外商直接投资与中国经济增长关系再检验——基于bootstrap仿真方法的实证研究

　　外商直接投资(FDI)与经济增长的关系历来是学术界颇有争议的问题之一。对两者关系的理论阐述可回溯到新古典增长模型。由哈罗德一多马模型引出的“双缺口”模型揭示了外资的流人通过放松储蓄约束和外汇约束对增长产生正效应，但这种正效应只有在进口消费比率、储蓄替代效应、吸收能力等条件满足的情况下才能实现。索罗模型(Solow，1956)认为，FDI仅仅是增加了资本积累，因而只能对短期经济增长产生影响。从长期看来，FDI影响产出增长的程度是有限的。在索罗模型中，长期的增长只能是技术与知识提升的结果。没有技术进步，国内和外国投资递减的边际收益最终将制约经济增长。然而经济全球化和FDI对全球经济的影响并没有支持这一结论，主要原因在于新古典增长理论假定技术进步是外生的，所以FDI就不能通过促进技术进步来影响东道国经济增长。而罗默(Romer,1986)与卢卡斯(Lucas,1988)为代表的内生增长理论放松了技术外生的假设，认为技术进步是内生的，它是影响一国经济增长的主要因素，技术进步来源又可分为自主创新和从外部引进、模仿及学习。FDI作为外来资本与国际技术扩散的重要渠道，不但增加了东道国的资本存量，而且可以给东道国带来包括技术、知识、管理经验等一揽子溢出效应。显然，理论上对两者的关系无法达成一致的看法。如同FDI在经济发展中的作用在理论上没有统一的结论一样，许多计量经济学家做的实证研究也得出了不尽相同的结果，其分歧程度丝毫也不差于理论上分歧的程度。

 

　　学术界对于两者的关系还没有定论，促使研究者使用更为稳健的实证研究方法进行分析，以期得到更为可靠的结论。在应用层面，一国在经济增长的政策选择方面，比如是引进外资促进经济增长还是转向其他经济变量的调控，也需要正确认识FDI与经济增长的关系。因此采用更为稳健的检验方法验证FDI与经济增长的因果关系，无疑对于发展中国家尤其中国有效利用FDI有着重要的意义。本文焦点集中于检验中国经济增长与FDI的因果关系，为传统因果关系检验提供一种可供替代的方法。

 

　　一、文献回顾

 

　　在理论研究的基础上，国内外学者开始对FDI和东道国经济增长之间的关系进行了检验。相关文献众说纷纭，见仁见智。譬如，V.N. Balasubramanyam和M. Salisu(1996)使用包含46个发展中国家的样本的横截面数据，在新增长的框架内检验了在采用不同贸易政策体制的发展中国家的增长过程中FDI所起的作用。研究结果支持FDI一定程度促进了东道国经济增长，而且其作用在采取外向型国家要比那些内向型国家更强一些。Blomstron(1994)、Olofsdotter(1998)、Mina(2004)等学者用OLS方法研究表明，FDI对经济增长都有较大的影响。Laure(2004)也支持这个观点，但是指出FDI要对经济增长发挥作用，东道国必须有一个发达的金融市场。另外一些学者持相反的观点。Gupta和Islam(1983)考察了一些发展中国家的FDI对经济增长的作用，结果发现FDI对经济增长没有明显作用。Saddi(2005)实证结果也认为，在发展中国家，FDI对经济增长是不起作用的，其原因主要是发展中国家企业的技术能力缺乏和人力资本缺乏。Marco Neuhaus(2006)以中东欧转型国家为研究对象，发现没有证据支持FDI对经济增长有正向的促进作用。国内对中国经济增长与FDI关系的研究大致沿着两种路径进行。一是对FDI与投资、就业等的关系分别做定性定量分析开始，再根据投资、就业与增长之间存在的正向关系，间接得出FDI与经济增长关系的结论。其缺陷是缺乏对FDI与经济增长关系的直接综合计量分析。二是利用FDI与GDP的总量时间序列数据进行计量分析，涉及的计量方法多种多样，结论自然不尽相同。大多数研究支持FDI促进了中国的经济增长。例如，沈坤荣等(2001)通过构建FDI与人力资本的内生增长模型进行实证分析，结果表明，FDI的增长导致经济增长，FDI技术扩散效应的发挥程度与人力资本水平有着重要的关系。Jordan Shan和Chong Hsiao(2002)，认为中国经济增长与FDI之间存在着双向的因果关系，而经济增长对FDI的影。向要大于FDI对经济增长的影响。陈浪南(2002)以OLS方法对外商直接投资与经济变量进行回归得出，外商直接投资对某些经济变量有影响，但不是对所有的经济变量有影响。叶莉(2004)以外商直接投资与GDP为变量进行相关分析，认为外商直接投资对中国的经济有一定程度的影响。周春应(2006)应用向量自回归模型(VAR)对FDI与中国经济增长以及经济增长的影响因素的长期均衡和动态关系进行了分析，结果表明FDI虽然对就业有负效应，却是GDP、人力资本等经济变量的格兰杰因。持相反观点的也有，例如花俊等(2001)与何晓琦等(2005)认为外资对中国经济增长并没有显著的影响。

 

　　诚然，造成这些结论大相径庭的因素是多方面的，但在我们看来，实证研究所采用林林总总的方法存在的问题应是重要原因之一。纵观这些实证研究，我们发现其中一些缺陷：一是采用横截面分析由于没有考虑到经济个体之间的异质性，其结论缺乏参考价值；并且采用横截面数据进行OLS回归，只能表明外商直接投资与经济增长有关系，并不能说明两者是否存在因果关系。二是运用简单线性回归对时间序列数据建模从而得出结论。而传统的时间序列经济计量学对经济变量进行研究时，通常都假设所分析的数据满足平稳性要求，但往往时间序列数据并不满足平稳性要求，此时直接运用简单线性回归方法可能产生“虚假回归”，从而得出的模型也丧失了解释力。

 

　　由于横截面分析以及简单时间序列线性方法的缺陷，近年来国内外应用协整技术与误差修正模型(ECM)、VAR模型分析FDI与经济增长的格兰杰因果关系成为主流。然而我们注意到，基于VAR模型或者ECM模型的格兰杰因果关系检验要求有足够的样本，否则可能导致对原假设的过度拒绝，得出虚假的因果关系(Mantalos,2000)。尤其中国缺乏长时间的FDI数据，因果关系检验结论的不稳定性显得特别突出。另外当VAR系统中含有单整变量或者协整关系时，那么对系统中系数约束的Wald检验将渐进于非规则分布，相应的因果关系检验也就缺乏可靠性(Toda&Phillips,1993)。更加值得注意的是，因果关系检验方法采用渐进临界值进行因果关系推断，因此结论只能在渐进程度上保证推断可信，而且这些检验方法的一个重要假设是模型中误差项是服从独立同分布的白噪声。实证分析中这种苛刻的假设往往无法满足，再加上研究者经常忽视了检验方法适用的条件，由此得到的结论自然值得怀疑。基于以上考虑，我们采用Mantalos等人(2000)提出的修正的格兰杰因果关系检验方法。这种方法利用数据的真实经验分布，通过bootstrap仿真方法来构造新的临界值进行统计推断，更为重要的是，这种方法不需要误差项服从独立同分布的假设，而完全依赖于数据本身的信息分布特征，即使数据生成过程是非平稳或者变量之间存在协整关系，也可以得到稳健的结果(董直庆,2007)。

 

　　二、基于VAR的bootstrap似然比检验

 

　　为简单起见，我们考虑两变量的VAR(p)模型：

 

　　y_t=v+A₁y_t-1+…+ A_py_t-p+ε_t　　　　(1)

 

　　其中ε_t=(ε_1t，ε_2t)是一个具有零均值、具有非奇异协方差阵的白噪声过程，p为一个已知的VAR模型的滞后阶数。v，A₁，…A_p为待估的参数矩阵。进一步，可以把(1)式写成：

 

 

　　如果零假设成立，H₀: A_12，j=0，i=1，2…p则认为y_2t不是y_1t的格兰杰因，否则认为y_2t是y_1t的格兰杰因。

 

　　为方便描述，在给出LR统计量前，采取Hatemi-J(2002)的记号，我们先定义以下矩阵：

 

　　Y=(y₁,y₂，...y_T)　　　　2*T矩阵

 

　　B=(v，A₁，…，A_p)　　　　2*(2p+1)矩阵

 

　　　　 (2p+1)*1矩阵

 

　　Z=(Z₀，…，Z_T-1)　　　　(2p+1)*T矩阵

 

　　δ=(ε₁，…ε_T)　　　　    2*T矩阵

 

　　采用矩阵记号后，两变量的VAR(p)模型可以写成矩阵形式：

 

　　Y=BZ+δ　　　                    　(3)

 

　　记为无约束模型(3)的残差估计矩阵，为施加零假设约束模型的残差估计矩阵。将残差的交叉积矩阵分别定义为。则LR统计量可写成：

　　

    LR=(T-p)(ln det S_r-ln det S_u)　　　(4)

 

　　在大样本条件下，LR统计量服从渐进自由度等于约束个数的x²分布。

 

　　由于现实的小样本性，以及VAR系统中可能含有单整变量或者变量之间可能存在协整关系，从而导致格兰杰检验统计量非规则渐进分布特性，进而引发统计推断不可靠性和非真实性的问题。为改进LR检验，Mantalos等人提出了基于bootstrap的LR检验，经仿真与传统Wald检验、修正的Wald检验以及似然比检验进行比较，结果表明在小样本中这种检验方法比其他检验的效率更高。其实现步骤我们简述如下：

 

　　1、将所需检验的零假设代人式(3)，得到无约束模型。对无约束模型进行最小二乘法估计，得到系数矩阵与随机扰动项的估计值，对残差进行标准化后得到。

 

　　2、对有放回的抽取bootstrap样本，基于所估计的参数，按照式(5)生成bootstrap样本序列Y^*。

 

 

　　3、以Y^*为新样本，分别重新估计无约束与约束模型，得到，进而计算出LR统计量。

 

　　4、重复以上步骤B次，得到B个LR统计值，按其升序排列，可得到各分位点的临界值LR^b。

 

　　5、直接利用原始数据分别对无约束与约束模型进行回归，得到LR统计值，如果LR统计值大于bootstrap仿真的临界值LR^b，则拒绝原假设。

 

　　上述检验我们使用matlab6.5编程实现，关于抽样次数B，本文参考Hatemi-J等人的做法，取B=1000。

 

　　三、实证分析

 

　　1、数据来源与处理

 

　　本研究的样本是中国1980—2006年时间序列数据，来源于历年《中国统计年鉴》与《中国对外经济贸易统计年鉴》。以GDP总量衡量经济增长，以1980年为基期，利用GDP指数折算为实际GDP。FDI数据采用统计年鉴中的实际利用外资，因为统计年鉴中FDI以美元计，我们先利用平均汇率折算为以人民币计算的FDI，最后经消费价格指数折算为实际FDI。考虑到对变量取对数之后不会改变变量的性质及关系，且容易得到平稳序列，本文对FDI和GDP分别取对数，记为InGDP和lnFDI。

 

　　实证结果分两部分报告，第一部分：采用多种单位根检验方法对变量lnGDP和lnFDI进行单位根检验以及协整检验，基于检验结果说明通常的渐进理论不能使用；第二部分：为克服传统检验存在的缺陷，采用基于bootstrap的似然比检验方法对中国经济增长与FDI关系进行实证。

 

　　2、单位根与协整检验(采用Eviews5.1软件检验)

 

　　首先采用ADF、PP、KPSS等检验方法对lnFDI与lnGDP进行单位根检验。由于两个时间序列都有随时间变化而上升的趋势，因此在单位根检验时选择含有常数与趋势项进行检验，滞后长度则根据BIC最小准则选定。检验的结果列在表1中。

 

 

　　表1的检验结果显示，三种检验方法在5%显著水平上都支持lnFDI与lnGDP是非平稳时间序列，而经过一阶差分后，得到了平稳的时间序列，这说明InFDI与lnGDP是一阶单整序列。

 

　　在检验出lnFDI与lnGDP都是一阶单整序列后，进一步可以考察两者是否存在协整关系。协整检验方法采用Johansen极大似然法。滞后长度的选择同样基于BIC最小的准则，考虑到研究所使用数据是低频样本，所以最大滞后长度设为4，检验的结果列在表2中。

 

 

　　检验结果显示，在5%显著性水平上，FDI与GDP存在一个协整关系，也即两者在水平上有长期稳定的关系，进一步地，可以确定两者至少在一个方向上存在格兰杰因果关系。以上单位根与协整检验结果表明，VAR系统中，两个时间序列lnFDI与lnGDP都存在单位根，并且两者存在协整关系，也即具有共同的随机趋势。这将导致基于VAR模型的传统格兰杰因果关系检验结果无法令人信服，鉴于bootstrap仿真方法可以在两者存在协整关系以及两者都是单整序列的条件下得到格兰杰因果关系检验的稳健临界值，下一步我们将使用基于VAR的bootstrap似然比检验方法验证两者在哪个方向上存在格兰杰因果关系。

 

　　3、基于VAR的bootstrap似然比检验

 

　　首先，我们建立含有两变量LnFDI、LnGDP的VAR(2)模型，如式(6)所示。模型中变量的滞后长度基于BIC最小准则定为2。

 

　　LnFDI_t=α₁+α₁₁LnFDI_t-1+α₁₂LnFDI_t-2+β₁₁LnFDI_t-1+β₁₂LnFDI_t-2+ε_1t

 

　　LnGDP_t=α₁+α₁₁LnGDP_t-1+α₁₂LnGDP_t-2+β₂₁LnGDP_t-1+β₂₂LnGDP_t-2+ε_2t　　(6)

 

　　检验假设H₀:GDP不是FDI的格兰杰因，也即检验H₀:β₁₁=β₁₂=0。把零假设代入式(6)得到约束模型：

 

　　LnFDI_t=α₁+α₁₁LnFDI_t-1+α₁₂LnFDI_t-2+ε_1t

 

　　LnGDP_t=α₁+α₂₁LnGDP_t-1+α₂₂LnGDP_t-2+β₂₁LnGDP_t-1+β₂₂LnGDP_t-2ε_2t　　(7)

 

　　对约束模型即式(7)进行OLS估计，得到各个估计系数与残差，对残差进行bootstrap重复抽样1000次，然后零均值化，进一步基于估计系数，得到序列LnFDI与LnGDP各1000个bootstrap样本。由新样本，重新对约束模型与无约束模型进行估计，依据式(4)得到1000个LR统计值，按升序排列后，取其中的第26个和第975个数值作为各个估计值在5%水平上的置信区间的下限和上限，也就是5%分位数对应的临界值。最后把原样本代人约束模型与无约束模型进行估计，得到LR检检验统计值。与由bootstrap仿真得到的临界值进行比较，结果显示，由原样本进行回归得到的LR统计值为63.77，大于模拟所得到的5%的临界值。因此，在5%显著性水平上，拒绝零假设，也即意味着中国经济增长是FDI的格兰杰因。检验假设H₀:FDI不是GDP的格兰杰因，同样可依据上面的步骤进行。最终检验结果列在表3中。从最终检验结果看出，1983—2006年期间，中国经济增长与FDI的流人存在双向的因果关系。

 

 

　　四、结论

 

　　基于VAR模型的传统格兰杰因果关系检验建立在渐进理论基础之上，结论只能在渐进程度上保证推断可信。另外当VAR系统中若存在单整序列或者变量存在协整关系，可能导致检验失效。特别中国FDI时间序列的小样本特性，在研究中国经济增长与FDI关系时，对于这个问题研究者应该特别重视，否则得到的结论可能无法令人信服。本文采用适应小样本检验的bootstrap似然比检验方法对中国经济增长与FDI因果关系重新进行检验，弥补了既往研究的不足。实证结果显示，FDI与中国经济增长存在双向的格兰杰因果关系。FDI是中国经济增长的格兰杰因这一结论从宏观层面上支持FDI是中国经济增长的驱动力之一，也与大多数实证研究结果相一致的(如萧政，2002；岳朝龙，2005等)。经济增长成为FDI流人的格兰杰因这一结论与现存的一些文献不同，这些研究认为中国高速增长的经济并不是FDI流人的格兰杰因，而是多因素影响的结果。但我们认为，固然外商投资区位决策的影响因素有很多，工资水平、交易成本、人力资本、优惠政策等因素都会对FDI的流向产生影响，然而经济增长或经济发展水平是无疑是最重要的因素，这无论在FDI区位选择的理论分析或者国内外实证研究中都得到广泛的支持。

 

　　鉴于中国FDI时间序列样本较小，以往研究中国经济增长与FDI因果关系往往面临小样本特性的问题，从而在实证研究中无法得到令人信服的结论。但是本文所使用的实证方法具有以往方法所不具有的优点，有理由相信，本文的结论应比以往的研究结论具有更强的稳健性。