FDI对经济增长影响的实证分析.docx
《FDI对经济增长影响的实证分析.docx》由会员分享，可在线阅读，更多相关《FDI对经济增长影响的实证分析.docx（27页珍藏版）》请在冰点文库上搜索。
FDI对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
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FDIGDP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
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（
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：
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+βX+Ｕi
其中Y—GDPX—FDI（外商直接投资）c—常数项Ｕi—随机扰动项
β—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:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/12/07Time:
21:
49
Sample:
19862004
Includedobservations:
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
Meandependentvar
63957.88
AdjustedR-squared
0.881545
S.D.dependentvar
46359.01
S.E.ofregression
15955.52
Akaikeinfocriterion
22.29230
Sumsquaredresid
4.33E+09
Schwarzcriterion
22.39171
Loglikelihood
-209.7768
F-statistic
134.9563
Durbin-Watsonstat
0.305219
Prob（F-statistic）
0.000000
参数估计有如下结果
Y=7618.219+24.09647X
（1）
t=（1.253805）（11.61707）
=0.888126
=0.881545F=134.9563DW=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α=0.05,查t分布得t（17）=2.11,
t（β）=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。
WhiteHeteroskedasticityTest:
F-statistic
4.185929
Probability
0.034503
Obs*R-squared
6.526597
Probability
0.038262
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
11/13/07Time:
17:
25
Sample:
19862004
Includedobservations:
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
X^2
17.72971
31.00841
0.571771
0.5754
R-squared
0.343505
Meandependentvar
2.28E+08
AdjustedR-squared
0.261443
S.D.dependentvar
2.95E+08
S.E.ofregression
2.54E+08
Akaikeinfocriterion
41.68449
Sumsquaredresid
1.03E+18
Schwarzcriterion
41.83362
Loglikelihood
-393.0027
F-statistic
4.185929
Durbin-Watsonstat
0.972416
Prob（F-statistic）
0.034503
从表可以看出n
=6.526597,
（2）=5.9915n
>5.9915，P值=0.038262<α=0.05,所以拒绝原假设，模型中随机误差存在异方差。
表示随着时间的推移，影响GDP的其他因素可能发生了变化。
修正异方差
下面运用加权最小二乘法（WLS）分别用权数w1t=1/X,w2t=1/X,w3t=1/√X进行估计，经比较发现用权数w2t的效果最好，并且消除了异方差结果如下表：
DependentVariable:
Y
Method:
LeastSquares
Date:
11/13/07Time:
18:
05
Sample:
19862004
Includedobservations:
19
Weightingseries:
1/X^2
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
4956.046
397.1111
12.48025
0.0000
X
83.26008
4.896575
17.00374
0.0000
WeightedStatistics
R-squared
0.997608
Meandependentvar
13151.42
AdjustedR-squared
0.997467
S.D.dependentvar
23291.68
S.E.ofregression
1172.139
Akaikeinfocriterion
17.07035
Sumsquaredresid
23356449
Schwarzcriterion
17.16976
Loglikelihood
-160.1683
F-statistic
289.1272
Durbin-Watsonstat
0.877748
Prob（F-statistic）
0.000000
UnweightedStatistics
R-squared
-13.505780
Meandependentvar
63957.88
AdjustedR-squared
-14.359061
S.D.dependentvar
46359.01
S.E.ofregression
181683.9
Sumsquaredresid
5.61E+11
Durbin-Watsonstat
0.036525
Y=4956.046+83.26008X
（12.48025）（17.00374）
=0.997608
=0.997467se=1172.139F=289.1272
WhiteHeteroskedasticityTest:
F-statistic
2.021334
Probability
0.164936
Obs*R-squared
3.832359
Probability
0.147168
n
=3.832359<5.9915,P值=0.147168〉0.05所以已不存在异方差性
可以看出运用加权最小二乘法消除了以方差后，参数的t检验军显著，可决系数大幅提高，F检验也显著，说明FDI每增加一亿元，平均来说将增加83.26008亿元的GDP。
2、自相关检验
DW检验根据上表的结果DW=0.305219,,给定显著性水平α=0.05，查DW统计表，n=19,k=1得下限临界值=1.180，上限临界值=1.401，因为DW=0.305219,<1.18,根据判定区域知，这时随即误差项存在正的一阶自相关。
同时从残差et和et-1的散点图可以看出残差et呈线性回归，表明正自相关性确实存在。
模型中t统计量和F统计量的结论不可信，
检验也不可靠，须采取补救措施。
自相关的修正
Ⅰ广义差分法由DW=0.305219,,由DW粗略估计得
=1-DW/2=1-0.1526=0.8474分别对x,y作广义差分Dy=y-0.8474*y（-1）
Dx=x-0.8474*x（-1）
用OLS方法估计参数
DependentVariable:
DY
Method:
LeastSquares
Date:
11/13/07Time:
13:
47
Sample（adjusted）:
19872004
Includedobservations:
18afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
7109.225
3220.099
2.207766
0.0422
DX
16.65491
4.204220
3.961474
0.0011
R-squared
0.495161
Meandependentvar
17258.06
AdjustedR-squared
0.463609
S.D.dependentvar
11301.01
S.E.ofregression
8276.720
Akaikeinfocriterion
20.98472
Sumsquaredresid
1.10E+09
Schwarzcriterion
21.08365
Loglikelihood
-186.8625
F-statistic
15.69328
Durbin-Watsonstat
0.558976
Prob（F-statistic）
0.001119
Dy=7109.225+16.65491Dx
t=（2.207766）（3.961474）
修正后的回归方程为Y=46587+16.65491X
这时DW=0.558976在显著水平
=0.05下，查表n=18，k=1时，
DL=1.158，DU=1.391DWⅡ科克伦-奥克特迭代法
由
（1）式可得et残差序列，使用et进行滞后一期的自回归的回归方程e（t）=0.9488e（t-1）
再对原模型进行广义差分，得广义差分方程
Yt-0.9488Yt-1=c（1-0.9488）+β（Xt-0.9488Xt-1）+Ui
进行回归,可得方程输出结果如下
DependentVariable:
Y-0.9488*Y（-1）
Method:
LeastSquares
Date:
11/12/07Time:
21:
53
Sample（adjusted）:
19872004
Includedobservations:
18afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
2237.233
1541.432
1.451399
0.1660
X-0.9488*（-1）
3.681382
0.512048
7.189530
0.0000
R-squared
0.763626
Meandependentvar
11313.09
AdjustedR-squared
0.748853
S.D.dependentvar
7488.503
S.E.ofregression
3752.834
Akaikeinfocriterion
19.40285
Sumsquaredresid
2.25E+08
Schwarzcriterion
19.50178
Loglikelihood
-172.6256
F-statistic
51.68934
Durbin-Watsonstat
0.567341
Prob（F-statistic）
0.000002
由表可得回归方程为
Y=2237.233+3.684382X
t=（1.451399）（7.189530）
由差分方程式可得
Y=43695.9570+3.684382X
在显著水平
=0.05下，查表n=18，k=1时，DL=1.158，DU=1.391，由于DW=0.567341Ⅲ利用对数线性回归修正自相关
设定模型为lny=c+βlnx
回归估计结果如下
DependentVariable:
LNY
Method:
LeastSquares
Date:
11/13/07Time:
14:
27
Sample:
19862004
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
7.024331
0.263439
26.66393
0.0000
LNX
0.530947
0.036707
14.46454
0.0000
R-squared
0.924853
Meandependentvar
10.74188
AdjustedR-squared
0.920432
S.D.dependentvar
0.893791
S.E.ofregression
0.252118
Akaikeinfocriterion
0.181464
Sumsquaredresid
1.080581
Schwarzcriterion
0.280878
Loglikelihood
0.276096
F-statistic
209.2228
Durbin-Watsonstat
0.242526
Prob（F-statistic）
0.000000
DW=0.242526,查n=19k=1
=0.05DL=1.18>DW,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
DependentVariable:
LNY
Method:
LeastSquares
Date:
11/13/07Time:
14:
34
Sample（adjusted）:
19872004
Includedobservations:
18afteradjustments
Convergenceachievedafter25iterations
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
Meandependentvar
10.82546
AdjustedR-squared
0.996292
S.D.depen
升级会员 