我国高技术产业出口竞争力影响实证分析—基于省级面板数据
以下为《我国高技术产业出口竞争力影响实证分析—基于省级面板数据》的无排版文字预览，完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。
我国高技术产业出口竞争力影响实证分析—基于省级面板数据
（一）选题
目前，高技术产品在国际市场上的竞争力直接反映了一个国家的科技水平和综合国力，高技术产业已成为继传统制造业后新时代的支柱产业，尤其是中国在5G通信，高速列车，新基建等高技术产业领域的贸易竞争力发展迅速，极大促进了国内技术更迭换代与国际市场的开拓。然而，中国高技术产业的贸易竞争力与西方发达国家仍存在较大差距，由于起步晚和受打压严重，部分高技术产业正在艰难转型。在“中国制造2025”确定的重点扶持领域中，大部分都属于高技术产业五大行业的范畴，其战略地位可见一斑。研究中国高技术产业贸易竞争力的影响因素对于明确技术创新意义、规划差异化技术创新路线、实施非对称赶超战略推动高技术产业腾飞具有重要意义。
中国目前具有比较优势的产业依然是劳动密集型产业，其因低廉的劳动价格而获取的比较优势是容易被其他落后国家所替代甚至超越的。这种低层次的比较优势并不是中国在国际竞争中长久立足的根本。如今的国际市场，传统的劳动密集型产业已达到市场饱和的状态，中国劳动力密集型产业竞争优势被削弱。故在国际竞争越来越激烈，越来越依靠科技的情况下，中国应该顺应国际市场潮流，努力促进高技术产业的发展，来弥补劳动力密集型产业的竞争优势的不足。
国际贸易中的竞争由过去的价格竞争转换成如今的知识竞争，高技术产品贸易额对国际贸易总额的贡献度也越来越大。在此情况下，中国如能把握机遇，在发展传统产业的同时加大对高技术产业的投入与研发，提高其产品竞争力，将能改善中国在国际贸易竞争中的贸易条件，中国的经济实力和国际地位也能得到提升。高技术产业的发展会带动其他产业的发展，因为其是聚知识、技术、人才、资金于一身的产业，其发展离不开市场，科研，教育等，故其对其它产业具有很强的渗透作用。研究高技术产业贸易竞争力的影响因素，有利于提高该产业的竞争力意味着产业结构的升级以及其他产业的发展，从而带动我国经济的高效益运作。
（二）理论分析
本文涉及的指标为6个变量，其中解释变量分别是：直接利用外资额（）(单位为百亿)、R&D经费投入强度（）、R&D人员投入强度（），政府支持（）（单位为百亿），教育发展程度（）。其中直接利用外资额（）通过汇率换算和GDP平减指数平减消除汇率和物价因素的影响；R&D经费投入强度（）为R&D经费投入与主营业务收入的比值；R&D人员投入强度（）为R&D人员投入与行业从业人员的比值；政府支持（）为政府的财政科技拨款，经GDP平减指数平减消除物价因素所得；教育发展程度（）为普通高校的在校学生人数（单位为百万人）。所有变量预计是正向影响，被解释变量为贸易竞争力指数（）。
表1 变量选取
指标性质
变量符号
变量名称
预期符号
被解释变量
TC
(高新技术出口额-高新技术进口额)/(高新技术出口额+高新技术进口额)
解释变量
FDI
直接利用外资额
+
RDE
R&D经费投入与主营业务收入的比值
+
RDL
R&D人员投入与行业从业人员的比值
+
GS
政府的财政科技拨款
+
lnc
普通高校的在校学生人数
+
（三）数据说明
（1）数据的收集与整理
出于考虑数据的可得性和论文的可行性，本文研究的时间范围为2006-2019年，选择地域上把港澳台、西藏、某地、宁夏排除在外，其他28个省、自治区、直辖市都在研究范围之类内，共抽取392个样本。数据来源：2006-2019年《中国统计年鉴》，《中国科技统计年鉴》，《中国科技数据库》以及《EPS数据库》。
（2）数据的描述性统计
接下来对被解释变量与解释变量之间的关系进行散点图的绘制：
//
//
/
图1 散点图
可以看到，从数据趋势来看，所哟解释变量解释变量TC之间的关系均是呈现正向的线性趋势，但是线性趋势都是不够明显的。
接下来对本文所要用到建模的数据进行描述性统计了解到数据的基本情况：
表2 描述性统计
stats
N
mean
sd
p50
min
max
skewness
kurtosis
TC
392
-0.0212
0.3378
0.0438
-0.9574
0.8519
-0.8967
3.6410
FDI
392
77.2908
118.8324
28.5365
1.3504
876.1433
3.3531
17.9765
RDE
392
0.0794
0.0907
0.0653
0.0030
1.0802
7.9693
76.8447
RDL
392
0.0107
0.0076
0.0085
-0.0009
0.0458
1.4925
5.5633
GS
392
0.7453
1.0017
0.3755
0.0107
8.3819
3.5023
20.6068
ST
392
0.8442
0.4738
0.7511
0.0360
2.3197
0.6574
2.9532
TC的竞争力数值的均值未-0.0212，说明高技术产品的进口还是大于出口的，出口的竞争力还不够强某某，最小值为-0.9574，最大值为0.8519，大部分数值的标准差均是较大的，虽然已经将单位都尽量扩大，使数值尽量缩小，但是仍然数据的波动程度是较大的，因此，本文适合用异方差稳健形式的标准差进行估计，减少模型的残差可能产生的异方差性。
（四）模型设定和实证分析
（1）函数形式选取
接下来对数据进行线性回归，加入FDI的平方项的回归以及加入FDI和RDE的交互项的回归：
表3 函数形式变化的回归分析
线性
二次项
交互项
VARIABLES
TC
TC
TC
FDI
-0.0007***
-0.0000
-0.0020***
(0.000)
(0.000)
(0.000)
FDI2
-0.0000***
(0.000)
RDE
1.3465***
1.2718***
1.1538***
(0.228)
(0.223)
(0.205)
RDL
9.9898***
7.4701***
6.0833***
(1.925)
(2.140)
(2.090)
GS
0.0687***
0.0878***
0.0763***
(0.019)
(0.020)
(0.017)
ST
0.2545***
0.2543***
0.2579***
(0.030)
(0.030)
(0.029)
FDIRDE
0.0209***
(0.005)
Constant
-0.4448***
-0.4561***
-0.4143***
(0.042)
(0.042)
(0.044)
Observations
392
392
392
R-squared
0.3887
0.4004
0.4025
r2_a
0.3808
0.3910
0.3932
F
32.6465***
28.3106***
42.4175***
注：***，**，*分别表示在0.01，0.05，0.1的显著性水平下显著。括号内为异方差稳健形式的标准差。
线性回归中，所有变量均是显著的，加入二次项的回归中，二次项和一次项系数是一致的，因此，还是线性的关系，加入交互项某某，FDI*RDE是显著的，说明RDE的增加能够有效减少FDI对被解释变量的负向影响，但是由于交互项不是本文的研究目的，因此，采用线性模型进行估计。
（2）采用混合截面分析方法分析数据
采用混合截面分析方法分析数据，并加入异方差稳健形式的标准差：
表4 混合截面回归
混合截面估计
VARIABLES
TC
FDI
-0.0007***
(0.000)
RDE
1.3465***
(0.228)
RDL
9.9898***
(1.925)
GS
0.0687***
(0.019)
ST
0.2545***
(0.030)
Constant
-0.4448***
(0.042)
Observations
392
R-squared
0.3887
r2_a
0.3808
F
32.6465***
注：***，**，*分别表示在0.01，0.05，0.1的显著性水平下显著。括号里面为异方差稳健形式的标准差。
混合截面估计结果：模型的R方为0.3887，调整R方为0.3808，多于一个解释变量的时候用调整R方来判断模型的拟合优度，模型拟合优度不高，这也是由于数据的波动比较大，面板数据不如时间序列的拟合优度是可以接受的，F检验值为32.6465，在0.01的显著性水平下显著，因此，模型通过检验，FDI、RDE、RDL、GS、ST均存在有显著的影响，且除了FDI外，均存在有显著的正向影响，FDI则存在有显著的负向影响，由于还没用面板数据进行估计，因此，混合截面的估计方法不一定是最终的回归结果。
3.面板回归分析
接下来对数据分别进行个体固定效应模型、时间固定效应模型、个体+时间固定效应模型，得到如表5所示结果：
表5 固定效应模型
个体固定效应
时间固定效应
个体+时间固定效应
VARIABLES
TC
TC
TC
FDI
-0.0012***
-0.0007***
-0.0014***
(0.000)
(0.000)
(0.000)
RDE
1.2072***
1.3351***
0.9856***
(0.207)
(0.225)
(0.192)
RDL
-1.4721
9.6324***
-4.6437*
(2.080)
(1.975)
(2.451)
GS
0.1156***
0.0653***
0.1232***
(0.023)
(0.019)
(0.022)
ST
0.3480***
0.2508***
-0.0026
(0.057)
(0.032)
(0.102)
dis2
-0.4450***
-0.5048***
(0.078)
(0.077)
dis3
-0.5453***
-0.6488***
(0.108)
(0.109)
dis4
-0.7020***
-0.7279***
(0.069)
(0.073)
dis5
-1.0561***
-1.1004***
(0.066)
(0.073)
dis6
-0.6268***
-0.4208***
(0.083)
(0.087)
dis7
-0.3368***
-0.3621***
(0.053)
(0.061)
dis8
-0.6114***
-0.4768***
(0.098)
(0.095)
dis9
-0.6517***
-0.2297*
(0.086)
(0.124)
dis10
-0.3707***
-0.3785***
(0.077)
(0.077)
dis11
-0.5421***
-0.1292
(0.089)
(0.117)
dis12
-0.3509***
-0.3622***
(0.069)
(0.066)
dis13
-0.2074***
0.2585*
(0.065)
(0.132)
dis14
-0.4163***
-0.3282***
(0.076)
(0.073)
dis15
-0.2904***
-0.1115
(0.077)
(0.079)
dis16
-0.7077***
-0.3665***
(0.099)
(0.117)
dis17
-0.2180***
-0.0521
(0.058)
(0.064)
dis18
-1.0234***
-1.2172***
(0.063)
(0.082)
dis19
-0.5280***
-0.2820***
(0.084)
(0.092)
dis20
-0.4940***
-0.3286***
(0.078)
(0.077)
dis21
-0.4661***
-0.5611***
(0.090)
(0.089)
dis22
-0.3242***
-0.2887***
(0.058)
(0.058)
dis23
-0.2109**
-0.2987***
(0.082)
(0.089)
dis24
-0.3869***
-0.2824***
(0.055)
(0.056)
dis25
-0.4081***
-0.4142***
(0.076)
(0.072)
dis26
-0.6369***
-0.5255***
(0.082)
(0.075)
dis27
-0.7954***
-0.9863***
(0.128)
(0.116)
dis28
-0.7711***
-0.7455***
(0.090)
(0.081)
YEAR2
-0.0105
0.0232
(0.077)
(0.042)
YEAR3
-0.0412
0.0223
(0.077)
(0.043)
YEAR4
-0.0703
0.0222
(0.077)
(0.046)
YEAR5
-0.0577
0.0556
(0.076)
(0.050)
YEAR6
-0.0376
0.0836*
(0.074)
(0.051)
YEAR7
0.0261
0.1725***
(0.072)
(0.049)
YEAR8
0.0423
0.1776***
(0.081)
(0.058)
YEAR9
0.0663
0.2240***
(0.075)
(0.055)
YEAR10
0.0175
0.1884***
(0.078)
(0.058)
YEAR11
-0.0000
0.1768***
(0.080)
(0.062)
YEAR12
-0.0079
0.1986***
(0.081)
(0.063)
YEAR13
-0.0157
0.2084***
(0.077)
(0.067)
YEAR14
-0.0169
0.2431***
(0.081)
(0.085)
Constant
0.1187*
-0.4291***
0.2636***
(0.061)
(0.065)
(0.078)
Observations
392
392
392
R-squared
0.7869
0.4001
0.8110
r2_a
0.7679
0.3711
0.7864
F
93.2066***
10.1814***
45.5392***
注：***，**，*分别表示在0.01，0.05，0.1的显著性水平下显著。括号内为异方差稳健形式的标准误。
经过检验进行判断个体固定效应和时间固定效应是否存在：
/
图2 省市固定效应检验
其中，F值为66.01，对应的p值为0.0000，小于0.01，因此，拒绝所有个体即省市虚拟变量为0的原假设，个体固定效应是存在的，适合用面板数据的估计方法进行估计。
接下来检验年份即时间效应是否存在：
/
图3 年份固定效应检验
F值为0.57，对应的p值为0.8750，大于0.05，即接受时间效应的所有虚拟变量系数为0的原假设，因此，时间固定效应是不存在的。
接下来用软件自带的命令进行固定效应模型的估计：
表6 个体固定效应模型
个体固定效应模型
VARIABLES
TC
FDI
-0.0012***
(0.000)
RDE
1.2072***
(0.247)
RDL
-1.4721
(2.937)
GS
0.1156**
(0.046)
ST
0.3480***
(0.090)
Constant
-0.3857***
(0.067)
Observations
392
Number of prov
28
R-squared
0.5241
r2_a
0.5179
F
60.9919***
注：***，**，*分别表示在0.01，0.05，0.1的显著性水平下显著。括号内为异方差稳健形式的标准误。
（五）模型选择与评价
接下来将混合截面估计，个体固定效应模型、时时间固定效应模型、个体+时间固定效应模型进行估计列表综合：
表7 综合模型选择
混合截面
个体固定
时间固定
个体+时间
VARIABLES
TC
TC
TC
TC
FDI
-0.0007***
-0.0012***
-0.0007***
-0.0014***
(0.000)
(0.000)
(0.000)
(0.000)
RDE
1.3465***
1.2072***
1.3351***
0.9856***
(0.228)
(0.247)
(0.225)
(0.220)
RDL
9.9898***
-1.4721
9.6324***
-4.6437
(1.925)
(2.937)
(1.975)
( 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 漏变量偏差：本文选择了5个方面对高技术产品的出口竞争力进行研究，控制了个体效应，尽量减少遗漏变量可能会带来的不良影响。
回归函数形式偏误：本文进行了二次项、交互项等模型的实验，并根据研究目的确定最终模型，减少回归函数形式偏误可能带来的不好的影响。
变量有测量误差：本文的数据从各个年鉴获得，存在原始数据统计的时候的测量误差，该误差不可避免，尽量避免处理的时候造成的误差。
缺失数据和样本选择：由于高技术产品出口竞争力某些省份是不好计算的，且存在异常值，因此，本文选择了28个省市的数据进行研究。
双向因果关系：解释变量和被解释变量存在双向因果关系是比较常见的，这个需要准确找到解决方法，解决模型产生的内生性问题。
学术评价
本文运用各种检验，散点图了解数据的基本情况，描述性统计了解数据的基本情况，并进行了混合截面估计，面板数据的估计，检验了最优模型即面板数据的个体效应是否存在，时间效应是否存在，最终得到比较合适的模型，但是本文没有尽心更多的检验，比如固定效应模型和随机效应模型哪个适合本文的研究，以及双向因果关系没有进行解决，因此，存在一定的缺陷，但是仍然是一个相对完整的实证研究。
[文章尾部最后500字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
- 高技术产业（服务业）分类
- 《国际商务》复习题
- C语言 笔记
- 实验一 EViews软件的基本操作
- 请根据课程内容学习与自己的理解简要回答下列问题
- -学年度高二年级上学期期中考试B卷
- JAVA练习题
- 实验设计中控制变量题例析
- 大学教学上机实验报告
- 反比例函数教学设计
- 北师大版必修三《循环结构》课件
- 2010-2011 学年第一学期期末试卷-A 卷 概率论与数理统计 B
- 技术创新与中国对外贸易竞争力的关系
- 邹检验与虚拟变量实验报告
以上为《我国高技术产业出口竞争力影响实证分析—基于省级面板数据》的无排版文字预览，完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。