方差分解结果解读

方差分解（Variance Decomposition）是时间序列分析中基于向量自回归（VAR）模型的一种重要分析工具，用于量化各变量对系统内某一变量预测误差方差的贡献程度。其基本思想是将VAR模型中某个内生变量的预测均方误差（MSE）分解为由系统中各变量冲击所解释的部分，从而揭示不同变量对该变量波动的相对重要性。方差分解由Sims于1980年提出，与脉冲响应函数互为补充，共同构成VAR模型动态分析的核心内容。

方差分解的分析结果通常以百分比的形式呈现，某变量的方差分解值越大，说明该变量对目标变量波动的解释能力越强，即该变量的冲击对目标变量的变化贡献越大。方差分解方法广泛应用于宏观经济分析、金融市场研究和政策评估等领域，帮助研究者识别影响特定经济变量的主要驱动因素。本研究借助SPSSAU软件进行方差分解分析，考察各指标变量对系统总变异的贡献程度。

在SPSSAU【计量经济研究】模块选择【方差分解】，将变量拖拽至右侧对应分析框，操作如下图：

一、方差分解结果

表1报告了方差分解的分析结果。系统总方差（Var值）为1.123，各变量的协方差、方差分解值及其占总方差的比例如下。

x2的方差分解值最高，为0.373，占总方差的37.257%，表明x2是系统总变异中贡献最大的变量。x2的协方差为0.419，在三个变量中也是最高的，说明x2与系统总体之间的协动关系最为密切。这一结果意味着x2的波动对系统整体的变异具有最强的解释力，是影响系统变化的最主要因素。

x1的方差分解值为0.339，占总方差的33.928%，贡献程度略低于x2但仍占据重要地位。x1的协方差为0.381，处于中等水平。x1对系统变异的解释能力约为三分之一，是系统中不可忽视的影响因素。

x3的方差分解值最低，为0.288，占总方差的28.816%。x3的协方差为0.324，同样在三个变量中最低。虽然x3的贡献度相对较小，但其仍然解释了系统总变异中近29%的部分，对系统波动具有一定的解释能力。

从三个变量的方差分解比例来看，x2（37.257%）> x1（33.928%）> x3（28.816%），三个变量的贡献度差异不大，分布相对均衡。这表明系统总变异是由三个变量共同驱动的，不存在某个变量独占主导地位的情况，各变量对系统波动均有较为均等的贡献。

二、结论

本研究利用SPSSAU软件对系统总变异进行了方差分解分析。结果显示，系统总方差（Var=1.123）可分解为三个变量的贡献：x2的贡献最大（37.257%），x1次之（33.928%），x3最小（28.816%）。三个变量的贡献度分布相对均衡，表明系统变异由多因素共同驱动。方差分解结果为理解各变量在系统中的相对重要性提供了定量依据，有助于识别影响系统变化的关键因素，为后续的政策制定和决策分析提供参考。