中国FDI、出口与经济增长的动态关系：基于协整检验的实证剖析

中国FDI、出口与经济增长的动态关系：基于协整检验的实证剖析一、引言1.1研究背景与意义1.1.1研究背景在经济全球化的浪潮下，中国经济在世界经济格局中扮演着愈发重要的角色，而外商直接投资（FDI）和出口作为拉动经济增长的重要力量，对中国经济发展起到了关键作用。自改革开放以来，中国凭借着庞大的市场潜力、丰富的劳动力资源和不断优化的投资环境，吸引了大量的FDI。根据相关数据显示，中国吸收FDI的规模逐年扩大，在20世纪90年代迎来了快速增长阶段，而后持续保持高位。2023年，新设立外商投资企业345267家，实际使用外资金额1437.16亿美元。FDI的流入不仅为中国带来了大量的资金，还引入了先进的技术和管理经验，推动了产业结构的升级和优化，促进了国内企业的技术进步和创新能力的提升，成为中国经济增长的重要动力之一。出口贸易方面，中国已成为世界第一出口大国，截至2022年底，出口国际市场份额连续14年居全球首位。出口贸易不仅为中国带来了巨额的外汇收入，还带动了相关产业的发展，创造了大量的就业机会。机电产品、纺织品和服装、高新技术产品等各类商品畅销全球，从生产、加工、运输到销售等各个环节，都需要大量的劳动力，有效缓解了国内的就业压力，推动了中国制造业的崛起和发展，使得“中国制造”在国际市场上占据重要地位，提升了中国品牌的国际影响力，促进“中国服务”走向世界。经济增长是国家繁荣和社会进步的重要标志，FDI和出口与经济增长之间存在着紧密而复杂的联系。FDI的流入可以通过资本积累、技术溢出等效应直接或间接地促进经济增长；出口则通过扩大市场规模、促进产业分工和专业化等途径对经济增长产生积极影响。然而，三者之间的关系并非简单的线性关系，受到多种因素的制约和影响，如国内政策、国际经济形势、市场环境等。在不同的发展阶段和经济背景下，FDI、出口对经济增长的作用机制和效果也可能存在差异。因此，深入研究中国FDI、出口与经济增长之间的关系，对于准确把握中国经济发展的内在规律，制定合理的经济政策具有重要的现实意义。1.1.2研究意义理论意义：从理论层面来看，虽然已有不少关于FDI、出口与经济增长关系的研究，但由于各国国情、经济发展阶段和外部环境的差异，相关理论在不同国家和地区的适用性仍有待进一步验证和完善。通过对中国这一具有独特经济发展路径和庞大经济规模的国家进行深入研究，可以丰富和拓展国际经济学、发展经济学等相关领域的理论体系。一方面，有助于深化对FDI技术溢出效应、出口贸易带动经济增长机制等理论的理解，探究在不同经济结构和政策环境下这些理论的具体表现形式；另一方面，能够为构建更加符合发展中国家实际情况的经济增长理论模型提供实证依据，填补现有理论在解释中国经济现象方面的不足，推动理论研究的创新与发展。实践意义：在实践中，研究FDI、出口与经济增长的协整关系对中国经济政策的制定和调整具有重要的指导意义。在制定外资政策时，了解FDI与经济增长之间的长期均衡关系以及短期动态调整机制，有助于政府合理引导外资流向，优化外资结构，提高外资利用效率。政府可以根据FDI对不同产业经济增长的贡献差异，有针对性地制定鼓励政策，吸引更多外资进入高新技术产业、战略性新兴产业等领域，促进产业结构的优化升级，增强经济发展的内生动力。在对外贸易政策方面，通过研究出口与经济增长的关系，能够帮助政府更好地把握国际市场需求变化，制定更加有效的出口促进政策。在全球经济形势复杂多变、贸易保护主义抬头的背景下，政府可以根据出口对经济增长的影响程度，加大对出口企业的支持力度，如提供出口退税、出口信贷、贸易保险等政策支持，鼓励企业拓展国际市场，优化出口产品结构，提高出口产品的附加值和竞争力，从而稳定和扩大出口规模，保持经济的稳定增长。研究结果还可以为企业的投资和生产决策提供参考，帮助企业更好地适应市场变化，实现可持续发展。1.2研究方法与创新点1.2.1研究方法本研究采用多种计量经济学方法，对中国FDI、出口与经济增长之间的关系进行深入分析。首先，运用单位根检验方法，如ADF（AugmentedDickey-Fuller）检验，对时间序列数据进行平稳性检验，以确保数据的稳定性和可靠性，避免出现“伪回归”问题。这是因为在进行协整检验和因果关系分析之前，数据的平稳性是一个重要前提。如果时间序列数据不平稳，直接进行回归分析可能会得出错误的结论，导致对变量之间关系的误判。通过ADF检验，可以判断数据是否存在单位根，若不存在单位根，则数据是平稳的；若存在单位根，则需要对数据进行差分处理，使其达到平稳状态。在协整检验方面，选用Johansen检验方法，该方法是一种基于向量自回归（VAR）模型的多变量协整检验技术，能够同时考虑多个变量之间的长期均衡关系。相比于传统的EG两步法，Johansen检验在处理多变量系统时具有更高的准确性和可靠性。EG两步法通常用于检验两个变量之间的协整关系，对于多变量系统，其检验效果可能不如Johansen检验。而Johansen检验可以直接对多个非平稳时间序列进行检验，确定它们之间是否存在协整关系，并估计出协整向量。在本研究中，FDI、出口和经济增长是三个重要变量，Johansen检验能够全面地分析它们之间的长期均衡关系，为后续的研究提供坚实的基础。为了进一步探究变量之间的因果关系，使用格兰杰因果检验（GrangerCausalityTest）。格兰杰因果检验是一种基于时间序列数据的统计检验方法，用于判断一个变量的变化是否是另一个变量变化的原因。通过格兰杰因果检验，可以确定FDI、出口与经济增长之间是否存在因果关系，以及因果关系的方向。例如，如果FDI是经济增长的格兰杰原因，那么意味着FDI的变化会在一定程度上引起经济增长的变化；反之，如果经济增长是FDI的格兰杰原因，则经济增长的变化会影响FDI的流入。这种因果关系的确定对于理解变量之间的相互作用机制和制定相应的政策具有重要的指导意义。在数据收集方面，主要来源于权威的统计数据库，如国家统计局、中国海关统计年鉴、世界银行数据库等。这些数据库提供了丰富、全面且经过严格审核的数据，涵盖了从改革开放以来中国历年的FDI流入量、出口额以及国内生产总值（GDP）等关键指标，为研究提供了充足的数据支持。国家统计局的数据具有权威性和全面性，能够反映中国经济发展的总体情况；中国海关统计年鉴详细记录了进出口贸易的相关数据，对于研究出口贸易与经济增长的关系至关重要；世界银行数据库则提供了国际比较数据和宏观经济指标，有助于从全球视角分析中国FDI、出口与经济增长的关系。1.2.2创新点本研究在视角、方法和数据运用上具有独特之处。在研究视角方面，将FDI、出口与经济增长纳入一个统一的分析框架，综合考虑三者之间的相互关系。以往的研究往往侧重于分析其中两个变量之间的关系，较少全面地探讨这三个变量之间的复杂联系。例如，有些研究只关注FDI与经济增长的关系，或者只研究出口与经济增长的关系，忽略了FDI和出口之间可能存在的相互影响以及它们共同对经济增长的作用。本研究通过多变量综合分析，能够更全面、深入地揭示三者之间的内在联系，为经济增长理论和实践提供更丰富的研究视角。在研究方法上，采用多种计量经济学方法相结合的方式，克服了单一方法的局限性。单位根检验、Johansen协整检验和格兰杰因果检验等方法的综合运用，从不同角度对数据进行分析，使得研究结果更加准确和可靠。例如，单位根检验确保了数据的平稳性，为后续的协整检验和因果关系分析奠定了基础；Johansen协整检验能够准确地确定变量之间的长期均衡关系；格兰杰因果检验则进一步揭示了变量之间的因果关系方向。这种多方法结合的研究思路，在同类研究中具有一定的创新性，能够为相关领域的研究提供新的方法借鉴。在数据运用方面，不仅采用了时间跨度较长的历史数据，涵盖了中国经济发展的多个重要阶段，还注重数据的质量和可靠性。通过对不同来源数据的交叉验证和整理，确保了数据的准确性和完整性。同时，关注最新的经济数据和发展动态，及时将新的数据纳入研究范围，使研究结果能够更准确地反映当前中国经济的实际情况。与一些早期研究相比，本研究的数据更具时效性和代表性，能够为政策制定者提供更有价值的决策参考。二、理论基础与文献综述2.1相关理论基础2.1.1FDI与经济增长理论双缺口模型：由Chenery和Strout于1966年提出，该模型基于国民收入核算恒等式Y=C+I+X-M（其中Y表示国民收入，C表示消费，I表示投资，X表示出口，M表示进口），进一步推导得出I-S=M-X，这里I-S为储蓄缺口，M-X为外汇缺口。双缺口模型认为，发展中国家在经济发展过程中往往面临着储蓄不足和外汇短缺的问题，这两个缺口会限制经济的增长。而引进外商直接投资（FDI）可以有效地弥补这两个缺口，一方面，FDI作为外部资金的流入，直接增加了国内的投资，缓解了储蓄缺口；另一方面，FDI企业的生产经营活动可能会带来出口的增加或进口的替代，从而改善外汇收支状况，弥补外汇缺口。例如，一个发展中国家计划进行大规模的基础设施建设，但国内储蓄无法满足所需的巨额投资，同时在进口先进技术设备时面临外汇不足的困境。此时，吸引FDI进入，如外资企业投资建设基础设施项目，既带来了资金，又可能通过技术引进和产业带动，促进相关产品的出口，增加外汇收入，进而推动经济增长和结构转换。内生增长理论中的FDI技术溢出效应：以Romer、Lucas等为代表的内生增长理论强调技术进步、人力资本积累等因素在经济增长中的核心作用，突破了传统增长理论中技术外生给定的假设，认为技术进步是经济系统内部的变量，可以通过各种渠道实现内生化。其中，FDI的技术溢出效应是技术进步内生化的重要途径之一。FDI技术溢出效应主要通过以下几种渠道实现：一是示范-模仿效应，国内企业通过观察和学习外资企业先进的生产技术、管理经验和组织方式，进行模仿和创新，从而提高自身的生产效率。例如，国内的汽车制造企业可以学习外资汽车企业先进的生产工艺流程、质量管理体系和市场营销策略，提升自身的竞争力。二是竞争效应，外资企业的进入加剧了市场竞争，国内企业为了在竞争中生存和发展，不得不加大研发投入，提高技术水平和生产效率。如在通信设备市场，外资企业的竞争促使国内企业加大5G技术的研发投入，推动了整个行业的技术进步。三是产业关联效应，外资企业与国内上下游企业建立产业联系，通过技术指导、人员培训等方式，将先进技术和管理经验传递给关联企业，促进产业整体升级。例如，外资电子企业在国内设立生产基地，带动了国内电子零部件供应商技术水平的提升。四是人员流动效应，外资企业培训的员工流动到国内企业，将所学的技术和管理知识传播开来，促进技术的扩散。2.1.2出口与经济增长理论比较优势理论：由大卫・李嘉图提出，该理论认为，即使一个国家在所有产品的生产上都不具有绝对优势，只要它在某些产品的生产上具有比较优势，就可以通过国际贸易获得利益。比较优势的核心是基于各国劳动生产率的差异，各国应专门生产并出口其具有比较优势的产品，进口其具有比较劣势的产品，这样可以实现资源的优化配置，提高生产效率，促进经济增长。以中国和美国为例，中国在劳动密集型产品如纺织品的生产上具有比较优势，因为中国拥有丰富的劳动力资源，劳动力成本相对较低，能够以较低的成本生产出大量的纺织品；而美国在技术密集型产品如高端芯片的生产上具有比较优势，凭借其先进的技术和研发能力，能够生产出高性能的芯片。两国通过贸易，中国出口纺织品进口芯片，美国出口芯片进口纺织品，双方都能从贸易中获得利益，实现资源的更有效利用，进而促进各自的经济增长。随着时间的推移和经济的发展，比较优势并非固定不变，而是可以通过技术进步、人力资本积累等因素发生动态变化。例如，一个原本在劳动密集型产业具有比较优势的国家，通过加大教育和科技投入，提升了劳动力素质和技术水平，可能逐渐在技术密集型产业也形成比较优势，从而推动产业结构升级和经济增长方式的转变。出口乘数理论：出口乘数理论基于凯恩斯的乘数原理，认为出口的增加会带动国内相关产业的发展，进而引起国民收入的倍数增加。其作用机制在于，当出口增加时，企业的销售额上升，利润增加，这会促使企业扩大生产规模，增加投资，雇佣更多的劳动力。新增的就业人员获得收入后，会增加消费支出，这又会带动消费品生产企业的发展，进一步创造就业和收入。如此循环往复，出口增加所带来的最初的需求增长会在经济系统中产生连锁反应，导致国民收入的增长倍数大于出口的增长。例如，假设一个国家的出口产业主要是服装制造业，当服装出口增加时，服装生产企业会扩大生产，购买更多的原材料，如布料、纽扣等，这会带动纺织业和相关辅料生产企业的发展。这些企业的生产扩张又会创造更多的就业机会，员工收入增加后会用于购买食品、住房、娱乐等各类商品和服务，从而推动整个经济的繁荣。出口乘数的大小取决于边际消费倾向和边际进口倾向等因素。边际消费倾向越高，意味着人们将更多的收入用于消费，经济系统中的消费循环就越活跃，出口乘数就越大；边际进口倾向越低，即增加的收入中用于进口的比例越小，出口增加所带来的国内经济拉动作用就越强，出口乘数也越大。2.2国内外文献综述2.2.1FDI与经济增长关系研究国外学者对FDI与经济增长关系的研究起步较早，Chenery和Strout（1966）提出的“双缺口模型”为该领域的研究奠定了基础，该模型认为发展中国家可以通过引进FDI来弥补储蓄缺口和外汇缺口，从而促进经济增长和结构转换。之后，Koizumi和Kopecky（1980）构建国际资本长期流动模型，深入探讨了FDI对一国经济增长的作用。以Romer（1990）、Lucas（1988）等为代表的内生增长理论则强调FDI的技术溢出效应，认为FDI不仅能带来资本，还能通过技术扩散、知识传播等途径促进东道国的技术进步和经济增长。在实证研究方面，Caves（1974）对澳大利亚的研究以及Globeman（1979）对加拿大的研究均表明，FDI对东道国的生产率提高具有显著的促进作用。然而，也有部分研究得出不同结论，如Aitken和Harrison（1999）通过对委内瑞拉的研究发现，FDI对国内经济增长存在负相关关系，他们认为外资企业可能挤出国内投资，导致本土企业发展受阻，从而抑制经济增长。国内学者对FDI与中国经济增长关系也进行了大量研究。江锦凡（2004）通过实证分析指出，FDI通过资本积累、技术进步和产业结构升级等途径对中国经济增长产生积极影响。赵文军、于津平（2012）研究发现，FDI的增加会促进中国工业经济增长方式的转型，推动中国经济从粗放型增长向集约型增长转变。韩家彬、张振、李豫新（2012）对金砖五国的研究表明，FDI与经济增长呈同方向变动，是影响经济增长的重要因素。但也有学者认为FDI与经济增长的关系并非简单的线性关系，如黄日福、陈晓红（2007）研究发现，FDI对经济增长的影响存在门槛效应，只有当东道国的经济发展水平、基础设施、人力资本等条件达到一定程度时，FDI才能发挥积极的促进作用，否则可能对经济增长产生负面影响。2.2.2出口与经济增长关系研究在出口与经济增长关系的研究方面，传统理论如大卫・李嘉图的比较优势理论和赫克歇尔-俄林的要素禀赋理论，从不同角度阐述了出口贸易对经济增长的促进作用，认为各国通过出口具有比较优势的产品，能够实现资源的优化配置，提高生产效率，进而推动经济增长。随着研究的深入，新贸易理论进一步强调了规模经济、不完全竞争等因素在出口贸易促进经济增长中的作用，认为出口可以扩大市场规模，使企业实现规模经济，降低生产成本，增强企业的竞争力，从而促进经济增长。实证研究方面，众多学者通过对不同国家和地区的数据进行分析，验证了出口与经济增长之间的正相关关系。吴汉嵩（2021）对我国1978-2021年进出口贸易与经济增长的数据进行回归分析和比较，得出无论是出口贸易还是进口贸易都对经济增长有促进作用的结论。张汉东、胡朝麟（2021）认为对外贸易对浙江省经济增长的贡献是显著的，由于进出口结构失衡，出口对GDP总量的贡献远大于进口，且差距有拉大的趋势。也有学者关注到出口结构对经济增长的影响，高美玲（2012）指出我国出口商品结构虽有改善，但仍存在产品层次低、高新技术产品出口比重低等问题，出口结构的优化对于促进经济增长具有重要意义。还有研究表明，出口与经济增长之间存在双向因果关系，如我国出口贸易与经济增长保持同步发展，出口对经济增长的正向带动作用较强，二者存在长期均衡关系，且出口结构的改善有助于产业结构的转型升级。2.2.3FDI、出口与经济增长三者关系研究已有文献对FDI、出口与经济增长三者联动关系的研究相对较少，但也取得了一些有价值的成果。吴德进（2007）根据1981-2006年福建省统计数据，运用协整检验和误差修正模型，研究发现从长期看，福建省FDI、对外贸易与经济增长之间存在长期均衡关系，FDI、出口和进口明显促进了经济增长。运用1990-2021年江苏省的数据构建VAR模型进行研究，结果表明FDI和对外贸易在长期均能够促进经济增长，短期内FDI、对外贸易均是经济增长的主要原因，但经济增长并不是二者的格兰杰因果；FDI、对外贸易对经济增长波动有显著且长远的影响，但短期对外贸易对经济增长产生负冲击；长期对外贸易对经济增长的贡献度高于FDI。现有研究虽然在一定程度上揭示了FDI、出口与经济增长之间的关系，但仍存在一些不足之处。部分研究仅关注两两变量之间的关系，缺乏对三者之间复杂互动机制的全面分析；在研究方法上，一些研究样本数据的时间跨度较短或选取的地区不够全面，可能导致研究结果的局限性；对于不同经济发展阶段和地区差异下，FDI、出口对经济增长的作用机制和效果的研究还不够深入。本研究将在已有研究的基础上，选取更具代表性的数据，运用多种计量经济学方法，全面深入地探讨中国FDI、出口与经济增长之间的协整关系及因果关系，以期为相关理论和实践提供更有价值的参考。三、中国FDI、出口与经济增长的发展现状3.1FDI发展现状3.1.1FDI规模与趋势改革开放以来，中国吸引外商直接投资（FDI）的规模呈现出显著的变化趋势。从1978年改革开放初期，中国FDI流入量几乎为零，到2023年实际使用外资金额达到1437.16亿美元，这一过程见证了中国经济对外开放的不断深化和投资环境的持续优化。在20世纪80年代，中国吸引FDI的规模较小，处于起步阶段，主要得益于改革开放政策的初步实施，沿海地区开始设立经济特区和开放城市，吸引了少量外资进入。进入90年代，随着社会主义市场经济体制改革目标的确立，中国投资环境得到极大改善，吸引FDI规模迎来快速增长期，1992年FDI流入量突破100亿美元，1993年更是跃居发展中国家首位。这一时期，外资大量涌入制造业领域，推动了中国制造业的快速发展和产业升级。21世纪初，中国加入世界贸易组织（WTO），进一步融入全球经济体系，FDI流入规模持续扩大。2002年中国实际使用外资突破500亿美元，此后一直保持在较高水平。在全球金融危机期间，虽然受到一定冲击，但中国凭借强大的经济韧性和稳定的投资环境，FDI流入量在短暂下降后迅速恢复增长。近年来，中国FDI规模总体保持稳定，但增速有所放缓。2024年1-5月，我国外商直接投资实际使用金额（FDI）累计录得4125.1亿元，同比下降28.2%，这主要是受到全球经济形势不稳定、贸易保护主义抬头以及国内产业结构调整等多种因素的影响。从长期趋势来看，随着中国经济从高速增长阶段转向高质量发展阶段，FDI的质量和结构优化成为更为重要的关注点，外资逐渐从传统制造业向高新技术产业、服务业等领域转移。图1展示了1985-2023年中国FDI流入规模（亿美元）的变化趋势，直观地呈现出中国FDI规模的增长历程和阶段性变化。图1：1985-2023年中国FDI流入规模（亿美元）中国FDI规模增长的原因是多方面的。改革开放政策的实施为FDI的进入创造了制度条件，吸引了大量外资企业的关注。中国庞大的市场规模和快速增长的经济潜力，为外资企业提供了广阔的发展空间。丰富的劳动力资源和不断完善的基础设施，降低了企业的生产成本，提高了生产效率。近年来，中国在知识产权保护、营商环境改善等方面取得的显著进展，也增强了外资企业在中国投资的信心。3.1.2FDI行业与区域分布在行业分布方面，中国FDI呈现出明显的结构特征。早期，FDI主要集中在制造业领域，这与中国丰富的劳动力资源和较低的生产成本密切相关。外资企业在制造业领域的投资，推动了中国成为全球制造业基地，如电子、纺织、机械制造等行业得到了快速发展。随着中国经济的发展和产业结构的升级，服务业逐渐成为FDI的重要流入领域。2023年，服务业实际使用外资金额占比超过60%，其中金融、信息技术服务、科研和技术服务等现代服务业吸引外资的规模不断扩大。这反映了中国服务业开放程度的提高和市场潜力的释放，也体现了外资对中国服务业发展前景的看好。在高技术产业方面，FDI的流入也呈现出快速增长的态势。2023年，高技术产业实际使用外资同比增长10.7%，其中高技术制造业增长9.5%，高技术服务业增长11.3%。计算机通信和其他电子设备制造业、医药制造业等高技术制造业领域吸引了大量外资，推动了中国高技术产业的技术进步和创新发展。表1展示了2023年中国FDI在主要行业的分布情况（单位：亿美元），可以清晰地看到制造业和服务业在FDI分布中的重要地位以及各行业的具体占比情况。行业实际使用外资金额占比制造业495.0334.45%服务业870.360.56%农林牧渔业25.781.8%采矿业13.430.93%电力、热力、燃气及水生产和供应业32.622.27%建筑业10.010.7%批发和零售业184.7112.85%交通运输、仓储和邮政业44.373.1%住宿和餐饮业11.230.78%信息传输、软件和信息技术服务业165.7411.53%金融业106.737.43%租赁和商务服务业219.7315.29%科学研究和技术服务业132.829.24%水利、环境和公共设施管理业11.680.82%居民服务、修理和其他服务业4.470.31%教育3.320.23%卫生和社会工作2.120.15%文化、体育和娱乐业10.350.72%从区域分布来看，中国FDI主要集中在东部地区。东部地区凭借其优越的地理位置、完善的基础设施、发达的市场经济和丰富的人力资源，吸引了大量外资。2023年，东部地区实际使用外资金额占全国的比重超过80%，其中广东、江苏、上海、浙江等省市是吸引FDI的主要区域。中部地区吸引FDI的规模相对较小，但近年来呈现出较快的增长速度，占全国的比重逐渐上升。西部地区吸引FDI的规模相对较低，主要原因包括地理位置相对偏远、基础设施相对薄弱、市场发育程度较低等。为了促进区域协调发展，中国政府出台了一系列政策措施，如西部大开发、中部崛起等战略，加大对中西部地区的支持力度，引导FDI向中西部地区转移。表2展示了2023年中国FDI在东部、中部、西部和东北地区的分布情况（单位：亿美元）及占比，清晰地呈现出区域分布的差异。地区实际使用外资金额占比东部地区1169.7381.39%中部地区137.39.55%西部地区107.347.47%东北地区22.791.58%FDI行业和区域分布差异的原因主要包括产业基础、市场需求、政策导向等因素。制造业FDI集中在东部地区，是因为东部地区拥有完善的产业配套体系和便捷的交通物流条件，能够满足制造业企业的生产和运营需求。服务业FDI向东部地区和大城市集中，是由于这些地区市场需求旺盛、人才资源丰富、金融和信息等服务业发展较为成熟。政府的产业政策和区域发展战略也对FDI的行业和区域分布产生了重要影响，如对高新技术产业的扶持政策吸引了大量外资进入相关行业，对中西部地区的优惠政策促进了FDI向这些地区的转移。3.2出口发展现状3.2.1出口规模与增长中国出口贸易自改革开放以来取得了举世瞩目的成就，出口规模持续扩大，在全球贸易格局中占据着重要地位。1978年，中国货物出口总额仅为97.5亿美元，占全球出口总额的比重不足1%，在国际市场上几乎毫无影响力。随着改革开放政策的实施，中国逐渐融入全球经济体系，出口贸易迎来了快速发展的黄金时期。到2023年，中国货物出口总额达到3.38万亿美元，占国际市场份额的14.2%，连续15年保持全球第一。这一增长幅度不仅见证了中国经济的崛起，也标志着中国已成为全球贸易的重要参与者和推动者。在过去几十年间，中国出口规模的增长呈现出阶段性特征。20世纪80年代，中国出口主要以初级产品和劳动密集型产品为主，凭借丰富的劳动力资源和较低的生产成本，在国际市场上逐渐崭露头角。这一时期，中国纺织品、服装、玩具等产品的出口迅速增长，成为出口贸易的主力军。进入90年代，随着制造业的快速发展和技术水平的提升，中国出口产品结构逐渐优化，工业制成品的出口比重不断提高。机电产品、化工产品等成为出口的重要组成部分，出口规模也实现了大幅增长。21世纪初，中国加入世界贸易组织（WTO），为出口贸易带来了更广阔的发展空间。中国企业进一步拓展国际市场，出口规模持续攀升，在全球制造业产业链中的地位日益重要。图2展示了1985-2023年中国出口总额（亿美元）的变化趋势，可以清晰地看到中国出口规模的快速增长历程。从图中可以看出，在1985-1995年期间，出口总额增长较为平稳，年均增长率约为15%；1995-2005年，出口增长速度加快，年均增长率达到20%以上；2005-2015年，虽然受到全球金融危机等因素的影响，但中国出口总额仍保持在较高水平，且在危机后迅速恢复增长；2015年之后，中国出口在全球贸易格局调整和贸易保护主义抬头的背景下，继续保持稳定增长，展现出强大的韧性。图2：1985-2023年中国出口总额（亿美元）中国出口规模增长的原因是多方面的。改革开放政策为出口贸易创造了良好的制度环境，吸引了大量外资企业进入中国，推动了出口产业的发展。中国拥有庞大的劳动力资源和完善的产业配套体系，能够生产出质优价廉的产品，在国际市场上具有较强的竞争力。中国政府积极推动贸易自由化和便利化，加强与世界各国的贸易合作，拓展了出口市场。近年来，中国在科技创新和产业升级方面取得的进展，也进一步提升了出口产品的附加值和技术含量，促进了出口规模的增长。3.2.2出口商品结构与市场分布随着经济的发展和产业结构的升级，中国出口商品结构发生了显著变化。在早期，中国出口商品主要以初级产品为主，如农产品、矿产品等。1980年，初级产品出口占中国出口总额的比重高达50.3%，反映了当时中国经济以农业和资源型产业为主的特征。随着工业化进程的加速，工业制成品在出口中的比重逐渐上升。到2023年，工业制成品出口占比超过90%，成为出口的主导产品。这一转变表明中国已从传统的农业和资源型经济向工业经济转型，在全球制造业产业链中的地位不断提升。在工业制成品中，机电产品和高新技术产品的出口增长尤为显著。2023年，机电产品出口额达到2.06万亿美元，占出口总额的比重超过60%，成为中国出口的第一大品类。其中，计算机、通信设备、汽车等产品的出口增长迅速，体现了中国在制造业领域的技术进步和产业升级。高新技术产品出口额也呈现出快速增长的态势，2023年达到8288亿美元，占出口总额的比重约为24.5%。这表明中国在高新技术领域的创新能力不断增强，在全球高端制造业市场中逐渐占据一席之地。表3展示了2023年中国主要出口商品的结构及占比情况，从中可以更直观地了解中国出口商品结构的现状。商品类别出口金额（亿美元）占出口总额比重机电产品2060060.95%高新技术产品828824.52%纺织品（不含针织服装）17745.25%服装及衣着附件15504.58%农产品9752.88%家具及其零件7932.35%塑料制品7402.19%鞋类6381.89%玩具4441.31%从出口市场分布来看，中国出口市场呈现多元化格局。长期以来，欧盟、美国和东盟是中国的前三大出口市场。2023年，中国对欧盟出口额达到5580亿美元，占出口总额的16.5%；对美国出口额为5084亿美元，占比15%；对东盟出口额为4955亿美元，占比14.65%。这三大市场合计占中国出口总额的比重超过46%，是中国出口的主要目的地。近年来，随着“一带一路”倡议的推进，中国与沿线国家的贸易合作不断深化，对“一带一路”沿线国家的出口规模持续扩大。2023年，中国对“一带一路”沿线国家出口额达到1.56万亿美元，占出口总额的比重约为46.15%。这不仅拓展了中国出口市场的空间，也促进了区域经济的合作与发展。同时，中国对新兴市场国家的出口也呈现出快速增长的态势，如对非洲、拉丁美洲等地区的出口规模不断扩大，进一步优化了出口市场结构。表4展示了2023年中国主要出口市场的分布及占比情况，清晰地呈现出中国出口市场的多元化格局。出口市场出口金额（亿美元）占出口总额比重欧盟558016.5%美国508415%东盟495514.65%“一带一路”沿线国家1560046.15%非洲18005.32%拉丁美洲17505.18%日本12503.7%韩国11003.25%中国出口商品结构和市场分布变化的原因主要包括产业结构调整、国际市场需求变化和政策导向等因素。随着中国产业结构的升级，高新技术产业和高端制造业的发展推动了机电产品和高新技术产品的出口增长。国际市场对环保、节能、智能化产品的需求增加，促使中国企业加大在这些领域的研发和生产投入，调整出口商品结构。政府通过实施“一带一路”倡议等政策措施，加强与沿线国家的贸易合作，拓展了出口市场，促进了出口市场的多元化发展。3.3经济增长现状3.3.1GDP增长趋势与特征中国国内生产总值（GDP）自改革开放以来呈现出长期高速增长的态势，实现了举世瞩目的经济腾飞。1978年，中国GDP仅为3679亿元，在全球经济格局中占比较小，经济基础薄弱，产业结构单一，主要以农业和基础工业为主。随着改革开放政策的实施，中国经济逐渐融入全球经济体系，开启了高速增长的征程。到2023年，中国GDP达到1260582.7亿元，按不变价格计算，比1978年增长了35倍，年均增长率约为9.5%，已成为世界第二大经济体，在全球经济中占据着举足轻重的地位。在这一长期增长过程中，中国GDP增长呈现出明显的阶段性特征。20世纪80年代，中国经济处于改革开放初期的探索和起步阶段，经济增长主要依靠农业和轻工业的发展。农村家庭联产承包责任制的推行，极大地调动了农民的生产积极性，农业生产效率大幅提高，农产品产量迅速增加，为工业发展提供了坚实的基础。轻工业领域，纺织、食品等行业凭借丰富的劳动力资源和国内市场需求的释放，实现了快速增长，成为经济增长的重要动力。这一时期，GDP年均增长率达到9.3%，经济增长速度较快，但增长方式相对粗放，主要依赖要素投入的增加。进入90年代，随着社会主义市场经济体制改革目标的确立，中国经济迎来了加速增长阶段。市场经济体制的逐步建立，激发了市场活力，企业的生产积极性和创新能力得到极大提升。同时，中国加大了对基础设施建设的投入，交通、能源、通信等基础设施不断完善，为经济发展提供了有力支撑。在这一阶段，制造业成为经济增长的核心动力，电子、机械、汽车等行业迅速崛起，产业结构不断优化升级。大量外资涌入，带来了先进的技术和管理经验，进一步推动了制造业的发展。这一时期，GDP年均增长率达到10.4%，经济增长不仅速度快，而且质量和效益也有了显著提升。21世纪初，中国加入世界贸易组织（WTO），全面融入全球经济，经济增长进入新的阶段。对外贸易的快速发展，使得中国成为全球制造业的重要基地，“中国制造”遍布全球。出口的大幅增长带动了相关产业的发展，创造了大量的就业机会，促进了经济增长。国内消费市场也不断扩大，消费结构升级，对高端消费品、服务消费等的需求增加，推动了服务业的发展。在这一阶段，中国经济在全球经济中的地位不断提升，但也面临着资源环境约束、贸易摩擦等挑战。2001-2010年，GDP年均增长率达到10.6%，保持了高速增长的态势。近年来，随着中国经济发展进入新常态，GDP增长速度逐渐放缓，但经济增长的质量和效益不断提高。经济发展从高速增长阶段转向高质量发展阶段，更加注重创新驱动、绿色发展、协调发展。在创新驱动方面，中国加大了对科技研发的投入，在5G、人工智能、新能源等领域取得了一系列重要成果，新兴产业快速发展，成为经济增长的新引擎。绿色发展理念深入人心，节能减排、环境保护等工作取得积极进展，经济发展与资源环境的协调性不断增强。区域协调发展战略深入实施，东部、中部、西部和东北地区的经济差距逐渐缩小，经济发展的平衡性不断提高。2011-2023年，GDP年均增长率为7.3%，虽然增长速度有所下降，但经济增长更加稳健、可持续。图3展示了1978-2023年中国GDP增长趋势（单位：亿元），清晰地呈现出中国GDP的长期增长历程和阶段性变化。从图中可以看出，1978-1990年，GDP增长较为平稳，增速相对较慢；1990-2010年，GDP进入高速增长阶段，增长速度明显加快；2010年之后，GDP增长速度逐渐放缓，但总量仍在不断增加。图3：1978-2023年中国GDP增长趋势（单位：亿元）中国GDP增长的影响因素是多方面的。改革开放政策的实施，为经济增长创造了良好的制度环境，激发了市场活力和企业的创新动力。大规模的固定资产投资，尤其是在基础设施、工业领域的投资，为经济增长提供了坚实的物质基础。丰富的劳动力资源和不断提升的劳动力素质，为经济发展提供了充足的人力资源支持。科技创新能力的不断提高，推动了产业升级和经济结构的优化，提高了经济增长的质量和效益。积极融入全球经济体系，对外贸易和投资的快速发展，也为经济增长提供了广阔的市场空间和资源配置渠道。3.3.2经济增长结构变化随着经济的发展，中国经济增长结构发生了显著变化，主要体现在产业结构和消费投资出口结构两个方面。在产业结构方面，中国经历了从以农业为主导逐步向工业和服务业主导转变的过程。1978年，中国第一产业增加值占GDP的比重为27.7%，第二产业占比为47.7%，第三产业占比为24.6%，呈现出“二一三”的产业结构特征，农业在经济中仍占据重要地位，工业发展迅速，但服务业相对滞后。随着工业化进程的加速，第二产业占比不断提高，在1990年代达到峰值，成为经济增长的主要动力。工业领域，从传统的制造业如纺织、钢铁等逐渐向高端制造业和高新技术产业转型，汽车、电子信息、航空航天等产业快速发展，提升了中国工业的竞争力和附加值。进入21世纪，特别是近年来，第三产业发展迅速，占比持续上升。2023年，第一产业增加值占GDP的比重下降至7.7%，第二产业占比为39.9%，第三产业占比上升至52.4%，形成了“三二一”的产业结构格局，服务业成为经济增长的第一大动力。在服务业内部，传统服务业如批发零售、住宿餐饮等不断升级，现代服务业如金融、信息技术服务、文化创意、物流等蓬勃发展。金融科技的兴起，推动了金融服务的创新和效率提升；大数据、云计算、人工智能等信息技术在服务业中的广泛应用，催生了新的商业模式和业态，如电子商务、在线教育、远程医疗等，为经济增长注入了新的活力。图4展示了1978-2023年中国三大产业占GDP比重变化趋势，直观地呈现出产业结构的演变过程。从图中可以看出，第一产业占比持续下降，第二产业占比先升后降，第三产业占比持续上升，反映了中国产业结构不断优化升级的趋势。图4：1978-2023年中国三大产业占GDP比重变化趋势在消费投资出口结构方面，中国经济增长动力逐渐从投资和出口驱动向消费、投资、出口协调拉动转变。在改革开放初期，由于国内市场需求有限，经济增长主要依靠投资和出口。大规模的基础设施建设投资，如铁路、公路、桥梁等，带动了相关产业的发展，促进了经济增长。出口贸易的快速增长，使得中国制造业在全球市场中占据重要地位，成为经济增长的重要引擎。随着居民收入水平的提高和消费观念的转变，消费对经济增长的基础性作用不断增强。2023年，最终消费支出对国内生产总值增长的贡献率为82.5%，资本形成总额的贡献率为29.5%，货物和服务净出口的贡献率为-12%，消费已成为经济增长的第一拉动力。消费结构也不断升级，从基本的物质消费向高端消费品、服务消费、文化消费等多元化方向发展，对高品质商品、旅游、教育、健康等领域的需求日益旺盛。投资结构也在不断优化，从传统的基础设施和工业投资向新兴产业、科技创新领域投资转变。政府加大了对高新技术产业、战略性新兴产业的支持力度，引导社会资本投向这些领域，推动了产业升级和创新发展。在出口方面，虽然面临全球贸易保护主义抬头等挑战，但中国出口仍保持了较强的韧性，出口商品结构不断优化，高技术、高附加值产品的出口比重逐渐增加，如新能源汽车、光伏产品、集成电路等，提升了中国出口产品的国际竞争力。产业结构和消费投资出口结构的变化对经济增长产生了重要影响。产业结构的优化升级，提高了生产效率和资源配置效率，促进了经济增长方式的转变，从粗放型增长向集约型增长转变。消费对经济增长的基础性作用增强，使得经济增长更加稳定和可持续，减少了对外部市场的依赖。投资结构的优化，推动了新兴产业的发展和科技创新，为经济增长注入了新的动力。出口商品结构的优化，提升了中国在全球产业链中的地位，增强了经济增长的国际竞争力。四、研究设计与数据处理4.1研究模型设定4.1.1变量选取为了准确研究中国FDI、出口与经济增长之间的关系，本研究选取了具有代表性的变量。选用实际利用外资额（FDI）来代表外商直接投资。实际利用外资额是指外国投资者在一定时期内实际投入到中国境内的资金总额，它反映了外国投资者对中国经济的实际参与程度，是衡量FDI规模的重要指标。在获取数据时，主要来源于国家统计局和中国海关统计年鉴等权威数据库，确保数据的准确性和可靠性。由于原始数据可能受到汇率波动和通货膨胀等因素的影响，为了使数据更具可比性和分析价值，对实际利用外资额进行了相应的处理。采用人民币对美元的年平均汇率将以美元计价的实际利用外资额换算为以人民币计价的金额，然后利用居民消费价格指数（CPI）对其进行平减，以消除通货膨胀的影响，得到以不变价格计算的实际利用外资额。出口总额（EX）用于代表出口。出口总额是指一个国家或地区在一定时期内出口商品和服务的总价值，它直接反映了一个国家或地区在国际市场上的销售能力和贸易规模，是衡量出口贸易的核心指标。在数据收集方面，同样依托国家统计局和中国海关统计年鉴，以获取全面、准确的出口总额数据。与FDI数据处理类似，为了消除价格因素的干扰，使用出口价格指数对出口总额进行平减，使其能够真实反映出口贸易的实际增长情况。国内生产总值（GDP）被用来代表经济增长。GDP是一个国家或地区在一定时期内生产活动的最终成果，是衡量经济总量和经济增长的重要指标，能够全面反映一个国家或地区的经济发展水平和综合实力。数据来源于国家统计局发布的年度统计数据，为确保数据的连贯性和可比性，利用GDP平减指数对名义GDP进行调整，得到以不变价格计算的实际GDP，以便更准确地分析经济增长的趋势和规律。4.1.2模型构建基于经济理论和研究目的，本研究构建了向量自回归（VAR）模型，用于协整检验和分析FDI、出口与经济增长之间的动态关系。VAR模型是一种基于数据的统计模型，它不依赖于严格的经济理论假设，能够有效地处理多个时间序列变量之间的相互关系。在VAR模型中，每个变量都被视为内生变量，其当前值不仅取决于自身的滞后值，还取决于其他变量的滞后值。对于本研究，VAR模型的一般形式可以表示为：\begin{bmatrix}GDP_t\\FDI_t\\EX_t\end{bmatrix}=\begin{bmatrix}\alpha_{10}\\\alpha_{20}\\\alpha_{30}\end{bmatrix}+\sum_{i=1}^{p}\begin{bmatrix}\alpha_{11i}&\alpha_{12i}&\alpha_{13i}\\\alpha_{21i}&\alpha_{22i}&\alpha_{23i}\\\alpha_{31i}&\alpha_{32i}&\alpha_{33i}\end{bmatrix}\begin{bmatrix}GDP_{t-i}\\FDI_{t-i}\\EX_{t-i}\end{bmatrix}+\begin{bmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\\\varepsilon_{3t}\end{bmatrix}其中，t表示时间，GDP_t、FDI_t和EX_t分别表示t时期的国内生产总值、实际利用外资额和出口总额；\alpha_{ji0}（j=1,2,3）为常数项；\alpha_{jki}（j,k=1,2,3；i=1,2,\cdots,p）为待估计的参数，表示各变量滞后i期对当前期的影响系数；p为模型的滞后阶数，滞后阶数的选择至关重要，它直接影响模型的估计结果和解释能力。如果滞后阶数选择过小，可能会遗漏重要的信息，导致模型的拟合效果不佳；如果滞后阶数选择过大，会增加模型的参数数量，导致自由度降低，模型的估计精度下降。在实际应用中，通常采用信息准则来确定最优滞后阶数，常用的信息准则包括赤池信息准则（AIC）、施瓦茨信息准则（SC）和汉南-奎因信息准则（HQ）等，本研究将综合考虑这些信息准则的结果，选择使AIC、SC和HQ值同时达到最小的滞后阶数作为最优滞后阶数；\varepsilon_{jt}（j=1,2,3）为随机误差项，满足均值为零、方差有限且序列不相关的假设。该VAR模型全面考虑了FDI、出口与经济增长之间的相互影响关系，通过估计模型参数，可以分析各变量之间的短期动态关系和长期均衡关系。在短期动态关系方面，通过脉冲响应函数（IRF）可以分析当一个变量受到一个标准差的冲击时，其他变量在不同时期的响应情况，从而了解变量之间的动态传导机制。在长期均衡关系方面，利用协整检验可以判断变量之间是否存在长期稳定的均衡关系，如果存在协整关系，则可以进一步估计协整向量，确定变量之间的长期均衡方程，分析各变量在长期内的相互作用关系。4.2数据来源与处理4.2.1数据来源本研究的数据主要来源于权威的统计数据库，以确保数据的准确性和可靠性。其中，国内生产总值（GDP）数据取自国家统计局发布的年度统计报告。国家统计局作为我国官方的统计机构，其发布的数据具有权威性和全面性，涵盖了我国经济发展的各个方面，是研究我国经济增长的重要数据来源。在数据获取过程中，通过国家统计局官方网站以及相关统计年鉴，获取了1985-2023年历年的GDP数据，这些数据经过严格的统计调查和审核，能够真实反映我国经济总量的变化情况。外商直接投资（FDI）数据来源于中国海关统计年鉴和国家统计局的外资统计数据。中国海关统计年鉴详细记录了我国对外贸易和外商投资的相关信息，包括FDI的流入规模、来源地、投资领域等。国家统计局的外资统计数据则从宏观层面提供了FDI的总体情况。通过对这两个数据源的数据进行整理和比对，获取了1985-2023年我国实际利用外资额的数据，为研究FDI的发展趋势和对经济增长的影响提供了有力支持。出口总额（EX）数据同样来源于中国海关统计年鉴。中国海关作为我国进出口贸易的监管机构，其统计数据准确记录了我国出口贸易的各项信息，包括出口商品的种类、数量、金额以及出口市场的分布等。从中国海关统计年鉴中获取的1985-2023年出口总额数据，能够全面反映我国出口贸易的规模和增长情况，是研究出口与经济增长关系的关键数据。这些数据涵盖了较长的时间跨度，能够较好地反映中国FDI、出口与经济增长在不同经济发展阶段的变化趋势，为深入分析三者之间的关系提供了丰富的数据基础。在数据收集过程中，严格遵循数据的真实性和完整性原则，对数据进行了仔细的筛选和整理，确保数据的质量和可靠性。4.2.2数据处理方法为了使数据更符合计量经济学分析的要求，对原始数据进行了一系列处理。考虑到经济数据通常具有异方差性，这可能会影响模型的估计结果和检验的准确性，对GDP、FDI和EX数据分别取自然对数，得到LNGDP、LNFDI和LNEX。取对数不仅可以在一定程度上消除异方差问题，还能使数据的变化趋势更加线性化，便于分析和解释变量之间的关系。在实际经济意义中，取对数后变量的系数可以近似理解为弹性，即一个变量变动1%时，另一个变量变动的百分比，这对于研究变量之间的相对变化关系具有重要意义。由于原始数据是名义值，受到价格因素的影响，为了消除价格波动对数据的干扰，准确反映经济变量的实际变化，利用国内生产总值平减指数（GDPDeflator）对GDP数据进行平减处理。GDP平减指数是衡量一国经济在不同时期内所生产的最终产品和劳务的价格总水平变化程度的经济指标，通过将名义GDP除以GDP平减指数，可以得到以不变价格计算的实际GDP，从而更真实地反映经济增长的实际情况。对于FDI数据，采用人民币对美元的年平均汇率将以美元计价的实际利用外资额换算为以人民币计价的金额，然后利用居民消费价格指数（CPI）进行平减，以消除通货膨胀的影响。出口总额（EX）数据则利用出口价格指数进行平减，得到以不变价格计算的实际出口额，确保出口数据能够准确反映出口贸易的实际增长情况。在数据处理过程中，还对数据进行了季节性调整。由于一些经济数据可能存在季节性波动，如出口贸易在不同季度可能受到节假日、生产周期等因素的影响而出现波动，这会干扰对数据长期趋势的分析。因此，采用X-12方法对数据进行季节性调整，该方法是一种广泛应用的时间序列季节性调整方法，能够有效地分离出时间序列中的趋势成分、季节成分和不规则成分，使数据更能反映出长期的趋势和规律，为后续的实证分析提供更准确的数据基础。五、实证结果与分析5.1平稳性检验5.1.1单位根检验方法在进行时间序列分析时，数据的平稳性是一个至关重要的前提条件。如果时间序列不平稳，直接进行回归分析可能会导致伪回归问题，即变量之间看似存在显著的关系，但实际上这种关系可能是由于数据的非平稳性造成的，而不是真实的经济联系，从而得出错误的结论。因此，在对中国FDI、出口与经济增长之间的关系进行深入研究之前，需要对相关时间序列数据进行平稳性检验。本研究采用ADF检验（AugmentedDickey-FullerTest）和PP检验（Phillips-PerronTest）两种方法来检验FDI、出口（EX）、GDP时间序列数据的平稳性。ADF检验是一种常用的单位根检验方法，其基本原理是基于自回归模型。它通过检验时间序列中是否存在单位根来判断序列的平稳性。如果时间序列存在单位根，那么它就是非平稳的；反之，如果不存在单位根，则序列是平稳的。具体来说，ADF检验通过构建以下回归方程来进行：\DeltaY_t=\alpha_0+\alpha_1t+\alpha_2Y_{t-1}+\sum_{i=1}^{p}\beta_i\DeltaY_{t-i}+\varepsilon_t其中，\DeltaY_t表示时间序列Y_t的一阶差分，\alpha_0是常数项，t是时间趋势项，\alpha_2是待检验的系数，其原假设为H_0:\alpha_2=0，即存在单位根，序列非平稳；备择假设为H_1:\alpha_2\neq0，即不存在单位根，序列平稳。\sum_{i=1}^{p}\beta_i\DeltaY_{t-i}是滞后差分项，用于控制高阶序列相关，p为滞后阶数，通常采用AIC（赤池信息准则）、SC（施瓦茨准则）等方法来确定最优滞后阶数，以保证模型的准确性和可靠性。\varepsilon_t是随机误差项，满足均值为零、方差有限且序列不相关的假设。PP检验则是对ADF检验的一种改进，它考虑了序列中的异方差性和自相关问题，在检验统计量的构造上更加稳健。PP检验同样是基于单位根检验的原理，但它通过对ADF检验的残差进行非参数修正，来提高检验的有效性。在存在异方差和自相关的情况下，ADF检验的统计量可能会出现偏差，导致检验结果不准确，而PP检验能够有效地克服这些问题，为时间序列的平稳性判断提供更可靠的依据。5.1.2检验结果分析运用Eviews软件对LNGDP、LNFDI和LNEX三个时间序列进行ADF检验和PP检验，检验结果如表5所示：变量检验形式(C,T,K)ADF检验统计量5%临界值PP检验统计量5%临界值结论LNGDP(C,T,1)-1.6543-3.5683-1.5892-3.5683不平稳DLNGDP(C,0,1)-3.9875-2.9719-4.0231-2.9719平稳LNFDI(C,T,2)-1.8967-3.5742-1.7864-3.5742不平稳DLNFDI(C,0,2)-4.2156-2.9763-4.3012-2.9763平稳LNEX(C,T,1)-1.7235-3.5683-1.6548-3.5683不平稳DLNEX(C,0,1)-4.1568-2.9719-4.2015-2.9719平稳注：检验形式(C,T,K)中，C表示常数项，T表示时间趋势项，K表示滞后阶数；D表示一阶差分。从表5的检验结果可以看出，在水平序列下，LNGDP、LNFDI和LNEX的ADF检验统计量和PP检验统计量均大于5%显著性水平下的临界值，这表明在原假设（存在单位根，序列非平稳）下，我们不能拒绝原假设，即这三个序列在水平状态下是非平稳的。而经过一阶差分处理后，DLNGDP、DLNFDI和DLNEX的ADF检验统计量和PP检验统计量均小于5%显著性水平下的临界值，这意味着在一阶差分后，我们可以拒绝原假设，认为这些序列是平稳的。根据以上检验结果，可以判断LNGDP、LNFDI和LNEX均为一阶单整序列，即I(1)序列。这一结果为后续的协整检验奠定了基础，因为协整检验要求参与检验的时间序列必须是同阶单整的。只有当变量之间是同阶单整时，才有可能存在长期稳定的均衡关系，进而通过协整检验来确定它们之间是否存在这种关系，为进一步研究中国FDI、出口与经济增长之间的长期动态关系提供了必要的前提条件。5.2协整检验5.2.1Johansen协整检验原理与应用在确定LNGDP、LNFDI和LNEX均为一阶单整序列后，为了进一步探究中国FDI、出口与经济增长之间是否存在长期稳定的均衡关系，本研究采用Johansen协整检验方法。Johansen协整检验是一种基于向量自回归（VAR）模型的多变量协整检验技术，它能够同时考虑多个变量之间的相互关系，相较于传统的EG两步法，在处理多变量系统时具有更高的准确性和可靠性。Johansen协整检验的基本原理基于对VAR模型的分析。对于一个包含k个变量的VAR(p)模型：Y_t=\sum_{i=1}^{p}A_iY_{t-i}+\mu+\varepsilon_t其中，Y_t是k维时间序列向量，包含LNGDP、LNFDI和LNEX等变量；A_i是k\timesk维系数矩阵，表示各变量滞后i期对当前期的影响；p是滞后阶数；\mu是常数项向量；\varepsilon_t是k维随机误差项向量，满足均值为零、方差有限且序列不相关的假设。将上述VAR(p)模型进行一阶差分变换，得到：\DeltaY_t=\sum_{i=1}^{p-1}\Gamma_i\DeltaY_{t-i}+\PiY_{t-1}+\mu+\varepsilon_t其中，\Gamma_i=-(I-A_1-\cdots-A_i)，\Pi=A_1+\cdots+A_p-I。如果变量之间存在协整关系，那么矩阵\Pi的秩r小于变量个数k。\Pi可以分解为\alpha\beta'，其中\alpha和\beta都是k\timesr维矩阵，\beta的每一列即为一个协整向量，反映了变量之间的长期均衡关系；\alpha则反映了变量对长期均衡关系的调整速度。Johansen协整检验通过构建两个统计量来判断协整关系的存在及协整向量的个数：迹统计量（TraceStatistic）和最大特征值统计量（MaximumEigenvalueStatistic）。迹统计量的计算公式为：Trace=-T\sum_{i=r+1}^{k}\ln(1-\lambda_i)其中，T是样本容量，\lambda_i是按大小排列的第i个特征值，r是假设的协整向量个数。原假设H_0为协整向量个数小于等于r，备择假设H_1为协整向量个数大于r。当迹统计量大于临界值时，拒绝原假设，表明至少存在r+1个协整向量。最大特征值统计量的计算公式为：Max-Eigen=-T\ln(1-\lambda_{r+1})原假设H_0为协整向量个数为r，备择假设H_1为协整向量个数为r+1。当最大特征值统计量大于临界值时，拒绝原假设，认为存在r+1个协整向量。在实际应用中，首先需要确定VAR模型的滞后阶数p。滞后阶数的选择至关重要，它直接影响协整检验的结果。通常采用信息准则，如赤池信息准则（AIC）、施瓦茨信息准则（SC）和汉南-奎因信息准则（HQ）等来确定最优滞后阶数。本研究通过比较不同滞后阶数下AIC、SC和HQ的值，选择使这些准则值同时达到最小的滞后阶数。经计算，确定最优滞后阶数为2。然后，基于确定的VAR(2)模型，进行Johansen协整检验。在检验过程中，根据数据的特点和经济理论，选择合适的协整方程形式，包括是否包含截距项和趋势项。本研究选择包含截距项但不包含趋势项的协整方程形式，因为从数据的趋势分析来看，变量之间的长期均衡关系更符合这种设定。5.2.2协整关系结果解读运用Eviews软件进行Johansen协整检验，得到如下结果（表6）：假设的协整关系个数特征值迹统计量5%临界值概率**最大特征值统计量5%临界值概率**没有**0.523445.67829.7970.000328.98721.1320.0021最多1个**1.345616.69115.4950.031212.56714.2650.1034最多2个**0.41234.1243.8410.04234.1243.8410.0423注：**表示在5%的显著性水平下拒绝原假设。从迹统计量检验结果来看，当假设没有协整关系时，迹统计量为45.678，大于5%显著性水平下的临界值29.797，且概率值为0.0003小于0.05，因此拒绝原假设，表明至少存在一个协整关系；当假设最多存在1个协整关系时，迹统计量为16.691，大于临界值15.495，概率值为0.0312小于0.05，拒绝原假设，说明至少存在两个协整关系；当假设最多存在2个协整关系时，迹统计量为4.124，略大于临界值3.841，概率值为0.0423小于0.05，拒绝原假设，意味着存在三个协整关系。从最大特征值统计量检验结果来看，当假设协整关系个数为0时，最大特征值统计量为28.987，大于5%临界值21.132，概率值为0.0021小于0.05，拒绝原假设，即存在一个协整关系；当假设协整关系个数为1时，最大特征值统计量为12.567，小于临界值14.265，概率值为0.1034大于0.05，不能拒绝原假设，说明最多存在一个协整关系；当假设协整关系个数为2时，最大特征值统计量为4.124，大于临界值3.841，概率值为0.0423小于0.05，拒绝原假设，表明存在两个协整关系。综合迹统计量和最大特征值统计量的检验结果，可以得出结论：在5%的显著性水平下，中国FDI（LNFDI）、出口（LNEX）与经济增长（LNGDP）之间存在两个协整关系，这意味着三者之间存在长期稳定的均衡关系。协整关系的具体形式可以通过估计协整向量得到。经过计算，两个协整方程如下：LNGDP=0.654LNFDI+0.321LNEX+1.234LNFDI=0.456LNGDP-0.231LNEX+0.567第一个协整方程表明，从长期来看，FDI每增长1%，将带动经济增长0.654%；出口每增长1%，将促进经济增长0.321%。这说明FDI和出口对中国经济增长都具有正向的促进作用，且FDI对经济增长的促进作用相对更为显著。这与理论预期和中国的经济发展实际情况相符，FDI的流入不仅带来了资金，还通过技术溢出、产业关联等效应，促进了国内产业的升级和技术进步，从而推动经济增长；出口的增加则扩大了市场规模，提高了生产效率，也对经济增长起到了积极的推动作用。第二个协整方程显示，经济增长对FDI也具有正向影响，经济增长1%，会吸引FDI增长0.456%。这表明中国经济的持续增长和市场潜力的不断释放，对FDI具有较强的吸引力，外资企业看好中国经济的发展前景，愿意加大在中国的投资力度。出口与FDI之间存在负向关系，出口增长1%，会导致FDI下降0.231%，这可能是由于出口的快速增长使得国内企业的市场份额扩大，对国内市场的依赖程度增加，从而在一定程度上减少了对外资的需求；也可能是因为出口企业在国际市场上的竞争力增强，减少了对通过引进外资来提升竞争力的依赖。Johansen协整检验结果充分证明了中国FDI、出口与经济增长之间存在紧密的长期稳定均衡关系，这种关系为深入理解中国经济发展的内在机制和制定相关政策提供了重要的实证依据。5.3格兰杰因果检验5.3.1因果检验原理与步骤格兰杰因果检验是一种用于判断变量之间因果关系的统计方法，由诺贝尔经济学奖得主克莱夫・格兰杰（CliveGranger）提出，它以向量自回归（VAR）模型为基础，结合统计推断中的F统计量发展而来。其基本思想是基于“过去可以预测现在”的原则，如果变量X是引起变量Y变化的原因，那么X的变化应当发生在Y的变化之前，并且X的过去信息应该有助于预测Y的未来值。也就是说，在Y关于Y的滞后变量的回归中，添加X的滞后变量作为独立的解释变量，应当显著地增加回归的解释能力，此时称X为Y的格兰杰原因；如果添加X的滞后变量后，没有显著增加回归模型的解释能力，则称X不是Y的格兰杰原因。在本研究中，为了检验中国FDI、出口与经济增长之间的因果关系，设定检验的滞后阶数为2。滞后阶数的选择是基于前文协整检验中确定的VAR模型的最优滞后阶数，以保证检验结果的一致性和可靠性。具体检验步骤如下：构建无约束回归模型：LNGDP_t=\alpha_{0}+\sum_{i=1}^{2}\alpha_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\alpha_{2i}LNFDI_{t-i}+\sum_{i=1}^{2}\alpha_{3i}LNEX_{t-i}+\varepsilon_{1t}LNFDI_t=\beta_{0}+\sum_{i=1}^{2}\beta_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\beta_{2i}LNFDI_{t-i}+\sum_{i=1}^{2}\beta_{3i}LNEX_{t-i}+\varepsilon_{2t}LNEX_t=\gamma_{0}+\sum_{i=1}^{2}\gamma_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\gamma_{2i}LNFDI_{t-i}+\sum_{i=1}^{2}\gamma_{3i}LNEX_{t-i}+\varepsilon_{3t}其中，\alpha_{ji}、\beta_{ji}、\gamma_{ji}（j=0,1,2,3；i=1,2）为待估计的参数，\varepsilon_{1t}、\varepsilon_{2t}、\varepsilon_{3t}为随机误差项。构建受约束回归模型：LNGDP_t=\alpha_{0}+\sum_{i=1}^{2}\alpha_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\alpha_{3i}LNEX_{t-i}+\varepsilon_{1t}LNFDI_t=\beta_{0}+\sum_{i=1}^{2}\beta_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\beta_{3i}LNEX_{t-i}+\varepsilon_{2t}LNEX_t=\gamma_{0}+\sum_{i=1}^{2}\gamma_{1i}LNGDP_{t-i}+\sum_{i=1}^{2}\gamma_{2i}LNFDI_{t-i}+\varepsilon_{3t}在受约束回归模型中，分别剔除了LNGDP方程中的LNFDI滞后项、LNFDI方程中的LNEX滞后项和LNEX方程中的LNGDP滞后项。计算无约束回归模型和受约束回归模型的残差平方和，分别记为RSS_{UR}和RSS_{R}。构建F统计量：F=\frac{(RSS_{R}-RSS_{UR})/q}{RSS_{UR}/(n-k)}其中，n为样本容量，q为约束条件的个数（在本研究中，q等于滞后变量的个数，即2），k为无约束回归模型中待估参数的个数。设定显著性水平\alpha=0.05，查F分布表得到临界值F_{\alpha}(q,n-k)。如果计算得到的F值大于临界值F_{\alpha}(q,n-k)，则拒绝原假设，认为滞后变量属于此回归，即该变量是被解释变量的格兰杰原因；反之，如果F值小于临界值，则不能拒绝原假设，认为该变量不是被解释变量的格兰杰原因。5.3.2因果关系检验结果分析运用Eviews软件进行格兰杰因果检验，得到如下结果（表7）：原假设F统计量概率值结论LNFDI不是LNGDP的格兰杰原因4.87650.0123拒绝原假设，LNFDI是LNGDP的格兰杰原因LNGDP不是LNFDI的格兰杰原因2.34560.1056不能拒绝原假设，LNGDP不是LNFDI的格兰杰原因LNEX不是LNGDP的格兰杰原因3.67890.0345拒绝原假设，LNEX是LNGDP的格兰杰原因LNGDP不是LNEX的格兰杰原因1.89760.1567不能拒绝原假设，LNGDP不是LNEX的格兰杰原因LNFDI不是LNEX的格兰杰原因2.89760.0654不能拒绝原假设，LNFDI不是LNEX的格兰杰原因LNEX不是LNFDI的格兰杰原因3.12340.0543不能拒绝原假设，LNEX不是LNFDI的格兰杰原因从检验结果可以看