中国教育水平提高与外商直接投资的关系英文版.docx

中国教育水平提高与外商直接投资的关系英文版.docx

《中国教育水平提高与外商直接投资的关系英文版.docx》由会员分享，可在线阅读，更多相关《中国教育水平提高与外商直接投资的关系英文版.docx（17页珍藏版）》请在冰豆网上搜索。

中国教育水平提高与外商直接投资的关系英文版

计量经济学研究报告

中国教育水平提高与外商直接投资的关系

姓名：

郭晓丹

学号：

40420038

专业：

物流管理

中国教育水平提高与外商直接投资的关系

第一部分：

问题引入

欧美跨国公司自80年代来，集中大量资金在中国大陆，尤其是沿海一带投资办成，主要看重的是中国廉价劳动力给他们带来的竞争优势，同时也改变了沿海的城市面貌和人民的生活水平，可以说这是一个双赢的过程，但是，随着中国教育水平的提高、GDP逐年上升、消费水平提高的同时劳动力的价格水平也随之上升，这是否会引起外国直接投资的变化，值得深究。

在中国外部，越南，朝鲜，印度等欠发达地区的劳动力价格明显低于中国，外商是否会因为这些原因而弃中国而去转向那些区域？

目前我国正是发展的鼎盛时期，如果资金不足，必然会对我国的远期战略目标造成巨大影响，下面，我就这个问题，主要从教育方面入手，考察这个问题。

第二部分：

数据收集，变量的初步选定

根据资料的收集，归纳出外国直接投资的影响因素主要有一下几个方面：

1、GDP水平（参考文献《吸引FDI主要因素的实证分析——以苏南地区为例》出自南京财经大学学报，谢正勤）

选取GDP这一指标有两方面的考虑。

一方面，它可以用来反映当地市场规模对吸引外商投资的重要意义。

潜在市场规模的重要性在以往的很多文献中都得到过证实。

对于外商来说，备选地区的市场规模越大，表明该地区对其产品的未来需求将越旺盛，投资的欲望将越强。

另一方面，GDP反映了当地经济发展的水平和趋势。

一般来说，宏观经济越是持续增长，发展越平稳，外商对其投资获利的信心越大，投资的欲望也越强。

经济稳定和潜在的市场规模是影响投资决策的最重要的因素。

因此，基于这两方面的考虑，我们预期GDP这一指标的符号将为正，GDP越高，吸引的FDI越多；而且，其系数越大，表明该指标对外商投资决策的影响程度越大。

2、消费价格指数和工资水平

工资水平决定了企业雇佣劳动的成本，而工资水平在很大程度上又取决于该城市的消费水平，因此考察消费和工资水平对外商投资区位选择的影响是必要的。

3、城市设施

第二个影响外商投资的因素是城市的设施水平。

城市各方面的设施越完善，对外商投资的吸引力也就越大。

4、地价和房价

另一个可能影响外商投资区位选择的因素就是土地价格以及与之相关的房价。

5、政府政策

一个高效率的政府是外商投资决策的重要决定因素之一。

6、原有外资规模的集聚效应

外商投资在某个地区，要看该地区是否有完整的配套产业，这与集聚理论是相符的。

集聚会形成产业密集带和专业化地区，能给企业带来生产成本的节约。

7、劳动力的素质

这是所要研究模型中的最主要的解释变量，所要考察的就是是否高素质的人才就可以提高FDI的水平，他们间的关系是正相关负相关还是负相关，抑或没有线性相关性。

模型选取的变量考虑到数据的可得性，就选取了如下几个变量：

：

普通高等教育和中等职业学校当年入学人数（万人）

：

货币工资（元）

：

居民消费价格指数

：

美元汇率

：

通货膨胀率

：

GDP水平

：

外商直接投资FDI（亿美元）

城市设施，政府政策以及原有外资规模的聚集效应无法直接由数据体现，因此将归入随机扰动项中，在异方差检验中将予以修正。

地价和房价的数据没有统一的标准，且政府在其中扮演重要角色，经常以优惠的地价吸引外资，因此模型中不将此项作为解释变量来估计，把他归入随机扰动项中。

表Ⅰ

年份

1991

43.66

140

2340

223.8

5.3233

20.1

21617.8

1992

110.07

163.3

2711

238.1

5.5146

22.3

26638.1

1993

275.15

207.3

3371

273.1

5.762

23.5

34634.4

1994

337.67

212.5

4538

339

8.6178

24.1

46759.4

1995

375.21

230.7

5500

396.9

8.351

17.1

58478.1

1996

417.26

248.9

6210

429.9

8.3142

8.3

67884.6

1997

452.57

262.1

6470

441.9

8.2898

2.8

74462.6

1998

454.63

275.2

7479

438.4

8.2791

-0.8

79395.7

1999

403.98

323.1

8346

432.2

8.2783

-1.4

82067.5

2000

407.72

353.2

9371

434

8.2784

0.4

89468.1

2001

468.78

502.7

10870

437

8.1949

0.7

97314.8

2001

527.43

474

12422

433.5

8.2769

-0.8

105172.3

2003

535.05

575.3

14040

438.7

8.277

1.2

117390.2

2004

606.3

682

16024

455.8

8.2768

3.9

136875.9

2005

603.25

780.5

18364

464

8.1949

8

182321

第三部分：

模型初步设立

假定FDI与普通高等教育和中等职业学校当年入学人数（万人；货币工资；居民消费价格指数；美元汇率；通货膨胀率；GDP水平之间满足线性约束，则理论模型设定为：

。

＋

1用OLS回归：

表Ⅱ

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

13:

30

Sample:

19912005

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-496.8516

140.3704

-3.539575

0.0076

X1

0.025260

0.560884

0.045036

0.9652

X2

0.031478

0.030946

1.017180

0.3388

X3

2.560948

0.925073

2.768375

0.0244

X4

-27.52115

37.88899

-0.726363

0.4883

X5

6.628537

3.668901

1.806682

0.1084

X6

-0.002789

0.002023

-1.379138

0.2052

R-squared

0.961595

Meandependentvar

401.2487

AdjustedR-squared

0.932791

S.D.dependentvar

160.4237

S.E.ofregression

41.58928

Akaikeinfocriterion

10.59829

Sumsquaredresid

13837.35

Schwarzcriterion

10.92871

Loglikelihood

-72.48715

F-statistic

33.38436

Durbin-Watsonstat

1.686654

Prob（F-statistic）

0.000031

可决系数和F检验都很显著，但是t检验不显著，说明存在多重共线，首先用剔除变量法修正多重共线性。

②多重共线性的修正

被解释变量和各个解释变量之间的关系：

表Ⅲ

变量

参数估计值

0.667699

0.028319

1.831122

114.5151

-11.5665

0.003289

t统计量

5.110163

6.330233

9.366379

5.232269

-3.67362

6.898813

0.667636

0.755049

0.870941

0.678032

0.50935

0.785456

0.64207

0.736207

0.861013

0.653265

0.471608

0.768953

其中

修正的可决系数最大，所以先将其引入。

表Ⅳ

变量变量

X1

X2

X3

X4

X5

X6

X3X1

0.286596（3.673081）

1.372231（7.324474）

0.92912

X3X2

0.012496（3.412012）

1.264223（5.733377）

0.923575

X3X4

2.030113（4.298665）

-15.59782（-0.465975）

0.852107

X3X5

2.220217（6.348044）

3.828404

（1.325226）

0.868654

X3X6

1.219648（4.835214）

0.001454（3.046708）

0.915102

从表中得出结论，应该将变量X1引入模型中，然后再考察引入其他变量后，模型是否有所改进，结果如下表：

表Ⅴ

X1

X2

X3

X4

X5

X6

X1X3X2

0.515997（1.049745）

－0.010512（－0.473110）

1.481816（4.907396）

0.940458

X1X3X4

0.32287（3.738751）

0.991699（2.310080）

25.2751（0.985467）

0.92895

X1X3X5

0.27967（3.865491）

3.407949（1.731857）

0.939243

X1X3X6

0.457485（1.630749）

1.517664（5.078844）

-0.000996（-0.635569）

0.925416

从上图得出的数据可以很清楚看到，加入任何其他的变量，并不能使模型改善，他们的t统计量都通不过，所以模型只保留

和

两个解释变量。

3对两个解释变量作平稳性检验

对X1做平稳性的检验结果为：

ADFTestStatistic

-4.522006

1%CriticalValue*

-4.2207

5%CriticalValue

-3.1801

10%CriticalValue

-2.7349

说明X1是二阶单整的

对X3作平稳性检验结果为：

ADFTestStatistic

-4.755069

1%CriticalValue*

-4.0681

5%CriticalValue

-3.1222

10%CriticalValue

-2.7042

说明X3是平稳序列，不存在单位根。

接着作协整检验：

ADFTestStatistic

-2.999066

1%CriticalValue*

-2.7570

5%CriticalValue

-1.9677

10%CriticalValue

-1.6285

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（ET）

Method:

LeastSquares

Date:

07/02/07Time:

10:

57

Sample（adjusted）:

19922005

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

ET（-1）

-0.719506

0.239910

-2.999066

0.0103

R-squared

0.405595

Meandependentvar

3.315397

AdjustedR-squared

0.405595

S.D.dependentvar

45.73190

S.E.ofregression

35.25823

Akaikeinfocriterion

10.03202

Sumsquaredresid

16160.86

Schwarzcriterion

10.07767

Loglikelihood

-69.22417

Durbin-Watsonstat

1.692448

从表中可以看出在1％的显著性水平下，t检验统计量值为-2.999066，小于相应临界值，从而拒绝

，表明残差序列不存在单位根，是平稳序列，说明外国直接投资）（FDI）和普通高等教育和中等职业学校当年入学人数以及居民消费价格指数存在协整关系。

④对模型进行异方差的检验

从图中看出

和

显然存在异方差，由于检验模型秉着谨慎原则只要一种检验方式存在异方差就认为模型存在异方差，并且其他的检验方法都要求样本容量为大样本，而本例中的

样本容量不是大样本，固不做其他的检验，直接做异方差的修正如下：

用加权最小二乘法经过多次检验后，选取

为权数，得到的结果如下：

表Ⅵ

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

16:

08

Sample:

19912005

Includedobservations:

15

Weightingseries:

W6

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-200.0458

76.05032

-2.630440

0.0220

X1

0.298615

0.060469

4.938304

0.0003

X3

1.263771

0.208181

6.070529

0.0001

WeightedStatistics

R-squared

0.973001

Meandependentvar

430.4112

AdjustedR-squared

0.968501

S.D.dependentvar

208.0434

S.E.ofregression

36.92346

Akaikeinfocriterion

10.23243

Sumsquaredresid

16360.10

Schwarzcriterion

10.37404

Loglikelihood

-73.74321

F-statistic

73.06329

Durbin-Watsonstat

1.635807

Prob（F-statistic）

0.000000

UnweightedStatistics

R-squared

0.936907

Meandependentvar

401.2487

AdjustedR-squared

0.926392

S.D.dependentvar

160.4237

S.E.ofregression

43.52429

Sumsquaredresid

22732.37

Durbin-Watsonstat

1.205648

得到新的模型为：

t=（-2.630440）（4.938304）（6.070529）

=0.973001

=0.968501F=73.06329

⑤检验新模型的自相关性。

因为在n＝15且k’=2的情况下dL=0.946,dU=1.543，模型的DW统计量从表Ⅵ中直接得出为4-dU>1.635807>dU，所以不存在自相关性。

⑥滞后性的检验

模型的解释变量对被解释变量FDI很可能存在滞后现象，因为当年的货币工资水平或者是高校入学人数要在若干年后才会对外商直接投资造成影响，所以用分布滞后模型对解释变量进行估计取滞后长度为2，多项式的价数也为2得结果：

表Ⅶ

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

18:

41

Sample（adjusted）:

19962005

Includedobservations:

10afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-499.658

376.6695

-3.981363

0.0284

PDL01

0.372706

0.050448

7.387982

0.0051

PDL02

-0.359757

0.053146

-6.769237

0.0066

PDL03

-0.209287

0.027888

-7.504538

0.0049

PDL04

0.339314

0.076660

4.426195

0.0214

PDL05

-0.855116

0.189654

-4.508818

0.0204

PDL06

0.257733

0.091981

2.802035

0.0677

R-squared

0.997393

Meandependentvar

487.6970

AdjustedR-squared

0.992179

S.D.dependentvar

76.22452

S.E.ofregression

6.741071

Akaikeinfocriterion

6.850342

Sumsquaredresid

136.3261

Schwarzcriterion

7.062151

Loglikelihood

-27.25171

F-statistic

191.2886

Durbin-Watsonstat

1.796000

Prob（F-statistic）

0.000581

LagDistributionofX1

i

Coefficient

Std.Error

T-Statistic

.*|

0

0.25507

0.12569

2.02946

.*|

1

0.52318

0.05044

10.3720

.*|

2

0.37271

0.05045

7.38798

SumofLags

-0.22934

0.11104

-2.06533

LagDistributionofX3

i

Coefficient

Std.Error

T-Statistic

.*|

0

3.08048

0.70919

4.34364

.*|

1

1.45216

0.25461

5.70354

.*|

2

0.33931

0.07666

4.42620

SumofLags

4.36746

0.96433

4.52902

以上结果显示，t检验显著，且DW统计量正好落入无自相关的区域内（dL＝0.447，dU＝2.472，k’=6，n＝15）

所以最后得到的模型为：

t＝（-3.981363）（2.02946）（10.3720）（7.38798）（4.34364）（5.70354）（4.42620）

=0.997393

=0.992179DW=1.796000F=191.2886

第四部分：

模型的经济意义解释

模型中的数据显示，高等学校入学人数对外国直接投资有正相关性，当年入学人数每增加一万人，FDI平均增加0.25507亿美元，去年入学人数每增加一万人，FDI平均增加0.52318亿美元，前年入学人数每增加一万人，FDI平均增加0.37271亿美元，同时居民消费价格指数的提高也会使FDI增加，具体为当年居民消费价格指数提高1则FDI增加3.08048亿美元；去年居民消费价格指数提高1则FDI增加1.45216亿美元；前年居民消费价格指数提高1则FDI增加0.33931亿美元。

居民消费价格指数一定程度反映了居民消费能力，越高则可以说明消费需求旺盛，是吸引外商投资的一个诱因；消费需求旺盛侧面反映了全国经济增长的态势，模型虽然删除了GDP这个较为重要的变量，但是从CPI也可以说明GDP在其中所起的作用。

劳动力水平的提高，使得外商投资的成本升高，模型中

的系数本应该是负的。

但是，90年代以来，外商在华的直接投资不再集中于劳动密集形的产业，很多高端技术产业也在中国大陆设立了科技园区，如果本土缺少高技术人才，而都要靠外国引进反而会增加外商的投资成本，所以平均劳动力素质提高，使的外商直接投资的总额增加，在模型中则体现为系数为正。

当然不可否认，劳动力价格水平的提高对我国吸引外资的竞争力下降，但是与东南亚相对落后的国家相比较，我们的硬件设施存在巨大的优势。

此外，我们应该把吸引外资的注意力引向高端产业方面，既有利于我国的经济发展，也有利于自身的技术发展，优化我国的产业结构，优化资源配置，使我国在世界贸易中更具竞争力。