论题:对外贸易与四川经济增长关系 实证分析 众所周知，投资、消费与出口是拉动经济增长的三驾马车。而改革开放以来，四川对外贸易为四川经济发展做出了重大贡献，如2000年出口达到13.9435亿美元。理论界一直在探讨对外贸易与经济增长之间的关系。我们认为外贸与经济增长之间存在着双向的因果关系，一方面，外贸发展取决于经济增长；另一方面，经济增长也依赖于外贸发展。本文意在分析对外贸易对四川经济增长的贡献率和拉动度，进而分析对外贸易与四川经济增长之间的数量关系，并提出相关的建议。 一、对外贸易对四川经济增长的经济效应分析 衡量对外贸易对经济增长的作用，这里我们采用现在学术界一般采用的对外贸易对经济增长的贡献率和拉动度两个概念来表示。对外贸易对GDP的贡献率是指各变量的增量与GDP增量的比值，而对外贸易对经济增长的拉动度是指GDP的增长中有多少是由对外贸易贡献的，简单说来即是贡献率与GDP增长率的乘积。 衡量对外贸易对经济增长的贡献，不同的分析方法得出的结论大相径庭，并不存在公认的标准。比较流行的主要有两种分析方法，一是净出口分析法，该分析法源于用支出法核算的国内生产总值恒等式，即GDP 等于投资、消费与净出口之和：GDP=I+C+X-M,这里，I表示投资，C表示消费，X表示出口，M表示进口，X-M表示净出口。根据该恒等式，GDP的增量为投资，消费和净出口三部分增量之和，因而对外贸易对经济增长的贡献率可以用净出口增长占GDP 增量的比重（百分数）来表示，对外贸易对经济的拉动度则等于GDP增长速度与该比重的乘积。二是出口总量分析法，该分析法只考虑出口总量增长对国民经济增长的贡献率，用GDP的增长速度与该比重的乘积表示对GDP的拉动度。 因此，出口、净出口对经济增长的贡献率分别用出口值、净出口值与GDP比值的百分比来表示，根据此公式及有关统计数据计算出近10年出口、净出口对四川经济增长的贡献率（见表1）。如：2000年净出口对四川经济增长的贡献率=（2000年净出口值*2000汇率-1999年净出口值*1999年汇率）/（2000年GDP-1999年GDP）*100%=[2.4353*8.2784-（-1.8923*8.2783）]/（4010.25-3711.61）*100%=12.00%。出口、净出口对经济增长的拉动率分别等于出口值、净出口值与GDP增量的比值再乘以GDP的增长速度。根据此公式及有关统计数据计算得出近10年出口、净出口对四川经济增长的拉动度（见表1）。如：2000年出口对四川经济增长的拉动度=（2000年出口值*2000年汇率-1999年出口值*1999年汇率）/（2000年GDP-1999年GDP）*2000年GDP增长速度=[(13.9435*8.2784-11.4073*8.2783)/ （4010.25-3711.61）]*9%=0.63%. 表1 1992-2001年对外贸易对四川省GDP增长的贡献 年份 GDP (亿元) 进口总量 (亿美元) 出口总量 (亿美元) 净出口总量 (亿美元) 汇率 外贸贡献率(%) 外贸拉动度(%) 出口总量法 净出口法 出口总量法 净出口法 1991 1016.31 2.4758 9.0144 6.5386 5.3233 NA NA NA NA 1992 1177.27 4.4318 9.7213 5.2895 5.5146 3.50 -3.50 0.46 -0.46 1993 1486.08 7.2920 10.4224 3.1304 5.7620 2.09 -3.60 0.27 -0.46 1994 2001.41 8.7300 15.1400 6.4100 8.6187 13.67 7.22 1.56 0.82 1995 2504.95 9.7515 18.5057 8.7542 8.3510 4.78 3.55 0.52 0.38 1996 2985.15 10.5961 15.5281 4.9320 8.3142 -5.30 -6.68 -0.54 -0.67 1997 3320.11 10.7111 16.4429 5.7318 8.2898 2.15 1.94 0.22 0.20 1998 3580.26 9.2162 11.7166 2.5004 8.2791 -15.11 -10.31 -1.38 -0.94 1999 3711.61 13.2996 11.4073 -1.8923 8.2783 -1.96 -27.69 -0.11 -1.55 2000 4010.25 11.5082 13.9435 2.4353 8.2784 7.03 12.00 0.63 1.08 2001 4421.76 15.1644 15.8272 0.6628 8.2770 3.78 -3.57 0.35 -0.33 年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 GDP增长速度（%） NA 13 12.9 11.4 10.8 10.1 10.2 9.1 5.6 9 9.2 资料来源：四川统计年鉴1997 四川统计年鉴2004 中国统计年鉴2003 四川统计信息网（http://www.sc.stats.gov.cn/）
从表1可以看出，对外贸易对四川GDP增长的贡献率和拉动度波动较大。 按照出口总量法，1991-2001年，有7年外贸对四川GDP增长的贡献率和拉动率为正值。其中2000年达到最高，贡献率为7.03％，拉动度为0.63%。说明2000年四川GDP增长的298.64亿元中，有7.03％是由出口贡献的，GDP增长9%，其中有0.63个百分点是由出口拉动的。 按照净出口法，1991-2001年中有4年外贸对四川GDP增长的贡献率和拉动率为正值。其中也是2000年达到最高，贡献率为12.00％，拉动度为1.08％。 总体上看，在亚洲金融风暴以后的1998、1999两年中，外贸对四川的GDP贡献率和拉动度均为负值。在WTO的影响下，2000、2001年外贸对四川GDP增长的贡献率和拉动度又有所上升。因此，对外贸易对四川经济发展起到一定程度的作用。但是，由于进口也在增长，所以按照净出口法，对外贸易对四川经济增长的贡献还不大，2001年还为负值。 净出口法完全将进口作为对国民经济增长的负面因素来考虑，认为进口产品完全市对国内需求的抵消，是国内可供商品的完全替代。出口总量法是完全不考虑进口，认为进口商品都是国内供给不足的补充。两种方法都有极端性。为了比较准确地衡量对外贸易对四川经济增长的作用，下面采用定量方法分析四川经济增长与对外贸易的关系。 二、四川经济增长与对外贸易关系的实证分析 （一）数据的选取 为了测度对外贸易对四川经济的促进作用，选用四川进口、出口、GDP年度数据进行回归分析。四川GDP数据，进口、出口数据来源于《四川统计年鉴》及四川统计信息网。 （二）模型建立、回归结果及分析 1、四川省出口对GDP的影响 根据四川省1978－2004年国内生产总值与出口总额的数据资料，见表2。其中X表示出口（万美元），Y表示国内生产总值（人民币亿元），试建立一元线性回归函数。设模型的函数形式为： Y＝α1＋β1X＋μ1
表2模型应用的数据表 年 度 Y X 年 度 Y X 年 度 Y X 1978 184.61 1905 1987 530.86 50733 1996 2985.15 155281 1979 205.76 2681 1988 659.69 59427 1997 3320.11 164429 1980 229.31 3746 1989 744.98 64351 1998 3580.26 117116 1981 242.32 7834 1990 890.95 71635 1999 3711.61 114073 1982 275.23 9588 1991 1016.31 90144 2000 4010.25 139435 1983 311 9299 1992 1177.27 97213 2001 4421.76 158272 1984 358.06 15206 1993 1486.08 104224 2002 4875.12 271145 1985 421.15 24478 1994 2001.41 151400 2003 5456.32 321291 1986 458.23 33840 1995 2504.95 185057 2004 6556 398371 由Eviews软件查看X随时间的变化趋势图，如图1： 图1 由图可知，从1978－2004年，曲线总体平稳且成上升趋势，但图线在1994－1997段有一个非常明显尖端突起，这表明在这段时间内出现了数据异常的情况，具体原因不明。由于在小样本条件下，可剔除个别样本点而模型不受影响，我们可将94－97年的数据剔除再用OLS进行参数估计，回归结果见表3： Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 22:29 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. X 0.017773 0.001493 11.90610 0.0000 C 135.0107 210.0070 0.642887 0.5273 R-squared 0.870972 Mean dependent var 1817.527 Adjusted R-squared 0.864828 S.D. dependent var 2026.396 S.E. of regression 745.0205 Akaike info criterion 16.14764 Sum squared resid 11656167 Schwarz criterion 16.24638 Log likelihood -183.6979 F-statistic 141.7553 Durbin-Watson stat 0.604723 Prob(F-statistic) 0.000000 表3 得回归方程如下： Y＝135.0107＋0.017773X t= (0.642887) (11.90610) R2=0.870972，F=141.7553，D.W.=0.604723 从R2和F统计量看，方程整体回归拟合程度较好；在α=0.05，当n=23，k=2时，11.90610>t0.05(21)=2.08>0.642887，可知β1=0.017773通过了t检验，而α1=135.0107，即常数项没有通过t检验，该系数不显著；在α=0.05，n=23，k’=1时，dl=1.257，du=1.437，D.W.= 0.604723<dl，表明该模型存在着严重的自相关。 (1)自相关的修正 用广义差分法，由D.W.= 0.604723，得ρ=1- D.W./2=0.6976835，由：DY=Y-ρYt-1，DX=X-ρXt-1，利用Eviews3.1，进行OLS参数估计，结果如表4： Dependent Variable: DY Method: Least Squares Date: 06/01/05 Time: 22:35 Sample(adjusted): 2 23 Included observations: 22 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. DX 0.014109 0.002275 6.202419 0.0000 C 174.8600 146.7389 1.191640 0.2474 R-squared 0.657944 Mean dependent var 774.0348 Adjusted R-squared 0.640841 S.D. dependent var 864.4698 S.E. of regression 518.0754 Akaike info criterion 15.42463 Sum squared resid 5368042. Schwarz criterion 15.52381 Log likelihood -167.6709 F-statistic 38.47000 Durbin-Watson stat 1.476956 Prob(F-statistic) 0.000005 表4 DY＝174.8600＋0.014109DX t = (1.191640) (6.202419) R2=0.657944，F=38.47000，D.W.=1.476956 我们发现经用广义差分法后，D.W.值有了明显的提高。当α=0.05，n=22，k’=1时，dl=1.239，du=1.429，4-du=2.571，du<D.W<4-du，可见此时模型中的随机误差项已不存在正自相关了，并且常数项的显著性有了明显的提高，虽然F统计量值有一定的下降，但整体拟合还是较好的。 (2)异方差的检验 利用ARCH法进行检验，检验结果见表5： ARCH Test: F-statistic 0.905113 Probability 0.465191 Obs*R-squared 2.937306 Probability 0.401393 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/02/05 Time: 10:41 Sample(adjusted): 7 23 Included observations: 17 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 2.50E+11 2.11E+11 1.185247 0.2571 RESID^2(-1) 0.162351 0.256113 0.633904 0.5371 RESID^2(-2) -0.262755 0.263329 -0.997821 0.3366 RESID^2(-3) 0.607005 0.404445 1.500834 0.1573 R-squared 0.172783 Mean dependent var 3.36E+11 Adjusted R-squared -0.018114 S.D. dependent var 6.73E+11 S.E. of regression 6.79E+11 Akaike info criterion 57.52793 Sum squared resid 5.99E+24 Schwarz criterion 57.72398 Log likelihood -484.9874 F-statistic 0.905113 Durbin-Watson stat 2.487420 Prob(F-statistic) 0.465191 表5 当α=0.05，自由度p=3时，χ23(0.05)=7.81473，Obs*R2=2.937306<7.81473，所以模型中随机误差项不存在异方差。 于是，最终得到回归方程：DY＝0.014109DX＋174.8600，这表明四川省出口每增长1万美元，GDP增长0.014109亿元人民币，这再次验证了出口对GDP的拉动作用。 2、四川省进口对GDP的影响 根据四川省1978—2001年国内生产总值进口总额的数据资料，见表6。其中Y表示国内生产总值（人民币亿元），M表示进口总额（万美元）。设模型的函数形式为： Y=α2+ß2M+u2
表6： 年度 Y M 年度 Y M 年度 Y M 1978 184.61 2162 1986 458.23 12018 1994 2001.41 87300 1979 205.76 2094 1987 530.86 15813 1995 2504.95 97515 1980 229.31 4256 1988 659.69 18029 1996 2985.51 105961 1981 242.32 3150 1989 744.98 21060 1997 3320.11 107111 1982 275.23 3783 1990 890.95 12470 1998 3580.26 92162 1983 311 2480 1991 1016.31 24758 1999 3711.61 132996 1984 358.06 6868 1992 1177.27 44318 2000 4010.25 115082 1985 421.15 11321 1993 1486.08 72920 2001 4421.76 151644
运用OLS估计模型的参数，结果如表7。
表7 Dependent Variable: Y Method: Least Squares Date: 05/30/05 Time: 13:41 Sample: 1978 2001 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob. C 152.9980 95.28555 1.605679 0.1226 M 0.027941 0.001397 20.00453 0.0000 R-squared 0.947890 Mean dependent var 1488.638 Adjusted R-squared 0.945521 S.D. dependent var 1426.867 S.E. of regression 333.0412 Akaike info criterion 14.53407 Sum squared resid 2440162. Schwarz criterion 14.63224 Log likelihood -172.4088 F-statistic 400.1811 Durbin-Watson stat 1.357110 Prob(F-statistic) 0.000000
从表7得回归方程如下： Y=152.9880+0.027941M (95.28555) (0.001397) t=(1.605679) (20.00453) R2=0.947890 F=400.1811 D.W.=1.357110 从数据的回归结果看，方程的整体拟合程度较好。但是，在α=0.05的显著水平下,t0.025(22)=2.074>1.606,即常数项没有通过T检验。而且，在0.05的显著性水平下，n=24,k’=1时,dl=1.273,du=1.446,有dl<D.W.<du，统计量落在了不能判断的区域。尝试调整样本容量，或是改变模型的函数形式。 修正模型如下： （1）利用对数线性回归对原模型进行修改 根据LY=α2+ß2LM+ u2进行转换，其中LY=LOGY，LM=LOGM。运用OLS估计模型参数见表8。 表8 Dependent Variable: LY Method: Least Squares Date: 05/31/05 Time: 13:02 Sample: 1978 2001 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob. C 0.046474 0.640912 0.072512 0.9428 LM 0.683696 0.064310 10.63119 0.0000 R-squared 0.837064 Mean dependent var 6.790815 Adjusted R-squared 0.829658 S.D. dependent var 1.082435 S.E. of regression 0.446748 Akaike info criterion 1.306012 Sum squared resid 4.390848 Schwarz criterion 1.404183 Log likelihood -13.67215 F-statistic 113.0223 Durbin-Watson stat 1.397076 Prob(F-statistic) 0.000000 从回归结果看，整体回归的效果有所下降，常数项仍没通过T检验,而且dl<DW<du,即统计值仍在不可判断的区域内。可见，此方法不但没有修正模型随机扰动项的自相关，反而出现了不好的结果。所以舍去。 （2）利用广义差分法对模型进行修改 由DW=1.357,根据，ρ=1-DW/2得ρ=0.3215。在对上述模型根据DY=α2(1-ρ)+ ß2DM+v2进行转换，其中DY=Y-0.3215*Y(-1),DM=M-0.3215*M(-1),DY1=Y1,DM1=M1。运用OLS得如下回归结果，见表9。 表9 Dependent Variable: DY Method: Least Squares Date: 05/30/05 Time: 15:08 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 162.8870 109.0557 1.493612 0.1517 DM 0.026521 0.002072 12.79872 0.0000 R-squared 0.896065 Mean dependent var 1198.495 Adjusted R-squared 0.890595 S.D. dependent var 1012.983 S.E. of regression 335.0584 Akaike info criterion 14.55688 Sum squared resid 2133018. Schwarz criterion 14.65636 Log likelihood -150.8472 F-statistic 163.8071 Durbin-Watson stat 1.940348 Prob(F-statistic) 0.000000
从表9中得到的回归方程如下： DY=162.8870+0.026521DM (109.0557) (0.002072) t=(1.493612) (12.79872) R2=0.896065 F=163.8071 D.W.=1.940348 从上述回归结果可以看出，虽然整体回归效果有微小的下降，但模型的自相关性有明显改善。在α=0.05的显著性水平下，n=21,k’=1时,dl=1.221,du=1.420,有du<DW<4-du。可见，此时模型中随机误差项已经不存在自相关了。 可以同时运用Cochrane-Orcutt迭代法，得如下结果（见表10）： 表10 Dependent Variable: DY Method: Least Squares Date: 05/30/05 Time: 15:59 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints Convergence achieved after 9 iterations Variable Coefficient Std. Error t-Statistic Prob. C 187.5562 136.4645 1.374396 0.1872 DM 0.025972 0.002578 10.07252 0.0000 AR(1) 0.069614 0.261800 0.265905 0.7935 R-squared 0.890438 Mean dependent var 1249.990 Adjusted R-squared 0.877548 S.D. dependent var 1010.705 S.E. of regression 353.6769 Akaike info criterion 14.71213 Sum squared resid 2126485. Schwarz criterion 14.86149 Log likelihood -144.1213 F-statistic 69.08159 Durbin-Watson stat 2.039467 Prob(F-statistic) 0.000000 Inverted AR Roots .07
可见，经Cochrane-Orcutt迭代法后，对自相关的修正效果更好了。
(3)异方差的检验 Dependent Variable: E2 Method: Least Squares Date: 05/30/05 Time: 16:58 Sample(adjusted): 1985 2001 Included observations: 17 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 90930.65 62906.89 1.445480 0.1720 E2(-1) 0.050814 0.275717 0.184299 0.8566 E2(-2) 0.546855 0.306334 1.785156 0.0976 E2(-3) -0.265828 0.336767 -0.789354 0.4441 R-squared 0.216146 Mean dependent var 124441.2 Adjusted R-squared 0.035257 S.D. dependent var 206311.9 S.E. of regression 202642.3 Akaike info criterion 27.47860 Sum squared resid 5.34E+11 Schwarz criterion 27.67465 Log likelihood -229.5681 F-statistic 1.194910 Durbin-Watson stat 1.984350 Prob(F-statistic) 0.350229 从输出的辅助函数中得R2=0.216146，计算(n-p)R2=14*0.216146=3.026044。在α=0.05的显著性水平下,自由度p=3查表得临界值χ2=7.81。因为(n-p)R2<χ2。所以，模型中随机误差项不存在异方差。 所以，最终得到的回归方程为：DY=187.5562+0.025972DM。这表明四川进口每增长1万美元，四川的GDP就会增长0.025972亿元人民币。进口也会对四川GDP的增长具有拉动作用，这似乎与传统的理论相悖。传统理论认为，对外贸易对国民经济的拉动作用主要依赖出口或净出口。实际上，对生产设备、原材料和相关技术进口，又大量运用于生产，必然会增加产出，因而进口最终能拉动国民经济的增长。可见，进口与国民经济间具有明显的正相关关系。 三、结论与建议 对外贸易对四川经济增长有明显的促进作用，加入WTO之后，其促进作用在不断加强。发展对外贸易，有利于四川利用海外资源来推动经济发展，也有利于四川在更大的范围内优化资源配置，从而促进经济增长。 从拟合的模型看来，进口对四川GDP的促进作用和拉动度更大。这似乎和传统的观点相悖。原因分析可能有：1、我们的模型建立尚不完善，数据处理也有一点瑕疵。2、四川进出口产品的类别。我们查阅了相关资料，发现四川的出口产品多是初级产品，如：活动物、植物产品、食品、饮料、烟草、生皮、纺织原料及纺织制品等等，而进口的多是高科技产品，如：核反应堆、电机、声频设备、车辆、航空器、船舶及有关运输设备等等。这些进口产品可以投入国民生产，提高生产率，从而促进GDP增长，所以可能反映在模型上与经济理论有出入。3、GDP的计算只是算最后的产品价值，而没有考虑产品原始成本，例如，以10美元的价格进口一种产品，经过国内加工后以11美元出口，GDP的计算是在11美元基础上进行的，而真正的价值增值只有1美元。 从以上结论，我们建议：1、扩大出口，且提高出口产品的科技含量、价值，为在国际市场上竞争提供基础。2、限制地科技含量的产品进口，继续引进高科技含量，可同时服务于出口部门和非出口部门的技术设备和智力资源。总的来说，要有利于四川经济长期可持续发展。
