FDI、国内投资与经济增长：基于中国数据的分析和检验.ppt

,http:/FDI、国内投资与经济增长：基于中国数据的分析和检验薄文广 1 马先标 1南开大学跨国公司研究中心，天津，300071南开大学经济研究所，天津，,内容摘要：本文根据协整的相关理论，利用中国 1980 到 2003 年的年度经济数据对我国外国直接投资(下简称 FDI)、国内投资(下简称 GDI)与经济增长之间的关系进行了实证分析和检验。结果表明：(1)FDI 和国内投资之间不存在一种长期均衡的关系；(2)从长期来看无论是国内投资还是 FDI 都对于我国的经济增长具有 Granger 意义上的因果关系；从短期来看，国内投资、FDI 与 GDP 之间存在着一种单向的因果关系，而它们的因果方向却存在着差异。关键词：FDI;GDI；经济增长;协整;向量误差修正模型;Granger 因果性检验;方差分解,一,引言,上个世纪 90 年代以来，各国特别是一些新兴市场国家纷纷采取措施积极吸引外资的流入。根据 OECD 的统计，在 2001 年，共有 71 个国家对有关 FDI 的法律做出了 208 项修改。其中做出的对 FDI 更有利的变化达到了 194 项，占到了总数的 93%。改革开放以来，中国政府出台一系列外商投资优惠政策，吸引了大批外商来华进行直接投资，从 1993 年开始我国流入量就开始在发展中国家位居第一，2002 年更是首次超过美国成为世界第一，FDI 在中国的经济增长中正扮演着越来越重要的角色。但是 FDI 与我国的经济增长之间是否存在着互为因果的关系呢？假设存在因果关系，那么这种因果关系的方向是单向还是双向？另外，FDI 与我国国内投资之间是否具有一种长期均衡的关系呢？如果具有，是挤入或是挤出了国内投资？上述诸多问题值得深入研究。本文拟用现代计量经济学中的协整检验和误差修正模型等方法来研究它们三者之间的关系。,二,文献综述,无论是对于发达国家还是发展中国家，已经有了大量的实证研究来探讨 FDI 与经济增长之间的关系问题。新古典增长模型与内生经济增长模型为这些研究提供了理论基础。在Solow(1956)的新古典增长模型框架中，FDI 对产出增长率的影响会受到实物资本中规模报酬递减的限制,因此，FDI 只能够对人均收入发挥一种水平效应(Level effect)，而不会是一种增长率效应(Rate effect)。换句话说，FDI 仅能在短期内影响东道国的经济增长，在长期不会改变总产出的增长率，并且 FDI 对经济增长的短期影响依赖于稳定均衡的路径。在 20 世纪八十年代中期，以 Romer 和 Lucas 为代表提出了内生经济增长理论，它克服了新古典增长模型不能解释世界各国人均收入差异和实际人均 GNP 增长率差异的局限性，因而使经济增长理论再次成为经济学研究的热点。这个理论认为经济长期增长是技术进步的函数，并提供了一个分析框架，FDI 能够通过技术转移、技术扩散和技术外溢等途径来持久地提高东道国的经济增长率。因此，一些经济学家认为 FDI 也是经济增长的“发动机”。Findlay(1978)认为 FDI 会通过它对技术进步的影响来促进东道国经济的增长。一些优秀的实证研究例如Blomstrom 等(1992)和 Borensztein 等(1998)发现 FDI 与经济增长存在着正相关的关系。另外，由于 FDI 与贸易有着显著的替代效应的同时，它还具有贸易创造、补充和市场扩张效应，影响东道国的出口绩效，因此，通过引进外国直接投资可以拉动东道国经济的增长(刘恩专，1999)。1,http:/Choe(2003)使用由 Holtz-Eakin 等(1988)提出的面板数据 VAR 模型研究了 80 个国家从1971 到 1995 年的 FDI 与经济增长之间的关系，他发现在 FDI 与经济增长之间存在着一种双向的因果关系，但是 FDI 和经济增长之间的 Granger 因果性关系要弱于经济增长和 FDI 之间的因果性关系。De Mello(1999)使用一些 OECD(经合组织)和非 OECD 国家的时间序列数据和面板数据研究了 FDI 对于这些东道国的资本构成、产出和全要素生产率增长的影响。结果发现虽然 FDI 会通过技术提升和知识外溢等途径促进东道国的经济增长，但是这种促进的程度取决于 FDI 与东道国的国内投资之间的互补性和替代性的水平。Manuel R.Agosin 等(2000)使用新古典理论模型构建了一个投资方程，进而对亚洲、非洲和拉丁美洲 39 个国家在 1970-1996 年的面板数据进行了分析，结果显示 FDI 对东道国国内投资的影响是不确定的。FDI 对亚洲各国的国内投资产生了显著的“挤入”效应，对拉丁美洲各国的国内投资的“挤出”效应也很普遍，而与非洲各国的国内投资则没有显著的相关性。在对中国的实证研究中，吕光明（2003）认为到目前为止，FDI 与中国的经济增长之间还不存在任何单向的因果关系。吴湧超（2004）通过协整分析认为 FDI 与 GDP 存在着一种单向的因果关系，从短期看，GDP 是 FDI 增长的原因，而 FDI 却不是 GDP 增长的原因。Shan等(1997)验证了 FDI 引致的增长假设，他们以中国从 1985 到 1996 间的季度时间序列为基础构造了一个向量自回归(VAR)模型。结果发现在中国 FDI 与经济增长之间存在着一种双向的关系。杨柳勇等（2002）构建了一个总投资方程，并利用我国 1985 到 1999 年的时间序列数据分析了 FDI 的挤入挤出效应，结果认为外商直接投资从长期(或从总体上)对中国的国内投资已经产生了“挤出”效应。陆建军(2003)却发现 FDI 对于我国的的国内投资有着显著的挤入效应。而王志鹏等(2004)却发现从全国的范围内，FDI 对于国内投资的挤入(挤出)效应是不明显的。,三,样本数据说明,本文分析所采用的样本取自于 19802003 年的年度数据，数据来源于有关各年的中国统计年鉴和上海市统计年鉴 2001，为了使数据具有可比性，用消费者价格指数(1980年100)对各个年度的 GDP 数据进行平减，但由于我国的 CPI 指数是从 1985 年才开始编制的，因此对 1980 到 1984 年的数据用城市居民消费价格指数来平减；用固定资产投资价格指数(1980 年100)对各个年度的国内投资和 FDI 进行平减，张军等(2003)采用上海市的固定资产投资价格指数来代替全国的固定资产投资价格指数,李治国（2002）的处理方法是将 1991至 2001 年的全国固定资产价格指数对上海市固定资产投资价格指数进行线性回归，然后拟合出从 1978 到 1991 年的全国固定资产投资价格指数。在本论文中我们采用李治国的方法来估算 1991 年前的全国固定资产投资价格指数。为了消除数据中可能存在的异方差，我们对平减过的各变量取自然对数，其相应的一阶差分序列为LnGDP，LnGDI 和LnGDP。四 计量模型和实证结果分析(1)变量的平稳性检验由于传统的计量经济学方法对非平稳的时间序列不再适用，利用 OLS 等传统方法对计量模型进行估计时，许多参数的统计量也已经不再服从于标准正态分布，容易产生“伪回归”问题。因此我们在进行协整分析之前有必要先进行变量的平稳性分析，本文采用 ADF（Augment Dikey-Fuller）和 PP(Perron-Phillips)法来检验各个变量的平稳性，检验结果如表 1所示。表 1 各变量平稳性检验结果,变量LnGDP,ADF 检验-3.954(-4.4415)*,PP 检验-2.3624(-3.6219),检验形式（C,T,K）（C,T,2）,结论不平稳,2,http:/,LnGDPLnGDILnGDILnFDILnFDI,-3.305(-3.0114)-2.7897(-3.6454)-2.9142(-2.6502)-1.4454(-3.6454)-1.7965(-1.6242),-3.2314(-3.0038)-1.9997(-3.6219)-3.4830(-3.0038)-1.7304(-3.6219)-2.8703(-1.9574),（C,0,1）（C,T,2）（C,0,2）（C,T,2）（0,0,1）,平稳不平稳平稳不平稳平稳,备注：表示一阶差分，检验形式检验形式（C,T,K）分别表示单位根检验方程的常数项，时间趋势项和滞后阶数，滞后阶数的选择以 DW 统计量接近于 2，即检验式的随即误差项不存在自相关为标准，检验值括号内的数字为 5置信水平的临界值，其中带*的表示 1置信水平下的临界值，本文所用的计量经济学软件为 Eviews3.0，以下类同。从上表的检验结果可知：所有变量在 5的置信水平上都是非平稳的，但变量的一阶差分序列在 5的置信水平上是平稳的，即 LnGDP，LnGDI 和 LnFDI 都是一阶单整过程。换言之，它们均为非平稳的时间序列，因此不能够用传统的计量经济学理论来构建模型，为此，我们使用现代计量经济学中的协整理论以及向量误差修正模型来研究上述三个变量之间的长期，均衡关系。(2)协整检验如 果 时 间 序 列（X 1t,X 2t,X 3t,K X nt）都 是 d 阶 单 整 的，并 且 存 在 着 一 个 向 量(0)，使得 X t I(d b)，那么我们就称 X 1t,X 2t,X 3t,K X nt 之间存在着 d,b 阶协整关系，记为 CI(d,b)，称作协整向量。协整的意义就在于它揭示了变量之间是否存在着一种长期、稳定的均衡关系，协整检验要求变量具有相同的单整阶数，如果解释变量和被解释变量不具有相同的单整阶数，那么，为了保持长期均衡关系，被解释变量的阶数不能高于解释变量的单整阶数，而且，在解释变量中，至少有两个或两个以上的比被解释变量单整阶数要高的解释变量具有相同的单整阶数。Engle 和 Granger 提出了 EG 两步法来检验变量之间的协整关系，即首先用最小二乘法对向量进行协整回归，然后再把协整回归所得残差进行单位根检验。由 EG 两步法得到的协整参数估计量具有超一致性和强有效性，但在有限样本条件下，这种估计量是有偏的。而且样本容量越小，偏差越大。因为在本文的分析中有效样本相对较小，为了克服小样本条件下EG 两步法参数估计的不足，本文采用了由 Johnsen 和 Juselius 提出的检验方法，这种方法的原理是在 VAR 系统下用极大似然估计来检验多变量之间协整关系，因此在进行 Johnsen协整检验前必须要确定 VAR 模型的最后滞后期 k，如果 k 太小，误差项的自相关会非常严重，这会导致被估参数的非一致性，所以可以通过增加 k 来消除误差项中存在的自相关。但是，k 又不能够太大，因为如果 k 太大会导致自由度减小，并直接影响到被估参数的有效性。滞后阶数的选择依赖于表 2VAR 模型中各种选择准则取值的比较值。表 2 VAR 滞后不同阶数下选择准则的取值情况,滞后一阶,滞后二阶,滞后三阶,滞后四阶,AICSCLogLLR,-3.223355-3.02587841.0685NA,-3.360282-3.01313243.963115.78922,-3.934373-3.43698151.3109214.69562,-3.804284-3.15705851.04284-0.53616,从上表可知，滞后三阶时的 AIC 和 SC 值最小，因此我们初步选择滞后三阶，用 Q，ARCH 和 JB 统计量分别检验 VAR(3)模型参差的自相关性，异方差性和正态性，检验结果表明，在滞后阶数为 3 的情况下，各方程的回归参差序列都满足正态性，不存在自相关和异方差，因此进一步论证了 VAR(3)模型为最优模型。由于协整检验是对无约束的 VAR 模型施以向量协整约束后的 VAR 模型，因此进行协整检验选择的滞后阶数应该等于无约束的 VAR 模型的最优滞后阶数减 1，即协整检验的最后滞后阶数为 2。通过对初始数据的形态，我们确定数据空间中没有确定性趋势，协整方程中有截距项，但没有趋势项，检验结果如表 3 和表 4 所示。表 3 GDI 和 FDI 之间的协整检验,特征值,似然比统计量 1置信水平临界值 原假设,备则假设,结论,3,2,http:/,0.4106560.245479,17.018805.91513,24.6012.97,r=0R1,R1R2,r=0,由表 3 可知，在 1%的置信水平上，协整个数 r0，两个变量之间不存在协整关系，也就是说国内投资和 FDI 之间不存在一种长期、均衡的关系，因而 FDI 与我国国内投资之间的挤入挤出效应还难以确定。该结论与赖明勇等(2002)的估计结果比较接近，他们利用我国从 1979 到 2000 年的全国宏观经济数据也发现我国外商直接投资与总投资之间并不存在显著的协整关系。表 4 GDP,GDI 和 FDI 之间的协整检验,特征值0.8668450.8243980.459529,似然比统计量91.7929449.4518212.92159,1置信水平临界值41.0724.6012.97,原假设r=0R1R2,备则假设R1R2R3,结论r=2,由表 4 可知，在 1%的置信水平上，协整个数 r2。这三个变量之间的存在着两个协整关系。协整表达式为：LnGDP0.374950LnGDI0.122025Ln FDI15.47739ut（0.12707）（0.03647）（括号中的数字表示回归系数的标准差）对参差项ut进行单位根检验的结果说明：ADF的统计量小于 5置信水平的临界值，序列项ut是平稳的，因此上式反映了上述三个变量之间的长期、均衡的关系。从上式可以看出，国内投资对经济增长的弹性为 0.37，FDI 对经济增长的弹性为 0.12。国内投资对经济增长的影响作用要远大于 FDI 对于经济增长的影响作用。因此虽然发展中国家可以在发展初期通过大量地吸引外资来获得经济发展，但一方面，FDI 的流入会受到多种因素的影响，其动机、目标与东道国政府也存在着很大的差距；另一方面，东道国企业的吸收能力也会影响到 FDI 对国内经济增长的实际效果。因此本国经济的长期、可持续增长必须要依靠其国内投入。(3)向量误差修正模型Granger 定理(1987)证明了协整与误差修正模型的必然联系，如果非平稳的变量之间存在着协整关系，那么必然可以建立误差修正模型，由于误差修正模型可以有效的吸收时间序列模型和经典计量模型的优点并克服它们的缺点，因此得到了广泛的应用。VECM（向量误差修正模型）是一个有约束的 VAR 模型，在解释变量中含有了协整约束关系，因此当出现一个大范围的短期波动时，VEMC 模型会使内生变量收敛于它们的长期协整关系。短期部分调整可以修正长期均衡的偏离，因此协整项也被称为误差项。向量误差修正模型的参数设定应该与前面 Johansen 协整检验对截距项和趋势项以及滞后区间的设定保持一致。模型结果如表 5 所示：表 5 VEMC 模型的结果,解释变量ECt-1LnGDPt-1LnGDPt-2LnGDIt-1LnGDIt-2LnFDIt-1LnFDIt-2R,LnGDPt-0.2158(0.0677,-3.1852)-0.6186(0.66313)-0.6448(0.41174)0.4838(0.28009)0.0161(0.17763)0.1039(0.07435)-0.0836(0.05684)0.315796,LnGDIt-0.1675(0.13270,-1.26252)-0.0326(1.29851)-0.9914(0.80624)0.9144(0.54846)-0.0563(0.34782)0.0953(0.14559)-0.0715(0.11131)0.522198,LnFDIt-0.3534(0.38701,-0.91330)-1.2531(3.78965)-0.5461(2.35130)1.1536(1.59952)-0.8137(1.01437)0.7261(0.42460)-0.1741(0.32462)0.430607,4,http:/,LogLAICSCDRCLogLAICSC,40.34755-3.175957-2.827783,26.23554-1.83196-1.4837828.472195e-09105.7649-7.691893-6.448414,37.58380.3087250.6569,备注：括号外的数字是相应差分变量的回归系数，括号内的数字是回归系数的标准差，在ECt-1项中括号内的第二个数字是t统计量的值。其中上面三式中的ECtLnGDPt0.374950LnGDIt0.122025LnFDIt15.47739上表中的可决系数都不是很高，分别只有 0.315796，0.522198 和 0.430607，这可能是因为模型中缺少一些变量的原因，例如进出口，消费等，但是这并不影响模型变量之间的关系，特别是变量之间的长期关系。VEMC 模型的整体检验结果表明，模型整体的对数似然函数比较大（为 105.7649），同时 AIC 和 SC 值相当小，分别为-7.691893 和-6.448414，而且误差修正项的系数也小于 0，说明模型的整体解释能力较强。表 5 中LnGDPt，LnGDIt和LnFDIt的误差修正项系数的t统计量分别为-3.1852，-1.2625 和-0.9133。(t统计量大于 2 才表示在 5%的置信水平下具有显著性)，因此误差修正项系数的显著性检验说明：LnGDIt和LnFDIt 并未受到长期均衡关系的显著影响，而LnGDPt 则受到长期均衡关系的显著影响，这说明从长期来看，LnGDIt 和LnFDIt 对LnGDPt具有Granger意义上的因果关系。(4)变量之间的 Granger 因果性检验协整检验结果可以说明变量之间是否存在长期、均衡的关系，但是这种关系是否具有因果关系还需要做进一步的验证。Granger(1969)对变量之间的因果关系做了定义，并就这种因果关系的存在提出了一种检验方法，即 Granger 非因果性检验，检验结果如表 6 所示：表 6 变量之间的 Granger 因果性检验结果滞后阶数：3,零假设LnGDP 不是LnGDI 的 Granger 原因LnGDI 不是LnGDP 的 Granger 原因LnFDI 不是LnGDP 的 Granger 原因LnGDP 不是LnFDI 的 Granger 原因,F-统计量2.3169506.9109020.6951234.171885,P-值0.1234510.0050410.5713150.028317,从表 6 的结果可看出：从短期来看，GDP 的变化不是 GDI 变化的 Granger 原因，但 GDI 的变化却是 GDP 变化的 Granger 原因，两者之间只存在着从 GDI 到 GDP 的单向因果关系；FDI 的变化不是 GDP 变化的 Granger 原因，但 GDP 的变化却是 FDI 变化的 Granger 原因，两者之间只存在着从 GDP 到 FDI 的单向因果关系；出现这个结果的原因可能在于 FDI在中国的投资需要一个过程，其投资效果不可能在短时期内得到体现，因而有一个滞后的过程。相反,GDP 对 FDI 的短期效应是非常显著的，中国经济的持续快速增长吸引了 FDI 的大量流入。（5）方差分解Granger 因果关系只能够说明变量之间具有因果关系，但是不能够测度这种因果关系的强弱，因此我们采用方差分解来对这三个变量不同预测期限的均方误差（MSE）进行分解。方差分解的主要思想是把系统中每个内生变量的波动按其成因分解为与各方程信息相互关联的部分从而了解各信息对模型内生变量的相对重要性，具体结果详见表 7、8、9。5,2,3,4,5,6,7,8,9,1,0,2,3,4,5,6,7,8,9,1,2,3,4,5,6,7,8,9,http:/表 7 GDP 序列的方差分解结果,Period110,S.E.0.0210810.0287670.0358070.0399260.0407740.0426320.0460500.0499220.0523160.053920,GDP10096.53730183.17243078.80039475.85884770.07697960.50182351.53884247.22183545.811707,GDI00.6157969.14699011.70522012.29725017.73200428.63189838.89876943.62012744.905835,FDI02.8469027.6805789.49438511.8439012.19101610.8662779.5623889.15803689.2824565,从表 7 可看出：GDP 的预测误差主要来自于其自身和 GDI，在第 7 步后国内投资的影响大约占到了 GDP 的预测误差的 40，因此其对经济增长的长期影响是比较显著的，而FDI 的影响大约稳定在 10%左右，这也说明了 FDI 对于经济增长的长期影响要远小于国内投资对于经济增长的长期影响。表 8 GDI 序列的方差分解结果,Period10,S.E.0.0555970.10004510.13825800.16988340.18526850.19118460.19391050.19605570.19971480.2062936,GDP55.60480058.76712750.30287643.31072340.14918038.6101438.07325838.14567038.55586939.05286,GDI44.39519940.83070248.19453654.65371057.49501458.81780959.28854259.20052958.7865858.290794,FDI0.402170331.50258672.03556652.35580462.57204332.63819872.6537992.6575422.6563387,从表 8 可看出：GDI 的预测误差主要来自于其自身和 GDP，从第 5 步开始 GDP 的影响开始稳定在 40左右，而 FDI 对于国内投资的影响则不显著。表 9 FDI 序列的方差分解结果,Period10,S.E.0.2023190.4028690.5814220.7260390.8448890.9536351.0586881.1609351.26067241.357575,GDP48.32053156.9202459.17986557.71379054.9555852.02460649.58334347.8452046.65365445.811760,GDI37.68320328.50014925.84221126.49588828.55824931.04109733.17408934.69355335.71394736.402839,FDI13.99626414.57960814.97792215.79032016.48616116.93429617.24256617.46124417.6323917.785400,从表 9 可看出：GDP 和 GDI 对于 FDI 的影响都是比较显著的，经济增长对于 FDI 的影6,http:/,响要大于国内投资对于 FDI 的影响。,五 结论,(1)我国的 GDP，GDI 与 FDI 三个变量都是一阶非平稳 I(1)变量，这三个变量之间存在,着一种显著性的协整关系。,(2)我国的国内投资与 FDI 之间不存在一种长期、均衡的关系，因而我们还难以确定 FDI,对我国国内投资的挤入挤出效应。,(3)资本是推动我国经济增长的关键因素之一，无论是 GDI 还是 FDI 都对于我国的经济增长起着正面的推动和促进作用。比较来看，GDI 对经济增长的影响作用要远大于 FDI 对于经济增长的影响作用。因此从长期来看，我国的经济增长还应主要依赖于国内投资，同时也要积极、审慎地利用 FDI。,(4)从长期来看，国内投资和外国直接投资都对中国的经济增长有 Granger 意义上的因果关系。从短期来看，国内投资、FDI 与 GDP 之间也都存在着一种单向的因果关系,它们的因果方向却存在着差异,具体地说:国内投资是 GDP 变化的原因,GDP 是 FDI 增长的原因，而不是相反。,参考文献,1 Findlay.Relative Backwardness,Direct Foreign Investment,and the Transfer of Technology:ASimple Dynamic Model J.Quarterly Journal of Economics,1978,(2):1-16.,2 Choe,Do Foreign Direct Investment and Gross Domestic Investment Promote EconomicGrowth?J.Review of Development Economics,2003,(7):445-57.,3 De Mello,L.R.Jr.Foreign direct investment-led growth:evidence from time series and paneldataJ.Oxford Economic Papers,1999,(51):133-151.,4 Shan,Tian and Sun,The FDI-led Growth Hypothesis:Further Econometric Evidence fromChina.The Australian National University,Canberra 1997.,5Agosin and Mayer(2000),Foreign investment in developing countries:Does it crowd indomestic investment?UNCTAD discuss paper,6李治国.转型期中国资本存量调整模型的实证研究J.南开经济研究,2002,(6):35-38.7吕光明.国内投资、外商直接投资与中国经济增长J.山东工商学院学报,2003,(17):57-61.8王坤,张书云.中国对外贸易与经济增长关系的协整性分析J.数量经济技术经济研究，2004,(4):26-33.,9杨柳勇,沈国良.外商直接投资对国内投资的挤入挤出效应分析J.统计研究.2002,(3):68.10王少平.宏观计量的若干前沿理论与应用M.天津：南开大学出版社，2003.,7,http:/,FDI,Gross Domestic Investment and Economic Growth,-Analysis and Test based on China Empirical Data,BO Wen-guang Maxianbiao,(Center for Transnational Research of Nankai University,TianJin,P.R.C,300071)(Economic institute of Nankai University,TianJin,P.R.C,300071),Abstract:Based on some Cointegration theory,This paper empirically analyze and test the,relationship between FDI,gross domestic investment and economic growth for china annualeconomic data from 1980 to 2003.It is shown that FDI and gross domestic investment dont existcointegrating relationship.In the long run,both FDI and gross domestic investment have Grangercausality to china economic growth;In the short run,gross domestic investment,FDI and GDPexist a unilateral causality relationship,But their causality logic direction is different.,Key words:FDI,economic growth,cointegration,error correction model,granger,causality test,variance decomposition,作者简介：薄文广，南开大学跨国公司研究中心，主要研究方向为：跨国公司与国际投,资。邮政编码：300071，电话：02223508291，13512084860；马先标,南开大学经济研究所,主要研究方向为：中外经济比较邮编:300071;,邮址:天津市卫津路 94 号 南开大学经济学院经研所博士生电话:13752615602；02223494040,8,