《中印贸易潜力测算分析案例4500字》

中印贸易潜力测算分析案例综述目录TOC\o"1-2"\h\u30105中印贸易潜力测算分析案例综述 190811.1中印双边贸易影响因素的实证分析 1135061.1.1模型的设定方法 198791.1.2变量的选取和模型的建立 2155471.1.3描述性统计与相关性分析 4249221.1.4计量回归 51391.1.5实证结果分析 6300081.2中印双边贸易潜力测算 729726资料来源：根据回归结果整理计算而得 8中印双边贸易影响因素的实证分析模型的设定方法目前，对于两国贸易流量及双边贸易影响因素的分析多以贸易引力模型为基础展开回归分析。1962年，荷兰学者Tinbergen最早将其引入国际贸易领域进行贸易流量分析，并通过对模型进行了验证。传统的引力模型表达式为： （4.1）其中，Tij为i国和j国的双边贸易额，Yi和Yj分别代表i国和j国的经济规模，Dij为两国间的地理距离，A为常数。在实际研究中，为了方便对各个变量展开研究，常对上述模型取对数，即： （4.2） （4.3）在式（4.3）中，为常数项，、、分别为三个变量相应的系数，为随机误差项。为了更加全面的考量影响双边贸易的主要因素，学者们在传统引力模型中引入新的变量，拓展后的引力模型内涵得到不断丰富，被国内外学者更加广泛地应用于双边贸易影响因素和贸易潜力的研究中。本章将基于贸易引力模型对中国与新兴市场国家双边贸易的影响因素进行分析。在传统引力模型的基础上，结合中印贸易的特点和相关贸易理论从定性角度分析出中国与包括印度在内的新兴市场国家双边贸易的影响因素，再根据数据的可获得性等客观条件进行筛选，最终选取相关变量建立回归模型进行实证分析。变量的选取和模型的建立影响中国与新兴市场国家双边贸易的因素有许多，总体上可以分为经济因素和非经济因素两大类，考虑到相关变量数据的可获得性和并结合相关国际贸易理论，本文选取了如下可能的影响因素因素进行研究：（1）经济发展水平自引力模型最早被引入国际贸易领域，经济发展水平对于两国的贸易贸易额的正向促进作用就得以证明，即两国的经济发展水平越高，两国的双边贸易额越大。因此，本文选择中国和贸易国的GDP来代表两国的经济发展水平。（2）经济开放程度一般来说，一国的经济开放程度越高，其对外贸易的依赖度就越大，进而与他国的进出口贸易量来也越大。对外贸的依存度是指一国在一段时期内进出口贸易额与国内生产总值之比，反映了一国参与国际贸易的情况。本文用对外贸易依存度来衡量一国的经济开放程度。（4）地理距离自古以来，地理距离就是两国进行贸易往来的重要阻碍因素，但近年来可能由于交通运输条件的不断完善，其影响在不断减小。一般来说，两国之间的地理距离越大，进出口贸易的开展就越困难。（5）是否接壤一般来讲，相互接壤的国家由于距离更近，且在语言和文化方面更便于进行沟通，两国的双边贸易额更大。本文选取该指标作为虚拟变量，若两国有相接壤的共同边界，则取1，反之取0。（6）是否加入共同区域经济合作组织区域经济合作组织往往会对其成员国制定关税减免等贸易优惠政策，因此加入同一区域经济合作组织的国家在进行贸易时贸易壁垒往往更小。本文选取了上述六个变量作为解释变量对中印贸易影响因素进行实证分析。在拓展的引力模型的基础上，将上述变量纳入到模型中，最终模型设定如下： （4.4）式（4.5）为初始模型的表达式。其中αo为常数项，α1、α2、α3、α4、α5、α6、α7、α8分别为各个变量的弹性系数；μ为随机误差项。本文选择的回归样本是新兴市场国家，这是因为中国和印度都属于这类国家，和它们的经济结构较为相似。这些国家资源丰富，劳动力成本较低，经济发展速度快，具有较大的市场发展潜力，且分布于世界各国大洲，因此选择这些新兴市场国家作为中印贸易影响因素模型的样本具有较强的代表性。根据2009年摩根斯坦利新兴市场指数对新兴市场国家的界定，选择以下国家作为样本国：巴西、智利、哥伦比亚、捷克、埃及、匈牙利、印度尼西亚、印度、韩国、摩洛哥、墨西哥、马来西亚、菲律宾、俄罗斯、泰国、土耳其，共16国。因此本文的回归样本为以上国家2003年-2019年共17年的面板数据，有效样本272个，数据结构为平衡长面板数据。表4.1列明了相关变量的符号表示、数据来源和预期符号。表4.1变量说明与数据来源变量代表符号数据来源预期符号中印双边贸易额TTijUNComtrade数据库中国国内生产总值GDPi世界银行WDI数据库+贸易国国内生产总值GDPj世界银行WDI数据库+贸易国对外贸易依存度FTDj世界银行WDI数据库+中国与贸易国首都的球面距离DIS网站中的距离计算器-是否加入APECAPEC亚太经合组织网站+是否接壤CONT+描述性统计与相关性分析由于本文的选取的数据为长面板，为避免方程中的“伪回归”现象，在进行分析之前，使用Stata15.0对模型中的被解释变量和解释变量进行单位根检验，来判断各个变量是否平稳。经检验，模型中的所有变量都通过了5%显著性水平下的单位根检验，是平稳的。首先，对模型中的主要变量进行描述性统计，结果由表4.2所示。表4.2主要变量的描述性统计结果变量样本量平均值标准差最小值最大值lnTTij27214.5801.31210.73017.260lnGDPi27220.2200.69918.93021.080lnGDPj27217.5301.00715.47019.470lnFTDj2724.2130.5273.0965.349lnDISij2728.7610.7426.8639.855APEC2720.4380.49701CONT2720.1250.33101由上表可知，模型中的主要变量的样本不存在缺失值和异常值，可以进一步进行实证分析。接着，对模型中的各个解释变量与被解释变量进行相关性分析。表4.3一阶差分后变量的相关性分析结果lnTTijlnGDPilnGDPjlnFTDjlnDISijAPECCONTlnTTij1.000lnGDPi0.484***1.000lnGDPj0.733***0.334***1.000lnFTDj-0.022-0.011-0.498***1.000lnDISij-0.518***-0.000-0.196***-0.339***1.000APEC0.569***-0.0000.0650.247***-0.504***1.000CONT0.250***0.0000.470***-0.252***-0.157***0.0481.000注：***、**和*分别表示在1%、5%和10%的显著性水平上显著表4.3列示了引力模型中主要变量的相关性分析结果。可以看出，中国与贸易国的双边贸易总额与中国的国内生产总值、贸易国国内生产总值、是否加入APEC、是否接壤之间存在显著的正相关关系。中国与贸易国的双边贸易额与中国与贸易国的地理距离的相关系数为-0.518，两者间存在显著的负相关关系。而解释变量lnFTDj的相关性分析结果不显著，可能是由于贸易国的对外贸易依存度无法单独解释两国的贸易额，需要多个解释变量共同作用来得出结论，在后面的研究中将重点关注该变量的结果。此外，从表中解释变量间的相关系数可以看出，多数解释变量之间不显著或相关系数较小。但lnGDPj与lnFTDj以及变量lnDISij与APEC之间的相关系数的绝对值大于0.4。因此，为了检验模型中是否存在多重共线性，对方程进行VIF检验，得到各个解释变量的方差膨胀系数均值为1.62，最大值为1.88，均远小于5，因此模型不存在多重共线性问题。计量回归本文使用Stata15.0对面板数据的估计方法进行判断与选择。针对静态面板数据的估计方法一般有三种：混合回归、个体固定效应模型与随机效应模型。首先，使用普通混合最小二乘法对模型进行回归，结果如表4.5模型（1）所示。可以看出，R2为0.927，模型的拟合程度良好，且方程在总体上显著。方程的全部解释变量均在1%的显著性水平上通过了显著性检验，且各个变量的系数符号与预期相一致。但是，由于样本中不同国家的国情可能存在差异，无法保证一定不存在个体效应，因此本文使用了固定效应模型和随机效应模型进行回归，和混合回归的结果进行对比，结果如表4.5中的模型（2）、模型（3）所示。表4.5中国与新兴市场国家双边贸易引力模型实证结果普通混合最小二乘法（1）固定效应模型（2）随机效应模型（3）lnGDPi0.453***(13.14)0.464***(12.39)0.455***(13.28)lnGDPj0.956***(29.20)0.941***(13.18)0.959***(14.99)lnFTDj0.452***(7.91)0.839***(9.07)0.793***(9.05)lnDISij-0.199***(-5.15)-0.115(-0.76)APEC1.121***(22.24)1.088***(4.93)CONT-0.343***(-4.56)-0.178(-0.59)Constant-11.950***(-12.95)-14.822***(-16.77)-14.205***(-8.22)样本数量272272272回归组数1616R-squared0.9270.9330.914F0.0000.0000.000注:普通混合最小二乘法和固定效应模型括号中的数字代表该回归系数的T值，随机效应模型括号中的数字代表该回归系数的Z值，***，**，*分别表示在1%、5%和10%的显著性水平上回归系数显著对于三种估计方法的选择问题，本文首先进行了检验个体效应是否存在的LM检验，得到P值为0.0000，强烈拒绝原假设，说明原模型中存在反映个体特征的随机扰动项ui，而不该使用混合回归模型进行估计。其次，判断使用固定效应模型还是随机效用模型。对本章涉及的面板数据进行Hausman检验，检验结果显示P值为0.4178，无法拒绝原假设，因此应该选择随机效应模型对模型进行回归分析。从表4.5中模型（3）随机效应模型的回归结果可以发现，R2为0.914，模型拟合优度良好。且方程F检验强烈拒绝原假设，即模型中的自变量与因变量在总体上是显著的。在显著性上，除了变量lnDISij、CONT没有通过显著性检验，其余四个解释变量均在1%的显著性水平上通过了显著性检验。因此，根据以上回归结果可以得到模型表达式如下： （4.5）实证结果分析通过对回归结果进行分析，本文可以得出以下结论：（1）中国和贸易国的国内生产总值与两国的双边贸易额正相关，和预期相符。中国的GDP和贸易国的GDP能够在不同程度上促进双边贸易的发展，其中，中国的GDP每增加1%，能使中国与贸易国的双边贸易额增长0.455%，而贸易国的GDP每增加1%，两国的双边贸易额将增加0.959%。因此，相比于中国GDP，贸易国GDP的增长对双边贸易增长的贡献更大。（2）贸易国的对外贸易依存度对中国和贸易国的双边贸易规模有积极的促进作用，呈正相关关系。在控制其他变量后，贸易国的对外贸易依存度每增加1%，两国的双边贸易总额就会增加0.793%，与预期相一致。一国的对外贸易依存度越高，其经济外向型程度越高，因此和其他国家开展进出口贸易的需求也越大。（3）同属于亚太经合组织成员对中国与贸易国的双边贸易规模有较大的正影响。由变量APEC的可知，中国与其他APEC国家的双边贸易额比中国与非APEC国家的双边贸易额高出196.83%（）。这可能是由于区域经济合作组织中的贸易优惠政策能够有效地减少贸易壁垒，促进成员国之间双边贸易的发展。（4）中国与贸易国间的地理距离和是否接壤对于两国双边贸易流量的影响并不显著。这可能是由于近年来交通运输设备的不断更新和运输条件的改善，使距离不再是阻碍两国进出口要以的重要因素。此外，也可能由于本文选取的样本为新兴市场国家，样本数量不够广泛，在距离与是否接壤上缺乏一定的差异性，因此影响不明显。中印双边贸易潜力测算本节将在上文得到的贸易影响因素模型的基础上，对中国和印度的双边贸易潜力进行测算。通过阅读大量文献，本文发现大多数学者都是用比值法对贸易潜力进行测算，即用真实双边贸易数据除以模型拟合值，用获得的比值来估算国家之间的双边贸易潜力。根据根据刘青峰、姜书竹（2002）对贸易潜力的分类，若两国实际双边贸易额与模型拟合值的比率小于0.8，则为“潜力巨大型”，说明两国贸易潜力巨大，双边贸易具有极大的发展空间；若比值处于0.8和1.2之间，则为“潜力开拓型”，说明两国的贸易潜力尚未得到充分利用，并且存在扩大双边贸易的空间；若比值大于1.2，则称为“潜力再造型”，即两国现有的贸易潜力已经得到了充分利用，未来需要拓展新的要素以促进双边贸易的发展ADDINNE.Ref.{F29ADD84-BC9A-4859-984D-BFBC75A46CBE}[27]。本文将借鉴上述方法对中印双边贸易潜力进行测算，用中印实际双边贸易除以模型拟合值，计算结果如表4.6所示。表4.52003年-2019年中国与印度双边贸易潜力年份200320042005200620072008200920102011贸易潜力0.95980.97060.96500.96910.97410.98310.98270.98410.9842年份20122013201420152016201720182019贸易潜力0.98310.98160.97