财务管理财务知识美
国经济衰退对中国实
体经济的冲击效应和
传导机制研究
美国经济衰退对中国实体经济的冲击效应和传导机制研究 1
摘要：本文利用 1994－2011年中美两国实体经济变量季度数据，采用施加过度识别约束的 SVAR模型，分析
了美国经济衰退对中国实体经济的冲击效应和传导机制。研究结果显示：美国经济衰退对中国 GDP和固定资
产投资产生明显的负面冲击；美国对中国出口和美国对中国直接投资是美国经济衰退的主要传导渠道；与美
国对中国出口渠道相比，基于美国对中国直接投资渠道的传导作用相对较弱。
关键词：美国经济衰退；冲击效应；传导机制；SVAR模型
中图分类号：F752文献标识码：A
ontoChina’sRealEconomy
Abstract ： ，
’srealecono
mybyusingSVARmodelimposedonover －
’s
GDPandfixedassetinvestment ；
；
，
’srealecon
omy.
Keywords：；impacteffect；transmissionmechansim；SVARmodel
一、引言
2007年，以新世纪财务公司倒闭为标志，美国房地产市场爆发了次贷危机。在随后的1
年中，次贷危机迅速波及全球资本市场、信贷市场，进而演变为全球性金融危机。纵观20世
纪以来全球经济发展历程，本次危机的影响和冲击程度远远超过了20世纪90年代北欧银行危
机、日本股市泡沫和1997年东南亚金融危机，是自1929年经济危机以来最严重的危机。
本次金融危机除了对全球金融市场产生巨大的负面冲击以外，最终蔓延并扩散到实体经
济，引发了实体经济衰退。美国劳工部的报告显示，2008年12月，全美非农部门工作岗位削
减万个，失业率上升至%，为16年来的最高点。在美国经济衰退的冲击下，世界主要
经济体均出现了不同程度的衰退。欧盟统计局的数据显示，2008年第二和第三季度，欧元区
经济连续下滑%，出现了1999年欧元区成立以来的首次经济衰退。日本内阁府公布的数据
显示，2008年第二和第三季度，经济出现负增长，也已开始步入经济衰退。中国在美国经济
衰退的冲击下，2008年度进出口出现负增长，吸收的FDI大幅下滑，GDP增速明显放缓，实体
经济也出现了明显的衰退。
本文结合课题研究的需要，主要研究金融危机引发的美国经济衰退对中国实体经济的冲
击效应和传导机制。对这一问题研究的意义在于：第一，无论是发达国家还是发展中国家，
在日益开放的条件下，实体经济都有可能受到外部冲击而引发衰退，因而这一现象具有普遍
性；研究外部冲击对本国实体经济影响的一般规律，总结出有效防范外部冲击的政策措施，
具有重要的现实意义。第二，美国是全球经济的核心，而中国已成为世界总量第二的经济实
1基金项目：国家自然科学基金项目（70973045）。
体，中美两国有密切而广泛的经贸联系；通过探讨美国经济衰退对中国实体经济的冲击效应
和传导机制，既能更加深入理解两国经济之间的影响和联系，又能为相关政策的制定提供科
学合理的理论依据。
二、相关文献回顾
国外直接研究经济衰退的冲击效应和传导机制的文献相对不多，与之相关的研究主要涉
及经济波动的国际传导，包括国际传导渠道、原因和影响因素等。例如，Cantor和Mark
（1988）、Baxter和Crucini（1995）等学者研究认为，国际商品贸易和国际金融交易是经济
波动的主要传导渠道。Canova和Dellas（1993）利用10个工业化国家的数据并采用4种不同
的滤波方法，发现贸易在经济波动传导中的作用是显著的。David（1993）利用58个国家1970
－1985年的数据，发现国际贸易波动对GDP具有冲击效应。Sherman和Kolk（1996）认为经济
波动跨国传导的主要渠道是国际贸易、国际金融体系和资本流动，而国际贸易是其中最主要
的因素；贸易、投资和金融一体化程度的提高将导致经济周期波动更容易传导。Frankel等
（1998）、Gruben等（2002）认为国际贸易与国际经济波动正相关。Jean（2004）研究发现
商品贸易、金融开放和经济专业化也是经济波动国际传导的渠道。Jansen等（2004）认为国
际直接投资是国际经济波动的重要传导机制。Calderon等（2007）发现贸易强度与经济周期
有明显的相关性，但发展中国家两者的相关性比发达国家小。Burstein等（2008）研究发现
国际经济波动在两个核心区之间的相关性比核心区与周边区的相关性小，核心区与周边区的
贸易更容易实现生产共享。
国内学者的相关研究主要集中在中美经济波动及传导机制上。例如，湛柏明和庄宗明
（2003）通过对2000年以来美国对外贸易和中美贸易现状的分析，阐述了美国经济波动对中
国经济的影响。陈全功和程蹊（2003）认为中国经济对美国的依赖程度不断提高，美国经济
的波动对中国宏观经济影响日益增大，应该重视自我增长因素的发展，减弱美国对我国经济
的负面影响。张兵（2006）通过考察中美两国经济增长率之间的相关系数，发现两国经济周
期波动在某些历史时期具有较强的同步性，中美两国贸易和直接投资联系是经济周期同步性
出现的纽带和基本传导渠道。廖晓燕（2007）从中美贸易角度实证分析了中美经济波动的相
关性，认为中美经济波动的主要传导渠道是中国从美国进口。冯永琦（2009）利用1999－2009
年的季度数据，运用VAR模型和H－P滤波，研究发现进出口贸易对于美国经济波动均具有明显
的传导作用，而美国对华直接投资和和中国对美直接投资的传导作用不显著。杨万平和袁晓
玲（2010）运用基于VAR模型的广义脉冲响应函数与方差分解分析了美国经济波动对中国经
济冲击的长期传导机制和短期动态影响特征，发现美国经济波动主要通过影响中国对美国出
口的途径对中国经济增长造成冲击冲击。安辉等（2011）通过构建包含中美经济变量的向量
自回归模型，分析了美国经济紧缩通过外商直接投资渠道对中国实体经济所产生的影响，认
为美国经济收缩将引发我国吸引外商直接投资和出口下降，进一步影响中国经济的产出水平。
可以看出，虽然在研究范围、研究方法以及研究结论上存在差异，但有关经济波动国际
传导的多数研究都证实了国际贸易和国际直接投资是重要的实体传导渠道。在实证分析中，
大多采用VAR模型，通过脉冲响应函数分析经济波动的冲击效应和传导机制。这为本文的实
证研究重要的借鉴。
本文采用经济波动国际传导的分析思路，利用中美之间的实体经济变量数据研究美国经
济衰退对中国实体经济冲击效应和传导机制。与已有的文献相比，本文的拓展主要体现在以
下几个方面：第一，将中国GDP和中国固定资产投资同时作为中国实体经济的代理变量，以
全面反应中国经济特点。第二，利用施加过度识别约束的SVAR模型进行实证分析。VAR模型
是传导机制分析中常用的方法，其优点在于将所有研究变量视为内生变量，能避免传统计量
模型内外生变量设定的偏误，同时脉冲响应函数的分析结果无论对经济衰退或繁荣的冲击效
应均具有解释力；缺点在于VAR模型以各个变量的滞后项作为解释变量，无法反应各变量的
同期相关关系。与VAR模型相比，SVAR模型克服了普通VAR模型无法模拟各内生变量同期相关
关系的不足，对SVAR模型同期相关矩阵进行过度识别估计能使多数的估计参数通过显著性检
验，而模型的有效性可以通过施加过度识别约束得以保证；同时，SVAR模型可以得到正交化
的脉冲响应函数，即可单独考虑各变量的冲击对其他变量的影响，因而能较好的反映客观实
际。第三，综合考虑汇率波动、价格指数以及季节因素的影响。对于各变量数据，采用季度
价格指数将各变量的名义值进行平减，利用季度平均汇率换算成统一货币，并进行CensusX12
季节调整，以期得到更为准确客观的结论。
三、数据的选取和模型的构建
（一）数据的选取和处理
在多数文献中，各国GDP是常用的实体经济代理指标。本文参照这一做法，选取中国国
内生产总值CGDP和美国国内生产总值UGDP分别代表两国实体经济。此外，本文还选取中国固
定资产投资INVEST作为中国实体经济的另一个代理变量，原因主要在于固定资产投资的重要
作用。张军（2002）认为，中国20多年的工业化是按照资本驱动的增长模式进行的，而资本
的形成主要依赖于固定资产投资的持续增长。因此，将CGDP和INVEST同时作为中国实体经济
的代理指标，有助于更加全面地反映中国实体经济的特点。对于实体经济可能的传导渠道，
本文参照上述国内外研究成果，选取的变量包括美国对中国出口EX、美国从中国进口IM、美
国对中国直接投资FDI。其中，EX和IM是美国经济衰退可能的贸易传导渠道，FDI是可能的投
资传导渠道。之所以没有考虑中国对美国的直接投资，主要由于与其他各个指标相比，这一
指标的统计时间较晚，并且规模较小，不具备构建模型的条件。为了尽可能多的扩大样本容
量，本文采用了季度数据。考虑数据的可获性，本文将样本区间设定为1994年第1季度至2011
年第2季度。这一样本区间包括了2001年“”恐怖袭击突发性事件引起的美国经济衰退
和2008年美国金融危机引发的经济衰退，可以较为全面地反映出衰退传导的特点和规律。以
下对这些变量数据进行详细说明。
1．中国国内生产总值CGDPCGDP季度数据来源于国家统计局数据库。该数据库公布了历
年名义累计季度GDP数值以及按上一期价格水平计算的同比增长率。根据1994年第1季度GDP
数值和同比增长率，本文计算出1994年为基期的历年实际累计季度GDP数值，最终计算出1994
年第1季度为基期的实际GDP季度数值，同时可以计算出1994年第1季度为基期的中国GDP季度
价格平减指数。对实际季度GDP采用X12作季节调整，单位为亿元。
2．美国国内生产总值UGDPUGDP季度数据来源于美国商务部经济分析局（BEA）数据库。
该数据库公布了历年名义季度GDP和以2005年价格水平计算的实际季度GDP，并已经作了季节
调整，单位10亿美元。本文根据这两组数据，计算出以1994年第1季度为基期的美国GDP季度
价格平减指数，再用该指数对名义季度GDP数据进行平减，得到1994年第1季度为基期的实际
GDP。为了与CGDP统一货币单位，利用IFS数据库提供的美元对人民币季度平均汇率进行换算，
单位为亿元。
3．中国固定资产投资INVESTINVEST季度数据来源于国家统计局数据库。本文首先根据
国家统计局数据库公布的历年名义累计季度固定资产投资数值，计算出历年名义季度固定资
产投资。由于难以获得固定资产投资季度平减指数，本文利用上文计算的中国GDP季度平减
指数平减，得到1994年第1季度为基期的实际季度固定资产投资，再用X12作季节调整，单位
为亿元。
4．美国对中国出口EX和从中国进口IMEX和IM季度数据来源于美国商务部经济分析局数
据库和IMF的DOTS数据库。这两个数据库提供了各季度EX和IM名义数据，单位百万美元。为
得到EX和IM的实际数据，本文首先将IFS数据库提供的2005年为基期的美国季度出口指数和
进口指数，换算为1994年第1季度为基期的季度出口指数和进口指数，再利用这两个指数平
减EX和IM，最后，利用汇率折算成亿元人民币，并作X12季节调整。
5．美国对中国直接投资FDIFDI季度数据来源于美国商务部经济分析局数据库。该数据
库公布了各季度FDI名义值，单位为百万美元。观察各季度FDI名义值发现有的季度出现负值，
表明增量为负，必须对其进行处理。考虑到FDI具有类似资本的属性，采用存量FDI可能较为
合理，因此，本文首先利用上文计算的1994年第1季度为基期的美国GDP季度平减指数对季度
FDI名义值进行平减；其次，采用类似资本存量的计算方法，利用永续盘存法计算出FDI存量
数值，折旧率设为10%。最后进行汇率调整和X12季节调整，单位为亿元。
（二）VAR模型
1．6变量VAR模型本文首先采用上述6个变量各自的自然对数lnCGDP、lnUGDP、
lnINVEST、lnEX、lnIM和lnFDI建立VAR模型。采用常用的两种检验方法：ADF单位根检验和PP
单位根检验对各变量进行平稳性检验，结果见表1。
表16变量平稳性检验
ADF单位根检验 PP单位根检验
变量
（c，t，p） t统计量 P值 （c，t，p） t统计量 P值
结论
lnCGDP （0，0，0） （0，0，0） 非平稳
dlnCGDP （c，0，1） （c，0，1） 平稳
lnUGDP （c，0，1） （c，0，0） 非平稳
dlnUGDP （c，t，1） （c，t，1） 平稳
lnINVEST （c，t，0） （c，t，0） 非平稳
dlnINVEST （c，0，1） （c，0，1） 平稳
lnEX （c，t，0） （c，t，0） 平稳
lnIM （c，0，1） （c，t，0） 非平稳
dlnIM （c，0，1） （c，0，1） 平稳
lnFDI （c，t，0） （c，t，0） 平稳
注：（c，t，p）中 c表示截距项，t表示时间趋势，p表示滞后阶数；c和 t的选择根据单位根方程系数的
显著性判断，滞后阶数 p的选择依据 AIC准则。
可以看出，无论是 ADF单位根检验还是 PP单位根检验，其结论是一致的：lnCGDP、lnUGDP、
lnINVEST、lnIM是非平稳的，但其一阶差分是平稳的，即都是 I（1）序列；lnEX、lnFDI是
平稳的 I（0）序列。关于 VAR模型对于数据平稳性的要求，越来越多的学者认为，各序列平
稳或单整阶数相同是建立变量之间协整关系和误差修正模型（ECM）的必要条件，而对于普
通的 VAR模型而言，这些条件不是必须的，但是合理的 VAR模型需要通过各种检验。因此，
对于包含平稳和非平稳的混合序列，本文仍然采用水平变量建立 VAR模型，并通过稳定性检
验、Granger检验等验证 VAR模型的合理性。
对 6变量 VAR模型，采用 LR、AIC等 5种常用的滞后期判断标准，结果发现选择 1阶滞
后或者 2 阶滞后较为合适。采用 AR 特征根检验，结果发现 1 阶滞后 VAR 模型有两个特征根
模大于 1，位于单位圆外，表明该模型并不稳定；2阶滞后 VAR模型所有特征根模均小于 1，
表明模型是稳定的，因此滞后阶数确定为 2。
对 6变量 2阶滞后 VAR模型进行 Granger检验确定内外生变量。结果发现，lnIM作为滞
后解释变量，在其他 5 个变量作为因变量的回归方程中，均不能拒绝 lnIM 不能 Granger 引
起其他各个变量的原假设，如表 2所示。
表 26变量 VAR模型关于 lnIM的 Granger检验结果
原假设 2值 自由度 P值
lnCGDP方程：lnIM不能 Granger引起 lnCGDP 2
lnUGDP方程：lnIM不能 Granger引起 lnUGDP 2
lnFDI方程：lnIM不能 Granger引起 lnFDI 2
lnEX方程：lnIM不能 Granger引起 lnEX 2
lnINVEST方程：lnIM不能 Granger引起 lnINVEST 2
而其他各变量作为滞后解释变量，至少在一个方程中能拒绝原假设。因此，可以将 lnIM
视为外生变量，VAR模型需要在不考虑 lnIM变量的情况下重新构建。
2．5变量 VAR模型滞后期检验结果发现，对于 5变量 VAR模型，选择 1阶滞后或者 4阶
滞后较为合适。采用 AR特征根检验结果发现，1阶滞后 VAR模型有两个特征根模大于 1，位
于单位圆外，表明该模型并不稳定；4 阶滞后 VAR 模型所有特征根模均小于 1，表明模型是
稳定的，因此滞后阶数确定为 4。
对 5 变量 4 阶 VAR 模型进行 Granger 检验。5 个变量分别作为滞后解释变量，至少在 1
个方程中拒绝原假设，结果见表 3。
表 35变量 VAR模型 Granger检验结果
原假设 2值 自由度 P值
lnUGDP不能 Granger引起 lnCGDP 4
lnCGDP方程：
lnEX不能 Granger引起 lnCGDP 4
lnUGDP方程： lnFDI不能 Granger引起 lnFDI 4
lnUGDP不能 Granger引起 lnFDI 4
lnEX不能 Granger引起 lnFDI 4 方程：
lnINVEST不能 Granger引起 lnFDI 4
lnEX方程： lnUGDP不能 Granger引起 lnEX 4
lnINVEST方程： lnEX不能 Granger引起 lnINVEST 4
因此，5个变量可以作为内生变量。最终 VAR模型确定为 5变量 4阶 VAR模型。
（三）SVAR模型
由于 VAR 模型的解释变量都是各个变量的滞后项，因此，VAR 模型无法反映出各个变量
之间的同期相关关系。为此，本文在 5变量 4阶 VAR模型基础上，建立能反映各变量同期相
关关系的结构 VAR（SVAR）模型，利用 SVAR模型进一步分析各变量之间的关系。
5变量 4阶滞后 SVAR模型的结构式可以表示为：
（1）
其中，，为同期相关矩阵；，为
系数矩阵（）；，代表各内生变量；，为结构式的扰动项，表示中国 GDP、美国 GDP、美国
对中国直接投资、美国对中国出口和中国固定资产投资的结构性冲击。为了获得冲击的标准
偏差，假定各变量的随机扰动项均为白噪声序列，相互正交，协方差为 0，即～。一般而言，
结构式扰动项不能直接获得，需要通过简化式的扰动项计算获得。
假设同期相关矩阵A可逆，可以由结构式得到简化式：
（2）
其中，（），，为简化式的扰动项。可以看出，每个变量简化式方程的扰动来自于结构性
冲击，并且是结构扰动项的线性组合。因此，可以通过计算出结构性冲击，而关键在对于同
期相关矩阵A的估计。
Amisano、Gianni和 CarloGiannini（1997）对 SVAR模型的参数估计进行了详细的分析。
根据他们的研究成果，对于形如的 AB型 SVAR模型，如果矩阵 A和 B的所有参数都是未知的，
那么模型将不可识别，必须对矩阵中的某些参数进行约束。对具有 k个内生变量的 AB型 SVAR
模型，需要对模型至少施加个约束才能有效识别。事实上，在多数的 SVAR 模型中，对于矩
阵 A 和 B 已经施加了一定的约束。在本文的模型中，同期相关矩阵 A 的对角线元素均为 1，
即施加了 k个约束，矩阵 B为单位矩阵，矩阵中所有的元素都施加了约束，因而约束的个数
为。因此，对模型至少需要施加约束的个数为。此时，模型恰好识别，可以通过完全信息极
大似然法（FIML）估计出矩阵 A的未知参数。但是，多数情况下模型恰好识别时估计得到的
未知参数未必都能通过显著性检验。如果有参数不能通过显著性检验，表明模型设定存在问
题，随后的结构脉冲响应函数分析也可能产生偏误。此时，可以考虑对矩阵施加更多约束，
以代替部分不显著的未知参数，这就产生了过渡识别。当出现过渡识别时，在对矩阵参数进
行估计时需要施加过渡识别约束，约束是否有效可以通过 LR检验加以判断。
在对矩阵进行约束时，需要结合多种因素加以综合考虑。通常考虑的因素包括：各方程
残差的同期相关性、参数估计值的显著性水平以及实际的经济意义，等等。综合这些因素，
对同期相关矩阵 A的约束如下：
约束条件 1：考虑到美国经济规模巨大并具有外向性，假设当期中国 GDP受到当期美国
GDP 的影响；同时，由于中国国内固定资产投资与 GDP 有密切联系，当期中国 GDP 也会受到
固定资产投资的影响。而美国对中国 FDI和美国对中国出口对于中国 GDP的影响可能有一定
滞后性，因而假设当期中国 GDP不受当期美国对中国 FDI和美国对中国出口的影响，即；
约束条件 2：假设当期美国 GDP 受到当期中国 GDP 的影响，不受当期美国对中国直接投
资、美国对中国出口以及中国固定资产投资的影响，即；
约束条件 3：假设当期美国对中国直接投资受到当期美国对中国出口的影响，不受当期
中国 GDP、美国 GDP和中国固定资产投资的影响，即；
约束条件 4：假设当期美国对中国出口受到当期美国对中国直接投资和当期中国固定资
产投资影响，不受当期中国 GDP和美国 GDP的影响，即
约束条件 5：假设当期中国固定资产投资受到当期中国 GDP 和美国 GDP 的影响，不受当
期美国对中国直接投资和美国对中国出口的影响，即。
因此，简化式扰动项与结构冲击的线性关系可以表示为以下方程组：
（3）
（4）
（5）
（6）
（7）
在上述假设下，该模型是过渡识别的。对矩阵 A施加过渡识别约束，估计结果如下：
表 4同期相关矩阵 A的估计结果
lnCGDP lnUGDP lnFDI lnEX lnINVEST
lnCGDP 1
（）**
0 0
（）
***
lnUGDP
（）***
1 0 0 0
lnFDI 0 0 1
（）***
0
lnEX 0 0
（）***
1
（）
***
lnINVEST
（）*
（）***
0 0 1
LR过渡识别检验：2（7）=；P=
注：括号内数值为标准差，***、**、*分别代表 1%、5%和 10%显著性水平。
表 4显示，各个未知参数的估计值都至少在 10%的水平上是显著的，同时 LR过渡识别检
验结果中 P值大于 ，表示即使在 10%的显著性水平上也不能拒绝过渡识别约束的原假设，
表明过渡识别约束是有效的。因此，可以采用上述 SVAR模型分析各变量之间的关系。
四、实证分析
在 SVAR 模型构建之后，可以利用结构脉冲响应函数曲线形状和响应数值大小分析美国
经济衰退对中国实体经济的冲击效应和传导机制。首先，从总体上考察美国 GDP对表征中国
实体经济的两个变量：中国 GDP和中国固定资产投资的冲击效应；其次，对传导机制进行分
析，即对可能的两个传导渠道：美国对中国直接投资和美国对中国出口，分析它们是否会对
中国的实体经济产生显著的传导作用。
（一）美国经济衰退对中国实体经济的冲击效应
1．美国 GDP对中国 GDP的冲击效应
图 1 显示了 lnCGDP 对 lnUGDP 结构冲击的脉冲响应函数曲线。对 lnUGDP 施加一个单位
标准差的正向结构冲击，lnCGDP在第 1季度达到了最大的正向响应 %。随着时间的推
移，响应程度逐渐下降，趋于收敛，但始终保持为正向响应。累计脉冲响应数值达到
％。SVAR模型的同期相关矩阵显示，lnUGDP对 lnCGDP同期影响系数为 ，即美国 GDP
增加 1%，会使中国 GDP同期增长 %，可见美国 GDP对中国 GDP的当期影响非常显著。
综合结构脉冲响应函数和 SVAR 模型同期相关矩阵的结果，可以得出结论：美国 GDP 对中国
GDP 的同向冲击效应是显著的，并且当期的冲击效应更为明显。而这一结论与实际情况也较
为吻合：美国经济衰退对中国实体经济的冲击在 2008 年最为明显，随后的负面影响逐渐减
弱。
2．美国 GDP对中国固定资产投资的冲击效应
图 2 显示了 lnINVEST 对 lnUGDP 结构冲击的脉冲响应函数曲线。对 lnUGDP 施加一个单
位标准差的正向结构冲击，lnINVEST从第 1季度微弱的正向响应迅速转变为第 2季度负向响
应，并在第 4季度达到负向响应的最大值 %。随后，负向响应在第 5季度减弱，在第 6
季度转变为正向响应，并在第 7 季度达到正向响应的最大值 %。以后各期，虽然响应
有一定波动，但都是正向响应。累计脉冲响应数值达到 %。由此可以看出，在短期内，
中国固定资产投资对美国 GDP正向冲击的响应有一定的波动，但就长期而言，正向响应仍然
较为显著。
因此，美国 GDP对于中国 GDP和固定资产投资的同向冲击效应都是显著的。根据这一结
果，当美国爆发经济危机引发实体经济衰退时，应该对中国实体经济产生明显的负面冲击。
而这也是与客观实际情况吻合的。在此基础上，以下进一步对传导机制进行分析。
（二）美国经济衰退对中国实体经济的传导机制
1．基于美国对中国出口的传导渠道分析
美国 GDP 对于美国对中国出口的冲击效应如图 3 所示。对于 lnUGDP 施加 1 个单位标准
差的正向结构冲击，lnEX 在第 2 季度达到正向响应的最大值 %，即 lnEX 对于 lnUGDP
的正向响应存在 1个季度的滞后。第 3季度开始正向响应下降，并在第 4季度转变为负向响
应。第 5到第 8季度的响应在正负响应之间波动，第 9季度开始，转变为持续和稳定的正向
效应，累计响应数值为 %。因此，美国 GDP对于美国对中国出口具有显著的同向冲击。
图 3 lnEX 对 lnUGDP 结构冲击的响应函数曲线 图 4 lnCGDP 对 lnEX 结构冲击的响应函数曲线
.00
.01
.02
.03
2 4 6 8 10 12 14 16 18 20
.000
.002
.004
.006
.008
.010
.012
2 4 6 8 10 12 14 16 18 20
美国对中国出口对于中国 GDP 的冲击效应如图 4 所示。对于 lnEX 施加 1 个单位标准差
的结构冲击，lnCGDP的响应在第 1季度为 0，从第 2季度开始，以后各期的响应均为正，并
在 20季度达到最大值 ％，累计脉冲响应数值为 ％，这表明美国对中国出口对
于中国 GDP的同向冲击非常显著。
美国对中国出口对于中国固定资产投资的冲击效应如图 5 所示。对于 lnEX 施加 1 个单
位标准差的正向结构冲击，lnINVEST的响应在第 1季度为 0，从第 2季度开始迅速上升，并
在第 5 季度和第 8 季度出现两次向响应的高峰，分别为 %和 %。以后各期正向
响应虽然有所下降，但基本保持在 1％左右的水平。累计脉冲响应数值为 %。可以看
出，与对中国的 GDP的冲击相比，美国对中国出口对于中国固定资产投资的同向冲击效应更
加显著。
综合上述分析，当美国 GDP波动时，会通过美国对中国出口这一渠道，对中国的 GDP和
固定资产投资产生显著的同向冲击。因此，美国对中国出口渠道是美国经济衰退的一条重要
实体传导渠道。
2．基于美国对中国直接投资的传导渠道分析
美国 GDP 对于美国对中国直接投资的冲击效应如图 6 所示。对于 lnUGDP 施加 1 个单位
标准差的正向结构冲击，lnFDI 在第 2 季度达到负向响应最大值 %，在第 3 季度迅速
转变为正向响应，并在第 5期达到正向响应的最大值 ％；随后响应在正负之间波动，
并逐渐趋向于 0。从图形可以看出，lnFDI对 lnUGDP冲击的同向响应主要体现在第 3到第 6
季度的短期，累计脉冲响应数值为 %，可见 lnFDI对 lnUGDP冲击的响应总体是同向的，
但与 lnEX对 lnUGDP冲击的响应相比要小的多。
美国对中国直接投资对于中国 GDP的冲击效应如图 7所示。对于 lnFDI施加 1个单位标
准差的正向结构冲击，lnCGDP的响应在在第 3季度达到负向响应最大值 %。随后负向
响应持续减弱，并在第 7季度转变为正向响应；以后各期，正向响应持续增加，累计脉冲响
应数值为 %。可见，美国对中国直接投资对于中国 GDP 的同向冲击效应存在大约 6 季
度的时滞，并且长期冲击效应较为显著。
美国对中国直接投资对于中国固定资产投资的冲击效应如图 8所示。对于 lnFDI施加 1
个单位标准差的正向结构冲击，lnINVEST的响应第 1季度到第 4季度在正负之间波动，并在
第 4 季度达到负向响应最大值 %；随后在第 5 季度迅速转变为正向响应，并最终趋于
稳定，正向响应大约存在 1年的时滞。累计脉冲响应数值 %，可见同向冲击的长期效
应是稳定和持久的。
因此，无论是中国的 GDP还是固定资产投资，对于美国对中国直接投资正向冲击的正向
响应都是显著的。因此，美国对中国直接投资也是美国经济衰退的另一条实体传导渠道。
将这一渠道与美国对中国出口渠道冲击效果进行对比，结果见表 5。
.00
.01
.02
.03
.04
2 4 6 8 10 12 14 16 18 20
.000
.004
.008
.012
.016
.020
2 4 6 8 10 12 14 16 18 20
图 7 lnCGDP 对 lnFDI 结构冲击的响应函数曲线 图 8 lnINVEST 对 lnFDI 结构冲击的响应函数曲线
表 5两条传导渠道冲击效应比较
lnEX对 lnUGDP结构冲击响应累计值 %
lnCGDP对 lnEX结构冲击的响应累计值 ％基于美国对中国出口渠道的冲击效应
lnINVEST对 lnEX结构冲击响应累计值 %
lnFDI对 lnUGDP结构冲击响应累计值 %
lnCGDP对 lnFDI结构冲击响应累计值 %基于美国对中国直接投资渠道的冲击效应
lnINVEST对 lnFDI结构冲击响应累计值 %
可以看出，基于美国对中国直接投资渠道的冲击效应均小于相应的美国对中国出口渠道
的冲击效应，因此这一渠道的传导作用相对较弱。
五、结论和对策建议
本文通过建立施加过度识别约束的 SVAR 模型，利用结构脉冲响应函数分析了美国经济
衰退对中国实体经济的冲击效应和传导机制，主要形成以下结论：第一，美国经济衰退对中
国 GDP和固定资产投资具有显著的负面冲击效应；第二，美国经济衰退对中国 GDP和固定资
产投资的实体传导渠道包括美国对中国出口和美国对中国直接投资；第三，与美国对中国出
口渠道相比，基于美国对中国直接投资传导渠道的传导效应相对较弱。由于结构脉冲响应函
数的结果无论对于经济衰退和繁荣的冲击都具有解释力，因此，基于冲击和传导渠道两面性
的考虑，结合以上结论，本文提出如下对策建议：
1．坚持扩大内需方针，增强自身实力
在开放的条件下，一国实体经济很容易受到外部的冲击而引发衰退，本文的实证分析已
经对这一点做了验证。因此，首先必须考虑如何减少外部冲击的负面影响。在当前经济形势
下，扩大内需仍然是有效应对金融危机、增强自身经济发展动力、保持经济长期平稳较快发
展的重要举措。具体而言，应该通过财政政策和收入再分配政策增加低收入者收入，提高中
等收入者比重，鼓励创业就业，进而拉动最终消费需求；通过加大基础设施投资、鼓励扩大
民间投资等措施，拉动投资需求。总而言之，通过自身经济实力的增强，减少外部冲击的干
扰。
2．改变出口商品结构，提高出口商品附加值
实证分析结果显示，美国从中国进口，即中国对美出口并不是主要的实体传导渠道。如
果从贸易流量上看，中国对美国长期保持贸易顺差，似乎中国对美国出口应该是重要的传导
渠道之一。但是，如果从中国对美国出口商品结构去考察，就容易解释本文的结论。中国对
美国出口商品以资源性产品、劳动密集型的低附加值工业制成品和半成品、日用消费品为主，
而劳动密集型产品又占有较大比重。总体而言，这些商品需求收入弹性较低，当美国爆发金
融危机导致国民收入明显下降时，对中国进口商品的需求幅度下降不多，因而不会通过这一
渠道对中国实体经济产生明显的负面冲击。根据 2008 年 12 月海关统计，中国进出口总值
亿美元，同比下降 11%，其中进口下降 %，出口下降 %，与进口相比，出口的
下降幅度要小得多，可见这一结论与客观实际较为吻合。
但是，如果考虑到传导渠道的两面性，我们应该着力改变目前的出口商品结构，增加出
口商品附加值，提高资本密集型和技术密集型商品出口的比重，当美国经济复苏时，可以通
过大量增加对中国商品的需求促进中国实体经济增长。同时，这一出口战略也是增强我国商
品国际竞争力的重要举措。
3．进一步增加从美国进口商品技术含量
实证分析结果显示，美国对中国出口，即中国从美国进口是重要的实体传导渠道。从进
口对实体经济的作用机理分析，可以对这一结论作出解释。一般而言，东道国增加技术先进
商品的进口能导致国内市场竞争深化，促使企业优胜劣汰，优化本国市场结构，诱导国内新
兴产业的成长，更能够通过技术外溢提高本国的全要素生产率，从而促进国内经济增长。考
察美国对中国出口商品结构，可以发现美国对中国出口的商品主要以资本密集型、技术密集
型和高新技术工业制成品为主，包括机械与运输设备、工业原料和化工产品，这些进口商品
在上述机制作用下对中国经济产生了积极的促进作用。而美国金融危机的爆发导致美国对华
出口大幅下降，同样也通过这一渠道对中国实体经济产生明显的负面冲击。
但我们同时也应该看到，出于政治原因的考虑，美国政府在对华高科技产品出口方面采
取种种限制措施，这在一定程度上抑制了这一渠道正向作用的发挥。因此，应该采取政治、
经济、外交等手段，进一步扩大美国对中国出口规模，增加从美国进口商品的技术含量，充
分发挥这一渠道的正向促进作用。
4．加强对美国在华投资企业的监管与引导
实证分析结果显示，美国对中国直接投资是另一条实体传导渠道，但作用相对较弱，这
可以从美国对华投资的特点进行分析。美国对华投资主体多为大型跨国公司，拥有较先进的
技术经验和管理体制；为了克服市场不完全的不利影响并保持垄断优势，美国在华投资企业
中独资企业比重较高，这使得国内企业难以通过学习、模仿等手段获得美国企业较为先进的
技术，是制约技术溢出效应发挥的不利因素之一；此外，由于美国在华投资企业整体实力较
强，为了实现全球化经营的战略意图，其生产所需的原材料多数都采用全球采购的方式获得，
在中国国内采购的比重偏低，使中国国内企业也难以通过产业前后向关联的方式获得美国企
业技术溢出。在上述因素的影响下，基于美国对中国直接投资渠道对中国实体经济的冲击作
用较弱。为了提高引资效果，应采取措施，加强国内企业与美资企业的合作和交流，提高美
资企业在华采购比例，促进技术溢出效应的发挥。虽然这一渠道的冲击作用较弱，但 2008
年金融危机爆发后，美国在华投资出现了大量裁员和资本的非正常撤资，对中国经济仍然产
生了一定的负面影响。因此，应健全和完善与外商投资相关的政策体系和法律体系，建立外
商投资风险预防机制，对在华投资企业实行有效的监督和管理。
参考文献：
[1]CantorR ，
[J].InternationalEconomicReview，1988，29
（3）：492－507.
[2]MBaxter，MJCycleandtheAssetStructureofForeignTrade[J].InternationalEconomicReview，1995，36
（4）：821－853.
[3]CanovaFabio ，
HarrisInterdependenceandtheInternationalBusinessCycle[J].JournalofInternationalEomics，1993，34
（1）：23－47.
[4]－offBetweenCashFlowandNetPresentValue[J].ScandinavianJournalofEconomics，
1993，95（1）：65－75.
[5]ShermanH.，[M].USA：HarperCollinsPublishers，1996.
[6]FrankelJ，[J].EconomicJournal，1998，108
（449）：1009－1025.
[7]GrubenW ， KOOJ ，
[R].FederalReserveBank
ofDallasWorkingPapers，－03，2002.
[8]，Finance，SpecializationandSynchronization[J].ReviewofEconomicsandStatistics，
2004，86（3）：723－734.
[9]JansenWJ ， －
movement[R].EuropeanCentralBankWorkingPaperSeries，，2004.
[10]CalderonC ， ChongA ， ：
AreDevelopingCountriesAnyDifferent?[J].JournalofInternationalEconomics，2007，71（1）：2－21.
[11]BursteinA ， KurzCJ ， ， ProductionSharing ，
andtheInternationalTransmissionofBusinessCycles[R].NationalBureauofEconomicResearchWorkingPap
er，，2008.
[12]湛柏明，庄宗明.从中美贸易看美国经济波动对中国经济的影响[J].世界经济，2003，（2）：34－39.
[13]陈全功，程蹊.从中美贸易看“美国因素”对中国经济的影响[J].世界经济与政治论坛，2003，（4）：
29－32.
[14]张兵.中美经济周期的同步性及其传导机制分析[J].世界经济研究，2006，（10）：31－38.
[15]廖晓燕.中美经济波动及相关性研究[M].长沙：湖南人民出版社，2007.
[16]冯永琦.美国经济波动影响中国经济的国际传导机制分析[J].财贸研究，2010，（6）：53－61.
[17]杨万平，袁晓玲.美国经济波动对中国经济增长的影响及其传导机制研究[J].世界经济研究，2010，
（7）：76－81.
[18]安辉，迟箖，谷宇.FDI视角下国际金融危机对中国实体经济的传导与冲击效应研究[J].经济社会体制比
较，2011，（3）：146－153.
[19]张军.改革以来中国的资本形成与经济增长：一些发现与解释[J].世界经济文汇，2002，（1）：18－
31.
[20]Amisano，Gianni，CarloinStructuralVAREconometrics[M].Berlin：Springer－Verlag，1997.
附表16变量VAR模型滞后期检验
滞后期 LogL LR FPE AIC SC HQ
0 NA ×1012
1 ×1018 * *
2 ×1018* *
3 ×1018
4 * ×1018
说明：根据不同标准，最佳滞后期不同；*标注的是符合各种标准的最佳滞后期。
附表25变量VAR模型滞后期检验
滞后期 LogL LR FPE AIC SC HQ
0 NA ×109
1 ×1016 * *
2 ×1016*
3 ×1015
4 * ×1016 *
附录：论文基础数据
附表1：中国国内生产总值CGDP数据
序号 （1） （2） （3） （4） （5） （6）
时间
年度累计
GDP（亿元）
同比增
长率（%）
1994年为基
期累计实际
GDP（亿元）
1994年为
基期实际
GDP（亿元）
1994年为基期
GDP平减指数
X12季节调整的
实际 GDP（亿元）
1994-01-01
1994-04-01
1994-07-01
1994-10-01
1995-01-01
1995-04-01
1995-07-01
1995-10-01
1996-01-01
1996-04-01
1996-07-01
1996-10-01
1997-01-01
1997-04-01
1997-07-01
1997-10-01
1998-01-01
1998-04-01
附图 3 5 变量 1 阶 VAR 稳定性检验 附图 4 5 变量 4 阶 VAR 稳定性检验
1998-07-01
1998-10-01
1999-01-01
1999-04-01
1999-07-01
1999-10-01
2000-01-01
2000-04-01
2000-07-01
2000-10-01
2001-01-01
2001-04-01
2001-07-01
2001-10-01
2002-01-01
2002-04-01
2002-07-01
2002-10-01
2003-01-01
2003-04-01
2003-07-01
2003-10-01
2004-01-01
2004-04-01
2004-07-01
2004-10-01
2005-01-01
2005-04-01
2005-07-01
2005-10-01
2006-01-01
2006-04-01
2006-07-01
2006-10-01
2007-01-01
2007-04-01
2007-07-01
2007-10-01
2008-01-01
2008-04-01
2008-07-01
2008-10-01
2009-01-01
2009-04-01
2009-07-01
2009-10-01
2010-01-01
2010-04-01
2010-07-01
2010-10-01
2011-01-01
2011-04-01
其中（1）和（2）是中国国家统计局统计数据库的原始数据，（2）是以上一年相同季度为基期的增长
率；（3）由（1）和（2）计算得到；（4）由（3）计算得到；（5）由GDP的名义值除以实际值计算得到；
（6）由（5）经过CensusX12季节调整得到。
附表2：中国固定资产投资INVEST数据
序号 （7） （8） （9） （10） （11）
时间
年度累计固
定资产投资
（亿元）
当期固定资产
投资（亿元）
1994年为基
期固定资产
平减指数
1994年为基期固定
资产投资（亿元）
X12季节调整的固
定资产投资（亿元）
1994-01-01
1994-04-01
1994-07-01
1994-10-01
1995-01-01
1995-04-01
1995-07-01
1995-10-01
1996-01-01
1996-04-01
1996-07-01
1996-10-01
1997-01-01
1997-04-01
1997-07-01
1997-10-01
1998-01-01
1998-04-01
1998-07-01
1998-10-01
1999-01-01
1999-04-01
1999-07-01
1999-10-01
2000-01-01
2000-04-01
2000-07-01
2000-10-01
2001-01-01
2001-04-01
2001-07-01
2001-10-01
2002-01-01
2002-04-01
2002-07-01
2002-10-01
2003-01-01
2003-04-01
2003-07-01
2003-10-01
2004-01-01
2004-04-01
2004-07-01
2004-10-01
2005-01-01
2005-04-01
2005-07-01
2005-10-01
2006-01-01
2006-04-01
2006-07-01
2006-10-01
2007-01-01
2007-04-01
2007-07-01
2007-10-01
2008-01-01
2008-04-01
2008-07-01
2008-10-01
2009-01-01
2009-04-01
2009-07-01
2009-10-01
2010-01-01
2010-04-01
2010-07-01
2010-10-01
2011-01-01
2011-04-01
其中（7）是中国国家统计局统计数据库的原始数据，（8）根据（7）计算得到；由于统计数据中没有
季度固定资产投资平减指数，因此用GDP季度平减指数代替，即（9）=（5）；（10）=（8）/（9）；（11）
由（10）经过CensusX12季节调整得到。
附表3：美国国内生产总值UGDP数据
序号 （12） （13） （14） （15） （16） （17） （18）
时间
美国当期
价格 GDP
（10亿美
元）
2005年为
基期美国
GDP（10
亿美元）
2005年
为基期美
国 GDP平
减指数
1994年为
基期美国
GDP平减指
数
1994年为
基期美国
GDP（10亿
美元）
美元对
人民币
季度平
均汇率
1994年为
基期美国
GDP（亿元）
1994-01-01
1994-04-01
1994-07-01
1994-10-01
1995-01-01
1995-04-01
1995-07-01
1995-10-01
1996-01-01
1996-04-01
1996-07-01
1996-10-01
1997-01-01
1997-04-01
1997-07-01
1997-10-01
1998-01-01
1998-04-01
1998-07-01
1998-10-01
1999-01-01
1999-04-01
1999-07-01
1999-10-01
2000-01-01
2000-04-01
2000-07-01
2000-10-01
2001-01-01
2001-04-01
2001-07-01
2001-10-01
2002-01-01
2002-04-01
2002-07-01
2002-10-01
2003-01-01
2003-04-01
2003-07-01
2003-10-01
2004-01-01
2004-04-01
2004-07-01
2004-10-01
2005-01-01
2005-04-01
2005-07-01
2005-10-01
2006-01-01
2006-04-01
2006-07-01
2006-10-01
2007-01-01
2007-04-01
2007-07-01
2007-10-01
2008-01-01
2008-04-01
2008-07-01
2008-10-01
2009-01-01
2009-04-01
2009-07-01
2009-10-01
2010-01-01
2010-04-01
2010-07-01
2010-10-01
2011-01-01
2011-04-01
其中（12）和（13）是美国商务部经济分析局的原始数据，已经进行了季节调整；（14）=（12）/
（13）；（15）由（14）计算得到；（16）=（12）/（15）；（17）是IFS公布的原始数据；（18）=（17）×
（16）×10。
附表4：美国对中国出口EX数据
序号 （19） （20） （21） （22） （17） （23） （24）
时间
美国对中
国出口名
义值（百
万美元）
美国出
口指数
（2005
年=100）
美国出口
指数
（1994
年=1）
1994年为基
期美国对中
国出口（亿
美元）
美元对
人民币
季度平
均汇率
1994年为
基期美国对
中国出口
（亿元）
X12季节调
整后美国
对中国出
口（亿元）
1994-01-0
1
1994-04-0
1
1994-07-0
1
1994-10-0
1
1995-01-0
1
1995-04-0
1
1995-07-0
1
1995-10-0
1
1996-01-0
1
1996-04-0
1
1996-07-0
1
1996-10-0
1
1997-01-0
1
1997-04-0
1
1997-07-0
1
1997-10-0
1
1998-01-0
1
1998-04-0
1
1998-07-0
1
1998-10-0
1
1999-01-0
1
1999-04-0
1
1999-07-0
1
1999-10-0
1
2000-01-0
1
2000-04-0
1
2000-07-0
1
2000-10-0
1
2001-01-0
1
2001-04-0
1
2001-07-0
1
2001-10-0
1
2002-01-0
1
2002-04-0
1
2002-07-0
1
2002-10-0
1
2003-01-0
1
2003-04-0
1
2003-07-0
1
2003-10-0
1
2004-01-0
1
2004-04-0
1
2004-07-0
1
2004-10-0
1
2005-01-0
1
2005-04-0
1
2005-07-0
1
2005-10-0
1
2006-01-0
1
2006-04-0
1
2006-07-0
1
2006-10-0
1
2007-01-0
1
2007-04-0
1
2007-07-0
1
2007-10-0
1
2008-01-0
1
2008-04-0
1
2008-07-0
1
2008-10-0
1
2009-01-0
1
2009-04-0
1
2009-07-0
1
2009-10-0
1
2010-01-0
1
2010-04-0
1
2010-07-0
1
2010-10-0
1
2011-01-0
1
2011-04-0
1
其中（19）是美国商务部经济分析局和国际货币基金组织IMF中DOTS数据库中的原始数据；（20）是IFS
数据库中原始数据；（21）根据（20）计算得到；（22）=[（19）/（21）]×；（23）=（22）×（17）；
（24）由（23）经过CensusX12季节调整得到。
附表5：美国从中国进口IM数据
序号 （25） （26） （27） （28） （17） （29） （30）
时间
美国从中
国进口名
义值（百
万美元）
美国进
口指数
（2005
年=100）
美国进口
指数
（1994年
=1）
1994年为基
期美国从中
国进口（亿
美元）
美元对人
民币季度
平均汇率
1994年为
基期美国
从中国进
口（亿元）
X12季节调
整后美国
从中国进
口（亿元）
1994-01-0
1
1994-04-0
1
1994-07-0
1
1994-10-0
1
1995-01-0
1
1995-04-0
1
1995-07-0
1
1995-10-0
1
1996-01-0
1
1996-04-0
1
1996-07-0
1
1996-10-0
1
1997-01-0
1
1997-04-0
1
1997-07-0
1
1997-10-0
1
1998-01-0
1
1998-04-0
1
1998-07-0
1
1998-10-0
1
1999-01-0
1
1999-04-0
1
1999-07-0
1
1999-10-0
1
2000-01-0
1
2000-04-0
1
2000-07-0
1
2000-10-0
1
2001-01-0
1
2001-04-0
1
2001-07-0
1
2001-10-0
1
2002-01-0
1
2002-04-0
1
2002-07-0
1
2002-10-0
1
2003-01-0
1
2003-04-0
1
2003-07-0
1
2003-10-0
1
2004-01-0
1
2004-04-0
1
2004-07-0
1
2004-10-0
1
2005-01-0
1
2005-04-0
1
2005-07-0
1
2005-10-0
1
2006-01-0
1
2006-04-0
1
2006-07-0
1
2006-10-0
1
2007-01-0
1
2007-04-0
1
2007-07-0
1
2007-10-0
1
2008-01-0
1
2008-04-0
1
2008-07-0
1
2008-10-0
1
2009-01-0
1
2009-04-0
1
2009-07-0
1
2009-10-0
1
2010-01-0
1
2010-04-0
1
0
2010-07-0
1
0
2010-10-0
1
0
2011-01-0
1
0
2011-04-0
1
0
其中（25）是美国商务部经济分析局和国际货币基金组织IMF中DOTS数据库中的原始数据；（26）是IFS
数据库中原始数据；（27）根据（26）计算得到；（28）=[（25）/（27）]×；（29）=（28）×（17）；
（30）由（29）经过CensusX12季节调整得到。
附表6：美国对中国直接投资FDI数据
序号 （31） （32） （33） （34） （17） （35） （36）
时间
美国对中
国 FDI名
义值（百
万美元）
1994年
为基期美
国 FDI平
减指数
1994年为
基期美国
对中国
FDI（亿
美元）
1994年为
基期美国
对中国累
计 FDI（亿
美元）
美元对人
民币季度
平均汇率
1994年为
基期美国
对中国累
计 FDI
（亿元）
X12季节调
整后美国
对中国累
计 FDI（亿
元）
1994-01-0
1
1994-04-0
1
1994-07-0
1
1994-10-0
1
1995-01-0
1
1995-04-0
1
1995-07-0
1
1995-10-0
1
1996-01-0
1
1996-04-0
1
1996-07-0
1
1996-10-0
1
1997-01-0
1
1997-04-0
1
1997-07-0
1
1997-10-0
1
1998-01-0
1
1998-04-0
1
1998-07-0
1
1998-10-0
1
1999-01-0
1
1999-04-0
1
1999-07-0
1
1999-10-0
1
2000-01-0
1
2000-04-0
1
2000-07-0
1
2000-10-0
1
2001-01-0
1
2001-04-0
1
2001-07-0
1
2001-10-0
1
2002-01-0
1
2002-04-0
1
2002-07-0
1
2002-10-0
1
2003-01-0
1
2003-04-0
1
2003-07-0
1
2003-10-0
1
2004-01-0
1
2004-04-0
1
2004-07-0
1
2004-10-0
1
2005-01-0
1
2005-04-0
1
2005-07-0
1
2005-10-0
1
2006-01-0
1
2006-04-0
1
2006-07-0
1
2006-10-0
1
2007-01-0
1
2007-04-0
1
2007-07-0
1
2007-10-0
1
2008-01-0
1
2008-04-0
1
2008-07-0
1
2008-10-0
1
2009-01-0
1
2009-04-0
1
2009-07-0
1
2009-10-0
1
2010-01-0
1
2010-04-0
1
2010-07-0
1
2010-10-0
1
2011-01-0
1
2011-04-0
1
其中（31）是美国商务部经济分析局数据库中的原始数据；由于统计资料没有公布FDI平减指数，因此
用美国GDP平减指数代替，即（32）=（15）；（33）=[（31）/（32）]×；（34）是根据（33）计算得
到的累计值，折旧率为10%；（35）=（34）×（17）；（36）由（35）经过CensusX12季节调整得到。
附表7：汇总数据
序号 （6） （11） （18） （24） （30） （36）
时间
X12季节调
整的实际
GDP（亿元）
（CGDP）
X12季节调整
的固定资产投
资（亿元）
（INVEST）
1994年为
基期美国
GDP（亿元）
（UGDP）
X12季节
调整后美
国对中国
出口（亿元）
（EX）
X12季节调
整后美国从
中国进口
（亿元）
（IM）
X12季节调整
后美国对中国
累计 FDI（亿
元）（FDI）
1994-01-0
1
1994-04-0
1
1994-07-0
1
1994-10-0
1
1995-01-0
1
1995-04-0
1
1995-07-0
1
1995-10-0
1
1996-01-0
1
1996-04-0
1
1996-07-0
1
1996-10-0
1
1997-01-0
1
1997-04-0
1
1997-07-0
1
1997-10-0
1
1998-01-0
1
1998-04-0
1
1998-07-0
1
1998-10-0
1
1999-01-0
1
1999-04-0
1
1999-07-0
1
1999-10-0
1
2000-01-0
1
2000-04-0
1
2000-07-0
1
2000-10-0
1
2001-01-0
1
2001-04-0
1
2001-07-0
1
2001-10-0
1
2002-01-0
1
2002-04-0
1
2002-07-0
1
2002-10-0
1
2003-01-0
1
2003-04-0
1
2003-07-0
1
2003-10-0
1
2004-01-0
1
2004-04-0
1
2004-07-0
1
2004-10-0
1
2005-01-0
1
2005-04-0
1
2005-07-0
1
2005-10-0
1
2006-01-0
1
2006-04-0
1
2006-07-0
1
2006-10-0
1
2007-01-0
1
2007-04-0
1
2007-07-0
1
2007-10-0
1
2008-01-0
1
2008-04-0
1
2008-07-0
1
2008-10-0
1
2009-01-0
1
2009-04-0
1
2009-07-0
1
2009-10-0
1
2010-01-0
1
2010-04-0
1
2010-07-0
1
2010-10-0
1
2011-01-0
1
2011-04-0
1
附表8：各变量对数值
序号 lnCGDP lnINVEST lnUGDP lnEX lnIM lnFDI
1994-01-0
1
1994-04-0
1
1994-07-0
1
1994-10-0
1
1995-01-0
1
1995-04-0
1
1995-07-0
1
1995-10-0
1
1996-01-0
1
1996-04-0
1
1996-07-0
1
1996-10-0
1
1997-01-0
1
1997-04-0
1
1997-07-0
1
1997-10-0
1
1998-01-0
1
1998-04-0
1
1998-07-0
1
1998-10-0
1
1999-01-0
1
1999-04-0
1
1999-07-0
1
1999-10-0
1
2000-01-0
1
2000-04-0
1
2000-07-0
1
2000-10-0
1
2001-01-0
1
2001-04-0
1
2001-07-0
1
2001-10-0
1
2002-01-0
1
2002-04-0
1
2002-07-0
1
2002-10-0
1
2003-01-0
1
2003-04-0
1
2003-07-0
1
2003-10-0
1
2004-01-0
1
2004-04-0
1
2004-07-0
1
2004-10-0
1
2005-01-0
1
2005-04-0
1
2005-07-0
1
2005-10-0
1
2006-01-0
1
2006-04-0
1
2006-07-0
1
2006-10-0
1
2007-01-0
1
2007-04-0
1
2007-07-0
1
2007-10-0
1
2008-01-0
1
2008-04-0
1
2008-07-0
1
2008-10-0
1
2009-01-0
1
2009-04-0
1
2009-07-0
1
2009-10-0
1
2010-01-0
1
2010-04-0
1
2010-07-0
1
2010-10-0
1
2011-01-0
1
2011-04-0
1
