FDI对我国经济增长影响的实证分析.docx

FDI对我国经济增长影响的实证分析.docx

《FDI对我国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对我国经济增长影响的实证分析.docx（27页珍藏版）》请在冰豆网上搜索。

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

：

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奉献，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，跨国直接投资上升，相关数据说明，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，中国利用外资明显上升。

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。

许多研究说明外商直接投资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〔:

//stats.gov/〕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。

四．模型及处理

以上述数据，构建线性回归模型对FDI对我国经济的奉献作一实证分析。

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，说明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的奉献，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，说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=1.391DW

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

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=0.567341

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

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,说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