中国资本外逃的成因解释与计量分析

中国资本外逃的成因解释与计量分析
内容提要：
本文在对资本外逃做出定义的基础上，通过测算资本外逃数据，试图通过建立修改计量模型对资本外逃产生的原因做出计量经济学解释。

对资本外逃的传统解释是利率差异，经济和政治风险以及外债负担，但我们发现这些都不足以解释中国资本外逃，更重要的因素与转型经济下特殊情况有关，即长期对外资的优惠以及证券市场的特殊性等。

关键词：
资本外逃计量经济
一、资本外逃的定义
对于什么是“资本外逃”目前理论界尚无统一的标准，不过有一点是可以肯定的：它是一种非正常的资本流动。

我们综合Kindleberger（1937年）、Dooley(1986年)和Cuddington（1986年）提出的三种定义，将资本外逃解释为“违背实际利率指向的出于逃避风险、规避管制、投机套利考虑的资本非正常外流”。

二、1991——2003年间中国资本外逃规模测算方法选择
（一）、直接法
直接法又被称为卡廷顿法或国际收支平衡表法，是通过一个或几个对国内异常风险反应迅速的短期资本外流项目来估计资本外逃额。

测算公式：资本外逃=错误与遗漏项+私人非银行部门短期资本流出
这种方法具有两个缺陷：一是对资本外逃的估计范围过于狭窄，仅包括短期资本外逃，没有包括在二级市场上具有较强流动性的、可以作为短期资本替代品的长期资本外逃（李心丹，钟伟，1998）；二是错误与遗漏项中即包括未记录的资本流动，也包括了实际意义上的统计误差。

（二）、间接法
间接法又称为世界银行法或剩余法，是通过国际收支平衡表中四个项目的剩余部分来间接地对资本外逃额进行估计。

测算公式：资本外逃=经常项目顺差+外国直接投资净流入+外债增加-储备资产增加
经常项目顺差、外国直接投资净流入和外债增加属于东道国的“资金来源”，而外汇储备增加属于东道国的“资金运用”，当“资金来源”大于“资金运用”时，就意味着发生了资本外逃，这是间接法的基本思路。

间接法在一定程度上弥补了直接法的缺陷，但是产生了新的问题：一是它无法反映通过经常项目虚假交易进行的流动额，因此间接法夸大了资本外逃的规模。

本文从简便计，不采用更为精确的摩根公司法和克莱因法，而是运用直接法和间接法两者平均计算出的资本外逃量作为模型中的应变量。

表1 我国1991—2003年资本外逃数额(单位:亿美元)
年份1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 直接67.43117.39133.72134.77173.22164.80257.27287.52241.35183.18-85.42-114.97-395.9间接101.79243.79236.95181.58267.66233.55503.56790.86499.30471.79318.1679.55-16.49平均84.61180.59185.335158.175220.44199.175380.415539.19370.325327.485116.37-17.71-206.195
三、资本外逃的成因
我们查找到的很多文献都对资本外逃给出了的原因，这里结合中国的实际情况一一加以剖析。

（一）、逃避风险
“风险”一方面是指通货膨胀引起的风险：一国通货膨胀率较高会降低资本的实际收益率，产生货币贬值预期，从而刺激人们实行货币替代行为来规避风险。

我们用中美通胀率之差来衡量这种因素；
另一方面，风险指投资收益风险，因为股市的剧烈波动可能会使人们对未来经济走势产生悲观预期，
从而出于规避投资风险的考虑而把资本转移到国外。

我们采用Garman-klass(1980)第Ｔ日方差估计式来
计算股市波动率，其中ut、dt、ct分别表示第
Ｔ日股价的最高值、最低值和开盘价减去收盘价值差，并以股市波动率来衡量这种因素。

（二）、规避管制
“管制”一方面指外汇管制：人们为了保留今后用汇的灵活性，不愿意将外汇汇回国内或保留在国内的现象，被称之为“老鼠夹子效应”。

而我国96年经常项目下实现可自由兑换，但是恰恰相反的
是资本外逃更严重了，所以“老鼠夹子效应”不能解释我国资本外逃的变化；另一方面，管制指的是
国家政策的管制，即金融压抑：发展中国家金融压抑（Financial Repression）的一个重要表现在于
其实际利率往往低于发达国家,这样的利率差往往导致发展中国家国内储蓄外流。

但是中国的利率还没
有完全市场化，并且中国居民储蓄更多是为了应付未来的不确定性，而不是投资理财的需要，因此利
率差异不应该用在这里解释资本外逃。

（三）、外债负担
一些转型国家出现的资本外逃情况，很大程度上是由于连年增加的外债（如俄罗斯、巴西），因为外债的增加作为一项主要的资金来源对资本外逃起着较显著的推动性作用。

我们将外债余额做为一个
变量来解释资本外逃。

（四）、外资制度
我国自改革开放以来为大力吸引外资对其开列了一系列优惠条件，使其享有“超国民待遇”，主要表现在税收、外汇政策、地方性优惠、产业政策、银行金融支持乃至市场准入多个方面。

大力吸引外
资发展经济是好事，但是却造成了内外资不平等，同时相关法律法规的实施与监督不尽严格，这样就
会有人利用制度漏洞产生“寻租行为”：中、外方合谋，以高报外方实物投资价值或中方替外方垫付投
资资金的方式，通过设立合资企业向境外转移境内资产或权益；同时，由于一些社会中介机构为外商
投资企业虚假验资，产生外商直接投资高报。

这些虚增投资最终都会以利润汇回或以清盘形式要求换
汇汇出，资本先流入再流出，从而形成迂回的资本外逃。

我们用外商直接投资（FDI）的数据来衡量这
种原因的资本外逃。

（五）、保护私有产权，隐藏不法收入
资产所有者愿意为资产保密付出代价，从而要求寻找最佳“避风港”的投资地点。

这些投资者的收入既有合法的，也有非法所得。

在我国上世纪关于保障私有产权的法律和制度安排尚不健全时，很多人宁愿将财产转移到西文发达国家；还有一部分贪污、腐败、受贿者，以及侵吞国有资产者出于藏匿证据和逃避惩罚的目的而将资产转移到国外，都造成了资本外逃。

但是由于这部分统计资料难于查找并且即使是估算也难免会带有很大的主观性，因此，我们没有对这部分进行量化，但我们认为此部分是值得重视的影响因素。

综上所述，我们将模型形式设定为：Y＝B0+B1*X1+B2*X2+B3*X3+B4*X4+U
其中Y 为用间接法和直接法平均得到的资本外逃量，B0为截距项，X1为外债余额，X2为股市波动率，X3中美通胀率之差 ,X4为FDI。

表2 计量经济模型自变量数据表
X1、X4单位：亿美元 X2、X3单位：%
年份资本外逃额
Y 外债余额
X1
股市波动率
X2
中美通胀差
X3
FDI
X4
1991 84.61000 605.6100 7495.330 -0.700000 43.66000
1992 180.5900 693.2100 569010.1 3.300000 110.0800
1993 185.3350 835.7300 374497.7 11.60000 275.1500
1994 158.1750 928.0600 274326.4 21.60000 337.6700
1995 220.4400 1065.900 100576.0 14.10000 375.2100
1996 199.1750 1162.750 244938.5 5.400000 417.2600
1997 380.4150 1309.600 216168.3 0.500000 452.5700
1998 539.1900 1460.430 2670830. -2.400000 454.6300
1999 370.3250 1518.300 295692.1 -3.600000 403.1900
2000 327.4850 1457.300 265068.3 -2.980000 407.1500
2001 116.3700 1701.100 356573.0 -2.130000 468.7800
2002 -17.71000 1713.600 126705.4 -2.390000 527.4300
2003 -206.1950 1933.400 141625.5 -2.620000 535.0500
资料来源：IMF《国际金融统计年鉴2004》、《中国证券期货统计年鉴2004》上海证券交易所指数。

四、计量经济分析
（一）、初步回归
我们对1991年到2003年的数据做简单线性回归：
表3
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:12
Sample: 1991 2003
C 589.3213 242.2525 2.432674 0.0410
X1 -0.869555 0.423151 -2.054951 0.0739
X2 0.000131 6.67E-05 1.960063 0.0856
X3 15.71841 10.05263 1.563612 0.1565
R-squared 0.580716 Mean dependent var 195.2465
Adjusted R-squared 0.371075 S.D. dependent var 188.8626
S.E. of regression 149.7772 Akaike info criterion 13.13990
Sum squared resid 179465.6 Schwarz criterion 13.35719
Log likelihood -80.40933 F-statistic 2.770042 结果发现各个T值效果不好，R-squared和Adjusted R-squared偏小，F值也太小。

推就其经济原因在于：由于受到1997年到1998年亚洲金融风暴的影响，资本外逃量在98年达到峰值，而在此过程中，人民币保持坚挺，在此之后中国经济一支独秀，发展保持快速稳定，资本便开始以各种形式悄然内流，到2002年时资本外逃额已经成为负值，所以我们将会用91年到00年的数据进行最小二乘估计，最后引人虚拟变量检验99年前后，看资本外逃量是否有显著变化。

我们对1991年到2000年的数据做简单线性回归：
表4
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:28
Sample: 1991 2000
C -14.90173 110.5250 -0.134827 0.8980
X1 0.171394 0.196393 0.872710 0.4227
X2 7.71E-05 2.16E-05 3.560162 0.0162
X3 3.326379 3.688420 0.901844 0.4085
R-squared 0.936064 Mean dependent var 264.5740
Adjusted R-squared 0.884915 S.D. dependent var 136.3162
S.E. of regression 46.24405 Akaike info criterion 10.81260
Sum squared resid 10692.56 Schwarz criterion 10.96389
Log likelihood -49.06298 F-statistic 18.30085
现在得到的结果相对较好：X2通过T检验，说明股市波动率对资本外逃有显著影响；回归方程通过了F检验，说明自变量和应变量之间存在较为显著的线性关系；可决系数R-squared为0.936064，
说明总变差中由模型解释的部分占93.60%。

但是X1、X3和X4都没有通过T检验，所以模型有待改进。

（二）、多重共线性
我们对数据进行多重共线性检验，运用OLS法逐一求Y对各个解释变量的回归。

表5
Y X1 X2 X3 X4 Y 1.000000 0.859217 0.711553 0.529161 0.721359
X1 0.859217 1.000000 0.361546 0.450377 0.880883
X2 0.711553 0.361546 1.000000 0.282517 0.292872
X3 0.529161 0.450377 0.282517 1.000000 0.046439
X4 0.721359 0.880883 0.292872 0.046439 1.000000 发现X1和X4之间存在较明显的多重共线关系。

用逐步回归法对模型进行修正：
表6：Y与X1回归
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:32
Sample: 1991 2000
C -125.0424 85.29211 -1.466048 0.1808
R-squared 0.738254 Mean dependent var 264.5740
Adjusted R-squared 0.705536 S.D. dependent var 136.3162
S.E. of regression 73.97134 Akaike info criterion 11.62209
Sum squared resid 43774.08 Schwarz criterion 11.68261
Log likelihood -56.11045 F-statistic 22.56401
表7：Y与X2回归
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:33
Sample: 1991 2000
C 201.8958 38.87018 5.194106 0.0008
R-squared 0.506308 Mean dependent var 264.5740
Adjusted R-squared 0.444596 S.D. dependent var 136.3162
S.E. of regression 101.5902 Akaike info criterion 12.25663
Sum squared resid 82564.58 Schwarz criterion 12.31715
Log likelihood -59.28314 F-statistic 8.204422
表8： Y与X3回归
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:33
Sample: 1991 2000
C 304.3415 44.87121 6.782557 0.0001
R-squared 0.280011 Mean dependent var 264.5740
Adjusted R-squared 0.190012 S.D. dependent var 136.3162
S.E. of regression 122.6836 Akaike info criterion 12.63395
Sum squared resid 120410.2 Schwarz criterion 12.69447
Log likelihood -61.16976 F-statistic 3.111280
表9：Y与X4回归
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:33
Sample: 1991 2000
C 39.78166 82.61285 0.481543 0.6430
R-squared 0.520359 Mean dependent var 264.5740
Adjusted R-squared 0.460403 S.D. dependent var 136.3162
S.E. of regression 100.1341 Akaike info criterion 12.22775
Sum squared resid 80214.72 Schwarz criterion 12.28827
Log likelihood -59.13877 F-statistic 8.679124
通过以上四个回归的比较，得到Y与X1回归的可决系数0.738254为最大值，进一步进行三三组合的回归，得到Y与X1,X2回归得到可决系数为0.923148最大：
表10
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:40
Sample: 1991 2000
C -90.05706 50.13742 -1.796204 0.1155
X1 0.284506 0.046173 6.161804 0.0005
X2 8.09E-05 1.97E-05 4.103783 0.0046
R-squared 0.923148 Mean dependent var 264.5740
Adjusted R-squared 0.901191 S.D. dependent var 136.3162
S.E. of regression 42.84952 Akaike info criterion 10.59659
Sum squared resid 12852.57 Schwarz criterion 10.68737
Log likelihood -49.98295 F-statistic 42.04235
Durbin-Watson stat 2.777157 Prob(F-statistic) 0.000126
把X2加入模型，再进一步进行四四组合的回归，结果为X3加入模型后使可决系数提高到0.932842为最大值：
表11
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 20:38
Sample: 1991 2000
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C -60.08981 59.99809 -1.001529 0.3552
X1 0.266166 0.050615 5.258630 0.0019
X2 7.83E-05 2.01E-05 3.888297 0.0081
X3 1.788595 1.921968 0.930606 0.3880
R-squared 0.932842 Mean dependent var 264.5740
Adjusted R-squared 0.899263 S.D. dependent var 136.3162
S.E. of regression 43.26555 Akaike info criterion 10.66176
Sum squared resid 11231.45 Schwarz criterion 10.78280
Log likelihood -49.30882 F-statistic 27.78048
Durbin-Watson stat 2.956579 Prob(F-statistic) 0.000646
经过三元回归得到的结果相对四元回归更好，X1,X2通过T检验，R-squared为0.932842
F检验也较好。

故模型改进为：Y= -60.08981+0.266166X1+7.83E-05X2+1.788595X3+U
（三）、异方差检验：
由于我们掌握的数据不足，不满足WHITE检验的大样本要求，故直接用ARCH检验法:
表12： ARCH检验（p=3）
F-statistic 0.411276 Probability 0.757654
Obs*R-squared 2.039949 Probability 0.564157
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/14/05 Time: 20:53
Sample(adjusted): 1994 2000
Included observations: 7 after adjusting endpoints
C 1962.629 1674.784 1.171870 0.3258
RESID^2(-1) 0.261660 0.560290 0.467008 0.6723
RESID^2(-2) -0.459623 0.526586 -0.872835 0.4470
R-squared 0.291421 Mean dependent var 1482.792
Adjusted R-squared -0.417157 S.D. dependent var 2276.217
S.E. of regression 2709.709 Akaike info criterion 18.94263
Sum squared resid 22027576 Schwarz criterion 18.91172
Log likelihood -62.29920 F-statistic 0.411276
P值达到0.757654，意味着拒绝H0犯错误的可能性约为75.77%，而且RESID^2(-1)，RESID^2(-2)，RESID^2(-3)的T值均没有超过2，所以我们应该接受HO,即不存在异方差。

（四）、自相关性：
E 和E(-1)的残差散点图如下：
由图可以看出可能存在负的自相关，我们进一步用DW法检验自相关：
由表4我们可以看到拟合结果中DW值为2.956579，n=10,k’=3,查表得dL=0.525,dU=2.016，那么无法判断的区域为：1.984到3.475,DW值落入了无法判断区域，但结合E 和E(-1)的残差散点图，可以判断存在负的一阶自相关。

自相关的修正：
1．广义差分法
由于我们的数据属于小样本，可能广义差分法修正的结果会不理想，但不妨一试。

DW = 2.956579, p=1-DW/2 故p=-0.4782895，产生序列：GENE DY=Y+0.4782895*Y(-1)，同理生成：DX1 DX2 DX3
用OLS法估计参数：
表13
Dependent Variable: DY
Method: Least Squares
Date: 06/14/05 Time: 21:42
Sample(adjusted): 1992 2000
C -57.18712 65.91436 -0.867597 0.4253
DX1 0.241975 0.035512 6.813960 0.0010
DX2 9.52E-05 1.74E-05 5.482540 0.0028
R-squared 0.976915 Mean dependent var 407.7697
Adjusted R-squared 0.963063 S.D. dependent var 181.3758
S.E. of regression 34.85844 Akaike info criterion 10.24157
Sum squared resid 6075.554 Schwarz criterion 10.32923
Log likelihood -42.08706 F-statistic 70.52904
我们发现使用广义差分法后，结果并不理想，DW值反而从2.956579增大到了2.992579，自相关程度加重。

2．Cochrane-Orcutt迭代法
表14
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 21:45
Sample(adjusted): 1992 2000
Included observations: 9 after adjusting endpoints
Convergence achieved after 8 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -44.67290 35.53624 -1.257108 0.2771
X1 0.242456 0.028848 8.404653 0.0011
X2 0.000102 1.77E-05 5.772255 0.0045
X3 1.714332 1.159164 1.478938 0.2132
AR(1) -0.792707 0.332423 -2.384629 0.0756
R-squared 0.962418 Mean dependent var 284.5700
Adjusted R-squared 0.924836 S.D. dependent var 128.0885
S.E. of regression 35.11680 Akaike info criterion 10.25542
Sum squared resid 4932.758 Schwarz criterion 10.36499
Log likelihood -41.14938 F-statistic 25.60850
Durbin-Watson stat 2.706947 Prob(F-statistic) 0.004131
Inverted AR Roots -.79
可见，经过Cochrane-Orcutt迭代法修正后的DW值有所下降，但仍然没有落入我们想要的区域，由于中美通胀率差存在负数，从而不能利用对数线性回归来修正，自相关修正只能到此为止了。

Y = -44.67290+ 0.242456*X1 + 0.000102*X2 + 1.714332*X3 + [AR(1)=-0.792707]
（五）、分布滞后问题：
从经济意义考虑，资本外逃量与模型中的各个经济解释变量之间的因果联系不可能在瞬时完成，这一时间过程可能存在滞后，产生滞后效应。

当随机扰动项存在自相关时，D-W检验倾向于得出非自相关的结论，我们用德宾h-检验进行估计。

表15
Dependent Variable: Y
Method: Least Squares
Date: 06/14/05 Time: 22:23
Sample(adjusted): 1992 2000
Included observations: 9 after adjusting endpoints
C -46.69715 110.6676 -0.421959 0.6947
X1 0.301933 0.119640 2.523691 0.0651
X2 7.68E-05 2.25E-05 3.412730 0.0270
X3 2.988362 2.709664 1.102853 0.3320
R-squared 0.930709 Mean dependent var 284.5700
Adjusted R-squared 0.861419 S.D. dependent var 128.0885
S.E. of regression 47.68291 Akaike info criterion 10.86720
Sum squared resid 9094.639 Schwarz criterion 10.97677
Log likelihood -43.90242 F-statistic 13.43194
根据德宾h检验法算出︱h︱＝1.98477只是比h a/2=1.96大一点, 注意到德宾h检验法是针对大样本的，用于小样本效果较差，这一结果值得再考虑；另外Y（-1）的p值=0.4923较大，t值=-0.754850较小，而且R^2也比表11中的R^2小，所以应综合考虑，接受原假设p=0，认为模型的扰动项不存在
一阶自相关。

（六）、虚拟变量
由于受到1997年到1998年亚洲金融风暴的影响，资本外逃量在98年达到峰值，而在此过程中，人民币保持坚挺，以及在此之后中国经济一支独秀，增长快速而稳定，资本有可能开始以各种形式悄然内流，我们考虑到这点，便引人虚拟变量以证实我们的预测，以乘法形式引入虚拟变量
dt= 1 (1999年以前)
dt= 0 (1999年以后)
表16
Dependent Variable: Y
Method: Least Squares
Date: 06/07/05 Time: 09:50
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 2018.446 727.3506 2.775066 0.0216
DTX -2143.432 732.5085 -2.926153 0.0169
X1 -1.152348 0.407276 -2.829401 0.0197
DTX*X1 1.505297 0.414235 3.633922 0.0055
R-squared 0.880902 Mean dependent var 195.2362
Adjusted R-squared 0.841203 S.D. dependent var 188.8532
S.E. of regression 75.25677 Akaike info criterion 11.72735
Sum squared resid 50972.23 Schwarz criterion 11.90118
Log likelihood -72.22777 F-statistic 22.18938
Durbin-Watson stat 2.163759 Prob(F-statistic) 0.000171
表17
Dependent Variable: Y
Method: Least Squares
Date: 06/07/05 Time: 09:51
Sample: 1991 2003
C 292.0083 177.8893 1.641517 0.1289
R-squared 0.028772 Mean dependent var 195.2362
Adjusted R-squared -0.059521 S.D. dependent var 188.8532
S.E. of regression 194.3923 Akaike info criterion 13.51827
Sum squared resid 415672.2 Schwarz criterion 13.60519 Log likelihood -85.86877 F-statistic 0.325872 Durbin-Watson stat 0.472040 Prob(F-statistic) 0.579575
得到的结果为：
2000年以前对X1的函数为：Y=292.0083-0.076780X1
2000年以后的为：Y=2018.446-1.1523X1
存在明显的变化，说明在2000年前后资本外逃情况有所改善。

（七）、ADF检验、协整、GRANGER因果检验
1、在LEVEL的基础上，我们用有截距项有趋势的UNIT ROOT TEST检验结果如下：
表18：零阶滞后
ADF Test Statistic 0.020079 1% Critical Value* -4.9893
5% Critical Value -3.8730
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/14/05 Time: 20:13
Sample(adjusted): 1992 2003
Y(-1) 0.004567 0.227474 0.020079 0.9844
C 126.1659 82.79925 1.523757 0.1619
@TREND(1991) -23.29910 9.575827 -2.433117 0.0378 R-squared 0.400004 Mean dependent var -24.23375
Adjusted R-squared 0.266671 S.D. dependent var 132.6937
S.E. of regression 113.6317 Akaike info criterion 12.51612
Sum squared resid 116209.5 Schwarz criterion 12.63735
Log likelihood -72.09672 F-statistic 3.000046
表19：一阶滞后
ADF Test Statistic -0.116574 1% Critical Value* -5.1152
5% Critical Value -3.9271
10% Critical Value -3.4104 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/14/05 Time: 20:14
Sample(adjusted): 1993 2003
Variable Coefficient Std. Error t-Statistic Prob.
Y(-1) -0.039919 0.342439 -0.116574 0.9105 D(Y(-1)) 0.089477 0.486319 0.183988 0.8592
C 128.1929 116.2949 1.102309 0.3068
R-squared 0.350436 Mean dependent var -35.16227 Adjusted R-squared 0.072052 S.D. dependent var 133.3861 S.E. of regression 128.4909 Akaike info criterion 12.82488 Sum squared resid 115569.4 Schwarz criterion 12.96957 Log likelihood -66.53685 F-statistic 1.258822
表20：二阶滞后
ADF Test Statistic -0.466517 1% Critical Value* -5.2735
5% Critical Value -3.9948
10% Critical Value -3.4455 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/14/05 Time: 20:15
Sample(adjusted): 1994 2003
Y(-1) -0.284948 0.610798 -0.466517 0.6605 D(Y(-1)) 0.293012 0.668398 0.438380 0.6794 D(Y(-2)) 0.264305 0.664511 0.397744 0.7072
C 178.5436 155.1397 1.150857 0.3018
R-squared 0.419693 Mean dependent var -39.15550 Adjusted R-squared -0.044552 S.D. dependent var 139.9065 S.E. of regression 142.9891 Akaike info criterion 13.07027 Sum squared resid 102229.4 Schwarz criterion 13.22156
Log likelihood -60.35133 F-statistic 0.904033
Durbin-Watson stat 2.177703 Prob(F-statistic) 0.525697
表21：三阶滞后
ADF Test Statistic -0.667152 1% Critical Value* -5.4776
5% Critical Value -4.0815
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/14/05 Time: 20:16
Sample(adjusted): 1995 2003
Included observations: 9 after adjusting endpoints
Y(-1) -0.691240 1.036105 -0.667152 0.5524
D(Y(-1)) 0.499741 0.975543 0.512270 0.6438
D(Y(-2)) 0.610738 0.977396 0.624862 0.5764
D(Y(-3)) 0.301781 0.796486 0.378890 0.7300
C 294.4294 211.9747 1.388984 0.2590
R-squared 0.583390 Mean dependent var -40.48556
Adjusted R-squared -0.110960 S.D. dependent var 148.3262
S.E. of regression 156.3389 Akaike info criterion 13.17665
Sum squared resid 73325.54 Schwarz criterion 13.30813
Log likelihood -53.29493 F-statistic 0.840196
可以看出，不管是几阶的滞后，我们的ADF检验得到的值都大于麦金龙临界值，即原序列存在单位根，我们不能拒绝原假设，那么资本外逃的序列可能是非平稳的，由资本外逃的时序图可以佐证：
我们用同样的方法，分别对三个解释变量做了ADF检验，其中只有X3中美通胀差在一阶滞后的情况下不存在单位根，为一阶差分平稳序列，ADF检验如下：
表22
ADF Test Statistic -4.367672 1% Critical Value* -5.1152
5% Critical Value -3.9271
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(X3)
Method: Least Squares
Date: 06/14/05 Time: 21:03
Sample(adjusted): 1993 2003
X3(-1) -0.753242 0.172458 -4.367672 0.0033
D(X3(-1)) 0.633474 0.179702 3.525143 0.0097
C -11.96263 3.614666 -3.309469 0.0130
R-squared 0.794871 Mean dependent var 0.538182
Adjusted R-squared 0.706959 S.D. dependent var 5.768287
S.E. of regression 3.122562 Akaike info criterion 5.390472
Sum squared resid 68.25274 Schwarz criterion 5.535161
Log likelihood -25.64760 F-statistic 9.041642
由X3的趋势图也可以看出序列为平稳的。

2、对X1 X2 X3在没有滞后的情况下做协整
表23
Date: 06/14/05 Time: 20:35
Sample: 1991 2003
Included observations: 12
Test
assumption:
Quadratic
deterministic
trend in the
data
Series: Y X1 X2 X3
Likelihood 5 Percent 1 Percent Hypothesized
0.964518 58.14258 54.64 61.24 None *
0.610537 18.07778 34.55 40.49 At most 1
0.429494 6.761949 18.17 23.46 At most 2
*(**) denotes
rejection of the
hypothesis at
5%(1%)
significance
level
L.R. test
indicates 1
cointegrating
equation(s) at
5%
significance
level
Unnormalized Cointegrating Coefficients:
Y X1 X2 X3
0.000424 0.005201 -4.79E-07 0.008502
-0.000761 0.003525 3.06E-07 -0.011742
-0.000896 0.001002 1.17E-07 0.042778
Normalized
Cointegrating
Coefficients: 1
Cointegrating
Equation(s)
Y X1 X2 X3 @TREND(92) C
1.000000 1
2.26115 -0.001130 20.04555 -1285.835 -6047.997
(4.95146) (0.00039) (10.0885)
Normalized
Cointegrating
Coefficients: 2
Cointegrating
Y X1 X2 X3 @TREND(92) C
1.000000 0.000000 -0.000601 16.69526 -1
2.12765 184.7054
(0.00031) (15.4066)
0.000000 1.000000 -4.31E-05 0.273244 -103.8816 -508.3293
(2.7E-05) (1.35043)
Normalized
Cointegrating
Cointegrating
Y X1 X2 X3 @TREND(92) C
1.000000 0.000000 0.000000 -74.63914 86.11620 -1051.547
(89.9912)
0.000000 1.000000 0.000000 -6.278011 -96.83471 -597.0035
(9.47482)
0.000000 0.000000 1.000000 -151882.0 163371.8 -2055791.
(173945.)
3、GRANGER因果检验：
Y和X1做因果分别滞后一阶，二阶，三阶，结果如下：
表24
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:40
Sample: 1991 2003
X1 does not Granger Cause Y 12 4.76033 0.05701
表25
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:42
Sample: 1991 2003
X1 does not Granger Cause Y 11 0.80069 0.49179
表26
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:42
Sample: 1991 2003
Null Hypothesis: Obs F-Statistic Probability
X1 does not Granger Cause Y 10 0.08139 0.96575
Y和X2做因果分别滞后一阶，二阶，三阶，结果如下：
表27
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:42
Sample: 1991 2003
Lags: 1
X2 does not Granger Cause Y 12 1.85629 0.20617
Y does not Granger Cause X2 3.66478 0.08785
表28
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:42
Sample: 1991 2003
X2 does not Granger Cause Y 11 1.40840 0.31515
表29
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:43
Sample: 1991 2003
X2 does not Granger Cause Y 10 2.64298 0.22294
Y和X3做因果分别滞后一阶，二阶，三阶，结果如下：
表30
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:44
Sample: 1991 2003
X3 does not Granger Cause Y 12 1.60216 0.23738
表31
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:44
Sample: 1991 2003
X3 does not Granger Cause Y 11 1.11025 0.38883
表32
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 20:44
Sample: 1991 2003
Null Hypothesis: Obs F-Statistic Probability
X3 does not Granger Cause Y 10 4.36351 0.12875
汇总结果如下：
在二阶、三阶滞后的情况的下X1是Y的原因，而Y不是X1的原因。

在一阶、二阶、三阶滞后的情况的下X2是Y的原因，而Y不是X2的原因。

在一阶、二阶、三阶滞后的情况的下X3和Y都互为因果。

五、回归结果分析
Y = -44.67290+ 0.242456*X1 + 0.000102*X2 + 1.714332*X3 +U
（一）、外债负担X1
模型说明，我国外债每增加1亿美元，就会引起资本外逃增加2424万美元，外债的增加作为一项主要的资金来源对资本外逃起到了较显著的推动性作用。

（二）、资本市场风险X2
模型说明，我国股市波动率每增加100%，就会引起资本外逃增加100万美元，在回归模型的各个参数中，股市波动率的回归效果很好。

一种可能的解释是我国的证券市场尤其是股票市场还不成熟，股价的波动很容易成为影响人们对经济走势预期的因素，从而引起资本向外国流出。

（三）、中美通胀率差X3
模型说明，中美通胀率差每扩大1%，就会引起资本外逃增加1.714亿美元，资本外逃与中美通胀率差的正向关系符合模型设定，但是T检验不显著，原因主要是97年之后中美通胀率差发生逆转，资本外逃有所减缓造成的。

（四）、内外资的差别待遇
通过对模型进行修正删去了X4这一变量，原因在于FDI和资本外逃之间存在相互解释的关系。

1995年联合国贸发会议（UNCTAD）估计，中国所吸收的外商直接投资中，大约有20%是先投到国外再迂回投入国内的资本。

据国外学者估计这种“迂回投资”（Round-tripping）的规模约为GDP的1/4—1/3（刘信一，1997）。

可见在一定程度上是资本外逃引起了FDI虚增，而并非单纯的FDI解释了资本外逃，解释变量与被解释变量的关系并不很符合经济意义，所以最终的模型中删去了FDI。

参考文献
庞皓，《计量经济学》，西南财经大学出版社，2002年8月第2版
陈鹤，《俄罗斯的资本外逃及所引发的思考》《国际经济合作》，2000年第1期
韩继云，《中国资本外逃的现状.成因与防治策略》，《改革》，19991120
胡援成，《中国资本外逃问题再思考》，《当代财经》，2001年第4期
孟昊，《影响中国资本外逃因素的定量分析》，《现代财经》，2001年第5期
任惠，《中国资本外逃揭秘》，经济日报，2001年7月10日
宋文兵，《中国的资本外逃问题研究：1987-1997》，《经济研究》，1999年第5期
修晶、张明：《中国资本外逃的规模测算和因素分析》，《世界经济文汇》，2002年第一期
王廷惠，《俄罗斯资本外逃：原因、影响及政府的对策》《国际金融研究》，2000年第10期
后记
经过课堂听讲和上机实习，我们的计量经济论文初稿已经完成，但由于知识水平有限，这一初稿中仍然存在不少欠缺甚至错误，我们将会继续对它进行修改加工，希望在这一过程中能更扎实地掌握计量经济学知识，完成学习目标。

☺☺
21。