中国OFDI对出口贸易结构影响的实证研究*

胡惟璇

(武汉交通职业学院，湖北　武汉　430065)



中国OFDI对出口贸易结构影响的实证研究*

胡惟璇

(武汉交通职业学院，湖北武汉430065)

在“新常态”和“一带一路”的时代背景下，研究对外直接投资(Outward Foreign Direct Investment(OFDI))对中国贸易结构变化的影响具有较大的实践指导价值。本文通过构建向量自回归(VAR)模型，实证研究中国OFDI对出口贸易结构的影响。结果表明：(1)整体上，OFDI促进资本、技术及劳动密集型产品出口，抑制资源密集型产品；(2)短期内，仅劳动密集型产品出口与OFDI有因果关系；(3)资源型产品对OFDI冲击负向响应；资本技术型产品始于负向，后回归正向影响；劳动密集产品始于正向，后基本没有影响。

对外直接投资；贸易结构优化；向量自回归模型

当今世界经济发展增速减缓，中国经济进入“新常态”，2015年经济下行贯穿全年，经济发展面临复杂多变的环境。因此，中国迫切需要充分统筹国际国内两种资源及两个市场，一方面加强新兴市场的开拓，应对国际贸易保护主义；另一方面，加快发展对外直接投资(Outward Foreign Direct Investment(OFDI))，促进贸易投资一体化。[1]在此背景下，全面系统地研究对外直接投资对中国贸易结构变化的影响，促进对外贸易与投资协同发展，对构建开放型经济新体制，拓展中国参与国际分工与合作的层次与领域，创造国际竞争新优势具有重要的实践指导价值。本文拟以中国为例，用计量经济学的经典软件EVIEWS 6.0，定量检验OFDI与中国出口贸易结构的长期均衡及短期动态关系。

一、中国出口贸易结构变动分析

为探讨中国OFDI对贸易结构的影响，首先利用贸易竞争指数综合分析中国出口贸易结构的变动，目的是明确贸易结构是否改善和优化。

贸易竞争力指数主要通过比较产品的进出口来分析某类产品在国际市场上的表现，具体计算公式为：

其中，Ei为产品i的出口总额，Ii为产品i的进口总额。若贸易竞争指数为正，则表示该国对于世界来说是 i 类产品的净供应国，此产品的生产效率高于国际水平，出口竞争力强，且该比值越接近于 1，说明该产业国际竞争力越强；反之则弱。[2]

利用联合国贸发会议网站提供的中国货物贸易进出口相关数据，计算得到中国商品的贸易竞争指数如表1所示。表1列出了自2001年中国加入WTO以来中国主要商品的出口贸易竞争指数。可以看出，中国资源密集型产品出口贸易竞争力指数一直小于0，而且还呈现不断下降的趋势。究其原因，主要是中国近些年来经济发展迅速，国内仅有的资源产品已不能满足中国的生产需要，因此必然导致这类产品的进口增加，中国已发展成为一个资源性产品净进口国。资本技术密集型产品的贸易竞争指数从2001年的-0.1248上升到2012年的0.1292，尽管相比之下这类产品在世界市场上并不具备绝对的竞争优势，但是也必须看到其比较优势正在逐渐增强；而作为中国具备传统竞争优势的劳动密集型产品的贸易竞争指数则一直保持在0.4左右，说明中国劳动密集型产品始终保持较强的国际竞争力。

贸易竞争力指数测度表明：资本技术密集型产品的贸易竞争力呈现不断增强的趋势，而劳动密集型产品则一直保持较强的贸易竞争力；中国主要出口产品的贸易结构变动的同时其贸易竞争力也增强，出口贸易结构呈现不断优化的趋势。

二、中国OFDI对出口贸易结构优化的实证分析

在确认中国出口贸易结构优化的基础上，把出口商品分为资源密集型、劳动密集型及资本技术密集型三类产品，结合中国OFDI构建向量自回归(VAR)模型，研究中国OFDI对出口贸易结构的短期及长期影响。

(一)指标选择

1.商品贸易竞争指标设定。根据国际贸易标准(SITC)分类，将中国对外贸易商品中的SITC0-4记为资源密集型产品，SITC6、8、9记为劳动密集型产品，SITC5、7记为资本技术密集型产品，将三类产品的贸易竞争指分别记为TCR、TCL、TCK。

2.指标数据采集。根据1982-2012年中国统计年鉴数据，计算得出各类商品贸易竞争指数，见表2。

(二)OFDI、GDP及对应RIG数据样本采集

选取OFDI存量与国内生产总值(GDP)的比值来表示对外直接的相对规模，也从一定程度上反映了中国的对外开放水平，记为RIG(见表3)。

表1　根据SITC分类的2001-2012年中国商品贸易竞争指数

(注：数据来源于联合国贸发会议)

表2　1982-2012年中国商品贸易竞争指数表

(注：数据来源于《中国统计年鉴(1982-2012年)》)

表3　1982-2012年RIG值测算汇总表

(注：数据来源于联合国贸发会议)

(三) VAR模型的构建

多元VAR模型的关键是选择系统内解释变量最佳滞后阶数，而且协整检验的结果对滞后阶数的选择也非常敏感，不当的滞后阶数，会导致“虚协整”；一般来说，滞后阶数太小，误差项的自相关会很严重，而滞后阶数太大，会导致模型的自由度太小，影响模型参数估计量的有效值。[2]本文利用EVIEWS 6.0测算TCR、TCK、TCL、LNRIG四项指标之间的五个评价统计量，即LR、FPE、AIC、SC和HQ值，选择标*号的统计量个数最多的滞后阶数作为最佳滞后阶数(见图1)。

图1　VAR模型最佳滞后阶数的判断

图1显示，除了LR似然比检验与AIC信息准则选择的滞后阶数为1外，其余所有的准则都选择最佳滞后阶数为3，故建立VAR(3)模型。

VAR(3)模型的各项统计值为：R12=0.9886，R22=0.9862，R32=0.9143，R42=0.9878，对数似然值为222.5838，AIC信息值为-12.1846，SC值为-9.7104，均表明模型的拟合优度较好。

另外，还要进一步检验所建立的模型是否满足VAR模型的稳定性条件。采用AR根图表法，如果被估计的VAR模型的特征方程所有根的倒数都小于1，即位于单位圆内，则是稳定的。[2]从图2看出，VAR(3)模型是完全稳定的，所以滞后3阶被确认是VAR模型的最佳滞后阶数。

图2　VAR(3)模型的特征根倒数分布图

(四)模型检验

1.单位根检验。时间序列分析要求相关时间序列必须是平稳的，否则可能会导致“伪回归”。在此采用ADF(Augmented Dickey-fuller Test)单位根检验方法判断各时间序列的平稳性。[2]为了消除原始数据中可能存在的异方差，对变量RIG取自然对数，记为LNRIG，各变量的ADF单位根检验结果如表4所示。

表4　变量序列的ADF平稳性检验

(注：“D”表示一阶差分符号；检验类型(C,T,K)分别表示单位根检验方程中包含常数项、趋势项和滞后阶数；*、**、***分别表示10%、5%、1%显著性水平。)

由变量单位根检验结果来看，变量TCL在10%的显著水平下是非平稳的，而所有变量的一阶差分序列在5%的显著性水平下都是平稳的，即均为一阶单整序列，为后续的协整检验创造了条件。

2.协整检验。通过VAR模型，可以对TCR、TCK、TCL、LNRIG四个变量进行协整检验，从而判断中国OFDI与贸易结构优化之间的长期均衡关系。协整检验的模型本质上是对非限制性VAR模型进行协整约束后得到的VAR模型，该模型的滞后阶数是非限制性VAR模型进行一阶差分变量的滞后阶数。[2]因为VAR模型选择的最佳滞后阶数是3，故协整检验的VAR模型的滞后阶数为2。进一步对TCR、TCK、TCL、LNRIG进行Johansen检验，结果如表5所示。

表5显示，在5%的显著水平下，Johansen协整检验拒绝了“不存在协整方程”的原假设，表明TCR、TCK、TCL、LNRIG四个变量存在一个协整方程，这说明中国OFDI、资源密集型产品出口、劳动密集型产品出口与资本技术密集型产品出口之间存在长期均衡关系。因此通过对该协整方程进行不同变形，得到4个变量间的标准化的协整系数，如表6所示。

通过表6，分析LNRIG作为解释变量所在的列，其各项系数反应了中国OFDI对资源密集型产品出口、资本技术密集型产品出口、劳动密集型产品出口的长期影响。具体来看，对外直接投资每增加一个百分点，引起资源密集型产品出口的竞争指数下降了0.2033%，资本技术密集型产品出口的竞争指数上升了0.3666%，劳动密集型产品出口竞争指数上升了0.1405%。

3.误差修正模型。协整关系只能说明各个变量之间的长期关系与趋势，要分析变量间的短期动态关系，可以通过引入误差修正模型(VECM)来将变量间的短期波动与长期均衡有效结合起来，实现短期内变量间由非均衡向均衡调整的一个过程。VECM的滞后期是非限制性VAR模型一阶差分变量的滞后期，即本文TCR、TCK、TCL、LNRIG四个变量所构成的VAR(3)模型对应的VECM的滞后期是2，其稳定性判断方法与VAR(3)模型的相同。经检验后发现VECM(2)的所有特征根的倒数都落在单位圆内(见图3)，表明了VEMC(2)的稳定性。[2]

表5　VAR(3)Johansen协整检验结果

(注：加*表示在5%的显著水平下拒绝原假设)

表6　标准化的协整方程系数表

图3　VECM(2)的特征根的倒数分布图

由于VECM(2)实质上是含有协整约束的VAR(3)模型，在模型参数估计过程中，截距项与趋势项的设置应与Johansen协整检验的相关假设保持一致，仍然采用协整方程仅有截距项且序列含有确定性线性趋势的形式，[2]估计结果如表7所示。

从最后一列D(LNRIG)作为被解释变量的VECM方程来看，误差修正项的系数小于0(EC(-1)=-1.9238)，符合反向修正机制，表明滞后一期的非均衡误差以1.9238%的速度从非均衡状态向均衡状态调整，但是调整的幅度十分有限。短期内，除了资本技术密集型产品出口竞争力指数滞后一期与滞后二期对OFDI具有一定的促进作用(t统计量值为分别为2.06904与2.98249)，其他变量均不显著，说明资源密集型产品出口与劳动密集型产品出口对OFDI的时滞效应不明显，而短期的资本技术密集型产品的出口可以在一定程度上首先打开国外市场，进而促进OFDI的发展。再分析另外三个VECM方程发现，只有对外直接投资对劳动密集型产品的出口具有一定正面时滞效应，其滞后二期的t统计值为1.96099，时滞效应比较显著，说明对外直接投资在一定程度上可以促进劳动密集型产品的出口。

三、基于VEC模型的Granger短期因果检验

传统的基于VAR模型的Granger因果检验仅适用于非协整的时间序列间的因果检验，如果要检验存在协整关系的序列间的因果关系，则应该考虑使用VEC模型进行因果检验，否则得出的结论可能会产生偏差。格兰杰(Granger，1969)提出了一个简单的包括两个变量的VAR模型检验方法，习惯上称为格兰杰因果关系检验。[2]

表7　VECM(2)模型方程系数

(注：“D”表示变量的一阶差分，圆括号内数值代表相应的VECM方程系数的标准差，方括号内数值代表相应的VECM方程系数的t统计值。)

基于VEC模型的Granger因果检验对于VEC模型中的每一个方程，将输出每一个其他内生变量的滞后项(不包括其本身的滞后项)检验统计量的值及其相应的概率值。[2]TCR、TCK、TCL和LNRIG四变量间的VECM(2)模型的因果关系检验结果如图4所示。

图4　基于VECM(2)模型的Granger因果关系检验结果

检验结果显示，从短期来看，OFDI与资源密集型产品的出口及资本技术密集型产品的出口之间不存在相互因果关系(D(LNRIG) 统计量分别为1.0630与0.3484，且P值均不显著)；但对于劳动密集型产品来说，D(TCL)相对于D(LNRIG)的 统计量为6.4948，相应的概率值为0.0389，说明内生变量D(TCL)对应的VECM方程不可以将变量D(LNRIG)排除，即变量D(LNRIG)是D(TCL)的Granger原因。可见，劳动密集型产品出口的变化在短期内是OFDI作用的结果，而资源密集型产品的出口与资本技术密集型产品的出口变化短期内受OFDI的影响则不显著。

四、贸易结构各指标对OFDI的脉冲响应关系

由于VECM的估计系数大部分不显著，所以并不能很好地解释变量之间的短期关系。因此，利用另一种分析工具——脉冲响应函数来分析变量之间的动态影响。脉冲响应函数方法(Impulse Response Function，IRF)用于衡量来自某个内生变量的随机扰动项的一个标准差冲击(称之为“脉冲”)对VAR模型中所有内生变量当前值和未来取值的影响，刻画内生变量对随机扰动的动态反应，显示任意变量的随机扰动新息(Innovation)如何通过模型影响其他变量，并反馈到自身的动态过程。[2]

利用经过自由度修正的残差协方差矩阵的Cholesky因子的逆来正交化脉冲来分析VAR(3)模型中4个变量，TCR、TCK、TCL分别对于LNRIG一个标准差新息的脉冲响应，即出口贸易结构各变量受到OFDI冲击的脉冲响应，脉冲响应函数曲线图如图5 所示。纵轴表示变量增长率的变化，横轴表示冲击作用滞后期数，设定了20期的脉冲响应追踪时期数。

图5　贸易结构各指标对OFDI的脉冲响应函数曲线

图5(a)刻画了TCR对LNRIG冲击的脉冲响应函数。在第10期之前的TCR的响应都是围绕0上下波动，且幅度较小。第10期之后，一直保持着0.002左右的振幅呈现负面响应状态。这表明，在资源导向型的OFDI初期，由于自然资源开采需要的技术水平较高，周期通常较长，导致在投资初期的反向进口效应并不明显。随后，随着投资的深入，中国从海外进口的资源性产品随之增加，即OFDI抑制了该国资源性产品出口的发展。

图5(b)表明了TCK对LNRIG冲击的脉冲响应函数。TCK起初没有反应，在第2期迅速滑落并在第3期达到最想然后回升，从第4期开始保持持续的正向响应。说明OFDI对资本技术密集型产品出口的影响存在一定的时滞效应。究其原因，在短期内，OFDI的逆向技术溢出效应并未在国内起到作用，经过企业一段时间的学习吸收以后，国内相关企业的生产逐渐转移到“微笑曲线”的两端，进而提高了相关产品的出口竞争力。

图5(c)是TCL对LNRIG冲击的脉冲响应函数。TCK受到一个标准差单位的LNRIG的正冲击后，在前12期均保持一段时间的正向波动，之后基本稳定在0附近，不产生任何响应。说明OFDI对劳动密集型产品的出口存在一定的时滞效应，而且是促进其出口竞争力的提高。但是劳动密集型产品的竞争优势是存在一定时效性的，随着经济发展水平的不断提高，劳动力及原材料价格的不断上升，劳动密集型产品原有的价格优势就会逐渐削弱甚至消失，因而OFDI对其出口竞争力的影响作用也是有限的。

五、结论

通过上述分析，可以得出如下结论：

(1)短期来看，资源密集型产品出口以及资本技术密集型产品出口与OFDI之间不存在因果关系，但是劳动密集型产品的出口与OFDI之间存在一定的因果关系。

(2)长期来看，由于时滞的原因，中国OFDI对资本、技术、劳动密集型产品的出口具有一定的促进作用，而对资源密集型产品的出口则有一定的抑制效应，OFDI从整体上促进了中国整体贸易结构的优化。

(3)资源密集型产品出口对OFDI冲击产生了负向响应，资本技术密集型产品出口对冲击的响应起始于负面影响，经过一段时间波动后回归于正面影响，而劳动密集型产品出口对冲击的响应起始于正面影响，经过一段时间后基本没有任何影响。

相应政策建议如下：

(1)我国政府部门在制定整体产业政策和对外政策时，要特别注意对外直接投资对于出口贸易结构升级的影响，[1]改变现有的部分出口产品处于全球制造业价值链中低端的现状，降低对出口产品数量规模增长的过分追求，重点关注出口产品的技术水平和核心竞争力，引导“中国制造”走向“中国创造”。

(2)在海外投资统筹过程中，要注意整合对外投资政策和对外贸易政策。一方面，鼓励企业在境外投资过程中带动机械设备及中间产品的出口，在出口退税及出口信贷方面给予一定的优惠政策；另一方面，对企业通过境外投资获得的资源性产品、先进技术的进口实行零关税政策，对最终产品的进口实行差别关税优惠政策，同时鼓励支持企业在东道国开展加工贸易，对其所需的机械设备、技术、零部件等生产要素的出口优先提供出口信贷或者出口担保，充分发挥对外直接投资带动出口贸易的作用。[1]

[1]胡惟璇. 中国对外直接投资对出口贸易结构优化的影响[J].武汉交通职业学院学报, 2015(1)：16-20.

[2]李子奈，叶阿忠. 高级应用计量经济学[M].清华大学出版社, 2012.

2015-10-13

武汉交通职业学院校级课题“中国OFDI对出口贸易结构优化的影响研究”(编号：Y2015003)。

胡惟璇(1984- )，女，安徽绩溪人，武汉交通职业学院物流学院讲师，主要从事国际投资与跨国经营研究。

10.3969/j.issn.1672-9846.2016.01.010

F224；F832.6

A

1672-9846(2016)01-0044-07