对外贸易与四川经济增长关系实证分析

1、对外贸易与四川经济增长关系实证分析众所周知，投资、消费与出口是拉动经济增长的三驾马车。而改革开放以来，四川对外贸易为四川经济发展做出了重大贡献，如2000年出口达到13.9435亿美元。理论界一直在探讨对外贸易与经济增长之间的关系。我们认为外贸与经济增长之间存在着双向的因果关系，一方面，外贸发展取决于经济增长；另一方面，经济增长也依赖于外贸发展。本文意在分析对外贸易对四川经济增长的贡献率和拉动度，进而分析对外贸易与四川经济增长之间的数量关系，并提出相关的建议。一、对外贸易对四川经济增长的经济效应分析衡量对外贸易对经济增长的作用，这里我们采用现在学术界一般采用的对外贸易对经济增长的贡献率和拉动度

2、两个概念来表示。对外贸易对gdp的贡献率是指各变量的增量与gdp增量的比值，而对外贸易对经济增长的拉动度是指gdp的增长中有多少是由对外贸易贡献的，简单说来即是贡献率与gdp增长率的乘积。衡量对外贸易对经济增长的贡献，不同的分析方法得出的结论大相径庭，并不存在公认的标准。比较流行的主要有两种分析方法，一是净出口分析法，该分析法源于用支出法核算的国内生产总值恒等式，即gdp 等于投资、消费与净出口之和：gdp=i+c+x-m,这里，i表示投资，c表示消费，x表示出口，m表示进口，x-m表示净出口。根据该恒等式，gdp的增量为投资，消费和净出口三部分增量之和，因而对外贸易对经济增长的贡献率可以用净

3、出口增长占gdp 增量的比重（百分数）来表示，对外贸易对经济的拉动度则等于gdp增长速度与该比重的乘积。二是出口总量分析法，该分析法只考虑出口总量增长对国民经济增长的贡献率，用gdp的增长速度与该比重的乘积表示对gdp的拉动度。因此，出口、净出口对经济增长的贡献率分别用出口值、净出口值与gdp比值的百分比来表示，根据此公式及有关统计数据计算出近10年出口、净出口对四川经济增长的贡献率（见表1）。如：2000年净出口对四川经济增长的贡献率=（2000年净出口值*2000汇率-1999年净出口值*1999年汇率）/（2000年gdp-1999年gdp）*100%=2.4353*8.2784-（-1

4、.8923*8.2783）/（4010.25-3711.61）*100%=12.00%。出口、净出口对经济增长的拉动率分别等于出口值、净出口值与gdp增量的比值再乘以gdp的增长速度。根据此公式及有关统计数据计算得出近10年出口、净出口对四川经济增长的拉动度（见表1）。如：2000年出口对四川经济增长的拉动度=（2000年出口值*2000年汇率-1999年出口值*1999年汇率）/（2000年gdp-1999年gdp）*2000年gdp增长速度=(13.9435*8.2784-11.4073*8.2783)/ （4010.25-3711.61）*9%=0.63%.表1 1992-2001年对外

5、贸易对四川省gdp增长的贡献年份gdp(亿元)进口总量(亿美元)出口总量(亿美元)净出口总量(亿美元)汇率外贸贡献率(%)外贸拉动度(%)出口总量法净出口法出口总量法净出口法19911016.312.47589.01446.53865.3233nananana19921177.274.43189.72135.28955.51463.50-3.500.46-0.4619931486.087.292010.42243.13045.76202.09-3.600.27-0.4619942001.418.730015.14006.41008.618713.677.221.560.8219952504.9

6、59.751518.50578.75428.35104.783.550.520.3819962985.1510.596115.52814.93208.3142-5.30-6.68-0.54-0.6719973320.1110.711116.44295.73188.28982.151.940.220.2019983580.269.216211.71662.50048.2791-15.11-10.31-1.38-0.9419993711.6113.299611.4073-1.89238.2783-1.96-27.69-0.11-1.5520004010.2511.508213.94352.4353

7、8.27847.0312.000.631.0820014421.7615.164415.82720.66288.27703.78-3.570.35-0.33年份19911992199319941995199619971998199920002001gdp增长速度（%） na1312.911.410.85.699.2资料来源：四川统计年鉴1997 四川统计年鉴2004 中国统计年鉴2003 四川统计信息网（/）从表1可以看出，对外贸易对四川gdp增长的贡献率和拉动度波动较大。按照出口总量法，1991-2001年，有7年外贸对

8、四川gdp增长的贡献率和拉动率为正值。其中2000年达到最高，贡献率为7.03，拉动度为0.63%。说明2000年四川gdp增长的298.64亿元中，有7.03是由出口贡献的，gdp增长9%，其中有0.63个百分点是由出口拉动的。按照净出口法，1991-2001年中有4年外贸对四川gdp增长的贡献率和拉动率为正值。其中也是2000年达到最高，贡献率为12.00，拉动度为1.08。总体上看，在亚洲金融风暴以后的1998、1999两年中，外贸对四川的gdp贡献率和拉动度均为负值。在wto的影响下，2000、2001年外贸对四川gdp增长的贡献率和拉动度又有所上升。因此，对外贸易对四川经济发展起到一

9、定程度的作用。但是，由于进口也在增长，所以按照净出口法，对外贸易对四川经济增长的贡献还不大，2001年还为负值。净出口法完全将进口作为对国民经济增长的负面因素来考虑，认为进口产品完全市对国内需求的抵消，是国内可供商品的完全替代。出口总量法是完全不考虑进口，认为进口商品都是国内供给不足的补充。两种方法都有极端性。为了比较准确地衡量对外贸易对四川经济增长的作用，下面采用定量方法分析四川经济增长与对外贸易的关系。二、四川经济增长与对外贸易关系的实证分析（一）数据的选取为了测度对外贸易对四川经济的促进作用，选用四川进口、出口、gdp年度数据进行回归分析。四川gdp数据，进口、出口数据来源于四川统计年鉴

10、及四川统计信息网。（二）模型建立、回归结果及分析1、四川省出口对gdp的影响根据四川省19782004年国内生产总值与出口总额的数据资料，见表2。其中x表示出口（万美元），y表示国内生产总值（人民币亿元），试建立一元线性回归函数。设模型的函数形式为： y11x1 表2模型应用的数据表年 度yx年 度yx年 度yx1978184.6119051987530.865073319962985.151552811979205.7626811988659.695942719973320.111644291980229.3137461989744.986435119983580.2611711619812

11、42.3278341990890.957163519993711.611140731982275.23958819911016.319014420004010.251394351983311929919921177.279721320014421.761582721984358.061520619931486.0810422420024875.122711451985421.152447819942001.4115140020035456.323212911986458.233384019952504.9518505720046556398371 由eviews软件查看x随时间的变化趋势图，如

12、图1： 图1由图可知，从19782004年，曲线总体平稳且成上升趋势，但图线在19941997段有一个非常明显尖端突起，这表明在这段时间内出现了数据异常的情况，具体原因不明。由于在小样本条件下，可剔除个别样本点而模型不受影响，我们可将9497年的数据剔除再用ols进行参数估计，回归结果见表3：dependent variable: ymethod: least squaresdate: 06/01/05 time: 22:29sample: 1 23included observations: 23variablecoefficientstd. errort-statisticprob. x0

13、.0177730.00149311.906100.0000c135.0107210.00700.6428870.5273r-squared0.870972 mean dependent var1817.527adjusted r-squared0.864828 s.d. dependent var2026.396s.e. of regression745.0205 akaike info criterion16.14764sum squared resid11656167 schwarz criterion16.24638log likelihood-183.6979 f-statistic1

14、41.7553durbin-watson stat0.604723 prob(f-statistic)0.000000 表3得回归方程如下： y135.01070.017773x t= (0.642887) (11.90610) r2=0.870972，f=141.7553，d.w.=0.604723从r2和f统计量看，方程整体回归拟合程度较好；在=0.05，当n=23，k=2时，11.90610t0.05(21)=2.080.642887，可知1=0.017773通过了t检验，而1=135.0107，即常数项没有通过t检验，该系数不显著；在=0.05，n=23，k=1时，dl=1.257，d

15、u=1.437，d.w.= 0.604723dl，表明该模型存在着严重的自相关。(1)自相关的修正用广义差分法，由d.w.= 0.604723，得=1- d.w./2=0.6976835，由：dy=y-yt-1，dx=x-xt-1，利用eviews3.1，进行ols参数估计，结果如表4：dependent variable: dymethod: least squaresdate: 06/01/05 time: 22:35sample(adjusted): 2 23included observations: 22 after adjusting endpointsvariablecoeffi

16、cientstd. errort-statisticprob. dx0.0141090.0022756.2024190.0000c174.8600146.73891.1916400.2474r-squared0.657944 mean dependent var774.0348adjusted r-squared0.640841 s.d. dependent var864.4698s.e. of regression518.0754 akaike info criterion15.42463sum squared resid5368042. schwarz criterion15.52381l

17、og likelihood-167.6709 f-statistic38.47000durbin-watson stat1.476956 prob(f-statistic)0.000005 表4 dy174.86000.014109dx t = (1.191640) (6.202419) r2=0.657944，f=38.47000，d.w.=1.476956我们发现经用广义差分法后，d.w.值有了明显的提高。当=0.05，n=22，k=1时，dl=1.239，du=1.429，4-du=2.571，dud.w4-du，可见此时模型中的随机误差项已不存在正自相关了，并且常数项的显著性有了明显的

18、提高，虽然f统计量值有一定的下降，但整体拟合还是较好的。(2)异方差的检验利用arch法进行检验，检验结果见表5：arch test:f-statistic0.905113 probability0.465191obs*r-squared2.937306 probability0.401393test equation:dependent variable: resid2method: least squaresdate: 06/02/05 time: 10:41sample(adjusted): 7 23included observations: 17 after adjusting en

19、dpointsvariablecoefficientstd. errort-statisticprob. c2.50e+112.11e+111.1852470.2571resid2(-1)0.1623510.2561130.6339040.5371resid2(-2)-0.2627550.263329-0.9978210.3366resid2(-3)0.6070050.4044451.5008340.1573r-squared0.172783 mean dependent var3.36e+11adjusted r-squared-0.018114 s.d. dependent var6.73

20、e+11s.e. of regression6.79e+11 akaike info criterion57.52793sum squared resid5.99e+24 schwarz criterion57.72398log likelihood-484.9874 f-statistic0.905113durbin-watson stat2.487420 prob(f-statistic)0.465191 表5当=0.05，自由度p=3时，23(0.05)=7.81473，obs*r2=2.9373061.606,即常数项没有通过t检验。而且，在0.05的显著性水平下，n=24,k=1时,

21、dl=1.273,du=1.446,有dld.w.du，统计量落在了不能判断的区域。尝试调整样本容量，或是改变模型的函数形式。修正模型如下：（1）利用对数线性回归对原模型进行修改根据ly=2+2lm+ u2进行转换，其中ly=logy，lm=logm。运用ols估计模型参数见表8。表8dependent variable: lymethod: least squaresdate: 05/31/05 time: 13:02sample: 1978 2001included observations: 24variablecoefficientstd. errort-statisticprob.

22、c0.0464740.6409120.0725120.9428lm0.6836960.06431010.631190.0000r-squared0.837064 mean dependent var6.790815adjusted r-squared0.829658 s.d. dependent var1.082435s.e. of regression0.446748 akaike info criterion1.306012sum squared resid4.390848 schwarz criterion1.404183log likelihood-13.67215 f-statist

23、ic113.0223durbin-watson stat1.397076 prob(f-statistic)0.000000从回归结果看，整体回归的效果有所下降，常数项仍没通过t检验,而且dldwdu,即统计值仍在不可判断的区域内。可见，此方法不但没有修正模型随机扰动项的自相关，反而出现了不好的结果。所以舍去。（2）利用广义差分法对模型进行修改由dw=1.357,根据，=1-dw/2得=0.3215。在对上述模型根据dy=2(1-)+ 2dm+v2进行转换，其中dy=y-0.3215*y(-1),dm=m-0.3215*m(-1),dy1=y1,dm1=m1。运用ols得如下回归结果，见表9。

24、表9dependent variable: dymethod: least squaresdate: 05/30/05 time: 15:08sample(adjusted): 1981 2001included observations: 21 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c162.8870109.05571.4936120.1517dm0.0265210.00207212.798720.0000r-squared0.896065 mean dependent var1198.4

25、95adjusted r-squared0.890595 s.d. dependent var1012.983s.e. of regression335.0584 akaike info criterion14.55688sum squared resid2133018. schwarz criterion14.65636log likelihood-150.8472 f-statistic163.8071durbin-watson stat1.940348 prob(f-statistic)0.000000从表9中得到的回归方程如下：dy=162.8870+0.026521dm (109.0

26、557) (0.002072)t=(1.493612) (12.79872)r2=0.896065 f=163.8071 d.w.=1.940348从上述回归结果可以看出，虽然整体回归效果有微小的下降，但模型的自相关性有明显改善。在=0.05的显著性水平下，n=21,k=1时,dl=1.221,du=1.420,有dudw4-du。可见，此时模型中随机误差项已经不存在自相关了。可以同时运用cochrane-orcutt迭代法，得如下结果（见表10）：表10dependent variable: dymethod: least squaresdate: 05/30/05 time: 15:59s

27、ample(adjusted): 1982 2001included observations: 20 after adjusting endpointsconvergence achieved after 9 iterationsvariablecoefficientstd. errort-statisticprob. c187.5562136.46451.3743960.1872dm0.0259720.00257810.072520.0000ar(1)0.0696140.2618000.2659050.7935r-squared0.890438 mean dependent var1249

28、.990adjusted r-squared0.877548 s.d. dependent var1010.705s.e. of regression353.6769 akaike info criterion14.71213sum squared resid2126485. schwarz criterion14.86149log likelihood-144.1213 f-statistic69.08159durbin-watson stat2.039467 prob(f-statistic)0.000000inverted ar roots .07可见，经cochrane-orcutt迭

29、代法后，对自相关的修正效果更好了。(3)异方差的检验dependent variable: e2method: least squaresdate: 05/30/05 time: 16:58sample(adjusted): 1985 2001included observations: 17 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c90930.6562906.891.4454800.1720e2(-1)0.0508140.2757170.1842990.8566e2(-2)0.5468550.3063341.7851560.0976e2(-3)-0.2658280.336767-0.7893540.4441r-squared0.216146 mean dependent var124441.2adjusted r-squared0.035257 s.d. dependent var206311.9s.e. of regression202642.3 akaike info criterion27.47860sum squared resid5.34e+11 schwarz criterion27.