基于混频模型的外商直接投资对中国宏观经济波动预测研究.pdf

第3 6卷 第2期2023年05月 青 岛 大 学 学 报(自 然 科 学 版)J O U R N A LO FQ I N G D A OU N I V E R S I T Y(N a t u r a l S c i e n c eE d i t i o n)V o l.3 6N o.2M a y2023 文章编号:1 0 0 6 1 0 3 7(2 0 2 3)0 2 0 1 4 7 0 6d o i:1 0.3 9 6 9/j.i s s n.1 0 0 6 1 0 3 7.2 0 2 3.0 2.2 4基于混频模型的外商直接投资对中国宏观经济波动预测研究戴卓尔1,李紫藤2,姜 伟1(1.青岛大学经济学院,青岛2 6 6 0 6 1;2.中南财经政法大学金融学院,武汉4 3 0 0 7 3)摘要:引入外商直接投资(f o r e i g nd i r e c t i n v e s t m e n t,F D I)和“三驾马车”,基于混频数据抽样模型预测中国季度G D P增长率,考察新冠疫情背景下F D I对中国宏观经济波动的影响。研究发现,单变量混频模型的均方根误差(r o o tm e a ns q u a r ee r r o r,RM S E)小于基准模型,预测精准度更高;多元混频模型引入F D I后,模型的实时预报RM S E比值为0.1 3,低于未引入的0.1 6,预测季度G D P增长率更精准;基于F D I预测的季度G D P增长率较“三驾马车”更高,表明F D I促进经济增长。关键词:外商直接投资;混频数据抽样模型;经济增长;预测中图分类号:F 1 2 4;F 8 3 2.6 文献标志码:A收稿日期:2 0 2 2-0 6-0 5基金项目:国家社会科学基金(批准号:2 0 B J L 0 2 0)资助。通信作者:姜伟,男,博士,教授,研究方向为行为金融与金融工程,动态经济分析。E-m a i l:x y 0 7 2 2 8 1p k u.e d u.c n 随着全球化日益加深,国际贸易朝着“密集化”和“多极化”发展,贸易自由化网络地位与外商直接投资(f o r e i g nd i r e c t i n v e s t m e n t,F D I)呈现正相关1。故除传统“三驾马车”外,F D I亦是经济增长的影响因素。F D I不仅可帮助发展中国家摆脱储蓄、外汇及技术因素的制约,提升G D P、国内工资、国民收入和出口竞争力2,还会增加企业的资金接受度3,促进本土企业就业增长和稳定能力4。新冠疫情爆发以来,全球跨国投资断崖式下降4 2%,中国F D I以16 3 0亿美元成为2 0 2 0年最大资本接收国。2 0 2 1年中国F D I达到17 3 4.8亿美元,同比增长2 0.2%,以人民币计首次突破万亿元。F D I通过促进中国收入和个体能力提升缓解贫困5,推进劳动力结构优化提高劳动力整体技术水平6和制造业生产率7,同时对地区基础设施建设也产生明显的“增进效应”8。F D I虽能提供资本要素、合理分配资源、承担成本和风险,最终促进经济高质量发展9,但也会给当地带来如环境污染、挤压效应、利润外流,甚至金融风险等负效应1 0。当内资企业和外资企业地域距离较近时,内资企业会因强竞争机制而受到F D I的负向挤出效应1 1,甚至可能 会 对 危 机 国 家 经 济 脆 弱 性 的 形 成 发 挥 作 用1 2。目 前 中 国 宏 观 经 济 测 度 模 型 中G A R C H1 3、A D L1 4-1 5、L S1 6等均为同频模型,无法充分利用不同频率数据信息,而混频数据抽样(M i x e dF r e q u e n c yD a t aS a m p l i n g,M I D A S)模型1 7可获取不同频数据蕴含信息故预测效果更优。多变量M I D A S模型的预测绩效相对单变量更具时效性和准确性1 8,通过嵌入自回归项降低预测误差1 9。综上,现有文献只基于传统“三驾马车”预测经济;近年中国重视开放经济政策,提高了F D I在宏观经济中的重要性;宏观经济预测模型大多为传统同频模型,且未有研究基于M I D A S模型以F D I预测新冠疫情背景下的中国宏观经济。因此,本文选取F D I和“三驾马车”为预测变量,基于M I D A S模型的不同频率数据特性,提取同频数据所忽略的信息,对比M I D A S模型与O L S同频模型预测精准度,探讨F D I对经济波动和预测的重要性,预估中国宏观经济增长趋势。青 岛 大 学 学 报(自 然 科 学 版)第3 6卷1 数据处理及模型说明1.1 数据来源图1 F D I季度同比增长率与G D P季度同比增长率的混频数据图 高频数据源自1 9 9 9年1月到2 0 2 1年1 0月的月度F D I同比增长率、社会消费品零售总额当月同比、固定资产投资完成额累计月度同比及进出口总额当月度同比。低频数据选取1 9 9 9年第1季度到2 0 2 1年第3季度的实际G D P同比增长率。由图1可知,F D I季度同比增长率和G D P季度同比增长率变动趋势大体一致。F D I季度同比增长率从1 9 9 9年第1季度开始有上升趋势,经历了震荡后达到小顶端,随后大幅度下降,再一次上升后又断崖式下降。G D P实际同比增长率在1 9 9 9至2 0 0 7年间依然保持上升趋势,当F D I季度同比增长率经历低谷后才开始下降,表明两者之间存在滞后效应。1.2 混频理论模型1.2.1 单变量M I D A S预测模型 单变量M I D A S模型构建包括单个高频变量与低频变量的回归方程,预测与解释变量不同频率的数据。考虑数据公布不同程度地滞后以及经济系统惯性,引入步长h和被解释变量的自回归项,可得单变量M I D A S(3,K,h)-A R(1)模型Yt=0+yt-1+1B Li/3;()X3()t-h/3+t(1)其中,X(3)t-h/3为高频解释变量;Yt为低频被解释变量,被解释变量与解释变量之间频率倍差为3,yt-1为自回归项;0为截距;1为解释变量对宏观经济的影响系数;B Li/3;()为权重函数结合滞后算子,即KK-1 k;()Lk-1()/3,K-1为高频数据最高滞后阶数,k;()为权重函数,Lk-1()/3为滞后算子,有Lk-1()/3X3()t=X3()t-k-1()/3,k 1,K。1.2.2 多变量M I D A S预测模型 宏观经济总量受多种因素影响,故核算时需引入多个变量。高频解释变量“三驾马车”和F D I相结合,与低频被解释变量季度G D P同比增长率引入同一方程,可得多变量M(4)-M I D A S(3,K,h)-A R(1)模型Yt=0+Yt-1+4i=11iB L1/3;i()X3()i-h/3+t(2)其中,4i=11iB L1/3;i()X3()i-h/3表示四个解释变量的结合。2 单变量M I D A S模型的实时预报和短期预测2.1 M I D A S(3,K)模型估计与样本内预测效果比较表1 M I D A S(3,K)模型样本内预测比较变量M I D A S(3,K)RM S EMA Er RM S EO L S消费M I D A S(3,9)1.3 1 28 1 71.1 9 58 6 40.9 2 99 3 3固定投资M I D A S(3,5)1.6 1 66 5 71.0 7 83 2 50.6 0 63 3 6出口M I D A S(3,4)3.8 9 95 3 82.9 3 69 9 20.8 9 30 5 4F D IM I D A S(3,5)4.1 9 02 8 53.2 2 30 0 90.8 1 97 2 2 单变量模型分别引入四个高频解释变量,消费、固定投资、进出口及F D I的全样本估计最优滞后阶数分别为9、5、4、5。最优滞后阶数K下,四个解释变量的单变量模型具有不同的均方根误差(r o o tm e a ns q u a r ee r r o r,RM S E)和平均绝对误差(m e a na b s o l u t ee r r o r,MA E)。由表1可知,消费和固定投资的样本内预测精准度高,表明新冠疫情后中国季度G D P增长率主要受消费和固定投资的影响,国家通过大量资金投入和出台消费拉动政策促进经济恢复。除消费外,其他三个变量的样本内预测最优滞后阶数较小,表明宏观经济对这三个变量反应841 第2期 戴卓尔等:基于混频模型的外商直接投资对中国宏观经济波动预测研究敏感。RM S E可衡量观测值同真值之间的偏差,混频模型和基准模型的RM S E比值小于1则表明混频模型所得结果偏差小于基准模型,精准度更高。四个解释变量的均方根误差比值都小于1,表明混频模型较基准同频模型更有优势。2.2 M I D A S(3,K,h)模型的样本内预测与样本外预测M I D A S(3,K,h)模型中引入h步向前预测,可有效处理数据公布的时滞性问题。由于高频数据取至2 0 2 1年1 0月,无法计算步长h=1的预测值,故从h=2开始预测季度G D P增长率(表2)。基于消费和固定投资的G D P增长率预测值随着步长增加而大幅波动,如2 0 2 1年第4季度,表明近年的经济动荡降低了宏观经济的预测稳定性。除步长h=1 2,基于消费的G D P增长率预测值在2 0 2 2年第1季度为负值,表征消费视角下的经济衰退,这源于2 0 2 0年1季度新冠疫情的冲击余波。而所有G D P预测增长率都大于2 0 2 0年1季度的历史最低值-6.8%,表明经济形势正缓慢好转。与之相比,基于进出口和F D I预测的G D P增长率总体偏高且稳定。表3显示,h越大预测精准度越低。预测期经济状况主要受临近前期影响,故数据距离预测区间越远,实际G D P增长率预测误差越大。除h=1 0和1 1,其他步长下混频模型的预测精准度都高于同频模型。表2 M I D A S(3,K,h)的实时预报和短期预测(%)变 量234567891 01 11 2消费2 0 2 1年第4季度6.7 40.2 1-0.8 60.3 42.7 52.7 95.5 71 0.8 21 0.4 01 0.6 45.9 32 0 2 2年第1季度-0.4 1-0.2 8-1.2 3-2.8 8-0.9 0-0.4 8-0.2 50.1 02 0 2 2年第2季度-7.6 71 2.9 81 3.1 71 3.7 81 1.9 82 0 2 2年第3季度-1 1.7 61 4.8 9固定投资2 0 2 1年第4季度5.6 92.1 62.9 33.0 32.8 53.2 36.3 07.1 01 0.6 59.2 35.8 42 0 2 2年第1季度-1.7 82.4 12.5 52.0 13.2 95.2 34.1 93.9 42 0 2 2年第2季度-6.5 56.9 66.3 46.0 38.4 62 0 2 2年第3季度-5.9 26.6 9进出口2 0 2 1年第4季度7.7 57.8 37.6 67.8 78.5 19.2 98.9 69.7 38.8 37.9 27.5 62 0 2 2年第1季度-8.8 68.5 48.7 77.9 58.4 29.2 29.2 29.1 82 0 2 2年第2季度-1 0.2 01 0.0 48.5 48.8 89.2 92 0 2 2年第3季度-8.2 47.9 9F D I2 0 2 1年第4季度8.2 08.2 28.4 58.5 08.3 18.3 08.2 28.0 78.1 18.0 78.0 62 0 2 2年第1季度-8.0 57.9 98.1 18.1 18.0 18.0 78.2 08.3 12 0 2 2年第2季度-8.1 68.1 08.1 68.2 58.4 72 0 2 2年第3季度-8.4 18.3 62.3 M I D A S(3,K,h)-A R(1)模型的样本内预测效果比较与实时预报宏观经济存在惯性,G D P增长受到前期自身变动影响,故引入G D P增长率自回归项至M I D A S(3,K,h)-A R(1)完成样本内预测。由表4,单变量混频模型加入自回归项A R(1)后,导致基于消费预测的G D P增长率波动增大,而基于固定投资、进出口的预测结果却相较之前更稳定。实证结果与前文分析一致,基于进出口和F D I的季度G D P增长率预测值相较固定投资和消费的结果偏高,表明F D I可促进经济增长。3 多元M I D A S模型的实时预报和短期预测3.1 M(n)-M I D A S(3,K)模型估计与样本内预测效果比较针对是否引入F D I,分析M(n)-M I D A S(m,K)模型的全样本估计和样本内预测精准度。未加入F D I时,模型的全样本估计和样本内预测RM S E比值分别为0.8 3 43 6 8和0.4 8 05 4 0。而加入F D I后的RM S E比值为0.7 7 03 9 5与0.4 6 34 0 8。由此可知,无论是否加入F D I,样本内预测精准度明显优于全样本估计,反941青 岛 大 学 学 报(自 然 科 学 版)第3 6卷表3 M I D A S(3,K,h)模型的样本内预测比较优势r RM S EO L S步长消费固定投资进出口F D I10.2 2 64 1 60.3 3 15 8 60.7 7 49 5 90.7 7 47 2 520.2 4 00 4 90.3 3 17 1 40.8 9 82 2 50.9 6 29 9 930.8 5 76 9 30.8 4 29 7 80.9 3 69 0 10.9 6 67 6 940.8 2 15 2 30.7 8 20 1 10.9 1 08 3 40.9 6 87 8 650.8 2 91 0 10.8 4 16 8 10.9 3 61 3 80.9 8 13 4 360.8 7 85 0 20.9 1 84 5 90.9 1 28 3 60.9 8 66 6 870.8 6 83 1 70.9 3 17 8 40.9 5 65 7 50.9 8 78 8 680.8 1 90 2 40.8 9 52 7 50.9 0 65 9 20.9 8 60 1 090.8 8 99 2 00.9 3 45 1 00.9 2 43 7 50.9 8 77 2 51 00.8 8 80 2 80.9 7 92 7 11.0 1 65 9 11.0 0 29 7 21 10.8 7 41 2 10.9 4 42 7 01.0 1 25 8 80.9 9 52 8 31 20.8 6 00 9 80.9 1 88 8 00.9 9 11 5 80.9 8 12 5 1表4 2 0 2 1年第4季度M I D A S(3,K,h)-A R(1)的实时预报(%)步长消费固定投资进出口F D I29.3 65.3 58.2 35.0 532.6 85.1 68.6 74.9 642.1 63.0 58.7 35.2 25-1.3 52.9 17.4 17.4 96-1.5 23.2 67.7 77.5 47-1.2 63.5 97.6 87.5 480.2 64.3 37.5 37.5 992.5 14.5 47.7 88.0 41 04.4 44.5 67.1 17.9 61 15.0 24.9 57.9 08.1 21 25.8 85.3 87.1 08.0 6映2 0 1 8年第1季度至2 0 2 2年第3季度的经济环境不同于1 9 9 9年第1季度至2 0 1 7年第4季度。引入F D I后,两者精准度明显优于未引入时,表明F D I有利于预测经济增长趋势。与单变量M I D A S模型所得结果相比,多元M I D A S模型的样本预测精准度更高。3.2 M(n)-M I D A S(3,K,h)模型的样本外预测和分析基于多变量M I D A S模型,实时预报2 0 2 1年第4季度G D P增长率,预测2 0 2 2年第1季度至第3季度G D P增长率,比较未引入F D I的三变量模型和引入F D I的四变量模型。表5、表6的实时预报数据变化趋势相似,表明引入F D I后不影响经济总体变动方向,但四变量模型预测值整体高于三变量模型,表明F D I会引入资金为经济发展提供基础,增强宏观经济。2 0 2 1年第4季度实时预报值波动范围较大,表明近年经济局势动荡。2 0 2 2年第1季度预测值相对前1季度明显下降,表明年初大概率经济波动。而第2、3季度预测值对应步长上升,表明未来经济形势向好。表5 M(3)-M I D A S(3,K,h)模型的实时预报和样本外预测(%)步长实时预报2 0 2 1年第4季度样本外预测2 0 2 2年第1季度2 0 2 2年第2季度2 0 2 2年第3季度24.8 8-3-0.0 8-40.7 7-5-5.1 9-4.4 2-63.0 4-7.2 2-7-2.0 0-6.5 8-8-0.3 5-8.1 24.2 7-90.8 5-7.2 74.3 2-1 01.8 6-8.8 96.4 9-1 12.6 8-8.7 15.9 69.0 71 25.2 4-1 0.4 57.3 18.6 7表6 加入F D I后M(4)-M I D A S(3,K,h)模型的实时预报和样本外预测(%)步长实时预报2 0 2 1年第4季度样本外预测2 0 2 2年第1季度2 0 2 2年第2季度2 0 2 2年第3季度25.8 1-31.9 2-41.2 9-5-2.4 0-1.0 3-66.3 3-4.4 4-7-4.2 8-5.4 1-81.4 1-5.2 87.2 6-94.2 3-5.2 58.1 9-1 01.3 1-5.8 08.5 7-1 14.1 5-2.0 07.5 01 2.2 91 25.1 7-5.4 19.2 41 2.1 23.3 M(n)-M I D A S(3,K,h)-A R(1)模型的样本内预测和实时预报引入被解释变量的自回归项A R(1)至M(n)-M I D A S(3,K,h)模型中,可得其RM S E比值0.3 8 52 2 2低于未引入时RM S E比值0.4 6 34 0 8,表示模型引入自回归项预测精准度更高,被解释变量自身的前置数据对预测区间仍有影响。由表7可知,高频解释变量步长越大,多变量M I D A S模型的样本内预测比较优势越051 第2期 戴卓尔等:基于混频模型的外商直接投资对中国宏观经济波动预测研究弱。引入一阶自回归所得G D P增长率预测结果与未引入所得预测值变化趋势相似,但引入自回归模型预测精准度依然优于未引入模型,表明一阶自回归项对G D P增长率预测有促进作用。表7 M(n)-M I D A S(3,K,h)-A R(1)模型的实时预报步长实时预报(2 1年第4季度)未加入F D I样本内预测r RM S EO L S实时预报(2 1年第4季度)加入F D I样本内预测r RM S EO L S步长实时预报(2 1年第4季度)未加入F D I样本内预测r RM S EO L S实时预报(2 1年第4季度)加入F D I样本内预测r RM S EO L S23.4 00.1 64.4 50.1 38-2.4 80.7 3-1.9 50.7 333.4 50.7 23.9 80.7 99-0.6 30.6 91.5 50.7 144.8 20.7 94.8 10.7 91 0-0.4 90.6 81.0 90.6 956.1 10.8 44.6 60.7 61 11.7 70.6 82.7 60.6 96-1.6 10.7 6-1.8 30.7 41 23.5 20.6 95.0 60.6 87-3.7 00.7 7-2.8 30.7 54 结论结合F D I和“三驾马车”分别估计单变量和多变量M I D A S模型,比较混频与同频模型预测精准度,估计中国新冠疫情后实际G D P增长率。混频模型引入步长、自回归及多变量后可获取更准确的G D P增长率预测值,引入F D I后亦可提高预测精准度。据G D P增长率预测波动区间可知,受新冠疫情影响中国经济年初时波动较大,年中和年末增长稳定。建议中国未来宏观经济分析可充分利用混频模型,除参考“三驾马车”外重点关注外资金融;抓住经济增长风口拓宽外资引入渠道,完善资金运用法条。参考文献1 户华玉,龚同,佘群芝.全球贸易自由化格局演变及其对F D I的影响J.国际经贸探索,2 0 2 2,3 8(4):5 3-6 7.2Z HOUJ,L A TO R R EMC.F D I i nC h i n a a n dg l o b a l p r o d u c t i o nn e t w o r k s:A s s e s s i n g t h e r o l eo f a n d i m p a c t o nb i gw o r l dp l a y e r sJ.J o u r-n a l o fP o l i c yM o d e l i n g,2 0 2 1,4 3(6):1 2 2 5-1 2 4 0.3 李磊,冼国明,包群.“引进来”是否促进了“走出去”?外商投资对中国企业对外直接投资的影响J.经济研究,2 0 1 8,5 3(3):1 4 2-1 5 6.4 韩国高,邵忠林,张倩.外资进入有助于本土企业“稳就业”吗 来自中国制造业的经验证据J.国际贸易问题,2 0 2 1(5):8 1-9 5.5 陈怡,裴卓尔.外商直接投资有助于我国减贫吗?基于微观家户数据的分析J.武汉金融,2 0 2 0(6):3 3-4 0.6 程孝强,钱圆圆.F D I、资本技术互补性与工薪差距J.哈尔滨商业大学学报(社会科学版),2 0 2 0(5):6 7-7 6.7 白雪洁,刘莹莹.生产性服务业外商直接投资对中国制造业生产率的影响检验 基于体现型技术进步视角J.软科学,2 0 2 1,3 5(1 2):2 9-3 5.8 苑德宇,李德刚,杨志勇.外商直接投资进入是否增进了中国城市基础设施绩效J.世界经济,2 0 1 7,4 0(8):1 4 3-1 6 6.9 胡雪萍,许佩.F D I质量特征对中国经济高质量发展的影响研究J.国际贸易问题,2 0 2 0(1 0):3 1-5 0.1 0孙宁华,黄勇.商业周期中的外商直接投资与中国经济波动J.国际贸易问题,2 0 1 3(7):1 3 6-1 4 6+1 5 7.1 1卢进勇,张航.F D I溢出效应的利与弊 基于空间距离的实证分析J.国际经济合作,2 0 2 1(5):4 1-5 2.1 2潘素昆.F D I的新特点对发展中国家金融稳定的影响J.国际经贸探索,2 0 0 7(9):4 4-4 7+5 4.1 3纪尧.基于大数据的混频宏观经济预测与监测指数构建J.统计与决策,2 0 2 1,3 7(7):3 6-3 9.1 4C L AUD I OJC,HE I N I S C H K,HO L T EMO E L L E RO.N o w c a s t i n gE a s tG e r m a nG D Pg r o w t h:A M I D A Sa p p r o a c hJ.E m p i r i c a lE c o-n o m i c s:J o u r n a l o f t h e I n s t i t u t e f o rA d v a n c e dS t u d i e s,V i e n n a,A u s t r i a,2 0 2 0,5 8(1):2 9-5 4.1 5秦梦,孙毅,代天娇.基于“克强指数”对中国G D P的混频预测研究J.青岛大学学报(自然科学版),2 0 1 8,3 1(1):1 5 0-1 5 6.1 6AN D R E OUE.O nt h eu s eo fh i g hf r e q u e n c ym e a s u r e so fv o l a t i l i t yi nM I D A Sr e g r e s s i o n sJ.J o u r n a lo fE c o n o m e t r i c s,2 0 1 6,1 9 3(2):3 6 7-3 8 9.1 7GHY S E L SE,S AN T A-C L A R AP,VA L KANOVR.T h e r e i sar i s k-r e t u r nt r a d e-o f f a f t e r a l lJ.J o u r n a l o fF i n a n c i a lE c o n o m i c s,2 0 0 4,7 6(3):5 0 9-5 4 8.1 8秦梦,唐光胜,张雨辰,等.基于“克强指数”的中国宏观经济混频预测分析J.统计与决策,2 0 2 1,3 7(1 3):1 0 8-1 1 1.1 9左喜梅,郇志坚.货币供应量能提高G D P预测吗 基于M I D A S模型J.新金融,2 0 1 7(7):2 8-3 1.151青 岛 大 学 学 报(自 然 科 学 版)第3 6卷P r e d i c t i o no fF o r e i g nD i r e c t I n v e s t m e n t o nC h i n aM a c r o e c o n o m i cF l u c t u a t i o n sB a s e do nM I D A SM o d e lD A IZ h u o-e r1,L IZ i-t e n g2,J I ANG W e i1(1.S c h o o l o fE c o n o m i c s,Q i n g d a oU n i v e r s i t y,Q i n g d a o2 6 6 0 6 1,C h i n a;2.S c h o o l o fF i n a n c e,Z h o n g n a nU n i v e r s i t yo fE c o n o m i c sa n dL a w,Wu h a n4 3 0 0 7 3,C h i n a)A b s t r a c t:T h eM i x e d-f r e q u e n c yD a t aS a m p l i n gm o d e l i n t r o d u c e df o r e i g nd i r e c t i n v e s t m e n t(F D I)a n dt h e“t r o i k a”,p r e d i c t e dC h i n a sq u a r t e r l yG D Pg r o w t hr a t e,a n de x a m i n e d t h e i m p a c t o fF D I o nC h i n a sm a c r o-e c o n o m i c f l u c t u a t i o n su n d e r t h eb a c k g r o u n do fC OV I D-1 9.T h er e s e a r c hs h o w s t h a t t h er o o tm e a ns q u a r ee r r o r(RM S E)o f t h eu n i tm i x i n gm o d e l i s s m a l l e r t h a n t h eRM S Eo f t h eb e n c h m a r km o d e l,a n d i t sp r e d i c-t i o na c c u r a c y i sh i g h e r.A f t e r t h e i n t r o d u c t i o no fF D I i n t o t h em u l t i v a r i a t em i x i n gm o d e l,t h eRM S Er a t i oo f r e a l-t i m e f o r e c a s t i s0.1 3,w h i c hi ss m a l l e r t h a n0.1 6w i t h o u t t h e i n t r o d u c t i o no fF D I.T h em o d e lp r e-d i c t sq u a r t e r l yG D Pg r o w t hr a t em o r ea c c u r a t e l y.T h eq u a r t e r l yG D Pg r o w t hr a t e f o r e c a s tb a s e do nF D I i sh i g h e r t h a nt h a tb a s e do n“t r o i k a”,w h i c hp r o v e s t h a tF D Ip r o m o t e se c o n o m i cg r o w t h.K e y w o r d s:f o r e i g nd i r e c t i n v e s t m e n t;M I D A Sm o d e l;e c o n o m i cg r o w t h;f o r e c a s t(上接第1 4 6页)R e s e a r c ho nt h e I n f l u e n c eo fR e g i o n a lW e a l t ho nG r e e nT e c h n o l o g yI n n o v a t i o nB a s e do nM e d i a t i o nE f f e c tM o d e lGUOX i a o-t o n g,CHE ND o n g-j i n g(S c h o o l o fE c o n o m i c s,Q i n g d a oU n i v e r s i t y,Q i n g d a o2 6 6 0 6 1,C h i n a)A b s t r a c t:B a s e do nt h ep r o v i n c i a l p a n e l d a t ao fC h i n a f r o m2 0 0 5t o2 0 2 0,t h e r e g i o n a lw e a l t ho f e a c hp r o v-i n c ew a sm e a s u r e df r o mt h ee c o n o m i c,s o c i a la n de c o l o g i c a ld i m e n s i o n s.T h et w o-w a yf i x e d-e f f e c tm o d e la n dt h em e d i a t i o ne f f e c tm o d e lw e r ec o n s t r u c t e dt oe x a m i n e t h e i m p a c t a n dm e c h a n i s mo f r e g i o n a lw e a l t ho ng r e e nt e c h n o l o g yi n n o v a t i o n.T h er e s u l t ss h o wt h a tr e g i o n a lw e a l t hc a ns i g n i f i c a n t l yp r o m o t eg r e e nt e c h n o l o g yi n n o v a t i o n.T h em e d i a t i o ne f f e c t t e s t r e s u l t s s h o wt h a t r e g i o n a lw e a l t hc a np r o m o t eg r e e n t e c h-n o l o g y i n n o v a t i o nt h r o u g ht h ed e v e l o p m e n to fg r e e nf i n a n c e,t h e i n t r o d u c t i o no f f o r e i g nd i r e c t i n v e s t m e n ta n dt h e i n c r e a s eo f r e s e a r c ha n dd e v e l o p m e n t(R&D)i n v e s t m e n t i nc o a s t a l a r e a s.T h em e d i a t i o ne f f e c to fg r e e nf i n a n c e i sn o t s i g n i f i c a n t i n i n l a n da r e a s.T h eg o v e r n m e n t s h o u l dc o o r d i n a t e t h ec o n s t r u c t i o no f e c o-l o g i c a l c i v i l i z a t i o na n de c o n o m i c a n ds o c i a l d e v e l o p m e n t t or e a l i z e t h em u l t i-d i m e n s i o n a l g r o w t ho f r e g i o n a lw e a l t h.A l l r e g i o n ss h o u l dp r o m o t eg r e e nt e c h n o l o g yi n n o v a t i o nb yi m p r o v i n gt h eg r e e nf i n a n c i a lp o l i c ys y s t e m,p r o t e c t i n gt h el e g i t i m a t er i g h t sa n di n t e r e s t so ff o r e i g ne n t e r p r i s e sa n de x p a n d i n gt h es c a l eo fR&Di n v e s t m e n t.K e y w o r d s:r e g i o n a lw e a l t h;g r e e nt e c h n o l o g y i n n o v a t i o n;f u n c t i o nm e c h a n i s m;m e d i a t i o ne f f e c t251