FDI对经济增长影响的实证分析Word格式文档下载.docx

FDI对经济增长影响的实证分析Word格式文档下载.docx

《FDI对经济增长影响的实证分析Word格式文档下载.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Word格式文档下载.docx（27页珍藏版）》请在冰点文库上搜索。

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

人民币对美元平均汇率

FDI（亿元）

3.45

64.653

3.72

86.0808

118.8168

3.77

127.9161

4.78

166.6786

5.32

232.2712

5.51

606.4857

5.76

1584.864

8.62

2910.715

8.35

3133.004

8.31

3467.431

8.29

3751.805

8.28

3764.336

3338.413

3371.202

3881.498

4367.12

4430.214

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:

4.185929

Probability

0.034503

Obs*R-squared

6.526597

0.038262

TestEquation:

RESID^2

11/13/07Time:

17:

25

37071280

1.08E+08

0.342495

0.7364

16497.49

138678.4

0.118962

0.9068

X^2

17.72971

31.00841

0.571771

0.5754

0.343505

2.28E+08

0.261443

2.95E+08

2.54E+08

41.68449

1.03E+18

41.83362

-393.0027

0.972416

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：

18:

05

Weightingseries:

1/X^2

4956.046

397.1111

12.48025

83.26008

4.896575

17.00374

WeightedStatistics

0.997608

13151.42

0.997467

23291.68

1172.139

17.07035

23356449

17.16976

-160.1683

289.1272

0.877748

UnweightedStatistics

-13.505780

-14.359061

181683.9

5.61E+11

0.036525

Y=4956.046+83.26008X

（12.48025）（17.00374）

=0.997608

=0.997467se=1172.139F=289.1272

2.021334

0.164936

3.832359

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

DY

13:

47

Sample（adjusted）:

19872004

18afteradjustments

7109.225

3220.099

2.207766

0.0422

DX

16.65491

4.204220

3.961474

0.0011

0.495161

17258.06

0.463609

11301.01

8276.720

20.98472

1.10E+09

21.08365

-186.8625

15.69328

0.558976

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=1.391DW<

DL模型中仍存在自相关。

Ⅱ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

Y-0.9488*Y（-1）

53

2237.233

1541.432

1.451399

0.1660

X-0.9488*（-1）

3.681382

0.512048

7.189530

0.763626

11313.09

0.748853

7488.503

3752.834

19.40285

2.25E+08

19.50178

-172.6256

51.68934

0.567341

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=0.567341<

DL=1.158，DW值有所提高，但修正后该模型中的误差序列仍然存在一阶正自相关。

Ⅲ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

LNY

14:

27

7.024331

0.263439

26.66393

LNX

0.530947

0.036707

14.46454

0.924853

10.74188

0.920432

0.893791

0.252118

0.181464

1.080581

0.280878

0.276096

209.2228

0.242526

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

34

Convergenceachievedafter25iterations

18.92062

16.73744

1.130437

0.2760

0.159057

0.046536

3.417948

0.0038

AR

（1）

0.987802

0.022501

43.90022

0.996729

10.82546

0.996292

S.D.depen