外商直接投资对就业的动态效应与区域差异-基于动态面板数据模型的广义矩(GMM)分析方法(上).docx

外商直接投资对就业的动态效应与区域差异基于动态面板数据模型的广义矩(GMM)分析方法(上) 摘要：本文以动态面板数据模型广义矩(GMM)分析方法，分析1996-2011年我国省际数据研究发现，当年FDI仅对西部地区当年农村劳动力非农就业具有显著影响，而对其他地区当年农村劳动力非农就业的影响不显著；上一年度FDI对于东部、中部和西部地区当年农村劳动力非农就业均具有负向效应，但仅对东部地区当年农村劳动力非农就业具有显著的挤出效应；滞后2期FDI对东部地区当年农村劳动力非农就业具有显著的正向效应，而对中部和西部地区当年农村劳动力非农就业的影响不显著；滞后3期FDI对东部地区当年农村劳动力非农就业具有较强的挤出效应，对西部地区当年农村劳动力非农就业具有较强的创造效应，但对中部地区当年农村劳动力非农就业的影响不显著关键词：外商直接投资，农村劳动力，非农就业，动态效应，区域差异一、中国利用FDI与农村劳动力非农就业的区域比较国家宏观调控的目标为：经济增长、物价稳定、充分就业和国际收支平衡，这四个经济目标是既矛盾又统一的联系体对于14亿人的中国经济增长和充分就业更重要近年来，引进外商直接投资(Foreign Direct Investment，简称FDI)来增加就业机会是我国政府外资政策的直接目标之一。

国内外关于FDI与就业之间关系的研究，都已取得了丰硕的成果，但是关于FDI与我国农村劳动力非农就业关系的实证研究尚不多见中国FDI的总量比较大，但地区分布极不平衡表1显示，我国FDI的区域分布呈现出“由东至西”的梯度特征，利用FDI对我国农村非农就业影响的动态效应与区域差异分析，将我国划分为东部、中部和西部三大区域①，选取1996—2011年的样本数据，进行处理得到不同区域的FDI份额和农村劳动力非农就业份额(见表1)改革开放以来，东部地区依靠相对优越的区位条件、良好的技术基础和优惠的政策等优势，成为FDI投向的首选区域1996—2011年，FDI流入我国东部地区的比重始终占全国利用FDI总量的74% —88%，年均高达83.28%1996年，FDI总量的85.34%集中在东部地区，之后总体上呈下降趋势，至2011年底这一比例仍高达74.61%；而同期中部地区的FDI稳定上升，由1996年的8.48%上升到2011年的16.83%，几乎增长了100%；1996—2011年，西部地区FDI约占全国总量的约5%，2011年达到最大，也仅占全国总量的8.56%由此可以看出，流入我国的FDI无论在数量上还是比重方面，东部地区都明显占有绝对优势。

表1 各地区FDI份额和农村劳动力非农就业份额(1996—2011) 单位：%各地区FDI份额各地区农村劳动力非农就业份额时间(年)东部中部西部东部中部西部199685.348.486.1738.5332.8528.62199786.568.754.6838.3632.9928.65199884.889.865.2639.2734.1226.61199986.248.964.8038.8834.1426.99200086.059.484.4738.8634.2126.93200186.149.164.7038.7734.2726.96200287.058.894.0639.0433.9826.98200386.709.413.8839.1633.7927.04200487.049.433.5339.5633.4726.97200583.9711.454.5839.9333.3226.76200682.1312.875.0040.4932.9326.58200782.3312.265.4141.1733.3125.52200879.1115.155.7541.5832.2626.17200977.7315.486.7941.9132.0626.02201076.6215.977.4142.3231.9625.73201174.6116.838.5642.2432.0825.69平均值83.2811.405.3240.0033.2326.76数据来源：根据国泰安数据库数据整理而得。

下面用极值比率比较两个区域间FDI的相对差异②这里把每年西部地区的FDI作为基数，分别与东部、中部、西部地区的FDI进行对比，并将东部与中部地区每年数据进行对比作参考，以分析三大区域FDI的分布差异如图1所示，1996-2004年，东部与西部、中部与西部之间FDI的分布差距总体上呈扩大趋势，但从2005年开始这种差距又逐步缩小；东部与中部之间FDI的分布差距在2005年之后总体上也在逐步缩小显然，FDI在我国三大区域之间的差距比较明显图1 各地区吸引FDI的走势对比(1996-2011)数据来源：根据国泰安数据库数据整理而得如表1所示，1996-2011年东部、中部和西部地区农村劳动力非农就业数量占全国农村劳动力非农就业总额的比重分别为40%、33%和27%显然，东部、中部和西部三大区域的农村劳动力非农就业比重与我国FDI的区域分布类似，同样呈现出“由东至西”的梯度特征近年来，随着对外开放由沿海向内陆地区的不断推进，中西部地区在投资环境、对外开放度等方面与东部地区的差距逐渐在缩小，吸引FDI的规模也迅速上升在当今产业转移和劳动力回流的大背景下，我国FDI分布的不平衡状况以及随时间变动的波动性特征，势必会对我国农村劳动力非农就业产生不同的影响。

二、FDI对我国农村劳动力非农就业影响的实证研究选取我国1996-2011年省际样本数据，建立动态面板数据模型，利用动态面板数据模型广义矩(GMM)分析方法，对FDI对我国农村劳动力非农就业影响的动态效应与区域差异进行实证分析一)指标说明与模型设定假定经济增长符合柯布—道格拉斯生产函数的特性，以资本、劳动作为生产要素投入生产其中资本包括国内投资和外商直接投资，国内投资为全社会固定资产投资总额减去实际利用外商直接投资所得的差额，并以农村劳动力非农就业人数表示实际生产中投入的劳动如果以GDP代表地区生产总值(亿元)，以REM代表农村劳动力非农就业人数(万人)，用FDI、DIN分别代表外商直接投资(亿元)和国内资本(亿元)，A代表技术水平，则生产函数可以表示为：GDP=A*REMα1FDIα2DINα3 (1)为了考察FDI对农村劳动力非农就业的影响，由(1)进行转化可得：REMα1=GDP *A-1FDI-α2 DIN-α3 (2)对(2)两边取自然对数可得：α1LnREM=LnGDP-LnA-α2LnFDI-α3LnDIN (3)对(3)进行整理可得LnREM=(-1/α1)*LnA+(1/α1)*LnGDP-(α2/α1)*LnFDI-(α3/α1)*LnDIN (4)令(-1/α1)*LnA=Φ0，(1/α1)=Φ1，-(α2/α1)=Φ2，-(α3/α1)=Φ3，则可以得到：LnREM=Φ0+Φ1LnGDP+Φ2LnFDI+Φ3LnDIN (5)根据(5)式可以建立面板数据计量经济学模型：LnREMit=Φi+Φ1LnGDPit+Φ2LnFDIit+Φ3LnDINit+μt+ξit (6)模型(6)中：i＝1，2，3，……，N分别代表不同个体；t=1，2，3，…，T代表样本年度，Φi和μt分别代表用于控制不可观测的区域效应和时间效应，ξit：是随机干扰项；LnREMit为被解释变量在横截面i和时间t上的数值；LnGDPit、LnFDIit、LnDINit分别为解释变量在横截面i和时间t上的数值；系数Φ1、Φ2和Φ3分别表示劳动对产出、外商直接投资和国内投资变化的弹性。

为了准确考察FDI对我国不同地区农村劳动力非农就业的动态效应，这里将LnREMit、LnGDPit、LnFDIit和LnDINit的若干滞后期作为解释变量加到静态模型(6)中，将模型进一步扩展为如下形式的动态面板数据模型：LnREMi,t=δ1LnREMi,t-1+δ2LnREMi,t-2+δ3LnREMi,t-3+…+δmLnREMi,t-m+η0LnGDPi,t+η1LnGDPi,t-1+η2LnGDPi,t-2+…+ηmLnGDPii,t-m+ρ0LnFDIi,t+ρ1LnFDIi,t-1+ρ2LnFDIi,t-2+…+ρmLnFDIi,t-m+ψ0LnDINi,t+ψ1LnDINi,t-1+ψ2LnDINi,t-2+…+ψmLnDINi,t-m+μi+ξi,t (7)模型(7)中：μi表示各横截面单元的个体差异，ξi,t为随机扰动项FDI按当年的美元价根据当年汇率换算成当年价的人民币再除以以1996年为100的GDP平减指数得到；实际GDP是以1996年为100的GDP指数得出GDP平减指数，最后根据GDP平减指数得出；国内投资通过固定资产投资价格指数进行了处理；农村劳动力非农就业均采用当年各地区农村劳动力非农就业人数。

文中所有数据均来自国泰安数据库、世界贸易数据库和《中国统计年鉴》；采用的计量经济分析软件是stata11.2二)面板单位根检验与面板协整检验为了保证结果的稳健性与可靠性，避免伪回归问题，在对所设定的面板数据模型估计之前必须进行面板平稳性检验共同单位根(Common Root)与截面成员个体单位根(Individual Root)检验是面板平稳性检验常用的两种方法共同单位根检验的方法主要有LLC方法；截面成员个体单位根检验方法主要有IPS、Fisher-ADF、Fisher-PP等方法本文采用LLC、IPS、Fisher-ADF和Fisher-PP方法做面板数据单位根检验表2中的结果显示，变量LnREM、Ln GDP、LnFDI和LnDIN均为1阶单整，即均为I(1)在面板单位根检验的基础上，为了克服传统时间序列协整检验功效较低的问题，本文在面板框架下进行协整检验，以考察时间序列之间是否存在着面板协整关系由于模型中所有各变量均为1阶单整，则说明变量间可能存在面板协整关系为了保证结论的可靠性，本文运用Pedroni(1999，2004)检验方法、Westerlund(2005)检验方法以及最新发展的Durbin-Hausman(2008)方法进行检验。

结果发现，模型所选取的变量之间存在面板协整关系③ -全文完-。