贸易增长与产业效益相关性研究

The Study on the Interplay Between Growth of Trade and Industry Profit

郭昕宇

（上海理工大学 复杂系统科学研究中心，上海 200093）

1 中国的对外贸易和产业发展现状

如图1所示，1980年中国的对外贸易规模只有381.36亿美元，其中出口181.19亿美元，进口200.17亿美元。经历了“六五”和“七五”两个五年计划，1990年中国的对外贸易规模达到了1 154.36亿美元，出口额为620.91亿美元，进口额为533.45亿美元。之后，经过“八五”和“九五”两个五年计划，2000年中国对外贸易进出口额达到了4 742.97亿美元，是1980年的12.44倍。经过“十五”和“十一五”两个五年计划，2010年中国对外贸易进出口额达到了29 739.98亿美元，是1980年的77.98倍。2013年，经过“十二五”工作计划的一半有余，中国对外贸易进出口额进一步增加到了41 589.93亿美元，是1980年的109.06倍，其中出口额为22 090.04亿美元，进口额为19 499.89亿美元，分别是1980年的121.92倍和97.42倍。

图1 1980～2013年中国进出口贸易额

2013年，我国第一产业产值增速放缓，占GDP比重降低，但农业生产总体稳定，粮食总产量实现“十连增”；第二产业保持较快增长，但增速比上年回落0.3个百分点，工业企业效益波动幅度较大，工业产品出口有所调整，能源类商品出口比重下降，有较高科技含量的产品出口比重增加，但是进口商品中能源和原材料仍占有很大比重；第三产业增速超过第二产业，投资结构有所调整，房地产业投资较大幅度下降，但仍占较大比重，服务贸易较快速增长，但贸易逆差进一步扩大[1]。

2014年，政府高度重视农业生产，第一产业继续保持平稳增长；受生产成本上升、出口形势严峻和部分行业产能过剩的负面影响，第二产业面临较大的改革创新压力，增速或将小幅下调；继续加强对房地产行业的调控，对第三产业发展有一定的制约，但随着城镇化进程的加快，城乡居民收入上升，产业结构调整和增长方式转变也将带动现代服务业的发展。1989～2014年我国第二产业增加值及其增长情况如图2所示。

图2 1989～2014年我国第二产业增加值及其增长情况

第二产业增加值保持较快增长，但增速有所放缓。2014年我国第二产业增加值271 392.4亿元，增长5.68%，增长幅度比上年降低1.24个百分点。从近十年情况看，第二产业增加值的增长率从2004年到2007年不断攀升，于2007年达到十年间的顶峰21.31%，受金融危机影响，2009年大幅下挫，在国家政策支持下，2010年开始反弹，但是持续时间不长，自2011年起增长率开始下滑。

2 VAR模型介绍

VAR模型的实质是考察多个变量之间的动态互动关系。简单来讲，就是建立在向量基础上的AR模型[2]。对于一组时间序列变量 yt，y2t，…，ynt，在 VAR 模型中表示为定义在一个 n 维的向量 Yt，即 Yt=[yt， y2t，…，ynt]-1。以VAR（1）模型为例：Yt=C+ΦYt-1+εt。其中，C代表n×1维的常数向量，Φ表示n×n维的自回归系数矩阵，εt代表n×1维的向量白噪音。向量白噪音满足下列关系等式，即

可以看到，向量白噪音同样满足均值为0，方差和协方差矩阵不随时间变化而变化的特点。其中，矩阵Ω是秩为n的对称半正定矩阵。

如果假定模型中n=2，则该模型的向量形式表示为：

其中，

通常采用上标和下标的方式对模型中各个元素进行定义。例如，）就表示Φt中第i行第j列的元素。因此二维VAR（1）模型描述的第一个等式就可以写成如下形式，即：

以上结论拓展到p阶VAR模型后依然成立。

3 实证模型的建立与分析

本部分利用我国的对外贸易年度进出口额和产业效益为研究对象，来研究贸易增长与产业效益的动态关系。本节将采用Eviews8软件完成各检验和分析步骤。

3.1 数据与变量的选取

根据贸易对产业成本及利润影响的研究结果和现有的研究可知[1]，随着中国对外贸易结构的变化，各个产业效益也随之变化。不同类型的产业效益与进出口贸易的相关性不同。

本文的建模结合相对比较优势理论和要素禀赋理论，选取对国内生产总值贡献相对较大的第二产业，以产业增加值这一更具有直观代表性的经济指标为产业效益。用中国贸易的进口额、出口额和第二产业增加值建立向量自回归模型并加以分析其相关性。

中国贸易进出口额数据和第二产业增加值数据均来自中国国家统计局公布的国家数据，统一数据的时间性，选取1985~2013年的数据进行计算。出口额、进口额和第二产业增加值分别表示为EX、IX和Y。为调整数据间的差异，对进出口额变量进行对数变换，变换后不改变原序列的协整关系，变量的对数形式表示为：第二产业增加值LNY。

3.2 平稳性检验

Phillips于1986年提出“伪回归”问题[3]，所以在进行具体经验方程估计和相关检验前，先进行单位根检验，以考察经济变量是否平稳。本文采用ADF检验法，分别对EX、IX、LNY进行单位根检验。

从ADF单位根检验结果可知，EX、IX、LNY是非平稳的序列。经检验，三个变量的一阶差分序列DEX、DIX和DLNY仍非平稳，继续对其二阶差分序列进行ADF单位根检验，运用Eviews8软件得到的结果如表1所示。

表1DDEX、DDIX、DDLNY的ADF检验结果

从表1的ADF单位根检验结果可以看出，对于DDLNY时间序列的单位根检验其ADF统计值为-6.8098，小于5%水平下的临界值-2.9919，且相应的P值为0.0000，小于0.05，这表明，在5%显著水平下，能拒绝DDLNY时间序列存在单位根的假设，DDLNY是平稳的序列。同理，DDEX、DDIX也是平稳序列。

3.3 协整检验

（1） 滞后阶数的选择

在进行协整检验前首先要确定模型的最优滞后阶数，利用Eviews8软件进行协整检验滞后阶数选择的结果可得，VAR模型最优滞后阶数为3，那么协整检验滞后阶数为2。

（2） Johansen协整检验

Johansen协整检验是常用的一种多变量协整检验方法，它是在向量自回归模型下检验多变量之间协整关系的一种方法[4]。运用Eviews8软件，滞后期选择2，根据最大特征根检验方法得到的检验结果如表2所示。

表2 DDEX、DDIX、DDLNY三个变量间的Johansen协整检验结果

当原假设为“DDEX、DDIX和DDLNY三者至多存在2个协整关系”时，最大特征根的统计量为15.51165，大于5%显著性水平下的临界值3.841466，并且其P值为0.0001，小于0.05，因此在5%显著水平下拒绝最多存在协整关系的假设，这表明进口额、出口额和第二产业增加值三者之间至少存在2个以上协整关系。

因此，由Johansen协整检验结果分析可知，进口额、出口额、第二产业增加值三者之间互相存在协整关系，它们在长期之间存在着一定的均衡发展关系，存在着共同的发展趋势。

3.4 格兰杰因果检验

通过协整检验表明，进口额、出口额以及第二产业增加值三者之间存在协整关系，此处进一步通过Granger因果关系检验[5]探索其在时间上的先导或滞后关系。由前文VAR模型确定的滞后阶数为3，因此，Granger因果检验的滞后期为3，利用Eviews8得检验结果如表3所示。

此处，采用成对格兰杰因果检验，分别以DDEX、DDIX和DDLNY为内生变量，并以其余两个变量作为目标变量，检验其是否能够作为外生变量。此处，设置信度为0.05，则由表3可知，DDIX是DDEX的格兰杰原因，反之亦然；DDEX、DDIX是DDLNY的格兰杰原因，反之，DDLNY不是DDEX、DDIX的格兰杰原因。由检验结果可知，进出口额对第二产业增加值有影响，并且进出口额之间相互影响、相互制约，这与现实情况相吻合，因此可以认为建立向量自回归模型是较为合理的。

表3 DDEX、DDIX、DDLNY之间的格兰杰因果检验

3.5 VAR模型方程

利用Eviews8分析1985～2013年中国进、出口贸易额以及第二产业增加值对数的二阶差分数据，可得VAR模型方程如下所示。

系数C如表4所示。

表4 三元VAR模型方程系数

4 结论

我国对外贸易进出口额可能对产业效益具有较大影响，目前我国作为世界贸易大国，第二产业相关的进出口贸易也占有相当大的比重，通过探讨进出口贸易额与第二产业增加值之间的相关关系，能够更好地研究贸易增长与产业效益之间的相关关系。本文选取1985～2013年之间进口额、出口额以及第二产业增加值的年度数据，将第二产业增加值取对数，并以此三个变量建立VAR模型，利用Eviews8程序对模型进行了分析，协整检验、因果检验及方差分析等方法进而得出一系列结论，证实了进口额、出口额和第二产业增加值之间的相关关系与已有结论相吻合。

[1]中国产业发展研究院.2014中国产业发展报告：新改革与大转型[M].上海：上海财经大学出版社，2014.

[2]汪昌云，戴稳胜，张思成.基于EVIEWS的金融计量学[M].北京：中国人民大学出版社，2010.

[3]Phillips P C B.Understanding Spurious Regression in Econometrics[J].Journal of Econometrics，1986，33(3)：311-340.

[4]蒋瑛琨，刘艳武，赵振全.货币渠道与信贷渠道传导机制有效性的实证分析——兼论货币政策中介目标的选择[J].金融研究，2005(5)：70-79.

[5]Granger C W J，Newbold P，Granger C W J，et al.Spurious regressions in econometrics[J].Journal of Econometrics，2006，2(2)：111-120.

[6]郎丽华.贸易增长方式转变的微观基础[J].开放导报，2014(3)：1-4.

[7]于泽，徐沛东.资本深化与我国产业结构转型：基于中国1987～2009年29省数据的研究[J].经济学家，2014(3)：37-45.

[8]袁佳，汉林.贸易增长与产业效益关联度分析[J].数量经济技术经济研究，2011(4)：82-93.