这里，我们选取显著性水平a=0.10，根据计量经济理论可知，当P＞0.10时，可以不拒绝原假设，表明不具有因果关系；反之，当P＜0.10时，则可以拒绝原假设，表明具有因果关系。
Granger因果检验结果显示，在滞后期为2的情况下，Lns与Lng之间存在单向因果关系，也即Lns是Lng的因，而Lng不是Lns的因，说明了农村储蓄率是农村经济增长的因，这种因果关系表明改革开放以来我国农村信用社储蓄的增加对农村经济增长有一定的支持作用。同时，LnA和Lng之间也在滞后期2的情况下存在单向因果关系，说明了资本边际生产率的提高有利于农村经济的增长。但是Lnφ和Lng在滞后期2的情况下不存在因果关系，表明了储蓄投资转化率与农村经济增长关系不明显。
6.1.3.6多元VAR模型分析
时间序列向量自回归模型（简称为VAR模型）最初由美国学者Litterman、Sargent和Sims等人在20世纪80年代初提出来，主要用于替代联立方程（Simultaneous equations）结构模型，提高经济预测的准确性。VAR模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响，用模型中所有的当期变量对所有变量的若干滞后期进行自回归，对参数不施加零约束，无论参数估计值有无显著性，都会保留在模型中。同时，VAR模型避开了结构建模对每个经济变量需要做出解释的问题，相对于单方程模型更具可靠性，得出的研究结论更为稳健。因此，该模型除了可以分析滞后项变量对其他变量是否具有显著的影响力外，还可以由脉冲反应函数进一步了解变量间的动态互动关系。
结合结论，为了更清楚估计各变量之间的关系，我们可以选取1978-2010年间中国农村经济增长指标、农村储蓄率指标、农村资本边际生产率指标及农村储蓄投资转化率共同构建多元VAR模型。
从多元VAR模型的结果，我们可以发现：第一，前1年和前2年的农村资本边际生产率对当年的农村经济增长都有推动作用。第二，前1年农村储蓄率对当年的农村经济增长有推动作用，前2年的农村储蓄率不具有推动作用。第三，前1年农村储蓄投资转化率对当年的农村经济增长没有推动作用，前2年的农村储蓄投资转化率反而具有推动作用。
6.1.3.7脉冲响应函数与方差分解分析
脉冲响应函数（impulse response function，IRF）描述一个内生变量对来自另一个内生变量的一个单位变动冲击所产生的响应，反映了来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，以及其影响的路径变化，它可作为系统特性的时域描述，本文把脉冲响应的时间设定为10期。
（1）Lns对Lng的响应。我们可以看出，当在本期给Lns一个标准差冲击后，第1期并没有立刻作出反映，而是到第2期对Lng才有作用，之后一直是处于下降状态，到第10期值最小（0.038106%），但影响保持在正值。（2）Lng对Lns的响应。当在本期给Lng一个标准差冲击后，从第1期到第10期Lns一直是处于负值状态，但影响较为稳定。（3）LnA对Lng的响应。整个影响趋势与Lns对Lng的响应很相似，当在本期给LnA一个标准差冲击后，第1期并没有立刻作出反映，而是到第2期对Lng才有作用，之后一直是处于下降状态，到第10期值最小。（4）Lng对LnA的响应。整个期间的影响都是处于负值状态，影响也较为稳定。（5）Lnφ对Lng的响应。我们可以看出，当在本期给Lnφ一个标准差冲击后，第2期一直是处于负值状态，但之后开始上升，到第3期达到最大值（0.104022%），此后一直处于逐步下降的态势。（6）Lng对Lnφ的响应。该响应存在较大的波动，第1期最小值，第5期为最大值。经济涵义是，Lns和LnA对Lng有着明显的正向促进作用，而Lng对Lns和LnA不具有促进作用，说明了农村信用社储蓄率和农村资本边际生产率的增加对农村经济增长的支持作用将不断增强；另一方面，农村储蓄投资转化率对农村经济增长的促进作用并不明显，这可能因为长期以来农村资金被抽调到城镇导致的，没有在农村经济发展中发挥出应有的作用。
方差分解（variance decomposition）是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。通过系统中各变量冲击所作的贡献，从而了解到各新息对模型内生变量的相对重要性，本文把方差分解时间设定为5期。
（1）Lns对Lng的贡献率。我们可以看出，当在本期给Lns一个标准差冲击后，第1期并没有立刻作出反映，而是到第2期对Lng才有作用，之后一直是处于上升状态，到第5期值最大（31.74487%）。（2）Lng对Lns的贡献率。从第1期到第5期Lng对Lns的贡献率存在一定的波动，到第2期达到最大值（51.03392%）。（3）LnA对Lng的贡献率。整个影响趋势与Lns对Lng的贡献率很相似，当在本期给LnRFIR一个标准差冲击后，第1期并没有立刻作出反映，而是到第2期对Lng才有作用，之后到第3是处于上升状态，后又逐渐下降。（4）Lng对LnA的贡献率。整个期间的影响都是下降的态势。（5）Lnφ对Lng的贡献率。我们可以看出，当在本期给Lnφ一个标准差冲击后，第1期并没有立刻作出反映，而是到第2期对Lng才有作用，之后一直是处于上升状态，到第5期值最大（3.048385%）。（6）Lng对Lnφ的贡献率。整个期间的影响基本处于上升的态势。经济涵义与上述脉冲响应函数基本相符，由此笔者认为这可能是由于我国农村金融的发展长期以来受到国家政策干预的影响过大，或者说市场化程度不高。因此，当前应该逐步加大农村金融市场的开放度，提高农村金融机构的竞争，逐步走上健康、协调、市场化程度高的金融发展道路，减少政府过多的行政干预。
第二节农村微型金融机构风险与经营绩效之间的动态关系
6.2.1模型分析
为了进一步检验农村微型金融机构风险与经营绩效的具体关系，本书将构建面板数据模型进行研究。我们知道，面板数据是通过对样本中每一个样本单位进行多重观察，得到的一个数据集，这种多重观察既包括对样本单位在某一时期上多个特性的观察，也包括对样本单位的这些特性在一段时间上的连续观察。这样，面板数据就能够克服时间序列分析中经常而临的多重共线性的困扰，并且能够提供更多的信息、更多的变化、更多的自由度和更高的估计效率。同时，面板数据的模型有两种，一种是仅对样本自身进行分析的，可以使用固定效应模型（fixed effect model）；另一种是通过样本来推断总体的变化趋势的，可以使用随机效应模型（random effect model）。二者的主要区别在于不随时间变化的非观测效应所对应的因素与模型中可观测到的解释变量是否相关。若非观测效应对应的因素与解释变量相关，则为固定效应模型；反之，则为随机效应模型。由于本书仅就8所农村商业银行样本自身数据进行研究，并且非观测效应对应的因素与解释变量相关，故宜选择固定效应模型。
1、含有N个个体成员方程的面板模型
其中，是T×1维被解释变量向量，是T×k维解释变量矩阵，和的各分量是截面成员的经济指标时间序列。截距项和k×1维系数向量，其取值受不同个体的影响。是T×1维扰动向量，满足均值为零、方差为的假设。
2、含有T个时间截面方程的面板模型
其中，是N×1维被解释变量向量，是N×k维解释变量矩阵，和的各分量是对应于某个时点t的各截面成员的经济指标时间序列。截距项和k×1维系数向量，其取值受不同时期的影响。是N×1维扰动向量，满足均值为零、方差为的假设。
在模型的设计中，笔者在借鉴国内外学者研究的经验基础上，选取微型金融机构2008-2010年经营净收入（Operating net income，NI）作为因变量代表经营绩效指标，历年风险指数（Risk Index，RI）、总资产（Total assets，TA）、资本充足率（Capital Adequacy Ratio，CAR）和不良贷款率（Not-performing Loan Ratio，NPLA）为自变量。
同时，为了更清楚地把握八所农村商业银行经营净收入的变动情形，依据上述分析，我们可以描绘出它们各自的走势图，们可以看出各变量不存在明显的自相关关系。
6.2.2实证分析
6.2.2.1面板单位根和协整检验
使用面板数据进行回归要求各变量必须是平稳的，否则将导致“虚假回归”的结果（回归系数有偏）。因此，首先对回归残差进行单位根检验以判断各变量的平稳性。根据不同的限制，可以将面板数据的单位根分为两类。一类是相同根情形下的单位根检验，这类检验方法假设面板数据中各截面序列具有相同的单位根过程；另一类为不同根情形下的单位根检验，这类检验方法允许面板数据中各截面序列具有不同的单位根过程。其中，相同根情形下的单位根检验方法主要有LLC检验、Breitung检验和Hardri检验，而不同根情形下的单位根检验方法主要有Im-Pesaran-Skin检验、Fisher-ADF检验和Fisher-PP检验。本文采用Hardri检验方法对各变量进行面板单位根检验。Hadri 单位根检验结果表明，在1%的显著水平下都拒绝了原假设，说明原变量不存在单位根，可以进行协整检验。
这里采用由Pedroni于2004年提出的面板数据协整检验方法，允许截面回归存在异质性截取和趋势系数。
每个截面都这样。Pedroni提出了多种检验原假设没有协整关系的检验统计量。这里有两种假设：同性质假设，即对于所有截面i相同协整关系；异质性假设，即对于所有i有不同协整关系。
协整检验结果表明，农村微型金融机构的风险指数与经营绩效之间还是存在明显的协整关系，因为从5组统计量检验结果来看，有2组通过了检验（Panel PP-Statistic和Group PP-Statistic），而且P值都是0.0000，拒绝了原假设，这也证实了可以进一步进行面板回归检验。
6.2.2.2面板回归分析
协整检验结果表明变量之间存在长期稳定的均衡关系，模型回归残差是平稳的，排除了“虚假回归”的可能，着需要对模型的设定形式进行面板回归检验。
各项的t统计量都显著通过检验，说明各参数的估计值都是显著的；从方程的总体拟和效果来看，拟合优度为等于0.792183，F统计量的值为18.10661，D.W值为1.951874，说明回归方程拟合得较好。从各变量系数来看，风险指数的为-0.435179，说明了农村微型金融机构的风险指数与经营绩效之间呈现负相关关系，更精确地讲，就是风险指数每增加一个百分点，经营绩效将下降0.435179百分点，这一结论说明了农村微型金融机构的经营绩效会随着风险指数的增加而下降；同样，不良贷款率的系数也是负数（为-1.658302），说明了农村微型金融机构的不良贷款率与经营绩效之间呈现负相关关系；资本充足率与经营绩效之间也是呈现负相关关系（系数为-1.767913），笔者认为，这可能是因为我国农村微型金融机构的资本充足率过高，造成金融机构资本资源闲置，从而抑制资本回报水平和盈利能力的提升。只有总资产与经营绩效之间呈现正相关关系（系数为0.026292），表明微型金融机构总资产的增加有利于经营绩效的逐步提升。