为有效揭示中国储蓄率和老年人抚养比之间有哪些用途方法，本文使用基于面板数据的向量自回归办法，在老年人抚养比和储蓄率基础上，增加了人均GDP变量，依据人工智能C和SC信息准则打造最佳阶数为一阶的三变量滞后面板向量自回归数据模型（PVAR），对中国30个省级单位从1983―2012年的储蓄率与老年人抚养比关系进行了实证剖析。

通过LLC和IPS单位根检验后，确定了三变量（储蓄率，老年人抚养比和人均GDP变量）的数据平稳性和估计结果的有效性。在对数据进行Helmet消除区域间的固定效应后，经过系统GMM办法对PVAR模型的系数进行估计，估计系数显著。最后用脉冲响应函数剖析储蓄率和老年人抚养比之间脉冲响应来察看两者间相互用途的关系。

结果表明：储蓄率与老年人抚养比存在双向互动关系，老年人抚养比对于储蓄率的正影响持续时间比较长，且积累效应显著。伴随人口老龄化程度的不断提升，大家为应付老年时期可能发生的个人财务危机而形成新的储蓄动机，在工作期间增加资产累积，这种累积持续时间较长。这与人口结构的第二次红利结论吻合。

1.问题重述

因为数据涉准时间、省市、变量三维信息，是面板数据，大家基于计量经济学PVAR（面板向量自回归）模型打造老年抚养比与储蓄率与其他内向量间的关系。

2.问题剖析

第一，进行有关数据的搜集与整理。依据附件中的原始数据，经过计算处置得出需要的模型数据，以便捷后续计算。

第二是模型的剖析。面板数据一般拥有相对较少的观测值。除此之外，个体的多样性也是分解数据的一个要紧特点。用传统的VAR模型来处置面板数据是不适合的。因此，大家使用基于面板数据的向量自回归模型。

第三是确定PVAR的滞后阶数和每一个时间序列的滞后阶数与单位根检验。

最后运用Stata对模型求解，并通过脉冲响应函数剖析变量之间的关系。

3.问题求解

3.1数据与变量的选择

因为其中有年份数据缺失的状况，因此在年份上选取1983～2012年共30年的数据。而对于各省市，其中西藏数据缺失较多，最后选出了除西藏以外的30个省市作为模型的训。考虑到GDP对于老年人抚养比与储蓄率之间的关系，大家在此打造人均GDP，老年人抚养比和储蓄率的三变量面板向量模型。其中各变量概念如表1。

3.2PVAR模型的打造

面板数据一般拥有相对较少的观测值。除此之外，个体的多样性也是分解数据的一个要紧特点。用传统的VAR模型来处置面板数据是不适合的。因此，大家使用基于面板数据的向量自回归模型。现将PVAR模型一般表达形式如下：

其中符号概念如表4

鉴于本文所选的指标为老人年抚养比（orate），存储率（drate），与考虑影响两者比较要紧的人均GDP增长率（gdp），为消除区域界面的固定效应，通过用Helmet办法进行前向均值差分，转化后的变量与滞后自变量仍然具备正交性。

故这三个变量构成的P阶PVAR模型如下：

3.3PVAR面板数据检验

①滞后阶数的选择

在得到PVAR模型及进行单位根检验之前，大家需要确定PVAR的滞后阶数和每一个时间序列的滞后阶数。现在用从一般到特殊的办法，从较大的滞后阶开始，通过t值检验，调整滞后阶数；或者依据人工智能C和SC信息准则进行确定，选择的阶数应该是的人工智能C和SC越小越好。依据人工智能C和SC信息准则，方程最佳滞后阶数为一阶。

②单位根检验

为防止面板数据模型估计中出现“不真实回归问题”，确保估计结果的有效性，满足PVAR模型打造的假设首要条件需要对各面板数据的平稳性进行检验。检验数据平稳性最常见的方法就是单位根检验。