所有提交的EM系统将被重定向到网上投稿系统.作者被要求将文章直接提交给网上投稿系统各自的日志。

外国直接投资与印度制造业产出之间的关系:ARDL方法

Pratap Kumar Jena, Runu Lata Sahoo

印度奥里萨邦巴里帕达邦汉贾迪奥大学经济系

*通讯作者:

普拉塔普Kumar耶拿
经济学系,
巴里帕达,奥里萨邦,
印度;
电子邮件: (电子邮件保护)

收到:2018.01 -2022,稿件编号:js - 22 - 70935;编辑分配:03-Aug-2022, Pre QCjs - 22 - 70935 (PQ);综述:2022年8月17日,QCjs - 22 - 70935;修改后:05-Oct-2022,稿件编号:js - 22 - 70935 (R);发表:2018年10月12日,DOI: 10.4172/JSS.8.6.001

更多相关文章请访问研究与评论:社会科学杂雷竞技苹果下载志

摘要

之间的关系外商直接投资(FDI)和制造业产出之间的关系正在被国际和国家层面的研究人员所研究,他们的研究结果相互矛盾。尽管,一些研究发现FDI和制造业产出之间存在正相关关系,而另一些研究发现这两个变量之间没有关系。一些研究发现了这种关系,但在长期和短期内有所不同。因此,本文使用自回归分布滞后(ARDL)边界检验检验了印度FDI和制造业产出指数(MFI)之间的关系。本文发现FDI和MFI之间存在长期和短期的整合。由于制造业是印度就业和经济增长的重要部门之一,政府必须通过提供某些设施来吸引更多的FDI,如;良好的商业投资环境,税收优惠,制造业的新投资机会等。

关键字

外商直接投资;制造业产出;增强ARDL;经济增长

简介

近年来,印度是世界上最引人注目的制造业投资目的地之一。投资对于一个国家的工业化至关重要,由于国内投资不足,外国直接投资(FDI)被吸引到工业领域,以促进制造业产出、就业和经济增长。发展中国家一直在努力吸引更多外国直接投资进入不同领域。此外,从长远来看,外国直接投资提高了技能和先进技术,提高了生产力和生活水平。FDI对宏观经济变量具有溢出效应,最终促进经济增长。据记载,外国直接投资在改革后时期以显著的速度增长,并在20年期间达到了新的高度th世纪。印度是南亚地区吸收外国直接投资最多的10个国家之一,吸引了490亿美元。2000年至2020年,印度制造业的累计外国直接投资达到89.4亿美元,印度政府在自动路线下将国防制造业的外国直接投资从49%增加到74%。

国际层面的政策制定者和学术研究人员已经研究了外国直接投资和制造业产出之间的联系,但缺乏关于印度的文献。Turkan等和Agrawal发现FDI、制造业和经济增长之间存在正相关关系。另一方面,Oyatoye等人得出FDI对尼日利亚经济的吸引力较差,FDI对尼日利亚制造业产能利用率的影响很小或没有影响。Afolabi等人分析了尼日利亚制造业与外国直接投资之间的联系,发现制造业受到外国直接投资和其他宏观经济变量的影响,如通货膨胀率(INF)、政府支出(GOE)和货币供应(MSP)。这是因为制造业的外国直接投资受到不同因素的负面影响,如;进口强度、研发强度、市场支配力正向影响。印度是世界上最具吸引力的外国直接投资目的地之一,这可以通过快速的项目通关来实现,通过使经济特区更具吸引力、合理的规划和设计,改善邦与中央政府之间的项目通关协调是必要的。外国直接投资、制造业和经济增长之间的关系是不确定的,因为研究得出了不同的结果[1]。

从现有的研究来看,目前还不清楚外国直接投资(FDI)和印度制造业之间的关系。因此,本文在分类层面上研究了外国直接投资和印度制造业之间的关系,重点是对该部门资本形成和市场结构的影响。本文的其余部分如下:第二部分描述了印度制造业的组成、市场规模和表现。第3节提供了研究变量和方法。第4节讨论估计结果,最后第5节给出研究结论[2]。

印度制造业:构成、市场规模和表现

在独立前,印度出口了大量的制造业产品,其中大部分是手工业产品,由于政府的倒退政策,这些产品已经衰落。独立后,政府于1956年开始实施产业政策,发展了钢铁、重型工程、褐煤工程、化肥等基础工业和重工业。新的经济政策提高了国内产品在国际市场上的竞争力。3.]。

印度品牌资产基金会(IBEF)根据规模和投入或原材料的使用对制造业进行了分类。制造业的规模取决于资本投入、雇用的工人和生产的数量,这些行业是家庭或家庭手工业(包括竹子、皮革、木材、砖、织物、石头、泥浆材料等),小规模制造业(家庭外的车间或家庭手工业),大规模制造业(包括技术优势、大资本、大生产等)。第二种类型的分类是基于投入物或原材料的使用,这类行业是以农业为基础的行业(包括农村和城市企业,如;食品加工、果汁、泡菜、饮料、棉花、丝绸等)、食品加工(包括奶油、罐头、糖果和水果的生产)、矿物工业(包括钢铁工业和有色金属矿物,如铜、铝和珠宝等)、化学工业(如硫、钾肥、合成纤维、塑料等)、森林原料使用工业(包括;主要和次要林产品,木材和草料等),以动物为基础的工业包括皮革和羊毛等。

市场规模及表现:2018年,印度在全球制造业指数中排名第30位,2019财年制造业基本价格总增加值为4032.3亿美元。2012-19财年,制造业GVA的复合年增长率(CAGR)为4.29%。制造业的工业生产指数(IIP)增长了3.50%,其中基本金属、中间产品、食品和烟草制品的产量增长最快。2019- 2020年度固定资产形成总额(GFCF)或固定资产净投资为4058.8亿美元,预计到2025年底可能达到1万亿美元[4]。

据观察,2018年制造业对印度GDP的贡献为6.8%,而对世界GDP的贡献为3%,这表明制造业对印度的国民收入有显著贡献。1991年至2018年期间制造业增长率和经济增长率报告于图1,这表明,2007年之后,这两个增长率都有所下降,波动性更大,但在研究期间,FDI比GDP增长率波动性更大,这让印度的政策制定者感到担忧。制造业产出有多种用途,大致分为六种用途,如初级产品(34%)、资本品(8%)、中间产品(17%)、基础设施/建筑产品(13%)、耐用消费品(13%)和非耐用消费品(15%)。它表明,印度的制造业产出主要用作初级产品,其次是中间产品,产出最少用于资本品(图2).

social-sciences-manufacturing

图1:1991-2018年印度FDI和制造业的趋势。

来源:作者利用印度储备银行数据库数据进行估计。

social-sciences-output

图2:印度制造业产出的用途。

来源:作者估计

图3下图为1987-88年至2017-18年制造业增加值和就业增长率。并发现GVA多年来一直稳步上升,2017-18年的增长率为62.8%。就业增长率相对较低即。2017-18年为3.8%。

social-sciences-employment

图3:印度制造业的GVA和就业趋势。

来源:作者估计

报告了2012-13年至2017-18年期间印度主要制造产品行业的复合年增长率(CAGR)表1.烟草制品行业的CAGR最高(2.48%),其次是其他制造业(1.27%)和电气设备(1.02%)。除家具、物品外,木材及木材、软木制品的复合年增长率为正(0.98%)。所有其他制造业的复合增长率都为负,但在2012-13年至2017-18年期间,印度的制药、医药产品、植物产品和家具的复合增长率为负[5-9]。

行业组织 2012 - 13 2017 - 18 复合年增长率(2012-13 - 2017-18)
食品 103.3 108.1 -0.90%
饮料 106.7 105.4 0.25%
烟草制品 107.5 95.1 2.48%
纺织品 108 117.1 -1.60%
穿服装 99 137.5 -6.36%
皮革及相关产品 110.6 123.9 -2.25%
木材及木、软木制品,但家具或物品除外 97 92.4 0.98%
纸张及纸制品 103.3 108.9 -1.05%
印刷和复制记录媒体 96.8 99.7 -0.59%
焦炭和精炼石油产品 105.9 123.5 -3.03%
化学品及化工产品 103.9 116 -2.18%
药品、药用化学品和植物产品 108.1 212.1 -12.61%
橡胶及塑料制品 101 110.6 -1.80%
其他非金属矿产品 102.9 113.9 -2.01%
基本金属 107.8 138 -4.82%
金属制品,机械设备除外 97 107.9 -2.11%
计算机、电子、光学产品 100.6 148.5 -7.49%
电气设备 113 107.4 1.02%
机械及设备 102.9 120.5 -3.11%
其他运输设备 99.2 133.9 -5.82%
机动车辆、拖架及半拖架 100.1 114.5 -2.65%
家具 112.9 196.6 -10.50%
其他制造业 113.1 106.2 1.27%
制造业 104.8 126.6 -3.71%
资料来源:印度储备银行统计手册

表1:印度主要制造业的年复合增长率。

材料与方法

利用从印度经济统计手册、印度储备银行(RBI)和国家抽样调查组织(NSSO)数据库收集的时间序列数据,研究了外国直接投资和印度制造业部门之间的关系。研究选取的变量为1991年至2019年的制造业指数(IMS)和外商直接投资[10-15]。

为了检验FDI与印度制造业产出之间的关系,本研究采用了McNown等人提出的ARDL模型。虽然有各种各样的协整技术,如Johansen, Engle-Granger和Johansen- juselius可用,它们假设了一个唯一的积分顺序,而ARDL模型在积分顺序方面更灵活?该模型适用于研究时间序列变量积分阶不同的情况,如I(0)和I(1),但不适用于I(2)的变量。此外,它为变量的滞后选择提供了更多的选项,并在变量存在内生性的情况下处理了内生性。McNown等人提出的ARDL模型是Pesaran等人模型的升级版,称为增强ARDL,需要对显著性水平进行额外的t检验或f检验[16-18]。

ARDL模型如下:

方程

其中,α1为截距项,εt为白噪声误差项,Δ为一阶差分算子。求和项表示所选变量间的短期动态关系,而αs项表示所选变量间的长期动态关系。在这里,原假设为γ1= γ2=0,这意味着研究变量之间不存在积分或长期运行关系,可以使用McNown等人提出的f检验和t检验进行检验。如果估计的F-stat值大于临界值的上限,则拒绝原假设,这意味着变量之间存在长期的关系。另一方面,如果估计的F-stat既不小于也不大于两个临界值,则变量之间的关系是不确定的[19]。

使用误差修正模型(ECM)检验研究变量之间的短期动态关系如下:

方程

其中,δ年代为短期动态系数,ECT为误差修正项,θ为调整速度,介于0到-1之间,其中0表示没有收敛到平衡,-1表示完全收敛。采用单位根检验如Augmented Dickey and Fuller (ADF)检验和Phillips Peron (PP)检验检验研究变量的平稳性。在分析中使用了自然对数变量[20.-23]。

结果与讨论

制造业产出是工业生产指数(IIP)的重要组成部分之一,2020年的记录为129.8,在基本金属(10.8%)、中间产品(8.8%)、食品(2.7%)和烟草产品(2.9%)的生产中似乎非常强劲(印度储备银行在线数据库)。如果我们看看1991年和2019年FDI和MFI的趋势,如图所示图4,表明FDI和MFI均呈上升趋势,但FDI上升速度快于MFI上升速度。在研究期间,外国直接投资趋势比小额信贷趋势波动很大。

social-sciences-sector

图4:1991-2018年印度FDI和制造业的趋势。

来源:作者利用印度储备银行数据库数据进行估计。

对FDI和MFI变量的描述性统计表明,FDI的均值和标准差值均高于MFI,这说明在研究期间,印度的外商直接投资具有更高的平均值和波动性(表2).偏度值为负,峰度值和雅克-贝拉值表明变量的正态分布。相关系数值为0.94,表明研究期间印度FDI与MFI之间存在高度正相关(表3).

LNMFI LNFDI
的意思是 4.066 10.437
性病,戴夫。 0.586 2.015
偏态 -0.122 -0.935
峰度 1.567 3.330
Jarque-Bera 2.553 4.358
概率 0.279 0.113
观察 29 29
来源:作者估计

表2:印度FDI和MFI的描述性统计。

LNMFI LNFDI
LNMFI 1 0.94
LNFDI 0.94 1
来源:作者估计

表3:相关系数结果。

时间序列模型的估计需要最优滞后长度,通过滞后长度选择准则选择最优滞后长度,估计结果报告在表4.这表明滞后选择准则表明一个是最优滞后,用于模型估计。

滞后 LogL LR 消防工程 另类投资会议 SC 总部
0 -28.28136 NA 0.032302 2.243064 2.339052 2.271606
1 57.06774 151.7317 * 7.82 e-05 * -3.782796 * -3.494832 * -3.697169 *
2 60.07431 4.899584 8.47 e-05 -3.709208 -3.229268 -3.566497
*表示标准选择的滞后顺序
LR:顺序修改LR测试统计量(每次测试在5%水平)
FPE:最终预测误差
AIC: Akaile信息标准
施瓦茨信息标准
HQ: Hannan_Quinn信息标准

表4:最佳滞后长度结果。

使用单位根检验如ADF和PP检验两个研究变量的平稳条件,结果报告在表5.结果表明,FDI在水平值上是平稳的,而MFI在水平值上是非平稳的,但在截距和趋势截距的第一差处趋于平稳。虽然研究变量是I(0)和I(1)的混合,这些变量之间的关系是使用ARDL模型约束检验来测量的,结果报告在表6

单位根(层)估计的t-统计值
拦截独自 截距+趋势
ADF ADF
LNMFI 1.89 1.29 -2.29 -2.2
LNFDI -4.63 * -4.63 * 4.85 * -4.95 *
单位根检验估计的t统计量值(第一个差值)
LNMFI -3.27 * * -3.26 * * -3.45 * * * -3.51 * * *
注:a.单位根检验(ADF和DF)无趋势的临界值为-3.69(1%)、-2.97(5%)、-2.62(10%),有趋势的临界值为-4.37(1%)、-3.60(5%)、-3.24(10%)。DF试验的临界值分别为-2.66(1%)、-1.95(5%)、-1.60(10%)无趋势,-3.77(1%)、-3.19(5%)、-2.89(10%)有趋势。
B. *,**和***分别表示稳定在1%,5%和10%水平。
资料来源:作者使用e - views10学生版计算。

表5:单位根检验结果。

ARDL边界检验结果表明,估计F-stat值(54.09)在1%的水平上高于上限临界值,这意味着在研究期间FDI和MFI之间存在长期的关系。通过AIC选择ARDL模型滞后顺序,AIC表明ARDL(1,0)模型比其他模型的滞后顺序更好(表6).

临界值 统计量 下界值 上界值
10%
5%
2.50%
1%
54.09 3.02
3.62
4.18
4.94
3.51
4.16
4.79
5.58
来源:作者估计

表6:绑定测试结果。

ARDL模型结果报告在表7,表明所有系数在1%水平下均显著。协整结果表明FDI与MFI之间存在长期协整。为了支持研究变量之间的长期协整,我们使用ARDL-VEC模型估计了短期协整,结果报告在表8.在1%水平下,ECM系数值-0.18显著,说明FDI与MFI之间存在短期关系。因此,本研究发现在研究期间FDI与MFI之间存在短期协整和长期协整。

条件误差相关回归
变量 系数 性病。错误 t统计量 概率
C 0.165155 0.040141 4.114396 0.0004
LNIMS (1) * -0.181469 0.032165 -5.641720 0.0000
LNFDI * * 0.059081 0.010615 5.565816 0.0000
* p值与t-Bounds分布不兼容。
**变量解释asZ=Z(-1)=D(Z)
水平方程
情况2:受限常数,无趋势
变量 系数 性病。错误 t统计量 概率。
LNFDI 0.325571 0.017289 18.83099 0.0000
C 0.910101 0.189563 4.801059 0.0001
电子商务= LNIMS = (0.3256 * LNFDI = 0.9101)

表7:ARDL长期运行模型。

ECM回归
情况2:受限常数,无趋势
变量 系数 性病。错误 t统计量 概率。
CointEq (1) * -0.181469 0.013708 -13.23813 0.0000
平方 0.562760 意思是依赖 Var 0.060911
调整后的平方 0.562760 依赖。 Var 0.041122
回归标准差 0.027192 Akaike信息 标准 -4.336737
和平方余数 0.019964 施瓦兹的标准 -4.289158
日志的可能性 61.71432 Hannan-Quinn 暴击 -4.322192
Durbin-Watson统计 1.830049
*p值与t-Bounds限制不兼容

表8:ARDL误差修正模型。

结论

本文利用ARDL模型研究了1991 - 2019年印度FDI与制造业产出之间的关系。研究发现,FDI和MFI的趋势呈上升趋势,但FDI的趋势比MFI的趋势波动更大。实证结果证实了FDI与MFI之间的正相关关系。FDI在水平值上是平稳的,而MFI在水平值上是非平稳的,但在截距和趋势截距的第一差处趋于平稳。ARDL边界检验结果表明,估计F-stat值(54.09)在1%的水平上高于上限临界值,这意味着在研究期间FDI和MFI之间存在长期关系。研究发现,FDI与MFI之间存在长期和短期协整关系。由于FDI在填补国内储蓄和投资之间的缺口方面发挥着重要作用,政府应该制定政策来吸引更多的FDI到该国。因此,本研究认为政府必须通过提供某些设施来吸引更多的FDI,如;良好的企业投资环境,适当实施公司法和税收,为制造业创造新的投资机会。

Acknowldement

作者非常感谢Jagannath Lenka教授为本文的改进提出的宝贵建议。我们也非常感谢匿名审稿人为提高论文质量所提出的宝贵建议。

利益冲突声明

作者声明,本研究、作者身份和论文发表不存在利益冲突。

参考文献

全球科技峰会