首页 > 范文大全 > 正文

人民币汇率变动对中国FDI的影响

开篇:润墨网以专业的文秘视角,为您筛选了一篇人民币汇率变动对中国FDI的影响范文,如需获取更多写作素材,在线客服老师一对一协助。欢迎您的阅读与分享!

摘要:基于1997年1月以来的月度数据,从总量和分国别角度分别对人民币汇率变动的FDI效应进行实证检验,分析人民币汇率变动对中国fdi流入的影响。实证分析表明:中国需要进一步推进人民币汇率形成机制改革,确定改革人民币单盯住某一种货币(如美元)变化的汇率机制,以缓解汇率变动引致来自部分国家FDI流入急剧变化的负面影响。

关键词:人民币汇率;外商直接投资;面板数据模型

中图分类号:F822.2 文献标识码:A 文章编号:1003-3890(2009)10-0074-07

一、引言

汇率对外商直接投资的影响,国外研究文献较为丰富。在理论模型方面,从对McCulloch(1989)基于汇率服从随

机游走假设和Blonigen(1997)基于市场完备假设建立的理论模型的质疑出发,出现了两类关于汇率变动对FDI的直接影响的理论模型:一类模型基于非完备市场假设,代表有Froot和Stein(1991);另一类模型基于汇率均值回复运动假设,代表有Rajesh Chakrabarti和 Barry Scholnick。前者模型结论认为,货币贬值将促进FDI增加;后者推论:本国货币升值将引起直接投资流入减少,且资本流入减少与本币升值是非线性关系,边际影响递增。可以看出,两者结论均认为汇率升值对FDI流入有负面影响。部分实证研究也支持上述结论。Caves(1989)、Froot,Stein和Swenson(1994)、Blonigen均发现美元贬值对美国FDI流入有明显的促进作用;Rajesh Chakrabarti 和Barry Scholnick用汇率的三阶矩偏峰度表示大的汇率冲击,以20个OECD国家为研究对象,发现大的汇率贬值冲击会引起直接投资流入增加。而Ray(1989)、Stevens(1992)、Paul M. Healy和Krishna G. Palepu(1993)则没有发现汇率变动对直接投资流动的影响。Kosteletou等(2000)从理论和经验研究两个层面探讨了FDI与实际汇率之间的关系,认为实行浮动汇率制的大国(美国、日本等),实际汇率变动是FDI流动的原因,而在那些实行固定或者“准”固定汇率制的国家,实际汇率与FDI之间的关系是双向的,这与这些国家注重贸易自由化有关。

在国内研究中,关于汇率对外商直接投资的影响,孙霄等(2006)建立了理论模型并实证检验了不同类型外商直接投资受人民币汇率变动影响的可能性和影响程度。理论模型证明人民币升值会促进市场导向型FDI,抑制成本导向型FDI。实证分析结论指出,人民币一定程度的升值不会对中国的FDI产生负面影响。王义中等(2006)利用协整和误差修正模型研究了外商直接投资与人民币实际汇率之间的关系,并通过VAR模型分析了人民币实际汇率升值的有关政策。研究发现:中国FDI主要流入到贸易品部门,在短期内不会对人民币实际汇率产生影响,而长期会导致实际汇率升值。短期内冲销干预是一个较好的抑制升值的政策,但长期而言该政策是无效的。从长期看,面对国外资本大量流入中国,放松资本流出、鼓励本国企业“走出去”是抵制升值的最有效政策。总体而言,汇率变动对FDI有怎样的作用机制和影响程度,国内研究尚较少见,明晰的理论模型和明确的实证检验均较欠缺。

二、中国FDI流入与人民币汇率变动情况

(一)中国的FDI流入情况

自20世纪90年代,尤其是1994年以来,外商直接投资(FDI)在中国经济发展中扮演了重要的角色。2001年11月份中国成为世界贸易组织(WTO)的正式成员,更进一步刺激了外商投资的发展,不仅利用外资的规模迅速增长,利用外资的方式也更趋多样。外商投资改善了国内投资环境和国内公司的治理水平,同时也拉动了中国对外贸易,从而促进了中国经济的快速增长。

根据有关统计数据,1995年中国FDI为375.21亿美元,1997年增加到452.5亿美元,2005年增加到603.25亿美元,2008年增加到923.85亿美元。1997-2008年年均增速为6.7%,其中1997-2005年年均增速为3.66%,2005-2008年年均增速为15.27%。显然,2005年汇改以来,伴随人民币逐步升值,中国FDI表现出更快的增长速度。

从分国别(地区)的FDI流入情况看,来自各国(地区)的FDI呈现两个明显的波峰。第一个为1997年,其中增幅最大的为来自韩国的FDI,全年FDI为214亿美元,年度增幅达57.35%,其次为来自日本的FDI,全年FDI为433亿美元,比上一年增加17.66%。第二个波峰在2003-2005年,其中2005年增幅最大的为来自欧盟的FDI,全年FDI为564亿美元,比上一年增加62.04%,其次为来自日本的FDI,全年FDI为653亿美元,增幅达19.78%。2008年各国(地区)对中国的投资又开始增加,增幅最大的为来自新加坡的FDI,全年FDI为444亿美元,增幅达39.27%,其次为来自欧盟的FDI,全年FDI为499亿美元,增幅达22.06%(具体情况如图1、图2所示),其中FDI为外商直接投资,RFDI为FDI的年度增长率,后缀TW、JP、SG、KR、MLA、US和EU分别表示中国台湾、日本、新加坡、韩国、马来西亚、美国和欧盟,后文相同。

1997年以来,中国FDI流入量一直处于相对比较稳定的水平,增速较为缓慢。2005年汇改之后,月度FDI流量明显增加,波动剧烈。2005年9月FDI为52.54亿美元,同比增长31%,10月FDI为51.46亿美元,同比增长806%,12月FDI为192.79亿美元(含有季节性因素),同比增长528%。2006年以后FDI的波动依然很大,但是同比增长率比汇改之初有所减少(具体情况如图3、图4所示),其中FDIS为FDI累计值,RFDI为FDI的月度同比增长率。

(二)人民币汇率变动情况

我们借用国际清算银行公布的人民币有效汇率指数来分析人民币汇率的变动情况。1994年以来人民币有效汇率指数走势具体情况如图5所示,其中REER表示人民币实际有效汇率指数,EER表示名义有效汇率指数。

从图5中可以看出,自1994年1月―2002年2月人民币名义有效汇率基本上处于升值阶段,1994年1月人民币名义有效汇率指数为68.83(2000年=100,下同),2002年2月升为108.80,升幅达58.07%;随后人民币名义有效汇率开始贬值,最低为2005年4月的87.86;2005年7月人民币汇率改革以来人民币名义有效汇率开始升值,至2008年11月最高点时为113.19,相对于2005年7月汇改时的90.86已升值24.58%;2008年12月份,人民币名义有效汇率为110.49,较上月下降2.38%,相对于2005年7月汇改时上升21.6%,相对于1997年1月的85.81上升了28.76%,相对于1994年1月上升了60.53%。

从人民币实际有效汇率来看,1994年1月人民币实际有效汇率指数为78.03,2002年2月升为109.94,升幅达40.89%;随后人民币实际有效汇率开始贬值,最低为2004年12月的91.38;2005年7月人民币汇率改革以来人民币实际有效汇率开始升值,2008年11月最高点时为114.38,相对于2005年7月汇改时的95.5已升值19.77%;2008年12月份,人民币实际有效汇率为111.57,较上月降低2.5%,相对于2005年7月汇改时上升16.83%,相对于1997年1月的93.84上升了18.89%,相对于1994年1月上升了42.98%。从1997年1月到2008年12月,人民币实际有效汇率指数升幅低于名义有效汇率指数约10%。

三、总量视角的单方程估计与分析

由一般的理论分析,汇率主要通过成本效应、财富效应等渠道来影响FDI。同时,对市场导向型FDI来说,除了上述渠道外,汇率变动还会通过影响外资企业的实际收入(以外币计)从而影响FDI。本文借鉴Goldberg和Klein(1997)、孙霄等(2006)等的做法,对人民币汇率对中国FDI的影响进行实证检验。在实证检验中还控制了国内收入、国外收入的影响。基于上述分析,我们构造如下基本回归方程:

其中FDI为外商直接投资、REER为人民币实际有效汇率、Y为国内收入、Y*为国外收入、?滋为随机扰动项。

以往大多实证研究用的都是年度或季度数据,它的缺点就是时间跨度较短,且数据加总后丧失了许多有用信息。为更好地揭示变量间的关系,本文采用月度数据,总量数据的样本区间为1997年1月―2008年12月。对于人民币实际汇率,由于人民币同某一国家的双边汇率并不能反映人民币整体的变动情况,我们采用BIS计算经过中国与贸易伙伴国的贸易额为权重加权后的多边人民币实际有效汇率(间接法)指数。对于国民收入,由于没有月度国民收入数据,我们用工业增加值来代替。中国的月度工业增加值指数计算方法如下:选定2000年为基期,根据2000年各月名义工业增加值和CPI指数确定各月的工业增加值指数数值,以此为基准再根据可得到的各月工业增加值同比增长率算出月度工业增加值指数。国外工业增加值指数的算法如下:用中国最大的7个贸易伙伴国(地区)的贸易量为权重经过几何平均得出它们的工业增加值指数,以此来代替世界工业增加值指数①。FDI数据以人民币计价并用CPI指数调整为实际值。所有的数据都用X12法进行了季节性调整,且在变量平稳性检验和模型估计时均取自然对数。人民币实际有效汇率来自国际清算银行网站,其它数据来自亚洲经济数据库(CEIC)。除非另有说明,本文中变量的检验和模型的估计均在Eviews6.0下进行。

对(1)式包含的所有变量进行单位根检验(见表1),结果显示FDI变量为平稳序列,其他变量均为1阶单整序列。接着对单位根变量(REER,Y,Y*)进行Johansen协整检验,结果表明它们之间存在着一种协整关系(见表2),所以在对(1)式进行估计时可避免“伪回归”问题,从而得到变量间的长期均衡关系。

Hendry(1978)提出的自回归分布滞后(ARDL)方法是建立误差修正模型(ECM)的有效方法。由于我们使用的是月度数据,考虑到各变量间的相互作用,模型估计时设定最大滞后阶数为13。对一般模型通过回归估计逐步剔除那些不显著的变量,同时得到的残差项应不存在自相关。最后得到一个简化模型,对其进行变换便可得到变量之间的长期均衡关系。本文使用Oxmetrix软件进行估计,结果如表3所示。结果显示,从长期来看,人民币实际有效汇率和国外收入对中国FDI的影响很小且不显著。本国收入对FDI的影响显著,本国国内收入每增加一个百分点会引致FDI增加0.418%。

考虑到FDI、汇率、国内收入和国外收入的相互作用,我们同时建立VECM模型来分析后三者对FDI的影响。对VECM模型的估计结果进行脉冲反应分析和方差分解分析。

脉冲反应显示人民币有效实际汇率升值会马上导致FDI增加,且在第3个月达到最大,5个月以后对FDI影响转变为负效应。本国国内收入的冲击效应为正且在第3个月达到最大。外国收入的冲击效应为负(如图6所示)。方差分解表明FDI受它前期的影响较大。汇率和收入对FDI的波动影响较小(如图7所示)。

四、分国别视角的面板数据模型估计与分析

总量数据模型的估计结果显示在长期汇率对FDI没有显著影响,这可能是由于加总的数据使人民币汇率对来自不同国家(地区)的FDI的不同影响相互抵消。第二部分给出的各个国家(地区)的FDI变化情况也可以佐证这一点。面板数据模型可以克服这一缺点,它能够有效地发掘汇率变化对来自不同国家(地区)FDI的影响,从而使分析更加有效,使研究更加有针对性,研究结论更能反映真实情况。本部分我们从分国别的角度来探讨人民币汇率变化对FDI的影响。选择的样本国家(地区)包括真实FDI主要来源国(地区)美国、欧盟、日本、中国台湾、韩国、新加坡和马来西亚。面板数据模型的解释变量的选择同(1)式一致,对模型形式我们设定如下:

其中FDI为外商直接投资、RER为人民币双边实际有效汇率、Y为国内收入、Y*为外国收入、?滋为综合扰动项,下标i表示第i个样本国(地区)、t表示时期。

由于统计数据本身原因,2006年1月份之前,FDI分国别数据均为季度数据或年度数据,之后才有详细的分国别月度数据。为以月度数据为准进行建模分析,我们按照2006年、2007年和2008年三年的各季度(年度)内各月FDI之间的平均比例关系对2006年之前的季度(年度)FDI数据进行拆分,以此来近似得到各国(地区)对中国的月度直接投资额,最终得到1994年10月―2008年12月期间的分国别(地区)的FDI月度数据(其中,日本的样本区间为1996年1月―2008年12月,马来西亚的样本区间为1998年4月―2008年12月,欧盟的样本区间为1999年1月―2008年12月)。对于国民收入,由于没有月度国民收入数据,我们用工业增加值来代替。FDI数据以人民币计价,并用CPI指数调整为实际值。所有的数据都用X12法进行了季节性调整,且在变量平稳性检验和模型估计时均取自然对数。分国别的数据来自亚洲经济数据库(CEIC)。

以下首先对式(2)包含的各变量进行面板单位根检验,结果表明FDI变量为平稳序列,RER和Y*为一阶单整序列(见表4)。然后对非平稳变量(RER,Y,Y*)进行协整检验,面板ρ统计量和面板PP统计量在1%的水平下、面板ADF统计量在10%的水平下拒绝了原假设,所以可以认为它们存在着协整关系(见表5)。因此对面板模型(式2)可以进行估计以求出其长期均衡关系。面板模型的一个首要问题是选择固定效应或是随机效应,我们通过Hausman检验和冗余固定效应(Redundant fixed effect)检验共同判断。Hausman检验结果(见表6)表明模型选择随机效应还是固定效应对系数的影响很小(其P值为0.111),所以在10%的显著性水平下不能拒绝模型为随机效应的原假设。但是冗余固定效应检验(见表7)显著地拒绝了固定效应是冗余的原假设,说明模型存在着固定效应。综合以上两种检验结果我们认为应当选择固定效应面板模型。在选定固定效应的基础上Chow检验(见表8)表明面板模型的解释变量应当取变系数。确定了面板模型的具体形式,我们用Eviews6.0软件对其进行估计,结果如表9所示。

面板模型估计结果表明,除新加坡外,中国与其它国家(地区)的双边实际汇率对来自该国的FDI都有负作用。弹性系数最大的为美国,达到-1.986,这表明中国对美国双边实际汇率每升值1%,来自美国的FDI会减少1.986%;新加坡的系数为0.841,这表明中国对新加坡双边实际汇率每升值1%,来自新加坡的FDI会增加0.841%;日本的弹性系数为-1.111,马来西亚的为-0.728,这表明人民币双边实际汇率升值对来自日本和马来西亚的FDI投资都有负作用,但是作用程度小于美国;人民币双边实际汇率变化对来自欧盟、韩国和中国台湾地区的FDI影响不明显。国内收入和国外收入对FDI的影响除美国外几乎都不显著,国内收入对来自美国的FDI的影响为负,其弹性系数为-0.702,而美国国民收入的弹性系数为2.442,这说明美国国民收入每增加1个百分点,来自美国的FDI增加2.442个百分点。

五、结论与政策含义

本文对中国FDI受汇率变动影响的实证检验从总量和分国别角度分别进行了单方程估计和面板模型估计,得出了一些有重要启示价值的结果。

中国总量FDI与可能影响因素之间的ECM模型估计结果显示,从长期来看,实际有效汇率和国外收入对FDI的影响很小且不显著。这与孙霄等(2006)的研究结论近似。VECM模型的脉冲反应显示人民币有效实际汇率升值会马上导致FDI增加,且在第3个月达到最大,5个月以后对FDI影响转变为负效应。方差分解表明FDI受它前期的影响较大。汇率对FDI的波动影响较小。

虽然总量上FDI受汇率变动的影响不显著,但分国别研究却提供了不同的证据,揭示了更为丰富的信息。分国别面板模型估计结果表明,除新加坡外,中国与其它国家(地区)的双边实际汇率升值对来自该国的FDI都有负作用,弹性系数最大的为美国,中国对美国双边实际汇率每升值1%,来自美国的FDI会减少1.986%;日本的弹性系数为-1.111,马来西亚的为-0.728,这表明人民币双边实际汇率升值对来自日本和马来西亚的FDI都有负作用,但是作用程度小于美国;人民币双边实际汇率变化对来自欧盟、韩国和中国台湾的FDI影响不明显;人民币双边实际汇率对来自新加坡的FDI弹性系数为正,数值为0.841,显示出不同的影响证据。

上述实证证据揭示,中国需要进一步推进人民币汇率形成机制改革,确实改变人民币单一盯住某一种货币(如美元)变化的汇率机制,以缓解汇率变动导致来自部分国家FDI流入急剧变化的负面影响。当然,中国的FDI政策更需要随着内外部环境的变化进行方向性调整,在保持汇率调整循序推进的情况下,各种不计成本的FDI鼓励性政策也可以逐步退出。虽然人民币汇率变动对总量FDI的影响不显著,但人民升值预期却对国外资金以隐蔽或伪装的方式进入中国具有极大诱惑,而这在FDI上无法得到体现。因此,中国还需要密切监测各种游资和FDI的变化,提供更为详实的FDI等资本流入数据,为考察汇率变动的FDI效应和资本流入效应提供充分依据,及时防范外源资本急剧波动的风险。

注释:

①这七个贸易伙伴国(地区)分别为:美国、欧盟、日本、韩国、中国台湾、马来西亚和新加坡。在指数的计算中本文参考了BIS计算各国实际有效汇率的方法。

参考文献:

[1]孙霄,刘士余,宋逢明.汇率调整对外商直接投资的影响――基于理论和实证的研究[J].数量经济与技术经济研究,2006,(8).

[2]王义中,金雪军.外商直接投资、实际汇率升值与政策选择[J].数量经济与技术经济研究,2006,(8).

[3]McCulloch R.(1989), Japanese Investment in the United States, in D. Audretsch and M. Claudon eds., The internationalization of U.S markets, New York University Press,171-197.

[4]Froot Kenneth A. and Stein Jeremy C.(1991), Exchange rate and Foreign Direct Investment: An Imperfect Capital Markets Approach, Quarterly Journal of Economics, November

[5]Rajesh Chakrabarti and Barry Scholnick, Exchange Rate Expectations and FDI Flows, Working Paper, University of Alberta.

[6]Ray E.(1989), The Determinats of Foreign Direct Investment across China, Journal of International Money and Finance,21.

[7]Stevens G.(1992), Exchange Rates and Foreign Direct Investment: A Note, International Finance Paper, No.444, Board of Governors of the Federal Reserve System, Washington D.C.

[8]Bruse A.Blonigen(1997), Firm Specific Assets and the Link between Exchange Rates and Foreign Direct Investment, American Economic Review, Vol.87.

[9]Caves, Richard E.(1989), Exchange Rate Movements and Foreign Direct Investment in the United States, in D. Audretsch and M. Claudon eds., The internationalization of U.S markets, New York University Press,199-228.

[10]Nikolina Kosteletouand and Panagiotis Liargovas P.(2000), Foreign Direct Investment and Real Exchange Rate Interlinkages, Open Economics Review 11:135-148.

[11]Goldberg, L.S. and M.W. Klein(1997), Foreign Direct Investment, Trade and Real Exchange Rate Linkages in Southeast Asia and Latin America, NBER Working Paper, 6344.

[12]Jaime Marquez and John W. Schindler(2006), Exchange-Rate Effects on China's Trade: An Interim Report, Board of Governors of the Federal Reserve System International Finance Discussion Papers, 861.

[13]Manuchehr Irandoust, Kristin Ekblad and Johan Parmler, Bilateral trade flows and exchange rate sensitivity:Evidence from likelihood-based panel cointegration, Economic Systems 30: 170183.

Effect of the RMB Exchange Rate Change on China's FDI

Li Wenjun1, Zhang Weiwei2

(1.Institute of Quantitative Economy and Technical Economy, Chinese Academy of Social Soiences, Beijing 100732, China;

2. School of Graduate, Chinese Academy of Social Sciences, Beijing 100732, China)

Abstract: Based on monthly data since Jan. 1997, we empirically test the impacts of RMB exchange rate on China's FDI from the aspect of gross and nations (regions), which is done respectively by single equation estimation and panel data model. Some enlightening evidences are found. We should push the mechanism reform of RMB exchange rate form, ensure the pegged exchange rate to resolve the negative change of partly nation's FDI caused by the exchange rate change.

Key words: RMB exchange rate; foreign direct investment; panel data model