我国对外贸易与经济增长的实证研究doc.docx

我国对外贸易与经济增长的实证研究doc.docx

《我国对外贸易与经济增长的实证研究doc.docx》由会员分享，可在线阅读，更多相关《我国对外贸易与经济增长的实证研究doc.docx（17页珍藏版）》请在冰点文库上搜索。

我国对外贸易与经济增长的实证研究doc

我国对外贸易与经济增长的实证研究

40604255章融

40604333祝箫

40604241邬锐

【内容摘要】

对外贸易对一国经济的发展有着重要的作用，纵观我国近代历史，闭关锁国限制对外贸易对我经济产生了极大地负面效应，因此对外贸易对一国经济增长的作用不可忽视。

但是，进口与出口——对外贸易的两个方面对经济增长的具体作用是怎样的呢？

哪一个对经济增长的贡献更大？

本文通过2002年一季度到2009一季度的GDP与进出口的有关数据变量进行了平稳性检验后设立模型并对该模型进行了多重共线性、自相关、异方差检验。

关键词：

数据平稳性检验；对外贸易；经济增长

【理论综述】

最早涉及国际贸易与经济发展相互关系问题的是英国古典经济学家亚当·斯密。

斯密认为，对外贸易的扩大必然能够促进分工的深化和生产率的提高，加速经济增长。

斯密的这些论述包含了国际贸易具有带动经济增长作用的最初思想。

后来的大卫·李嘉图、约翰·穆勒，还有战后的D·R·纳克斯等经济学家在他们的著作、模型中都把对外贸易作为经济增长的一个重要因素。

而专门论述对外贸易与经济增长关系并引发一系列争论则是从罗伯特逊开始，1937年英国学者罗伯特逊提出“对外贸易是经济增长发动机”的命题。

贸易发动机命题提出后引起了广泛的争论。

从发展经济学家中产生的现代贸易发动机理论，从发展中国家的角度出发，不但认为发展中国家的贸易增长同它们自身的经济增长密切相关，更着重强调它们的出口增长受制于发达国家的经济增长，诺贝尔经济学奖获得者威廉·刘易斯就是持这种观点的代表人物。

而欧文·克拉维斯在1970年发表的《贸易是经济增长的侍女：

19世纪与20世纪的相似点》认为：

应该把贸易扩展形容为成功的经济增长的侍女，而不是经济增长的自主发动机。

对贸易与经济增长关系在理论认识上的分歧，引发学者们试图从实证的角度去寻找答案。

近年来在这方面最有影响力的一篇论文来自哈佛大学的杰弗里·萨赫和安德鲁·华纳，杰弗里·萨赫和安德鲁·华纳的研究发现，实行开放经济的发展中国家在20世纪七八十年代每年的经济增长率达到了4.5%，而实行封闭经济的发展中国家每年只能达到0.7%；同时，研究发现，实行开放经济的发达国家的年经济增长率可达2.3%，而封闭经济的发达国家只有0.7%各种统计分析表明，发展中国家的出口增长和总体GDP增长明显密切相关。

就我国对外贸易对经济增长的促进作用问题，国内学者也做了大量的实证研究。

董秘刚（2000）的实证分析表明：

1978～1998年间，我国对外贸易与经济增长的相关性很显著，相关系数平均达到94%以上；李文（1997）运用经济增长模型进行的实证分析也得出出口增长对我国经济增长具有明显拉动作用的结论。

而彭福伟（1999）、张小济（1999）从净出口的角度的实证分析，得出净出口与经济增长并非强度相关的结论；赖明勇等（1998）和尹翔硕等（1997）则通过将国民生产总值分为出口产业部门和非出口产业部门，进行简单线性回归分析，结果表明，出口贸易对非出口部门乃至整个经济增长推动作用不强的观点；杨全发等（1998）采用巴拉萨和费德等人建立的模型对我国改革开放以来（1978～1995年）的数据进行回归分析，得出出口的增长并不像想像的那样对经济增长起到促进作用。

此外，刘晓鹏（2001）通过对我国1952年以来GDP与进出口的有关数据变量进行协整计量分析，认为进口增长对我国经济增长具有较大的促进作用，而出口增长对经济增长的影响却很不显著。

虽然国内外学者对贸易与经济增长的实证研究结果并不完全一致，或者说对贸易促进经济增长作用的大小认识不一，但在“对外贸易与经济增长具有正相关关系”这一点上却取得了共识。

本文在刘晓鹏的《协整分析与误差修正模型——我国对外贸易与经济增长的实证研究》基础上，进行外贸与经济增长的进一步研究，对于刘的文章我们有几点怀疑：

一是他选取的数据时间跨度很长，而且这些数据途经了我国经济极大波动和政治动荡的时期，比如：

社会主义三大改造时期，大跃进时期，文化大革命等，这些政治事件及经济事件必将对数据产生极大地影响，但是作者并没考虑这些因素；二是我国在1979年以前国门并未开放，对外贸易也只是局限于少数几个国家，1979年之前的数据与1979年之后的数据所处的经济环境不同所以应当区别对待；三是刘在文中对多变量采用的是EG两步法来分别对进口和出口与GDP进行协整分析，建立误差修正模型，而对于多变量模型从科学的计量分析来讲应采用JJ检验。

综上，我们对其检验的有效性持怀疑态度，因此，我们小组在对其文章的认真分析下，采用2002年一季度到2009年一季度的数据，建立线性回归模型，对我国对外贸易与经济增长进行实证研究。

【模型设定】

以ＧＤＰ支出法计算模型为依据，我们选取了1980-2007年的国内生产总值、进口总额、出口总额的年度数据作为研究对象，数据如下：

年份

国内生产总值GDP

（亿元）

进口总额IP

（亿元）

出口总额EP

（亿元）

1980

4545.600

298.8000

271.2000

1981

4891.600

367.7000

367.6000

1982

5323.400

357.5000

413.8000

1983

5962.700

421.8000

438.3000

1984

7208.100

620.5000

580.5000

1985

9016.000

1257.800

808.9000

1986

10275.20

1498.300

1082.100

1987

12058.60

1614.200

1470.000

1988

15042.80

2055.100

1766.700

1989

16992.30

2199.900

1956.100

1990

18667.80

2574.300

2985.800

1991

21781.50

3398.700

3827.100

1992

26923.50

4443.300

4676.300

1993

35333.90

5986.200

5284.800

1994

48197.90

9960.100

10421.80

1995

60793.70

11048.10

12451.80

1996

71176.60

11557.40

12576.40

1997

78973.00

11806.50

15160.70

1998

84402.30

11626.10

15223.60

1999

89677.10

13736.40

16159.80

2000

99214.60

18638.80

20634.40

2001

109655.2

20159.20

22024.40

2002

120332.7

24430.30

26947.90

2003

135822.8

34195.60

36287.90

2004

159878.3

46435.80

49103.30

2005

183217.5

54273.70

62648.10

2006

211923.5

63376.90

77594.60

2007

257306.0

73284.60

93455.60

2008

314045.0

79526.50

100395.0

2009

335352.9

*数据来源：

国家统计局中国统计年鉴2008

表１　原始数据（1980-2007年国内生产总值、出口总额及进口总额数据）

在对这组数据中GDP进行平稳性检验时发现GDP数据极不平稳，在二阶差分情况下依然存在有单位根，于是对GDP数据、GDP的一阶差分项、GDP的二阶差分项分别作出其时序图，如下所示：

图1　1980-2007年GDP序列以及其一阶、二阶差分项序列的时序图

从图中我们可以看出自2001年起，GDP的增长幅度明显加快，对其一阶差分项和二阶差分项序列的时序图的研究也能发现自2001年开始GDP数据的平稳性显然发生了比较明显的变化。

由此我们联系实际，认为2001年末中国加入了世界贸易组织（WTO），加速了其对外开放的进程，中国经济也在自02年开始的几年里进入了加速增长的上升期，从经济基本面的角度来看GDP数据的特点应该与之前的20年有所不同；另一方面，在加入世贸组织之后，中国也加速了其统计数据透明化的进程，统计方法与世界接轨，2002年中国对1992年颁布实施的《中国国民经济核算体系（试行方案）》进行了全面系统的修订，制定出了新的方案－－《中国国民经济核算体系（2002）》。

这套新方案基本上与新的国际标准相衔接，并从2003年开始逐步实施。

综合以上两点因素，我们认为以2001年末中国加入世贸组织为转折点，GDP序列的平稳性在01年前后呈现出两种不同的特征，考虑到建立模型的现实意义以及数据的代表性，我们对选取的数据进行修正，将2002年1月之前的数据去掉，改为采用2002年1季度到2009年1季度的季度数据，修正后的数据如下：

时间（季度）

国内生产总值GDP

（亿元）

进口总额IP

（亿美元）

出口总额EP

（亿美元）

2002Q1

25375.70

573.7301

646.5822

2002Q2

27965.30

712.7897

773.8063

2002Q3

29715.70

839.8671

905.5816

2002Q4

37276.00

826.6422

930.4506

2003Q1

28861.80

873.4475

863.2265

2003Q2

31007.10

985.4153

1039.352

2003Q3

33460.40

1127.874

1174.653

2003Q4

42493.50

1144.220

1307.494

2004Q1

33420.60

1241.542

1157.178

2004Q2

36985.30

1407.919

1424.883

2004Q3

39561.70

1466.938

1582.072

2004Q4

49910.70

1491.713

1772.338

2005Q1

38848.60

1393.135

1558.975

2005Q2

42573.90

1632.807

1865.378

2005Q3

44562.40

1754.683

2041.694

2005Q4

57883.00

1821.593

2157.221

2006Q1

44419.80

1740.377

1971.429

2006Q2

49191.80

1934.094

2313.733

2006Q3

50958.00

2140.259

2627.326

2006Q4

67353.90

2103.208

2780.759

2007Q1

53058.30

2056.313

2521.395

2007Q2

59400.00

2285.532

2947.833

2007Q3

61969.30

2583.351

3314.719

2007Q4

82878.00

2637.419

3397.608

2008Q1

63474.50

2645.437

3059.707

2008Q2

71251.30

3025.687

3604.471

2008Q3

73299.50

3246.409

4079.798

2008Q4

92644.70

2401.623

3544.715

2009Q1

65745.00

1831.270

2456.388

*数据来源：

中经网统计数据库

表22002-2009年国内生产总值、出口总额及进口总额季度数据

基于以上数据，我们可以进行接下来的数据平稳性检验，并设立初步模型

一、时序数据平稳性检验与协整检验

由于本模型中选取了2002年到2009年的季度时序数据作为研究对象，在此首先需要对研究过程中涉及到的国内生产总值（GDP）、进口总额、出口总额分别进行数据平稳性检验，若变量非平稳则考虑进行多变量协整检验并设置误差矫正模型。

1、数据平稳性检验

（1）首先对GDP序列进行ADF单位根检验

通过Eviews对GDP序列进行单位根检验后得到如下结果：

NullHypothesis:

GDPhasaunitroot

Exogenous:

Constant,LinearTrend

LagLength:

0（Fixed）

t-Statistic

  Prob.*

AugmentedDickey-Fullerteststatistic

-6.371095

 0.0001

Testcriticalvalues:

1%level

-4.323979

5%level

-3.580623

10%level

-3.225334

*MacKinnon（1996）one-sidedp-values.

表3　对GDP序列进行单位根检验的输出结果

如上表所示，t检验统计量值为-6.371096，而在1%、5%、10%三个显著性水平下，单位根检验的Mackinnon临界值分别为-4.32397、-3.580623、-3.225334，显然，上述t检验统计量值均小于相应临界值，同时回归结果的DW值=2，表明无自相关，从而拒绝H0，表明2002年-2009年季度GDP序列不存在单位根，是一个平稳序列。

（2）接下来分别对进口总额IP序列和出口总额EP序列的数据进行平稳性检验

利用Eviews对IP序列进行单位根检验，结果如下

NullHypothesis:

IPhasaunitroot

Exogenous:

Constant,LinearTrend

LagLength:

4（AutomaticbasedonSIC,MAXLAG=6）

t-Statistic

  Prob.*

AugmentedDickey-Fullerteststatistic

-4.786855

 0.0043

Testcriticalvalues:

1%level

-4.394309

5%level

-3.612199

10%level

-3.243079

*MacKinnon（1996）one-sidedp-values.

表4　对进口总额IP序列进行单位根检验的输出结果

对进口总额IP序列进行单位根检验的输出结果表明，t检验统计量值为-4.786855，而在1%、5%、10%三个显著性水平下，单位根尖炎的Mackinnon临界值分别为-4.394309、-3.612199、-3.243079，显然，上述t检验统计量值均小于相应临界值，同时回归结果的DW值=2.05，表明无自相关，从而拒绝H0，因此2002年-2009年季度进口总额IP序列不存在单位根，是一个平稳序列。

同样地利用Eviews对EP序列进行单位根检验，结果如下

NullHypothesis:

EPhasaunitroot

Exogenous:

Constant

LagLength:

4（AutomaticbasedonSIC,MAXLAG=6）

t-Statistic

  Prob.*

AugmentedDickey-Fullerteststatistic

-4.288838

 0.0028

Testcriticalvalues:

1%level

-3.737853

5%level

-2.991878

10%level

-2.635542

*MacKinnon（1996）one-sidedp-values.

表4　对出口总额EP序列进行单位根检验的输出结果

对出口总额EP序列进行单位根检验的输出结果表明，t检验统计量值为-4.288838，而在1%、5%、10%三个显著性水平下，单位根检验的Mackinnon临界值分别为-3.737853、-2.991878、-2.635542，显然，上述t检验统计量值均小于相应临界值，同时回归结果的DW值=2.02，表明无自相关，从而拒绝H0，因此2002年-2009年季度进口总额IP序列不存在单位根，是一个平稳序列。

经过以上单位根检验，我们发现本文中使用的三个变量：

国内生产总值GDP、进口总额IP和出口总额EP的季度数据序列均为平稳序列，不用再进行协整检验，可直接运用于模型的设定。

二、模型设立及参数估计

为了验证进出口对经济增长的影响并通过定量的方式来测度影响的大小，我们参考了诸多学者的理论，在模型设定方面，我们认为大致有以下三点需要考虑：

（1）现代经济理论认为，一国对外贸易对经济增长的贡献，可以从短期贡献和长期贡献两个角度来分析。

从短期来看，一国经济增长主要取决于投资需求、消费需求和净出口三个要素。

但是如果从长期贡献的角度分析，进口对一国经济的增长也存在促进作用，这是因为进口中往往包括大量的先进设备和生产技术，这些要素虽然不会直接对当期GDP产生正向的促进作用，但是这种进口设备在以后的生产中能逐步转化为先进的生产力为经济增长提供动力，并最终促进GDP的增长。

（2）基于支出法GDP计算模型只简单地把进口当作国内生产总值GDP的一个减量而没有考虑进口通过滞后效应影响GDP的现实，这样设定出来的简单线形回归模型在体系上缺乏科学性和完善性。

（3）进口的普通商品虽然并不直接增加当期的国内生产总值，但是进口商品进入国内流通领域后由于在商品流通领域内进行交易，增加了国内消费量，从而推动了之后几期国内生产总值的增加。

因此鉴于以上论述观点，我们在模型设定中引入分布滞后模型概念，设立如下所示的模型：

首先估计这个模型，利用Eviews做回归估计，得到如下结果：

DependentVariable:

GDP

Method:

LeastSquares

Date:

05/21/09Time:

21:

31

Sample（adjusted）:

2002Q42009Q1

Includedobservations:

26afteradjustments

Coefficient

Std.Error

t-Statistic

Prob.  

C

21592.78

2978.411

7.249767

0.0000

EP

30.72458

5.850981

5.251184

0.0000

PDL01

13.32879

3.864092

3.449398

0.0024

PDL02

22.96713

3.402928

6.749225

0.0000

PDL03

-20.14344

2.652018

-7.595516

0.0000

R-squared

0.962317

Meandependentvar

52018.81

AdjustedR-squared

0.955139

S.D.dependentvar

16632.69

S.E.ofregression

3522.861

Akaikeinfocriterion

19.34298

Sumsquaredresid

2.61E+08

Schwarzcriterion

19.58492

Loglikelihood

-246.4587

Hannan-Quinncriter.

19.41265

F-statistic

134.0701

Durbin-Watsonstat

2.662907

Prob（F-statistic）

0.000000

      LagDistributionofIP

i

Coefficient

Std.Error

t-Statistic

0

-29.7818

 6.18519

-4.81502

1

 13.3288

 3.86409

 3.44940

2

 16.1525

 2.22238

 7.26809

3

-21.3107

 4.27559

-4.98427

SumofLags

-21.6113

 8.29627

-2.60494

表5　初始模型回归结果

由回归结果得到回归方程的参数估计结果为：

由以上回归结果可以发现，可决系数为0.962317，调整后的可决系数为0.955139，两者均表明模型有很强的显著性，拟合优度良好，各参数t检验显著，表明参数有较强的显著性。

F统计量值为134,0701，表明方程具有较高的显著性。

由于变量均显著，在此不再对模型进行多重共线的检验，转而对模型可能存在的异方差性和自相关性进行检验。

三、模型异方差性及自相关性检验

1、异方差性

由表5输出的估计结果，通过WHITE检验检验模型中的异方差性。

经估计得到White检验结果，见下表：

HeteroskedasticityTest:

White

F-statistic

5.041985

    Prob.F（14,11）

0.0053

Obs*R-squared

22.49457

    Prob.Chi-Square（14）

0.0690

ScaledexplainedSS

15.43024

    Prob.Chi-Square（14）

0.3494

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares