对外贸易、全要素生产率与中国经济增长——基于LA-VAR模型的实证分析，本文主要内容关键词为：生产率论文,实证论文,对外贸易论文,要素论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F740文献标识码：A文章编号：1000-176X(2006)05-0012-09
一、引言
改革开放以来，中国经济的快速增长令世人瞩目，与此同时，中国的对外贸易也得到了迅猛发展。进出口贸易总额从1978年的206.4亿美元增长到2004年的11548亿美元，占世界贸易总额的比重由1978的2%上升到2004年的5.8%，中国一跃而成为世界第三贸易大国[1]。中国对外贸易的高速增长是伴随着改革开放和经济持续增长的一个重要现象，这引起了国内外学术界的广泛兴趣，特别是自20世纪90年代以来，实证研究中国对外贸易（尤其是出口）与经济增长关系的文献开始丰富起来。
例如，Kwan和Cotsomitis(1991)[2]的研究发现在1952-1985年间中国实际人均收入与出口占收入比率之间存在双向的因果关系，而在1952-1978年期间不存在因果关系。Kwan和Kwok(1995)[3]对中国1952-1985年的年度数据的研究，证实了出口导向经济增长(ExportIed Growth,ELG)的假设。Liu,Song和Romilly(1997)[4]对中国1983年第3季度—1995年第1季度数据的研究，发现运用Grange和Hsiao方法支持ELG，且实际GNP与进出口总额之间存在双向的因果关系；运用Sims方法支持GLE，实际GNP与进出口总额之间存在双向的因果关系；运用Geweke方法，出口与实际GNP之间没有因果关系，而进出口导向经济增长。Shan和Sun(1998)[5]分析了中国1978年5月—1996年5月实际工业产出与出口的关系，发现存在双向的因果关系。
杨全发和舒元(1998)[6]的研究发现，改革开放以来，中国经济增长的主要动力是资本投入的不断加大，虽然中国的初级产品出口增长和经济增长呈正相关，但制成品出口增长和经济增长呈负相关，他们的解释是，中国在提高制成品出口的过程中，制成品的增长仍然停留在粗放型增长上，并没有通过技术进步、提高产品质量等实现集约型发展。杨全发(1998)[7]用1994年的数据，把全国的省份分为人均GDP大于3000元和小于3000元两组，回归分析表明人均GDP大于3000元的一组出口增长率和GDP增长率有着显著的相关性，从而证实了中国各省存在着临界发达水平效应。李建春、罗艳和张宗益(2004)[8]利用1978-2001年的全国及各省市的年度数据的研究，得出了相似的结论，他们通过对全国总体，及东、中、西三个地区的因果检验表明，出口与经济增长的关系因经济发展水平和阶段的不同而不同。
沈程翔(1999)[9]对1977-1998年的年度数据的研究发现，中国出口与产出之间存在双向的因果关系，但不存在长期稳定的均衡关系。孙焱林(2000)[10]的研究则发现，中国经济增长和出口间的统计关系即使在50%的水平上仍不显著，并认为中国现阶段不宜实施出口导向型经济增长战略，而应该实行进口替代战略。赵陵、宋少华、宋泓明(2001)[11]利用1978-1999年的年度数据，发现中国出口增长对经济增长的拉动作用只是短期的，而长期内并不明显。沈坤荣和李剑(2003)[12]检验了中国的贸易对经济增长的影响机理，发现国际贸易比重和人均产出呈显著正相关，人均资本和制度变革是贸易影响人均产出的显著渠道。张鹤、刘金全和顾洪梅(2005)[13]的研究表明国外需求（出口）对中国产出具有“正的贡献”，而国外供给（进口）对国内产出具有“负的贡献”，但二者的乘数作用不同，即使保持贸易平衡，中国经济中也存在显著的“贸易剩余”。
从上述实证研究的简要回顾不难看出，研究虽多但结论却不尽一致甚至相反，这可能是由于所选取的变量、样本期间，以及模型与方法的不同，甚至不能排除少数研究可能存在错漏之处[14]。另外，除了沈坤荣、李剑一文以外，已有的研究基本上只关注于对外贸易和经济增长之间的相关性，分析两者间的因果关系及其方向，而缺乏对贸易影响增长背后的机制的深入探讨。我们知道，从短期看，经济增长取决于投资、消费和净出口。假定两种情况：第一，一国处于封闭经济下，或者只有很少的进出口贸易。第二，该国每年出口达几百亿美元，同时，拥有大致相同的进口额。经济学常识告诉我们，在这两种情况下，对外贸易对一国总产出的影响不可能相同。2004年，中国贸易依存度已达70%[1]，如此规模的对外贸易将不可避免地对中国宏观经济的各个方面产生全面而深刻地影响，因此，研究对外贸易对中国经济增长的贡献，应从供给的角度考察影响长期经济增长的两个因素：要素投入的增加和全要素生产率的提高。而对外贸易不仅影响一国的要素供给，而且可能从资源配置、规模经济、知识扩展和制度演进等多方面对一国的全要素生产率产生影响。
本文试图对中国的总产出、进出口，以及全要素增长率四者之间的关系作一个全面考察，本文与现有研究文献的不同之处在于：第一，引入全要素生产率变量(Total Factor Productivity,TFP)，建立包括经济增长、出口、进口和全要素增长率的4变量系统，试图探讨对外贸易促进中国经济增长背后的作用机制。第二，在现有研究基础上，尝试运用扩展的VAR模型(Lag-Augmented VAR Model)①，利用格兰杰因果检验和广义脉冲响应函数，对上述4变量进行实证检验。第三，针对总产出和进出口数据之间的内生关联性问题，本文采用的总产出数据是支出法计算的中国GDP剔除了净出口的部分，也即最终消费和资本形成部分之和。
本文结构安排如下：第二部分阐述对外贸易影响全要素生产率和经济增长的理论与逻辑；第三部分是对中国数据的实证检验，包括样本和数据说明、研究方法，及实证结果的报告和分析；第四部分的结论与思考，总结了全文。
二、对外贸易影响全要素生产率和经济增长：理论与逻辑
对外贸易与经济增长之间的关系是经济学界长期关注的一个话题，从亚当·斯密最早提出“剩余产品出路”(vent for surplus)学说，到20世纪30年代罗伯特逊提出“对外贸易是经济增长的发动机”(engine for growth)命题，再到凯恩斯的对外贸易乘数理论等等，各种理论层出不穷，但是，迄今为止，经济学家们仍然为此争论不休，有人认为对外贸易促进了经济增长，有人坚持对外贸易与经济增长关系不大，还有人认为对外贸易对经济增长的负效应大于正效应[15]。
以Solow为代表的新古典增长理论开创性地将经济增长中不能被资本、劳动等要素投入所解释的残差部分，包括技术进步、结构变化及要素效率的提高等因素归结为全要素生产率的作用，20世纪80年代中期以来，以罗默、卢卡斯和斯文森等人为代表的新增长理论则在此基础上进一步将技术进步内生化，并认为一国经济的长期持续增长依赖于其全要素生产率的提高，这些研究给人们提供了一个理解和分析对外贸易与经济增长关系的新的视角和框架②。
对外贸易会不可避免地对一国的要素供给和全要素生产率产生影响，其对要素供给的影响主要表现在：第一，直接增加一国的要素供给。约翰·穆勒曾指出，通过进口一国可以得到不能生产但经济持续运行所必须或不可缺少的原材料和机器设备，对发展中国家而言，不仅需要进口部分国内稀缺的自然资源，更需要通过从发达国家进口先进的机器设备，而出口的扩张，可直接增加该国的进口能力。第二，对外贸易的发展可以“带动”国内外投资的增加。第三，出口的扩张可以带动国内就业的增加，这一点，对发展中国家更具意义，因为发展中国家大都劳动力资源丰富。当然，出口对一国就业的影响，同该国的市场结构、贸易结构及贸易政策等相关。
对外贸易可以通过以下途径促进全要素生产率的提高：
(1)优化资源配置。对外贸易的发展使一国的投资流向发生变化，资本和劳动会越来越集中在比较优势的领域，从而优化社会经济结构，提高社会生产和全社会劳动生产率。这一点对我国有十分重要的意义，由于在劳动密集型产业具有较大优势，近些年我国已展现出成为世界工厂的趋势和潜力，这有利于我国大量农村劳动力向效率更高的工业部门转移，促进全员劳动生产率的提高。
(2)形成投资的乘数效应，带动相关产业增长，有利于一国潜在资源（劳力）的充分利用。出口的扩大，特别是加工程度较深的制成品出口的扩大，会增加向出口部门提供投入物部门的需求。这些部门转而向其他供给部门增加需求。如此反复，不但能带动所有部门的发展，而且会大大促进国内经济的一体化。同时，产品进口造成新的需求，刺激和引导新产业的成长，同样会产生上述效应。而如果大量进口投资品，还会使国内投资品对消费品相对价格降低，投资成本下降，促使人们更多地将收入用于投资，投资率的提高无疑会带动经济增长率和就业的上升。
(3)对外贸易扩大了市场容量，有利于规模经济的实现和专业化分工的演进，有利于生产效率的动态改善。斯密很早就指出，分工的发展是促进生产率长期增长的主要因素，但分工的程度受到市场范围的制约，而对外贸易必然扩大市场范围，进而促进分工的深化和生产率的提高，加速经济增长。Young(1928)[16]拓展了的斯密的理论，提出了杨格定理——“分工决定分工”，也就是说市场容量决定分工水平，反过来分工水平又决定市场容量，其后，Schultz(1993)、Yang和Ng(1993)、Yang(2001)[17]，以及诸多其他学者卓有成效的后续研究，推动着我们对于贸易、规模经济、专业化及经济增长的认识不断深化。
(4)对外贸易促进技术外溢和创新。贸易本身可促进技术的转移和扩散，与出口相比，进口是一国获得贸易技术外溢效益的主要渠道。因为通过进口，一国不仅可以购买高质量的外国最终制成品，还可以通过引入国外的先进中间产品来提高本国生产活动的技术含量，甚至可直接购买国外先进技术。Coe和Helpman(1995)[18]首次从实证角度考察进口贸易如何影响一国的技术进步，他们对21个OECD国家以及以色列的面板数据的实证研究表明，贸易伙伴国R&D投入有助于本国全要素生产率的提高，并且其影响程度随着本国贸易开放度的提高而加强。Coe、Helpman和Hoffmaister(1997)[19]对77个发展中国家1971-1990年间数据的实证研究表明，这些国家的全要素生产率与其工业国贸易伙伴的R&D和来自工业国家的机械设备进口贸易显著正相关，因此得出发展中国家同样通过进口贸易分享了发达国家的R&D成果这一结论。对外贸易使国际市场国内化，国内市场国际化，这种激烈竞争，将迫使各国企业不断创新，提高效率。
(5)对外交流的扩大，促进一国的制度演进。以中国为例，对外贸易不断扩展的过程，也是我国经济管理体制、市场运行机制不断调整与转变的过程。首先，从实行指令性计划和行政管理为主，到逐渐与国际贸易规则与惯例接轨，从被动适应到主动改革，我国外贸体制的改革总是走在其他改革的前列，并逐渐渗透到其他部门和领域。其次，国际贸易激活企业的经营机制。企业开展对外贸易后，有关市场经济的机制运作（如激励机制、竞争机制、规范机制等）使企业内部发生积极的变化，并在“干中学”的过程中，提升了自己的竞争力。第三，对外贸易传播新的信息和理念，提高人的素质。
最近的实证研究大都支持对外贸易的扩张，促进一国劳动生产率或全要素生产率的提升，进而促进经济增长，例如Kim(2000)[20]对韩国，Pavenik(2002)[21]对智利的研究等。那么，中国的对外贸易、全要素生产率，及经济增长之间的关系究竟怎样？这有待下文的实证分析。
三、中国数据的实证检验
（一）样本和数据说明
本文采用的数据为年度数据，样本期为1978-2003年。总产出采用支出法计算的GDP扣除了净出口部分，即最终消费与资本形成总额之和，数据来自《中国统计年鉴2004》中表3-13；进出口数据来自《中国统计年鉴2004》表18-3，其他年份的统计年鉴作为补充。总产出和进出口数据均采用GDP缩减指数进行调整，得到以1978年价格计算的时间序列值，并据此计算各序列的年度增长率，GDP缩减指数根据GDP水平值和GDP指数序列计算生成。具体数据见表1。
关于中国全要素生产率的测算，郭庆旺、贾俊雪(2005)[22]在分析比较了各种估算方法的基础上，分别利用索洛残差法(SR)、隐性变量法(LA)和潜在产出法(PO)估算了我国1979-2004年的全要素生产率增长率。他们认为，索洛残差法比较粗糙，隐性变量法估算的全要素生产率增长率仅反映了技术进步率，而潜在产出法估算的全要素生产率增长率则不仅包括了技术进步率，还包括了现有生产能力的利用程度。本文采用他们利用潜在产出法估算的全要素生产率增长率。具体数据见表1。
表1总产出、进出口及全要素生产率的水平值和增长率序列
GDP 实际总产出 实际出口 实际进口
总产出 出口 进口 TFP
年份 缩减指数
（亿元）
（亿元） （亿元） 增长率(%) 增长率(%) 增长率(%) 增长率(%)
(1)(2) (3) (4)(5) (6)
(7)
(8)
1978 100.00 3617.00167.60187.40 NA
NANANA
1979 103.56 3953.03204.43234.56 9.29 21.98 25.16 0.154
1980 107.47 4248.90252.36278.04 7.48 23.45 18.54-0.056
1981 109.88 4450.23334.53334.63 4.74 32.56 20.35-2.818
1982 109.76 4917.88376.99325.7010.51 12.69 -2.67 0.363
1983 110.94 5431.20395.07380.2010.44 4.80 16.73 1.856
1984 116.39 6154.18498.74533.1013.31 26.24 40.22 5.275
1985 128.23 7142.65630.82980.9016.06 26.48 84.00 3.960
1986 134.05 7749.21807.22
1117.70 8.49 27.96 13.95-0.017
1987 140.88 8356.90
1043.44
1145.80 7.84 29.26 2.51 2.528
1988 158.00 9401.70
1118.13
1300.6612.50 7.16 13.52 2.454
1989 171.98 9682.34
1137.41
1279.17 2.98 1.72 -1.65-4.338
1990 181.68 9802.50
1643.44
1416.94 1.24 44.49 10.77-5.943
1991 193.92 10655.31
1973.53
1752.62 8.70 20.09 23.69 0.089
1992 209.17 12233.11
2235.64
2124.2414.81 13.28 21.20 4.458
1993
39.64 14680.63
2205.34
2498.0420.01 -1.35 17.60 3.752
1994 287.17 16038.34
3629.20
3468.42 9.25 64.56 38.85 3.028
1995 324.99 17696.39
3831.41
3399.4910.34 5.57 -1.99 1.279
1996 344.26 19424.33
3653.12
3357.13 9.76 -4.65 -1.25 0.779
1997 346.95 20762.80
4369.68
3402.92 6.89 19.62 1.36 0.537
1998 338.57 22433.02
4496.42
3433.87 8.04 2.90 0.91 0.130
1999 331.02 24295.94
4881.83
4149.73 8.30 8.57 20.85-0.282
2000 334.15 26066.37
6175.20
5577.98 7.29 26.49 34.42 0.617
2001 338.10 28508.54
6514.11
5962.45 9.37 5.49 6.89-0.073
2002 337.41 31150.45
7986.79
7240.63 9.27 22.61 21.44 0.969
2003 344.15 34527.32 10544.26
9936.3010.84 32.02 37.23 2.362
注：数据说明见正文。
（二）检验方法
Granger因果关系是基于向量自回归(VAR)模型来定义的，一般分为“基于水平(level)VAR模型的因果关系检验”和“基于差分(difference)VAR模型（即Vector误差修正模型，VECM）的因果关系检验”。基于水平VAR模型进行多变量系统的因果关系检验因未考虑单个变量的非稳定性和变量系统的协整性而存在一定的问题；而基于差分VAR模型进行因果关系检验容易使信息丧失且要求首先检验变量的平稳性和协整关系，使其在实证检验中的应用受到限制。当研究者并不关注变量的协整性而只关注其因果关系，或者协整性不存在但需要研究其因果关系时，就需要一种新的检验方法，在不考虑变量的单整性和协整性的情况下进行变量之间的因果关系检验。Toda和Yamamoto(1995)[23]提出的“基于扩展(LagAugmented)VAR模型的因果关系检验”方法可以不考虑单位根的个数和变量的协整性而进行因果关系检验，在最近的实证检验中受到广泛应用。
考虑如下的VAR(L)过程，VAR模型的最优滞后阶数L假设已知：
Z[,t]=v+A[,1]Z[,t-1]+…+A[,L]Z[,t-L]+ε[,t](1)
其中，Z[,t],v和ε[,t]为n维向量，A[,r]为滞后阶数为r时的n×n系数矩阵，误差向量ε[,t]为0均值的独立同分布过程。需要强调的是，在运用基于扩展的VAR模型进行因果关系检验时研究者并不需要事先确定模型(1)中各变量的单整性和变量系统的协整性。
Toda和Yamamoto(1995)建议在水平VAR(L)模型中加入额外的滞后阶数d(d为各变量的最大单整阶数），运用OLS方法估计VAR(L+d)模型并根据该模型进行因果关系检验，该方法在基于水平VAR模型的因果关系检验的基础上考虑了额外滞后阶数d对检验结果的影响。
Z[,t]=v′+A[,1]′Z[,t-1]+…+A[,L]′Z[,t-L]+…+A[,L+d]′Z[,t-L-d]+ε[,t](2)
其中，v′，A[,1]′，…，A[,L+d]′为OLS估计量。
对模型(2)进行Wald系数检验，如果零假设H[,0]（H[,0]：Ar中j行、k列的元素等于零，r=1，…，L）不被拒绝，则Z[,t]的第k个元素对第j个元素无Granger影响。
需要注意的是，在进行Wald系数检验时，仅需要对滞后期为L的估计系数向量、运用标准渐进分布理论进行Wald系数检验，而对额外滞后阶数d的估计系数向量并不需要进行系数检验，因为水平VAR模型的实际滞后阶数为L。Toda和Yamamoto(1995)从理论上证明，无论Z[,t]是平稳过程、Ⅰ(1)或Ⅰ(2)过程还是协整系统，Wald统计量均服从于标准X[2]分布。
在利用VAR(L+d)模型进行因果关系检验的基础上，可以进一步根据VAR(L)模型得出广义脉冲响应函数，识别变量系统对冲击或新生扰动的动态反应，以确定变量之间的影响方向。
（三）对外贸易、全要素生产率与中国经济增长的实证检验
令Z[,t]=[Y[,t],EX[,t],IM[,t],TEP[,t]]′，其中，Y[,t]、EX[,t]、IM[,t]和TFP[,t]分别表示总产出、出口、进口，以及全要素生产率，均为年度增长率形式。Z[,t]包含了可能具有不同单整阶数（最高为d）的变量，这些变量之间或存在或不存在协整关系，若Z[,t]服从于VAR(L)，则可以运用上述基于扩展VAR模型的因果关系检验方法进行变量之间的Granger因果关系检验，并根据水平VAR模型得出存在因果关系的变量间的广义脉冲响应函数。下文的所有分析利用EVIEW5.0软件完成。
1.确定水平VAR模型的最佳滞后阶数
在建立水平VAR模型之前，首先需要确定滞后阶数，考虑到样本区间，不宜选取较大的阶数，根据综合比较，我们确定水平VAR模型的滞后阶数为3，具体统计结果见表2。
表2 水平VAR模型的最佳滞后阶数检验结果
滞后阶数LR值FPE值 AIC值 SC值HQ值
0 NA1385585. 25.49289
25.69126* 25.53962
1 18.17076 2104044. 25.87857
26.87042
26.11222
2 29.89269 1072595. 25.03368
26.81902
25.45425
3 27.86115* 343262.4* 23.39254* 25.97137
24.00003*
注：“*”表示被标注的数值所在行对应的滞后阶数即为该数值所在列的检验标准推荐的最佳滞后阶数；5个检验标准分别是：修正的LR检测统计值（5%水平）、最终预测误差、Akaike信息量、Schwarz信息量，以及Hannan-Quinn信息量。
2.VAR(3)模型的稳定性检验
根据图1的稳定性检验，VAR(3)模型的全部根都落在单位圆以内，因此，VAR模型的稳定性条件得以满足，根据其得出的脉冲响应函数的结果是稳健、可靠的。
附图
图1 VAR(3)模型的稳定性检验
3.基于扩展VAR模型的因果关系检验
得出脉冲响应函数之前，我们先检验各变量间的Granger因果关系，这需要确定4变量系统的最大单整阶数d，本文选取d=1，因为已有的研究显示，绝大部分宏观经济变量都是Ⅰ(0)或Ⅰ(1)过程，即变量是稳定的或含有最多1个单位根，对于年度数据采说，这是比较合理的假设。4变量系统的VAR(3+1)模型的稳定性检验见图2，全部根都落在单位圆内，满足稳定性条件，可据其进行因果检验。Granger因果检验具体结果见表3。
表3基于VAR(3+1)模型的因果关系检验
零假设X[2]值P值结论
Y不是EX的Granger原因
5.1451
0.1615
接受
EX不是Y的Granger原因
3.1006
0.3764
接受
Y不是IM的Granger原因
3.8886
0.2737
接受
IM不是Y的Granger原因
1.7318
0.6299
接受
EX不是IM的Granger原因 6.6985
0.0822
拒绝
IM不是EX的Granger原因 13.3563
0.0039
拒绝
EX不是TFP的Granger原因 6.7197
0.0814
拒绝
TFP不是EX的Granger原因10.8176
0.0128
拒绝
IM不是TFP的Granger原因 4.5965
0.2038
接受
TFP不是IM的Granger原因 6.0262
0.1103
接受
Y不是TFP的Granger原因 11.4313
0.0096
拒绝
TFP不是Y的Granger原因 33.2063
0.0000
拒绝
附图
图2 VAR(3+1)模型的稳定性检验
根据表3的检验结果，我们可以分析中国的经济增长、进出口与全要素生产率之间的因果关系：
(1)经济增长与出口。在引入全要素生产率的四变量系统下，出口增长率不是总产出增长率的Granger原因，总产出增长率也不是出口增长率的Granger原因；中国的数据既不支持出口导向经济增长(ELG)的假设，也不支持经济增长促进出口(GLE)的假设。
(2)经济增长与进口。总产出增长率与进口增长率之间也不存在相互间的Granger因果关系。
(3)出口与进口。出口与进口之间存在双向的Granger因果关系，但相互间的影响强度不同：在1%的显著性水平上，进口增长率是出口增长率的Granger原因，在10%的显著性水平上，出口增长率是进口增长率的Granger原因。
(4)出口与TFP。中国的出口与TFP之间存在双向的Granger因果关系，但相互间的影响强度也不同：在5%的显著性水平上，TFP增长率是出口增长率的Granger原因，而出口增长率仅在10%的显著性水平上是TFP的Granger原因。
(5)进口与TFP。进口增长率与TFP增长率之间不存在Granger因果关系，虽然进口存在技术溢出效应，但中国的数据不支持进口促进TFP假设。
(6)经济增长与TFP。TFP增长率在1%的显著性水平上，是总产出增长率的Granger原因；同时，在1%的显著性水平上，总产出增长率是TFP增长率的Granger原因。
4.广义脉冲响应函数
由于VAR模型中的系数难以逐一加以解释，研究者通常利用脉冲响应函数来描述在随机误差项上施加一个标准差大小的新息(innovation)冲击对各内生变量的当期值和未来值所产生的影响，但这个方法的一个缺陷就是，如果改变VAR模型中的方程顺序可能导致脉冲响应的很大不同。Pesaran和Shin(1998)[24]所提出的广义(generalized)脉冲响应函数解决了这个问题，可以不考虑排序问题而得出唯一的脉冲响应函数曲线。本文利用广义脉冲响应函数来研究经济增长、进出口和全要素生产率之间存在因果关系的各对变量间相互影响的方向和程度。
附图
图3 基于VAR(3)模型的广义脉冲响应函数曲线(Response to One S.D.Innovations)
根据图3的广义脉冲响应函数曲线，在滞后1-2年的时期内，进出口增长率在受到对方一个单位正向标准差的冲击后，冲击效应为正。出口增长率与全要素增长率在受到对方一个单位正向标准差的冲击后，冲击效应为正，但力度较小，且持续时间不长，大约在1年半左右减弱为0。在滞后1-3年的时期内，总产出增长率在受到全要素生产率增长率一个单位正向标准差的冲击后，效应为正。而总产出增长率对全要素生产率增长率也有正向的影响作用，持续期约为4年半。
5.实证结果的总结
中国的对外贸易与经济增长不存在相互间的Granger因果关系，尤其是迅猛扩张的出口却不是经济增长的Granger原因，并不令人费解。因为我国现阶段实行的不断提高制成品出口比例的出口导向贸易战略仍然停留在粗放型、数量型的增长上，未能实现向刺激技术进步、提高出口产品质量及附加价值的集约型发展方式的转变[6]，而且由于国内不同区域的自相竞争，以及一些劳力和资源更加低廉的东南亚国家强有力的竞争，我国制成品出口利润率不断下降。另外，中国的经济增长与出口、进口之间均不存在Granger因果关系，还可能与“门槛效应”有关，Michaely(1977)[25]、Moschos(1989)[26]等人的研究，以及杨全发(1998)[7]和李建春(2004)[8]等对中国数据的研究，已经揭示，对外贸易与经济增长之间的相关性和因果性，存在一个临界发达水平问题，在发达国家（地区）和不发达国家（地区），以及经济发展的不同阶段，可能结论迥异。
中国进出口之间存在双向的因果关系，且相互间的影响效应为正，这与中国一贯的对外贸易政策和当前的贸易现状相吻合，一方面，为保持进出口贸易的平衡和适度顺差，中国可能根据出口规模来积极调整进口规模，从而导致了进口变化对出口变化的依赖性③；另一方面，中国目前进口产品中有相当比例的出口产品的中间投入品，从而导致了进口变化对出口变化也存在一定的支配性，这与我国当前的产业结构有关，也反映了我国参与国际分工程度的深化。虽然我国进出口之间存在正反馈过程，但从统计的显著性水平来看，进口对出口的支配性要明显强于依赖性。
本文关注的焦点是进出口对我国全要素生产率的影响，因果关系检验和广义脉冲响应函数的结果显示，出口规模的扩张导致全要素生产率上升，而进口对全要素生产率没有Granger影响。其原因可能在于：一方面，进口促进我国全要素生产率提高的主渠道是各种进口品的技术溢出，但这在一定程度上依赖于我们对于引进的先进机器设备、技术等的吸收、消化和再创新能力。而且，从贸易结构来看，中国目前进口产品中有相当比例的出口产品的中间投入品，这种产品的进口目的不是国外先进技术的引进和吸收，而是为了再出口。另一方面，这种贸易结构却显示了中国作为世界工厂的地位和潜力，在中国出口总额不断增长的同时，工业制成品的比例不断提升就是明证。根据李善同等(2005)[1]的数据计算，2004年我国工业制成品出口占出口总额比重已达93.16%，虽然这种数量上的扩张正如杨全发和舒元(1998)[7]所分析的，在实现刺激技术进步、提高出口产品质量及附加价值上作用不大，但考虑到改革以来我国TFP提升的一个重要渠道乃是劳动力转移的结构效应，以及对闲置资源（劳力）的利用程度，不难理解，出口正是主要通过这个途径促进了我国TFP的提升。
另外，实证结果还显示，全要素生产率的提升促进了出口规模的扩张，出口和全要素生产率之间存在正反馈过程。这说明，TFP的提升有利于增强我国产品和服务的国际竞争力，而且，从统计的显著性来看，TFP促进出口的效应要明显强于出口对TFP的提升效应。
中国全要素生产率的提升促进经济增长，与新增长理论等宏观经济理论一致；同时，中国的经济增长也促进全要素生产率的提升，两者之间存在一个正反馈过程，且统计上极为显著。
四、结论与思考
本文运用LA-VAR模型，在4变量系统内考察了对外贸易、全要素生产率与中国经济增长之间的关系，基本结论和思考如下：
1.因果检验和广义脉冲响应函数表明，在1978-2003年的样本期间内，中国对外贸易与经济增长之间不存在Granger因果关系，但是通过全要素生产率变量和3个正反馈过程的传递，对外贸易和经济增长之间的深刻联系和影响机制得以揭示，那就是，进出口之间、出口和全要素生产率之间，以及全要素生产率与经济增长之间存在正向的相互影响。
2.经过改革后20多年的迅速增长，中国经济在今天的规模上如果继续依靠要素投入的扩张，显然难以为继，今后的发展应更多地关注经济运行的动态效率的持续改善。由于进口不是我国全要素生产率的Granger原因，而出口规模的扩大虽然促进全要素生产率的提升，但统计上的显著性并不强，且对全要素生产率的影响力度小、时间短，因此，政策制定者应在我国进出口规模不断扩大的同时，深刻理解其对我国宏观经济运行的全方位影响及其作用机制，关注对外贸易对我国全要素生产率的提升作用，实现我国经济增长方式的转变，实现从贸易大国向贸易强国的转变。
3.本文为后续研究提供了一个新的视角，但全要素生产率作为一个内涵含混的概念和指标，可能不是一个好的变量，因为全要素生产率的度量中不但包含了造成经济增长的一切没有识别的因素，而且还包含了概念和度量上的全部误差（郑玉歆，1999）[27]。从这个意义上来说，对外贸易对我国宏观经济的各个领域和长期增长态势的影响及其作用机制，还需要做更多更深入的实证研究，我们期待新的经验数据的出现，乃至理论和方法上新的突破。
收稿日期：2006-03-28
注释：
①作者感谢重庆工学院许雄奇博士对本文模型部分提出的建设性意见。
②事实上，内生经济增长理论的形成与发展与新贸易理论的发展有着密切的联系，运用内生增长理论可以对新贸易理论提供新的解释，运用新贸易理论同样也可以对内生增长理论提供新的解释，殷德生(2004)对贸易与内生经济增长的相关文献，作了一个很好的综述。
③ 这一结论与张鹤、刘金全和顾洪梅(2005)的研究不同，他们的实证结果是中国出口增长率不是进口增长率的Granger原因，而进口增长率则对出口增长率具有显著的Cranger影响，他们据此认为，中国可能根据进口规模来调整出口规模。
标签：全要素生产率论文; var论文; 因果关系论文; 经济增长论文; 经济论文; 格兰杰因果关系论文; 对外贸易政策论文; 实证分析论文; 宏观经济论文; var方法论文;