计量外国直接投资fdi对我国经济发展的影响分析本科学位.docx

1、计量外国直接投资fdi对我国经济发展的影响分析本科学位计量经济学课程论文外国直接投资（FDI）对我国经济发展的影响分析经济与管理系经济学学生姓名： 学 号: 系 部: 专 业:二0六年五月外国直接投资(FDI)对我国经济发展的影响分析摘要：改革开放以来，外国直接投资(FDI)已成为国际资本流动的主要方式 ，对东 道国经济发展产生愈来愈重要的影响。 FDI的大量流入不仅缓解东道国经济发展过程中的资本短缺，加快国民经济工业化、市场化和国际化的步伐；更为重要的是； FDI可以通过技术外溢效应，使东道国的技术水平、组织效率不断提高，从而提高 国民经济的综合要素生产率。本文依据中国近年来的具体数据，运用

2、计量经济方法 进行实证分析和检验，并就分析结论提出政策建议。关键字：FDI，经济增长，计量经济学方法分析，政策建议1.引言近年来，外商投资规模的扩大和投资结构的变化对我国产业结构调整和升级， 以及向市场经济体制的过渡都产生了积极的影响。主要表现在：1、 改革开放以来中国在吸引FDI方面从无到有，从少到多，已经成为世界第 一吸引外资国家。90年代以来，中国成为吸引外国直接投资最多的发展中国家，FDI 已成为我国投资的重要来源，约占1/5。以三资企业为主体的其他经济占全社会固定资产投资总额比重迅速上升，由 1995年的11.1%上升到2002年的22.1%。2、 外国直接投资已成为中国经济增长的重

3、要源泉之一。 三资企业占工业总产值比重由1980年的0.5%上升到2002年的26%外商投资企业占全国出口总额 1985 年为1.1%，到2002年已经达到53%。外资企业已经成为中国经济的重要组成部分 之一，也成为促进中国经济高速增长的动力之一， 近年来对GDP总量增长率的贡献率不断增加，今后这一贡献作用还会越来越大。3、 外国直接投资企业已成为中国制造新增就业的主要渠道之一。 迄今为止，外 资企业已经为中国制造了近1800万个新增就业岗位。中国的基本国情是劳动力资源丰富，而资本资源稀缺。吸引FDI意味着利用工业国的剩余资本，为中国的剩余 劳动力创造更多的就业岗位。此外，外资企业也是增长最快

4、的国家税收来源之一。 2002年来源于三资企业的涉外税收超过千亿元，占全国工商税收总额的 20%以上。4、 外国直接投资推动了贸易的发展。一般来说，外商直接投资的贸易效应体现 在如下四个方面：其一是贸易替代效应，即从静态角度，一种商品可以通过贸易或 者投资方式进入一国市场，选择了投资，便会替代贸易。其二是贸易创造效应，即外国直接投资可以在母国和东道国之间创造新贸易，使贸易在更大的规模上进行。 其三是贸易补充效应，外国直接投资往往带来维修等后续的支持性活动的发展，从 而促进和增加贸易机会。其四是市场扩张效应，外国直接投资实现的生产扩大，既 会加深对东道国的市场渗透，也会进一步拓展新的第三国市场，

5、从而使贸易导向的 生产带来总贸易量的净增。近年来，随着国际资本流入规模的不断扩大，中国经济 国际化已由贸易导向逐步转向资本导向，大规模的外资流入推动了中国对外贸易的 增长。5、外国直接投资成为中国大规模引进外国先进技术的来源， 也是中国引进市场 机制、促进市场竞争的重要原因。外国直接投资促进了中国制造业的发展，提升了 制造业的竞争水平，将发达国家长期积累、高额投入的人力资源和知识技术存量转 移到本国，获得所谓“溢出效应”。6吸引FDI是中国缩小与发达国家发展差距并迅速赶上的重要途径。中国要 想缩小与发达国家的差距，最根本的就是要主动地参与世界经济一体化进程，积极 引进外资，促进出口贸易增长，充

6、分利用和享受国际分工和比较优势的好处，使外 国直接投资和国际贸易成为经济增长的发动机。那么，FDI对于中国经济增长的作用究竟如何评估？ FDI对中国经济的影响究 竟发挥多大的作用？2.理论基础-（哈罗德-多马模型）著名的哈罗德-多马模型指出G=S/C这里，G为收入增长率，s为储蓄倾向，C 是资本产量比，当技术不变，它是加速系数。模型表明，资本的增加与经济的增长 存在着密切的关系。将其应用到外国直接投资领域，则有：It4Y -Ya(1)其中，Gf是由FDI实现的经济增长率，G=Y 一丫2为GDP实际增长率，I f为上期Y -4的外国直接投资，Itd为上期全国固定资产投资总额，Sf可以看成外国直接

7、投资率。由方程（1）可以看出，外国直接投资对于经济增长的贡献与 GDF的增长及FDI 的投入量存在密切的正相关关系。假设 GDP增长率恒定，贝U FDI投入量越大，其对 经济增长的贡献越大，可见，FDI与经济增长率存在正向相关关系。3.模型设定3.1数据来源本文选取1995年一2014年的年度数据（表3.1.1 ），数据来自国家统计局，数据类型为时间序列数据。在此基础上进行计量经济学方法分析外国直接投资 （FDI）对我国经济发展的影响分析。数据库：年度数据时间：最近20年（万美元）（FDI）国内生产总值（亿元）（GDP）进口总额（亿元）（IM）时间实际利用外资额1995 年4813300611

8、29.811048.11996 年548050071572.311557.41997 年644080079429.511806.51998 年585570084883.711626.11999 年526590090187.713736.42000 年593560099776.318638.82001 年4967200110270.420159.22002 年550110012100224430.32003 年5614000136564.634195.62004 年6407200160714.446435.82005 年6380500185895.854273.72006 年6707600217

9、656.663376.862007 年7833900268019.473300.12008 年9525300316751.779526.532009 年9180400345629.268618.372010 年1088210040890394699.32011 年11769800484123.5113161.42012 年11329400534123114800.962013 年11872100588018.8121037.462014 年11970500635910.2120358.03数据来源：国家统计局表 3.1.13.2模型建立为了更好地分析FDI与经济增长的关系，我们试用时间序列数据

10、，分析 GDP（国内生产总值） 与FDI （外国直接投资）之间的相互关系。进行如下分析：3.2.1用GDP寸FDI进行回归，回归结果如下：Dependent Variable: GDPMethod: Least SquaresDate: 05/24/16 Time: 13:33Sample: 1995 2014Included observations: 20VariableCoefficientStd. Error t-StatisticProb.C-288398.832368.80 -8.9097800.0000FDI0.0700470.003998 17.521090.0000R-squ

11、ared0.944613Mean dependent var250028.1Adjusted R-squared0.941536S.D. dependent var188069.4S.E. of regression45473.74Akaike info criterion24.38230Sum squared resid3.72E+10Schwarz criterion24.48187Log likelihood-241.8230Hannan-Quinn criter.24.40174F-statistic306.9887Durbin-Watson stat1.062008Prob(F-st

12、atistic)0.000000表 3.2.1从表3.2.1估计结果看，t检验是显著，判定系数也高，看起来很好，但截距 项的系数为负值，不符合经济意义检验。3.2.2对模型进行取对数修正Dependent Variable: LOG(GDP)Method: Least SquaresDate: 05/24/16 Time: 13:33Sample: 1995 2014Included observations: 20VariableCoefficientStd. Errort-StatisticProb.C-23.452742.801554-8.3713320.0000LOG(FDI)2.25

13、30600.17724012.711930.0000R-squared0.899773Mean dependent var12.15329Adjusted R-squared0.894205S.D. dependent var0.770461S.E. of regression0.250601Akaike info criterion0.164729Sum squared resid1.130414Schwarz criterion0.264302Log likelihood0.352710Hannan-Quinn criter.0.184167F-statistic161.5931Durbi

14、n-Watson stat0.717046Prob(F-statistic)0.000000表322从表3.2.2估计结果看，t检验是显著，判定系数也咼，看起来很好，但截距 项的系数为依然负值，不符合经济意义检验，对于时间序列可能存在自相关。3.2.3自相关检验（B-G检验）Breusch-Godfrey Serial Correlation LM Test:F-statistic5.361070Prob. F(2,16)0.0165Obs*R-squared8.024911Prob. Chi-Square(2)0.0181Test Equation:Dependent Variable: R

15、ESIDMethod: Least SquaresDate: 05/24/16 Time: 13:35Sample: 1995 2014Included observations: 20Presample missing value lagged residuals set to zero.VariableCoefficientStd. Error t-StatisticProb.C1.0763762.347716 0.4584780.6528LOG(FDI)-0.0678940.148513 -0.4571600.6537RESID(-1)0.5702730.248349 2.2962530

16、.0355RESID(-2)0.1072900.251867 0.4259800.6758R-squared0.401246Mean dependent var-3.44E-16Adjusted R-squared0.288979S.D. dependent var0.243917S.E. of regression0.205676Akaike info criterion-0.148175Sum squared resid0.676841Schwarz criterion0.050972Log likelihood5.481747Hannan-Quinn criter.-0.109299F-

17、statistic3.574046Durbin-Watson stat1.832659表 3.2.3分析估计结果，其中，根据估计结果确定是否存在自相关Breusch-Godfrey Serial Correlation LM Test:F-statistic5.361070Prob. F(2,16)0.0165Obs*R-squared8.024911Prob. Chi-Square(2)0.0181表 3.2.4由表3.2.3和表3.2.4可知LM=8.024911,伴随概率p=0.0009，设：=0.05,m=2,可以做p检验，pv，说明模型中存在自相关。从上面表看出，resid (-1

18、)通过了 显著性检验，而resid ( -2 )未通过显著性检验，故可判断模型存在一阶自相关。3.2.4科克伦-奥克特迭代法修正：Dependent Variable: LOG(GDP)Method: Least SquaresDate: 05/24/16 Time: 13:33Sample (adjusted): 1996 2014Included observations: 19 after adjustmentsConvergence achieved after 195 iterationsVariableCoefficientStd. Error t-StatisticProb.C4

19、82.497524641.24 0.0195810.9846LOG(FDI)0.2627210.075780 3.4669000.0032AR(1)0.9997670.012082 82.746650.0000R-squared0.998174Mean dependent var12.21290Adjusted R-squared0.997946S.D. dependent var0.742684S.E. of regression0.033661Akaike info criterion-3.801002Sum squared resid0.018129Schwarz criterion-3

20、.651880Log likelihood39.10952Hannan-Quinn criter.-3.775765F-statistic4373.184Durbin-Watson stat1.523721Prob(F-statistic)0.000000Inverted AR Roots1.00表 3.2.5由表 325结果可知，DW=1.523731, n=19, k=1, ： =0.05，查表得： d =1.18, du =1.401。则有DW检验无自相关的区间为(1.401,2.599),此时的DW统计量落 入此区间，故模型中的自相关已经得到修正，并且 t统计量，F统计量以及判定系数都

21、很理想。还原截距系数：482.49750 48249.7550 1-0.99修正后结果为：Ln (GD?P) =48249.755 0.262721Ln(FDI )(24641.24) (0.07578)t= (0.019581) (3.4669)R2=0.998174 R2 =0.997946 F=4373.184 DW=1.523721该模型R2=0.998174, R2 =0.997946，可决系数很高，F检验值为4373.184 , 显著性较强。当:=0.05时,所有系数估计值高度显著。对系数估计值的解释如下： 在其他变量保持不变的情况下，如果 FDI每增加1%则GDF平均增加0.26

22、272%。 3.2.5Gra nger 因果分析运用Gran ger因果分析方法分析FDI和IM (进口)之间的因果关系，结果如下：Pairwise Granger Causality TestsSample: 1995 2014Lags: 2Null Hypothesis:ObsF-StatisticProb.IM does not Granger Cause FDIFDI does not Granger Cause IM181.924090.709440.18540.5100Pairwise Granger Causality TestsSample: 1995 2014Lags: 3表

23、 3.2.6Null Hypothesis:ObsF-StatisticProb.IM does not Granger Cause FDI174.260210.0351FDI does not Granger Cause IM 1.02082 0.4240Pairwise Granger Causality TestsSample: 1995 2014Lags: 4表 3.2.7Null Hypothesis:ObsF-StatisticProb.IM does not Granger Cause FDI163.299740.0805FDI does not Granger Cause IM

24、1.019560.4589表 3.2.8Pairwise Granger Causality TestsSample: 1995 2014Lags: 5Null Hypothesis:ObsF-StatisticProb.IM does not Granger Cause FDI1510.11960.0218FDI does not Granger Cause IM1.233080.4317表 3.2.9在对FDI和IM经过不同步长的格兰杰因果检验可知：设 :=0.05，由表二、四 结果可知FDI和IM直接存在格兰杰因果，认为IM是FDI的格兰杰因果。3.2.6对FDI和IM之间的关系进行分析

25、(1)用IM对FDI进行回归，回归结果如下：Dependent Variable: LOG(IM)Method: Least SquaresSample: 1995 2014Included observations: 20VariableCoefficientStd. Error t-StatisticProb.LOG(FDI)0.6704840.010174 65.900530.0000R-squared0.366160Mean dependent var10.58466Adjusted R-squared0.366160S.D. dependent var0.903364S.E. of

26、regression0.719205Akaike info criterion2.227365Sum squared resid9.827852Schwarz criterion2.277152Log likelihood-21.27365Hannan-Quinn criter.2.237084Durbin-Watson stat0.045297表 3210从表3.2.10估计结果看，t检验是显著，判定系数也高，看起来很好，由于是 时间序列数据，可能存在自相关。（2）B-G检验Breusch-Godfrey Serial Correlation LM Test:F-statistic55.50

27、473Prob. F(2,17)0.0000Obs*R-squared17.34326Prob. Chi-Square(2)0.0002Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 05/26/16 Time: 10:30Sample: 1995 2014Included observations: 20Presample missing value lagged residuals set to zero.VariableCoefficientStd. Error t-StatisticProb.LOG(F

28、DI)0.0015740.003984 0.3949990.6978RESID(-1)1.2076000.233194 5.1785220.0001RESID(-2)-0.2841540.242664 -1.1709780.2578R-squared0.867163Mean dependent var-0.011281Adjusted R-squared0.851535S.D. dependent var0.719112S.E. of regression0.277082Akaike info criterion0.408474Sum squared resid1.305165Schwarz criterion0.557834Log likelihood-1.084743Hannan-Quinn criter.0.437631Durbin-Watson stat1.347595表 3.2.11分析估计结果，其中，根据估计结果确定是否存在自相关Breusch-Godfrey Serial Correlation LM Test:F-statistic55.50473Prob. F(2,17)0.0000Obs*R-squared17.34326Prob. Chi-Square(2)0.0002表 3.2.12由表 3.2.11 和 3212 可知 LM=17.343