張瑞新 齊一葦 魏浩

摘?要：利用1995年至2017年間的雙邊貿(mào)易數(shù)據(jù)，并以我國和巴西基于?SITC?分類的?63個行業(yè)為研究對象，檢驗了巴西雷亞爾兌人民幣匯率與兩國各行業(yè)貿(mào)易收支之間是否存在貿(mào)易“J?曲線效應(yīng)”。通過使用?ARDL?自回歸分布滯后模型和?ECM?誤差修正模型，探究巴西雷亞爾兌人民幣貶值對其貿(mào)易收支的長期影響與短期效應(yīng)。最終結(jié)果顯示研究樣本中的14個行業(yè)存在該效應(yīng)。本文提供了包括影響時滯和影響行業(yè)在內(nèi)的較為詳細的檢驗結(jié)果，也為我國制定關(guān)于巴西貿(mào)易以及貿(mào)易產(chǎn)業(yè)等政策提供了參考依據(jù)。

關(guān)鍵詞：J曲線效應(yīng)?匯率?中巴貿(mào)易收支

一、引言

（一）研究背景

近二十年來，中國與巴西的進出口貿(mào)易額呈現(xiàn)強勁的上升趨勢。據(jù)聯(lián)合國貿(mào)易統(tǒng)計處2018年的最新數(shù)據(jù)，從巴西的角度衡量，中國是巴西最大的貿(mào)易伙伴國，也是其最大的貿(mào)易順差來源國;從我國的角度衡量，巴西也同時位列中國的前十大貿(mào)易伙伴國之一。作為新興市場國家且同為金磚國家，中國和巴西在經(jīng)濟上確實有諸多的共通和互補之處，多年來也保持著友好與密切的貿(mào)易合作與往來。

巴西的農(nóng)作物和礦石原料較為豐富，因此植物產(chǎn)品與礦產(chǎn)品向來是其對華出口的主力產(chǎn)品;于此同時中國的化工產(chǎn)品、機電產(chǎn)品等在巴西市場也有著巨大的需求。近幾年來，同為金磚國家的中巴兩國，以互利共贏為原則，簽署過多項雙邊協(xié)議：如2013年雙方央行簽署的價值1900億元人民幣的中巴雙邊本幣互換協(xié)議，以及2015年簽訂的價值數(shù)百億美元、涵蓋多項產(chǎn)業(yè)的貿(mào)易、金融和投資協(xié)議等。根據(jù)聯(lián)合國商品貿(mào)易統(tǒng)計處（UN?Comtrade）數(shù)據(jù)?本文采用的貿(mào)易數(shù)據(jù)均來自聯(lián)合國商品貿(mào)易統(tǒng)計處（UN?Comtrade），且截取數(shù)據(jù)均以巴西為統(tǒng)計匯報國。顯示，2018?年巴西對中國的貨物出口總額將近?64206億美元，進口總額為?34730億美元，貿(mào)易盈余高達29476億美元。該數(shù)值占巴西整體貿(mào)易盈余的5025%。作為其貿(mào)易伙伴國，相對其他美洲國家，中國雖然不具有地理上的優(yōu)勢，但近幾年已代替美國成為了巴西最大的貿(mào)易伙伴也是最大的貿(mào)易順差來源國。?但是隨著兩國經(jīng)貿(mào)往來的增加，貿(mào)易摩擦也不可避免地時有出現(xiàn)。據(jù)我國商務(wù)部貿(mào)易的官網(wǎng)資料顯示，2018年巴西曾對我國軋輥和球墨鑄鐵管兩種產(chǎn)品提起過反傾銷立案調(diào)查，另外還有涉及到多種產(chǎn)品的多達12項反傾銷日落復(fù)審調(diào)查。張家瑾和陳美珍（2015）[1]認(rèn)為這些日漸增加的貿(mào)易摩擦源自兩國現(xiàn)今的經(jīng)濟增長疲乏、各自的工業(yè)結(jié)構(gòu)同質(zhì)化、產(chǎn)業(yè)內(nèi)貿(mào)易往來的增加以及匯率波動等因素。

在中國與巴西經(jīng)貿(mào)關(guān)系如此密切的背景下，詳實地探究兩國的貿(mào)易動因顯得極為重要。尤其是，在我國對巴西貿(mào)易逆差如此顯著的情況下，密切關(guān)注該逆差的影響因素以及未來變化都更加具有實際的意義。本文將研究重心放在巴西貨幣對人民幣的匯率變動上，?檢驗匯率對兩國雙邊貿(mào)易的短期以及長期的影響是否呈現(xiàn)出貿(mào)易?J?曲線效應(yīng)。

觀察?1995?年到?2018?年間巴西雷亞爾（巴西官方貨幣）兌人民幣的匯率波動狀況，可以發(fā)現(xiàn)雷亞爾兌人民幣的名義和實際匯率在該統(tǒng)計年份內(nèi)均呈貶值趨勢（名義匯率在本文均定義為雷亞爾每單位人民幣的形式，即該匯率的數(shù)值增加代表巴西雷亞爾對人民幣貶值）。近十年來，該貶值趨勢僅在?2017年有所緩和，至?2018年雷亞爾兌人民幣名義匯率已達到?055?的紀(jì)錄。近十年內(nèi)，實際匯率貶值也達到了?40%。這在理論上會使巴西的產(chǎn)品在國際市場上相對更加便宜，因此進一步促進其對中國的出口。同時也會使中國的產(chǎn)品相對價格更高，從而減少巴西從中國的進口，擴大我國對巴西的貿(mào)易逆差。因此利用真實數(shù)據(jù)檢驗這一理論將有助于衡量該雙邊匯率變動可能給我國貿(mào)易收支帶來的風(fēng)險。

在該領(lǐng)域的文獻中，目前已有的少量研究利用貿(mào)易總額為檢驗數(shù)據(jù)，但該宏觀數(shù)據(jù)并不能詳實地發(fā)現(xiàn)匯率變動對中國和巴西貿(mào)易更為具體、更為深入的影響。針對這種研究的欠缺，本文采用了?1995?至?2017?年巴西對華貿(mào)易中按?SITC?編碼進行細分的?63?個行業(yè)的年度數(shù)據(jù)。探究并使用了?ARDL?自回歸分布滯后模型和誤差修正模型對這些行業(yè)雙邊易的?J?曲線效應(yīng)進行實證分析?本文細分的行業(yè)貿(mào)易數(shù)據(jù)按照?SITC?編碼進行分類獲取。但鑒于部分行業(yè)的數(shù)據(jù)存在年份缺失，無法適用時間序列模型，本文參考的63個行業(yè)并未覆蓋中國與巴西的所有貿(mào)易產(chǎn)品。

，從影響時滯和影響行業(yè)等更為細致的層面提供了針對中國與巴西貿(mào)易的政策參考依據(jù)。

（二）文獻綜述

一國貨幣貶值，在短期內(nèi)，會首先導(dǎo)致以外國貨幣計價的進口價格相對上漲，而以本國貨幣計價的出口價格相對下降。這種計價上的相對改變會直接導(dǎo)致該國的貿(mào)易收支惡化。同時由于生產(chǎn)消費行為與貿(mào)易合同的“慣性”，進出口的貿(mào)易量調(diào)整相對于匯率的實時變動存在著滯后性，即貿(mào)易量不會對此做出迅速反應(yīng)并發(fā)生較大變動。因此從以上兩方面考量，貨幣貶值在短期內(nèi)很可能會導(dǎo)致更高的貿(mào)易逆差或更低的貿(mào)易盈余。

隨著時間的發(fā)展，生產(chǎn)者活動和消費者決策逐漸針對匯率的變化做出調(diào)整，該國的進出口貿(mào)易量也會逐漸改變。這表現(xiàn)為本國消費者更少地購買相對更加昂貴的進口產(chǎn)品，以及外國消費者更多地購買相對低價的本國出口產(chǎn)品。結(jié)果使得貿(mào)易收支最終恢復(fù)并改善至比貨幣貶值前更好的水平。因此長期而言，本國貨幣貶值能夠改善本國的貿(mào)易收支。這一現(xiàn)象在國際貿(mào)易研究中被稱為“J?曲線效應(yīng)”。該現(xiàn)象很早即由?Magee（1973）[2]提出，由于調(diào)整的時滯，貨幣貶值的短期效應(yīng)可能與其長期效應(yīng)不同，貿(mào)易收支可能會經(jīng)歷一個短期惡化、長期改善的過程。

目前國外關(guān)于J?曲線的研究文獻比較豐富。這些文獻所研究的貿(mào)易關(guān)系多集中在美國，?中國，日本等貿(mào)易大國之間。其使用的貿(mào)易數(shù)據(jù)涉及多種雙邊或多邊貿(mào)易數(shù)據(jù)。Bahmani-Oskooee?和?Ratha?（2004）[3]、Bahmani-Oskooee?和?Hegerty（2010）[4]分別對關(guān)于J?曲線效應(yīng)的大量研究進行了概述和分析。目前英文文獻涉及到的研究對象較為多樣化：?例如，以中國與其主要的貿(mào)易伙伴為研究對象（Bahmani-Oskooee，Bose?和?Zhang?2018）[5];?以韓國對世界的各行業(yè)貿(mào)易數(shù)據(jù)為研究樣本（Bahmani-Oskooee?和?Zhang?2014）[6];還有以大量雙邊貿(mào)易的行業(yè)級別數(shù)據(jù)為樣本（Bahmani-Oskooee?和?Wang?2008）[7]。

在研究方法上，當(dāng)前國外研究多采用ARDL?自回歸分布滯后模型以及?ECM?誤差修正模型。近幾年，Bahmani-Oskooee?和?Fariditavana（2016）[8]以及?Bahmani-Oskooee?等（2018）[5]也開始嘗試使用非線性?ARDL?模型進行對貿(mào)易?J?曲線的檢驗。大量的研究結(jié)果表明，貿(mào)易?J?曲線確實存在于某些雙邊貿(mào)易伙伴或者相應(yīng)的貿(mào)易行業(yè)中，但是總結(jié)這些研究時并沒有發(fā)現(xiàn)普遍一致的適用于各個國家以及行業(yè)的貿(mào)易?J?曲線存在規(guī)律。

國內(nèi)學(xué)者以人民幣匯率為研究重點，更多側(cè)重從總貿(mào)易數(shù)據(jù)上分析其對我國進出口貿(mào)易的影響。鐘偉等（2001）[9]運用我國?1993—1998?年的各季度總進出口數(shù)據(jù)，發(fā)現(xiàn)人民幣匯率貶值對我國貿(mào)易收支的改善作用有大約3個季度的時滯效應(yīng)，但對其的短期影響并不明顯。對比該研究采用了人民幣的名義匯率進行分析，劉堯成等（2010）[10]使用更為貼切的人民幣實際有效匯率展開研究。結(jié)論顯示匯率的變化對我國貿(mào)易收支存在明顯的?J?曲線效應(yīng)。劉陽陽等（2015）[11]將研究時長分為三個區(qū)間，發(fā)現(xiàn)金融危機后我國的總貿(mào)易收支受匯率影響的?J?曲線效應(yīng)在短期有增強的趨勢。

在這些針對貨幣和總體貿(mào)易收支關(guān)系的研究基礎(chǔ)上，當(dāng)前也有少數(shù)學(xué)者運用了我國與多個貿(mào)易伙伴的雙邊進出口數(shù)據(jù)進行?J?曲線的檢驗。Wang?和?Yang（2012）[12]采用了面板誤差校正模型，檢測中國與包括巴西在內(nèi)的?18個貿(mào)易伙伴間的?J?曲線效應(yīng)，研究結(jié)果是總體上輕微支持反?J?曲線效應(yīng)的存在，而人民幣的實際升值對中國的貿(mào)易收支總體上沒有顯著的負(fù)面長期影響。李志國等（2007）[13]、張云等（2017）[14]以及李夏玲等（2017）[15]分別以我國和多個主要貿(mào)易伙伴為研究對象，在部分雙邊關(guān)系中發(fā)現(xiàn)了匯率對貿(mào)易收支影響的?J?曲線效應(yīng)?，F(xiàn)有的國內(nèi)關(guān)于?J?曲線的研究都使用了國家的總貿(mào)易數(shù)據(jù)，因此極可能會產(chǎn)生匯總偏誤，即該國與其主要貿(mào)易伙伴之間的顯著結(jié)果可能會被某些行業(yè)貿(mào)易中的不顯著結(jié)果所抵消。對比國外關(guān)于貿(mào)易?J?曲線的研究，我國目前細分到各個進出口行業(yè)級別的研究十分欠缺，且從未有設(shè)計過關(guān)于中巴貿(mào)易的?J?曲線研究。

在目前所有的國內(nèi)外研究中，針對中國與巴西貿(mào)易的J?曲線效應(yīng)相關(guān)的研究也較為罕見。Bahmani-Oskooee?和?Malixi?（1992）[16]、?Gomes?和?Paz?（2005）[17]?與Moura?和?Da?Silva?（2005）[18]的三項研究均對巴西某些雙邊貿(mào)易是否存在“J?曲線效應(yīng)”?做出過分析。前兩項研究均支持其存在，而后一項研究則不支持。基于這種使用總貿(mào)易量研究的缺陷，Mohsen?Bahmani-Oskooee，?Hanafiah?Harvey?和?Scott?W?Hegerty?（2014）[19]?專注于巴西與美國的雙邊貿(mào)易，將其貿(mào)易往來按商品種類分為?92?個行業(yè)，利用有界協(xié)整和誤差修正模型對各個行業(yè)分別進行分析，最終在?31?個行業(yè)中發(fā)現(xiàn)了?J?曲線效應(yīng)的存在。

隨著近幾年我國和巴西互為重要的貿(mào)易伙伴國。根據(jù)?2018?年數(shù)據(jù)，我國為巴西的第一大貿(mào)易伙伴國，巴西為我國的第八大貿(mào)易伙伴國，并且在此雙邊貿(mào)易中我國處于貿(mào)易逆差角色。因此研究兩國匯率對各行業(yè)雙邊貿(mào)易的影響顯得尤為重要。一方面可以揭示更為細化的行業(yè)貿(mào)易狀況，另一方面也可以測試匯率風(fēng)險在兩國貿(mào)易中的潛在影響。但當(dāng)前尚未有研究涉及過巴西與我國基于各行業(yè)貿(mào)易級別的?J?曲線實證分析。基于這一研究需要，本文利用時間序列中的誤差修正模型對兩國的?63?個行業(yè)貿(mào)易進行逐一的?J?曲線效應(yīng)分析。本文一方面拓展了中國與巴西貿(mào)易?J?曲線的研究深度，另一方面也可以對兩國貿(mào)易收支變化和政策的制定提供重要的參考內(nèi)容。

二、模型與數(shù)據(jù)

（一）計量模型

自Bahmani-Oskooee（1985）[20]使用時間序列模型檢驗?J?曲線現(xiàn)象的方法以來，簡化形式的貿(mào)易收支模型成為了許多學(xué)者使用的普遍方法。其中，本國收入水平，外國收入水平，實際匯率這三個變量通常被認(rèn)為是影響貿(mào)易收支變化的主要因素。因此，根據(jù)中國與巴西雙邊貿(mào)易進行方程的符號標(biāo)注，得到的中巴貿(mào)易收支方程如下：

lnTBi，t=a+blnYBt+clnYCt+dlnlnREXt+εi，t[JY]（1）

基于數(shù)據(jù)來源與問題分析的側(cè)重點，本研究從巴西進出口的視角建立模型。模型中TBi表示?i?行業(yè)中巴西對中國的貿(mào)易收支，其中?TB?等于巴西對中國出口總量與巴西對中國進口總量的比值;YB表示巴西的實際?GDP;YC表示中國的實際?GDP;ε表示誤差項。如果巴西實際收入YB增加，本國消費者對進口商品需求提升，則系數(shù)?b?預(yù)期為負(fù);相反，如果中國實際收入YC增加，巴西的對華出口商品需求提升，則系數(shù)?c?預(yù)期為正。?REX?表示巴西雷亞爾兌人民幣雙邊實際匯率，并且?REX=NEX*PC/PB。其中PC為中國的價格水平。PB為巴西的價格水平。NEX?為雷亞爾名義匯率，定義為每人民幣價值的巴西雷亞爾數(shù)量。因此本研究中?REX?的增加代表雷亞爾對人民幣貶值。依照貿(mào)易?J?曲線理論，貨幣貶值會在長期改善行業(yè)i?的貿(mào)易收支，由此預(yù)期系數(shù)?d?的符號為正。綜上所述，估計方程（1）的系數(shù)即可以得到長期關(guān)系的系數(shù)估計值。為了得到?J?曲線效應(yīng)的短期系數(shù)估計值，即估計貿(mào)易收支是否會在在貨幣貶值的初期有所惡化，本研究采用了誤差修正模型。

該方法參考?Bahmani-Oskooee，?Harvey?和?Hegerty?（2014）[19]把方程（1）進行擴展，將短期動態(tài)調(diào)整加入方程（1）中以估計?J?曲線的短期效應(yīng)部分。該方法要求在進行計量估計前對各變量進行協(xié)整檢驗。Engle-Granger?檢驗和Johansen?檢驗是進行協(xié)整檢驗的常用方法，但這兩種方法均要求被檢驗變量間必須是同階單整關(guān)系。然而在很多情況下變量可能并不是同階單整。針對這一問題，Pesaran?等（2001）[21]的研究提出了?ARDL?邊界協(xié)整檢驗，該協(xié)整檢驗方法突破了必須同階單整的限制，同時也無需提前進行單位根檢驗。Bahmani-Oskooee?和?Wang?（2008）[7]即使用此方法檢驗協(xié)整并研究了中美貿(mào)易間的?J?曲線現(xiàn)象。本文沿用此方法，為了使模型（2）中的長期系數(shù)的估計值有意義，首先對滯后變量的聯(lián)合顯著性進行?F?檢驗。如果該?F?檢驗值顯著，則變量間存在協(xié)整關(guān)系。

如果協(xié)整檢驗通過，則可使用如下誤差修正模型估計短期效應(yīng)：

該方程中的滯后差分項部分表示各個變量對貿(mào)易收支的短期影響。其中核心變量為滯后差分項中的ΔlnREX，其參數(shù)?λt-j體現(xiàn)了在對應(yīng)的滯后期內(nèi)匯率貶值對貿(mào)易收支的影響。假定在所選取的滯后期中即可檢測到貿(mào)易?J?曲線現(xiàn)象，則?λt-j在低階滯后項預(yù)期為負(fù)，體現(xiàn)匯率在短期會導(dǎo)致貿(mào)易收支的惡化;而高階滯后項系數(shù)預(yù)期為正，體現(xiàn)匯率對貿(mào)易收支的改善需要較長的時間。方程（2）中的非差分項部分可用于估計變量的長期效應(yīng)。如果綜合長期效應(yīng)的參數(shù)估計來定義貿(mào)易?J?曲線，則預(yù)期用ω1標(biāo)準(zhǔn)化后的ω4顯著為正，表示貨幣貶值對貿(mào)易收支的長期改善作用;而差分項參數(shù)?λt-j?中存在顯著為負(fù)的參數(shù)估計值，表示貿(mào)易收支的短期惡化。

（二）數(shù)據(jù)介紹

巴西對中國進出口貿(mào)易的原始數(shù)據(jù)來源于UNCTAD?STAT（聯(lián)合國貿(mào)易和發(fā)展會議數(shù)據(jù)庫），本文選取的是1995年至2017年的年度數(shù)據(jù)。剔除數(shù)據(jù)缺失以及非連續(xù)的行業(yè)，本文以63個行業(yè)的進出口數(shù)據(jù)為研究樣本。各行業(yè)所對應(yīng)的SITC三位代碼與貿(mào)易量占比如表1?所示。其中加“*”的SITC代碼行業(yè)為巴西對華的貿(mào)易順差行業(yè)。可見63個行業(yè)中順差行業(yè)僅有6個，但貿(mào)易占比整體較高。貿(mào)易量占比定義為，2017年該行業(yè)巴西對華進出口量的總和占巴西對華進出口總量之和的百分比。巴西與中國的實際GDP分別為YB、YC，巴西雷亞爾名義雙邊匯率NEX，巴西與中國的價格水平PB?和PC原始數(shù)據(jù)均來自于國際貨幣基金組織的國際金融數(shù)據(jù)庫（IMF?International?Financial?Statistics）。

三、計量結(jié)果

在計量過程中，本文將每個一階差分變量的最大滯后階數(shù)設(shè)置為4階，利用AIC信息準(zhǔn)則對每個行業(yè)選取其最佳滯后階數(shù)，并根據(jù)邊限檢驗的邊界值進行判斷?受篇幅限制，63個行業(yè)的最優(yōu)模型結(jié)果均未呈現(xiàn)在正文中，每個行業(yè)的診斷統(tǒng)計量均可聯(lián)系作者獲取。。根據(jù)J曲線效應(yīng)顯著性，表2和表3截取了所有檢驗行業(yè)中的18個行業(yè)的系數(shù)估計值，表4展示了相應(yīng)的診斷統(tǒng)計量。

首先關(guān)注匯率變動對貿(mào)易收支的短期效應(yīng)部分。該效應(yīng)體現(xiàn)在模型（2）中對系數(shù)λ?的估計值?受篇幅限制，本文僅展示了與核心變量-匯率相關(guān)的短期效應(yīng)估計系數(shù)。，我們在52個行業(yè)中發(fā)現(xiàn)了匯率對貿(mào)易收支的短期影響，即這些行業(yè)的匯率一階差分項至少存在一個短期系數(shù)在10%的顯著性水平上顯著。其余11個例外行業(yè)的SITC編號為611，661，663，741，743，759，771，772，775，776，892。這意味著，中巴兩國貿(mào)易在大多數(shù)行業(yè)中存在匯率對貿(mào)易收支的短期影響，那么當(dāng)系數(shù)λ的估計值存在低階滯后為負(fù)且顯著，在高階滯后為正且顯著時，即可以證明J曲線效應(yīng)在該行業(yè)內(nèi)存在。根據(jù)此定義，共有7個行業(yè)滿足條件，他們的編號分別為291，292，514，621，664，872，874。這些行業(yè)的評估結(jié)果均呈現(xiàn)在如下表2中。其中大部分行業(yè)在一階滯后系數(shù)即開始顯示為正，這表明巴西的貨幣貶值在一年后即可改善這些相應(yīng)行業(yè)的貿(mào)易收支。

Rose和Yellen（1989）[22]提出了將J曲線效應(yīng)定義為貿(mào)易收支的短期惡化與長期改善的結(jié)合。如果我們使用此定義，綜合考慮模型（2）中的短期與長期效應(yīng)估計系數(shù)，那么即可定義更多的貿(mào)易J曲線行業(yè)。在10%的顯著性水平下，有11個行業(yè)滿足短期實際匯率系數(shù)中至少有一個顯著為負(fù)，并且長期實際匯率系數(shù)ω4估計值（見表3）顯著為正。這表明在這些行業(yè)中，巴西雷亞爾的貶值從長期來看會改善巴西這些行業(yè)的貿(mào)易收支。這11個行業(yè)的SITC編號分別為591，625，635，651，694，695，723，724，742，745，893。相較在短期系數(shù)中檢驗出的J曲線效應(yīng)，在這個11個行業(yè)中，雷亞爾的貶值需要更長的時間來對巴西方面的貿(mào)易收支起到改善的作用。

用以上兩種方式可以在上述18個行業(yè)中檢測出貿(mào)易J曲線效應(yīng)，但是需要進一步根據(jù)診斷統(tǒng)計量來進行協(xié)整關(guān)系和穩(wěn)定性等的驗證。在10%的顯著性水平下檢驗協(xié)整關(guān)系，63?個行業(yè)中共有55個行業(yè)的F檢驗值呈顯著。因此僅有8個行業(yè)（SITC編號為598，629，671，?728，741，775，776，892）中的變量不存在長期協(xié)整關(guān)系。根據(jù)Bahmani-Oskooee和?Tanku（2008）[23]，我們可以通過構(gòu)造滯后誤差修正項ECM來判斷變量間的協(xié)整關(guān)系。Kremers?等（1992）[24]的研究也表明，ECM項系數(shù)的檢驗是相對更加有效的協(xié)整檢驗方法。利用表3中所得的長期系數(shù)估計值和方程（1），我們能夠得到誤差修正項ECM，其具體的形式為ECMt=lnTBt-ω2ω1lnYBt-ω3ω1lnYCt-ω4ω1lnREXt。接著用ECMt-1替換方程（2）中的滯后水平變量部分，應(yīng)用之前相同的最佳滯后階數(shù)后重新估計新模型。如果得到ECMt-1的系數(shù)為負(fù)數(shù)且顯著，則證明變量間存在協(xié)整關(guān)系，同時ECMt-1的系數(shù)還使我們對調(diào)整速度有所了解，系數(shù)的絕對值越大則向平穩(wěn)狀態(tài)調(diào)整的速度越快。

在全部63個行業(yè)中，在10%的顯著性水平下，有47個行業(yè)的ECMt-1系數(shù)顯著為負(fù)，因此絕大多數(shù)行業(yè)的最優(yōu)模型中，變量具有協(xié)整關(guān)系。而不滿足顯著為負(fù)條件的16個行業(yè)中，?包括了291，723，745這三個在上述J曲線檢驗中符合條件的行業(yè)。同時，一些行業(yè)（如行業(yè)661、635）中的變量向穩(wěn)態(tài)調(diào)整的速度相對較快，而在其他行業(yè)中，例如行業(yè)752、582，?調(diào)整速度則相對較慢。

根據(jù)Pesaran?等?（2001）[21]與?Bahmani-Oskooeeet?和?Orhan（2005）[25]等的研究，為了確定短期和長期系數(shù)估計值的穩(wěn)定性，我們使用遞歸殘差累計和（CUSUM）與遞歸殘?差平方累計和（CUSUMSQ）檢測每個最優(yōu)模型的殘差。結(jié)果如表4中第四、五列所示，絕大多數(shù)模型的系數(shù)估計值是穩(wěn)定的。然而在前文得出符合J曲線定義的18個行業(yè)中，行業(yè)621的CUSUM和CUSUMSQ檢測均顯示為不穩(wěn)定。因此我們在如上所述的J曲線檢測合格行業(yè)中將621?行業(yè)剔除。本研究也檢測了各個行業(yè)模型調(diào)整后的R2，它的值反映了每個最優(yōu)模型的擬合優(yōu)度。整體來看，63個行業(yè)各自的最優(yōu)模型擬合度較高。綜上所述，剔除了F檢驗、ECM（-1）檢驗、CUSUM和CUSUMSQ檢測不通過的行業(yè)后，J曲線效應(yīng)在14個行業(yè)中得到驗證。這14個行業(yè)的編號為292，514，591，625，635，651，664，694，695，724，?742，872，874，893。根據(jù)表1中的SITC行業(yè)代碼名稱，這些行業(yè)雖然體現(xiàn)了J曲線效應(yīng)，?但并未呈現(xiàn)其他的相似性和共同點。

針對除匯率外的控制變量，從長期效應(yīng)系數(shù)中我們還能發(fā)現(xiàn)，巴西實際收入的系數(shù)ω2在36個行業(yè)中具有顯著性。其中將近80%的行業(yè)?巴西收入系數(shù)顯著為負(fù)的?28?個行業(yè)編碼為：98，291，512，514，554，591，611，621，625，651，661，664，667，671，693，699，713，716，743，744，747，749，759，764，773，778，784，851。中該系數(shù)為負(fù)，與理論預(yù)期相符合，即巴西經(jīng)濟增長會導(dǎo)致這些行業(yè)的貿(mào)易收支惡化。其余顯著為負(fù)的系數(shù)?巴西收入系數(shù)顯著為正的?8?個行業(yè)編碼為：81，511，516，694，723，724，745，771。則暗示隨著巴西的經(jīng)濟增長，巴西可能會產(chǎn)出更多的中國進口替代品或者購買其他國家的產(chǎn)品，從而降低這些行業(yè)中針對中國的進口量或增加相應(yīng)出口量。類似的，有36個行業(yè)的中國實際收入系數(shù)?ω3表現(xiàn)出顯著，其中絕大部分行業(yè)的系數(shù)符合預(yù)期且顯著為正?中國收入系數(shù)顯著為正的行業(yè)編號：291，292，512，514，554，591，611，621，651，661，664，667，671，693，699，713，716，743，744，747，749，759，764，773，778，784，851。

，這表明中國實際GDP的提升對巴西這些行業(yè)的貿(mào)易收支具有長期的正面影響。

四、結(jié)論與建議

由于貿(mào)易產(chǎn)品的生產(chǎn)、交付和消費對于匯率變動具有調(diào)整時滯，本國貨幣的貶值可能會導(dǎo)致該國的貿(mào)易收支短期受損而長期受益，這個變化過程被稱為“J曲線效應(yīng)”。目前對于貿(mào)易J曲線效應(yīng)的研究較為豐富，但是站在中國與巴西這兩個同屬金磚國家的雙邊貿(mào)易角度進行研究的還并不多見。本文從雙方進行貿(mào)易的63個行業(yè)層面檢測貿(mào)易J曲線，首先豐富了有關(guān)中巴貿(mào)易的實證研究;其次不僅有助于對我國與巴西的貿(mào)易狀況進行深入的了解，也為衡量該雙邊匯率對特定行業(yè)貿(mào)易收支的影響提供了依據(jù)。

巴西和中國互為對方的重要貿(mào)易伙伴，進一步研究雙方貿(mào)易與匯率的關(guān)系也因此具有深遠的意義。盡管此前的研究曾使用誤差修正模型和協(xié)整分析來檢驗中巴兩國貿(mào)易間的J?曲線效應(yīng)，但是這些研究使用的均為中國和巴西兩國間總體的貿(mào)易數(shù)據(jù)，研究結(jié)果并沒有為J曲線這一現(xiàn)象提供詳實的證據(jù)。究其原因，這種基于兩國貿(mào)易總量的研究很容易在回歸中存在匯總的偏誤。其中匯率對各行業(yè)貿(mào)易收支的不同影響可能會互相抵消，造成不顯著的結(jié)論。對比這些研究，本文從行業(yè)層級細分兩國間的進出口數(shù)據(jù)。本研究不僅減少了匯總偏誤的影響，并且為探究中巴兩國實際匯率對貿(mào)易收支的短期、長期影響提供了行業(yè)層面的實證支持。

本文使用SITC三位編碼行業(yè)1995年至2017年的年度貿(mào)易數(shù)據(jù)，利用ARDL模型和邊限檢驗法判斷協(xié)整，并使用誤差修正模型將貨幣貶值的短期效應(yīng)從長期效應(yīng)中分開。實證結(jié)果表明，在本文研究的63個行業(yè)中，剔除了F檢驗、ECM檢驗、CUSUM和CUSUMSQ檢測不通過的行業(yè)后，J曲線效應(yīng)的顯著性在14個行業(yè)中得到了驗證。

從貿(mào)易收支狀況來看，該14個行業(yè)（編號為292，514，591，625，635，651，664，?694，695，724，742，872，874，893）均為巴西對我國的貿(mào)易逆差行業(yè)。在這些行業(yè)中匯率變動雖然短期內(nèi)不會改變我國對巴西凈出口的現(xiàn)狀，但如果發(fā)生持續(xù)的雷亞爾兌人民幣實際匯率貶值，仍有可能會反轉(zhuǎn)我國相應(yīng)產(chǎn)業(yè)對巴西的出口優(yōu)勢。事實上2011—2018年，?雷亞爾對人民幣確實發(fā)生了持續(xù)貶值的現(xiàn)象，僅在2015—2017年間有略微的回調(diào)（見圖2）。因此相應(yīng)的行業(yè)應(yīng)該在未來規(guī)劃中考慮如何降低這種匯率變動帶來的風(fēng)險。

[HJ1.7mm]在這些行業(yè)中的勞動密集型產(chǎn)業(yè)，如651紡織紗和893未另列明的塑料制品等，一方面可考慮國內(nèi)從東向西的生產(chǎn)中心轉(zhuǎn)移，保持成本優(yōu)勢。另一方面可以在“一帶一路”建設(shè)的帶領(lǐng)下，將本土企業(yè)向海外發(fā)展，利用國外勞動力資源，自然資源等優(yōu)勢，繼續(xù)保持相關(guān)行業(yè)的整體出口優(yōu)勢。而資金技術(shù)密集型行業(yè)，如872，874相關(guān)儀器和器械等，應(yīng)進一步提升企業(yè)的自主創(chuàng)新能力，進一步推進產(chǎn)品在巴西市場的占有率以保持現(xiàn)有出口優(yōu)勢。其中如果個別企業(yè)對巴西市場高度依賴，也應(yīng)該考慮拓展其他出口市場，減少雙邊貿(mào)易的風(fēng)險。

從貿(mào)易規(guī)模來看，本文中顯著體現(xiàn)貿(mào)易J曲線的14個行業(yè)貿(mào)易占比的加總為38%。其中單個行業(yè)貿(mào)易占比最大的為049%，最小的只有004%。這些比重數(shù)字說明了該14個行業(yè)并不是中巴貿(mào)易的重要支柱行業(yè)。匯率風(fēng)險在短期和長期雖然會影響相應(yīng)行業(yè)和企業(yè)的進出口貿(mào)易，但是鑒于其較低的貿(mào)易占比，并不會明顯的改變中國與巴西宏觀整體上的雙邊貿(mào)易態(tài)勢。將關(guān)注點僅放到匯率對貿(mào)易收支的長期影響上，本文的實證結(jié)果顯示雷亞爾貶值會對18個行業(yè)中的巴西貿(mào)易收支起到改善的作用。然而這18個行業(yè)的貿(mào)易占比總和僅為55%，其中最大行業(yè)的貿(mào)易占比也不足1%。那么即使不關(guān)注短期效應(yīng)，匯率風(fēng)險長期上也不會大規(guī)模的影響中國與巴西整體雙邊貿(mào)易。

利用基于行業(yè)層面的雙邊貿(mào)易數(shù)據(jù)，本研究為63個行業(yè)提供了中巴貿(mào)易受匯率變動影響的實證證據(jù)。這些證據(jù)有利于制定針對不同行業(yè)的貿(mào)易政策，以防范匯率風(fēng)險，促進我國與巴西貿(mào)易的和諧發(fā)展。

參考文獻：

[1]?張家瑾，?陳美珍.?中巴貿(mào)易摩擦現(xiàn)狀及對策[J].?人力資源管理，?2015（8）.

[2]?Magee，?S.?P.?Currency?Contracts，?Pass?Through?and?Devaluation[J].?Brooking?Papers?on?Economic?Activity.1973，4（1）.

[3]?Ratha?A?，?Bahmani-Oskooee?M?.?The?J-Curve：?a?Literature?Review[J].?Applied?Economics，?2004，?36（13）.

[4]?Bahmani-Oskooee?M?，?Hegerty?S?W?.?The?J-?and?S-curves：?a?Survey?of?the?Recent?Literature[J].?Journal?of?Economic?Studies，?2010，?37（6）.

[5]?Bahmani-Oskooee?M?，?Bose?N?，?Zhang?Y?.?Asymmetric?Cointegration，?Nonlinear?ARDL，?and?the?J-Curve：?A?Bilateral?Analysis?of?China?and?Its?21?Trading?Partners[J].?Emerging?Markets?Finance?and?Trade，?2018，?54（13）.

[6]?Bahmani-Oskooee?M?，?Zhang?R?.?Is?there?J-Curve?Effect?in?the?Commodity?Trade?Between?Korea?and?Rest?of?the?World？[J].?Economic?Change?and?Restructuring，?2014，?47（3）.

[7]?Bahmani-Oskooee?M?，?Wang?Y?.?The?J-curve：?Evidence?from?Commodity?Trade?between?US?and?China[J].?Applied?Economics，?2008，?40（21）.

[8]?Bahmani-Oskoo?Ee?M?，?Fariditavana?H?.?Nonlinear?ARDL?Approach?and?the?J-Curve?Phenomenon[J].?Open?Economies?Review，?2016，?27（1）.

[9]?鐘偉，?胡松明，?代慧君.?人民幣J曲線效應(yīng)的經(jīng)驗分析[J].?世界經(jīng)濟，?2001，?24（1）.

[10]?劉堯成，?周繼忠，?徐曉萍.?人民幣匯率變動對我國貿(mào)易差額的動態(tài)影響[J].?經(jīng)濟研究，?2010（5）.

[11]?劉陽陽，?馮明，?唐燕華.?匯率變動對中國貿(mào)易順差的影響：直接效應(yīng)和聯(lián)動效應(yīng)[J].?投資研究，?2015（11）.

[12]?Bolkesj?T?F?，?Buongiorno?J?.?Short-?and?long-run?exchange?rate?effects?on?forest?product?trade：?Evidence?from?panel?data[J].?Journal?of?Forest?Economics，?2006，?11（4）.

[13]?李治國，?徐劍剛，?曾利飛.?人民幣升值壓力下存在J曲線效應(yīng)嗎[J].?世界經(jīng)濟研究，?2007（3）.

[14]?張云，?李秀珍，?唐海燕.?人民幣貶值和升值的貿(mào)易效應(yīng)一致嗎？：基于ARDL誤差校正方法的檢驗與比較[J].?世界經(jīng)濟研究，?2017（11）.

[15]?李夏玲，?殷鳳，?王志華.?人民幣匯率變動與中國貿(mào)易收支的非線性動態(tài)效應(yīng)分析[J].?國際貿(mào)易問題，?2017（12）.

[16]?Bahmani-Oskooee?M?，?Malixi?M?.?Inflationary?Effects?of?Changes?in?Effective?Exchange?Rates：?LDCs?Experience[J].?Applied?Economics，?1992，?24（4）.

[17]?Paz?L?S?，?Gomes?F?A?R?.?Can?Real?Exchange?Rate?Devaluation?Improve?the?Trade?Balance？?The?1990-1998?Brazilian?case[J].?Applied?Economics?Letters，?2005，?12（9）.

[18]?Silva?S?D?，?Moura?G?.?Is?there?a?Brazilian?J-Curve？[J].?Economics?Bulletin，?2005，?6（10）.

[19]?Bahmani-Oskooee?M?，?Harvey?H?，?Hegerty?S?W?.?Brazil–US?Commodity?Trade?and?the?J-Curve[J].?International?Journal?of?Economics?and?Business?Research，?2014，?5（1-3）.

[20]?Bahmani-Oskooee?M?.?Devaluation?and?the?J-Curve：?Some?Evidence?for?LDCs[J].The?Review?of?Economics?and?Statistics，?1985，?67（3）.

[21]?Pesaran?M?H?，?Shin?Y?，?Smith?R?J?.?Bounds?Testing?Approaches?to?The?Analysis?of?Level?Relationships[J].?Journal?of?Applied?Econometrics，?2001，?16（3）.

[22]?Yellen?J?，?Rose?A?.?Is?there?a?J-curve？.?1989（24）.

[23]?Bahmani-Oskooee?M?，?Tankui?A?.?The?Black?Market?Exchange?Rate?vs.?the?Official?Rate?in?Testing?PPP：?Which?Rate?Fosters?the?Adjustment?Process？[J].?Economics?Letters，?2008，?99（1）.

[24]?Kremers，?J.J.M.，?Ericsson，?N.R.?and?Dolado，?J.J.??The?Power of?Cointegration?Tests[J].?Oxford?Bulletin?of?Economics?and?Statistics，1992，54（3）.

[25]?Bahmani-Oskooee?M?，?Kara?O?.?Income?and?Price?Elasticities?of?Trade：Some?New?Estimates[J].?International?Trade?Journal，?2005，?19（2）.

（本文系“中央高校基本科研業(yè)務(wù)費專項資金資助”成果）

（張瑞新、齊一葦、魏浩，北京師范大學(xué)）