人民币实际汇率波动对我国进出口的影响_1994_2003(2)

xt= x+ xyt+ xet*(5)(6)

当 m<0时,本币贬值能降低进口额,当 x>0时,本币贬值能提高出口额。此时ML条件成立,反之则不成立。

在(5)式中,一般认为 m>0,但如果国内收入的增长是由于进口替代品的增加而引起的则 m<0;相似的,在(6)式中,一般认为 x>0,但如果贸易伙伴国收入的增长是由其进口替代品的增加而引起的则 x<0(Kara,2002)。

以出口方程为例,将对长期均衡的偏离,定义为:

zt=mt-( + yt+ et)

这里假定上述变量之间只存在一种协整关系(后面部分将对该假设进行检验)。定义xt=*

与贸易弹性相关度极高的国际贸易方向参考文献。适合经济管理学院学生毕业论文做参考之用,希望对大家有帮助。

卢向前、戴国强:人民币实际汇率波动对我国进出口的影响:1994 2003

(mt,et,yt) ,则可以得到由对协整关系Zt的误差修正模型表示的P阶向量自回归模型(VAR):

x*

t= + zt-1+

i=1 pi xt-1+ut*(7)

这里 表示非约束因变量, 为一个3*1向量。这个VECM模型可以视为简化的结构协整向量自回归分布滞后(structuralcointegratingVARDL)模型,该模型可将外生变量也包含在内。

如果在上述的协整向量中只存在一种协整关系,则将所有方程看成一个整体进行估计,不会显得更有效率,因此可以只单独对进口方程进行估计(Boyd,2001)。则VARDL模型可转变为单一方程的ARDL模型。

ARDL模型表示为:

mt=

相似的有:

xt=i=1i=1 emint-i+i=1 nnmi yt-i+i=1 nn mi mt-i+ mzt-1+ut(8) exint-i+i=1y xi*t-i+i=1 xxit-i+ xzt-1+ut(9)

这种形式的ARDL模型将给向量协整检验的参数估计带来更高的效率。一般认为在(7)式和

(8)式中, m, x<0,因为当短期值超过均衡值,预期短期值下降;反之上升(Greene,2000)。而 m和 x的绝对值越大,则在冲击后向均衡值回复的速度越快。

三、数据说明

所有数据均为月度指数形式。

本国物价采用中国CPI指数;贸易伙伴国物价采用工业化国家CPI指数(考虑到我国主要贸易伙伴是工业化国家,采用工业化国家CPI较采用世界CPI指数更为合适);由于我国GDP只有季度数据,因此本国国民收入用工业增加值指数(根据各月工业增加值计算,2000年为基期)代替;基于同样的考虑,贸易伙伴国国民收入以工业化国家工业增加值指数表示。

名义汇率指数的计算:(1)计算出人民币对美元、欧元、日元、加元、港币、英镑、澳元、瑞士法郎、新加坡元等世界主要货币汇率(直接标价法)各自的月度汇率指数(以1994年1月为基期);(2)根据我国对上述货币发行国或地区的各月进出口总额为权重,计算出人民币汇率指数,指数上升表示人民币贬值。许少强(2002)认为 由于1994 2000年人民币对美元汇率基本稳定,即使存在汇率贬值有利于国际收支的机制,汇率的影响仍然没有显现出来 。本研究使用人民币加权汇率,能有效解决许少强(2002)所提出的人民币兑美元汇率基本稳定,汇率作用难以显现的问题。

针对中国进、出口总额数据及中国工业增加值数据表现出很强的季节规律性的问题,我们对进出口总额数据进行对数12阶差分 表1单位根检验(对月度数据进行12阶差分是消除

季节因素影响的最简便的方法

(Pindyck,1998)。用乘积法对工业

增加值数据进行季节调整(采用

Eviews3.1计算)。在本文中如无特

别指出,中国进、出口总额、工业增加值均为季节调整后的数据。人民币对世界主要货币名义汇

率数据来自中国外汇管理局、美国

d(1)d(0)eximey2 4861434,nt,iY*-2 399224,t,i-2 40968-2 34545-1 948341,nt,i3,t,i2,nt,i10 4626**-9 68321**-6 17809**-6 90701**-2 61265**1,nt,ni2,nt,ni1,nt,ni4,t,i3,nt,ni** 注:d(i)表示I阶差分,上标表示在1%的显著度下,拒绝存在单位根的原假设。t,nt表示有、无趋势项;i,ni表示有、无截距项。滞后阶数,截距及常数项的选择根据AIC决定。

与贸易弹性相关度极高的国际贸易方向参考文献。适合经济管理学院学生毕业论文做参考之用,希望对大家有帮助。

2005年第5期

联邦储备委员会网站;中国工业增加值来源于 人民银行统计季报 ,中国对各国的进、出口原始数据来源于 海关统计 ,其余数据均来源于IMF网站。

需要对上述数据及差分项进行单位根检验,以选择所需要使用的计量方法。表1给出了出口、进口、实际汇率、国内工业增加值,工业化国家工业增加值月度指数对数值及其一阶差分的ADF检验值。结果表明上述数据在AIC及SBC(未列出)标准下,在10%的显著度以上都不能拒绝原假设,即序列存在单位根,是非平稳的。因此,不能使用最小二乘回归检验上述变量间存在的关系,否则会产生伪回归的情况。在1%的显著度下,上述序列的一阶差分序列都拒绝原假设,也就是说上述数列都是I(1)数列。可以采用JohansenandJuselius(1990)的协整向量自回归(cointegratingVAR)分析框架进行协整检验,而不需要使用Pesaran(1996)的自回归分布滞后模型(ARDL)进行协整检验(该方法不要求变量同阶差分平稳)。

四、ML条件检验:基于cointegratingVAR分析

本文首先进行协整向量自回归(cointegratingVAR)的特征值轨迹检验,以确定各变量之间是否存在协整关系及存在几种关系。如向量之间只存在一个协整关系,则直接对(8)式与(9)式进行估计,以分别确定进、出口与各变量之间存在怎样的长期均衡关系(计算方法见李子奈、叶阿忠,2000;PesaranMH,ShinY1995)。

正如PesaranandSmith(1998)所强调的,协整向量自回归(cointegratingVAR)分析涉及大量的内生变量、外生变量选择,滞后阶数确定,趋势项、截距项确定。不同的选择标准将对计算结果产生相当大的影响,为保证实证结论的客观性,本文主要根据AIC及SBC标准选择滞后阶数及是否存在趋势项、截距项。当根据两个标准计算的结果不一致时,我们将参照Pesaran的论述,根据经济原理进行选择(PesaranMH,SmithRP,1998)。

*令 (M-r)表示特征值轨迹检验的统计检验量。M为X中的元素个数,这里M=3。当r=0,

1, ,M-1时可以得到一系列统计量值 (M), (M-1), , (1)。 (M)不显著,即小于某一显著性水平下的Johansen分布临界值,则不存在协整关系。而 (M)显著,表明至少存在一种协整关系,必须接着检验 (M-1)。 (M-1)不显著时,则存在一种协整关系; (M-1)显著则表示至少存在两个协整关系,必须接着检验 (M-2)的显著性, 直到出现第一个不显著的 (M-r)为止。

根据表2所示,特征值轨迹检验值 ex(M-0)> 表2

28 436(显著度为10%的临界值), ex(M-1)<15 583

(显著度为10%的临界值,Joahson&Juselius,1990),因

* 此ex与e、y在10%的显著度下只有一个协整关系。

im(M-0)>37 291(显著度为1%的临界值), im(M-28 90128 注:M=3特征值轨迹检验exim ex(M-0) ex(M-1) im(M-0) im(M-1)13 3124237 384054 450686

1)<21 962(显著度为1%的临界值),因此im与e,y在1%的显著度下只有一个协整关系。

如前所述,由于进出口与相应的变量之间分别都只存在一种协整关系。因此可以只单独对进口方程进行估计。表3、表4分别为对(8)式、(9)式进行估计的系数值列表。表3、表4从上到下,依次可分为三部分,第一部分长期均衡关系估计;第二部分是ARDL模型中,各变量的差分项及其滞后项的系数估计;第三部分是误差修正项的 …… 此处隐藏：3554字，全部文档内容请下载后查看。喜欢就下载吧 ……