欧亚经济中对外贸易与经济增长的关系：面板数据分析
原文作者 Nazife Ouml;zge Kılıccedil; amp; Murat Beser（可直接用英文名） 单位 土耳其Agri Ibrahim Cecen大学
摘要：在这项研究中，利用面板数据分析，利用1992 - 2015年时期的数据，检验了欧亚经济联盟国家的对外贸易与经济增长之间的关系。首先，在研究中已经完成了横截面依赖性和均匀性测试，并且已经得出结论，该系列之间存在横截面依赖性。为此，应用了考虑横截面依赖性的单位根和因果关系检验。已经用Konya（2006）开发的面板因果关系检验分析了变量之间的关系。已经确定从增长到出口的双向因果关系和从增长到进口的单向因果关系。
关键词：进口，出口，Panel Bootstrap因果关系检验，欧亚经济联盟，经济增长
1.介绍
一个国家必须参与进口和出口等活动才能与另一个国家进行经济接触。由于欠发达或发展中国家的收入水平不足而造成的资金短缺和储蓄差距已经中断了增长和发展进程。正因为如此，进出口之间的相互作用意味着对外贸易的复杂性和相互的因果关系。欠发达国家可以通过进口工业和投资产品来换取他们从出口中获得的收入，从而确保其经济发展。由于发展投资的融资取决于从进口中获得的收入，因此应加快进口收入以加速发展。
经济增长与对外贸易之间的关系基于两种方法。其中一个是基于进口的增长假说，另一个是基于出口的增长假说。在基于进口的增长假说中，人们一直认为进口对经济增长的影响是迂回的。在进口结束时，资源将从非运营非贸易部门转移到进口部门，资源的有效利用将导致生产率增长和经济增长。在进口结束时，研究和开发将通过遵循现代技术，通过实践学习和提高技能来提高生产力，并且会导致经济增长（Grosman＆Helpman，1991）。在基于出口的假设中，由于国家生产能力与经济增长平行并且投入需求增加，因此出口越来越多，因此出口更多的资本和中间产品出口，因此出口开始增加（Tunccedil;s＆Renccedil;ber，2017）。
本研究的目的是通过面板因果关系法分析欧洲经济联盟国家对外贸易与经济增长之间的关系，1992 - 2015年。1992 - 2015年间的年度数据已被用于分析。 研究由三个章节组成。 在第一章中，它研究了外贸与经济增长之间的关系。在第二章中，通过进行实证分析并最终将结果放在结果和考虑因素的基础之上，从而取得了成果。
2.文献评论
有很多研究考察了外贸对经济增长的影响。下面列出了哪些国家和年份如何完成这些研究。
Busse和Koniger（2012）通过使用1971-2005年间的年度数据，检验了108个国家的贸易对经济增长的影响，其中87个国家是发展中国家。 根据经验分析结果，已经确定出口和进口对GDP的重要影响。
Saaed和Hussain（2015）利用1977 - 2012年间的年度数据分析了Tunisia进出口对经济增长的影响。分析结果表明，从增长到进口，从出口到增长都发现了因果关系。
Machado et al.（2014）利用1995 - 2013年间的年度数据检索了金砖国家经济变量对经济增长的影响。根据实证分析结果，已经发现出口对大量增长有积极的作用，投资有负面影响。
Alakbarov（2010）利用Johansen协整和格兰杰因果检验，利用1996 - 2008年间的年度数据，检验了阿塞拜疆经济对外贸易对经济增长的影响。虽然结果表明，基于出口的增长假说是无效的，但从增长到出口都发现了因果关系。
Guuml;l和Kamacı（2013）已经研究了土耳其共和国的外贸和增长之间的关系。在所做分析的结果中，虽然长期从出口到增长发现了双向因果关系，但从进口到增长确定了单向因果关系。
Topallı（2017）利用面板数据分析，利用1984年至2015年间的年度数据，搜索了9个选定国家（巴西，中国，印度，印度尼西亚，韩国，菲律宾，马来西亚，泰国）的出口与经济增长之间的关系时代。根据分析结果，从一些国家的出口到经济增长发现了单向因果关系。
Ekanayake（1999）利用1960 - 1997年间的年度数据分析了8个亚洲发展中国家的经济增长与出口之间的关系。在Granger因果关系分析范围内基于两步Engle-Granger，Johansen协整和误差修正模型对研究进行了分析。应用结果表明，受研究国家的出口与经济增长之间存在协整关系。
Hatemi-J和Irandoust（2000）曾对土耳其，希腊，爱尔兰，墨西哥和葡萄牙的出口增长假说进行了检索。他们在研究中应用了户田和山本方法。虽然土耳其和希腊的出口和产出之间并无因果关系，但从爱尔兰和墨西哥的出口到增长以及葡萄牙的增长和出口之间存在关联。
Zang和Baimbridge（2012）通过构建向量自回归模型（VAR），检验了韩国和日本的出口，进口和经济增长之间的关系。根据实证分析结果，得出的结论是每个国家的出口和经济增长存在双向因果关系。据发现，出口对韩国经济增长有负面影响，而出口对日本经济增长有积极影响。
Kesgingouml;z，Karamelikli（2015年）分析了1960 - 2011年期间使用ARDL约束检验的对外贸易，能源消耗和经济增长对土耳其二氧化碳排放的影响。根据测试结果，外贸与增长之间确定了长期关系的存在。外贸、能源消费和经济增长长期增加了环境污染。
Hameed等人，利用1973 - 2002年间的数据检验了出口对南亚国家经济增长的影响。 已完成的研究发现从出口到增长的因果关系。
Omotor（2008）曾使用绑定测试分析来分析尼日利亚经济的出口与经济增长之间的长期关系。在分析的结果中，虽然出口和人力正在积极影响增长，但汇率和进口率受到了负面影响。
Ajmi等人 利用格兰杰因果检验，利用1911-2011年间的数据检验了南非出口与经济增长之间的关系。作为研究的结果，他们发现了出口与增长之间的双向因果关系。
唐（2006）在ARDL的帮助下研究了基于出口的增长假说。作为研究结果，双向因果关系由出口到增长确定。
Al-Yousif（1997）研究了沙特阿拉伯，科威特，阿拉伯联合酋长国和阿曼在1973-1993年间的出口与经济增长之间的关系。根据分析结果，已经表明，两个变量之间存在着积极和有意义的关系。
3.分析
3.1数据集和方法
在这项研究中，利用1992 - 2015年期间的年度数据进行的面板数据分析，检验了参与欧洲经济联盟的5个国家的外贸对经济增长的影响。在研究中，每人的卷轴GDP，出口和进口数据被用作经济增长变量。该模型中使用的变量是从世界银行的世界发展指标数据库中获得的。
3.1.1跨部门依赖关系
曾与Peseran（2004年）的CDLM测试协商调查是否存在横截面依赖性。 当时间尺寸大于横截面尺寸时，用Breusch-Pagan（1980）CDLM1测试检验了横截面依赖性的存在; 当时间尺寸等于横截面尺寸时，Peseran（2004）CDLM2测试已经检查过，并且当时间尺寸小于横截面尺寸时，已经用Peseran（2004）CDLM测试进行检查。 当群体平均数不等于零时，这些测试是不合理的。 LM测试统计首先如下：
Peseran等人（2008）通过将方差和平均值加入检验统计量来调整了这一偏差。 出于这个原因，名称已被表示为校正LM测试（LMADJ）。LMADJ统计如下：
在研究中检查相交依赖参与的存在的横截面依赖性测试的无效和替代假设如下所示：
H0：没有横截面依赖性。
H1：存在横截面依赖性。
3.2实证分析结果
以下等式显示了关系的功能形式。
GDP = f（出口，进口） (5)
为了分析欧亚经济联盟集团国家对外贸易对经济增长的影响，采用面板数据分析方法预测的模型如下：
??????? = ?? ?1???????? ?2???????? ??? (6)
3.2.1均匀性和横截面相关性测试的结果
首先，在通过因果关系分析之前，已经通过Pesaran和Yamagata（2008）的delta测试研究了每个国家的斜率系数是均匀还是异质的。
Table 1. Homogeneity test of Pesaran and Yamagata (2008)
|
Test Statistic |
Probability |
||
|
delta_tilde |
14.175 |
0.000*** |
|
|
delta_tilde_adj |
15.466 |
0.000*** |
***, **, * have shown that null hypothesis was rejected at 1%, 5% and 10% significance level, respectively.
根据表1，由于德尔塔和校正德尔塔检验统计量的概率值小于0.05显着性水平，所以保留了斜率系数的零假设是均匀的。换句话说，斜坡参数在横截面之间已经改变，并且它们是异质的。
Table 2. Results of cross-section dependency test
|
Fixed Models |
GDP Stat. |
p-value |
exp Stat. |
p-value |
imp Stat. |
p-value |
|
|
CDlm (BP,1980) |
147.317 |
0.000*** |
33.467 |
0.000*** |
23.576 |
0.009*** |
|
|
CDlm(Peseran,2004) |
30.705 |
0.000*** |
5.247 |
0.000*** |
3.036 |
0.001*** |
|
|
CD (Peseran, 2004) |
-3.276 |
0.001*** |
-2.503 |
0.006*** |
-1.605 |
0.054* |
|
|
LMadj (PUY, 2008) |
10.865 |
0.000*** |
2.125 |
0.017** |
3.788 |
0.000*** |
Note. ***, **, * have shown that null hypothesis was rejected at 1%, 5% and 10% significance level, respectively.
表2显示了Breusch和Pagan（1980）的横截面相关性测试结果。从表2可以看出，对于构成模型（1）的所有变量，由于CDBP横截面依赖性检验统计量的概率值小于0.05显着性水平，所以指定没有横截面依赖性的零假设已被拒绝。在这种情况下，考虑到横截面依赖性并且可以同时应用于异构面板的第二代单元根检测将被用于检索序列的单位根规格。
3.2.2单位根测试结果
通过在特定时间段内收集横断面观察资料而形成的面板数据分析带来了时间序列规范和问题。如果在数据中发现单位根的存在，则在面板数据分析中显示出虚假回归问题。因此，在模型的预测阶段，搜索构成模型的系列是否具有单位根是非常重要的。表3显示了面板单元根检测结果，其中包括构成模型（6）的每个
剩余内容已隐藏，支付完成后下载完整资料
英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[282183]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
