下面，我们将以扰动项相关系数矩阵为基础，运用有向无环图（DAG）进行变量当期因果关系的分析。首先我们建立无向完全图（见图6-5），作为当期因果关系检验的原假设。然后运用TETRAD软件进行当期因果关系的检验。由于本书使用的样本数据是2000年第1季度-2014年第4季度的数据，数据跨度为60个周期，属于小样本估计（样本观察值小于200）。小样本估计时，估计结果存在一定程度的低估，为了避免这一情况，通常的做法是提高小样本估计下的显著性水平来改善DAG估计结果的有效性和合理性（Spirtes等，2000）。本书参考（杨子晖，2008；郭娜和李政，2013）的研究，将显著性水平设为0.2。同时，为了使估计结果更具有合理性，我们运用sims提出的似然比统计量检查了估计结果，检查结果显示，在20%（甚至是5%）的显著性水平下无法拒绝“过度约束为真”的原假设，DAG模型的估计结果是合理的。最终的检验结果如图6-6所示。

图6-5　无向完全图(www.daowen.com)

图6-6　有向无环图

上图表明：在20%的显著性水平下存在着开放度（eti）对历史通胀水平（pil）的当期单项因果关系，金融深化（tfd）存在着对于经济增长（pcg）的当期单项因果关系，金融深化（tfd）和经济增长（pcg）存在着对于政策透明度（mpt）的当期因果关系，而历史通胀水平（pil）和开放度（eti）与政策透明度（mpt）之间的当期因果关系并不显著。