动态面板模型（共7篇）
动态面板模型 篇1
1 动态面板数据模型的理论概述
1.1 动态面板数据模型的基本形式
面板数据(panel data)也称时间序列截面数据或混合数据(pool data),是指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据,也就是把截面数据和时间序列数据融合在一起的数据。最早是Mundlak,Balwstra和Nerlove把面板数据引入到计量经济学中,从此以后,大量关于面板数据的分析方法、研究文章出现在经济管理学、社会学、心理学等领域。和只能反映某个时期不同个体差异的截面数据相比较,面板数据有以下几个优点:首先是面板数据利用了更多数据的信息,提高了自由度和有效性,能得到更有效和更可靠的参数估计量,能估计更为精确复杂的行为方程。其次,面板数据能够更好地检测和度量单纯使用横截面数据或时间序列数据无法观测到的影响。最后,面板数据能更好的研究动态行为的复杂问题,动态面板数据模型就是一个很好的例子。
动态面板数据是研究现象动态行为的一种重要方式,在一个模型中添加动态因素,是对方程理解上的一个变化。在方程中添加滞后变量即右边变量的整个历史,所以所观测的任何影响都以这个历史为条件。假如在面板数据模型右端加入滞后因变量的话,则模型变为动态面板数据模型。其基本形式为
yit=δyi,t-1+X′itβ+μi+νit,
δ是一个常数,β是k×1向量,Xit和yit是解释变量和被解释变量,i=1,2,…,N,t=1,2,…,T。
μi~IID(0,σμ2)νit~IID(0,συ2)
uit=μi+νit。
动态面板数据模型的一个突出优点是通过控制固定效应较好地克服了变量遗漏(omitted variable)问题,而且还较好地克服了反向因果性(reverse causality)问题。和一般的面板数据模型一样,动态面板数据模型也有固定效应模型和随机效应模型。假如μi是待估的固定参数,则模型为固定效应模型,若μi是随机的,则模型是随机效应模型。无论在固定效应模型还是随机效应模型中,即使νit本身不存在自相关,滞后因变量与干扰项也会相关。这就使得νit尽管不存在序列相关,但OLS估计量却是有偏和不一致的估计量(Badi H.Baltagi)[1]。假如,把固定效应模型作为一个含有滞后因变量的普通回归模型来考虑,且把这种情形考虑为一个包含随机解释变量的回归,其中解释变量在不同观测之间彼此相关,则基于T次观测的估计量在有限样本中虽然是有偏误的,但却是一致的。区别在于:此处假定T很小或者不变,所以大样本结论要根据n而非T的不断变大而得到。同样的问题在随机效应模型中更加明显,在动态面板数据的随机效应模型中,滞后因变量与模型中的复合干扰相关,因为对于第i组中的每次观测方程中都会进入同样的μi。虽然上面这些结论都不能使得模型无法估计,但此时最小二乘虚拟变量模型(LSDV)和可行广义最小二乘法(FGLS)不是最有效的估计方法。
1.2 动态面板数据模型的估计
文献中分几个阶段提出了动态面板数据模型一般性的估计方法。一类是工具变量法(IV),如:安德森和萧政建议先采用一阶差分消除μi,然后用滞后两期的因变量的差分项或滞后两期的因变量作为滞后一期的因变量的工具变量来消除异质性。这些工具变量将不再和随机扰动项的差分项△νit相关(只要扰动项νit间不存在序列相关)。但Ahn和Schmidt认为这种工具变量虽然是一致的,但不一定是有效估计量,因为它没利用所有的矩条件,也没有利用残差扰动项的所有差分结构。Arellano认为,在动态面板数据模型中,若采用差分变量作为工具变量将得到方差更大的参数估计值,而采用水平工具变量(例如yi,t-2)得到的估计量具有更小的方差,因此推荐使用此法。
另一类方法是广义矩估计(GMM),代表性学者有:Arellano和Bond,Arellano和Bover,正如Arellano等人及Ahn和Schmidt所证明的,在GMM估计量的背景下,可将样本中更多的信息用于估计。但是,这种被称作差分广义矩估计的方法通常存在弱工具性的问题,在实际回归时,常出现Sargan检验显著拒绝的情形。Arellano和Bover,Blundell和Bond以及Windmeijer对此问题做了研究讨论,并给出了改进的办法,这种方法称为系统广义矩估计(system GMM)的方法,其实质是对初始模型中的前定和内生变量,选择它们的一阶差分的滞后项作为工具变量。一般地,通过调节后,检验工具变量合理性的Sargan检验的统计值得到部分改善。
GMM估计量基本上区别于剔除了个体效应且不随时间变化的模型,这个模型同时也剔除了内生变量,因为内生变量也许会导致回归方程右边的各个体效应间相关。并证明,通过使用更大的一组矩条件,可以使有效性得到改善。但随着有效性的增加,太多的矩条件将导致模型有偏,建议采用这些矩条件数的一个子集来获得权衡有偏的减少和有效性的损失过程中所带来的好处[1]。同时,可以通过利用Arellano和Bond的GMM程序计算出的两个结果来检验误差扰动项中的一阶和二阶序列相关,应该拒绝一阶序列相关存在的原假设,而不能拒绝二阶序列相关的存在。
1.3 动态面板数据模型估计中常遇到的问题
(1)在动态面板数据模型的参数估计中,当用短期面板数据时,采用标准的方法(如极大似然估计ML)进行估计,有偏性通常是不可忽略的;当自回归系数接近于1时,传统的GMM估计方法将遇到有偏和方差上的问题。Christian Gouriéroux,Peter C.B.Phillips,Jun Yu提出的减少有偏性的方法使用间接的推断来校正有偏函数,此时方差仅有小小的增大。同时,在没有偶然趋势项的线性动态面板数据模型中是高度有效的,经过小小的改动后这种方法可以广泛地应用于其他面板数据模型中[2]。
(2)动态面板数据GMM模型的一个特殊性质是:随着时间T的不断变化,矩条件数也不断增大。因此,可以利用Sargan检验法来检验过度识别约束(Badi H.Baltagi)[1]。在绝大多数情况下,模型会严重地过度识别(正交条件远比参数多得多),在GMM估计中,对于过度识别约束的检验照常可基于准则q而进行,在其最小值处,q的极限分布服从χ2分布,其自由度等于总的工具变量个数减去(1+K1+K2+L1+L2)(Bhargava and Sargan)。
(3)对于线性函数形式的动态经济结构关系,大量的学者应用线性动态面板数据模型从计量经济学角度进行了很好的证明(Baltagi,Wooldridge,Arellano,and Hsiao)。事实上,经济学理论上所解释的经济关系通常不是线性关系,而是非线性关系。估计带有不可观察效应的动态非线性面板数据模型,需要合理的设定不可观察效应外生变量的密度函数和因变量的初始观察值,然而,非线性动态面板数据模型的初始条件问题是一个相当困难的事Wooldridge。因此,关于线性或非线性参数动态面板数据模型都是建立在所有的回归系数都是常数的假设之上,具体的结果见Arellano,Hsiao,Baltagi[3,4,5]。Yoon-Jin Lee通过对动态面板数据模型的诊断估计的研究发现,考虑条件异方差来保证合理的有限样本容量是非常重要的,强调了在实践中使用那些对条件异方差和随时间变化的高阶矩条件是稳健的检验,这种检验对多种函数形式的误设定和非线性面板数据模型是具有综合性和有解释力的[6]。
(4)此外,参数化的动态面板数据模型很容易被错误识别。为了解决这些问题,参数化模型可用半参数或非参数的模型来代替,Li和Stengos扩展到半参数面板数据模型,Horowitz和Markatou,Li和Hsiao,Kniesner和Li等继续研究这种情况下的参数估计[7,8,9]。对于动态面板数据的半参数估计的方法,Byeong,Robin和Leopold中考虑了常系数的情况,Cai和Li,Cai和Xiong,Cai和Li中考虑了变系数动态面板数据的非参数估计[10,11,12]。武大勇、张伟、姜凌[19]研究了变系数动态面板数据模型的半参数估计,首先推导出模型所隐含的各种矩条件,然后利用广义矩估计方法得到了模型中未知参数的半参数广义矩估计,最后对于所得到的估计的渐进性和一致性进行证明。
2 动态面板数据模型应用研究的概述
2.1 国外应用研究综述
在国外的实证研究中,动态面板数据模型应用于分析生产函数、R&D问题、经济增长问题、动态外部性和工业结构和经济发展、商业周期、家庭收入、工业贸易、经济增长FDI和出口、区域经济增长、经常账户赤字、公司资本结构等问题上。
Blundell,Bond在研究C-D生产函数时,采用的面板数据横截面很大,时期很短。此时,标准的GMM估计量,虽然通过进行一阶差分消除了不可观察的公司特定效应,但通过他们的研究发现产生不满意的结果(Mairesse和Hall)。他们把这些归因于弱工具变量,滞后水平项和一阶差分序列之间是弱相关。正如Blundell和Bond研究所揭示的那样,使用标准一阶差分GMM估计量将导致有限样本有偏。他们的研究同时发现:通过对初始条件过程采取合理的平稳性限制,将显著的减少有偏性。这就产生了一个扩展的GMM估计量,滞后的一阶差分序列将被用作水平方程的工具变量。同时,Blundell和Bond使用面板数据研究美国制造业公司的R&D执行情况,研究发现在扩展的GMM估计量中增加工具变量是有效和能提供信息的,这种估计量将产生更合理的参数估计量,同时也强调了在生产率变化中允许加入一个自回归成分的重要性[13]。
前面已经指出,一阶差分的GMM估计量是有偏的。Bond,Hoeffle,Temple,利用GMM对经济增长进行实证研究,针对一阶差分GMM估计的有偏性提出了两个解决办法:一个是采用Arellano、Bover,Blundell、Bond发展的系统GMM估计量。这个估计量采用滞后一阶差分变量作为水平方程的工具变量,再与通常的估计方法结合使用。另一个解决办法是通过使用模型中没有包括的变量来加强一阶差分方程中所采用的工具变量的作用,例如在估计基本的索罗模型中通过使用学校注册率作为工具变量。结果表明:经济增长的收敛比率较低,这个结论也说明了在测度趋同率方面,还有许多不确定性需要考虑,不应该排除人力资本的显著外部性。
Bond把动态面板数据的GMM法应用在单个方程中的估计中,选取截面很大、时间很短的微观面板数据来估计自回归滞后分布模型,研究发现:当利率模型中包括内生变量和前定解释变量的时候,这种方法很有用。在一个宽范围的微观经济应用中,GMM估计量可以用来获得一致的参数估计量。然而当可获得的工具变量是弱工具变量时,这种方法将受制于有限样本的有偏性,并且,当对高度一致的序列采用基本的一阶差分估计量时会产生一个问题。仔细观察单个时间序列,比较一致的GMM估计量和像OLS和组内估计这样的简单估计量,将在应用研究中检查和避免这些有偏性。因为在短时间的面板数据中,含有滞后因变量简单估计量的系数是有偏的[14]。Milton Barossi-Flilho实证研究了长期的索罗经济增长模型,利用动态面板数据模型固定效应的单位根检验为收入增长的随机过程提供了很严谨的理论框架,通过动态面板协整分析的方法得出收入增长里大约有1/3是资本贡献的经验证据[15]。Roberto Esposti研究了欧洲区域经济增长和农业政策,建立动态面板数据模型来研究1989—2000年欧洲的206个地区趋同性,采用了GMM估计来获得趋同参数β的一致估计量和条件变量的影响。把yi,t-1作为内生变量,利用工具变量估计量来生成方程的一致估计量。同时采用了GMM-DIFF(进行一阶差分后进行GMM估计)和GMM-SYS(通过增加水平的系统方程到一阶差分方程中的GMM估计)。和前面相似,对于GMM-DIFF和GMM-SYS方程,都采用Arellano和Bond提出的一步和两步估计量,虽然两步中都产生了一致估计量,但第二步中却得到了渐进有效的估计量。结果表明:经济增长的趋同率显著地随着可供选择的参数的变化而变化,此处,可靠的和一致的趋同率估计量在3%~11%间变化,然而从横截面研究中这个比率通常是2%~3%[16]。Maurice J.G.Bun利用包括个体效应和时间效应的动态面板数据研究摩洛哥的工业结构对当地经济发展的影响。因为所选样本时期较短,截面较大,所以利用广义矩估计(GMM)来估计一致估计量,模型的回归项中包括滞后的因变量,模型假定中的所有矩条件都被采用,他们利用Arellano和Bond所提出的办法,对水平方程进行一阶差分来消除个体特定影响,使用滞后的因变量作为矩条件,并采用了一步和两步GMM估计,第二步估计的系数被用偏差修正的渐近标准误差来补充。结果表明,工业结构的专业化和分散性对本地经济发展有显著的积极作用,而竞争效应却和本地经济发展显著负相关[17]。Ralf Dewenter等人利用动态面板数据的GMM估计法研究了澳大利亚的移动通信的需求弹性,包括短期和长期的价格需求弹性。他们认为:GMM估计量的一致性依赖于工具变量的有效性,因此可以利用关于过度识别的Sargan检验来进行估计。他们利用1998年1月—2002年3月的数据进行实证分析,结果发现:公司顾客比私人顾客具有更高的需求弹性;后期支付的顾客比前期支付的顾客具有更高的弹性;长期需求更具有弹性[18]。
2.2 国内研究综述
纵观国内学者的研究成果,动态面板数据模型大多集中用于研究对外贸易和外商直接投资(FDI)、股价波动与股市收益、研发与创新与R&D、公司治理等一系列问题上。
在有关FDI相关问题的研究上,无论是选择进出口贸易还是就业作为研究的解释变量,都得出FDI对我国东部地区有显著的替代效应,对中西部地区的替代效应则相对较弱。如:王少平、封福育[20]、郑月明、董登新[21]。上述学者在进行GMM估计时,先对基本的动态面板数据模型进行差分选取合适的工具变量和产生相应的矩条件方程;其次,还选取适当的加权阵,使得基于估计的假设检验具有稳健性,此处选用的加权矩阵是怀特逐期方差矩阵。这样所产生的估计和检验具有一致性和稳健性。结果表明,FDI对我国不同地区的(对外贸易/就业)影响有显著差异。对东部地区而言,FDI对(对外贸易/就业)有显著的替代效应,而对中、西部地区则效果不明显。此外,祝树金、付晓燕[22]在研究政策优惠、经济环境影响FDI的动态效应与区域差异时,在对模型的处理上也采取了上面王少平等人的具体做法。另外,肖文、周明海,王苍峰,姚远,郑月明、王伟,谭本艳等学者在研究FDI相关问题上,均采用了动态面板数据模型的GMM技术。
童勇[23]采用动态面板数据方法构建了资本结构的动态调整模型。文中指出,尽管可以采用GMM方法获得无偏估计值,但是LSDV估计值的方差比GMM估计值的方差要小得多。如果能够从LSDV估计值中去掉偏差,那么就可以得到一个即无偏又有效的估计值了。文中采用Kiviet给出的方法对LSDV估计值进行纠偏,从而得到无偏有效估计。周黎安、罗凯[24]研究企业规模与创新,采用GMM来解决内生性问题,其中引入的工具变量包括因变量滞后两期及以上项和严格外生的自变量的差分项,采用Sargan检验来检验约束条件受存在过度限制问题。研究表明企业规模与创新的关系要以一定的企业治理结构为条件,单纯的规模化和集团化并不一定能够保证企业的创新能力。彭建平、张建华[25]利用动态面板数据模型GMM估计研究我国R&D投入效果,也是先通过对模型进行一阶差分来选择合适的工具变量,产生相应的矩条件方程。在估计过程中,同样选用了怀特逐期方差矩阵为加权矩阵,所产生的估计和检验具有一致性和稳健性。研究结果表明R&D的产出弹性显著。刘华芳、党兴华研究中国城市最优化水平,采用了广义矩估法(GMM)进行了参数估计,为了消除动态面板数据存在的异方差以及序列相关,采用cross-section SUR加权方法。研究发现城市化水平对人均GDP具有显著的贡献,而中国目前的城市化水平远未达到最优水平[26]。
3 动态面板数据模型有待研究的问题
动态面板数据模型中,没有哪个单个估计量在所有的小样本条件是更好的。因此说明在小样本情况下,GMM估计量效果不是很好,不同的估计量之间不好区分孰优孰劣,估计量在很多时候是有偏的。
与线性面板数据模型相比,对非线性面板数据模型的关注相对较少,虽然它们日益广泛的应用于实证研究中。在面板数据背景下,非线性动态模型具有相当大的挑战性,主要原因是需要控制不可观察的异质性。显然,通过差分剔除个体和时间效应的可能性严重地依赖于线性面板数据模型。广泛使用的变形,例如一阶差分或平均技术来排除个体效应实质上是线性变换,因此不能一般化到非线性面板模型。对于非线性面板数据模型,需要找到一个不依赖不可观察的异质性效应或设定一个密度函数将不可观察的异质性效应排除的条件似然函数。
动态面板模型 篇2
关键词：反补贴,贸易限制效应,贸易转移效应,实证分析
一、引言
反倾销、反补贴和保障措施历来是各国习惯采用的三种主要贸易救济措施。长期以来,反倾销作为一种贸易保护手段,得到了世贸组织的认可,成为维护“公平贸易”的最主要武器,是各国使用频率最高的贸易救济措施。但自从1995年WTO《补贴与反补贴措施协定》(A-greement on Subsidies and Countervailing Measures简称《SCM协定》)生效以来,各国在国际贸易中提起反补贴调查并采取反补贴措施的情况越来越多。近年来,受国际金融危机的影响,国际贸易保护主义有重新抬头的迹象,世界各国间的贸易摩擦愈演愈烈,反补贴逐渐成为新的热点。
图1列出了1993—2009年间立案的国际反补贴案件数量变化。WTO成立之后,反补贴案件数有所下降。但自1996开始,反补贴案件数逐年上升,并于1999年到达顶峰,高达41起。其后反补贴案件数呈波动下降的趋势。然而,2005—2009年间,案件数又逐年上升。相对于世界上各国进行立案的反倾销案件而言,反补贴的案件虽然比较少,但是该救济措施究竟会产生什么样的贸易效应,以及程度有多大,仍然值得研究。
资料来源:根据WTO和Global Countervailing Duties Database提供的数据整理。
二、相关文献综述
国内外学者对反补贴问题的研究从未间断,但反补贴的贸易效应问题较少受到关注。从现有的国外研究来看,有一些学者对反补贴的实施效果进行了实证研究。Yu-Ter Wang(2005)等学者对反补贴的贸易限制效应持否定观点。与此相反,Gallaway(1999)和Jones(2006)分别利用CGE(可计算一般均衡)模型和CBS(Central Bureau of Statistics)模型认为反补贴是限制贸易的重要手段之一。国内研究方面,目前只有少数学者对反补贴的经济效应进行了初步的研究,如邹琪等(2006)的研究认为反补贴会给社会经济福利造成损失。鉴于反补贴具有和反倾销类似的歧视性,在对反补贴贸易效应进行研究时可以借鉴反倾销的研究方法。如Neils and Kate(2006)以1990—2000年世界各国对墨西哥进行反倾销的面板数据为例,得出结论:对发展中国家征收反倾销税的申诉国不存在贸易转移效应,但存在贸易限制效应。Prusa(1999)利用美国1980—1994年对外反补贴数据,证明美国的反倾销措施从很大程度上扭曲了其贸易模式,导致进口额下降30%～50%。与此同时,Konings(2001)则发现,欧盟在1985—1990年间发起的反倾销并未产生贸易转移效应。冯宗宪、向洪金(2009)利用2002—2007年欧美国家对华纺织品案例的月度数据,考察了欧美对华反倾销的贸易破坏效应、贸易转移效应的存在和大小。
总体上看,由于统计数据的缺乏,国内外对于反补贴贸易效应的实证研究有很大空白。但从笔者搜集到的统计资料来看,1993—2009年间的国际反补贴案件累计已接近300件,这为目前的实证研究提供了充足的数据基础。与此同时,关于反倾销的经验研究在计量方法上有了很大发展,这为反补贴贸易效应的实证研究提供了一定的技术支持。本文将根据1993—2007年立案的反补贴案件数据,对反补贴贸易效应进行实证研究。
三、实证模型与数据说明
为了衡量反补贴的贸易效应,本文结合反补贴案件和6位HS编码产品的贸易数据,构建了一个包含时间序列和截面的面板数据集,以考察1993—2007年立案的反补贴的贸易效应。首先通过考察反补贴对被诉国进口贸易额的影响,来判断反补贴立案是否会产生贸易破坏效应。其次通过从被诉国进口比例的变化来考察反补贴是否会产生贸易转移效应。
本文的回归模型在Prusa(1999),Brenton(2001)和Konings(2001)等模型的基础上构建,采用以下的半对数线性回归方程:
其中,被解释变量ln(Importijt)表示i国在t期从j国对某产品的进口额。ln(Importijt-1)是被解释变量的滞后一期值,这是由于贸易的滞后值是会影响到当前的贸易。t规范为t=0表示反补贴立案的年份,因此,t=-1表示立案前一年,t=+1表示立案后一年,以此类推。虚拟变量AFFijt+1衡量的是立案后第一年(t=+1),肯定结案方式的影响,若反补贴立案后第一年为肯定结案,则取值为1,其他为0;同理,AFFijt+2在t=+2时取值为1,其他为0;若立案后第一年为否定结案,则NEGijt+1在t=+1期其取值为1,其他为0;同理,NEGijt+2在t=+2时取值为1,其他为0。ηij度量的是各截面单元的个体差异,uijt为随机扰动项。根据经济学原理,在反补贴立案前,被诉国对申诉国进口的大幅增长会导致反补贴调查;反补贴措施会限制申诉国从被诉国的进口,即存在贸易限制效应;反补贴会导致涉案产品的进口从被诉国转移到非被诉国,即存在贸易转移效应。因此,该模型中解释变量滞后项的预期符号为正数,虚拟变量AFFijt+1和AFFijt+2的预期符号为负数,NEGijt+1和NEGijt+2的预期符号可能为正,也可能为负。
由于该回归中包含被解释变量的滞后项,会导致内生性问题,若用标准的随机效应或者固定效应进行估计,必将导致参数估计的非一致性,进而基于估计结果所产生的经济含义也必定是扭曲的。为了解决该问题,本文采用Arellano and Bond(1991),Arellano and Bover(1995)和Blundell and Bond(1998)提出的GMM(广义距)估计法。对方程(1)进行一阶差分之后,动态面板模型可以表示为:
GMM估计法运用滞后期和差分作为工具变量所产生的估计和检验具有一致性和稳健性,进而基于估计和检验结论所产生的经济学意义将有力地揭示反补贴的贸易效应。
本文的研究对象为1993—2007年间立案的反补贴案件,这些案件是根据WTO和Global Countervailing Duties Database提供的数据整理出来的,包括11个进行反补贴立案的国家和地区(美国,欧盟,加拿大,墨西哥,澳大利亚,巴西,智利,阿根廷,委内瑞拉,哥斯达黎加和秘鲁),涉及共40个国家和地区,累计188起案件。每个案件的数据包括立案前后2年的贸易数据,这些数据是从联合国Comtrade数据库搜集而来,涵盖了1991—2009年各国或地区从别国进口涉案产品(6位HS编码的细分产品)的数据。对于包含一个以上产品编码的案件,本文将所有产品编码下的进口额数据汇总,以得到每个案件的进口额数据。
四、实证结果及分析
(一)反补贴的贸易限制效应
用GMM估计法对动态面板模型进行估计的结果如表1(1)所示。ln(Importijt-1)的系数为0.402,表明进口国在上年度进口的变化会导致本年度的进口同向变化,即上年度进口每增加1%,则本年度的进口会增加约0.402%。虚拟变量AFFijt+1,AFFijt+2,NEGijt+1,NEGijt+2的系数估计值都为负,这表明,不管最后是以肯定还是否定方式结案,反补贴都会导致申诉国对该产品的进口减少,具有一定的贸易限制效应,这与预期效果是一致的,只是针对不同结案方式,减少的幅度有所不同。和ln(Importijt-1)变量不同的是,这几个虚拟变量值必须转换成表1第三列的形式。结果表明,在肯定结案的反补贴案件中,申诉国从被诉国的进口在第一年下降了约30%,第二年下降了约44%。而否定结案的情况下,进口额的年均下降幅度均在10%以内,且在时序上呈逐步减少的趋势。
注:各变量回归系数后面的括号内为t值;*、**和***分别表示10%、5%和1%的显著性水平。
(二)反补贴的贸易转移效应
Prusa(1999)和Konings(2001)等都是通过考察申诉国从非被诉国进口的变化来研究反倾销的贸易转移效应,但是,贸易额的相对值(即申诉国从被诉国对某产品的进口占其从世界对该产品总进口的比重)比绝对值更能揭示贸易转移效应。本文在研究反补贴的贸易转移效应时,将运用和Brenton(2001)提出的类似方法,将研究对象从非被诉国转向被诉国,通过考察申诉国从被诉国对某产品的进口占其从世界对该产品总进口的比重来确定反补贴的贸易转移效应。可构建类似的模型:
其中,被解释变量ln(Shareijt)表示i国在t期从j国对某产品的进口额占从世界对该产品进口额的比重。同样的,运用GMM方法估计出的反补贴贸易转移效应如表1(2)所示。在回归结果中,各解释变量的系数估计值都较为显著,并且与预期的一致,这表明在肯定结案的反补贴案件中,申诉国从被诉国的进口在第一年下降了29.03%,第二年下降了约44.12%。而否定结案的情况下,进口额在第一年的下降幅度为9.82%,第二年为8.77%。显然,反补贴立案会导致被诉国的进口比重下降,该趋势在第二年有所增强,贸易转移效应显著。
五、结论与启示
无论是衡量被诉国的进口额还是比重,肯定结案和否定结案均导致申诉国从被诉国的进口在其后两年有所下降,其中肯定结案后的第二年下降的幅度更大,表明反补贴具有较大的贸易限制和贸易转移效应。
上述结论也引发了相关思考。第一,随着中国在世界经济和贸易中的地位逐渐上升,在发展成为新兴的工业和贸易大国的同时,中国也理所当然地成为了遭受国外反补贴申诉的主要目标国。虽然相较于反倾销而言,外国对中国反补贴的运用开始得比较晚,但从2004年遭到国外第一例反补贴立案开始,至2009年底,累计已达到了37起,其中,已有19起案件被实施了反补贴措施。2004年,世界对中国反补贴案件占其对外反补贴案件总数的比重不到50%。但自2007年开始,该比重有所提高。2008年和2009年,超过一半的对外反补贴是针对中国展开的,国际对华反补贴形势日趋严峻。因此,我国应该积极行动起来,通过出口市场多元化等途径降低反补贴的贸易限制效应。第二,要关注反补贴的贸易转移效应,该效应将有可能削弱我国进口竞争性产业的发展。如何在不违反WTO规则的前提下,适度保护我国进口竞争性产业,捍卫本国利益,将是今后研究的主题。第三,反补贴措施的贸易效应,还可以分行业或引入税率等变量进行衡量做进一步研究。
参考文献
[1]冯宗宪,向洪金.欧美对华反倾销措施的贸易效应:理论与经验研究[J].世界经济,2010(3):31-55.
[2]邹琪等.反补贴与中国产业安全[M].上海:上海财经大学出版社,2006.
[3]Brenton.P..Anti-dumping Policies in the EU andTrade Diversion[J].European Journal of Political Economy,2001(17):593-607.
[4]Konings.J.,Vandenbussche.H.,Springael.L..Import Diversion under European Antidumping Policy[J].Journal of Industry,Competition and Trade,2001(1):283-299.
[5]Niels.G.and Kate A.ten.Antidumping policy indeveloping countries:Safety valve or obstacle to free trade[J].European Journal of Political Economy,2006(22):618–638.
动态面板模型 篇3
开放式基金具有灵活申购和赎回机制,投资者对于开放式基金的投资具有相当的机动性,这一特征对于基金的管理人是一种隐性的激励。开放式基金的申购与赎回直接决定了基金的规模,从而影响到管理人所支配的资金,约束基金管理人。成熟资本市场的研究表明,业绩优良的基金现金流入大于业绩较差的基金(Sirri和Tufano,1998)。
文章基于2004年2季度到2012年3季度16只开放式基金的面板数据,通过回归分析的方法,对我国开放式基金的赎回行为进行分析,探寻影响开放式基金赎回行为的具体因素。就开放式基金赎回分析结果,提出稳定基金业绩、加强证券投资基金知识宣传、合理化基金规模等合理化建议。
二、我国开国开放式基金赎回影响因素的实证研究
(一)研究样本及数据的选取
文章选取了2003年以后成立的16只开放式基金2004年第二季度到2012年第三季度的相关数据作为样本,数据主要采集于锐思数据库,对个别数据根据凤凰财经和大智慧软件进行辅助补充和更正。
(二)模型选取与变量设计
1.基金业绩和基金规模的变量选取
文章章选取本期净值增长率(SRR)和累计净值增长率(LRR)两个变量来表示基金的业绩。本期净值增长率即最近一季度净值增长率,累计净值增长率即成立以来净值增长率。本期净值增长率反映短期基金业绩对投资者赎回行为的影响,累计净增长反应基金的长期盈利能力对于投资者赎回行为的影响。
文章用基金的净值(Value)来表示基金规模。更客观地描述基金单位净值和基金份额的双重变化。
2.被解释变量——净赎回率
计算赎回率是为了撇除基金的规模和交易的频繁程度对赎回行为描述的影响。所以:
其中Re depmtionit表示第i只基金当期净赎回率,Qsit表示第i只基金当月总赎回份额,Qbit表示第i只基金当月总申购份额。
3.其他影响因素
债券指数收益率。由于投资者可用于投资的资金总数一定,如果投资于债券的收益率上涨,意味着投资于基金的机会成本增加,那么由于资本的逐利性,自然会使得基金的赎回率提高。文章用上证债券指数收益率来代替债券市场收益率:
其中Bondt为上证债券指数收益率,bt为本季度收盘指数,bt-1为上期收盘指数。
分红。文章不考虑分红次数,但是对分红的金额予以重新审视,分红金额(Dividend)的多寡在一个侧面可以体现出基金业绩表现的好坏。
股指收益率。股市是宏观经济的晴雨表,股指的变化可以在一定程度上反应宏观经济的变化,在下文对模型进行优化时,将会把股指收益率(Index)作为工具变量,对基金净赎回率的自回归性进一步进行研究。
(三)模型假设
假设1:本期净值增长率与基金净赎回率负相关;累计净值增长率与基金净赎回率负相关。
假设2:基金规模与基金净赎回率负相关。
假设3:基金分红金额与基金净赎回率负相关。
(四)描述性统计
对样本进行描述性统计结果如表1所示:
由上表可以看出,样本基金的净赎回率平均在-0.2%左右,申购和赎回大体相当;短期内的收益率平均为0.04%,长期来看收益率更为可观,有投资的价值,是实现资产的保值增值的有效渠道;开放式基金规模平均来看在23亿元人民币左右,集合了大量的资金进行投资,有实现规模效应的可能性;上证债券指数代表的固定收益证券收益率比较稳定,但是远低于基金平均收益率,反映了固定收益证券的特征。
(五)序列平稳性检验
为了避免“伪回归”问题,对被解释变量和解释变量进行单位根检验,结果如表2所示:
其中***表示在1%置信水平下拒绝原假设,**表示在5%置信水平下拒绝原假设,*表示在10%置信水平下拒绝原假设。
由上表可以看出,所有变量原序列为平稳序列。而且经过协整检验,变量之间存在协整关系。
(六)影响投资者赎回行为的因素检验
为了说明以上因素对于投资者赎回行为的影响,文章首先建立以下面板数据(panel data)模型,包含了开放式基金本身相关统计数据:
回归结果如表3所示:
其中***表示在1%置信度水平下显著。
可以看出,所有变量在统计意义上都显著,模型的拟合程度也比较高。
为了考虑净赎率的滞后一期对净赎回率的影响,对以上模型进行修改,并增加债券收益率作为外部因素引入模型,进而将模型优化为动态面板数据模型,用GMM方法进行估计,用股指收益率作为净赎回率的工具变量(IV)。
经过验证股指收益率(Index)与净赎回率高度相关而与除当期收益率(SRR)外其他变量不相关。但是,考虑当期收益率对净赎回率很可能具有滞后效应影响,用当期收益率的滞后一期代替,同样得出了较满意的结果,因此股指收益率具备作为工具变量的基本条件。构建模型如下:
针对以上模型作出两个假设:
假设4:净赎回率滞后一期与净赎回率负相关。
假设5:债券收益率与净赎回率负相关。
对模型(4)运用GMM方法进行估计,结果如表4所示:
其中***表示在1%置信度水平下显著,**表示在5%置信度水平下显著,*表示在10%置信度水平下显著。
由上表可以看出,虽然显著水平有所差异,但是模型的所有变量均在统计上显著,而且工具变量通过了萨甘检验,说明该动态面板数据模型,是较理想的模型。
四、实证结果分析
模型(6)估计结果显示,本期净值增长率对净赎回率的影响显著且为负相关,累计净值增长率对净赎回率的影响显著且为正相关,假设1部分成立。说明投资者赎回行为受短期盈利的影响左右较大,而且具有滞后效应,前一期的基金收益表现对后一期的赎回率变化具有显著的影响作用。但是,我国投资对于基金的累计净值增长率表现出异样的赎回行为,累计净值增长率越高,赎回率越高,这样的现象文章认为是源于投资者迫切赎回高增长的基金以获得确定的收益以免遭受损失,或者减少已经获得的收益,从而造成赎回的异象。
基金规模与净赎回率负相关,假设2成立。投资者往往认为大规模基金有更优秀的基金运营团队和基金管理经验,规模经济容易实现,投资者对于大规模的基金具有更大的信心。相似的,优秀的基金经理希望管理更大规模的基金,以实现更大的施展空间。基金的规模不断扩大,给投资者一剂“强心针”,坚定了持有份额的信心。
分红作为投资者的重要收益之一,分红的多寡直接决定了投资者的赎回行为,经过实证研究发现,分红金额与净赎回率正相关,假设3成立。由于开放式基金分红次数受到国家法律的约束,因而分红的次数对于投资者赎回行为的影响并不明显。而分红的多寡体现了开放式基金业绩的好坏,分红多的基金可以增强投资者的信心,从而降低赎回率。
开放式基金滞后一期的净赎回率对本期的净赎回率影响显著,且负相关,假设4不成立。投资者之间的互相影响较显著,但是与预期恰好相反,文章认为,这表现了投资者的习惯性“逆向思维”,即与其他投资者的行为反向操作,以期获得理想的收益。
债券指数收益率与净赎回率正相关,假设5成立。债券指数收益率代表了固定收益证券的平均收益率,也可以看作是短期内资本的平均收益率,收益的风险相对开放式基金较低,但是收益率也明显低于开放式基金收益率。当债券指数收益率上升时,风险厌恶程度高的投资者在其接受范围内将会把资金投资到固定收益证券市场,在资本总数一定的条件下,流向开放式基金市场的资金减少,甚至有一部分资金撤回,购买固定收益证券。
为了稳定开放式基金的份额,降低基金的净赎回率,稳定市场行为,文章建议如下:
首先,基金管理人提高基金收益的稳健性,提高自身管理水平,加强内控,降低运行成本。这样可以使开放式基金真正成为投资者进行资产保值和增值的渠道。对增加投资渠道,减少过度投机有一定作用。
另外,管理人应该适度调整基金规模。由于大型基金在调整投资组合时缺乏灵活性,过度分散化投资会增加管理成本,所以合理化布局基金规模,有利于风险的防范和管理。
其次,投资者进一步提高自身素质,加强有关知识的学习,了解资本市场基础知识,掌握投资基本技能,增加理性投资,减少非理性行为。
最后,有关单位和部门应加强基本资本市场知识的普及,抑制过度投机行为,拓宽投资渠道。对普通投资者的闲散资金流向作出正确的引导,降低投资风险。
参考文献
[1]陆蓉、陈百助、徐龙炳、谢新厚.基金业绩与投资者的选择.[J].经济研究,2007(6):39~50.
[2]肖峻、石劲.基金业绩与资金流量:我国基金市场存在“赎回异象”吗?.[J].经济研究,2011(1):112~125.
[3]刘志远、姚颐.开放式基金的“赎回困惑”现象研究.[N].证券市场导报,2005(2).
[4]尚尔霄、曹学良.基于投资者类别的智钱效应检验与投资行为分析.[N].东北财经大学学报.2012(5).
[5]陈海燕.基于面板分位数回归的开放式基金赎回行为研究.[J].西部论坛,2012(3):95~101.
动态面板模型 篇4
自1979年欧盟对中国糖精纳发起第一例反倾销案起,随着中国出口数量和竞争力的增长,国外对华反倾销指控案件也在迅速增加,涉案的产品种类也越来越广。根据WTO的统计,1995-2009年全球共发起反倾销指控3 675起,其中以中国为指控对象国的案件达761起,占总案件数的20.7%,中国已连续15年成为全球最大的反倾销指控对象国;相对于被控总数以264件而居第二位的韩国,中国遭受的反倾销案件竟是其3倍之多。按照HS编码的22类商品,涉案的产品已涉及到其中的17类,几乎涵盖了中国所有的重要出口行业。此外,国外对华反倾销还呈现出立案数持续增加、诉讼国队伍不断扩大、倾销裁决随意性、征税结案率高等特点。
作为全球反倾销的最大受害对象,如何看待中国频频被诉的反倾销呢?Prusa(2001)利用美国1980-1994年间总计700多件反倾销案,发现无论是反倾销调查、征收反倾销税、协商解决,还是倾销被否定,都对涉案产品进口造成显著的负面影响;Brenton(2001)对1989-1994年间欧盟涉及到的98个反倾销案和47种产品进行分析,也证实了贸易破坏效应的存在;Durling和Prusa(2006)分析了1996-2001年期间全球热转轧钢板的反倾销案件,发现进口国反倾销调查导致了产品进口金额下降了近90%。国内学者杨海艳、杨仕辉(2006)证实了欧盟对中国焦炭反倾销的贸易破坏效应;冯宗宪、向洪金(2010)分析了欧美对中国6种纺织品的反倾销案件,发现贸易破坏效应明显。这也表明无论是何种发起国、结案方式、涉案产品的反倾销都会产生贸易破坏效应,即涉案产品对反倾销申诉国的出口出现下降。
虽然反倾销涉案产品可以通过贸易转向效应,即向第三国增加出口以减少反倾销的影响,然而Bown和Crowley(2010)针对欧盟和美国在1992年至2001年期间对中国发起的反倾销案例进行了分析,发现中国涉案123种产品对欧美出口明显下降,但却没有发现中国对其它38出口伙伴国出口的增加。
也有学者认为受外国反倾销影响的中国出口额仅占中国总出口的很小一部分,受欧美反倾销影响的出口仅占同期对欧美出口的3-5%。但这种观点仅只考虑了反倾销对中国涉案产品的贸易破坏效应等直接效应,Blonigen(2006)通过统计美国1980-1990年代的反倾销案件发现,企业过去的反倾销经验能够降低其再次发起反倾销诉讼的成本,反倾销的经验效应将增加企业对同种产品重复发起反倾销的可能性,提高企业未来反倾销发起的概率和获胜的概率。Blonigen(2002)实证显示日本企业在遭受反倾销措施之后,会通过向第三国对外直接投资来规避反倾销,此时日本的出口可能被FDI所替代了;杜凯、周勤(2010)研究首次证实了反倾销是刺激中国企业对外投资的重要因素。这也说明反倾销也可通过声誉效应、投资效应等间接影响其它非涉案产品的出口。
基于对反倾销各种经济贸易效应的研究基础上,Vandenbussche 和Zanardi(2010)提出了反倾销的寒蝉效应,即反倾销对一国的总进口或总出口会产生一定的影响。他们利用1980-2000年全球反倾销案件,通过经典引力模型来分析反倾销对贸易流量的影响,结果显示反倾销调查并未对贸易流量有显著影响,但反倾销措施对一国的总进口有显著的负面影响,特别是一些反新兴反倾销的密集使用国家,反倾销措施使其总进口下降了8.9%左右。Egger和Neslon(2007)采用加权的引力模型对1960-2000年的全球反倾销调查的案件进行了分析,结果显示反倾销调查对双边贸易量造成了负面冲击,但影响量仅为0.1% 左右。杨仕辉、刘秋平(2011)分析了中国反倾销申诉的寒蝉效应,然而结果却发现无论是反倾销调查还是反倾销措施对中国总进口有正面的影响。杨仕辉、邵骏(2011)分析了美国申诉反倾销对其自由化的冲击,研究证实反倾销调查会引起美国年均进口额下降7.12%,反倾销措施则造成美国年均进口额减少5.89%,美国反倾销造成总进口额平均下降近1 757亿美元,因此美国的反倾销确实有很强寒蝉效应。
综上所述,有关反倾销寒蝉效应的研究不仅成果较少,而且结论相差较大,因此关于反倾销寒蝉效应的研究还需进一步丰富。而现有关国外对华反倾销影响的研究,大都是仅仅涉及到对涉案产品的分析,鲜有分析反倾销对中国总出口的影响。本文基于1988-2008年国外对华反倾销案件,实证分析国外对华反倾的寒蝉效,测量国外反倾销对中国总出口的整体影响。
二、计量模型与数据
(一)计量模型
引力模型经过了几十年的发展,实践证明它不仅能在统计上较好的解释国家之间的贸易,而且也常常被用来解释一些制度变量(如入世、自由贸易协定等)对贸易的影响,因此本文采用引力模型来分析反倾销措施对总出口的影响。由于引力模型的相关研究、介绍已非常之多,本文在此将不再对其进行赘述。本文的引力模型是在Vandenbussche 和Zanardi(2010)模型的基础上构建,拟采用以下回归方程:
ln Xit=c+β1 ln Xit-1+β2 ln CGDPt+β3 ln GDPit+β4 ln cpoput+β5 ln popuit+β6 ln reit+β7 ln opennesit+β8WTOit+β9 ln ADinitialit-1+β10 ln ADmeasureit+β11 ln ADmeasureit-1+εit
模型将中国在t期对i国的出口Xit的自然对数作为模型的被解释变量,关于解释变量的含义、系数预期符号及所表示的具体经济含义见表1。但需要特别说明的:(1)为考虑历史因素的影响,模型中采用了出口的滞后一期Xit-1作为控制变量,当然这种动态面板数据回归模型可能会使其它变量的系数估计值变得更小。(2)模型中的反倾销变量是描述各个进口国在某期对华反倾销案件的总数,变量包括反倾销调查案件总数和反倾销措施案件总数Vandenbussche和Zanardi(2010)模型的主要不同之处。(3)贸易开放指数的计算方法有很多种,本文采用对外贸易依存度指标,即该国进出口总额与该国GDP的比例。(4)固定效应和一阶差分GMM检验中无法估计不随时间变化的变量,因此本文不再考虑距离等变量。
(二)数据来源
本文研究1988-2008年国外反倾销对中国总出口的影响,建立横截面单元为中国59个贸易伙伴的面板数据(详见表2),这些贸易伙伴在2000年、2008年占中国出口的总份额都在95%以上,因此这些样本量足可以代表中国的总出口目的地。而且,这些国家的反倾销案件也几乎占据了中国同期遭受的所有的反倾销案件数量,仅遗漏3起案件(其中牙买加1起,特立尼达和多巴哥2起)。各国GDP、人口、汇率数据均来自联合国统计署网站,其中汇率是通过单位美元的人民币价格/单位美元的i国货币价格计算而得;贸易开放指数中各国进出口总额数据来自世界银行数据库;各国加入WTO的年份数据来自WTO网站;各国对华发起的反倾销变量数据来自Bown Chad P.的Global Antidumping Database,其中欧盟成员国的反倾销案件数据使用欧盟的反倾销案件数据来代替。
注:括号内数字A / B分别表示样本期间对华的反倾销措施数量/反倾销调查数量,其中波兰在加入欧盟之前对华反倾销的措施、调查数量各二起。
三、计量结果及分析
由于动态面板数量模型中解释变量中引了被解释变量的滞后一期值,可能会造成解释变量与随机误差项的相关性(即序列相关性),出现了解释变量的内生性问题,最终造成OLS估计结果发生偏误。因此,本文采用Anderson和Hiao(1981)建议采用的一阶差分广义矩估方法(Difference GMM)来估计动态面板模型,即作完一阶差分之后,使用Xit-2作为ΔXit-1的工具变量。但需要特别说明的:(1)使用Anderson-Hiao估计量,Xit-2被证实是有效的工具变量,且是恰好识别,故无需通过Sargan检验工具变量的有效性。(2)为检验扰动项εit无自相关,差分GMM方法要求扰动项不存在二阶自相关,需要采用Arellano-bond检验。
为检验估计结果的稳健性,通过逐步剔除不显著的控制变量而进行多次回归,同时也采用固定效应模型、系统GMM进行估计对模型进行估计。本文使用STATA11.0软件进行计量分析,回归结果见表3。
注:***、**、*分别表示在1%、5%、10%水平上显著,括号内为稳健标准差。
由表3显示可知,OLS估计的F值、GMM估计的Wald值、各估计的P值都很理想,说明各方程的整体拟合得很好。同时,Arellano-bond检验均接受了序列不存在二阶自相关的原假设,因此,该动态面板数据模型是一个较合理的模型。
本文考察的重点是反倾销变量,从6种回归结果中ln ADinitialit-1、ln ADmeasureit、ln ADmeasureit-1这三个变量的系数大都具有较高的显著性,其它变量结果略有些差异,计量结果分析如下:
1.历史出口变量ln Xit-1系数在各方程中达0.7左右,这说明中国出口中有70%左右是受历史因素决定的,这也可以根据中国主要出口市场(美欧日港)的稳定性来看出。综合来看中国出口的具有很的惯性,决定中国当期出口的最主要的是历史出口因素,这也实证了模型设定的正确性。
2.ln ADinitialit-1的系数为正,这说明反倾销的调查并没对中国出口起到扰骚效应,反而促进了中国出口在第二年的增加。Brenton(2001)发现反倾销调查会导致欧盟涉案产品的进口增加。原因可能是,当企业遭受反倾销调查后,预期被裁决倾销可能性较大时,或出口厂商之间存在反倾销应诉的搭便车行为等因素,相关企业可能会利用裁决前的这一段时间扩大其对反倾销发起国的出口。根据作者对反倾销案件的统计,样本期间,平均每年每个样本国家对中国发起1.816起反倾销调查,根据方程2结果ln ADinitialit-1的系数为0.114,可知反倾销调查使得中国第二年出口增加12.509%Vandenbussche 和Zanardi(2010)结论一致。第二,反倾销措施的实施对中国出口存在着负面影响,其影响可持续到第二年,根据本文统计结果,反倾销措施导致中国出口在二年时间下降了10.406%,反倾销措施对中国出口具有明显的抑制效应。第三,综合反倾销的调查和措施的影响,反倾销并未导致中国出口的总体下降,表明反倾销对中国总出口不具有的寒蝉效应。可能的解释是反倾销让中国企业学会了出口市场的游戏规则,学会去开拓新市场(贸易转向)、升级产品等。
上述结论有助于我们全面、科学认识和正确、积极地对待国外对华反倾销。首先,反倾销是中国出口规模增大必然经历的一个过程。虽然作为全球最大的反倾销指控国,但中国出口总体上并未由此而受到明显冲击。其次,出口行业应积极应诉反倾销,尽量争取有利的裁决。我们也要充分重视反倾销终裁之后的措施对中国总出口产生的负面影响,更重要的是反倾销案例的裁定比例决定了反倾销对中国总出口的影响。因此,出口企业遭遇反倾销立案后,有关部门应鼓励企业积极进行应诉,以争取得到有利的裁决,降低损失。最后,对待国外反倾销的愈演愈烈之势应提高警惕。从1988-2008年期间的反倾销案件来看,国外对华反倾销的涉案金额是越来越大,由最初的几百万美元上升到上亿美元。近年来,特别2008年金融危机以来,国外对华反倾销的部分案件涉案金额甚至高达十亿美元,如美国对华的油井管反倾销案、木制卧室家具反倾销案等。
摘要：基于1988-2008年国外对华反倾销面板数据案件数据,本文通过构造以中国主要出口伙伴为横截面单元的动态面板数据模型,应用一阶差分GMM模型分析了国外对华反倾销对中国总出口的影响。实证结果表明国外对华反倾销调查促使了中国出口在第二年增加,国外对华反倾销措施导致中国总出口在当年及次年均下降,反倾销并未对中国整体出口产生负面影响,并没有生产寒蝉效应。
关键词：反倾销,寒蝉效应,GMM,引力模型
参考文献
[1]冯宗宪,向洪金.欧美对华反倾销措施的贸易效应:理论与经验研究[J].世界经济,2010(3):31-55.
[2]杨海艳,杨仕辉.欧盟反倾销对我国产业的影响:以焦炭为例[J].科技和产业,2006(11):4-8.
[3]杨仕辉,刘秋平.中国反倾销申诉寒蝉效应的实证分析[J].产经评论,2011(1):121-128.
[4]Blonigen,B.A,Tariff-jumping antidumping duties[J].Journal of International Economics,2002(1):31-49.
[5]Blonigen,B.A,Working the System:Firm Learning and the Antidumping Process[J].Eu-ropean Journal of Political Economy,2006(3):715-731.
[6]Bown C.P.and Crowley M.A.,China’s Export Growth and the China Safeguard:Threats to the World Trading System?[J].Canadian Journal of Economics,2010,43(4):1353-1388.
[7]Brenton P.,Antidumping policies in the EU and trade diversion[J].European Journal of Po-litical Economy,2001,17(3):593-607.
[8]Durling J.P.and Prusa T.J.,The trade effects associated with an antidumping epidemic:The hot-rolled steel market,1996-2001[J].Eu-ropean Journal of Political Economy,2006,22(3):675-695.
[9]Egger P.and Nelsony D.How Bad is Anti-dumping?:Evidence from Panel Data.working paper,2007.
[10]Prusa T.J.,On the Spread and Impact of Anti-dumping[J].Canadian Journal of Economics,2001,34(3):591-611.
动态面板模型 篇5
一、文献综述
凯恩斯在分析财政支出时指出, 政府支出中的物品和劳务开支都是短期内影响GDP增长的关键因素, 包括社会保障支出在内的政府转移性支出具有乘数效应。Alfredo Schclarek (2007) 通过研究19个工业国和21个发展中国家1970年到2000年财政政策对私人消费的冲击时发现, 政府消费性支出对工业国和发展中国家都具有凯恩斯效应, 即“挤进效应”。陈健宝, 戴平生 (2008) 的实证研究表明我国财政支出与经济增长为倒U型关系, 财政支出对经济增长具有乘数效应, 且乘数为4.26。S.Devarajan, V.Swarop, Heng-fu Zou (1996) 利用43个发展中国家1970—1990年度数据研究得出生产性支出的过度使用与经济发展呈负相关, 政府支出中经常性支出份额的提高与经济增长呈显著正相关的结论。Niloy Bose, M.Emranul Haque, Denise R.Osborn (2007) 通过研究30个发展中国家20世纪70年代到80年代有关政府支出的经济增长效应发现, 政府教育总支出是唯一与经济增长显著相关的变量。Alam S (2010) 认为包括教育、卫生、社会保障在内的社会支出都具有生产性, 政府对社会安全系统的建立和增强以及基础社会服务的提供都应是社会发展政策的重要组成部分, 社会支出通过提供基础设施、教育与、健康、和谐以及社会利益来提高生产率。李俊霖 (2007) 认为积极财政政策的实施使政府投资挤占了社会公共产品的支出, 导致涉及民众切身利益的义务教育、公共卫生、社会保障这类公共和准公共支出严重不足, 影响了消费需求水平的提高, 对长期经济增长率的最大化产生不利影响。王春元 (2009) 在对我国1978-2006年的数据进行实证分析后发现现行财政支出中只有教育支出与经济增长正相关, 其他项目均与经济增长负相关。谢乔昕、孔刘柳 (2011) 认为, 改革开放以来我国财政支出变动未能对社会福利水平提高起到显著作用, 财政支出结构中仅有经济建设费、社会文教费对社会福利水平变动有显著影响, 且对社会福利水平作用机制各不相同。。
从上述文献可以发现, 国内外学者都对财政支出与经济增长的关系做了大量研究, 但对于财政社会性支出能否促进经济增长的结论并不一致, 且没有学者运用动态面板数据模型进行二者的实证研究。因此, 本文在进行财政社会性支出对经济增长影响的理论分析基础之上, 通过构建动态面板数据模型考察我国财政社会性支出对经济增长的影响, 为加大和改善财政社会性支出提供实证支持, 并提出政策建议。
二、财政社会性支出与经济增长的理论模型
在对财政社会性支出于经济增长的理论模型分析时, 我们采用科布-道格拉斯生产函数, 并假设全社会经济产出由家庭、企业、政府三部门构成, 经济增长为资本和政府财政支出的函, 家庭在无限寿命和有限预算约束下实现效用最大化。因此, 代表经济增长的生产函数为:
将其简化为人均生产函数
其中α+β+ε=1, k代表人均资本投入, gP代表人均财政经济性支出, gQ代表人均财政社会性支出。
全社会经济资源约束方程为:y=c+i+k+gp+gq (2)
假定消费者的效用函数为
则消费者一生中最大化效用函数为:
利用以上方程构造汉密尔顿方程如下:
其中λ1、λ2、λ3为状态变量, γ为约束条件 (2) 的拉格朗日乘数因子, 得出代表性消费者动态最优化问题的一阶条件和欧拉
由方程组 (7) 可以得出:
由方程 (4) 和一阶条件所得方程可知
将方程 (9) 两边取对数并对时间t求导, 得到
由方程 (1) 、 (7) 、 (8) 、 (9) 可得,
三、实证分析
从以上理论模型分析基础之上可以看出, 财政社会性支出规模的适度扩大的确能有效促进经济增长, 下面本文将通过构建动态面板数据模型, 采用我国相关数据进行实证分析。
(一) 变量定义与数据说明
本文在众多影响经济增长的因素中, 选取了资本存量、劳动力、财政社会性支出作为研究对象, 并将财政社会性支出细分为、财政性教育支出、财政性社会保障与就业支出、财政性医疗卫生支出和财政性科学事业支出。变量定义如表1所示。本文选取了我国30个省市1997-2011年的相关数据, 数据主要来源于历年中国统计年鉴, GDP、PC、FSE、EDU、SEC、MED、SCI以1952年为基准根据各省每年的CPI指数进行调整。由于统计年鉴中没有统计我国相关资本存量的信息, 因此本文资本存量的数据采用了张军, 章元 (2003) 有关资本存量的核算方法, 并采用其5%的固定资产折旧率, 即:
其中, Kt代表当年的资本存量, Kt-1代表上一年的资本存量, It代表资本形成, Dt代表固定资产折旧。
(二) 模型构建
本文主要从柯布-道格拉斯生产函数出发研究财政社会性支出对我国经济增长的影响, 在此函数形式中, 科技进步、资本和劳动力决定了经济增长, 如方程 (1) 所示。
促进经济增长的资本除物质资本外还包括人力资本, 财政社会性支出主要通过教育、健康等人力资本来改善民生, 进而促进经济发展。因此, 我们对柯布-道格拉斯生产函数进行扩展和变形, 将财政社会性支出纳入方程 (1) 建立动态面板模型 (2) ;将财政社会性支出中的教育事业、社会保障支出、卫生事业和科学事业支出纳入方程 (1) 建立动态面板模型 (3) 。
模型 (2) 和模型 (3) 中, i代表省份, t代表变量当期, t-1代表变量的滞后一期, C0为常数项, ui为无法直接观察到的、难以量化的“个体效应”, εit为随机干扰项。
(三) 模型检验和估计方法
由于模型 (2) 和 (3) 引入了的经济增长滞后一期可能导致内生性问题, 此时固定效应和随机效应下OLS参数估计可能有偏和非一致。Arellano和Bond (1991) 采用所有可能的滞后变量作为工具变量进行GMM估计, 即“差分GMM”。但是这种方法下, 若解释变量严格随机游走, 解释变量的滞后二阶与滞后一阶的差分完全不相关, 这会导致弱工具变量问题。于是, Arellano和Bond (1995) 又使用被解释变量的差分滞后项作为被解释变量滞后一阶的工具变量, 提出“水平GMM”估计法。Blundell和Bond (1998) 提出“系统GMM”估计法, 即将差分方程与水平方程作为一个方程系统进行GMM估计, 以提高估计效率。因此, 本文将运用stata11.0, 采用“差分GMM”和“系统GMM”对模型 (2) 和 (3) 进行检验和估计, 回归结果如表2所示。
通过表2可以发现, 在一步差分GMM和一步系统GMM检验中, 模型 (2) 和模型 (3) 的Sargan检验的P值都小于0.01, 表明存在过度识别, 而二步差分GMM和二步系统GMM检验中Sargan检验的P值都大于0.1, 即接受所有工具变量有效的原假设, 表明二步差分GMM和二步系统GMM不存在过度识别, 所有的工具变量有效。在二步差分GMM和二步系统GMM的AR (2) 统计量中, 模型 (2) 和模型 (3) 的P值都大于0.1, 表明扰动项无自相关, 而且二者的Sargan检验的P值都大于0.1, 表明二步差分GMM和二步系统GMM适用。因此, 本文的动态模型 (2) 和模型 (3) 设定正确, 不存在伪回归。从参数估计的标准差来看, 模型 (2) 的二步系统GMM的标准差小于二步差分GMM的标准差, 因此模型 (2) 采用二步系统GMM的回归结果。模型 (3) 的二步差分GMM的标准差小于二步系统GMM的标准差, 因此模型 (3) 采用二步差分GMM的回归结果。
(四) 实证结果及解释
通过上述研究方法发现, GMM回归法适用于本文研究, 我们将对表2中模型 (2) 的二步系统GMM回归结果和模型 (3) 的二步差分GMM回归结果作出解释。
1. 财政社会性支出与我国经济增长显著正相关, 但正向效应微弱, 其弹性系数为0.
038。这表明我国政府对事关民生的财政支持促进了经济增长, 但由于投入太低以及地方经济发展和财政收支水平差异, 导致财政社会性支出对经济增长的拉动作用较小。
2. 财政性教育支出对经济增长的正向效应明显, 但正向效应微弱, 其弹性系数为0.
009。发展教育的目的在于提高国民素质和劳动技能, 人们在接受教育后需要相当长的时间来吸收、运用知识和提高劳动技能, 并逐步积累经验。因此教育是人力资本的长期积累, 教育成果不能立刻完全转化为生产力并带动经济增长, 因此短期内财政性教育支出对经济增长的带动作用较弱。
3. 财政性社会保障与就业支出对经济增长有微弱的负向效应。
造成负相关的原因一方面在于虽然我国采用社会统筹与个人账户相结合的筹资模式, 但社会保障支出严重依赖于政府财政投入, 而地区间的经济发展水平差异和财政收入差异严重限制了政府的社会保障支出水平, 从而阻碍了财政性社会保障与就业支出对经济增长的促进作用。另一方面在于二元经济体制下农村社会保障支出水平远低于城市, 而且农村社会保障多采用社会救济的形式, 广大农民的生育、医疗、养老、教育等得不到有效保障, 因此拉大了城乡间的贫富差距和社会不公平程度, 严重影响了城乡经济的协调发展, 从而影响了国民经济的增长。
4. 财政性医疗卫生支出与经济增长显著正相关, 但正向效应微弱, 其弹性系数仅为0.01。
实证结果表明我国财政性医疗卫生支出改善了医疗卫生条件, 并提高了居民的身心健康, 财政投入在减轻个人医疗负担的同时也改善了居民消费结构, 但由于财政性医疗卫生支出水平过低, 对于提高居民消费水平和促进经济增长的作用较小。
注: (1) 表示方程2的回归结果, (3) 代表方程3的回归结果;各参数估计值中 () 内为标准差;[]内为p值;*、**、***分别代表在10%、5%和1%的显著性水平下显著。在进行差分GMM和系统GMM估计方法时, 我们以同方差为假设条件, 利用Sargan统计量进行过度识别检验, 其原假设为所有工具变量均有效。同时, 采用Arellano-Bond的AR (2) 统计量检验随机扰动项的差分是否存在一阶和二阶自相关, 其原假设为随机扰动项无自相关, 此原假设的成立这也是GMM成立的前提, AR (2) 中的值分别为Z值和P值。
5. 财政性科学事业支出与经济增长的相关性不明显, 其
原因在于我国财政性科学事业支出水平过低, 2012年中央和地方两级财政对科学技术共投入3828.02亿元, 仅占政府财政支出总额的3.5%、GDP的0.8%, 而财政性科技支出占GDP比重低于1%的国家被公认为缺乏创新能力的国家, 达到2%的国家才是创新能力较强的国家。因此这种低水平的投入难以在短期内推动科技的发展和创新能力的提高, 也难以将科技转化为有效生产力和经济增长的动力。
四、结论及政策建议
本文在柯布-道格拉斯生产函数的基础上构建财政社会性支出与经济增长之间关系的动态模型, 并利用全国30个省市1997-2011年的面板数据对财政性支出及其教育事业、社会保障与就业、卫生事业和科技事业支出对经济增长的具体影响进行了实证分析, 研究表明:从总体上看, 我国财政社会性支出对经济增长显著正相关, 但由于财政社会性支出总体水平偏低以及地方差异明显, 其对经济增长的作用微弱, 而其各分类对经济增长的作用也各异。对此, 我们提出以下政策建议。
第一, 优化财政支出结构, 加大各级政府的财政社会性支出力度, 提高其在整个财政支出中的比重。财政社会性支出关乎教育、社会保障、医疗卫生等重要民生问题, 合理的财政支出规模和结构是改善居民生活质量、积累人力资本、提高消费水平、促进经济增长的重要手段, 也是政府有效发挥公共职能、实现宏观调控目标的重要途径。我国财政对教育的投入力度与GDP的增长幅度不协调, 直到2011年我国财政教育支出水平才达到GDP的4%。我国社会保障水平仍偏低, 财政性社会保障支出无法满足庞大的人口需要, 2012年全国财政性社会保障与就业支出12542亿元, 仅占财政支出总额的10%、GDP的2.4%, 社会保障体系的安全网功能和稳定器功能发挥受到限制。从实证分析中可以发现财政性科学技术投入对我国经济增长的拉动作用并不明显, 科研投入过低进一步降低了科技向有效生产力的转化率。因此, 应当有效控制财政经济性支出和行政支出, 提高财政社会性支出比重, 促进经济增长与民生的协调发展, 为经济增长创造持久动力及和谐氛围。
第二, 优化财政社会性支出的内部结构, 特别注重教育支出、社会保障支出、科学事业支出的地区平衡、城乡平衡, 缩小地区差距和城乡差距, 使财政资源得到合理和高效配置。教育支出存在明显的地区不平衡、教育资源地区差距大、初等教育支出比重过低等问题, 必须进一步加大财政性教育支出尤其是基础教育支出, 在改善教育支出结构、缩小地区差距和城乡差距的基础上, 为经济增长提供智力支持。随着中国老龄化趋势的加速、失业问题的加重以及城市化进程的加快, 社会保障制度面临巨大挑战, 应继续增加对社会保障和就业的支持力度, 改善居民消费结构, 提高居民消费水平。此外, 政府应当继续加大对科技尤其是基础科学和应用科研的财政支持, 引导企业和社会重视和加大科研投入, 努力促进科技创新及其与商业和人力资本的结合, 从而提高科技转化率, 充分发挥科技对经济增长的带动作用。
摘要：广义矩法能够有效检验动态面板数据模型, 模型回归结果表明我国30个省市1997-2011年的财政社会性支出与地方经济增长显著正相关, 但拉动作用微弱, 财政社会性支出各组成部分对经济增长的作用各异, 应当继续增加财政社会性支出在整个财政支出中的比重, 并优化财政支出结构。
动态面板模型 篇6
关键词：工业品贸易,就业,动态面板数据
一、前言
近几年来, 就业问题成为国内关注的焦点。而对外贸易对就业有着重要影响, 根据劳工组织 (LO) 的数据, 2006年中国直接在出口加工企业就业的人员达4000万人 (Jean-Pierre Singna Boy enge) 。[1]考虑到对外贸易对关联产业的拉动效应, 对外贸易带动的就业规模将会更大。[2]贸易即使不直接对就业和工资产生影响, 也会通过提高产业劳动需求弹性对劳动者产生较大的压力。[3]改革开放以来我国对外贸易迅速发展, 其对我国经济增长及就业增长的影响日益明显, 因此, 准确认识对外贸易的就业效应并提出相应的建议, 成为摆在我们面前的一个重大课题。
我国工业品出口比重在2000年后基本达到了90%以上, 到2010年这一比例高达95%, 工业品进口的比例在这一期间也基本稳定在80%以上, 由于工业品贸易的就业效应大体上能够反映我国对外贸易部门对就业的影响, 因此, 本文选择工业品贸易作为考察的对象。
二、文献回顾
根据凯恩斯主义的有效需求理论, 就业量决定于总需求函数和总供给函数的交汇点, 若考虑对外开放, 总需求=国内需求+国外需求 (出口) , 总供给=国内供给+国外供给 (进口) 。P表示平均工资, Y表示总就业量, AD1为国内需求, AD2为国外需求, AS1为国内供给, AS2为国外供给, AD为总需求曲线, AS为总供给曲线。在封闭经济中, 国内供给曲线AS1与国内需求曲线AD1的交点A形成了均衡工资P1和均衡就业量Y1;在开放经济中, 如果国外需求与国外供给的引入不改变需求曲线和供给曲线的斜率, 则新的均衡点为B点, 新的均衡工资P2和新的均衡就业量Y2, 对外贸易扩大了就业量。故出口或进口的增加导致了就业人数的增加, 见图1。
但根据我国实际情况, 一方面, 我国为贸易顺差国, 且大部分顺差是由于出口劳动密集型产业造成的, 劳动力成本低, 出口的产品物美价廉, 所以引入对外贸易后, 总需求曲线会更平缓, 如图中的AD曲线。另一方面, 国际竞争将促使我国企业提升劳动生产率, 存在一定间接的消极就业效应。[4]出口份额增加在创造就业的同时, 引致技能要求的提升, 对我国劳动者特别是低技能者的失业有很大的影响, 而进口竞争的引入, 对国内企业的就业造成一定的冲击, 因此, 我国开放条件下的总供给曲线更陡峭, 如图中的AS曲线。
这样, 实际的均衡点为图中的C点, 均衡价格P*>P2, 均衡就业量Y1
上面各方学者的结论存在较大差异, 说明国际贸易对就业的影响受技术、产业特征、劳动力市场特征等多方面因素的影响, 是一个动态的调整过程, 而国内现有文献在考察对外贸易的就业效应时, 主要关注了贸易的静态就业效应, 对就业的动态效应的研究较少, 忽视了关键变量之间的动态关联。如胡昭玲, 刘旭 (2007) 利用中国32个工业行业1998~2003年的面板数据对工业品贸易的就业效应进行实证研究。结果表明, 出口对就业有正向拉动作用, 进口对就业的总体影响是不确定的, 存在行业差异。[11]盛斌, 牛蕊 (2009) 利用1997~2006年中国28个工业部门的面板数据从贸易流量和贸易政策两个方面检验其对劳动力就业的影响。研究表明, 贸易自由化会减少中高技术部门的就业, 但促进了中低技术部门的就业。以进出术部门的冲击。[12]较为深入的研究是高文书 (2009) 利用全国省级动态面板数据, 采用系统广义矩估计方法, 对中国对外贸易的就业效应进行实证研究。研究表明, 出口对中国的就业有正的影响, 进口对中国的就业有负的影响, 进口依存度每增长10%, 就业会减少0.19%。[13]而针对工业行业细分层面上的贸易就业动态效应的研究未有所涉及。为此, 本文将采用动态模型对中国工业行业贸易的就业效应进行实证研究。
三、模型设定及数据说明
(一) 计量经济模型
本文参考Greenway, Hine和Wright等人 (1999) 研究英国贸易与就业关系的实证模型, 把贸易作为技术进步变量引入包含技术进步的C-D生产函数中, 建立开放条件下进出口贸易影响就业的模型。
式 (1) 中Yit、Kit、Lit分别表示第i行业在t时期的实际产出、资本存量、所使用的劳动力, 是第t期的技术水平, 参数分别表示资本与劳动力的产出弹性。式 (2) 中M为进口渗透率, 用行业进口额与行业产值之比表示;X为出口导向率, 即用行业出口贸易额与行业产值之比表示。T表示时间趋势, δ0, δ1, δ2是参数。
将式 (2) 代入 (1) , 取对数并整理可以得到第i行业的就业方程:
整理得:
该模型是静态模型, 即本期就业只受到本期进口、出口和实际产出等的影响, 但在实际经济中, 本期就业不仅受到这些变量当期的影响, 还受到各自变量前期的影响, 同时还会受到以前时期就业的影响。因此, 本文将模型 (3) 动态化, 采用行业动态面板模型进行估计, 这样, 本文待估计计量经济模型为:
从理论上讲, 工业品进口会替代国内部分产品的生产, 从而减少对劳动力的需求, 对就业的影响预期为负;工业品出口会增加国内生产, 产出的扩大会增加对劳动力的需求, 对就业的影响预期为正。下面结合中国工业行业的具体数据加以分析。
(二) 数据说明
计量模型的回归数据使用2001~008年间中国28个主要工业细分行业的面板数据。样本时间跨度的选择主要考虑到2001年中国加入WTO, 2001~2008年间中国国际开放水平和市场化程度快速推进, 自由贸易对就业的影响效应相对于其他时期更为显著。因此, 本文的实证分析采用2001~2008年中国工业行业面板数据。为了全面研究贸易对我国工业行业就业的影响, 本文的计量模型将在两个层面上进行回归检验: (1) 工业品贸易整体上对就业的影响; (2) 将中国工业部门按照技术水平划分为中高技术产业和中低技术产业, 考虑不同工业部门贸易对就业水平的影响。
我国海关对进出口贸易的统计是以商品为基础, 对进出口商品的分类采用的是国际上通用的条编码制 (HS) , 这与工业行业分类采用的国际工业分类标准不同, 为了获得各行业的进出口数据, 本文借鉴盛斌 (2009) 的方法, 对工业行业重新集结, 总共得到28个行业的数据, 并将这28个行业划分为中高技术产业 (包含9个行业) 和中低技术产业 (包含19个行业) 。相关数据来自历年《中国统计年鉴》、《中国海关统计》、《中国工业经济统计年鉴》。
四、模型估计及结果分析
inance NO.9, 2011 (Cumulativety NO.456) 待估计模型 (4) 是动态面板数据模型, 若用标准的随机效应或者固定效应进行估计, 将导致参数估计的有偏性和非一致性, 为克服此问题, 本文采用系统广义矩方法 (GMM) 估计回归模型。动态面板GMM估计可以分为一步和两步GMM, 由于两步估计的标准差存在向下偏倚, 会导致两步GMM估计量的近似渐进分布不可靠, 在新增工具变量有效的情况下, 一步系统广义据估计利用了更多的信息, 其估计结果更有效, 本文的模型最终选择一步系统GMM估计。
(一) 整体估计结果
对模型 (4) 进行估计, 从整体上估计工业品贸易对工业行业就业的影响, 回归结果如表1所示:
从表1可以看出, 一期滞后的就业对本期就业有显著的正的影响, 回归系数为0.3600, 说明了工业行业就业有非常大的惯性, 这也说明了静态模型存在偏差, 选择动态模型进行回归是非常必要的。
产出的增长对就业有显著的正向作用, 当期就业弹性为0.2317, 产出的滞后一期对就业也有显著的正向作用, 行业经济的增长会带动就业的同步增长, 这与传统的经济理论观点是一致的。
资本积累对我国工业行业的就业产生显著的负向影响, 表明我国发生了资本替代劳动的现象, 替代效应弹性达0.0512 (资本的滞后一期没有显著影响) 。造成这种影响可能是我国工业行业已经进入结构调整的实质性阶段, 资本积累带动的不再只是产业规模扩张下简单劳动力需求的快速增长, 而是更多的代表社会劳动生产率的不断提高, 产业结构的优化升级, 对简单劳动力需求的降低及对高素质人才需求的增长。因此, 随着资本的积累, 对工业行业就业的影响是排斥大量简单劳动力。
出口与就业人数之间存在正向变动关系, 而进口则与就业之间存在逆向变动关系, 进口增加会导致就业减少, 与预期一致。从回归系数进一步来看, 出口每增加1个百分点, 引起就业增加约0.0380个百分点, 进口每增加1个百分点, 所引起就业减少0.0151个百分点。但总的来看, 进口对就业的负面影响远小于出口的正面影响, 影响力度只有等量出口的一半。从整体来看, 工业贸易发展对就业的影响是正向的。时间趋势项的估计系数为正, 说明随着时间变化, 工业部门就业在增加, 这符合考察期内中国经济发展的事实, 但不显著。
从影响就业的各因素来看, 产业变量的作用最为重要, 而出口贸易的促进作用有限, 这是因为受到国内资源环境等的约束和时节范围内其他发展中国家的竞争, 中国工业贸易企业加快了转型升级的步伐, 中国工业品贸易的全球生产和分工体系正沿着劳动密集型领域向价值链高端不断跨越, 出口就业吸纳能力也有所下降。
(二) 分部门回归结果
对中高技术部门和中低技术部门分别进行动态回归, 结果如表2所示:
从表2可以看出:劳动力的滞后变量、行业产出对就业的影响与整体估计结果比较相似, 而且都很显著, 但资本变量和贸易变量对就业的影响存在部门差异。
在中低技术部门存在资本替代劳动力现象, 中低技术部门存在大量非熟练劳动力, 资本的投入尤其是技术研发投入的增加或者设备的引入, 会导致企业减少对非熟练劳动力的需求, 而在中高技术部门, 资金的投入会导致这些行业更好的发展, 吸收更多的高技术人才, 从而带动就业。
工业品出口在中高技术部门和中低技术部门的就业效应都显著为正, 出口的增加促进了就业, 这与经济理论相一致。但从回归系数上看, 中高技术部门当期的出口弹性为0.1210, 滞后一期的出口弹性为0.0790, 两期的作用远大于中低技术部门的0.0235。 (当期的显著性通过, 滞后一期的数值虽为正, 但不显著, 这里只分析当期的情况。) 工业品出口在中高技术部门具有很强的正向就业效应, 主要是因为中高技术部门的出口贸易增长速度较快, 因此其对就业具有较强的促进作用, 而中低技术部门的出口贸易比较缓慢, 其对就业的拉动作用有限, 这在一定程度上反映了这个部门的就业增长依赖于国内非熟练劳动力需求。
工业品进口在中高技术部门和中低技术部门的就业效应显著为负, 说明进口贸易在一定程度上替代了国内生产, 减少了劳动力的需求, 这与我们的理论预期较为一致。 (两个部门进口当期的显著性通过, 滞后一期的数值虽为正, 但不显著, 这里只分析当期的情况。) 但从回归系数上看, 进口的就业替代效应在中低技术部门更明显, 回归系数为0.0372, 绝对值大于中高技术部门的0.0261。中低技术部门在我国属于进口竞争部门, 进口增加会在一定程度上会对劳动力市场形成冲击, 此外, 中低技术部门在加工制造中大量进口装配设备, 原材料及半成品, 形成对劳动力要素的替代, 进而减少就业。这表明进出口贸易对中低技术部门就业的影响更大些。
五、主要结论与政策建议
本文借鉴Hine和Wright (1998) 的思想, 通过对传统的C-D生产函数形式进行变换, 构建工业行业贸易就业效应的实证模型, 并采用2001-2008年的工业行业面板数据, 运用动态面板模型的GMM方法, 首先从整体上估计了工业行业进出口贸易对工业行业总体就业的影响, 接着进一步将工业行业分为中高技术部门和中低技术部门, 分别检验这两个部门进出口贸易的就业效应, 以考察工业品进、出口贸易就业效应的行业差异。
整体估计的结果表明:我国工业品出口能够促进就业, 工业品的进口则对工业行业的就业有负面的冲击作用, 但出口的就业冲击作用高于进口。上期就业对本期就业有显著的正的影响, 工业行业的就业有非常大的惯性;工业行业产出的增长对就业具有显著的正向影响;而资本的增长对工业行业的就业产生显著的负向影响, 工业行业整体上存在资本替代劳动的现象。
分部门估计结果表明:资本变量在中低技术部门存在挤占劳动力现象, 而在中高技术部门则会促进就业, 进出口贸易对不同就业水平的工业部门的影响与整体上是相同的, 即出口拉动了就业, 而进口增长对就业则是消极的;但在具体影响程度上存在着不同:工业品出口在中高技术部门具有较强的促进作用, 在中低技术部门作用较小;工业品进口对工业行业就业的替代作用在中低技术部门表现得更强。
融NO基于以上分析结论, 我们可以得到以下几点启示:
ance (Cumulativety NO.456) 第一, 在未来很长一段时间内, 中国还面临着巨大的就业压力, 出口的发展影响着社会的就业水平, 出口增长不仅是出口部门就业的源泉, 同时也在很大程度上通过广泛的产业联动效应影响其他部门的就业机会。因此, 需要采取有效措施, 继续积极促进出口增长, 以更好地利用国际市场扩大就业。但在发展出口的同时, 也应该认识到:尽管出口可以带动我国就业的增长, 但近年来我国的出口顺差比较严重, 通过进一步扩大我国出口来带动就业会加剧这种失衡。长期来说不能以扩大出口来解决我国的就业问题, 而应该优化出口贸易结构, 发挥其最大的就业效应。
第二, 正确看待进口的作用, 进口虽然会带来就业的替代效应, 但进口为国内生产提供技术、设备和稀缺资源的作用也不可忽视。国内外的经验表明, 世界上没有哪个国家是完全依靠国内资源获取成功的。只要进口规模和相关政策适当, 增加有效进口反而可以更多地利用国外资源, 引入竞争, 提高经济效率, 并为国内市场提供设备、原料、智力支持, 缓解经济发展中遇到的瓶颈制约, 从而达到拓展生产, 扩大就业的作用。因此我国在适度进口的同时应以提高国际竞争力, 加强消化吸收和提高自主创新能力为着眼点, 以维护国内进口产业的就业机会。
动态面板模型 篇7
董事会结构更是被广泛视为公司治理的重要内容, 但已有的研究更多集中在研究董事会结构对公司绩效等方面的影响, 而关于董事会结构究竟是如何被决定的相关研究则较少。Boone等 (2007) 认为存在两种关于董事会结构的假说, 第一种是“董事会非效率假说”, 认为董事会结构的形式是非效率的, 对董事会结构进行管制有利于增加公司价值;第二种是“董事会效率假说”, 认为董事会结构是由每个公司独特的商业特征和成本- 收益权衡最终内生决定的。Boone等 (2007) 通过研究发达国家的公司, 认为董事会结构是内生决定的, 支持“董事会效率假说”, 那么, 对于像我国这样的发展中国家是否支持“董事会效率假说”呢, 这有待于进一步检验。本文运用动态面板的System GMM模型, 同时考虑了由不可观测的异质性引起的内生性、同期联立内生性和动态内生性这三种内生性, 研究了最优董事会结构是如何被决定的。本文的可能理论贡献: (1) 丰富了董事结构决定的相关理论; (2) 考虑了动态内生性, 而这种内生性鲜有研究。
二、理论分析与研究假设
Linck等 (2008) 认为:董事会主要有两个功能———监督和提供建议, 其监督职能要求董事会去监督管理层类似偷懒和欺骗这类的不利于股东的行为;其提供建议的职能主要是帮助管理层做出关于公司战略和运作的好的决策。杨青等 (2012) 认为:董事会规模和独立董事的比例都随着监督和提供建议的收益上升而增加, 随着监督和提供建议的成本上升而下降。
董事会的监督职能和提供建议职能都与公司的复杂性有关, Bushman等 (2004) 为公司的规模越大, 公司越复杂。Fama和Jensen (1983) 认为:随着公司复杂性的提高, 虽然监管成本也随着提高, 但是其来自于监管的收益要大于成本。Coles (2008) 等认为:公司越复杂, 公司应该能够从有着各种各样的专业知识的董事会收益更多, 从而使得董事会规模更大, 独立董事比例更高。因此, 本文提出假设:
假设1:公司复杂性与董事会规模正相关。
假设2:公司复杂性与独立董事比例正相关。
Jensen (1986) 认为公司的自由现金流越大, CEO的寻租空间越大, 因为资金充裕的公司其CEO更有机会挪用资金, 也更倾向于将资金浪费在不好的项目上。Adams和Ferreira (2007) 认为:董事会的最佳监督程度随着管理层可获得私人收益的增加而增加, 因此, 管理层可获得的私人收益越多, 董事会规模越大, 独立董事比例越高。因此, 本文提出假设:
假设3:CEO寻租空间与董事会规模正相关。
假设4:CEO寻租空间与独立董事比例正相关。
Boone等 (2007) 认为公司的成长潜力越大, 董事会的监督成本越高。因为具有高成长性的公司规模通常较小, 外部环境不确定性较大, 需要灵活且快速有效的管理结构, 这时董事会规模不宜过大。此外, 要对具有高成长性的公司进行监督, 需要独立董事具有深度的专业知识, 而公司的独立董事未必能够对公司的专业知识有很深的认识, 此时独立董事对公司的监督效率较低。Jensen (1993) 认为董事会监管具有高成长性的公司需要花费更高的成本。因此, 本文提出假设:
假设5:公司的成长能力与董事会规模负相关。
假设6:公司的成长能力与独立董事比例负相关。
Chen和Najjar (2012) 认为:公司治理机制之间在发挥作用时, 彼此间是相互作用而非彼此独立的, 各个治理机制之间存在“替代效应”。在公司治理机制中, 股权集中能带来“监督效应”, 而董事会的一个主要职能就是发挥监督职能, 股权集中带来的“监督效应”与董事会的监督职能部分重叠。Andres等 (2012) 认为股权集中与董事会结构在“监督效应”方面存在“替代效应”。石大林 (2014) 认为:股权集中降低了董事会监督职能给公司带来的收益, 从而使得董事会规模和独立董事比例下降。此外, 管理层持股存在两种可能来降低董事会规模和独立董事比例, 一方面, 代理理论认为:管理层持股比例的提高会带来“利益趋同效应”, 从而使得管理层即使在没有董事会的监督下也能以公司利润最大为目标, 这样会降低董事会“监督效应”给公司带来的收益, 从而使得董事会规模和独立董事比例下降;另一方面, 管理者堑壕假说认为:管理层持股比例的提高会使得他们在公司的经营决策中拥有更大的权力, Lasfer (2006) 认为:管理层通过他们的股权巩固了自己的地位, 从而有意降低董事会的监管。因此, 管理层持股比例的提高会使得董事会规模和独立董事比例下降。基于以上研究, 本文假设:
假设7:股权集中度与董事会规模负相关。
假设8:股权集中度与独立董事比例负相关。
假设9:管理层持股比例与董事会规模负相关。
假设10:管理层持股比例与独立董事比例负相关。
Hermalin和Weisbach (1998) 认为:董事会的独立性是董事会与CEO讨价议价的结果, 董事会的独立性随着CEO议价能力的提高而降低, CEO的议价能力与公司的前期业绩表现正相关。因此, 当公司的前期业绩表现好时, CEO的议价能力提高, 这会导致董事会的独立性下降;而当公司的前期业绩差时, CEO的议价能力降低, 董事会的独立性提高。当公司的董事长与CEO两职位合一时, CEO在公司有很大的影响力。Raheja (2005) 认为:随着CEO影响力的提高, 会带来独立董事的比例提高。因为, 当CEO有着很强的影响力时, 独立董事会很难否决CEO的不好决策, 因此, 公司需要有更多的独立董事来跟CEO抗衡。董事会的持股比例越高, 其在公司的影响力就越大, 其自身势必会其提高其独立性, 以不受公司管理层的控制, 从而会在董事会中设置更多的独立董事。基于以上研究, 本文假设:
假设11:CEO能力与独立董事比例负相关。
假设12:CEO影响力与独立董事比例正相关。
假设13:董事会影响力与独立董事比例正相关。
三、研究设计
(一) 研究样本
本文以2002-2011 年在沪深上市的公司为样本, 所选的公司必须满足以下条件: (1) 在2002 年已经公开上市; (2) 目前必须处于正常上市状态; (4) 按证监会行业分类, 是非金融保险行业 (I类) 的公司。此外, 还剔除了数据不全的公司。经过以上筛选, 最终得到716 家样本公司, 10 年总共7160 个观测值。本文数据来源于国泰安数据库和锐思数据库。
(二) 变量选择与定义
本文用董事会规模和董事会独立性这两个指标来表示董事会结构。其中, 董事会规模用董事总人数的对数来衡量, 董事会独立性用独立董事的比例来衡量。借鉴Linck等 (2008) 、Chen和Najjar (2012) 的研究, 我们选取法人股比例、国有股比例、时间虚拟变量和行业虚拟变量作为控制变量。具体的变量设置情况见表1:
(三) 模型设计
根据前面的理论分析, 建立模型 (1) 来研究独立董事比例的决定, 建立模型 (2) 来研究董事会规模的决定, 模型 (1) 和模型 (2) 如下所示:
在模型 (1) 中, s=1, 2…, p;Y表示独立董事比例;X和G表示解释变量, 其中X包括公司总资产、自由现金流比率、总资产增长率、股权集中度、管理层持股比例;G包括董事会持股比例、董事长与CEO两职合一、前期的资产收益率;Z和W表示控制变量, 其中Z包括国有股比例和法人股比例;W包括行业虚拟变量和时间虚拟变量;H表示公司的不可观测的异质性;εit为误差项。
在模型 (2) 中, Y表示董事会规模, 其他变量设置情况跟模型 (1) 相同。
Harris和Raviv (2008) 、Lehn等 (2009) 的研究证明了董事会结构是内生性的, 这样用普通最小二乘法来估计模型 (1) 和模型 (2) 得到的回归系数是有偏的。Wintoki等 (2012) 还认为董事会结构存在动态内生性, 即前期被解释变量的值影响当期解释变量, 当期解释变量反过来又影响下一期被解释变量。为此, 在模型 (1) 和模型 (2) 中我们控制了被解释变量的滞后值。Wintoki等 (2012) 认为动态面板GMM模型是更为合适的方法, 因此, 我们用动态面板的System GMM模型来估计模型 (1) 和模型 (2) , 借鉴Wintoki等 (2012) 的研究我对被解释变量做了滞后两期的处理。
四、实证分析
(一) 变量的描述性统计与相关性分析
通过变量的描述性统计, 发现:独立董事的比例均值大约等于1/3, 独立董事比例呈递增的趋势, 而董事会规模大致呈递减的趋势。另外, 通过变量的Spearman两两相关性检验, 我们发现并不存在严重的多重共线性问题。
(二) 董事会结构的决定
注:***、** 和* 分别表示在1%、5%和10%的水平上显著;括号内的是T值;子样本是公司只在A股上市的样本;AR (1) 和AR (2) 分别用来检验在GMM估计中是否存在一阶和二阶序列相关, 其原假设是不存在序列相关;Hansen Test是用来检验工具变量是否存在过度识别问题的, 其原假设是工具变量是有效的, 不存在过度识别问题;Difference-in-Hansen Tests是用来检验工具变量是否是外生的, 其原假设是工具变量是外生的。
从2 模型 (1) 的结果可以看到: (1) 公司总资产的系数为正, 且是显著的, 这与我们的预期一致, 说明公司复杂性与独立董事会比例正相关, 公司越复杂越能从独立董事比例的提高给公司带来的监督和提供建议方面受益; (2) 自由现金流比率的系数在模型 (1b) 和模型 (1c) 中不显著, 但在模型 (1d) 中系数显著为正, 从本文的实证结果未能证明CEO寻租空间对独立董事比例有何影响; (3) 总资产增长率的系数为负, 且是显著的, 这说明公司的成长能力越高, 独立董事监督公司管理层的成本越大, 独立董事比例越低; (4) 董事会持股比例系数为正, 且是显著的, 这说明董事会影响能力提高, 董事会自身的独立性也提高了; (5) 董事长与CEO两职合一的系数为正, 且是显著的, 这说明在董事长与CEO由一人担任的公司, 即CEO具有更大影响力的公司, 确实需要更多来自独立董事对CEO的监督; (6) 前期公司绩效的系数为负, 且是显著的, 这说明CEO的权力增大会降低董事会的独立性; (7) 股权集中度和管理层持股比例系数都为负, 且是显著的, 这说明公司治理机制间存在“替代效应”, 股权集中度和管理层持股比例的提高, 会降低独立董事比例。
从表2 模型 (2) 的回归结果我们可以看到:公司总资产和管理层持股比例的系数及其显著性与我们的预期一致, 这说明公司越复杂越需要较大规模的董事会, 管理层持股与董事会规模之间存在“替代效应”, 管理层持股比例的提高会减低董事会规模。再看其他变量的系数及其显著性, 我们发现系数符号与我们的预期一致, 但是都不显著, 这说明CEO的寻租空间、公司的成长能力及股权集中度都对董事会规模没有显著的影响。
(三) 稳健性检验
在前面我们已经做了一些稳健性检验, 为了进一步检验模型的稳健性, 本文还运用主成成分分析法从衡量公司绩效、公司成长能力和股权集中度的多个指标中分别得到衡量公司绩效、公司成长能力和股权集中度的综合指标, 用其来替代本文中相应的单个指标, 回归得到的结果与前面得到的结论一致。
五、结论