三 實證分析

（一）參數估計結果

由于TVP-VAR模型中矩陣A是下三角矩陣，需要先指定各變量的順序，由于以往的文獻中沒有關于經濟政策不確定性對入境旅游影響的相關參考，因此各變量的外生性程度依照本文開始的假設定為經濟政策不確定性指數、宏觀經濟波動和入境旅游波動的順序，遞歸識別按此順序進行。

按照Nakajima等（2011）的方法，本文對模型參數設定初始值為：，（I為單位矩陣），先驗假定，，為以下對角矩陣：，，。

利用MCMC算法進行回歸，模型具體參數的設定包括模型的最優滯后階數依據AIC、HQIC、SBIC等信息準則確定為滯后1階，將MCMC模擬的迭代次數確定為10000次，其中模擬的前1000次迭代作為預燒（brun-in），用以排除模型擬合中的不穩定性。運用Oxmetrics6.0軟件對模型參數進行估計，得到估計結果如表2所示。表2描述的是待估參數后驗分布的均值、標準差、95%置信區間（上限和下限）及Geweke的CD收斂診斷值和計算的無效因子（無效率因素的估計值）。從中可以看出，后驗均值均落入95%置信區間。從收斂性來看，參數的Geweke值均未超過5%的臨界值1.96，表明不能拒絕待估參數收斂于后驗分布的原假設，即表明在迭代周期中預燒期已經能夠有效使得馬爾科夫鏈趨于集中，效率相對較高。無效因子表示為得到不相關樣本所需要抽樣的次數，因此，無效因子值越小表明模型MCMC模擬的結果越有效。無效因子的最大值為94.28，表明用10000次抽樣可以得到106個不相關的樣本，足以支持TVP-VAR模型的后驗推斷。根據以上判斷，模型的估計結果是有效的。

表2 模擬估計結果

（二）時變脈沖響應分析

1.時變波動

圖2分別給出了時變參數自回歸模型中樣本的自相關性、樣本收斂軌跡和后驗分布密度圖。如圖2所示，樣本的自相關系數隨著模擬次數的增加都收斂于0，表明本文設定的抽樣方法能夠很好地消除樣本之間的自相關性，樣本序列在均值附近以“白噪聲”的軌跡波動。樣本路徑圍繞著某一定值上下波動，后驗分布密度圖形類似正態分布，表明模型產生了有效、不相關的樣本數據，這進一步驗證了模型的擬合效果較好，即驗證了利用MCMC算法進行抽樣得到的樣本是不相關的，且是有效的，能夠很好地模擬參數的分布狀況。

圖2 參數估計結果：樣本自相關、路徑和后驗分布密度

圖3反映的是變量的隨機波動率的時變特征。可以看出，經濟政策不確定性曲線呈現出持續波動的態勢，且其波動趨勢與中國經濟政策的實際情況以及許多重大政策調整都是吻合的，例如2003年的高點是受到“非典”的影響，2008年反映的是全球金融危機帶來的不確定增加；2011—2013年的高點反映的是后危機時代經濟政策波動；2015年反映的是經濟增速放緩以及人民幣匯率機制改革。宏觀經濟波動幅度遠遠小于經濟政策不確定性和入境旅游的波動幅度，這說明中國宏觀經濟的波動相對較為平穩。入境旅游波動在2003年出現顯著低谷，反映的也是“非典”疫情引起的入境旅游人數降幅明顯的事實。

圖3 變量隨機波動率

2.時變脈沖響應分析

本文基于TVP-VAR模型進行研究可以很好地刻畫出變量之間不同時期的動態反應情況，以發現經濟政策不確定性對入境旅游所具有動態的時變影響。MCMC估計會針對TVP-VAR模型中的時間序列提供脈沖響應分析，并且由于系數是隨時間變化的，因此在采樣期間的每個日期都會計算脈沖響應。TVP-VAR模型的脈沖響應分析可以給出兩種形式的反應函數，分別為等間隔沖擊反應函數和特定時點上的沖擊函數。

（1）等間隔的脈沖響應分析

等間隔沖擊反應函數是指在樣本每一期參數的當期值分別對固定的滯后若干期的另一參數產生的影響。由于本文使用的季度數據，故而將時間講個設定為間隔1期（1季度）、2期（半年）、4期（1年）。

圖4 滯后1期、2期和4期的動態脈沖響應

圖4表現的是不同間隔期經濟政策不確定性、宏觀經濟波動和入境旅游波動之間的沖擊反應，分別代表了短期、中期和長期的影響。從圖中可以發現，三個不同期等間隔的脈沖響應圖像走勢相似但波動幅度則存在明顯差別，其中短期和中期的脈沖響應波動較大，長期影響則不明顯。圖4左上角圖形反映的是經濟政策不確定性對其自身的脈沖響應，可見在短期和中期存在明顯的正向影響，長期影響不明顯。圖4右上角圖形反映的是宏觀經濟對中國經濟政策不確定性沖擊在連續時間內的影響程度，可以看出短期和中期經濟政策不確定性對宏觀經濟波動存在負向影響且該負面影響在2008年達到最大，2010年之后GDP受經濟政策不確定性沖擊的影響在0上下波動，這說明宏觀經濟越來越穩定，依靠自身內生因素驅動更為明顯。圖4左下角圖形顯示，給定經濟政策不確定性一個正向沖擊后，在2005年以前，經濟政策不確定性對入境旅游波動的影響為正，但在2005年以后直至2011年，沖擊方向變為負向，且從沖擊強度來看，短期負向影響最顯著。2011年以后經濟政策不確定性對入境旅游波動影響再度變為正向。值得注意的是，圖4右下角圖形顯示，短期宏觀經濟波動對入境旅游影響為正，且沒有明顯的時變特征，但是該影響程度沒有經濟政策不確定性的直接影響效應大；中期和長期入境旅游波動對GDP沖擊的響應表現出一定程度的波動性，但整體上影響為正向，除了在滯后期為1年的時間間隔上2008年入境旅游波動對宏觀經濟波動響應為負。

總體而言，宏觀經濟波動對經濟政策不確定性的沖擊響應為正，而入境旅游人數受宏觀經濟沖擊影響基本為正，且入境旅游人數受經濟政策不確定性的脈沖響應趨勢與經濟政策不確定性對其自身的脈沖響應趨勢存在相似之處。由此可以看出經濟政策不確定性影響宏觀經濟，而宏觀經濟影響入境旅游的傳導機制是存在的。但是一個更重要的發現在于經濟政策不確定性對入境旅游的直接影響遠遠大于上述通過宏觀經濟波動傳導的影響，并且入境旅游對經濟政策不確定性的響應表現出明顯的時變特征。

（2）特定時點沖擊

TVP-VAR模型還可以估算出變量在各個特定時點上的脈沖響應情況。時點脈沖響應函數可用于觀察自變量在指定時點產生一單位正向沖擊后因變量的響應情況。這樣我們可以更貼近事實、更準確地、更有針對性地得到在不同的經濟波動下入境旅游受到的影響。

本文選取t=14（2003年第二季度），t=36（2008年第四季度），t=48（2011年第四季度）3個時點進行特定時點的分析，因為這三個時期經濟政策不確定性指數較高，分別對應非典事件、全球金融危機爆發、標普下調美國主權信用評級以及歐洲債務危機爆發的時點，3個時點的經濟政策不確定性對入境旅游的沖擊如圖5所示。

圖5 時點脈沖響應

從圖5可以看出，經濟政策不確定性對自身的沖擊反應在持續期上是逐漸衰減的，這也符合經濟邏輯。經濟政策不確定性對自身的沖擊逐漸遞減并且從第三期開始就迅速趨于0，這說明經濟政策不確定性在重大經濟波動的時點上，可以比較靈活地進行調整，自身維系的慣性機制較小，即當期經濟政策不確定性的波動不會對后期經濟政策不確定性指數數值的大小產生額外影響。這個結論有利于更準確地進行后續的統計分析，從而消除自身波動帶來的影響。從圖5可以發現，經濟政策不確定性對于宏觀經濟和入境旅游的影響均呈現出短期性特征，長期則趨于0。對于t=14（非典事件）、t=36（全球金融危機）和t=48（歐債務危機）三個特殊時點，經濟政策不確定性對宏觀經濟的影響短期為負，并且隨著時間推移逐漸減弱，在第3期開始逐漸趨近于0。圖5的結果也顯示，這三個時點上入境旅游對GDP沖擊響應為正，這也符合在等間隔的脈沖響應分析中得到的結論。特別值得關注的是，根據圖5，經濟政策不確定性對入境旅游的影響在三個時點上卻表現出了明顯差異性。在t=14非典爆發和t=36全球金融危機的時點上，入境旅游對經濟政策不確定性沖擊在短期內呈現先升后降并逐漸趨于0的正向響應；而t=48歐債務危機的時點上，入境旅游對經濟政策不確定性沖擊影響在短期表現出負向波動，并隨著時間逐漸減弱。

此外，圖5的結果還顯示，從影響程度來看，三個時點上經濟政策不確定性對宏觀經濟波動的沖擊以及宏觀經濟對入境旅游的沖擊程度都小于經濟政策不確定性對于入境旅游的直接沖擊，此結論與等間隔的脈沖響應分析中的結果是相一致的。從影響時長上來看，經濟政策不確定性對于入境旅游的直接沖擊持續時期更長，在第8期該影響才完全消失。相比經濟政策不確定性通過影響宏觀經濟再對入境旅游產生影響的傳導機制而言，經濟政策不確定性直接給入境旅游帶來的沖擊更加顯著，持續時間也更長。