改革开放以来, 上海市对外贸易发展迅速, 全市进出口总额从1976 年的20.03 亿美元增加到2005 年的1863.65 亿美元, 年均增长16.35%。对外贸易进口增加尤其显著, 从1978 年的1.33 亿美圆增长到2005年的956.23 亿美圆。2003~2005 年的进出口总额分别为1123.97、1600.26 和1863.65 亿美圆, 占全国比重分别为13.2%、13.9%、13.1%。而上海在全国经济中占有举足轻重的地位, 2003~2005 年上海市GDP 分别为625081、7450.27 和9143.95 亿元, 占全国比重分别为5.4%、5.5%、5.0%。随着上海被确定为中国四个中心和长江三角洲经济的进一步发展, 研究上海对外贸易与经济增长的关系具有十分重要的现实意义。
一、文献综述对外贸易是否促进经济增长一直是经济学界争论的焦点。在国内外的文献中, 大体上存在三种观点:促进论、阻碍论、折衷论。许多经济学家从不同角度提出了对外贸易促进经济增长命题的理论。就对外贸易与经济增长关系的实证研究领域而言, 主要有以下三种方法: 一是对跨国或地区的截面数据进行普通最小二乘法( OLS) ; 二是利用单个国家或地区的时间序列数据进行协整检验、因果关系分析等; 三是根据跨国或地区的截面和时间序列数据混合组成的面板数据进行研究。由于采用的研究方法和样本不同, 其结论也不一致。
1. 对跨国或地区截面数据的研究。在早期的实证研究中, 经济学者们采用普通最小二乘法( OLS) 对跨国或地区的截面数据进行检验, 实证结果一般都支持出口促进增长的观点。Balassa( 1978) [1]利用11 个初步代写上海论文工业化国家1960~1966 年和1966~1973 年两个时期的数据, 建立开放经济条件下的出口扩张型总量生产函数,加入劳动力平均增长、国内投资占产出的平均比例、外资占产出的平均比例等变量, 利用OLS 法, 对GNP平均增长与出口平均增长的关系进行实证分析, 得出的结论支持出口促进增长。Feder ( 1983) 的研究集中分析了出口部门对非出口部门的外部经济效益, 由此推出著名的Feder 模型, 结论同样支持出口促进增长的观点。早期关于跨国或地区截面数据的经验分析虽然结论相似, 但其可靠性值得怀疑, 这是因为在选取各国截面数据时没有考虑到不同国家或地区间的异质性,所选的国家在经济结构、生产技术水平以及要素禀赋等方面具有很大的相似性, 导致了分析结论相似。此外, OLS 法得出的结论只能表明对外贸易和经济增长之间的相关性, 并不能说明两者是否存在因果关系。
2. 对单个国家或地区时间序列的研究。这类研究利用单个国家或地区的时间序列数据, 运用协整检验、Granger 因果检验等方法, 既分析对外贸易与经济增长之间的相关关系, 又分析两者的因果关系, 得出的结论各种各样。Karunaratne( 1994) 对澳大利亚1959 年第3 季度至1992 年第2 季度的数据, 运用双变量的Granger 检验方法得出的结论是出口促进经济增长, 但运用脉冲响应函数法( IRFS) 和预测误差方差分解法( FEVDS) 分析时, 得出的结论却不一样。Dhawan 和Biswal ( 1999) [2]利用向量自回归模型( VAR) 及JJ 协整分析技术, 分析了印度1961~1993 年GDP 与出口的关上海对外贸易与经济增长的协整分析冷眉, 费方域( 上海交通大学安泰经济与管理学院, 上海200052)摘要: 运用协整方法和误差修正模型,考察了上海对外贸易进口、出口、消费、投资与经济增长五者之间的关系。实证研究结果表明: 对外贸易进口、出口、消费、投资与经济增长之间存在一个长期稳定的均衡关系,对外贸易出口与消费分别是经济增长的Granger 原因, 而经济增长则是投资的Granger 原因; 从短期来看, 三者之间的关系由短期偏离向长期均衡调整的速度较快, 且消费的短期波动对中国经济增长的短期变化影响比较明显,进口和投资也在一定程度上影响GDP 的变化。关键词: 上海对外贸易; 经济增长; 协整分析; Granger 因果关系分析; 误差修正模型系, 发现在短期内出口增长带动经济增长, 但在长期内这种关系并不明显。#p#分页标题#e#
3. 对跨国或地区面板数据的研究。Jung 和Marshall( 1985) [3]分析了37 个发展中国家和地区1950~1981 年出口和GDP 的关系, 发现有20 个国家的出口增长与经济增长之间不存在因果关系, 只有以色列存在双向因果关系。Ghartey(1993) [4] 对美国、日本和我国台湾省的经济数据进行分析后发现美国的GDP 是其出口增长的原因; 我国台湾省刚好相反; 在日本, 两者互为因果关系。后两种方法由于能较好地克服不同国家和地区之间的异质性问题, 目前已成为对外贸易与经济增长关系实证研究的主流方法。国内也有不少学者考察了中国的对外贸易和经济增长之间的关系, 也做出了一些成果。杨全发、舒元( 1998) 在论述了出口促进经济增长的机制和条件后, 利用Balassa 及Feder 建立的模型进行实证分析, 结果表明中国出口对经济增长的促进作用不明显; 沈程翔( 1999) 根据1977~1998年中国出口与GDP 的统计数据, 利用协整理论, 检验了“ 中国经济增长的出口导向性”学说, 结果发现中国的出口与产业之间存在双向的因果关系, 但不存在长期的均衡关系。宋少华、宋泓明( 2001) 分析了中国1978~1999 年出口与GDP 的关系, 认为短期内出口促进了经济增长, 但在长期内并不明显。以上众多的学者运用不同的方法进行实证分析,得出了不同的结论。但笔者认为上述研究有以下几个问题值得探讨:第一, 以往的研究仅考虑出口因素对经济增长的影响, 而未考虑进口因素或只是简单地把进口当作GDP 的一个减量计算净出口建立模型, 或者根本没有考虑进口因素而建立模型。出口与进口是两个性质相差很大的变量, 出口更多是受到经济体外部因素的影响,可以被看作一个外生变量; 而进口的变动则更多地受到经济体内部因素的影响, 主要是一个内生变量, 显然应该全面考虑出口与进口两个变量对经济增长的影响。第二, 在以往的对外贸易与经济增长关系实证分析中, 特别是在建立误差修正模型时, 除了考虑出口以外, 没有同时考虑消费和投资对经济增长的影响。而从短期关系看, 一国的经济增长主要取决于投资需求、消费需求和净出口三个因素。在短期内不考虑消费和投资对经济增长影响的误差修正模型显然缺乏说服力。第三, 国内学者大多对中国整体的对外贸易与经济增长关系进行实证分析, 对于地区的对外贸易与经济增长关系的研究较少, 并且由于我国各地区经济和贸易发展水平不同, 各地区的对外贸易与经济增长关系可能与中国整体的特征相异。因此, 本文根据1976~2005 年上海市统计数据, 运用主流研究方法,在模型中加入进口、消费、投资等解释变量, 对上海市对外贸易与经济增长关系进行协整分析, 力求突破以往研究的局限性, 使得实证分析结果更具说服力。#p#分页标题#e#
二、数据与方法
(一) 数据选取的变量为国内生产总值(GDP), 对外贸易进口额(IM), 对外贸易出口额( EX) , 居民总消费水平( C) ,全社会固定投资额( I) , 进出口值分别用当年平均汇率换算为以人民币为单位的进出口值。样本数据为1976年至2005 年的年度数据, 用于分析的数据全部来自《上海统计年鉴》。为消除时间序列中存在的异方差现象, 对变量进行对数变换, 变换后不改变原序列的协整关系。变量的对数形式表示为LNGDP、LNC、LNI、LNEX、LNIM。
(二) 方法协整理论是一种新的建模技术, 它从分析时间序列的非平稳性入手, 探求非平稳变量间蕴涵的长期均衡关系。本文运用协整理论时用到的方法有平稳性检验( ADF 检验) 、协整检验、Granger 因果关系检验及误差修正模型。
1. 平稳性检验在进行时间序列分析时, 传统上要求所采用的时间序列必须是平稳的, 即没有随机趋势或确定性趋势, 否则将会产生“ 伪回归”问题。但是, 在现实经济中的时间序列通常是非平稳的。为了使回归有意义, 可以对其实行平稳化, 采用的方法是对时间序列进行差分, 然后对差分序列进行回归。这样做的缺点是忽略了原时间序列包含的有用信息, 而这些信息对分析问题来说又是必须的。为了解决上述问题, 可以采用协整方法, 而要进行协整分析就必须进行单位根检验。本文采用ADF方法对如下回归方程中的系数! 进行" 检验:!yt- 1=#+!yt- 1+$imi=1 !%yt- 1+&t (1)在上式中, ! 是一阶差分符号, &t 是随机误差项, yt是所研究的时间序列, m 是最佳滞后期数, 这个滞后期数保证&t 误差项的平稳性。零假设H0: y! t 是一个非平稳序列, 当! 显著为负数时便拒绝原假设。在实际中,回归的最佳滞后期数m 是不知道的, 本文采用Engle当代财经2006 年第11 期总第264 期•104•上海对外贸易与经济增长的协整分析和Yoo 提出的AIC 准则来决定方程(1) 的最佳滞后期数, 对Mackinnon 临界值进行判断。如果一个序列在成为稳定序列之前必须经过d 次差分, 则该序列被称为d阶单整, 记为I(d) 。
2. 协整检验如果序列X1t, X2t,⋯Xkt 都是d 阶单整, 存在一个向量!=(!1,!2,⋯!k), 使得Zt=!X′ -t I(d- b), 其中b>0, Xt=(X1t,X2t, ⋯Xkt), 则认为序列(X1t, X2t, ⋯Xkt)是(d, b) 协整(Cointegration) , 记为XtCI(d, b) , ! 为协整向量。如果两个变量都是单整变量, 只有当他们的单整阶数相同时才可能协整; 两个以上变量如果具有不同的单整阶数,有可能经过线性组合构成低阶单整变量。协整的意义在于它揭示了变量之间是否存在一种长期稳定的均衡关系, 满足协整的经济变量之间不能相互分离太远, 一次冲击只能使它们短时间内偏离均衡位置, 在长期中会自动恢复到均衡位置。
3. Granger 因果关系检验协整检验结果只告诉了我们变量之间是否存在长期的均衡关系, 但是这种关系是否构成因果关系还需要进一步验证。Granger (1969) 提出的因果关系检验可以解决此类问题。其基本原理是: 在做Y 对其他变量( 包括自身的过去值)的回归时, 如果把X 的滞后值包括进来能显著地改进对Y 的预测, 我们就认为X 是Y 的Granger 原因, 类似定义Y 是X 的Granger 原因。检验方程如下:Yt=!+mi=1 !!iYt- i+nj=1 !"iXt- j+#t (2)其中#t 为零均值非自相关随机误差项; !, " 为系数。原假设为: H0, "j=0(j=1,⋯n)意味着X 不是Y 的原因。若原假设成立则有:Yt=!+mi=1 !!iYt- i+#t (3)令(2)式的残差平方和为SSE1, (3)式的残差平方和为SSE2, 则F=F= (SSE2- SSE1) /nSSE1/(T- m- n- 1)应服从自由度为( n,T- m- n- 1)的F 分布, 其中T 为样本总量; m, n 分别为Y 和X 的滞后阶数,我们可以根据赤池信息准则(AIC)来决定。#p#分页标题#e#
4. 误差修正模型误差修正模型是协整分析的一个延伸, 协整反映的是变量之间的长期均衡关系。如果由于某种原因短期出现了偏离的现象, 则必然会通过对误差的修正使变量重返均衡状态, 误差修正模型将短期波动和长期均衡结合在一个模型中。在确定了中国服务贸易进出口与经济增长指标长期的关系以后, 我们可以估计它们之间的误差修正模型。三、实证结果本文分析所使用的样本取自1976~2005 年的年度数据, 数据来源于各年的《上海统计年鉴》。图1 和图2 显示了各变量的趋势图和散点图。从图1 可以看出, 变量LNGDP、LNC、LNI、LNEX、LNIM呈现出不断增长的趋势, 且变动的方向和步调较为一致, 这说明它们之间存在着较强的相关关系。LNGDP 与LNC、LNI、LNEX、LNIM之间的散点图也显示出较强的相关关系( 图2 所示) 。它们的1 阶差分序列表现为平稳序列( 图3 所示) 。图1 各变量趋势图注: 本表统计结果均由Eviews
3.1 软件计算得出, 下同。图2 LNGDP 与LNC、LNI、LNEX、LNIM 的散点图图3 各变量一阶差分图表1 各变量之间的相关系数表LNC LNEX LNGDP LNI LNIMLNC 1.000000 0.991662 0.994578 0.990967 0.983618LNEX 0.991662 1.000000 0.996284 0.974321 0.971759LNGDP 0.994578 0.996284 1.000000 0.980104 0.970133LNI 0.990967 0.974321 0.980104 1.000000 0.980631LNIM 0.983618 0.971759 0.970133 0.980631 1.000000注: 本表统计结果均由Eviews3.1 软件计算得出, 下同。 •105•表1 给出了各变量间的相关系数。尽管这些变量之间具有较大的相关系数, 但并不表示它们之间具有一定的因果关系, 因此, 还需用协整、因果关系检验方法分析它们之间的关系。
(一) 变量平稳性检验我们对各变量分别进行ADF (AugmentedDick-Fuller) 检验(本文所有的检验都用Eviews3.1 软件完成),检验结果见表2。由表2 可见, 所有变量时间序列都是非平稳的, 而所有的变量时间序列的一阶差分都是平稳的, 故它们均为一阶单整序列, 变量之间符合存在协整关系的条件。表2 平稳性检验结果变量ADF 检验值检验形式( c k n) 临界值结论LNGDP - 2.226278 (c k 1) - 4.3226*** 不平稳LNIM - 1.996947 (c k 1) - 4.3226*** 不平稳LNEX - 1.656978 (c k 1) - 4.3226*** 不平稳LNI - 2.323812 (c k 1) - 4.3226*** 不平稳LNC - 1.767590 (c k 1) - 4.3226*** 不平稳△LNGDP 2.073405 (0 0 3) - 1.9546** 平稳△LNIM - 3.677180 (c k 1) - 3.2279*** 平稳△LNEX - 4.465661 (c k 1) - 3.2279*** 平稳△LNI - 3.140041 (c 0 2) - 2.6290*** 平稳△LNC - 3.718576 (c k 0) - 3.5796** 平稳注: ( 1) 检验形式中, c 为常数项, K 为趋势项, n 为滞后阶数; ( 2) 滞后期n 的选择标准是以AIC 和SC 值最小为准则;( 3) Δ 表示变量的一阶差分; ( 4) ** 表示5%的临界值, *** 表示1%的临界值, 下同。
(二) 协整检验本文采用EG 两步法对变量进行协整分析。由于变量LNGDP、LNC、LNI、LNEX、LNIM 都是一阶单整序列, 可用OLS 法进行协整回归, 得到的协整方程如下:LNGDP=1.85+0.42*LNEX+0.52*LNC+0.02*LNI- 0.08*LNIM( 1)( 7.67) (5.32) (3.14) (0.23) (- 2.75)R2=0.996331 Adj- R2=0.995744 DW=0.813837模型拟合优度较高, 且不存在序列相关与异方差。若变量序列LNGDP、LNC、LNI、LNEX、LNIM存在协整关系, 则模型估计式( 1) 的残差序列E 应具有平稳性, 对E 做单位根检验, ADF 检验结果如表3 所示。表3 残差序列E 单位根检验结果ADF 单位根检验ADF 检验值- 3.213506 1% 临界值* - 2.64865% 临界值- 1.953510% 临界值- 1.6221由表3 可知, 残差序列E 的ADF 检验统计量为- 3.213506, 小于5% 显著水平的临界值- 1.9535, 因此可认为估计残差序列E 为平稳序列, 这表明变量LNGDP和LNC、LNI、LNEX、LNEX 之间存在协整关系, 而且是唯一的。协整关系所对应的长期方程为式( 1) 所示, 此方程表示的变量LNGDP 与LNC、LNI、LNEX、LNIM之间的关系符合凯恩斯的宏观经济需求拉动理论, 且具有明确的经济意义, 它表示上海市消费、出口、投资每增长1%, GDP 将依次增长0.52%、0.42%和0.02%; 进口每增长1%, GDP 将减少0.08%。#p#分页标题#e#
(三) Granger 因果关系检验我们根据赤池信息准则确定各变量的滞后阶数为2, 对各变量的因果关系检验如表3 所示: 从表3 可以知道, 在10%显著性水平上, LGDP 不是LIM、LEX和LC 的Granger 原因, 但是是LI 的Granger 原因。LIM、LI 不是LGDP 的Granger 原因, 但LEX、LC 是LGDP 的Granger 原因。即对外贸易进口和投资对经济没有促进作用, 但出口和消费却可以促进中国经济的增长。经济增长对对外贸易进口、出口、消费不构成原因, 但却是投资增长的原因。以上结论的隐含意义在于, 上海经济增长对消费和对外贸易的促进作用不明显,投资和进口对上海经济的促进作用还没有发挥出来。表4 Granger 因果关系检验结果零假设滞后阶数F 统计量相伴概率值LNGDP 不是LNEX 的Granger 原因28 1.28370 0.29613LNEX 不是LNGDP 的Granger 原因28 2.94239 0.07281LNIM不是LNGDP 的Granger 原因28 0.65319 0.52977LNGDP 不是LNIM的Granger 原因28 0.19467 0.82445LNI 不是LNGDP 的Granger 原因28 0.33281 0.72030LNGDP 不是LNI 的Granger 原因28 5.18916 0.01380LNC 不是LNGDP 的Granger 原因28 5.49934 0.01117LNGDP 不是LNC 的Granger 原因28 2.50034 0.10410
(四) 误差修正模型因为序列LNGDP 与LNC、LNI、LNEX、LNIM之间存在着唯一的协整关系, 所以可建立误差修正模型。误差修正模型如下:DINGDP=0.04+0.34*DLNC+0.14*DLNEX+0.13*DLNI-(1.53)(1.83) (1.82) ( 1.63)0.02*DLNIM+0.42*E(- 1) (2)(- 0.41) (1.67)R2=0.646883 Adj- R2=0.562808 DW=1.406855模型( 2) 的实际值与拟合值的拟合效果较好, 残差项基本上在1 个正负标准差范围之内, 如图4 所示。模型( 2) 通过显著性检验, 其中变量的符号与长期均衡关系的符号基本一致, 误差修正项Et- 1 的回归系数通过了显著性检验。模型( 2) 反映了LNGDP 受当代财经2006 年第11 期总第264 期•106•LNC、LNI、LNEX、LNIM影响的短期波动规律。这说明上海消费和对外贸易与GDP 之间存在紧密联系, 消费和对外贸易对GDP 增长具有较强的促进作用。( 2) 式的回归决定系数R2 较低, 可能是缺省了变量的缘故, 但这不影响已有变量间的关系。误差修正模型表明: 在短期内, 对外贸易进口与投资可能偏离它与国内生产总值的长期均衡水平, 但它们的关系由短期偏离向长期均衡调整的速度很快。消费、贸易出口与投资分别以0.34、0.14 和0.13 的比率影响本年度国内生产总值的年增长量, 对外贸易进口则以0.02 的比率反方向影响GDP。就平均而言, 上一年度的非均衡误差以0.42 的比率修正国内生产总值增长的偏离。图4 误差修正模型的拟合效果
四、主要结论及政策建议本文对上海1976 年至2005 年的服务贸易进口、出口和GDP 进行了协整检验, 并在此基础上通过Granger 因果关系检验和建立误差修正模型来分析它们的关系, 得出以下几点结论:
1. 虽然中国GDP 与对外贸易进口、出口之间的关系是非平稳的, 但它们之间的线性组合却是平稳的, 即它们之间存在一个长期稳定的关系。在长期内, 它表示上海市消费、出口、投资每增长1%, GDP 将依次增长0.52%、0.42%和0.02%; 进口每增长1%, GDP 将减少0.08%。消费和对外贸易出口对经济增长的贡献比投资对经济增长的贡献大, 而对外贸易进口则是向反方向影响GDP。这说明改革开放以来, 引进大量国外先进的技术、管理方法和经验, 对中国经济的发展起到了巨大的推动作用, 这与国内经济学者的普遍观点一致。另外也反映了由于中国对外贸易综合竞争力比较低、对外贸易人员的素质不高等原因导致了对外贸易进口对经济增长的作用远远没有达到应有的水平。#p#分页标题#e#
2. 变量之间的因果关系检验表明: 对外贸易进口和投资对经济没有促进作用, 但出口和消费却可以促进中国经济的增长; 经济增长对服务贸易进口和服务贸易出口、消费不构成原因, 但却是投资增长的原因。以上结论的隐含意义在于, 上海经济增长对消费和对外贸易的促进作用不明显, 投资和进口对上海经济的促进作用还没有发挥出来。这与中国现实相符, 当前中国还处在市场经济的不断完善过程中, 各种制度包括对外贸易管理制度比较松散, 单纯经济的增长不足以促进对外贸易的发展。
3. 误差修正模型的分析表明: 在短期内, 对外贸易进口与投资可能偏离它与国内生产总值的长期均衡水平, 但它们的关系由短期偏离向长期均衡调整的速度很快。消费、贸易出口与投资分别以0.34, 0.14 和0.13 的比率影响本年度国内生产总值的年增长量, 对外贸易进口则以0.02 的比率反方向影响GDP。短期内, 一国的经济增长主要取决于投资需求、消费需求和出口需求三驾马车。在其他条件不变时,出口的扩大意味着有效需求的扩大, 从而促进了经济增长。但我们同样不可忽视进口的作用, 上海的进口品中有大量的市内急需的关键生产设备、高新技术和重要原材料, 这些进口品有利于促进科技进步和生产率的提高, 在生产中发挥了重要作用, 有些进口品是直接为出口服务的, 进口同样可通过影响出口而影响经济增长。因此, 短期内, 出口和进口共同对经济增长起促进作用, 把进口仅看作GDP 的一个减量的认识是片面的。虽然上海出口贸易发展迅速, 出口促进经济增长的作用明显, 但是, 目前上海的出口贸易还处于以数量增长为特征的粗放型发展阶段, 还存在不少问题, 如传统外贸体制的制约; 出口产品档次较低,缺乏品牌; 出口市场过于集中等。对外贸易进口的促进作用还有待于进一步发挥, 以实现上海经济增长粗放型向集约型的改变。
参考文献:
[1]Balassa, B, (1978) Exports and Economic Growth: FurtherEvidence, Journal of Development Economics(15),181- 189.
[2]Dhawan, U. and B. Biswal, (1999)
https://shlunwen.org/shlunwen/Re- examining ExportedGrowth Hypothesis: a Multivariate Co integration Analysis, AppliedEconomics ( 31) , 525- 530.
[3]Jung, S. W. and Marshall, (1985) Exports, Growth andCausality in Developing Countries, Journal of DevelopmentEconomics (18), 1- 12.
[4]Ghartey,E.E, (1993) Casual Relationship between Exports andEconomic Growth: Some Empirical Evidence in Taiwan.
