FDI对湖北省就业量影响的实证分析

【摘要】 本文运用现代计量经济学方法，就FDI规模对湖北省就业总量和三大产业就业量贡献率分别进行了实证分析，并基于FDI对湖北省三大产业就业的动态弹性系数的测算结果，对湖北省如何增加区域就业量提出了相应的建议。

【关键词】 FDI 协整 误差修正模型 状态空间模型 就业效应

一、研究方法和数据处理的说明

本文采用针对非平稳时间序列数据建模的协整理论，研究外商直接投资与湖北省就业增长之间的长期均衡关系和短期波动机制。协整关系表明变量之间的某种长期稳定关系。如果由于某种原因在短期内出现了偏离均衡的情况，则必须通过对误差的修正使变量重返均衡状态，误差修正模型将短期波动和长期均衡结合在一个模型中。

本文所选取的样本空间为1990—2010年。设定EMP、EMP1、EMP2、EMP3、IM和FDI分别表示总就业人数，第一、二、三次产业的就业人数，国内投资和外商直接投资。就业人数单位为万人；IM为全社会固定资产投资减FDI的部分；外商直接投资额采用历年实际吸收FDI金额（按当年平均美元/人民币汇率换算为以人民币计值的金额，单位为亿元），并用居民消费价格指数对其进行平减，以得到真实的外商直接投资额。所有数据均来自《2011年湖北省统计年鉴》和《新中国55年统计资料汇编》。由于数据的自然对数变换不改变原变量间的协整关系，并能使其趋势线性化，消除时间序列中存在的异方差现象，所以对各个变量分别取自然对数，得到新的变量序列，分别记为LNEMP、LNEMP1、LNEMP2、LNEMP3、LNIM和LNFDI。

二、模型与实证分析

1、单位根检验

在对LNEMP和LNFDI进行协整检验之前，首先必须对时间序列进行平稳性检验，并确定序列的单整阶数。本文利用Eviews6.0软件，采用ADF（Augmen ted Dickey-Fuller）单位根法对LNEMP和LNFDI序列进行检验。原假设为序列非平稳，检验结果如表1所示。LNEMP和LNFDI的单位根ADF值均大于5%显著水平的临界值，故在5%的显著性水平上接受原假设，即变量的原时间序列数据均为非平稳序列；而其一阶差分的的单位根ADF值均小于5%显著水平的临界值，故在5%的显著性水平上拒绝原假设。非平稳时间序列LNEMP、LNFDI经过一阶差分后达到平稳，原序列均为一阶单整序列。故而，序列LNEMP和LNFDI之间存在长期的协整关系，可以进行协整检验与估计。

2、协整检验

基于回归残差的EG两步法协整检验。

第一步，用变量LNEMP对LNFDI进行回归，建立如下计量方程：

LNEMPt=？琢+LNREDIt+t （1）

采用OLS方法对式（1）进行估计，得：

LNEMPt=7.831891114+0.07673263595LNFDIt+et（2）

（212.7451） （7.85778）

R-squared=0.785281 D.W=0.554148 F=69.48767

其中，括号内数字为t统计量的值，et为回归残差。

第二步，对残差序列et进行平稳性检验，如果et是平稳的，则说明LNEMP和LNFDI之间具有协整关系。由回归方程估计结果得：

et=LNEMPt-7.831891114-0.07673263595LNFDIt（3）

保存式（2）OLS估计结果的残差（命令series e=resid），采用ADF单位根检验方法，不含常数项和时间趋势项，依据SIC最小原则确定滞后阶数为0，检验结果见表2。ADF值小于5%显著水平的临界值，故在5%的显著性水平上拒绝原假设，可以认为残差序列et为平稳序列，表明湖北省就业量和FDI之间具有协整关系。

3、湖北省就业量与FDI之间的长期均衡关系

上述回归结果式（2）的D.W值仅为0.55，表明误差项存在正自相关。因此，参数估计值虽然是无偏的，但却不是有效的，显著性检验失效。这说明式（2）不能代表湖北省就业与FDI之间的长期均衡关系。为了消除误差项的序列相关性，得到LNEMP与LNFDI之间的长期均衡关系，我们现在建立自回归分布滞后模型，自回归分布滞后模型的形式为：

LNEMPt=C+？琢jLNEMPt-j+iLNRFDIt-i+t，

其中，p、q分别为LNEMP和LNFDI的最大滞后阶数，滞后期的长度根据系数的显著性检验以及AIC和SC准则来确定。由于采用的是年度数据，再考虑自由度的约束问题，我们这里选择p的最大滞后阶数为4，q最大滞后阶数为3，建立自回归分布滞后模型，接着根据T统计量和Wald检验，逐步剔除系数不显著的变量，对模型进行修正。

LNEMP=1.7326+0.0120LNFDI+0.0102LNFDI（-1）+ 0.7855LNEMP（-4）

t=（13.79866） （2.662323） （3.069898）

（48.13116）

R-squared=0.996791 D.W=1.780840 （4）

以上系数估计值所对应的相伴概率均在5%的显著性水平下显著，结果显示模型拟合的较好。此处需要进一步对上式的残差进行序列相关性检验，采用可用于检验高阶自相关的Breush - Godfrey LM 检验方法。因为模型的解释变量包含滞后因变量，故而这里不能用DW检验（限于检验一阶自相关）。Breusch-Godfrey Serial Correlation LM Test结果见表3。

从表3可知，F统计量和T×R2统计量所对应的相伴概率均大于0.1，即这两个统计量均小于在10%的显著性水平下的临界值，不能拒绝原假设，原假设为直到p阶滞后不存在序列相关，故而可以说上式的残差序列不存在自相关。所以，上述建立的模型表明了FDI与湖北省就业间的均衡关系。