フリーソフトRによりVARモデルを用いてボーナス人口と日経平均株価の関係性について分析した。
赤字はプログラムコードである。
 VARモデルの次数は2であり、定数項を含む2変量モデルである。推計の結果、ボーナス人口は株価指数に生の影響を与えている。人口は原系列だが、株価指数は自然対数値にして推計している。
 Granger の因果関係の検定結果であるが、7%有意水準でボーナス人口は株価指数に影響を与えて、0.2%有意水準で株価指数はボーナス人口に影響を与えている。Granger の瞬時的因果関係の検定結果であるが、 、3%有意水準で株価指数とボーナス人口に因果関係が存在する。
 インパルス反応関数を計測したところ、 ボーナス人口は株価指数に影響を与えていることが確認できる。
 

 
> JP<-read.table("c:\\japan.csv")
> JP<-read.csv("c:\\japan.csv")
> n<-JP[,3]
> P40<-JP[,12]
> n.ts<-ts(n)
> P40.ts<-ts(P40)
> plot(n.ts)
> plot(P40.ts)
> JP2<-data.frame(n,P40)
> var2.p<-VAR(JP2,p=2,type="const")
> B(var2.p) 
 
Function 'B' is deprecated; use 'Acoef' instead.
See help("vars-deprecated") and help("B-deprecated") for more information. 
          n.l1       P40.l1        n.l2        P40.l2       const
n    0.8868413 0.0001554773 -0.07155043 -4.904377e-05   0.8158319
P40 56.7216148 1.9266203173  5.16959573 -9.839153e-01 -86.9745944

> causality(var2.p,cause="P40")

$Granger

        Granger causality H0: P40 do not Granger-cause n

data:  VAR object var2.p 
F-Test = 2.8121, df1 = 2, df2 = 110, p-value = 0.0644

$Instant

        H0: No instantaneous causality between: P40 and n

data:  VAR object var2.p 
Chi-squared = 8.9912, df = 1, p-value = 0.002713

>  causality(var2.p,cause="n")
 
$Granger

        Granger causality H0: n do not Granger-cause P40

data:  VAR object var2.p 
F-Test = 9.8878, df1 = 2, df2 = 110, p-value = 0.0001125

$Instant

        H0: No instantaneous causality between: n and P40

data:  VAR object var2.p 
Chi-squared = 8.9912, df = 1, p-value = 0.002713

> impulse<-irf(var2.p,impulse="P40",response=c("n"),boot=FALSE)
> plot(impulse)
インパルス