国6月失业人数连续第九个月下降，同时英国第一季度国内生产总值(GDP)季率增幅从原先的0.3%向上修正到了0.4%。美洲市场上，美国6月30日公布的6月咨商会消费者信心指数强劲反弹，自94.6升

19、至101.4，消费者更敢于乐于开支料将推动美国经济加速发展，当周ICSC-高盛连锁店销售强势反弹。而加拿大4月国内生产总值却意外萎缩，受到石油、天然气开采行业所拖累。亚洲市场则不容乐观，韩国今年6月出口连续第六个月下滑，出口较上年同期下滑1.8%至470亿美元，进口大幅下降13.6%至367亿美元，令贸易顺差达到102亿美元的纪录高位，韩国政府声称刺激举措将推出 中国金融信息网国际经济数据简析EB/OL 。（四）中美双方大豆的联系从进出口角度来讲，中国的进口大豆有40%是来源于美国的大豆农场，那么进口来的美国大豆价格必然会影响着中国大豆的价格，进而对其期货价格产生影响。而这种关系是相互协调还是

20、存在引领作用就需要建立模型去进一步研究。从中美双方大豆期货价格的趋势来看，两者具有相似的价格走势。图4 中美大豆期货价格趋势图（单位：元/吨，美分/蒲式耳）数据来源：文华财经三、实证研究及结果分析（一）数据的收集及预处理1数据收集由于本文探究的是中美双方大豆期货价格的均衡关系，而中国上市的大豆期货有两种，所以，本文选取了三组数据进行分析，分别是反映中国大豆期货价格的大连商品交易所豆一指数（2000年10月上市）、豆二指数（2004年12月上市），分别记作和，和反映美国大豆期货价格的芝加哥期货交易所美豆指数，记作。对豆一指数与美豆指数和豆二指数与美豆指数分别建立模型进行研究。为尽可能地使模型更具

21、有效性、准确性，样本容量要尽可能的放大，因此数据时间节点的选取是从中国的两种大豆期货上市以来一直到今年5月份的月度数据，其中豆一指数样本容量为200，豆二指数样本容量为150，美豆指数随着豆一、豆二指数的样本容量相匹配。以中国大豆期货时间节点为基准的原因是中国大豆期货上市交易要比美国晚，同时选取月度数据可以有效消除中美节日不同、工作日不对应的影响。2数据处理（1）直观判断。本文选取的三组数据皆是时间序列数据，所以在进行建模之前要对数据的平稳性进行检验。同时为消除量纲不同的影响，在进行分析前要先对序列分别取对数。原序列折线图分别如下：1,5002,0002,5003,0003,5004,0004

22、,5005,0005,5000204060810121416D1时间序列如图中所示，豆一期货价格指数随着时间的变化而变化，总体趋势呈震荡走高，且2008年出现历史高点，急速下降后于2009年初逐渐恢复上升趋势，但受到近几年庞大进口量的影响，价格再次出现下降趋势。时间序列为不平稳序列。2,4002,8003,2003,6004,0004,4004,8005,2005,600050607080910111213141516D2同样随着时间的变化而变化是不平稳序列。如图豆二期货价格指数从上市交易起到今年5月份，期间其价格走至最高点后大幅回落，2009年以后其价格震荡走高后再次回落最低点，2015年中

23、旬虽有上升趋势，但最终还是以低价回落告终。 4006008001,0001,2001,4001,6001,8000204060810121416CD为美国芝加哥期货交易所美豆指数序列，其价格趋势变化与豆一指数变化相似。同为不平稳序列。从以上三个折线图可以直观看出，原时间序列数据均是不平稳的。下面对三组数据分别进行取对数再差分得到如下折线图，其中记、为取对数后的数据，记、为取对数再差分后的数据。-.20-.15-.10-.05.00.05.10.15.200204060810121416DLD1经对数变换再差分后的序列在0值上下波动，为平稳序列。-.2-.1.0.1.2.305060708091

24、0111213141516DLD2经处理后的序列为平稳序列，且其在0值上下波动。-.3-.2-.1.0.1.20204060810121416DLCD如图所示也为平稳序列，且其也在0值上下波动。所以，原时间序列数据经一阶差分后变为平稳序列，三组差分数据都在0值上下波动。（2）ADF检验。ADF检验是扩展的DF检验，它保证了任何情况下单位根的有效性。通过折线图可以直观判断出数据差分前后的平稳性，下面从数据自身的角去验证其平稳性，设原假设。Null Hypothesis: DLD1 has a unit rootExogenous: ConstantLag Length: 0 (Automatic

25、 based on SIC, MAXLAG=14)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-12.93045 0.0000Test critical values:1% level-3.4634055% level-2.87597210% level-2.574541*MacKinnon (1996) one-sided p-values.如上图，针对原假设，在分别给定显著水平1%、5%、10%下，的t统计量值-12.93045均小于三个临界值-3.463405、-2.875972、-2.5

26、74541，因此拒绝原假设，说明序列不存在单位根是平稳序列。Null Hypothesis: DLD2 has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=13)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-10.97842 0.0000Test critical values:1% level-3.4748745% level-2.88098710% level-2.577219*Mac

27、Kinnon (1996) one-sided p-values.同样的t统计量为-10.97842小于三个置信水平的临界值，因此拒接原假设，序列不存在单位根，为平稳序列。Null Hypothesis: DLCD has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=14)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-14.21370 0.0000Test critical values:

28、1% level-3.4634055% level-2.87597210% level-2.574541*MacKinnon (1996) one-sided p-values.的t统计量为-14.21370，远小于1%、5%、10%水平的临界值。因此拒绝原假设，证明序列不存在单位根，是平稳序列。所以，经差分后的时间序列通过ADF检验，均是平稳序列。（二）最优滞后阶数的确定在对时间序列数据进行模型估计时，滞后阶数的不同会直接导致模型回归的结果不同，从而无法确定出最能够恰当解释经济现象的模型，因此就需要去确定各变量的最优滞后阶数。通过Eviews分别对三组数据两个模型进行AIC和SC检验，当AI

29、C或SC 达到最小时即为最优滞后阶数。、检验结果如下：VAR Lag Order Selection CriteriaEndogenous variables:LD1 LCD  Exogenous variables: C Sample: 2000M10 2017M05Included observations: 192 LagLogLLRFPEAICSCHQ0 167.9199NA  0.000609-1.728332-1.694400-1.7145901 598.9248 848.5409 7.12e

30、-06-6.176300 -6.074503* -6.135072*2 601.2945 4.615993 7.25e-06-6.159318-5.989657-6.0906043 606.4386 9.913099 7.16e-06-6.171236-5.933710-6.0750364 611.4835 9.616793 7.08e-06-6.182120-5.876730-6.0584355 617.2932 10.95377  6.95e

31、-06* -6.200971*-5.827716-6.0498006 618.0006 1.318871 7.20e-06-6.166673-5.725553-5.9880167 619.2147 2.238498 7.41e-06-6.137653-5.628669-5.9315118 624.4275  9.502516* 7.32e-06-6.150286-5.573438-5.916658检验结果中，标有“*”的数据所在阶数是一系列滞后阶数中使指标数据达到最小的最优滞后阶数。由

32、于AIC与SC最小值分别处于两个滞后阶数，并且、的样本容量较大，所以选择适用于大样本的SC指标为确定最优滞后阶数的依据。因此，、的最优滞后阶数是一阶。、检验结果如下：VAR Lag Order Selection CriteriaEndogenous variables: LD2 LCD Exogenous variables: C Included observations: 142 LagLogLLRFPEAICSCHQ0 137.9644NA  0.000505-1.914992-1.873361-1.8980751 

33、420.9737 554.0605 9.93e-06-5.844701 -5.719807*-5.7939492 428.2288  13.99922*  9.48e-06* -5.890547*-5.682390 -5.805960*3 430.9983 5.265822 9.65e-06-5.873215-5.581795-5.7547944 434.8578 7.229898 9.67e-06-5.871237-5.496555-

34、5.7189815 435.7681 1.679521 1.01e-05-5.827720-5.369775-5.6416296 439.1170 6.084643 1.02e-05-5.818549-5.277342-5.5986257 441.5465 4.345762 1.04e-05-5.796430-5.171959-5.5426718 443.5307 3.493245 1.07e-05-5.768038-5.060305-5.480444检验结果中有四个指标的最

35、小值处于滞后二阶，仅有SC最小值处于滞后一阶，根据概率原则和该组样本容量较小，因此选择的最优滞后阶数为二阶。（三）协整检验（E-G两步法）经过ADF检验，可知与、与均是一阶平稳序列，满足进行协整检验的条件。本文采用E-G两步法进行检验。1建立OLS模型进行静态回归由于本文研究的是中美大豆期货价格的均衡关系，侧重于美国大豆期货价格对中国大豆期货价格影响的研究，所以以为因变量，为自变量，为残差项，建立模型如下： 得出如下结果： 2ADF检验残差平稳性如果两个序列是协整的，则其扰动项为白噪音，即0阶单整。根据以上OLS回归得出两组残差序列，分别对其进行单位根检验，得出结果：Null Hypothes

36、is: E has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=14)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-4.442640 0.0000Test critical values:1% level-2.5766345% level-1.94243110% level-1.615638*MacKinnon (1996) one-sided p-values.模型一的残差平稳性结果如图，其t统

37、计量值分别小于1%、5%、10%水平的临界值，因此拒绝原假设，表明该残差序列不存在单位根，是平稳序列。Null Hypothesis: E has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=13)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.425748 0.0007Test critical values:1% level-2.5805745% level-1.94298210% leve

38、l-1.615289*MacKinnon (1996) one-sided p-values.模型二的残差结果表明，该残差序列不存在单位根，是平稳序列。两组残差结果表明，中国豆一指数与美豆指数、豆二指数与美豆指数的时间序列存在协整关系，即中美大豆期货价格间存在长期均衡稳定的关系。并且从静态回归结果可知，对的长期弹性为0.701，对的长期弹性为0.656。（四）Granger因果检验通过协整检验表明中国大豆期货价格和美国大豆期货价格之间存在协整关系。但在这种长期均衡关系中，两国大豆期货市场价格存在怎样的相互引导作用，就需要通过Granger因果检验得出答案。由于Granger因果检验对序列的平稳

39、性没有要求，所以可以直接对取对数后的序列进行检验，滞后阶数分别取其最优滞后阶数以保证Granger检验的准确性。检验结果如下：Pairwise Granger Causality TestsDate: 06/30/17 Time: 13:38Sample: 2000M10 2017M05Lags: 1 Null Hypothesis:ObsF-StatisticProb.  LCD does not Granger Cause LD1 199 4.115140.0439 LD1 does not Granger Cause LCD&#

40、160;1.170750.2806模型一变量间检验结果如图，在95%置信水平下，拒绝美国大豆期货价格不是中国豆一期货价格的格兰杰原因，接受中国豆一期货价格不是美国大豆期货价格的格兰杰原因。所以美国大豆期货价格对中国豆一期货价格具有单向引导作用。Pairwise Granger Causality TestsDate: 06/30/17 Time: 13:45Sample: 2004M12 2017M05Lags: 2 Null Hypothesis:ObsF-StatisticProb.  LCD does not Granger Cause LD2 1

41、48 3.532880.0318 LD2 does not Granger Cause LCD 4.112580.0183由对模型二的检验结果可知，在95%置信水平下拒绝美国大豆期货价格不是中国豆二期货价格的格兰杰原因，拒绝中国豆二期货价格不是美国大豆期货价格的格兰杰原因。此次Granger因果分析表明中国豆二期货价格对美国大豆期货价格具有引导作用，美国大豆期货价格对中国大豆期货价格同样具有显著的引导作用，两者是双向引导。（五）ECM模型协整检验证明了中美两国大豆期货价格之间存在长期均衡关系，Granger因果检验表明中美两国大豆期货价格之间的引导关系，下面本文将

42、运用ECM（误差修正模型）模型来说明中美大豆期货价格之间的动态关系。1建立一阶分布滞后模型，确定残差项在经济活动中，某一个经济变量的影响不仅取决于同期各种因素，而且也取决于过去时期的各种因素，有时还受自身过去值的影响。记为中国豆一期货价格指数滞后一期的变量，为中国豆二期货价格指数滞后一期的变量，为美国大豆期货价格指数滞后一期的变量，为此建立模型如下：通过Eviews分别得出结果：从两个分布滞后模型可知，（美国大豆期货指数）增加1%会引起（中国豆一期货指数）0.447%的相对增长；（美国大豆期货指数）增加1%会引起（中国豆二期货指数）0.4576%的相对增长。2检验残差平稳分别检验两模型残差平稳

43、性如下：Null Hypothesis: E has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=14)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-13.62940 0.0000Test critical values:1% level-2.5766935% level-1.94243910% level-1.615633*MacKinnon (1996) one-sided p-values.

44、结果如图，第一个分布滞后模型的残差项t值远小于各水平临界值，证明该残差序列不存在单位根是平稳序列，各变量间具有协整关系。Null Hypothesis: E has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=13)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-11.13647 0.0000Test critical values:1% level-2.5806815% level-1.94299

45、610% level-1.615279第二个分布滞后模型的残差项t=-11.13647，同样小于各水平临界值，即该残差序列为平稳序列，模型变量间同样具有协整关系。3建立ECM模型对于误差修正模型，Granger于1987年提出了著名的格兰杰表述定理，表述如下：如果变量与是协整的，则它们之间的短期非均衡关系总能由一个误差修正模型表述 李子奈，叶阿忠高级应用计量经济学M北京：清华大学出版社，201299页。分布滞后模型的建立分别确定了两模型的误差修正项，为接下来ECM模型建立创造了条件，记为滞后一期误差修正项。建立模型如下：模型一：模型二：得出如下结果： 由该误差修正模型可知，对的短期弹性为0.4363，对的短期弹性为0.4369。其中经计算模型一的t=13.1725033，模型二的t=9.44271047，均大于各自结果的t临界值，表明这两个变量对各自的因变量具有显著影响。根据模型一误差修正项的值0.129421可知其作用：当时刻的大于其长期均衡解时，模型将以-0.129421的调整力度把这种非均衡状态拉回均衡状态。根据模型二误差修正项的值0.099211可知其作用：当时刻的大于其长期均衡解时，模型将以-0.09