fdi对我国经济增长影响的实证分析

计量经济学课程论文 FDI 对我国经济增长影响的实证分 析 姓名：黄倩 专业：国际经济与贸易 学号：40502033 2007-12-08 2 FDI 对我国经济增长影响的实证分析 摘要 自 20 世纪 80 年代中后期以来，我国 GDP 逐年增长，经济发展速度令人瞩目。这种经济 高增长背后促成的因素很多，外商直接投资的迅猛发展正是其中极为重要的因素之一。本文 就此命题从实证分析的角度加以证明，外商直接投资对我国经济增长有显著的贡献，但同时 也发现 FDI 对 GDP 的影响有明显的滞后效应。 关键词 FDI GDP 回归分析 滞后性 一问题的提出 伴随世界经济的较快增长和经济全球化趋势深入发展，我国国民经济持续快 速发展。国内市场潜力巨大，投资环境日益改善，特别是拥有大量低成本，高素 质的人力资源，跨国直接投资回升，相关数据表明，FDI 与 GDP 的增长态势基本 相似。1986 年到 2004 年，二者都成逐步上升趋势。1994 年到 1998 年增长速度 显著放缓。由于亚洲金融危机的爆发，我国从 1999 年开始，FDI 有回落现象，一 直到 2001 年我国初步克服亚洲金融危机的影响，尤其是我国加入 WTO 后，中国 利用外资明显回升。而与此对应 GDP 也从 2000 年开始高速增长。我国 GDP 的增 长与外商直接投资增长的趋势有一定程度的相似性，那么二者的关系究竟如何， 相关程度如何，本文就此命题从实证分析的角度，考察外国资本流入对中国经济 增长的影响，这不仅是对有关理论的一次很好的检验，而且也具有重要的现实意 义。 二变量的选取及分析 根据 GDP 的定义，从需求方面分析，影响国内生产总值增长的因素包括三大 需求：总消费（居民消费+社会消费） ，总投资（固定资产投资+存货增加）和净 出口。许多研究表明 外商直接投资 FDI 作为总投资的一部分，对我国 GDP 的增 长有显著的积极作用。因此 在这里我们引入,外商直接投资 FDI,作为解释变量， 研究他们对国内生产总值 GDP 这已被解释变量的影响效果。 三数据及处理 本文选取了 1986-2004 年间我国 FDI,GDP 的时间序列资料进行分析（见表） 年份 GDP(亿元） FDI（亿美元） 1986 10275.2 18.74 1987 12058.6 23.14 3 1988 15042.8 31.94 1989 16992.3 33.93 1990 18667.8 34.87 1991 21781.5 43.66 1992 26923.5 110.07 1993 35333.9 275.15 1994 48197.9 337.67 1995 60793.7 375.21 1996 71176.6 417.26 1997 78973.0 452.57 1998 84402.3 454.63 1999 89677.1 403.19 2000 99214.6 407.15 2001 109655.2 468.78 2002 120332.7 527.43 2003 135822.8 535.05 2004 159878.3 606.3 年份 人民币对美元平均汇率 FDI(亿元） 1986 3.45 64.653 1987 3.72 86.0808 1988 3.72 118.8168 1989 3.77 127.9161 1990 4.78 166.6786 1991 5.32 232.2712 1992 5.51 606.4857 1993 5.76 1584.864 1994 8.62 2910.715 1995 8.35 3133.004 1996 8.31 3467.431 1997 8.29 3751.805 1998 8.28 3764.336 1999 8.28 3338.413 2000 8.28 3371.202 2001 8.28 3881.498 2002 8.28 4367.12 2003 8.28 4430.214 2004 8.28 5020.164 数据说明 本文采用中国国家统计局（/）公开发表的 年度数据作为样本数据。其中，外商直接投资原始单位为亿美元，因此对数据根 据国家统计局公布的每年汇率进行了换算。 4 四模型及处理 以上述数据，构建线性回归模型对 FDI 对我国经济的贡献作一实证分析。模 型的被解释变量 Y 选定为 GDP,X 为 FDI。 通过 EViews 得散点图如下所示： 04080120 160200 102030405060XY 可以看出 GDP(Y)和 FDI(X)大体呈现为线性关系，因此我们试图把 FDI 作为主要 解释变量，其他影响因素全部放入随机扰动项中。所以建立的计量经济模型为以 下线性模型 Y=c+X+i 其中 YGDP XFDI（外商直接投资）c常数项 i 随机扰动项 系数 即 FDI 每增加一亿元，GDP 平均增加的亿元数 根据数据，假定所建模型及随即扰动项满足古典假定。利用EView软件，进行 OLS，我们得到如下回归结果: Dependent Variable: Y Method: Least Squares Date: 11/12/07 Time: 21:49 Sample: 1986 2004 Included observations: 19 Variable Coefficient Std. Error t-Statistic Prob. C 7618.219 6076.082 1.253805 0.2269 X 24.09647 2.074230 11.61707 0.0000 R-squared 0.888126 Mean dependent var 63957.88 Adjusted R-squared 0.881545 S.D. dependent var 46359.01 S.E. of regression 15955.52 Akaike info criterion 22.29230 Sum squared resid 4.33E+09 Schwarz criterion 22.39171 Log likelihood -209.7768 F-statistic 134.9563 Durbin-Watson stat 0.305219 Prob(F-statistic) 0.000000 5 参数估计有如下结果 Y = 7618.219 + 24.09647 X （1） t = (1.253805) (11.61707) 2R =0.888126 2R=0.881545 F=134.9563 DW=0.305219 根据以上分析，GDP 对 FDI 进行的普通最小二乘法，得到的可决系数为 0.8881， 所建模型整体上对样本数据拟和较好。 对回归系数的 t 检验：取 =0.05,查 t 分布得 t(17)=2.11, t()= 11.61707 2.11, 系数通过 t 检验，表明 FDI 对 GDP 有显著影响。FDI 平均每增加 1 亿元，GDP 将增加 24.09647 亿元。 1异方差检验（White 检验） 由于现实经济活动中，影响GDP的因素错综复杂，而此处简化模型只考虑FDI 的 流入对GDP 的贡献，省略了某些重要的解释变量，因此易产生易方差，所以有必 要进行异方差的检验。 White Heteroskedasticity Test: F-statistic 4.185929 Probability 0.034503 Obs*R-squared 6.526597 Probability 0.038262 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 11/13/07 Time: 17:25 Sample: 1986 2004 Included observations: 19 Variable Coefficient Std. Error t-Statistic Prob. C 37071280 1.08E+08 0.342495 0.7364 X 16497.49 138678.4 0.118962 0.9068 X2 17.72971 31.00841 0.571771 0.5754 R-squared 0.343505 Mean dependent var 2.28E+08 Adjusted R-squared 0.261443 S.D. dependent var 2.95E+08 S.E. of regression 2.54E+08 Akaike info criterion 41.68449 Sum squared resid 1.03E+18 Schwarz criterion 41.83362 Log likelihood -393.0027 F-statistic 4.185929 Durbin-Watson stat 0.972416 Prob(F-statistic) 0.034503 从表可以看出 n 2R=6.526597, (2)=5.9915 n 2R5.9915，P 值 20.05 6 =0.038262DW,表明模型中仍存在自相关。 用 Cochrane-Orcutt 迭代估计法,可得结果如下 Dependent Variable: LNY Method: Least Squares Date: 11/13/07 Time: 14:34 Sample (adjusted): 1987 2004 Included observations: 18 after adjustments 10 Convergence achieved after 25 iterations Variable Coefficient Std. Error t-Statistic Prob. C 18.92062 16.73744 1.130437 0.2760 LNX 0.159057 0.046536 3.417948 0.0038 AR(1) 0.987802 0.022501 43.90022 0.0000 R-squared 0.996729 Mean dependent var 10.82546 Adjusted R-squared 0.996292 S.D. dependent var 0.839839 S.E. of regression 0.051137 Akaike info criterion -2.957589 Sum squared resid 0.039226 Schwarz criterion -2.809193 Log likelihood 29.61830 F-statistic 2285.127 Durbin-Watson stat 1.007816 Prob(F-statistic) 0.000000 从上表可以看出 DW =1.007816 其值有显著提高，但是在显著水平 =0.05 下， n=18，k=1 时，由于 DW DL=1.158，修正后该模型中的误差序列仍然存在一阶正 自相关。 此时，回归方程为 lny = 18.92062+ 0.159057lnx t= (1.130437) (3.417948) 2R=0.996729 2R=0.996292 DW =1.007816 模型重新设定-分布滞后模型 从以上分析可以看出我们设定的模型可能存在一定的问题。从需求方面分析 GDP 的增长，可以认为 FDI 作为影响固定资产投资的一重要因素，从投资到实际产出 的实现，需要一个较长的时间，当年的产出量在某种程度上依赖于过去若干期的 FDI 形成的固定资产规模。因此 FDI 对 GDP 的影响效果可能存在滞后效应。下面 运用分布滞后模型进行重新估计，设定模型如下 Y=+X + 1 X（-1）+2 X（-2）+t X（-1）表示前一年的 FDI 数值，X（-2）表示两年前的 FDI 数值 运用 OLS 进行回归估计结果如下 Dependent Variable: Y Method: Least Squares Date: 11/13/07 Time: 18:36 Sample (adjusted): 1988 2004 Included observations: 17 after adjustments 11 Variable Coefficient Std. Error t-Statistic Prob. C 10101.67 6642.710 1.520715 0.1523 X 22.20973 9.880834 2.247759 0.0426 X(-1) -20.27785 16.71987 -1.212800 0.2468 X(-2) 23.89123 10.02103 2.384110 0.0331 R-squared 0.917823 Mean dependent var 70168.59 Adjusted R-squared 0.898858 S.D. dependent var 45037.30 S.E. of regression 14323.10 Akaike info criterion 22.17946 Sum squared resid 2.67E+09 Schwarz criterion 22.37551 Log likelihood -184.5254 F-statistic 48.39806 Durbin-Watson stat 0.458957 Prob(F-statistic) 0.000000 1多重共线性检验与修正 由此可见，可决系数较高，通过 F 检验，但是 C ,X(-1)的系数 t 检验不显著， 且 X(-1) 的系数的符号与经济意义相反，可能存在多重共线性。 X X(-1) X(-2) X 1 0.9714506737 40959 0.9173273678 03514 X(-1) 0.9714506737 40959 1 0.9713626730 25433 X(-2) 0.9173273678 03514 0.9713626730 25433 1 由相关系数矩阵可以看出个解释变量之间的相关系数较高，证实确实存在严重多 重共线性。 修正多重共线性 分别作固定 y 对 x 和 x(-1),y 对 x 和 x（-2）的回归结果如下 Dependent Variable: Y Method: Least Squares Date: 11/13/07 Time: 18:41 Sample (adjusted): 1987 2004 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 9651.517 6755.487 1.428693 0.1736 X 11.15157 9.606369 1.160852 0.2638 12 X(-1) 13.61617 9.803406 1.388922 0.1851 R-squared 0.892449 Mean dependent var 66940.26 Adjusted R-squared 0.878109 S.D. dependent var 45789.09 S.E. of regression 15986.30 Akaike info criterion 22.34786 Sum squared resid 3.83E+09 Schwarz criterion 22.49626 Log likelihood -198.1308 F-statistic 62.23439 Durbin-Watson stat 0.278037 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 11/13/07 Time: 19:16 Sample (adjusted): 1988 2004 Included observations: 17 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 10936.20 6717.166 1.628098 0.1258 X 12.02563 5.294356 2.271405 0.0394 X(-2) 13.56866 5.377624 2.523171 0.0244 R-squared 0.908525 Mean dependent var 70168.59 Adjusted R-squared 0.895457 S.D. dependent var 45037.30 S.E. of regression 14561.98 Akaike info criterion 22.16900 Sum squared resid 2.97E+09 Schwarz criterion 22.31604 Log likelihood -185.4365 F-statistic 69.52327 Durbin-Watson stat 0.220312 Prob(F-statistic) 0.000000 经比较 加入X(-2)效果较好 故剔除X(-1) 修正多重共线性影响后的回归结果为 Y=10936.20 + 12.02563X + 13.56866X(-2) t=(1.628098) (2.271405) (2.523171) 2R = 0.908525 2R =0.895457 F=69.52327 DW=0.220312 2异方差的检验（White 检验） White Heteroskedasticity Test: F-statistic 1.542964 Probability 0.261277 Obs*R-squared 6.968013 Probability 0.223030 Test Equation: Dependent Variable: RESID2 13 Method: Least Squares Date: 11/13/07 Time: 20:55 Sample: 1989 2004 Included observations: 16 Variable Coefficient Std. Error t-Statistic Prob. C 980341.6 2597745. 0.377382 0.7138 X -3829.016 7362.709 -0.520055 0.6143 X2 1.035889 2.792918 0.370898 0.7184 X*X(-2) 0.457311 4.205107 0.108751 0.9156 X(-2) 5600.229 8077.461 0.693315 0.5039 X(-2)2 -1.886648 1.871917 -1.007870 0.3373 R-squared 0.435501 Mean dependent var 3082930. Adjusted R-squared 0.153251 S.D. dependent var 4400559. S.E. of regression 4049348. Akaike info criterion 33.54601 Sum squared resid 1.64E+14 Schwarz criterion 33.83573 Log likelihood -262.3681 F-statistic 1.542964 Durbin-Watson stat 3.312516 Prob(F-statistic) 0.261277 从表可以看出 n 2R=6.968013, (5)=11.0705 n 2R11.0705， 则接受原假 设， 表明模型中随机误差不存在异方差。 3自相关检验与修正 DW=0.220312, 查 n=16,k=2 在 =0.05 的水平下， dL=0.982,dU=1.539, 由 DW 值可以看出该模型存在自相关 所以下面运用科克伦-奥克特迭代法 进行修正，结果如下 Dependent Variable: Y Method: Least Squares Date: 11/13/07 Time: 18:45 Sample (adjusted): 1989 2004 Included observations: 16 after adjustments Convergence achieved after 8 iterations Variable Coefficient Std. Error t-Statistic Prob. C 8593.687 4980.808 1.725360 0.1101 X 6.247859 1.064514 5.869211 0.0001 X(-2) 5.109756 1.111785 4.595992 0.0006 AR(1) 1.186752 0.028179 42.11467 0.0000 20.05 14 R-squared 0.998312 Mean dependent var 73613.95 Adjusted R-squared 0.997890 S.D. dependent var 44139.89 S.E. of regression 2027.455 Akaike info criterion 18.27927 Sum squared resid 49326886 Schwarz criterion 18.47242 Log likelihood -142.2341 F-statistic 2365.900 Durbin-Watson stat 2.173889 Prob(F-statistic) 0.000000 Inverted AR Roots 1.19 Estimated AR process is nonstationary Y= 8593.687 + 6.247859X + 5.109756X(-2) t=(1.725360) (5.869211) (4.595992)2R =0.998312 2R =0.997890 F=2365.900 DW=2.173889 由以上回归结果可以看出经过迭代法修正后，可决系数有所提高，DW值明显改善， 在0.05的水平下，n=16 k=2 DL=0.982 DU=1.539 DU DW4-DU=2.461, 不再存 在自相关，并且模型拟和较好。 4平稳性检验 对GDP的检验的如下结果： Null Hypothesis: Y has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on SIC, MAXLAG=3) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 2.417513 0.9998 Test critical values: 1% level -3.920350 5% level -3.065585 10% level -2.673459 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 16 Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 12/11/07 Time: 16:49 Sample (adjusted): 1989 2004 Included observations: 16 after adjustments Variable Coefficient Std. Error t-Statistic Prob. 15 Y(-1) 0.053611 0.022176 2.417513 0.0325 D(Y(-1) 1.502090 0.269050 5.582930 0.0001 D(Y(-2) -0.934281 0.287003 -3.255295 0.0069 C 398.4512 1298.626 0.306825 0.7642 R-squared 0.863530 Mean dependent var 9052.219 Adjusted R-squared 0.829413 S.D. dependent var 5686.303 S.E. of regression 2348.567 Akaike info criterion 18.57332 Sum squared resid 66189222 Schwarz criterion 18.76646 Log likelihood -144.5865 F-statistic 25.31055 Durbin-Watson stat 1.575339 Prob(F-statistic) 0.000018 从检验结果可以看出， 在1%，5%，10%三个显著性水平下，单位根的检验临界值 分别为-