第一部分 垃圾分类市场发展前景的预测
（一） 基于VaR模型的影响力分析
1、 疫情对于垃圾回收的影响概述
回顾2021年疫情，根据本小组调查的垃圾回收产品消费者问卷，以及据国家统计局资料，疫情期间生活资料PPI对比去年同期PPI有所上升，食品类PPI由较大幅度增加，日用品类有小幅下降，衣着类和耐用品类有较大幅度下降。但由于食品类属于刚需商品，弹性较小，即使价格上升消费者对它的需求也不会随之下降。也由于疫情时期，对居民居住地否能自由出入，居民能否依照自己的意识进行垃圾分类，当地政府又能否对于这些商品的分类回收。
2、 VaR脉冲响应模型的准备分析
（1） 指标选取
我们选取垃圾分类数量和垃圾回收频次这两个指标来分析新冠肺炎疫情对垃圾回收的影响。
（2） 序列平稳性检验
我们使用Eviews建立一个VaR模型，对，x_2这 2个变量进行单位根检验，验证序列是否平稳，能否达到建立VaR模型的建模前提。最开始时我们得出的数据序列并不平稳，于是我们对数据序列进行一定的转换，将原有数据全部取对数，然后进行单位根检验，检验结果如表20。
由表 显示的数据可知x_1，x_2这2个序列在 5%的置信水平下它们各自的ADF统计量的值均小于其所对应的临界值，并且它们各自的p值也都小于0.05充分说明了所选取的2个指标所对应的时间序列中无单位根，即进行检验的各个原始序列的数据都是平稳的。符合VaR模型建立的条件，因此可以进一步进行建模和分析。
1、 VaR脉冲响应模型的建立与检验
（1） 模型的建立
本文选用VaR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，并且建立多元时间序列变量组成的向量自回归模型，以此对经济转型下垃圾回收数量、垃圾回收频次和蚌埠市经济活力的关系进行实证分析。
在通过单位根检验后，紧接着需要确定合理的滞后阶数，正式建立VaR模型，有针对性地对变量之间的相互关系进行研究，其VaR\left（n\right）模型为：
Y=H_0+H_1Y_{\mathrm{t-d}}+H_2Y+U_t （5）
其中，待估计的参数矩阵用来表示，Y_t （即 GDP）是2维内生变量，有d阶滞后期，随机误差项用U_t来表示。
对于滞后项的选择和模型优劣问题，结合相关研究，本文主要运用AIC和SC信息准则，使AIC和SC的值同时相对较小，则所选模型最为恰当。在AIC准则下确定滞后期数，结果如表 ，可以明显从中看到，选择最佳滞后期数2 阶。
表 滞后阶数确定表
0 11.44537 NA 5.48e-05 -1.299287 -1.168914 -1.326085
1 58.32404 64.90892^\ast 1.72e-07 -7.126775 \mathrm{-6.60528}\mathrm{3}^\ast -7.233965
2 69.55042 10.36281 1.68e-07^\ast -7.469295^\ast -6.556684 \mathrm{-7.65687}\mathrm{7}^\ast
由表 结果数据可知，当滞后阶数为2时，模型的检验结果最佳，因此本文选择对所研究的2个变量建立滞后期为2的VaR\left（2\right）模型.
（2） 模型的检验
本文采用AR根估计法对所建VaR\left（2\right）模型进行平稳性检验，结果如图表所示
由图39可以看出，在该模型中每个特征方程所对应的特征根均落在单位圆内，这说明所建立的VaR\left（2\right）模型是稳定的，建模效果较好。
2、Granger因果检验
三个经济变量x_1，x_2，y之间的格兰杰因果关系定义为:若在包含了变量x_1、x_2、y的过去信息的条件下，对变量y的预测效果要优于只单独由y的过去信息对y进行的预测效果，即变量x_1，x_2有助于解释变量y的将来变化，则认为变量x_1，x_2是引致变量y的格兰杰原因。
以GDP 为因变量，对VaR模型中的变量进行格兰杰因果关系检验，检验结果如下表33。可以得出结论：在 5%的显著性水平下，x_1和x_2都是y的格兰杰原因，即垃圾回收产品购买数量和垃圾回收消费者消费频次对GDP变动都有格兰杰因果关系。
http://www.dxsbao.com/shijian/504227.html 点此复制本页地址
