在5%的显著水平下，t检验统计量值为-2.111740，小于相应临界值，从而拒绝H0，表明残差序列不存在单位根，是平稳序列，说明LNGDP（LNP）和LNFDI（LNF）之间存在协整关系,即长期均衡关系。表明经济增长与外商直接投资具有正向的长期均衡关系，且外商投资每增加一个百分点，GDP就会增长0.85799个百分点。
为了联系短期行为和长期变化，进一步增强模型的精度，则建立误差修正模型如下：
ΔLNGDPt = α + βΔLNFDIt + геt -1 + εt
DLNPt=ΔLNGDPt =LNPt - LNPt-1 DLNFt=ΔLNFDIt =LNFt - LNFt-1 UT=еt -1
Eviews回归结果为：
表3-3
Dependent Variable: DLNP
Method: Least Squares
Date: 05/05/11 Time: 09:43
Sample (adjusted): 1980 2009
Included observations: 30 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 0.152324 0.013137 11.59511 0.0000
DLNF 0.095553 0.034050 2.806259 0.0092
UT -0.064763 0.024148 -2.681993 0.0123
R-squared 0.305118 Mean dependent var 0.174656
Adjusted R-squared 0.253645 S.D. dependent var 0.068238
S.E. of regression 0.058952 Akaike info criterion -2.729539
Sum squared resid 0.093835 Schwarz criterion -2.589419
Log likelihood 43.94308 F-statistic 5.927751
Durbin-Watson stat 1.110134 Prob(F-statistic) 0.007342
得到误差修正模型的估计结果：
Δ NGDPt = 0.152324 + 0.095553ΔLNFDIt - 0.064763еt -1
t =（11.59511） （2.806259） （-2.681993）
R2 = 0.305118 DW=1.110134
上述估计模型的回归系数通过了显著性检验，误差修正项系数为负，符合反向修正机制，说明从短期动态关系来看，广东省的GDP和FDI序列之间存在着密切的联系。表明外商直接投资增长率每增加1%，GDP的增长率将增加0.0955%，而误差项еt -1的估计系数-0.0648体现了对偏离的修正，上年偏离越远，当年修正的量就越大。
3.2 C-D生产函数
为了分析外商直接投资对经济增长影响的大小，下面在计量过程中将把资本进一步区分为国内投资和外商投资，并采用柯布—毕业论文http://www.youerw.com 道格拉斯生产函数为基础模型，建立所需要的计量模型。
柯布—道格拉斯生产函数是经济学中使用最广泛的一种生产函数形式，它在数理经济学与经济计量学的研究与应用中都具有重要的地位。
它是美国数学家柯布（Charles•W•Cobb）和经济学家道格拉斯(Paul•H•Douglas)共同探讨投入（Input）和产出（Out Put）的关系时创造的生产函数。他们根据有关历史资料，研究了从1899——1922年美国的资本和劳动对生产的影响，认为在技术经济条件不变的情况下，产出Q与投入的劳动力L及资本K的关系可以表示为：
Q = A • Kα • Lβ
式子中的指数α表示资本弹性，说明当生产资本增加1%时，产出平均增长α%；β是劳动力的弹性，说明当投入生产的劳动力增加1%时，产出平均增长β%，A是常数，也称效率系数。
在这里，产出Q用广东省的GDP表示，投入的生产要素K包括国内资本DK、外商直接投资FDI和劳动力L，GDP单位亿元，DK为国内投资通过全社会固定资产投资和FDI之差计算求得，单位也是亿元，L代表劳动就业人数。数据取自2010年广东省统计年鉴。
写成：
GDP = f ( DK, FDI, L ) = A • DKα1 • FDIα2 • Lβ
两边取对数，并引入随机误差项，得：
LnGDP = c + α1lnDK + α2lnFDI + βlnL + μi
其中，c=lnA 为方程的常数项，μi为随机误差项，系数α1、α2、β分别为DK、FDI、L增长对GDP增长的弹性。
下面选取广东省1985年—2009年的时间序列数据进行分析，结果如下：
表3-5
Dependent Variable: LNGDP
Method: Least Squares
Date: 05/05/11 Time: 13:34
Sample: 1985 2009
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -20.63066 6.000397 -3.438216 0.0025
LNFDI 0.339132 0.116049 2.922310 0.0081
LNDK 0.228634 0.212623 1.075303 0.2944
LNL 2.813371 0.752657 3.737921 0.0012
R-squared 0.993238 Mean dependent var 8.688670
Adjusted R-squared 0.992272 S.D. dependent var 1.307744
S.E. of regression 0.114966 Akaike info criterion -1.342718
Sum squared resid 0.277560 Schwarz criterion -1.147698
Log likelihood 20.78398 F-statistic 1028.138
Durbin-Watson stat 0.628756 Prob(F-statistic) 0.000000
得出估计模型：
LnGDP = -20.63066 + 0.228634lnDK + 0.339132lnFDI + 2.813371 lnL
（-3.4382） （1.0753） （2.9223） （3.7379）
R2=0.993238 2=0.992272 F=1028.138
上一页 [1] [2] [3] [4] [5] [6] [7] 下一页