就业与fdi直接投资对经济增长影响实证研究——基于var模型

就业与FDI直接投资对经济增长的影响的实证研究基于VAR模型海南大学课程论文计量经济学题目：就业与FDI直接投资对经济增长的影响的实证研究基于VAR模型姓名： X X 学院： 经济与管理学院 系别： 国际经济与贸易 专业： 国际经济与贸易 完成日期：2017年12月25日摘 要摘要：FDI对中国经济的影响表现在增长和就业两个方面，在全球经济危机及中国经济增速放缓的背景之下，FDI的数量依然十分重要，保持稳定的外资进入仍然是政策追求目标。本文根据我国1991-2015年的时间序列数据，引入就业变量，通过构建VAR模型对FDI、经济增长以及就业这三个变量进行动态计量分析。研究结果表明:FDI对我国经济增长和就业具有明显的促进作用，我国经济长对FDI的流入具有积极影响，但呈现波动态势。FDI和其所带来的经济增长之间存在双向、动态的因果关系，同时FDI带来了就业的增加，这和经济增长之间也存在互动的促进关系。FDI在长期和深层次上带来的研发、技术溢出、竞争和示范效应等方面的影响对中国经济的转型和升级十分关键，对经济结构调整、外资流入以及就业政策进行协调、系统的考量，制定符合科学发展的外资策略，沿海地区更应给出科学、有效的政策以吸引高新技术跨国公司及其研发设计等价值链高端的投资。关键词：FDI；经济增长；就业；VAR模型目录摘要1一、引言3二、实证检验3（一）指标的选取3（二）数据来源4（三）VAR模型的构建41.ADF单位根检验42.脉冲响应函数分析63.方差分解模型分析7四、结论与政策建议9（一）实证研究结论及建议9（二）当前政策的着力点11致谢12参考文献13附件14一、引言联合国贸易和发展组织（UNTAD）最新的世界投资前景年度调查报告显示中国是对FDI最具吸引力的经济体。但同时该组织发布的2012年世界投资报告也指出，2011年中国FDI流入增速放缓且低于全球水平和发展中国家整体水平，当前世界经济的困难和不确定性为中国吸引外资带来很大挑战。该报告还显示，中国吸引FDI的结构开始向服务业倾斜，流入制造业的FDI在减缓，流入服务领域（房地产、贸易和商业服务等）的FDI在增加，并首次超过了制造业。同时，效率导向型的吸收外资在减少，劳动密集型的外资在向东南亚转移，因为东南亚低要素价格对外资的吸引力在上升。作为一个重要的经济变量，FDI已经成为世界经济影响我国经济最为重要的渠道之一，但其最直接的影响客体便是对我国的经济增长和就业水平。本文力图对FDI与经济增长和就业间作用关系进行实证分析，并结合当前外资形势对我国的外资政策进行研究，这对于改善我国的投资环境，通过外资施加有益的影响以转变经济增长方式，推动我国经济健康持续发展具有十分重要的现实意义。二、实证检验（一）指标的选取考虑到我国外商直接投资在第一产业中所占的比重非常小，在此经济增长指标Y仅表示第二、三产业的总值，X1仅表示第二、三产业的就业人数。如果不加区分地笼统地选取GDP和我国三大产业就业总人数，很可能会低估FDI对我国经济增长和就业的作用效果。（二）数据来源本文所使用的数据为1991-2015年间的年度数据，数据全部来源于中国统计局（三）VAR模型的构建1.ADF单位根检验在进行计量分析时，采用它们的对数形式来考察。因为采用它们的对数形式可以消除可能存在的异方差。对以上三个指标进行自然对数处理，分别记为LX1（就业人数）、LX2（FDI）和LY(经济增长)。由于VAR模型的运用要求系统中的变量具有平稳性，因此，我们首先要对所研究问题的相关数据进行单位根检验，以检验其平稳性。下面本文利用ADF检验方法分别对LX1、LX2和LY进行单位根检验，具体结果见表1ADF单位根检验结果表1ADF单位根检验结果ADF值模型类型5%临界值10%临界值结果变量-5.368111含常数项和趋势项-3.62203-3.248592平稳LX2-4.792243含常数项和趋势项-3.67362-3.277364平稳LY-4.25176含常数项和趋势项-3.64496-3.261452平稳从表1结果可以看出，指标LX1、LX2和LY的时间序列都是平稳，因此，本部分内容分析将采用LX1、LX2和DLY的数据来建立VAR模型。VAR模型回归估计结果如下：lnx1=1.184174lnx1(-1)-0.687489lnx1(-2)+0.018063lnx2(-1)-0.023503lnx2(-2)+0.042896lny(-1)+0.063830lny(-2)+4.139194lnx2=4.756268lnx1(-1)-2.678024lnx1(-2)+0.162371lnx2(-1)-0.140671lnx2(-2)+0.441621lny(-1)-0.479872lny(-2)-6.203328lny=-0.332826lnx1(-1)-0.759287lnx1(-2)+0.017020lnx2(-1)-0.158831lnx2(-2)+1.193787lny(-1)+0.079825lny(-2)+10.59587下面需要对估计出的模型进行稳定性检验，因为如果模型不稳定，某些结果将不是有效的（如脉冲响应函数的标准误差）。在此本文利用AR根进行检验，即如果估计的VAR模型所有根模的倒数小于1，即位于单位圆内，则其是稳定的。下面给出单位根图形表示的结果见图1。从图01可以直观地看出，所有的单位根都落于单位根圆内，因此所设定的模型是稳定的，表明选取的三个变量之间存在长期稳定关系，可以进一步进行分析。下面我们利用脉冲响应函数和方差分解对这三者之间的相互作用关系进行分析。图012.脉冲响应函数分析图02从图02来看，当在本期给FDI一个正冲击后，经济增长在短期内会呈现上下波动，并在第二期达到正向最大之后逐渐收敛。这表明在短期内FDI对经济增长具有滞后效应，FDI的增加会对经济增长带来明显的带动作用，但长期这种带动作用将会越来越弱，并在第六期达到最大的负影响，之后持续上升。这表明，FDI的一个正冲击对经济短期内影响较大，呈现一定的波动性，总体来说，FDI对经济增长具有正向带动作用。图03从图03来看，当给本期FDI一个持续的正向冲击后，我国二、三产业就业人数在短期有一定的上升波动，在第三期达到最大正响应后逐渐收敛。由于FDI进入的方式、目的、行业等方面的不同，在短期内可能会存在一些结构性的问题，对就业会产生负面影响，但是从长期看来FDI的增加带动了我国的就业人数的增长。图04从图04来看，当给本期经济增长一个正向冲击后，FDI会呈现上下波动，这表明经济增长并不一定必然带动FDI的增加。影响FDI流入和增长的因素比较复杂，既有宏观方面的，又包括微观方面的，比如经济、政治、外交环境因素、汇率波动、生产成本变化、市场环境变化等，这些因素交互作用都会对FDI产生不同程度的影响。3.方差分解模型分析脉冲响应函数描述了VAR模型中一个内生变量的冲击给其它内生变量所带来的影响，而要分析每一个结构冲击对内生变量变化的贡献度，并评价不同结构冲击的重要性，则需建立预测方差分解模型。方差分解实质上是一个信息计算过程，它将系统的预测均方差分解为系统中各变量冲击所作的贡献。方差分解可以描述冲击在FDI、就业人数与经济增长的动态变化中的相对重要性。我们基于上面所得出VAR模型进行了方差分解，分解结果见表2表2方差分解模型分析时期就业人数方差分解FDI方差分解经济增长方差分解预测标准误差LNX1(%)LNX2(%)LNY(%)预测标准误差LNX1(%)LNX2(%)LNY(%)预测标准误差LNX1(%)LNX2(%)LNY(%)10.007415100.00000.0000000.0000000.0925663.85948096.140520.0000000.0361116.33494214.8596578.8054120.01233495.468903.2881271.2429710.10482819.2429678.933281.8237620.0563374.98287516.4983978.5187330.01565581.845344.71533213.439330.10931524.7821972.643212.5746070.0744592.85285410.5956786.5514840.01890557.695235.05554237.249230.11232223.6421768.824077.5337650.0941714.3347046.92479888.7405050.02367939.012273.86955857.118170.11969823.2566260.6707816.072600.1160389.0692154.65537086.2754160.02958833.186692.61065464.202650.13066725.6799950.9368623.383150.13677514.007703.38143882.6108670.03520833.549021.84913664.601840.14046828.8218644.0792427.098910.15366117.552942.68234779.7647180.03947735.001381.47675163.521860.14660430.9732240.5039028.522870.16577419.512162.30468878.1831590.04212735.808311.31177062.879920.14922431.8422639.1323929.025350.17378020.219982.09722277.68280100.04349935.784181.23819862.977620.14986831.9247038.8091729.266120.17907720.162371.97728777.86034表2的第一列是预测期，LNX1列、LNX2列和LNY列分别表示以LNX1列、LNX2列和LNY列为因变量的方程新息对各期预测误差的贡献度，每行结果相加是100%。由表2可以看出，FDI的波动在第一期只受自身波动的影响，经济增长和就业水平对FDI波动的冲击（即对预测误差的贡献度）在第二期才显现出来，且这种冲击相对于其FDI自身的影响非常微弱，此后呈现逐步增强态势。但从第七期开始