中美贸易与中国经济发展实证研究.docVIP

中美贸易与中国经济发展的实证研究 　　摘要：本文建立我国国内生产总值和中美贸易进出口额的时间序列模型，并对数据进行分析。通过运用Eviews3.1软件对相关经济变量进行了ADF检验，并且对修正后的变量进行了协整分析，从而探讨各经济变量在长期是否存稳定的协整关系，再利用格兰杰检验GDP与中美贸易中进出口额的格兰杰因果关系，最后测算中美贸易对中国经济增长的贡献率。 　　关键字：中美贸易；进出口额；Eviews3.1；ADF检验；格兰杰因果关系 　　 　　1．数据的选取与直观描述 　　本文采用宏观经济指标国内生产总值(GDP)反映我国经济总量；采用中国对美国出口额(EX)和中国从美国的进口额(IM)来反映中美贸易状况。样本数据取自1990年至2009年的中国GDP，对美出口额，对美进口额，数据来源于国家统计局。 　　2.模型建立 　　因为时间序列数据取对数后不会改变其性质，而且取对数后的数据更加容易得到平稳的时间序列，并且趋于线性，从而能消除时间序列中存在的异方差现象，所以分别对各组数据进行对数变换。通过检验发现中国GDP与对美的贸易进出口额三者之间存在很强的相关性。因此，本文为了研究三者之间的两两关系，对其两两之间分别建立一个模型。模型如下： 　　LNGDP==C1+LNEX+?%e1（1） 　　LNGDP=C2+LNIM+?%e2 （2） 　　LNEX=C3+LNIM+?%e3 （3） 　　其中LNGDP、LNEX、LNIM分别为GDP、EX、IM的对数值，Cl、C2、C3为常数项，?%e1、?%e2、?%e3随机扰动项，代表模型之外其他因素的影响。 　　3.平稳性检验 　　当时间序列不平稳时，在两个不存在任何意义的时间序列做回归分析时，如果所涉及的两个时间序列都显示较强劲的趋势(持续地上升或下降)，也会出现很高的拟合优度值，这种情况就是所谓的伪回归。这是因为回归分析得到的拟合优度是由于趋势的出现而不是由于两者具有真实关系，这样使用依据不平稳时间序列得到的回归模型作预测也会无效，所以在进行回归分析时要求所用的时间序列必须是平稳的。然而，现实中的经济时间序列通常都是非平稳的，所以先对数据进行平稳性检验-ADF检验。下面运用Eviews3.1软件分别对每个变量的时间序列数据的原序列进行检验。其中检验过程中的滞后项的确定采用AIC准则和SC准则。检验结果见下表1。 　　表1 各变量的平稳性检验 　　变量 ADF值 临界值（10%） 结论 　　LNEX-1.63094 -2.6608 不平稳 　　LNIM-0.872609 -2.6608不平稳 　　LNGDP0.784307 -2.6608不平稳 　　D（LNEX，2）-5.4402 -2.6754 平稳 　　D（LNIM，2） -3.101874 -2.6745平稳 　　D（LNGDP，2）-5.692332 -2.6745平稳 　　由上表可以看出，各原序列都是非平稳的，经过二阶差分以后在10%置信水平下都变为平稳的。所以，三个序列都是二阶单整的非平稳变量，它们满足协整分析所要求的条件，从而可以讨论它们之间的波动是否存在长期的均衡关系。 　　4.协整检验 　　4.1对 GDP和出口额EX进行协整分析 　　首先将GDP和出口EX进行协整回归，EX作为被解释变量：然后对回归残差序列进行单位根检验，验证其平稳性，以此判断GDP和出口EX是否存在长期均衡关系。 　　GDP和出口EX协整回归结果： 　　LNGDP=5.638045+0.614080LNEX （4） 　　(34.48243) (23.62833) 　　R-squard=0.968766Adjusted R-squard=0.967031 F=558.2980 　　DW=0.516776 　　我们可以看到，以上模型DW值明显偏低，这说明上式中的残差存在严重的正相关。 　　利用广义差分法消除自相关可以得到： 　　LNGDP=5.388741+0.650163LNEX+1.000473AR(1)-0.543925AR(2) （5） 　　(16.94792) (13.17906) (4.405372)(-1.972370) 　　R-squard=0.987368Adjusted R-squard=0.984662F=364.7758 　　DW=2.069758 　　上述模型拟合优度很高，各个参数和方程也通过了显著性检验，对残差e进行平稳性检验如下图所示： 　　表2 残差项R1的平稳性检验 　　ADF统计检验-2.9529161％标准值 -3.9228 　　 5％标准值 -3.0659 　　 10％标准值 -2.6745 　　所以，对协整同归后的残差序列