2018关于我国纺织品服装贸易和经济增长的交互影响
论文关键词：纺织品服装贸易 经济增长 交互影响 联立方程组模型论文摘要：我国纺织品服装出口与经济增长之闻具有相互促进作用。纺织品服装进口对纺织品服装出口具有明显的促进作用。纺织品服装进口对经济增长的贡献大于出口的贡献。我国要加强自主创新，改变纺织品服装出口依赖于进口的局面：不断提高经济增长的纺织品服装出口弹性．促进我国经济的快速发展
1相关文献回顾及评价
对外贸易与经济增长的相互关系问题一直是经济学界关注的焦点问题．如Edwardsf1998)通过对30个发展中国家1970—1983年的数据进行检验．认为开放的国家伴随着经济的高增长n1。Kwanh和Cosomities(1990)以中国1952～1985年的数据为样本，运用Granger因果检验方法，发现出口与产出之间互为因果关系嘲。随着我国对外贸易的飞速发展．国内众多学者对我国对外贸易与经济增长之间的关系进行了实证研究，许和连、赖明勇f2001)采用协整检验和格兰杰因果检验方法，对中国19781998年的出口与经济增长关系进行了实证分析，结果表明，GDP、出口与贸易条件之问存在长期的稳定均衡关系t31。石传玉，王亚菲，王可等(2003)对1952—2000年间我国GDP与进出口的有关数据进行协整分析．发现进口增长对我国经济增长具有较大的促进作用．而出口增长对经济增长的影响不显著州。对经济增长与我国纺织品贸易的关系研究，目前有少量学者正在逐渐涉人。姜延书，付韶军，白小伟等(2006)以我国1985—2004年的统计数据为样本，实证结果表明：我国纺织工业经济增长、纺织品出口和纺织品国内需求之间存在着比较稳定的协整关系魄。
上述专家学者研究问题的方法和结论对本文研究具有极其重要的指导作用。然而．目前研究还存在一定的局限性：第一．有些研究基本上是采用回归分析方法，而对于时间序列数据的回归分析必须以样本数据的平稳性为前提条件．对非平稳性的时间序列直接应用回归分析有可能产生“伪回归”，从而得出错误的结论；第二，一般的定量研究，对模型的可靠性(尤其自相关性、异方差性等)没有做进一步的检验，得到的研究结论可信度差；第三，简单的回归易于把解释变量和被解释变量相混淆，把不存在因果关系的变量经过“伪回归”后做出因果关系分析：第四，由于经济增长与纺织品服装进口、出口之间存在交互作用，采用单方程经济模型，一方面，不便于分析两个以上变量之间的交互影响，另一方面，易产生变量的内生性偏差。因此，有必要通过多方程模型来分析两个以上变量之间的交互影响关系。
2研究方法
20世纪70、80年代，Granger和Newbo|d通过多次模拟分析．发现非平稳的时间序列变量会造成“伪回归”现象，因此对非平稳时间序列不能直接应用传统的最小二乘回归。
Enger和Granger提出了随机时间序列分析方法。这一方法的基础思想是：如果两个或两个以上的变量值呈现非平稳性，但它们是同阶单整的．变量之问有可能存在某种长期稳定关系，即协整关系。本文基于这一理论考察我国纺织品服装贸易与GDP之间是否存在长期稳定关系。本文的分析方法具体如下。
单位根检验。最常见的时问数列的平稳性检验就是单位根检验。本文将采用ADF(AugmentedDickey—Fuller)法检验变量的平稳性。对于非平稳的变量还需要检验其差分的平稳性。如果变量的n阶差分是平稳的，则称此变量是n阶单整，记为I(n)。所有变量同阶单整是变量之间存在协整关系和因果关系的必要条件。
因果关系检验。Granger(1969)提出的因果关系检验解决了变量之间是否及如何构成因果关系的问题。其基本原理是：在做Y对其他变量(包括自身的过去值)的回归时，如果把X的滞后值包括进来能显著地改进对Y的预测，就可以说x变化是Y变化的原因。
联立方程组模型。对于联立方程组模型中的单方程(即结构式方程)。只有在可识别的条件下才能被估计，结构式方程是否可以识别存在如下定理：在一个含有M个联立方程组的模型中．一个方程如果能被识别，该方程所排除的前定变量的个数必须不少于它所含有的内生变量的个数减1，即：K—k≥in一1(其中K为模型中前定变量的个数，k为给定方程中前定变量的个数，m为给定方程内生变量的个数)，对于可以识别的方程组模型，一般可以用二阶段最小二乘法来进行估计[91。根据估计结果，还有必要从拟合优度、F检验统计量值、样本回归系数的t检验值，是否存在自相关、异方差性等方面，对模型的可靠性做进一步的分析。
本文以1985～2005年为统计样本，应用格兰杰因果关系分析法及联立方程组模型，分别考察我国纺织品服装贸易与我国GDP之间的因果关系，以及他们之间的交互影响关系。在实证研究结果基础上，最后给出研究的结论和政策启示。
3实证分析
3．1样本数据的建立
本文选取的样本区间是1985～2005年。我国的GDP(支出法)、纺织品服装进口额(M)、出口额(x)的数据均来自2006年《中国统计年鉴》、(2005／2006中国纺织T业发展报告》以及历年《中国纺织工业年鉴》。按照年平均汇价(中间价)将当年进口额、出口额美元价格折算为当年人民币价格。为了消除数据系列的不平稳性。用GDP缩减指数(以1985年为基期)将我国GDP、纺织品服装进口额、出口额进行调整。南于样本区间大，统计数据多，这里省去模型应用的原始统计数据及计算结果(如果需要，可向作者索取)，直接给出我国GDP、纺织品服装出口额、进口额(单位均为亿元)的自然对数值，分别用lnGDP、lnX、lnM表示(见表1)。
3．2变量的平稳性检验
应用Eviews软件，对表1巾的lnGDP、lnX、lnM序列分别进行单位根检验，检验结果表2。从表2可以看，通过相应的检验方式，各变量的ADF检验统计量值均小对应的1％或者5％临界值，表明各变量均是平稳的；此，各变量都是0阶单整系列，于是进一步检验变量之间的因果关系。
3．3因果关系检验
对变量lnGDP分别与lnX、lnM进行因果关系检验，观察
他们之间的因果关系。Granger因果关系检验对设定的滞后阶数很敏感，在对不同滞后期的检验结果进行评价时．一般地以AIC或SC取值最小，同时考虑检验模型中随机干扰项不存在序列相关性为依据I。检验结果见表3，检验的模型均不存在1阶和2阶自相关性。从表3看出，在5％显著水平下，我同纺织品服装进口变化是我国GDP变化的原因．而我国GDP变化不是我国纺织品服装进口变化的原因。我国纺织品服装进口变化是出口变化的原因．而我国纺织品服装出口变化不是进口变化的原因。在10％显著水平下。我国纺织品服装出口变化与我国GDP变化互为因果关系。基于此检验结果可以确定：在模型中，lmM应为自变量，lnGDP、lnX既可为自变量也可为因变量
页:
[1]