外商直接投资和经济增长相关性

外商直接投资和经济增长相关性

　　摘 要：理论和源自一些发达国家和地区的经验表明，外商直接投资(FDI)对经济增长存在正向推动效应。运用计量策略分析中国2005—2010年31个省市、自治区、直辖市的面板数据，并采用固定效应分析和随机效应分析等分析策略，考察了中国各地区外商直接投资与地区生产总值的关系。实证结果显示，中国外商直接投资和经济增长之间存在较高的相关性。

　　关键词：FDI;GDP;面板数据(Panel Data)模型;中国

　　一、文献综述

　　Rostow(1960)认为，发展中国家可以通过引进FDI弥补经济增长中的“资本缺口”以及“外汇缺口”，从而推动东道国的经济发展。Macdougall(1960)在分析FDI的经济效应时，第一次将技术外溢效应视为FDI的一个重要现象。20世纪80年代中期，新增长理论的代表人物Romer和Lucas等明确提出知识、人力资本等生产要素内生化。由于FDI的技术外溢效应，会加快先进科学技术、知识和人力资本在世界范围内的传递，使发展中国家通过学习和吸收发达国家的先进技术，培育并养成自己的内生技术创新能力。所以，根据内生增长理论，FDI会通过与资本存量、知识、人力资本的结合推动东道国经济增长。然而，FDI能够推动经济增长并不是绝对的。Abramovitz(1986)认为，东道国要获益于外国直接投资，取决于国内最低限度的社会能力，Borensztein(1998)认为，东道国要想从FDI中获得积极的影响，国内的人力资本存量必须超过一定的门槛限制。不过，仍有学者认为外国直接投资会对发展中国家的经济发展带来严重的负面影响。Prebisch (1988)认为，FDI可能会加深发展中国家经济发展的不平衡，对内部资本积累形成冲击，甚至形成“飞地”现象。

　　国内学者对FDI理由的有关研究，主要集中于FDI对经济增长的影响、FDI的最优规模和影响FDI流入因素的分析，主要的研究策略包括多元回归分析、面板数据分析、格兰杰因果检验、非线性系统动力分析策略等，得出的结论不尽相同。如沈坤荣和耿强(2001)认为，FDI的大量流入不仅可以缓解国内资本短缺，还可以通过技术外溢效应来提高国内的综合要素生产率;Sun(1998)认为，FDI是导致东西部经济增长差异和收入不平等的重要因素：于津平(20O4)认为，FDI在长期内主要通过技术外溢来间接地提高东道国的经济增长速度，但在短期内FDI会使国民利益受损。

　　二、研究框架和实证模型

　　(一)样本区间及数据来源

　　本文对GDP、FDI进行自然对数变换，分别用LGDP、LFDI表示自然对数的国内生产总值、外商直接投资额，以消除时间序列中存在的异方差现象并使其趋势线性化。数据来源于国家统计局发布的《中国统计年鉴》，单位为亿元人民币，样本区间为2005—2010年，包括31个省市、自治区和直辖市共计310个数据。

　　(二)实证模型

　　1.模型形式设定。从理论上讲，一般线性面板数据模型可以表示为：

　　yit=αit+βitxit+uit (1)

　　其中，yit是被解释变量，在本文中用lngdp表示;αit代表截面单元的个体特性，反映遗漏的体现个体差异的因素影响;βit是估计参数向量;xit是影响截面单元的解释变量向量，在本文中用lnfdi表示;uit 是随机扰动项，反映遗漏的体现截面与时序同时变化的因素影响;i代表不同截面单元，t代表不同时间。

　　根据αit，βit对不同省市的取值是否相同，模型的设定形式存在差异。在时间序列参数齐性(参数不随时间变化)假定下，式(1)模型可改写为：

　　yit=αi+βixit+uit (2)

　　其中，αi与βi与只受截面单元不同的影响。在参数不随时间变化前提下，截距和斜率参数又有如下两种假设，同时两种假设可以通过协方差分析构造的两个F统计量进行检验：

　　假设1：截距和斜率在不同横截面样本点上都相同，即模型为：

　　yit=α+βxit+uit (3)

　　其F检验统计量为：F1=～F〈(N-1)(K+1)，

　　N(T-K-1)〉 (4)

　　假设2：斜率在不同的横截面样本点上都相同但截距不相同，即模型为：

　　yit=αi+βxit+uit (5)

　　其F检验统计量为

　　F2=～F〈(N-1)K，N(T-K-1)〉 (6)

　　在式(4)和(6)的F检验统计量中，S3、S2、S1分别代表采用式(3)、(5)、(2)时估计残差平方和，N为截面单元个数，T为时序期数，K为自变量个数。

　　要对模型参数进行正确估计，必须首先对模型设定进行检验。如果假设1通过Fl统计量检验，则采用式(3)，否则转入假设2检验;如果假设2通过F2统计量检验，则采用式(5);如果假设2也被拒绝，则采用式(2)模型设定。

　　2.固定效应(Fix Effects)模型和随机效应(Random Effects)模型的选择。对于式(2)的变系数模型和式(5)的变截距模型，都有固定效应模型和随机效应模型之分，主要是为了消除无法观测变量对估计结果产生的影响。固定效应模型假设随机误差项uit与自变量相关，为了提高估计效果，使用哑元变量最小二乘法(Least Squares with Dummy Variable，LSDV)进行估计;随机效应模型假设是随机分布的，并与自变量严格不相关，使用广义最小二乘法(Estimated Generalized Least Squares，EGLS)来解决误差项中的时序相关理由。

　　Greene(2003)运用Hansman检验来决定固定效应模型和随机效应模型的取舍，其检验原理是：在uit与自变量没有相关性的零假设下，使用LSDV估计和EGLS估计都是一致的，但LSDV估计损失了很多自由度是低效的，故应选择随机效应模型;在备选假设情况下，只有LSDV估计是一致的，故应选择固定效应模型。

　　(三)实证检验

　　1.平稳性检验结果。所有变量在1%显著水平上都是非平稳的，而所有变量的2阶差分都是平稳的，故他们是二阶单整I(2)，变量间符合存在协整关系的条件。

　　2.F检验确定模型是变截距模型，变系数模型还是不变参数模型。先分别计算3种形式的模型：变参数模型、变截距模型和不变参数模型，在每个模型的回归统计量里可以得到相应的残差平方和S1=1.204993，S2=4.192949和S3 =49.83308，计算得，F1=62.551014 F2=7.6869