表2各变量相关系数.doc

其中， 分别表示约束模型( 混合估计模型) 和非约束模型( 固定效应模型) 的残差平方和。为个体个数， 为解释变量个数， ， 分别为F 统计量分子和分母自由度。我们用与它在显著水平下的临界值作比较， ， 。 通过建立混合估计模型，。从表3得到。 利用上面的公式得到： 查表得。因为 。拒绝原假设， ， 达到了0.9917， 95%以上。 表3 环渤海地区FDI的外贸易效应运用面板数据的分析 变量 系数 标准差 T-统计量 常数 -5.1567*** 0.9426 -5.6643 0.5903*** 0.1117 5.2850 0.0694*** 0.0212 3.2645 0.4288*** 0.0890 4.8202 0.4137*** 0.1167 3.5442 调整的 0.9917 残差平方和 6.7531 F统计量 1447.196 注： ***分别表示在1%的水平上显著。 从表3得知，所有解释变量均在5%的水平上显著。这说明市场规模、水平、国内投资存量、外商直接投资存量及货运总量都是推动环渤海地区对外贸易增长的显著作用因素。由于采用的是对数线性模型，根据表中数字，可以方便的获知各因素对对外贸易推动作用的大小：可以看，表征市场规模的地区可支配收入()对对外贸易的推动作用最大。可支配收入水平的提高，意味着消费能力和结构的提高，从而刺激进口增加。本研究显示：居民可支配收 入水平每提高1个单位，将会推动环渤海地区对外贸易增长0.59个单位。另一方面，表征经济发展水平的国内投资存量对对外贸易的推动作用也较大。这与环渤海经济圈发展起步较晚，过去十几年主要在于基础设施的建设和不断改善投资环境的实际情况相符。同时环渤海地区的企业中，国有经济比重较高，该地区的内资企业的进出口总额在对外贸易中占的比重较大。本研究显示，，SUR）方法建立了回归系数不同的面板数据模型。其结果如下面的表4。 表4 回归系数不同的结果 变量 北京 天津 河北 山西 内蒙古 辽宁 山东 1.509*** (4.527) 2.823*** (4.747) 0.934*** (3.544) -0.009 (-0.014) 0.0735 (0.864) 0.453 (0.898) 2.060*** (3.015) 1.131*** (6.502) 0.161* (1.775) 0.111*** (6.502) -0.104** (-2.438) 0.400* (1.774) 0.128** (2.438) 0.175** (2.660) 0.080 (0.277) 0.510 (-1.584) 0.057 (0.124) -0.378 (-1.090) 0.1861 (0.624) 0.469 (1.355) -0.591** （-2.105） 0.190*** （2.898） 0.935** （2.576） -0.451 （-0.741） 3.536*** （3.876） 0.486 （0.933） 0.100 （0.648） 1.663**** （5.058） Weighted Statistics Unweighted Statistics 3163.418 — 0.999090 0.999982 调整的 0.998774 调整的 — DW值 1.921241 DW值 1.332711 我们从各个地区的回归方程的结果中可以看到，FDI对7个省市贸易总量的影响很不相同，在北京、天津、山东、辽宁有正面积极的作用，其中对北京影响最大。同时我们注意到在内蒙古，虽然外商直接投资非常的少，但对贸易的影响还有促进的作用，每增加一个单位的FDI将会增加0.4个单位的贸易量。而在山西的效应是负的。在北京每增加一个单位的FDI将会增加1.13个单位的贸易量，而在山西省则产生负作用将减小贸易量0.1个单位，可以说在北京、内蒙古、天津、山东、辽宁外商直接投资对贸易影响成正相关的关系，两者是互补的关系，外商直接投资的进入会大量的提高贸易量。而在山西两者的关系却显示出来替代的关系。产生这样的结果可能的原因是： 1、在北京、天津、山东、辽宁大量的外商直接投资进入的原因在于使用中国的廉价的劳动力成本，利用沿海的港口地理资源开展加工贸易。这与大量亚洲中小资本的这些地区大量投资现实相吻合。这与小岛清模型对FDI与贸易关系的描述十分吻合，恰好解释了FDI与贸易之间的互补的关系，在亚洲的中小企业在其本国并不具有良好的比较优势(由于工业化的发展，人力成本不断提高)，但在中国大陆有大量的劳动力资源，故此在本国不具有比较优势的企业在中国却具有良好的比较优势。故此它们的投资带动了大量的贸易。 2、同时在山西出现的这种负相关的关系，我们分