導語：如何才能寫好一篇面板數據，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】截面數據 面板數據模型

最近幾年，關于面板數據模型應用在學術界逐漸升溫。據統計，僅《維普資訊―中文科技期刊數據庫》所收錄的文獻已經達到幾百篇。所謂面板數據是指由變量關于個不同對象的個觀測值所得到得二維樣本觀測值構成的樣本數據，記為，在這里，表示個不同對象中第個個體，表示第個觀測期。我們將第個對象的期觀測值組成的時間序列稱為面板數據的第個縱剖面時間序列；將第期個對象的截面數據稱為面板數據的第期橫截面。所以，面板數據也稱作時間序列與截面的混合數據 [1，2]。

1 面板數據模型介紹

面板數據回歸模型的一般形式為：

（1）

其中為向量，為向量，為解釋變量的個數。誤差項均值為零，方差為。

根據截距項及系數的不同取值，以將面板數據模型劃分為 3 種情形：

情形1：

情形2：

情形3：

2 面板數據模型分類

2.1混合面板數據模型

從時間上看，不同個體之間不存在顯著性差異，從截面上看不同的截面之間也不存在顯著性差異，就稱此模型為混合回歸模型。用普通最小二乘法（OLS）估計參數。

即 （2）

混合面板數據模型假設了所有的解釋變量對被解釋變量的影響與個體和時間都無關，Swamy（1971）等學者認為這個假設是不完全正確的。因為在實際問題的研究中，可能只有部分解釋變量的系數與個體無關的，因此可以假設模型（2）中前個解釋變量的系數與個體無關，后個解釋變量的系數隨個體變化，即將分為和兩部分，參數也被分為和兩部分，模型就被變為

（3）

2.2變截距面板數據模型

變截距面板數據模型是應用最廣泛的一種面板數據模型，可表示為

（4） 其中為向量，為向量，為個體影響，為模型中被忽略的反映個體差異變量的影響；為隨機干擾項，為模型中被忽略的隨橫截面和時間變化的因素的影響，假設其均值為零，方差為，并假定和不相關。假如橫截面的個體影響可以用常數項的差別來解釋，則是待估參數，則此模型稱為固定影響變截距模型。如果橫截面的個體影響可以用不變的常數項和變化的隨機項之和的差別來說明的話，那么模型（3）就稱為隨機影響變截距模型。

2.3變系數面板數據模型

變化的經濟結構或不同的社會經濟背景因素使得響應參數（結構參數）隨著時間或橫截面個體不同而變化，當數據不支持不變響應參數模型，而且變量之間關系的設定也很恰當時，就必須考慮在時間或橫截面上系數變化的變系數模型。即

， （5）

其中和是解釋變量和參數向量。

2.3.1固定影響變系數模型

如果為固定不變的常數時，稱此模型為固定影響變系數模型。

記為 則如果隨機干擾項在不同橫截面個體之間不相關，采用即GLS得到估計量，條件是

，且，如果隨機干擾項在不同橫截面個體之間的協方差不為零，即，那么，的GLS估計比在每個橫截面個體上的經典單方程估計更有效。

2.3.2 隨機影響變系數模型

令，Swamy（1970）假定

式（5）可以表示成

其中

，復合干擾項的協方差矩陣是對角分塊陣，第個對角分塊為：

3面板數據模型的優勢

（1）截面數據和時間序列數據相結合能夠顯著的減少缺省信息帶來的問題，使得模型設定及參數估計更準確；（2）面板數據模型擴大了樣本信息和樣本容量、降低了經濟變量間的共線性，也提高了計量經濟估計量的有效性；（3）面板數據可以對個體不同進行控制。面板數據研究的對象允許個人、公司、地區或者國家是不同的。而時間序列數據和橫截面數據研究對這些個體不加以控制，則有可能出現偏估計。由于當今社會處于轉型經濟研究當中，現行經濟體制的歷史較短，因而運用面板數據計量經濟學研究這些國家的經濟規律顯得很有必要[2，3]。

參考文獻：

[1] 李子奈，潘文卿.計量經濟學[M].北京：高等教育出版社，2005.3.

篇2

關鍵詞：中美服務貿易收支；面板數據模型；貨物貿易

中圖分類號：F323.6文獻標識碼：A文章編號：1003-4161(2009)01-0118-04

1.前言

中國和美國分別作為世界上最大的發展中國家和經濟實力最強的國家，兩國間的貿易對世界經濟有著重大的影響。根據中國海關統計數據顯示，2006年中國對美國貿易順差為1.443億美元；而根據美國政府的統計，2006年美國對中國的貿易逆差達到了創紀錄的2.325.5億美元，占美國整體貿易逆差的28%。中國對美巨額的貿易順差在一定程度上造成了美國的經濟失衡，而美國的經濟失衡則是全球經濟失衡的主要原因之一。然而，在中國對美貨物貿易保持巨額順差的同時，中美服務貿易卻多年來一直是中國處于入超的狀態，只是這種服務貿易的逆差被巨額的貨物貿易順差所掩蓋了。隨著經濟全球化的發展，世界貿易的競爭將更多地體現于服務貿易的競爭，并且其競爭的成敗將在一定程度上決定各國經濟發展的未來。因此，加強對服務貿易的研究，特別是在當前形勢下加強對中美服務貿易收支的研究將有著重要的意義。

2.相關文獻回顧

到目前為止，在針對服務貿易的相關研究方面，國外學者比國內學者研究得更加深入，且在分析相關影響因素的基礎上進一步通過計量回歸的方法對實際情況進行了檢驗。Juann H.Hung和Sandre Viana(1995)采用時間序列中協整分析的方法對上世紀80年代中期美國服務貿易進出口中增長最快的三個部分（旅游、其他私人服務、版稅和許可費）進行了研究，其研究結果表明，外國穩健的經濟增長和美元的貶值是推動上世紀80年代后半期美國服務貿易收支迅速增長的主要因素［1］。Alan V.Deardorff，Saul H.Hymans，Robert M.Stern和Chong Xiang（2000）使用上世紀70年代至90年代的季度數據對美國服務貿易四個子項（旅游服務、運輸服務、乘客運輸服務和其他私人服務）的出口和進口建立模型并進行了預測，研究認為，在經過亞洲金融危機以后，美國服務貿易順差在1999和2000年會減少，到2001年會重新增長［2］。Denise Eby Konan和Ari Van Assche（2004）將一個不完全競爭服務部門納入小型開放經濟這樣的標準來計算一般均衡模型（CGE model），以此來分析管制和市場結構這兩個因素對突尼斯服務貿易自由化的福利影響，并強調了市場結構和法制環境對突尼斯電信自由化的重要性［3］。與此同時，還有一些國外學者將在貨物貿易研究中使用較多的引力模型也應用到了對服務貿易的研究上，Lejour和De Paiva Verheijden（2004）使用引力模型對加拿大和歐盟的雙邊服務貿易流量進行研究發現，距離對服務貿易影響比之其對貨物貿易的重要程度要低［4］。目前，國內也有不少學者對服務貿易收支進行了研究，謝康，李贊（2000）對美國的貨物貿易和服務貿易之間的互補性進行了研究，并認為一定時期內中美兩國政府和企業不可能從根本上改變中美貿易不平衡的局面

［5］。張德進，吳韌強（2004）利用RCA指數和TC指數對中美兩國在服務貿易領域的優勢和劣勢進行了定量分析，研究結果顯示美國在知識和技術密集型的服務產業上仍然保持著顯著優勢，但我國在勞動密集型服務產業渴望得到較大的發展［6］。程南洋，楊紅強和聶影（2006）對我國1999～2003年的服務貿易出口結構變動進行了實證分析，研究表明中國服務貿易出口結構在不斷優化，但優化的幅度很小［7］。孫夏，張靜中（2006）通過分析中美服務貿易逆差后認為，中國應加大在人力資本及科技方面的投入，并通過分層次逐步對美開放和適度保護相結合來縮小中美服務貿易之間的逆差［8］。

總的來說，與國外相關研究相比，國內研究顯得相對沒有國外研究的深入和系統。在研究方法方面，有些國內學者在研究服務貿易收支時采用的是相關系數分析法，這種分析方法只是對兩變量之間進行分析，卻忽視了其他的相關影響變量的作用，缺乏說服力。目前國內幾乎還沒有學者采用較為合適的計量模型來對中美服務貿易收支進行實證分析，因此，本文采用面板數據模型來分析中美服務貿易收支，將具有獨特而重要的研究意義。

3.研究思路

和貨物貿易一樣，國與國之間服務貿易的進行必然有其理論基礎，然而由于貿易動因和貿易形式的多樣化，這就使得一種純粹的貿易理論無法完全將兩國間貿易的實際情形解釋清楚。但不管怎樣，國際間的貿易必然有其共同的影響因素，因此，要研究兩國間的貿易收支，將這些共同的影響因素納入同一個方程，并選擇適當的計量模型進行實證分析，將不失為一種較好的方法。

在兩個國家進行貿易的情形下，一國的貿易收支等于其出口減去進口，而與此同時，一國的進口就是另一國的出口。從這個角度出發，兩國間的出口和進口都具有一些共同的影響因素，只是這種因素的來源國不同而已，因此研究一國對另一國貿易收支影響因素的問題就轉變成了研究出口影響因素的問題。本文在研究服務貿易出口時主要考慮了四個隨時間變化而變化的重要影響因素，見方程［1］，即收入、貨物貿易、對外直接投資和實際匯率，如方程①所示：

EXd= Fd（Yf ，Xd，FDId ，RER） ①

方程中EXd表示本國對外國的服務貿易出口額，Yf表示外國的收入水平，FDId表示本國對外國的直接投資，Xd表示本國對外國的貨物貿易出口，RER表示實際匯率。其中，（1）Yf對EXd的影響是正向的，因為本國的出口是基于外國的需求，外國收入水平越高，對本國服務貿易產品的需求則越大；（2）FDId和Xd對EXd的影響也是正向的，這主要是由于對外直接投資和貨物出口增加，一定程度上會帶動相關服務產品的出口，同時，由于對外直接投資和貨物貿易量的增大反映出本國與外國在經貿關系上的愈發緊密，這也會促進本國的服務貿易出口［2］；（3）實際匯率在反映名義匯率的同時還包含了物價水平的變動，但在這里，RER對EXd的影響卻是不確定的，這種不確定性是因為實際匯率變動帶來的產品數量和產品相對價格變化方向的不同變化所導致。

正如前所述，在兩國情形下，本國的進口等于外國的出口，而外國的出口也存在著相同的影響因素，因此，本國的進口方程則為：

IMd= Fd（Yd ，Xf ，FDIf，RER） ②

由于本國的貿易收支等于出口減去進口，而出口和進口方程中均具有共同的影響因素，因此，本國的貿易收支方程也將具有與出口和進口相同的影響因素，即：

B = F（Yf-d , Xd-f , FDId-f , RER）③

其中B為本國對外國的服務貿易收支。在方程①和方程②中，除實際匯率RER的影響方向是不確定之外，其他各變量的影響方向是被確定的，但在服務貿易收支方程中，除實際匯率RER之外，其他三個變量均變成了相對形式，這就使得服務貿易收支方程中四個變量影響方向都具有不確定性，必須通過計量回歸的方法對具體兩個國家間的服務貿易收支進行分析，才能確定這些變量對其中一國服務貿易收支的影響方向及其影響大小。

4.計量分析

與貨物貿易有商品分類一樣，服務貿易也有其子項，這就使得本文對服務貿易收支的分析就牽涉到了截面數據，與此同時，考慮到時間序列因時期過短會造成樣本數目不足，因此，使用既包含時間序列又包含了截面數據的面板數據模型來分析中美服務貿易收支，一方面能較全面地反映所要研究的對象本身，另一方面還擴充了樣本容量，使得回歸模型更具有說服力。

4.1 相關變量和指標的選取

在建立計量模型之前，首先要對相關變量和指標進行選擇和調整，同時，為了減小數據的波動性和異方差，還必須對原數據進行對數化處理，這也就是本文在進行計量回歸前模型設定的一個重要標準。此外，本文所研究服務貿易收支的時期區間是1994～2005年，主要是考慮到在這一時期內人民幣采取的是釘住美元的匯率制度，這就在一定程度上消除了因匯率制度改革而產生的樣本自身結構性的突變。

4.1.1 因變量的選擇。由于中美兩國在服務貿易方面是中國處于入超狀態，因此，模型的因變量為美國對中國的順差額。在中美服務貿易收支下的各子項中，美國某些年份中在旅游服務、乘客運輸和其他運輸這三項收支上是出現逆差的，這就意味著這幾個子項的收支在賬面上會出現時正時負情形，因此，基于數據對數化的要求考慮，本文并不將旅游服務、乘客運輸和其他運輸納入研究范圍。此外，由于部分年度數據缺失的原因，保險也并不納入本文的研究范圍。最后，模型所確定的因變量LnYi包括五個截面：（1）私人服務；（2）版稅和許可費；（3）其他私人服務；（4）商業、職業和技術服務；（5）其他交易者附屬私人服務。

4.1.2 自變量的選擇。模型的四個自變量中，除實際匯率外，其他三個變量均為“相對”變量。（1）收入水平。模型中“相對”收入水平采用的是比值的形式，即首先將兩國的GDP調整至同一數量級（billion），再將中國的GDP按當年美元與人民幣的比價換算成美元，最后將美國的GDP除以換算過后的中國GDP，就得出模型的第一個自變量X1。由于X1本身已經是一個比值，因此X1并不要再進行對數化處理。（2）貨物貿易。在中美兩國的貨物貿易方面，中國保持著巨額順差，因此模型的第二個自變量LnX2則為對數化后的中國對美貨物貿易順差。（3）對外直接投資。目前，美國對華直接投資大大超過了中國對美直接投資，這就使得本文的第三個自變量LnX3為對數化后的美中雙方直接投資的差額。（4）實際匯率。由于在樣本期內人民幣采取的是釘住美元的匯率制度，因此人民幣對美元的名義匯率是幾乎不變的，但考慮到兩國物價水平的變動，人民幣對美元的實際匯率卻是變動的。其中計算實際匯率所使用的物價指標是消費者價格指數（均已調整為以1994年為基期）。將計算出的實際匯率進行對數化處理后就得到本文模型的最后一個自變量LnX4。

在數據來源方面，服務貿易收支、美國年度GDP和對外直接投資的數據來源于美國經濟分析局；貨物貿易和人民幣匯率數據來源于亞洲開發銀行［3］；中國年度GDP和消費者價格指數來源于中經網數據庫。

4.2 計量回歸

根據面板數據模型中對截距項向量和系數向量的不同限制要求劃分，面板數據模型被分為三種類型：無個體影響的不變系數模型、含有個體影響的不變系數模型（變截距模型）和含有個體影響的變系數模型（變系數模型）。一般來說，要經過相關檢驗后，才能具體確定選擇建立哪類面板數據模型，這樣做的目的是為了避免模型設定偏差，以此改進參數估計的有效性。但根據現實情況而言，不同類別的服務貿易子項是肯定存在結構上的差異的，同時其不同類別的子項對這些共同影響因素的反映程度也是不一樣的，基于此種原因，本文選擇建立的是含有個體影響的變系數模型，同時在回歸結果中通過相同的系數檢驗進行驗證。此外，為了進一步減少因為面板數據模型中由于存在截面或時期異方差對回歸結果造成的不利影響，在具體的回歸方法上選擇的是相應的廣義最小二乘估計法。

初始設定的模型為：LnYi = Ci+a1iX1+ a2iLnX2+ a3iLnX3+ a4iLnX4+ u, 其中C為截距項，u為隨機擾動項。根據（表1）顯示，使用時期加權具有最好的效果（殘差平方和明顯減小），其具體回歸結果（表2）所示。

從(表2)中能夠看出，在10%的水平下，模型的截距項均是顯著的，這也驗證了在模型選擇時所推定的服務貿易收支子項存在著顯著的結構差異；同時，在回歸結果中，第二個自變量LnX2即兩國貨物貿易的系數在各截面均無法通過顯著性檢驗，因此，要對模型進行進一步的處理，將LnX2從初始模型的自變量中剔除，修正后的模型為：

LnYi= Ci+a1iX1+ a3i LnX3+ a4iLnX4+ u

采用上述同樣的步驟再次對修正后的模型使用時期方差進行加權最小二乘回歸，其結果(表3)所示。

通過對初始模型進行設定和對回歸方法進行選擇，并在初始設定模型回歸結果的基礎上進行進一步地修正后，雖然仍有部分截面的系數依然不顯著，但模型中大部分系數已經顯著，從模型整體上看，已經達到了一個較為滿意的回歸結果。而從經濟理論上來看，不同截面由于其自身存在各自的特點，在面對這些共同的影響因素時表現出不同的顯著性，這是合乎現實情況的。因此，本文分析的結論將在模型回歸結果的基礎上總結得出。

5.結論

通過建立含有個體影響的變系數面板數據模型，并采用廣義最小二乘法進行回歸后，可以發現模型中5個截面的截距項是不同并且顯著的，這表明本文所分析的中美服務貿易收支中的五個子項存在著明顯的結構差異；與此同時，模型中各截面自變量的系數也存在著較為明顯的差異，甚至不同截面在對某些自變量時表現出了相反的變動方向，這也反映出中美服務貿易收支的五個子項受某些因素影響的程度明顯不同。總的來說，本文的結論主要包括四個方面。

第一，對服務貿易的需求是影響中美兩國服務貿易收支變化的最顯著因素。模型顯示，隨著自變量X1的減小，即中國經濟增速高于美國經濟增速，這五個子項的貿易收支都將會被拉大，這也表明，隨著中國經濟的高速增長，對美國提供的服務的需求將會快速增長，伴隨而來的也是中國對美服務貿易逆差的擴大。在5個子項中，版稅和許可費的邊際系數大小高出其他四個子項邊際系數將近一倍，中國表現出對美國的專利、技術、商標等國際技術貿易標的以及出版發行物的較高需求彈性。

第二，貨物貿易與服務貿易的相互關系在整體上并不明顯。在本文初始模型的回歸結果中，貨物貿易這一自變量對五個子項的影響均不顯著，服務貿易和貨物貿易貌似“各行其道”，這與國內一些相關研究的結果存在著出入。這種情況出現的原因可能是多方面的，從本文的角度看來，最有可能的原因是：（1）貨物貿易一方面對服務貿易有促進作用，另一方面貨物貿易與服務貿易又存在著一定的互補性，綜合起來就使得二者整體間的相互關系在統計上并不顯著；（2）可能是由于模型的因變量在選取上并沒有包含與貨物貿易相關度比較大的項目，或者是對模型截面分類的選擇（中美服務貿易收支的子項分類）造成了貨物貿易影響不顯著。

第三，國際直接投資會帶動相關服務貿易的進行。模型結果顯示，美國對中國增加直接投資會帶動其私人服務出口和版稅及許可費收入的增加，其中版稅及許可費收入受這種國際直接投資的影響最為顯著，這本身也是因為技術的轉移很大程度上表現出與國際直接投資在時間上的近似同步以及在方向上的大體一致。目前，美國對中國的直接投資遠遠大于中國對美投資，伴隨著這種直接投資差額的增大，美國對中國服務貿易的順差將會有可能更進一步擴大。

第四，人民幣實際匯率波動對中美服務貿易收支存在一定影響［5］。從模型回歸結果來看，人民幣實際匯率對五個截面中的三個截面存在顯著影響，并且人民幣實際匯率貶值，會帶來美國對中國服務貿易收支順差的增加。這也反映出在中國對美國服務有著較大需求的情況

下，隨著單位美元能換取更多的人民幣，美國將更愿意對中國進行相關服務產品的出口。

6.總結

通過本文所進行的實證分析可以看出，除貨物貿易外，兩國相對經濟增長速度、國際直接投資和人民幣實際匯率對中美服務貿易收支下的五個子項有著不同程度的影響。從目前來看，由于中國保持著持續的高速增長，這將加大對美國服務貿易品進口的需求；同時，隨著美國對中國直接投資增加自身會帶來對中國服務貿易出口的增加外，直接投資還通過其直接和間接作用推動中國經濟增長，這將進一步帶來對美國服務貿易產品的需求。從這兩方面來看，中國對美服務貿易收支將可能進一步惡化。雖然模型顯示人民幣實際匯率升值會改善中國對美服務貿易收支的逆差，且自2005年我國匯率制度改革后人民幣處于升值狀態，但目前美國自身面臨的通貨膨脹壓力會在一定程度上抵消人民幣升值影響，此外，一旦人民幣停止升值并處于一個相對穩定的匯率水平時，其他兩個因素將成為影響中美服務貿易收支動態變化的主要因素。總的來說，今后中國在對美服務貿易收支變化上具有不確定性，但這種逆差在一定時期內擴大而非縮小的可能性更大，因此，加強對中美服務貿易的研究，在現在和將來

都將具有重要的意義。

參考文獻：

［1］Juann H.Hung and Sandre Viana, “Modelling U.S.Services Trade Flows: A Cointegration-ECM Approach”, Federal Reserve Bank of New York Research Paper No.9518,1995.

［2］Alan V.Deardorff, Saul H.Hymans, Robert M.Stern and Chong Xiang, “Forecasting U.S.Trade in Services”, University of Michigan Discussion Paper, No.467, 2000.

［3］Denise Eby Konan and Ari Van Assche, “Regulation, Market Structure and Service Trade Liberalization: A CGE Analysis”, CIRANO Working Papers, 2006.

［4］Lejour, A. and de Paiva Verheijden. “Services Trade with Canada and European Union.” CPB discussing paper, No.42.2004.

［5］謝康，李贊.貨物貿易與服務貿易互補性的實證分析［J］.國際貿易問題, 2000，(9).

［6］張德進，吳韌強.中美服務貿易的比較分析與啟示［J］.國際貿易問題, 2004，(5).

［7］程南洋，楊紅強，聶影.中國服務貿易出口結構變動的實證分析［J］.國際貿易問題, 2006，(8).

［8］孫夏，張靜中.中美服務貿易逆差的原因與對策［J］.鄭州航空工業管理學院學報, 2006，(8).

篇3

關鍵詞 資源豐裕度；經濟增長；非線性；經濟結構；政治制度

中圖分類號 F061.3 文獻標識碼 A 文章編號 1002-2104（2013）08-0001-06 doi：10.3969/j.issn.1002-2104.2013.08.001

長期以來，經濟學家們一直致力于探究與經濟增長有關的諸多因素和條件，即增長的源泉問題。物質資本、人力資本、自然資源和技術進步等相繼被揭示出來并置于突出的地位。然而，關于自然資源的真實影響，學術界并未達成共識。自然資源對于經濟發展究竟是祝福還是詛咒？本文使用1978-2011年中國30個省市區的面板數據，試圖從一個更長的時間跨度去研究資源豐裕度與經濟增長之間的關系及其動態變化。

1 自然資源與經濟增長的悖論

早期關于自然資源豐裕度與經濟增長關系的研究大都認為，豐裕的自然資源作為一種潛在財富，可以便利地被轉化為資本，為經濟起飛提供了很好的支持[1-2]。時至今日，仍有很多學者在研究近代以來經濟發展史的基礎上，在探索經濟增長和發展問題的過程中強調自然資源對經濟增長起到了積極的正面效應。然而，20世紀80年代以來，許多資源豐裕的國家和地區卻出現了低增長甚至發展停滯的局面，這使得學術界重新開始認識資源豐裕度和經濟增長的關系[3-8]。近來，也有很多學者對上述兩種假說都提出了質疑，認為資源豐裕度和經濟增長并不構成一一對應的關系[9-11]。

我們感興趣的是，中國的資源豐裕度對經濟增長究竟是祝福、詛咒還是沒有特定的關系？是特定時期的經濟現象，還是一種普遍的帶有規律性的經濟機理？本文使用1978-2011年中國30個省市區的面板數據，從一個更長的時間跨度去研究資源豐裕度與經濟增長之間的關系及其動態變化，希望可以彌補已有文獻在這方面的空白；更進一步，我們試圖從實證的角度探討中國省級層面的自然資源對經濟增長的作用機制。

2 數據、計量模型設定與檢驗

本文運用的數據集涵蓋了中國30個省、市、自治區（重慶除外）從1978年至2011年的自然資源和主要經濟數據。自然資源的衡量指標主要包括原煤、原油、天然氣的產量、采掘業部門的固定資產投資等；主要經濟數據包括GDP、人均GDP、人口、就業人口、固定資產投資、制造業固定資產投資、財政支出、科教文衛事業支出等。

資源豐裕度的測量是實證研究中的一個重要難題，為此，學者們引入了一系列的替代變量。比如初級產品出口占GDP的比重[4]11，初級產品部門的就業比例[12]，人均耕地數量[13]，能源儲量[14]，資源租占GDP的比重[15]等。考慮到能源資源較大的經濟租及其在工業化進程中的戰略性地位，我們主要選取徐康寧和韓劍[16]構建的RAI指標來衡量中國各省的資源豐裕程度，并進一步使用采掘業部門的固定資產投資占固定資產投資的比重[17]這一指標作為穩健性檢驗。

我國一次性能源生產和消費總量中煤炭、石油、天然氣的比重大約為：75%、23%和2%。以此為依據，分別賦予三種礦產資源相應的權重。RAI指標的具體計算公式如下：

與該指標類似，中國科學院公布了一個能源產量的折算公式，其中能源產量是原煤、原油、天然氣產量經熱量轉換之后的綜合指標：能源產量（108 t）=（原煤產量×0.714 t/t）+（原油產量×1.43 t/t）+（天然氣產量×1.33 t/（1 000 m3））。

考慮如下的面板計量模型：

其中下標i代表省份（i=1， 2， …， 30），t代表年份（t=1978， 1979， …， 2011），y表示經濟增長的衡量指標，具體包括GDP增長率、人均GDP增長率以及分別相對應的5年移動平均的GDP增長率和人均GDP增長率；RAI表示資源豐裕度指標；X表示模型中引入的一些在長期中影響經濟增長的控制變量，具體包括表1中所列的資本投入、勞動力投入以及科技投入等。β0表示常數項，β1和β2是對應的估計系數，εit是隨機擾動項。此外，我們的計量模型設定中也控制了省份和年份的固定效應：provi表示各省不隨時間變化的固定效應；yeart表示每年對各省都有同樣影響的固定效應。

2.1 “資源祝福”還是“資源詛咒”？

利用1978年至2011年全國30個省市區的面板數據進行了檢驗，表1報告了利用GDP增長率來衡量經濟增長情況的參數估計結果。

所有控制變量對經濟增長的影響基本上都符合經濟理論和直覺的判斷：由于經濟發展的收斂性，上一年人均GDP對經濟增長有負向的影響；資本、勞動以及科技投入則在很大程度上有正向的影響。控制這些解釋變量將會保證計量結果得以反映自然資源對經濟增長的真實影響。

接下來我們主要關注資源豐裕度與經濟增長的關系，表1中的第1-4列是使用GDP增長率作為經濟增長情況考核的結果，第1、2列與第3、4列的區別在于是否控制了省份和年份固定效應。從回歸的結果來看，這些省份和年份虛擬變量的系數具有聯合的顯著性，即各省的特定條件和全國范圍內的時間趨勢是不能忽略的影響因素。第3列的回歸結果顯示，在控制了其他可能影響經濟增長的因素之后，資源豐裕度對經濟增長有正向的影響且達到了5%的顯著性水平。這意味著，當我們從一個盡可能長的時間跨度去考察，資源的豐裕度從整體上看為經濟增長提供了正向的支持。

更進一步，我們在第4列中引入了資源豐裕度的平方項來考察資源豐裕度對經濟增長可能存在的一種非線性的影響：資源豐裕度平方項的估計系數為負且達到了5%的顯著性水平；此時資源豐裕度的估計系數比第3列的估計系數顯著增大并且顯著性也進一步增強，達到了1%的顯著性水平。這意味著，平方項的引入有力地建立了資源豐裕度與經濟增長之間在長期中存在的非線性關系，我們稱其為動態演變。也就是說，在經濟發展的初期，豐裕的自然資源作為一種潛在財富，可以便利地被轉化為資本，而資本是經濟發展的關鍵因素之一，因而豐裕的自然資源為我國各省的經濟起飛提供了很好的支持。然而，隨著改革開放進程的推進，我國的市場化程度不斷加深，產業結構持續完善，豐裕的自然資源并不能繼續維持原有的角色，反而在一定程度上制約了經濟的持續快速增長。

第5、6列報告了5年移動平均的GDP增長率作為經濟增長衡量指標的回歸結果，這樣的考核指標能在一定程度上消除經濟發展的短期波動，從而能夠更準確地反映一個地區的經濟增長情況。結果顯示，當我們使用5年移動平均的指標，估計系數的符號與第3、4列完全一致并且都通過了1%的顯著性檢驗。

2.2 穩健性檢驗

雖然表1中的回歸結果有力地證明了我國省級層面的資源豐裕度與經濟增長之間長期中所體現出來的非線性的動態演變關系，我們仍然關心以下問題：其一、資源豐裕度的測量一直是實證研究的難題，當我們使用其他的資源豐裕度指標，上述的非線性的動態演變關系是否依然存在？其二、雖然GDP增長率是大家公認的經濟增長衡量指標，但如果我們使用其他的指標來衡量我國各省的經濟發展情況，會不會改變上述的研究結論？

在本部分，我們使用了不同的資源豐裕度和經濟增長衡量指標來進行穩健性檢驗。其一，采掘業投資占比。在中國的行業統計口徑下，采掘業中包括煤炭、石油、天然氣、金屬和非金屬礦采選業等與自然資源直接關聯的細分行業，這些行業的投入多少完全取決于自然資源的可得性，因此我們認為，當地采掘業的投入水平可以很大程度上反映自然資源的綜合稟賦狀況；其二，GDP增長率更多反映的是一個地區經濟總量的增長情況，考慮人均GDP增長率則能更全面地衡量經濟增長給全體居民帶來的福利改善。檢驗結果顯示，我們發現的非線性動態演變關系仍然存在，且都通過了1%的顯著性檢驗。從系數的大小來看，這種關系甚至更為強烈。

圖1以一種更為直觀的方式反映了這種非線性的動態演變關系，我們稱其為自然資源的庫茲涅茨曲線。和收入分配狀況、環境污染狀況等與經濟發展的關系類似，自然資源豐裕度對經濟增長的影響也呈現出一種倒U型的形態。

至此，我們利用1978年至2011年我國30個省份的面板數據，對我國省級層面資源豐裕度與經濟增長的關系進行了更長時間跨度內、更為全面的檢驗，在某種程度上解開了二者之間關系的悖論：“資源祝福”、“資源詛咒”和“資源中性”假說可能在某個特定的經濟發展階段成立，但是從長期來看二者之間存在著非線性的動態演變關系，而并非單一的線性關系。

3 “資源詛咒”的傳導機制：實證檢驗

國內外已有很多學者就“資源詛咒”的作用機制和影響渠道進行了研究，比如要素轉移效應引發了“荷蘭病”[18]、外部環境惡化促使資本外流、資源開采的財富分配方式擴大了貧富差距、資源主導的產業結構制約了人力資本的積累和科技能力的提升[8]86-87等等。然而，所有關于傳導機制的研究基本上都停留在經濟直覺的判斷或者理論模型的層面，并未得到實證的檢驗。在本部分，我們將從經濟結構和政治制度兩個方面選取中國省級層面的一系列指標來進行較為嚴格的計量檢驗。

3.1 經濟結構詛咒

經濟結構詛咒的主要思想是，當一個國家或地區擁有某種豐富的自然資源時，比較容易陷入依賴某種自然資源的發展路徑，使其他工業或產業的發展受到冷落或排擠，這種擠出效應會對未來的經濟發展帶來災難性的打擊。從長期來看，經濟增長的驅動因素主要有人力資本和物質資本的積累、制度改革和技術進步等。豐裕的自然資源往往會對人力資本和物質資本的投資、制度和技術創新等產生忽略，從而削弱了促進經濟長期增長的動力。

我們選取普通初級中學學校數量和普通初級中學在校學生人數的變動情況來衡量該省的人力資本積累情況；用制造業部門的固定資本投資占總固定資本投資份額的增長率來觀察該省的物質資本積累情況。表2報告了對經濟結構詛咒假說實證檢驗的結果。

回歸結果顯示，正如我們所預計的，總人口越多，初中學校的數目越多；近年來的合并浪潮確實使得初中學校數目逐年遞減；然而，在我們控制住這些因素之后，仍然發現資源豐裕度對初中學校的數目有顯著的負向影響（第1列），且不存在非線性影響（第2列）；第4列的估計系數證明了資源豐裕度同樣減少了普通初中的在校學生數，并通過了1%的顯著性檢驗。更進一步，第6列的回歸結果表明，資源豐裕度對物質資本的積累同樣存在著非線性的影響：在經濟發展初期，自然資源的開發能迅速地轉化為資本，并帶動制造業的發展；但長期來看，過度依賴資源的發展路徑實際上擠出了對經濟長期持續增長至關重要的制造業部門的投資。

3.2 政治制度詛咒

經濟學家們在相當長的一段時間里對所謂的政治因素、社會因素、文化因素等敬而遠之，但這些因素在經濟增長中卻起著重要的作用。在跨國增長研究中，制度因素是各國經濟增長差異的一個異常重要的解釋變量。在這里，我們選取了樊綱、王小魯、朱恒鵬從上世紀末期開始連續構建的中國市場化指數作為各省制度質量的衡量指標。該指標體系對中國各省的市場化進程進行了比較全面的比較，完全采用客觀指標衡量各地區市場化改革的深度和廣度，避免了主觀評價。具體來說，該指標體系除了給每

個省份賦予一個總得分之外，還包括政府與市場關系、非國有經濟發展、產品市場發育、要素市場發育以及中介組織發育和法律這五個分指標。

表3報告了政治制度詛咒的實證檢驗結果。我們對各省的市場化指數總得分以及所有5個分指標都進行了計量檢驗，結果顯示，從長期來看，資源豐裕度對市場化指數的所有指標都有負向的影響。

第2列的估計系數證明，資源豐裕度在長期中惡化了政府與市場的關系：資源豐裕的地區更容易形成“大政府”，過多地對企業進行干預，使得市場化進程更為緩慢；同樣的，由于當地豐裕的自然資源，大量的人力資本和物質資本都被投入到資源部門，非國有經濟更不容易得到發展的空間；最后，第5、6列的結果顯示，資源豐裕地區的中介市場（律師、會計師、行業協會等）發育度更低，法制更不健全，生產者的合法權益、知識產權、專利等更不容易得到保護，從而影響了創新活動的進行，進而不利于經濟的長期發展。

4 總結與討論

本文利用1978年至2011年我國30個省份的面板數據，對我國省級層面資源豐裕度與經濟增長的關系進行了更長時間跨度內、更為全面的檢驗。我們的研究發現，資源豐裕度與經濟增長之間存在一種非線性的動態演變關系：在經濟發展的初期，豐裕的自然資源作為一種潛在財富，為我國各省的經濟發展提供了很好的支持。然而，隨著改革開放進程的推進，我國的市場化程度不斷加深，產業結構持續完善，資源部門的擴張抑制甚至擠出了其他部門的發展，反而在一定程度上制約了經濟的持續快速增長。當我們使用其他資源豐裕度和經濟增長指標時，這種強烈的非線性動態演變關系仍然存在。更進一步，本文使用較為嚴格的計量方法對自然資源作用經濟增長的機制進行了實證檢驗，結果顯示：在長期中，①自然資源會通過降低人力資本和物質資本的投資對經濟結構產生“詛咒”；②自然資源會惡化政府與市場的關系、阻礙非國有經濟的發展、中介組織的發育和法律的完善等，從而對政治制度也產生“詛咒”。

當然，由于數據的可得性，本文的研究還存在一些問題。比如，與電力等其他能源部門類似，中國至今的自然資源定價并沒有實現完全的市場化，政府的資源價格管理機制仍起著較大的作用。自然資源（如煤炭等）在各省之間的“調撥”、地方政府出面的“采購”或者發改委確定的定價機制（比如價格上限等）使得自然資源對生產省來說是“詛咒”，而對資源消費省則是“祝福”。

致謝：

感謝李宏彬教授和肖志杰教授在本文寫作過程中的悉心指導和幫助。

參考文獻（References）

[1]Habakkuk H J. American and British Technology in the Nineteenth Century： The Search for Laborsaving Inventions[M]. Cambridge， MA： Cambridge University Press， 1962： 21-28.

[2]Wright G. The Origins of American Industrial Success， 1879-1940[J]. American Economic Review， 1990， 80： 651-668.

[3]Auty R M. Industrial Policy Reform in Six Large Newly Industrializing Countries： The Resource Curse Thesis[J]. World Development， 1994， 22： 11-26.

[4]Sachs J， Warner A. Natural Resource Abundance and Economic Growth[J]. NBER Working Paper， 1995， No. 5398.

[5]Sachs J， Warner A. Fundamental Sources of Longrun Growth[J]. American Economic Review， 1997， 87： 184-188.

[6]Sachs J， Warner A. The Curse of Natural Resources[J]. European Economic Review， 2001， 45： 827-838.

[7]Papyrakis E， Gerlagh R. Resource Abundance and Economic Growth in the United States[J]. European Economic Review， 2006， 51： 1011-1039

[8]徐康寧， 王劍. 自然資源豐裕程度與經濟發展水平關系的研究[J]. 經濟研究， 2006， 1： 78-89. [Xu Kangning， Wang Jian. An Empirical Study of A Linkage Between Natural Resource Abundance and Economic Development[J]. Economic Research Journal， 2006， 1： 78-89.]

[9]Davis G. Learning to Love the Dutch Disease： Evidence from Mineral Economies[J]. World Development， 1995， 23： 1765-1779.

[10]Coxhea I. 國際貿易和自然資源“詛咒”：中國的增長威脅到東南亞地區的發展了嗎？[J]. 經濟學（季刊）， 2006， 5（2）： 609-634. [Coxhea I. International Trade and the Natural Resource “Curse” in Southeast Asia： Does China’s Growth Threaten Regional Development？[J]. China Economic Quarterly， 2006， 5（2）： 609-634.]

[11]Lederman D， Maloney W. In Search of the Missing Resource Curse[J]. Economía， 2008， 9：1-56.

[12]Gylfason T， Herbertsson T， Zoega G. A mixed Blessing： Natural Resources and Economic Growth[J]. Macroeconomic Dynamics， 1999， 3： 204-225.

[13]Wood A， Berge K. Exporting Manufactures： Human Resources， Natural Resources and Trade Policy[J]. Journal of Development Studies， 1997， 34： 35-39.

[14]Stijns J. Natural Resource Abundance and Economic Growth Revisited[R]. San Francisco： Western Economic Association International 2001 Conference， 2001.

[15]Hamilton K， Ruta G， Tajibaeva L. Capital Accumulation and Resource Depletion： A Hartwick Rule Counterfactual[J]. World Bank Policy Research Working Paper， 2005， No. 3480.

[16]徐康寧， 韓劍. 中國區域經濟的“資源詛咒”效應：地區差距的另一種解釋[J]. 經濟學家， 2005， 6： 96-102. [Xu Kangning， Han Jian. “Resource Curse” Effect on Regional Economy in China： Another Explanation to Regional Discrepancy[J]. Economist， 2005， 6： 96-102.]

[17]胡援成， 肖德勇. 經濟發展門檻與自然資源詛咒：基于我國省際層面的面板數據實證研究[J]. 管理世界（月刊）， 2007， （4）： 15-23. [Hu Yuancheng， Xiao Deyong. The Threshold of Economic Growth and the Natural Resource Curse[J]. Management World （Monthly）， 2007， （4）： 15-23.]

[18]Matsuyama K. Agricultural Productivity， Comparative Advantage and Economic Growth[J]. Journal of Economic Theory， 1992， 58： 317-334.

Natural Resources Kuznets Curve：

篇4

關鍵詞：并購；勞動力需求；面板數據；固定效應

中圖分類號：F241.21　文獻標識碼：A　文章編號：1003-7217(2010)04-0077-05

近年來，國內外并購熱潮洶涌迭起。自20世紀90年代以來，全球企業并購速度加快，西方國家掀起五次并購浪潮，大企業通過并購，其規模迅速擴大，實力不斷增強。在國內，隨著市場體制改革進一步深入和現代企業制度步伐加快，企業并購逐漸展開，我國也經歷了三次并購浪潮。

因此，并購已成為一種重要投資方式，也引起學者們廣泛關注，于是有關并購內容成為學者們重要研究課題。但國內學者主要集中于并購績效、動機、時機研究，關于并購對勞動力需求影響研究很少涉及，不同產業公司并購對勞動力需求影響研究更是尚未涉及。進行這方面研究可以從理論上豐富并購研究內容，拓展并購研究范圍。同時，并購對勞動力需求有影響前提下，它也會影響到社會就業問題，而社會就業是國家穩定的基礎，是構建社會主義和諧社會的重要前提，不同產業公司并購對公司勞動力需求影響研究有助于制定合理就業政策。為此探究并購對公司勞動力需求影響具有重要理論與現實意義。

一、文獻回顧

國內學者關于并購對公司勞動力需求研究很少涉及，僅有少數學者在研究并購問題時附帶提及并購中的就業問題，且所持觀點也不一致。如王一(2001)認為企業并購是影響我國就業的重要因素，并且他指出企業并購將有助于我國社會就業狀況改善。韓峰(2002)在研究企業并購的具體目標時，指出企業并購后可以減少管理人員，如減少上層管理者、會計和人事部門工作人員等。王玉霞(2003)認為并購后造成的壟斷能推動經濟增長，從而有利于解決充分就業問題。干春暉(2004)在研究并購問題中的就業問題時，他指出一旦目標公司被其他公司并購，無論是出于自身經營活動需要還是出于經營戰略、運作成本考慮，都必定會伴隨著大量冗余人員下崗分流，也即是說企業并購后會使就業減少。薛有志(2004)認為通過縱向并購可減少在實現控制功能方面所需人員，進而節約費用，提高經濟效益。

國外學者就公司并購對公司就業影響進行了深入研究，取得有益成果。國外學者有關這方面研究主要集中于美國與歐洲國家，為研究需要，將按國別進行綜述，具體如下：

美國：Williamson(1963)認為縱向兼并可能導致上游企業銷售人員和／或下游企業采購人員減少；Brown et al.(1988)用Michiganes1978～1984年間的大樣本兼并公司數據研究控制權變化對就業的影響，得出兼并使就業略微增加的結論；Bhagat et al.(1990)通過案例研究發現：在美國，敵意收購使就業特別是白領工人的就業減少；Lichtenberg et al.(1992)采用美國制造業數據進行實證研究，結果發現兼并使就業顯著減少，并且減少的大部分是中央辦公人員；MeGuckin et al.(1995)使用美國的面板數據進行研究，發現被兼并行業相應增加了就業。

英國：Conyon et al.(2002)利用構建的1967～1996年間的數據庫，就英國接管和兼并行為對企業就業影響進行了研究，發現企業兼并使勞動力需求減少，不同兼并類型對公司就業影響有顯著差異性，相關收購和敵意收購對就業的負面影響最大；Cirma et al.(2004)通過使用英國電氣行業數據，經研究發現國外接管減少就業，特別是非熟練工人的就業；Amess et al.(2007)認為管理層收購增加英國就業。

奧地利：Bellak et al.(2006)研究發現在奧地利制造行業，跨國并購與就業增長之間沒有因果關系。

法國：Margolis(2006)認為在法國并購在短期對就業有負面影響。

意大利：Piscitello(2005)等發現在意大利，對比沒有被并購公司而言，被國外并購方并購公司在并購后幾年里增加了就業。

瑞典：Siegel et al.(2006)利用瑞典制造行業數據進行研究，發現公司并購后使就業減少。

芬蘭：Lehto et al.(2008)使用芬蘭公司級數據進行并購對就業影響研究，發現跨國并購使制造行業就業減少，但在非制造行業這種效果比較弱；國內并購方并購國內公司對于每種行業就業都有負面影響；國外并購方并購國內公司對建筑及其他服務行業就業有負面影響；內部重組對就業也造成負面影響，這主要是針對貿易行業而言。

Gugler et al.(2004)經過研究美國和歐洲兼并收購對勞動力需求的影響，得出結論：在美國，并購對就業不存在負面影響；但在歐洲，并購對就業造成顯著負面影響(-10％)。

綜上所述，國外學者在研究公司并購對公司就業影響時，有如下特點：首先，研究范圍主要集中于美國與歐洲國家，或者對比研究美國與歐洲國家公司并購對公司就業的不同影響；其次，研究時大多以行業數據為樣本；再次，研究結論多樣化，公司并購對公司就業可以是正面影響，也可以是負面影響，兩者也可能不存在影響關系；最后，國外學者在研究中區分不同并購類型對公司就業影響與公司并購對不同類型員工影響。

國外學者通過實證研究就公司并購對公司就業影響得出不同結論，根據其研究特點，他們要么選擇國家為研究范圍，要么選擇行業為研究范圍。前者我們已嘗試作過相關研究，而后者可能范圍略顯過小，對國家制定就業政策作用不大。同時，也因為近幾年我國產業結構發生很大變化，不同產業的公司并購也隨之而變化，這些變化必然對社會就業產生影響，所以我們以不同產業為研究范圍來研究不同產業公司并購對公司勞動力需求影響有其必要性。

二、模型構建

(一)變量選擇和定義

在總結國外學者關于公司并購對公司就業影響研究基礎上，根據前述國內學者關于就業的影響因素研究，借鑒Conyon(2002)的相關變量選擇。

(1)因變量(公司勞動力需求人數)的度量指標。本文采用上市公司年報中披露的員工人數來衡量并

購公司勞動力需求，但因避免數據差異過大，將員工人數取其對數值(下文中總銷售收入及公司職工薪酬均取其對數值)，用符號ln l表示。

(2)自變量(公司并購)的度量。第一產業、第二產業、第三產業發生的并購在此采用虛擬變量，分別用符號fm、sm、tm表示，公司在并購當年其值取1，否則取O。

(3)控制變量的選擇及度量。因為在公司層面上，勞動力需求調整會受到公司職工薪酬及總銷售收入的影響，故將此兩個變量選為控制變量。職工薪酬與總銷售收入均可采用上市公司年報中披露的相關數據，分別用符號ln w與ln q來表示。

(二)模型設定和估計方法

(1)模型設定。考慮并購對勞動力需求的影響效應研究模型時，可將其看成是勞動力需求由一種最佳水平向另一種最佳水平轉變。如圖1所示，并購前，假設A公司勞動力需求水平為L1，B公司勞動力需求水平為L2，在時間t發生并購后，假定生產技術規模收益保持不變，且相關要素價格也不變，那么并購后的公司產量與勞動力需求水平應該等于并購前兩個公司總和。但若生產技術使規模收益增加(IRTS)，那么并購后的公司會通過減少總勞動力需求來獲得并購前各個公司產出總和。如果最佳勞動力需求水平與并購后公司總和不同，就必然會發生勞動力調整，使之達到最佳水平。但是要調整到最佳勞動力需求水平并不能在短時間內完成，所以公司將需在迅速調整所費成本與偏離最佳勞動力需求水平時所費成本之間進行權衡，從而可構造出下面的面板數據模型：

但我們在此研究不同產業公司并購對公司?勞動力需求影響，所以將自變量分為第一產業、第二產業、第三產業三個類別，以分別探討不同產業公司并購對公司勞動力需求的差異性影響。所構造的面板數據模型如下：

其中，lnLit：公司i在時間t雇傭的職工人數的對數；lnqit：公司i在時間t的總銷售收入的對數；lnWit：公司i在時間t支付給員工的薪酬的對數；fmit,：第一產業的公司i在時間t發生并購時為1，沒有發生并購時為0；smit：第二產業的公司i在時間t發生并購時為1，沒有發生并購時為O；tm,：第三產業的公司i在時間t發生并購時為1，沒有發生并購時為O；fi特定公司的固定效應，如公司間技術、管理水平的差異；εit：方程的誤差項。i=1，2，…，N；t=1，2，…，T。

運用面板數據模型進行估計時，需要在以下三個模型間進行選擇：

無個體影響不變系數模型：

經常使用協方差分析檢驗(analysis of covari-mace)來進行檢驗，但因本文的截面實體很多，時期較少，屬于“寬而短”的數據，不宜采用Eviews中的Pool對象來處理，只能通過具有面板結構的工作文件(panel worldile)進行分析，但因利用面板結構的工作文件只宜進行變截距面板數據模型與動態面板數據模型的估計，所以本文只能采用變截距面板數據模型。

同時在進行估計時還需在固定效應面板數據模型與隨機效應面板數據模型之間做出選擇。一般在進行這種模型設定檢驗時采用豪斯曼(Hausmma)檢驗，它最早是由豪斯曼(Hausman，1978)提出的一種檢驗方法。由于筆者在進行Hausman檢驗時，軟件提示檢驗失效，這可能是因為穩健標準誤差與Haus―man檢驗的協方差值的假設不一致導致的，因此不能通過Hausmma檢驗來判定本文是選擇隨機效應模型還是固定效應模型。但高鐵梅(2006)在其著作中指出；根據面板數據的特點，當數據中所包含的個體成員是所研究總體的所有單位時，即個體成員單位之間的差異可以被看作回歸系數的參數變動時，選用固定影響模型比較合理。但是當個體成員單位隨機地取自一個大的總體時，固定影響模型不太適合，此時選用隨機影響模型更好。據此，因本文選取了所有發生控制權轉移的并購樣本，所以本文選用變截距固定效應模型進行估計可能更為合適，也就是說采用模型(2)進行估計。

(2)模型估計方法。因白仲林(2008)在其著作中指出了變截距固定效應模型的LSDV(1east square dummy variable)估計法的缺陷：首先，模型難以滿足其前提假設，估計結果不是很有效；其次，由于引入了N個虛擬變量容易發生虛擬變量陷阱；最后對于固定的T，當N趨向無窮大時，只有斜率項的LSDV估計是一致的，而截距項的LSDV估計是非一致的，即LSDV存在著伴隨參數問題。所以本文采用GLS法對模型(2)進行估計。

三、實證分析

(一)樣本選擇與數據來源

本文所取并購樣本來自滬深兩市A股上市公司，樣本期間為2002～2008年。

為保證研究的可行性與有效性，本文遵循以下原則選取樣本：(1)剔除一年之中發生一次以上并購事件的公司；(2)剔除數據缺失的公司；(3)剔除變量中存在極端異常值的公司。最先根據本文所限定的并購從國泰安數據庫中選取2002～2008年間的并購事件1805起，再根據上述原則進行剔除后，最終確定由發生1172起并購事件的相應上市公司7年相應指標構成平衡面板數據集作為研究樣本。具體的樣本分布為：第一產業的并購樣本為29個，第二產業的并購樣本為761個；第三產業的并購樣本為382個。

(二)實證結果分析

通過采用Eviews6，O的Panel workfile對樣本數據按照預先設定的面板數據模型(2)進行固定效應變截距分析，得到結果如表1所示。

1　擬合優度檢驗。從表1的第七行可知，方程的調整可決系數達0.99，說明回歸方程的解釋能力為0.99，即總銷售收入、職工薪酬、不同產業公司并購能夠對公司勞動力需求的99％做出解釋。

2　回歸模型的總體顯著性。從總體影響來看，表1的第九行顯示F值為502.8701，表明模型在1％水平上顯著，說明此模型中各因素對公司勞動力需求的共同影響是顯著的。

3　單個回歸系數的顯著性。從單個因素來看，表1第二行系數0.23與T值53.20表明總銷售收入對勞動力需求有顯著正向影響，這與常理相符合，擴大產量增加勞動力；表1第三行系數0.073與T值25.50表明職工薪酬也對勞動力需求產生顯著正向影響，這與常理相違背，可能因為公司銷售收入增長速度大于職工薪酬增長速度，雖然職工薪酬增長，工資成本增加，但因銷售更大比例增加足以抵消這種成本增加所帶來的影響。這與國內學者常進雄(2005)的研究結論有相通之處，他通過實證研究得出：資本價格一實際的利率水平對就業沒有影響；勞

動力的價格對就業彈性的影響不僅很小，而且與就業彈性是同方向變動，也就是說勞動力價格增加，就業彈性提高，從業人員也在增加，這與一般經濟理論預測結果相反；表1第四行系數0.0248與T值0.7949表明第一產業所發生公司并購對公司勞動力需求有正向影響，但結果不顯著，即并購的發生會導致公司就業人數增加2.4％左右。這主要因為第一產業的上市公司通過并購在短期內更多地尋求“協同效應”，即通過協同效應后，將會增強管理效果，擴大產出，從而也會雇傭更多的勞動力；表1第五行系數-0.0128與T值-2.59表明第二產業發生公司并購對公司勞動力需求有顯著負向影響，第二產業發生公司并購導致公司就業減少1.3％左右，表1第六行系數-0.026與T值-2.657表明第三產業所發生公司并購對公司勞動力需求有顯著負向影響，第三產業發生公司并購導致公司勞動力需求人數減少2.6％左右，這說明第二產業、第三產業的上市公司都是通過并購在短期內尋求“減員增效”，即通過裁減人員來達到提高組織效率與效益目的，從并購動機來說，可能規模經濟動機與市場勢力動機占主要地位。同時，第三產業發生公司并購導致勞動力需求人數減少的數量是第二產業的二倍，說明在第三產業中，上市公司更趨向于追求規模經濟與市場勢力，以此來實現公司的利益。

四、結論與啟示

篇5

關鍵詞： 商務服務業上市公司；績效；影響因素

中圖分類號：F276.6文獻標識碼：A文章編號：1003-7217（2015）03-0078-06

一、引言

2014年前三個季度第一、第二、第三產業同比增長率依次為：4.2%、7.4%、7.9%，第三產業的增速超過一、二產業，意味著中國經濟正由“工業主導型”向“服務主導型”轉變[1]。在經濟新常態下，商務服務業作為現代服務業的重要構成部分和優先發展部分，頗具研究意義，而國內對此研究卻較少 [2]。目前，國內在此領域的研究主要聚集在行業層面和區域經濟層面，尚未發現針對商務服務業從微觀層面（即單個企業層面）進行研究的學術成果。而企業是構成行業的基本單位，單個企業的內部狀態研究是了解一個行業發展態勢、發現癥結所在的根本依據。基于此，本文以中國商務服務業上市公司為研究對象，對其2009～2013年的績效狀況進行分析，并從內部尋找影響績效的因素，為促進商務服務業企業發展提供建議，為從微觀層面研究商務服務業拋磚引玉。

二、文獻綜述與假設

（一）績效

在戰略管理領域，“績效”是一個重要的持續熱點 [3]。關于績效的測量，Liargovas和Skandalis（2010）[4]總結了13篇影響力較大的文章對績效測量指標的使用情況，其中，使用頻率最高的是總資產收益率（ROA）和凈資產收益率（ROE）。據此，本文選用ROA和ROE兩個指標測量績效。

績效是企業發展程度和經營成果的集中體現。根據供需理論，需求是市場存在和行業形成的根基。一方面，轉軌中的中國經濟需要商務服務業。在由計劃經濟向市場經濟轉軌過程中，商務服務業的作用逐步凸顯，為生產、貿易等類型企業提供專業服務、配套服務，促進市場經濟體制完善。因此，不少地方政府已意識到商務服務業的作用，出臺了相關的優惠政策。另一方面，中小微企業需要商務服務業。隨著創業環境的優化，中小微企業孵化量提升，需要更多的商務服務業提供配套服務。商務服務業的需求方主要是生產型企業，尤其是中小微生產型企業 [5]。總之，商務服務業處于一個良好的發展時期。據此假設1：

H1：近年來，商務服務業上市公司整體績效大幅提升。

同一行業的企業面臨共同的外部環境，但企業具有異質性，不同企業在組織結構、管理制度、勞動力素質等方面存在差異[6]，因此，在同一行業，有些企業盈利頗多，有些卻是慘淡經營或瀕臨破產[7]。據此假設2：

H2：商務服務業各上市公司間績效存在顯著差異。

（二）績效影響因素

績效影響因素的測量亦存在較大差異。Liargovas和Skandalis（2010）[4]、Rosairo等（2012）[8]、Khalifa和Shafii（2013）[9]、舒謙和陳治亞（2014）[10]均從不同層面研究了績效影響因素，且得出了相互矛盾的結論。綜合以上學者的研究，本文歸納出企業績效影響因素的四個維度（見圖1），并基于此提出假設，構建影響因素模型。

圖1績效影響因素框架

1.基本特征：企業規模和企業年齡。規模、年齡是企業異質性的外在表現，在對績效的影響上通常作為控制變量。有效規模理論認為企業存在最佳有效規模，規模與績效呈倒“U”型關系。年齡與企業績效的關系則缺乏足夠的論證。年齡較大企業積累更多的資源、經驗與技能，在規范性和要素稟賦上優于年輕企業，但在變革能力和增長能力上往往較弱。在新興市場中，商務服務業處于前期成長階段，經驗積累和規模效應相對重要，據此假設3：

H3：基本特征是影響績效的關鍵因素之一。

此假設包含以下分假設：

H3a：規模對商務服務業上市公司績效具有顯著促進作用；

H3b：年齡對商務服務業上市公司績效具有顯著促進作用。

財經理論與實踐（雙月刊）2015年第3期2015年第3期（總第195期）陳青姣，蓋玉坤：商務服務業上市公司績效及影響因素分析基于2009～2013年的面板數據

2.治理結構：高管激勵與董事會行為。

高層管理者激勵與董事會狀況是研究治理結構的常見指標。在高管激勵研究領域，形成了兩類主流觀點：一類認為高激勵可以調動高層管理者的積極性，產生高績效；另一類則認為過度激勵可能導致高層管理者的過激行為，如鋌而走險等，產生更大的委托效應和短期行為，從而對績效產生負面作用。體現高管激勵程度的主要指標為高管薪酬和高管持股情況。通常情況下，高管持股激勵比高薪激勵更為有效，可減少高管的短期行為。

董事會是企業所有者行使權力的途徑，是幫助投資者規避風險的一種機制[11]。在衡量董事會規范性、獨立性和行為強度時，董事會規模、董事長與總經理是否兼職、董事會會議次數是常用的指標。關于董事會規模與績效的關系，國外研究存在相反的結論[11]，可能的原因尚缺乏有效的說明。關于董事會會議、董事會獨立性與績效的關系也存在較大分歧[12]。由此假設4：

H4：治理結構是商務服務業上市公司的關鍵影響因素之一。

此假設包含以下分假設：

H4a：高層激勵對商務服務業上市公司績效具有顯著影響，但影響方向不確定；

H4b：董事會規模、董事會獨立性和董事會會議次數對商務服務業上市公司績效有顯著影響，但影響方向不確定。

3.股權結構：股權集中度、兩權分離度與國有股份。

股權結構通常采用股權集中度、兩權分離度來衡量。另外，在國有經濟占主導地位的中國，上市公司的國有股份比重通常也影響企業績效，因此，本研究將此指標納入股權結構測量的范圍。

首先，股權集中度與績效的關系存在兩種對立觀點：一是利益收斂理論――股權集中度越高，大股東越精心治理，企業績效越好；二是利益侵蝕理論――大股東會侵蝕小股東的利益從而導致差績效。[10-12]其次，兩權分離度指控制權與所有權之間的差值，差值越大越容易激起終極控股人侵蝕其他投資人的權益，從而產生隧道行為，這是委托問題產生的又一主要途徑（Claessens，2001）。尤其是在財產保護機制并不健全的中國，兩權分立帶來的負面作用更易顯現[13]。再次，國有持股比例對企業的經營產生兩種可能的影響：一是利用政府優勢為企業帶來更好的資源、政策與機會；二是在國有資產具體所有者缺位的情況下，不作為現象嚴重，不利于經營效果的提升。

基于上述三點，提出假設5：

H5：股權結構是商務服務業上市公司績效的關鍵影響因素之一。

此假設包含三個分假設：

H5a：股權集中度對績效具有顯著影響，但影響方向不確定；

H5b：兩權分離度對商務服務業上市公司績效產生消極作用；

H5c：國有持股比例對商務服務業上市公司績效具有顯著影響，影響方向不確定。

4.財務杠桿：資產負債率。資產負債率是企業經營中不可或缺的經營杠桿。適當的負債是促進企業發展的有益手段，而過度負債將增加企業的經營風險。在金融市場不完善、融資途徑相對狹窄的背景下，融資能力成為企業競爭力的重要組成部分，資產負債率一定程度體現了企業的融資能力。同時，商務服務業企業需要通過高財務杠桿實現快速增長。基于此，提出假設6：

H6：資產負債率對商務服務業上市公司績效具有顯著促進作用。

三、研究設計

（一）樣本選擇及數據來源

通過財經網站“證券之星”獲得中國上市公司商務服務業板塊的24家上市公司名錄，其中4家公司數據缺失嚴重，最終選擇了20家作為研究對象。樣本公司的主要指標數據來自國泰安CSMAR數據庫。研究采用面板數據，原因是面板數據可解決研究對象較少的問題，減少數據偏差風險，同時，面板數據信息量大、變異性高、共線性少。在研究時間的選擇上，截至2014年底，20家公司的平均年齡為15年，成立時間最長的是海印股份和粵傳媒，達22年，時間最短的是華誼嘉信，僅有5年。綜合研究對象的成立時間和數據的實效性、可得性，面板時間范圍定為2009～2013年。采用STATA12.0和SPSS19.0分析數據。

（二）變量及測量

表1列舉了變量及測量信息。考慮到商務服務業企業具有人員密集性特征，員工依賴度高，其規模用總資產和員工人數兩個指標測量。為減少數據的共線性，用員工人數、總資產、企業年齡、高管薪酬等的自然對數測量。四、結果分析

（一）商務服務業上市公司績效狀況分析

2009～2013年商務服務業樣本企業績效描述性統計見表2。相比之下，ROA更能體現經營狀況，原因是：中國上市公司有為了避免虧損或獲得配股權而通過盈余管理將ROE維持在略高于6%或10%以上區間的激勵[14]。從ROA均值看，僅有2009年超過了7%，其余四年在5%左右波動，商務服務業上市公司總體績效不理想。

（二）商務服務業上市公司績效影響因素模型及結果分析

在績效影響因素的描述性統計中，人員規模、高管薪酬變異性較大，說明商務服務業上市公司個體間的基本差異較大。從員工人數和總資產均值來看，商務服務業上市公司總體規模不大。

績效影響因素測量模型的豪斯曼檢驗結果為（見表4）：以ROA為因變量的模型1、3和4更適合固定效應，模型2更適合隨機效應；以ROE為因變量的模型1和3更適用固定效應，模型2和4更適用隨機效應。表4呈現了ROA線性回歸結果（受版面限制，省略ROE的線性回歸結果，只闡述主要結論）。

1.模型1：基本特征對績效具有顯著影響。

模型1（式1a、1b）測量基本特征對績效的影響作用。

ROA it =c01 + a1 （size1 it） + b1 （size2 it） +

m1 （LN age it） + u it（1a）

ROE it =c02 + a2 （size1 it） + b2 （size2 it） +

m2 （LN age it） + v it（1b）

回歸結果表明，模型1通過了顯著性檢驗。其中，員工人數、企業年齡對ROA有顯著促進作用，總資產對ROA有顯著消極作用；企業年齡對ROE有顯著促進作用，總資產對ROE有顯著消極作用，員工人數對ROE有促進作用，但未通過顯著性檢驗。即：H3、H3a得到了部分驗證，H3b得到了驗證。

2.模型2：治理結構對績效的影響不顯著。模型2（式2a、2b）測量治理結構對績效的影響作用。

ROA it =c01 + a1 （LNsalarry it） +b1 （Nshrsms it） +

m1 （LNboard it） +n1 （meeting it） +

d1 （duel it） +u it （2a）

ROE it =c02 + a2 （LNsalarry it） + b2 （Nshrsms it） +

m2 （LNboard it） +n2 （meeting it） +

篇6

【關鍵詞】工業品期貨；結算價；動態面板數據模型

2010年，中國商品期貨市場趕超美國，成為全球第一的商品期貨市場，我國的工業品期貨上市時間長，交易活躍，受國家政策影響較小，定價相對農產品更加市場化。在期貨交易中，結算價是最關鍵的參考價格，在期貨實盤中，結算價無論是對交易盈虧的結算還是對下一個交易期間的實盤交易的參考都有很重要的意義。因此對影響工業品板塊期貨結算價的影響因素進行分析，無論是對金融工程方面的期貨交易數據的研究還是實盤操作的預判都具有積極的意義。

一、相關文獻回顧

最早研究期貨價格與交易量的實證關系的是克拉克（1973），他研究了棉花的期貨價格和交易量之間的實證關系，從而發現棉花的期貨價格和交易量之間存在明顯的相關效應；康奈爾（1981）研究了十七種不同的期貨合約，發現不斷變化的期貨價格和與其對應的成交量具有正相關關系；卡波夫（1987）對之前的量價關系研究進行了詳細的概括，他認為，由于股票存在無法自由做空的局限，所以，股票市場價格變化和交易額會具有正向的相關關系，期貨的交易量與價格波動幅度一般是不相關的，但在金融市場中，成交量的大小還是會與絕對價格變化存在正相關關系，這是因為期貨市場的無論是做空還是做多具有相同成本，除了相關類的研究之外，格拉馬提庫斯和桑德斯（1986）的研究發現，格蘭杰因果關系在外匯期貨價格波動方差和成交量之間存在。拉莫洛克斯和拉斯特拉普斯（1990）的研究發現，成交量的變動對價格波動存在很好的解釋。

國內對期貨的研究起步時間比較晚，相關的研究成果主要是在價格和交易量、持倉量之間的關系上，仲偉俊，華仁海（2003）（2004）對期貨交易量和持倉量與期貨價格的關系進行了深入研究，認為所有品種的成交量和持倉量的變化對價格的波動會產生重大影響，梅妹峨，仲偉俊，劉慶富（2005）把持倉量指標分成可以預期和不可以預期的兩部分，研究了持倉量指標的變動對價格的影響。而在期貨交易中，持倉量是期貨交易特有的指標，由此開啟了國內學者對持倉量的研究。沈小剛，田新民（2005）研究了期貨日內盤中波動，并得出結論，認為日內價格波動與交易量之間存在正相關關系，但持倉量的變動與價格波動是負相關的關系，即交易量的增大將會增大價格波動，而較大的持倉量會減少日內的價格波動。何建敏，崔海蓉（2006）基于FIEGARCH模型研究了鋁和天然橡膠的價格變化和交易量的關系，認為交易量和價格變化是正相關的。成思危，劉向麗，洪永淼（2008）的研究表明，持倉量對絕對價格波動幅度和交易量的影響不大，但是絕對價格波動性和交易量有較為顯著的互動影響關系。周德群，戴毓（2009）使用了GARCH模型，方差分解和脈沖響應函數對燃料油期貨市場的交易量和持倉量還有波動性的關系進行了細致的研究，得出結論：成交量對于價格變化較強的影響，交易過程中，可以參考上一交易周期的成交量的變化，預測下一周期的價格變化。文玉春（2010）使用擴展的GARCH模型和VaR模型得出如下結論：臺灣的股指期貨的交易量對收益率的波動性存在滯后的直接影響，價格波動性間接依賴持倉量的變化。

綜上所述，以上的研究基本上采用了協整理論、GARCH模型、VAR模型來研究期貨的量價關系，但是由于方法的局限和數據較舊，并不能對近年變化的期貨市場提供良好的參考，隨著期貨市場的發展，品種數量，市場規模已經今非昔比，由于模型的限制，以前的研究也無法對一個板塊的期貨品種進行研究，而且以前的研究中少有研究關于同品種不同價格的研究，因此本文采取動態面板數據的方法，對工業品期貨進行全面細致的研究。

二、數據說明與模型設定

本文選取了銅、鋁、鋅、天然橡膠、PTA、聚乙烯、聚氯乙烯、螺紋鋼等8個期貨品種2011年1月到2012年12月的共計101周的周結算價、最高價、最低價、成交量、持倉量數據，以及共同影響因素美元指數的周收盤價，數據來自文華財經，并按照EVIEWS6.0軟件需要進行堆棧排列，并進行對數化處理后導入軟件。

以結算價（JSJ）為被解釋變量，滯后一期結算價（DJSJ）、最高價（ZGJ）、最低價（ZDJ）、持倉量（CCL）、成交量（CJL）、美元指數（USD）為解釋變量，其中美元指數為共同影響因素。采用動態面板模型進行實證分析，構造以下實證模型：

三、實證結果

由于模型（1）中解釋變量中存在滯后項，可知解釋變量和隨機擾動項具有相關性，這時就不能采用面板數據固定效應或隨機效應模型，而應當采用動態面板數據的GMM方法來解決上述問題。對方程（1）進行一階差分：

從模型（2）中可以看出與相關，為了減少這種相關性，本文選取滯后兩期的為工具變量，因為和滯后兩期的具有相關性，其余解釋變量均選擇滯后一期作為工具變量。

利用EVIEWS6.0軟件，參數估計方法選定GMM/DPD，設定消去截面固定效應的轉換方式為Orthogonal deviations。設定標準方差的計算方式為Period SUR，得到動態面板數據估計結果為：

為了確保動態面數據模型的有效性，對模型（2）的殘差項進行單位根檢驗，結果如表2所示。

表2可以分析出，分別運用LLC檢驗、IPS檢驗、Fisher-ADF和Fish-PP檢驗對動態面板模型的殘差項進行單位根檢驗，發現殘差項是平穩的，這說明上述模型是有效的。

對動態面板數據模型方程進行分析，可以得出結論：

四、結論

通過對工業品期貨周結算價影響因素進行GMM動態面板數據模型分析，發現：

第一，選定的交易指標的影響因素從大到小分別為：周最高價、周最低價、周美元指數收盤價、持倉量、成交量，進行對比可以發現，周最高價對周結算價的影響要大于周最低價，我們已知結算價的形成是按照成交量進行加權的平均價格，所以本文從定量模型的角度驗證了“量價齊升”這一市場經驗，而且成交量的影響系數為正，也從另一角度更加直接的說明了這個結論。

第二，期貨不同于股票，其特有的持倉量指標可以動態地衡量當前的市場規模，成為參與期貨交易的重要參考指標，市場往往認為，巨大的持倉量代表巨大的多空分歧，是爆發超級行情的前奏，本文通過動態面板數據模型，發現工業品期貨持倉量對結算價的影響要大于成交量的影響，也就是說在交易中，持倉量比成交量更具有參考價值，而且持倉量對結算價的影響系數為正值，說明當持倉量連續上揚的時候，爆發多頭行情的概率要略大于爆發空頭行情的概率，這個結論對行情的判研有一定的指導意義。

第三，美元指數的影響系數達到了-0.013105，說明在中長期走勢上，美元指數對工業品期貨有較為明顯的負面影響，所以在對工業品期貨行情的判斷上，中長期來看，分析美元指數的走勢非常重要，美元指數的走勢是中長線交易的重要參考。

參考文獻

[1]華仁海，仲偉俊.我國期貨市場期貨價格收益、交易量、波動性關系的動態分析[J].統計研究，2003（3）：25-30.

[2]華仁海，仲偉俊.我國期貨市場期貨價格波動與成交量和空盤量動態關系的實證分析[J].數量經濟技術經濟研究，2004（7）：123-132.

[3]劉慶富，仲偉俊，梅妹峨.空盤量變動對我國期貨市場期貨價格收益波動性的影響[J].系統工程理論方法應用，2005（l）：28-32.

[4]田新民，沈小剛.基于交易量和持倉量的期貨日內價格波動研究[J].經濟與管理研究，2005（7）：78-80.

[5]崔海蓉，何建敏.我國期貨市場成交量和持倉量與價格波動關系研究[J].統計與決策，2006（13）：127-129.

[6]劉向麗，程剛，成思危，汪壽陽，洪永淼.中國期貨市場日內效應分析[J].系統工程理論與實踐，2008（8）：63-80.

[7]戴毓，周德群.燃料油期貨市場成交量、持倉量與波動性關系[J].系統工程理論與實踐，2009（12）：154-162.

[8]文玉春.臺灣股指期貨收益波動性與交易量、持倉量考察[J].商業研究，2010（10）：95-103.

[9]Clark P K.A subordinated stochastic process model with finite variance for speculative prices[J].Econometrica，1973（41）：135-155.

[10]Cornell B.The relationship between volume and price variability in futures markets[J].Journal of Futures Markets，1981（1）：303-316.

[11]KarpoffJM.Therelationbetweenpricechangesandtradingvolume：Asurvey[J].Journal of Financial and Quantitative Analysis，1987（22）：109-126.

篇7

論文摘要：本文以781家中國上市公司為研究對象，分析了企業資本結構在9年內的長期演變規律，結果發現：企業資本結構整體上具有趨同趨勢，企業資本結構雖然長期收斂，但是并未出現明顯的交叉，而是表現出了較強的長期穩定性。由于已知的各種影響因素無法對上述規律做出充分合理的解釋，因此企業資本結構可能是由某些未知的且具有長期穩定性的因素所決定。

一、文獻綜述

(一)國外文獻西方資本結構理論是現代金融經濟學的核心，從莫迪格里安尼(Modigliani)

米勒(Miller)1958年共同提出“MM定理”以來，圍繞企業最優資本結構的研究成果可以說是不勝枚舉。MIT斯隆商學院梅爾斯在2001年撰文回顧和評論了幾十年來金融學關于西方資本結構的四個理論流派，其中包括：基于避稅利益、破產成本的靜態權衡理論和基于成本的資本結構理論，基于非對稱信息的信號傳遞理論和優序融資理論，以產品般人品市場的相互作用為基礎的企業資本結構理論，以及考慮企業控制權競爭的企業資本結構理論等。每種理論都從不同側面提出了一系列決定企業資本結構的影響因素，與此有關的國內外研究成果非常豐富。Titman和Wessels(1988)較早對資本結構因素進行了系統研究。

(二)國內文獻國內陸正飛和辛宇(1998)則較早研究了我國上市公司資本結構的影響因素。此后，國內很多學者都對我國上市公司的資本結構影響因素進行了廣泛而深入的研究，如呂長江(2001)、肖作平(2004)、趙冬青和朱武祥(2006)等。國外實證研究表明獲利能力、公司規模、資產擔保價值、成長性、非負債盾、變異性等因素影響資本結構的選擇。我國實證研究則表明，行業因素、獲利能力、資產盈利能力、獲利能力增長、資產結構、資產擔保價值、資產流動性、利息保障倍數、企業規模、規模擴張、企業經營風險、非負債稅盾、企業實際稅率、成長性、保留盈余、總資產市值面值比、收入變異程度、收益質量、財務困境成本、投資額、產品獨特性、產生內部資源能力等都是我國企業資本結構的影響因素，還有許多學者研究了我國特有的股權結構，如股權流通程度、國家股比例對資本結構的影響。另外，回顧國內已有研究文獻，我們發現，國內相關領域的研究主要集中在影響因素對企業資本結構的作用方向和顯著性判斷方面，至于企業資本結構的長期演變規律及其決定因素等方面尚無相關研究文獻的記載。本文試圖在已有研究的基礎上，主要針對我國上市公司資本結構的長期演變規律進行初步的探索，從中發掘一些有意義的規律。

二、財務杠桿及其影響因素選擇

(一)資本結構定義企業資本結構可以有兩種度量方式，一種是賬面資本結構，另一種是市場資本結構。本文對賬面資本結構定義為：賬面杠桿(BDR)=賬面負債／(賬面負債+賬面股東權益)。其中賬面負債定義為公司的有息債務，即短期借款、一年內到期的長期負債和其他長期負債三者之和。為了增加信息含量以及結論的可比性，我們也同樣對市場資本結構進行了統計與檢驗，考慮到我國上市公司存在非流通股這一特征，本文的市場資本結構被定義為：市值杠桿(MDR)=賬面負債／(賬面負債+流通股市值+非流通股×每股凈資產)，其中賬面負債為公司的有息負債。

(二)財務杠桿因素依據有關理論以及國外學者的經驗研究，能夠影響企業財務杠桿的因素基本可以歸納為以下幾個(其中括號里的符號表示影響的方向)：公司規模(+)，對于大公司而言，調整資本結構所涉及到的交易成本相對易于承受，而且信息更為透明，所以大公司更易發行債券和借貸。因此，可以期望公司規模與財務杠桿之間呈現正相關。顯然，如果公司規模能夠影響企業未來資本結構，那么，這種決策應該依據的是公司在期初，即上期末的數據。本文選用總資產的自然對數來度量公司規模(sIZE)；成長能力(+)，快速成長的公司往往需要大量的外部資金，從而呈現出快速借貸的趨勢，因此企業成長越快，財務杠桿比率也會更高。本文選用總資產的增長率來度量公司的成長能力(GROWTH)；盈利能力(+／一)，根據權衡理論，盈利能力更強的公司會要求更多的負債以獲得避稅的好處，而且依據自由現金流假說，外部股東也可能會迫使管理層舉借更多的負債以減少自由現金流的濫用。由此提升負債融資比例。但是另一方面，也可能由于信息不對稱，銀行因為不能區別好與差的公司，從而選擇提高利率，使得公司轉而挖掘內部資金，進而降低公司外部負債融資比例。本文選用凈資產收益率來度量公司的盈利能力(PR0Fn1ABILnY)；抵押能力(+)，根據權衡理論，當公司破產時，有形資產較易清算并且容易降低企業的財務困境成本。另外，根據優序融資理論，由于有形資產可以被用做抵押，這使得針對貸款人的信息不對稱情況能夠有所減輕。基于以上兩種理由可以認為，有形資產比重大有利于公司加快融資步伐。本文選用(固定資產凈值+存貨)／總資產來度量公司的抵押能力(MORTGAGE)；非負債避稅(一)，根據權衡理論，借貸的主要動機是利用利息的避稅好處，其他非負債避稅，如折舊將會緩和這種動機。另外折舊無疑也是公司一種非常重要的現金來源方式，必要時可以緩解公司緊急的資金需求。因此，可以預期非負債避稅會降低公司財務杠桿比率。本文選用累計折IH／總資產來度量公司的非負債避稅(NDT)；資產流動性(+)，一方面公司的資產流動性高意味著企業可以較易支付短期債務，有利于增加企業借貸。另一方面公司流動性高也意味著一些投資項目可以通過流動性資產，如存貨的變現而不是借貸獲得項目所需的資金。因此，公司的資產流動性高有可能提高或降低企業的財務杠桿比率。本文選用流動比率來度量公司的資產流動性(LIQUIDITY)。

文獻綜述中提出的其他企業資本結構影響因素，因為在不同程度上都與上述影響因素有關，為了避免多重共線性，故本次研究中沒有將企業實際稅率、保留盈余、總資產市值面值比、收入變異程度、收益質量、財務困境成本、投資額、產品獨特性、產生內部資源能力等因素納入考慮范圍。

(三)樣本選取與數據來源本文選擇了1998年及其之前在滬、深股市上市的所有公司為樣本，其中除去金融公司、sT和公司以及賬面與市值財務杠桿大于1的上市公司，時間跨度為1994年至2007年，最后獲得分布于35個行業的781家公司，共計8339個觀察值。數據來源于CCER中國經濟金融數據庫。(表1)顯示了我國上市公司的賬面財務杠桿、市值財務杠桿以及各影響因素的基本情況。

三、財務杠桿演進規律研究

首先研究我國上市公司財務杠桿的橫截面變化規律。(圖1)描繪了四組企業的平均財務杠桿在“事件窗口”期間的變化規律。由于我國上市公司財務數據經修訂后只涵蓋了1994年到2007年，如果選擇研究上市公司9年的財務杠桿變化，則分組的最后年份只能為1998年。當然也可以選擇研究我國上市公司l0年或更長年份的長期變化規律，但是這樣做會使得大量新近上市的公司排除在樣本分析之外。出于折中的考慮，本文以1994年至1998年作為分組期間，研究我國滬、深兩市所有符合要求的781家上市公司在9年間的資本結構變化規律。文中(圖1)的具體構造方法如下：從1994年至1998年每年根據上市公司財務杠桿的期末大小將該年全部樣本企業平均分為高財務杠桿組、較高財務杠桿組、中等財務杠桿組和低財務杠桿組，同時剔除每組中財務杠桿比率最高與最低5％數量的企業，以消除極端數據對分析結果的干擾，然后保持組內樣本企業不變，并以分組年份視為基期0(t=0)計算每組樣本企業在隨后9年(t∈(0，8))內每一年的平均財務杠桿比率。由于從1994年至1998年每年都能計算出四組企業在隨后9年的平均財務杠桿比率，為了求得我國上市公司整體財務杠桿的長期變化規律，就必須對上面數據再求平均，從而計算得至U高財務杠桿組、較高財務杠桿組、中等財務杠桿組和低財務杠桿組四組企業在9年內的平均財務杠桿變化規律，具體結果見(圖1)。

觀察(圖1)可以看到，四組企業的平均財務杠桿在期初差異明顯，賬面(市值)平均財務杠桿差異為37％(38％)，然而隨著時間的推移，差異開始逐漸收斂，且速度逐漸放慢，到了期末，賬面(市值)平均財務杠桿差異僅為13％(10％)。由此可見，企業財務杠桿在橫截面上存在較強的穩定性，某些因素維持了企業財務杠桿的長期水平，同時又有一些短期因素使得不同企業的財務杠桿朝著中間偏上的水平不斷趨近。當然，上述財務杠桿的穩定性有可能是源于已知的影響因素，如公司規模、成長能力、盈利能力、抵押能力、非負債避稅、資產流動性等作用的結果，也有可能是來自某些未知的其他因素的作用。正~IWillianmson(1988)研究發現，企業的財務杠桿與公司規模緊密相關，高財務杠桿的企業往往公司規模也更大。因此，高財務杠桿組的企業平均規模可能更大，而低財務杠桿組的企業平均規模則可能更小。

為了檢驗企業財務杠桿的穩定性是否與我們已知的影響因素有關，本文采用了如下技術處理：從1994年至1998年每年將樣本企業的賬面(市值)財務杠桿比率作為被解釋變量對滯后一期的已知影響因素(公司規模、成長能力、盈利能力、抵押能力、非負債避稅、資產流動性)進行回歸，然后以回歸殘差作為分組依據，將樣本企業重新劃分為高財務杠桿、較高財務杠桿、中等財務杠桿、低財務杠桿四組，然后采用與(圖1)同樣的方法，計算按殘差分組的四組企業它們的平均財務杠桿比率在9年內的變化規律，具體結果見(圖2)。

由于(圖2)采用的是殘差作為分組依據，此時每組包含的企業已與前文所列的影響因素無關。如果這些影響因素能夠決定企業的財務杠桿比率，或者能夠解釋企業財務杠桿比率的絕大部分變化，那么我們有理由推測：(1)采用殘差分組的基期組間差異應該很小。(2)就像回歸方程殘差應是期望值為0的白噪聲時間序列一樣，財務杠桿的組問差異應該在基期的后續年份迅速消失。然而，如(圖2)所示，事實并非如此，除了第一點較為符合外，即按殘差分組的組問期初賬面(市場)財務杠桿差異為24％(16％)，小于直接按財務杠桿分組的組間期初差異37％(38％)，(圖2)中四組曲線的形狀與(圖1)中四組曲線的形狀基本相同，從而說明在剔除已知影響因素對企業財務杠桿的作用后，總體而言，企業財務杠桿仍然具有很強的長期穩定性，換言之，在這些已知影響因素之外還可能存在某些我們尚不知曉的其他因素，它們能夠顯著的、持久的影響企業的財務杠桿水平，決定著企業資本結構未來的長期變化趨勢。本文接下來將采用大樣本面板數據回歸，進一步考察這些已知和未知影響因素對我國上市公司資本結構的實際作用程度。

四、財務杠桿穩定性影響因素檢驗

本文研究結果顯示，企業財務杠桿會受到某些未知因素的影響，如果這些因素被忽略，線性回歸的系數和假設檢驗結果都會出現較大的偏差。如企業在技術、市場支配力和管理方面的差異會對企業的投資和生產經營活動產生長期影響，由于這些因素不易被觀測，因此可以在面板數據回歸中加入固定效應來替代上述影響因素(Arellano，2003)。同理，對企業資本結構的研究也可以借鑒此方法，只要這些未知影響因素是隨時間緩慢變化的，即不是固定不變的，就可以將不可觀測的公司效應和時間效應作為固定效應納入到面板回歸當中，替代影響企業財務杠桿的未知因素。另外，為了測度企業過去的財務杠桿對未來財務杠桿的影響，回歸模型還引入了滯后一期的已知影響因素，最后本文構建了如下針對企業當前財務杠桿水平的雙固定效應面板回歸模型：

其中，i代表不同企業，t代表不同時間，x。代表滯后一期的各已知影響因素，Lev．代表第i個企業在第t年的財務杠桿水平，不可觀測的時間效應，v懇不可觀測的企業效應，e隨機誤差項。最后回歸結果見于(表1)。如上述回歸結果所示，無論是否考慮固定效應，企業的當前賬面和市場杠桿都會受到9年前企業財務杠桿的顯著影響，也就是說，即使控制了影響企業財務杠杠的其他變量，企業的當前財務杠桿仍是決定企業未來長期財務杠桿的重要影響因素，同時觀察加入固定效應前后各影響因素對企業財務杠桿作用的變化：(1)在加入固定效應后，回歸方程的解釋平方合(adj．R)出現了明顯提高，從原來的21．56％(16．85％)上升到85．12％(85．5％)。(2)影響因素的回歸系數均有不同程度的降低(企業規模影響因素除外)。(3)影響因素的顯著性出現了普遍降低，其中部分影響因素作為解釋變量直接從原來統計上顯著轉變為不顯著(企業規模影響因素除外)。從以上回歸結果可以看到，在面板數據回歸中替代企業資本結構未知影響因素的“固定效應”對各已知影響因素具有很強的替代效應，并且對企業資本結長期演變規律具有較強的解釋能力。由此可見，傳統影響因素(公司規模、成長能力、盈利能力、抵押了能力、非負債避稅、資產流動性)并非企業財務杠桿的決定因素，于此相對，某些未知影響因素(模型中的企業固定效應)才是決定企業財務杠桿水平的關鍵因素。

篇8

[關鍵詞] 中部地區 要素貢獻率 嶺回歸 層次聚類分析

一、 前言

西方經濟學家歷來重視對經濟增長機制的研究，隨著人們認識的深入和經濟社會的發展，對經濟增長的主要要素，已經由勞動力和資本兩要素擴展到勞動力、資本、人力資本、知識積累和技術創新等多種要素，并隨著科學技術的發展，對經濟增長起主要作用的生產要素及各要素貢獻能力格局也將不斷發生改變。

借鑒前人對推動經濟增長要素的研究，結合中部地區經濟發展區域特征，考慮到可行性、科學性等因素，本文選取物質資本存量、固定資產投資、勞動力數量及人力資本存量等四個指標作為解釋變量，首先測度了中部地區各類主要要素對經濟增長的貢獻率，進而根據各省推動經濟增長的主要動力不同對中部六省進行了聚類分析，研究了各類經濟增長方式特征。

二、模型設計及數據處理

1.回歸方程確立

本文借鑒肯德里克和丹尼森對經濟增長的分析思路和羅默的經濟學模型，采用科布-道格拉斯生產函數形式，來建立中部地區經濟增長模型。由于人力資本是經濟、社會長期持續發展的主要動力之一，它在社會再生產過程中扮演的角色越來越重要，因此，可以認為人力資本對經濟增長的彈性系數并不是一個常數，而是與時間相關的函數，于是有：

式中:Yt表示t時期產出，用一地區的國內生產總值（GDP）來度量；Kt-1表示t-1時期物質資本存量；It為t時期全社會固定資產投資；Lt表示t時期勞動力數量，用從業人員數度量；Ht表示t時期人力資本存量；ε為隨機擾動項，它是反映GDP實際值與預測值之間偏差的變量；α、β、γ分別表示物質資本存量、全社會固定資產投資、勞動力數量等要素對產出的貢獻指數；T表示時間，為增大回歸的顯著性，我們采用中心化數據，即T=0時表示1991年，T=1時表示1992年，T=-1時表示1990年，以此類推； 為1991年人力資本對GDP的彈性系數，反映人力資本彈性系數隨時間變化的速度；因為人力資本規模報酬遞增這一特性，我們限定 ，, ；這里 表示全要素生產率（TFP），除反映技術進步這一因素外，還反映制度因素、產業結構、農村剩余勞動力的轉移等因素對促進生產要素投入效率提高所起的作用大小。

式中:為要素的貢獻率；Xi為i要素增長率；Pi為i要素產出彈性；Y為GDP折算值。通過計算即可得到各省主要要素對經濟增長的貢獻率。

2．數據獲得及處理

為消除價格因素的影響，對GDP和全社會固定資產投資，分別用各自價格指數進行折算（1978=1）。勞動力是實際從事社會勞動的人口，這里采用從業人員總數來衡量各省勞動投入量。

人力資本的測度是一個難題，這里采用受教育年限法估算人力資本。根據聯合國一項研究結論，結合我國的實際情況，對各受教育階段人數賦予不同權重：小學為1；初中為1；高中階段為2.02；高等教育為6.69。然后采用加權合成的方法，可以得到各省各年的人力資本存量。

三、回歸模型及聚類結果

由于模型中各解釋變量之間存在很強的相關性，為了解決多重共線性問題，在對各省進行模型回歸時，這里采用了基于SPSS統計軟件的嶺回歸方法。選用合適的嶺參數K值時，回歸方程T值、F值、RSQ值均能通過顯著性檢驗，說明嶺回歸方法在對六省生產函數回歸過程中是有效的。

將嶺回歸結果代入公式4中，即可得到各省各要素對經濟增長的貢獻率，如下表所示。由此表可以看出，各種生產要素對六個省份經濟增長貢獻率均不相同，值得注意的是，除江西和河南兩省外，勞動力數量對經濟增長貢獻率都是很低的，山西、湖南和湖北三省此貢獻率都在10%以下。可見，傳統上對經濟增長起主要作用的勞動力如今已經顯得不那么重要，相反，人力資本和全要素生產率曾經不被經濟學家重視的生產要素，對經濟增長貢獻率已經占到了較大的比重。按照一般規律，全要素生產率貢獻率小于50%階段，經濟增長較為粗放，可見，中部六省經濟增長都仍是粗放型的。

為了便于觀察各種生產要素對各個省份經濟增長貢獻情況，本文按照五種主要要素貢獻率對六個省份進行分類，這里采用基于SPSS軟件的層次聚類法。具體結果如圖所示。

由圖的聚類結果可以看出，若將六省分為兩類，安徽、江西和河南三省歸為第一類，山西、湖北和湖南為第二類。兩種類型省份對比發現，安徽、江西和河南生產要素貢獻率較高是物質資本存量和勞動力數量，而全社會固定資產投資、人力資本、全要素生產率貢獻率則相對較低，可見，安徽、江西、河南三個省份經濟增長主要依賴于其勞動力數量和物質資本存量，這種增長方式是帶有粗放性質的；而山西、湖北和湖南三個省份經濟增長則主要依賴于固定資產投資、人力資本和全要素生產率，經濟增長要素由初級要素向高級生產要素轉變，增長方式相對集約。不妨將第一類稱為勞動力推動型，第二類稱為技術推動型。若將六個省份分為三類，安徽將從第一類中脫離，可以看出安徽省在人力資本、全要素生產率的貢獻率方面很接近于第二類，而其從業人員數量對經濟增長貢獻率卻更接近第一類。分為三類后各自基本特征如表2所示。

四、結論

本文借鑒肯德里克和丹尼森對經濟增長的分析思路和羅默的經濟學模型，采用科布-道格拉斯生產函數形式，構建了中部地區經濟增長模型。為了消除各變量之間多重共線性的影響，本文利用基于SPSS的嶺回歸方法，在選用合適的嶺參數下，六省回歸模型均能通過顯著性檢驗，說明此模型中所選主要要素可以反映中部地區經濟增長機制。因此，該結果可以作為計算要素貢獻率及聚類分析的基礎。

由各要素對經濟增長貢獻率可以看出，江西和河南兩省勞動力數量和物質資本存量較高，其它三省這兩類要素對經濟增長貢獻率都是較低，山西、湖南和湖北三省勞動力數量貢獻率都在10%以下，相反，人力資本和全要素生產率對經濟增長貢獻率已經占到了較大的比重，六省全要素生產率貢獻率均小于50%，由一般規律可見中部六省經濟增長都仍是粗放型的。在此貢獻率基礎上，利用層次聚類分析方法對六省進行歸類，結果顯示：江西、河南兩省物質資本存量和勞動力數量對經濟增長貢獻率相對較高，而人力資本和全要素生產率貢獻率則很低，經濟增長方式粗放；山西、湖北和湖南三省人力資本和全要素生產率在經濟增長中作用較為突出，勞動力數量在經濟增長中逐漸淡出，經濟增長方式相對集約，由外延式增長向內涵式增長過渡；安徽省介于前兩類之間。

參考文獻:

[1]胡德龍 周紹森:提高區域創新能力是促進中部崛起的突破口[J].科技進步與對策,2006(1)

[2]陶文達 黃衛平 彭剛等:發展經濟學[M].四川人出版社，1995

[3][美]菲利普?阿吉翁，彼得?霍依特著，陶然等譯.內生增長理論[M].北京大學出版社，2004:11-30

[4]盧紋岱等:SPSS for Windows統計分析(第3版)[M].電子工業出版社,2006:414～443

[5]楊 楠:嶺回歸分析在解決多重共線問題中的獨特作用[J].理論新探,2004(3)

[6]曾 慶 周燕榮等：嶺回歸分析及其在大氣環境因素對人群健康影響分析中的應用[J].中國衛生統計,1997(4)

篇9

關鍵詞:FDI;動態面板;區位因素

中圖分類號:F726.7文獻標識碼:A

一、引言

外商直接投資(FDI)不僅能夠為東道國引入資本,還能實現先進技術和專業知識的轉移,提高國際市場的準入和強化競爭機制,在經濟全球化的過程中發揮著原動力和加速器的關鍵作用,對世界經濟與社會產生著越來越深刻的影響。20世紀九十年代以來,隨著我國經濟的全方位對外開放以及向市場經濟體制的逐步轉軌,外商在我國的直接投資迅速增長,FDI在促進我國生產力的快速發展、增強我國綜合國力、提高人民生活水平等方面發揮了巨大作用,成功推動了我國對外開放和現代化建設。因此,研究影響外商直接投資流量的影響因素具有較重的現實意義。

本文采用動態面板計量模型對全國各省份1997～2008年的歷史統計數據,分別建立全國、東部、中部及西部地區四個模型進行實證研究,并對目前我國利用外商直接投資中存在的問題進行分析,為政府制定科學的宏觀利用外資戰略提供理論支持與政策建議。

二、區位差異因素設定與數據說明

(一)變量選擇與設定。綜合國內外多數研究成果中關于FDI影響變量選擇的歸納與分析,并結合數據的可得性,本文設定了集聚效應、市場規模、基礎設施、人力資本、勞動力資本以及對外開放度這6個變量。其中,集聚效應以前一期FDI水平FDIt-1衡量,市場規模以國內生產總值衡量,基礎設施用每平方公里鐵路、公路、內河航道里程衡量,人力資本以普通高等學校在校學生數反映,勞動力成本以職工平均工資來反映,對外開放度通過進出口總額占GDP的比重來衡量。

(二)數據說明。因為1997年重慶市從四川省獨立出來,為了保證數據在時序上的一致性,本文選取1997～2008年我國31個省市的面板數據,并運用Panel Data分析方法。本文所需的原始數據來源于《中國統計年鑒1997～2009》。

由于實際利用外商直接投資的數據是以美元為單位計量的,本文用各年匯率的中間價將美元換算為人民幣,考慮到數據的可比性,以1996年不變價格為基期的CPI平減指數對數據進行了處理。而且,由于各省級行政區的建立時間前后不一,會出現某些省份的統計數據缺失現象,因此主要采取內插法處理缺失數據,盡量對缺失數據進行補充。

三、模型構建與計量分析

(一)模型構建。由于我國的FDI分布有著顯著的區域差異,在時間上存在著波動,所以建立動態面板數據模型可以較好地反映這種差異性和動態性。本文所選擇的動態面板數據模型采用對數形式,模型如下:

上式中,FDI、GDP、INFR、HUMC、WAGE、OPEN分別代表集聚效應、市場規模、基礎設施、人力資本、勞動力成本和對外開放度。下標i和t分別代表第i個省市和第t年;it為隨機擾動項,?滋i為不隨時間變化的各省市截面的個體差異。

在本文面板數據中,被解釋變量的滯后項是解釋變量之一,會導致解釋變量與隨機擾動項相關,如果用標準的隨機效應或者固定效應來進行估計,將導致參數估計的非一致性,從而得不到可靠的結果。由于工具變量選擇的困難,組內、組間估計法基本上不可以用,因此本文運用GMM估計法進行動態面板的參數估計。

(二)實證分析。本文選取了1997～2008年我國31個省市的數據,分別對全國和東、中、西三大區域進行GMM估計,估計結果如表1所示。(表1)

為了進一步評價估計結果,本文用Im-Pesaran-Shin檢驗對估計的模型進行診斷,主要檢驗所估計的面板殘差是否平穩,以確認GMM估計不是偽回歸的結果。為了增強結果的穩健性,對模型同時進行LLC檢驗和ADF檢驗,檢驗結果如表2所示。(表2)

可以看出,各個模型的面板殘差P值均小于5%,檢驗結果表明各個面板殘差均具有平穩性,估計結果不存在偽回歸現象。

由以上分析可得,各個因素對各地區的FDI影響方向和程度有所不同,下面對其逐一進行分析:

1、集聚效應。外商直接投資往往不是一年就完成的,而是在第一年的投資后,需要進行追加投資。而且一個地區的進出口貿易總額很大一部分來自這個地區已有的外資企業,這說明外資往往愿意進入外資相對集中的地區。從表2中可以得出,FDI在全國及東、中、西部地區都表現出比較顯著的集聚效應。系數大小由東向西逐漸減小。這是由于東部地區地處沿海,與港澳臺地區臨近且開放時間早,吸引外資的規模大于中西部地區,使其較早形成了集聚經濟。

2、市場規模。巨大的市場規模是外商直接投資相當看重的區位決定因素。GDP每增加1%,全國及東、中、西部的FDI當期值就分別增加0.5799%、0.5591%、0.2872%、0.5525%,東部地區的市場作用高于中西部地區。

3、基礎設施。從表2中可以看出,基礎設施在全國和西部的系數為正,在東部和中部的系數為負,但是都不顯著,這個因素的回歸結果是出乎我們意料的。這并不能說明基礎設施對外商直接投資沒有影響,主要是因為基礎設施變量的內涵比較復雜,用每平方公里的公路、鐵路和內河里程可能不具有很強的代表性,因為基礎設施不僅包括交通設施,還包括通訊,金融等相關服務業的發展水平。

4、人力資本。從表2分析可知,人力資本在全國和中、東部地區的影響都顯著為正,但對西部地區的影響不顯著。這說明,我國東、中部今后若要提高FDI的質量,還需通過進一步優化人才結構,加強人才教育與培訓來提高勞動力質量,以吸引高質量外資的流入。西部地區的影響不顯著,造成這種現象的原因可能是因為FDI在我國西部更看中的是低勞動力成本。

5、勞動力水平。勞動力成本因素在全國以及東、西部地區的系數都為負,在中部地區的系數雖然為正,但結果是不顯著的。這是因為大部分來我國投資的外資企業都是看中我國的廉價勞動力。目前外商在我國的直接投資主要還是集中在勞動力密集型行業。

6、對外開放度。在全國及東、中、西部地區,對外開放度因素的系數都為正且高度顯著。開放的環境便于外商獲取國際市場信息和開展國際貿易,同時也讓一個地區獲得世界上先進的管理經驗、可靠有效的銷售渠道和先進技術。但是,從表2中得出的結果顯示:西部地區的對外開放度因素的系數遠遠大于中、東部地區,這與我國的現狀不相符合,這可能是因為開放度在一定程度上還受到各地區政策的影響,由此導致分析誤差。

四、結論

綜上所述,從全國來看,集聚效應、市場規模、對外開放度與FDI之間呈現出顯著的正相關關系,而勞動力成本與FDI呈現出顯著的負相關關系。基礎設施雖然與FDI有正相關關系,但不顯著。外商直接投資更傾向于選擇那些集聚效應顯著、市場規模大、人力資本多、勞動力成本相對較低以及對外開放程度高的地區。但是,東、中、西部對FDI區位分布起決定作用的影響因素存在著差異。由結果可得,在東部地區,外商直接投資對集聚效應、市場規模、人力資本、勞動力成本和對外開放程度都比較關注;在中部地區,集聚效應、市場規模、人力資本和對外開放程度是外商比較重視的因素;至于西部地區,集聚效應、市場規模和對外開放程度這三個指標更受外商直接投資的關注。

(作者單位:安徽財經大學統計與應用數學學院)

主要參考文獻:

[1]魯明泓.國際直接投資區位決定因素[M].南京:南京大學出版社,2000.

篇10

【關鍵詞】區域CPI；CPI影響因素；面板數據

1 緒論

眾所周知，我國各地區在自然資源察賦、經濟發展水平、居民收人和消費水平、產業結構和消費結構、市場發育程度等方面存在著明顯差異，而這些方面又是影響市場價格變化的重要因素，因此如何準確研究區域CPI波動差異及其影響因素，必須考慮到各地區的實際情況，從而更好地發揮價格配置地區間經濟資源的作用。基于以上情況，本論文就針對西部12個省份來進行CPI的影響因素分析，縮小了范圍，更具體、更具有針對性和全面性。

2 不同省份的面板數據實證分析

2.1 指標的選取

影響CPI的因素眾多，其影響特點、影響機制也不盡相同。在洋蔥模型中，將CPI的眾多影響因素按照對CPI影響程度的大小進行分層處理，如內層有利率、匯率、GDP等，中層有進出口總值、股票指數、PPI等，外層有可支配收入、人口數量、貧富差距等。本文根據實際情況選取了三個指標，分別為區域GDP、進出口總額和城鎮居民可支配收入。

2.2 確定面板數據模型類型

一般情況下，根據面板數據待估參數的不同特性，我們將其分為隨機效應模型還是很固定效應模型，判斷該模型屬于那一種用Hausman檢驗。通過計量專業軟件Eviews進行Hausman檢驗，我們可以得到模型的P值為1，所以可以認為該模型為固定效應模型。

除此之外，對面板模型進行估計時，我們還要判斷被解釋變量y的參數αi和βi是否對所有的截面都是一樣的，據此分為不變系數模型、變截距模型和變系數模型。在此過程中，我們主要檢驗如下兩個假設：

假設：H1：β1=β2=……=β1 H2：α1=α2=……=α12 β1=β2=……=β12

如果接受假設H2則可以認為樣本數據符合情形3，即模型為不變參數模型，無需進行進一步的檢驗。如果拒絕假設H2，則需檢驗假設H1。如果接受H1，則認為樣本數據符合情形2，即模型為變截距模型，反之拒絕H1，則認為樣本數據符合情形1，即模型為變參數模型。利用軟件可直接求得S1=357.3044，S2=509.5926，S3=520.2143，我們可以計算得F2=0.00014392F1=0.00017938。因為F2

CPI1=m+GDP1β11+IE1β21+INCOME1β31+u1+α1*

i=1，2，…，12 t=1，2，…，10

m反映模型中的個體影響的跨成員方程變化的截距項被分解成在各個體成員方程中都有相等的總體均值截距項（m）和跨成員方程變化的表示個體對總體均值偏離的個體截距項（α1*）。個體截距項α1*表示的是個體成員i對總體平均狀態的偏離，可以反映省之間的結構差異。

最后利用固定影響變截距模型的GLS法對模型進行估計，估計結果為：

從估計結果我們可以看出，對于本文中的西部地區12個省來說，其自發消費沒有大幅度的變化，且偏離平均自發消費的幅度均偏小，最大的是青海，最小的是重慶。

面板數據雖然減輕了數據的非平穩性，但是還有可能存在單位根，造成偽回歸，如本案例中居民可支配收入可能與GDP相關，所以，進行偽回歸的檢驗，檢驗結果為P值均為0，所以我們可以認定該模型為平穩序列，即這幾個變量之間存在長期穩定關系。

3 政策建議

3.1 促進實際GDP增長

從固定影響變截距模型的估計，我們可以看出，GDP對CPI呈現出很小的負相關關系，而論文采用當年價格計算的GDP的方法。因此，政府可以考慮制定相關的經濟政策保障實際GDP的增長，而抑制名義GDP的過快增長，不僅可以保障經濟持續有效的增長，而且對物價水平影響不大。

3.2 西部地區加強生產資料價格的管控

目前，西部地區物價與生產資料得價格密切相關，主要原因在于粗放式增長模式在“投資推動”的模式下容易造成物價的大幅波動。此模式下會對石油、煤炭和電力造成價格大幅波動，經過層層傳輸，最終導致物價全面上漲，使可支配收入得絕對值減少，進一步造成CPI的波動。

3.3 調整收人分配格局，增強城鄉居民收人預期和價格上漲承受能力

居民收人和消費水平是影響居民消費價格變化最直接的因素。有關部門應調整收人分配格局，提高勞動報酬在初次分配中的比重，同時提高最低工資標準，著力提高低收人群體的收人水平。繼續完善關系廣大人民群眾切身利益的現實問題，降低城鄉居民支出的不確定性，防止因價格上漲而導致的生活水平明顯下降。

參考文獻：