第五章 人民幣國際化影響因素的分析
第二節 人民幣的國際競爭力
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在章節安排上，第二部分先行分析1999 年至 2009 年，人民幣在各項貨幣競 爭力因素上的表現。第三部分利用追蹤資料模型，以探析影響人民幣國際化程度 的各項因素。如果追蹤資料模型確實存在內生性問題，第四部分將改採動態追蹤 資料模型進行修正。最後則為本章結論。
第二節 人民幣的國際競爭力
本研究依序檢視人民幣在各項國際競爭力指標上的表現，這包括經濟規模、
金融市場規模、網路外部性、貨幣價值的穩定，以及資本帳開放程度。同時，本 研究也將比較人民幣與各主要國際貨幣的差距。
壹、 經濟規模
隨著經濟實力的不斷提升，中國在世界經濟體系中的地位也日益重要。2009 年，中國GDP 占世界的比重（GDPR）已達到 8.6％，在 33 個主要貨幣發行國 中排名第四。美國的 GDPR 為 24.2％，居世界第一；其次是歐元區，GDPR 為 21.4％；第三是日本，GDPR 為 8.7％；第五是英國，GDPR 為 3.8％。（見圖5-1）
‧
另外，2009 年，中國對外貿易占世界的比重（TradeR）已達到 8.8％，在 33 個主要貨幣發行國中排名第三。歐元區的 TradeR 為 28.4％，居世界第一；其 次是美國，TradeR 為 10.6％；第四是日本，TradeR 為 4.5％；第五是英國，TradeR 為3.3％。（見圖 5-2）
圖5-2：對外貿易最大的前 10 個國家（2009）
資料來源：IFS database.
1.6
‧
2009 年，中國的外匯交易總額占世界的比重（FxturnoverR）為 0.29％，在 33 個貨幣中排名第 18 位。英國的 FxturnoverR 為 35.4％，居世界第一；其次是 美國，FxturnoverR 為 17.9％；第三是歐元區，FxturnoverR 為 9.8％；第四是 日本，FxturnoverR 為 6.4％；第五是新加坡與瑞士，FxturnoverR 都為 5.2％。
（見圖5-3）
圖5-3：外匯市場規模最大的前 10 名國家（2009）
資料來源：IFS database.
儘管中國的FxturnoverR 還明顯落後主要貨幣發行國，但過去 10 年間，中
‧
資料來源：IFS database.
參、 貨幣價值的穩定度
在通貨膨脹率（Inflation）方面，2009 年，中國消費者物價指數年成長率為 負0.7，其物價波動幅度在 33 個貨幣發行國中排名第九。加拿大與歐元區的物價 波動最小，只有0.3％而已；第三是美國，Inflation 為負 0.36％；第四是瑞士，
Inflation 為負 0.48％；第五是瑞典，Inflation 為負 0.49％。日本的 Inflation 為 負1.35％，排名第 13 位，英國的 Inflation 則為 2.17％，排名第 17 位。（見圖5-5）
圖5-5：通貨膨脹率最小的前 10 名國家（2009）
資料來源：IFS database.
2.4
‧
度最低，EXVolatility 為 1.04％；其次是馬來西亞林吉特，EXVolatility 為 1.25％；第三是新加坡幣，EXVolatility，為 1.36％；第四是挪威克朗，EXVolatility 為1.63％；第五是印度盧比，EXVolatility 為 1.73％。
從主要國際貨幣來看，美元的 EXVolatility 為 1.81，居世界第七；英鎊的 EXVolatility 為 2.23％，居世界第 11 位；歐元的 EXVolatility 居世界第 16 位：
日圓的EXVolatility 為 2.98，居世界第 20 位。（見圖 5-6）
圖5-6：匯率波動率最小的前 10 名國家（2009）
註：單位為各貨幣對SDR 的匯率之一年 12 個月的標準差。
資料來源：IFS database.
在匯率升值幅度（EXapreciation）方面，2009 年，人民幣兌 SDR 匯率一年 之中，共貶值1.61％，在 33 個貨幣發行國排名第 26 位。巴西里拉升值幅度最大，
Exapreciation 為 24.2％；其次是澳幣，Exapreciation 為 21.2％；第三是南非蘭 德，Exapreciation 為 19.3％；第四是紐西蘭幣，Exapreciation 為 18.4％；第五 是智利披索，Exapreciation 為 18.1％。（見圖 5-7）
1.04
‧
資料來源：IFS database.
肆、 網路外部性
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 追蹤資料模型
在進行追蹤資料模型之前，本研究先進行整體模型的配適度檢測，包括單根 檢定與共整合檢定、共線性檢定，以及 Hausman 檢定與冗餘固定效果檢定
（redundant fixed effects tests）。其次再利用追蹤資料模型以分析，各項貨幣國 際競爭力因素對貨幣國際化程度的影響。最後，本研究還將檢視追蹤資料模型的 殘差序列，以判斷整體模型的穩健性。
壹、 Logistic 轉換
首先，本研究對各貨幣的國際化程度（CIDI）進行 logistic 轉換。Chinn and Frankel（2005）認為，各貨幣的國際化程度介於 0 到 1 之間，如果直接運用普 通最小平方法（OLS），則在極端值附近，被解釋變數（CIDI）對解釋變數的變 化不是很敏感。
對此，Chinn and Frankel（2005）利用 logistic 轉換，並比較轉換前後的 OLS 估計結果，他們發現轉換後的估計效率較高。Chen and Peng（2010）證實 上述結論。所以，在分析貨幣國際化程度及其競爭力的因果關係時，研究學者也 都會進行logistic 轉換。（Li and Liu, 2010；宋曉玲，2010；孫海霞、楊玲玲，
2010；Subramanian, 2011；陳曉莉、李琳，2011）
logistic 轉換可以表示如下：
L c a = ( a a )
logistic 轉換是以 10 為底，被解釋變數的變化範圍從 0 到 1，擴展到[ ∞, ∞]，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖5-9：logistic 轉換
註： c a = ( )。
資料來源：本研究自行繪製。
貳、 單根檢定與共整合檢定
Granger and Newbold（1974）提出，研究變數若為非定態（non-stationary）
序列──該序列會隨時間改變，則將此變數代入模型估計當中，可能會發生假性 迴歸（spurious regression）的現象。所以，本研究以 Dickey and Fuller（1981）
提出的單根檢定（unit root test），檢測所有觀察變數是否為定態序列，ADF 單 根檢定的虛無假設為，該序列具有單根現象，意即為非定態序列。
表5-2 為本研究所有觀察變數的 ADF 單根檢定之結果。國內生產總值比重
（GDPR）、上市公司市價總值比重（MCR），以及資本開放程度（CAOI）完全 不具有單根現象，意即為定態序列。
反之，貨幣國際化程度（LogCIDI）則在無常數項且無時間趨勢項、有常數 項但無時間趨勢項，以及有常數項及時間趨勢項等三種條件下都具有單根現象。
國際貿易比重（TradeR）、通貨膨脹率（Inflation）、匯率波動率（EXVolatility）、
-3.0 -2.0 -1.0 0.0 1.0 2.0 3.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Share logitshare
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
匯率升值幅度（EXapreciation），以及外匯市場交易總額比重（FxturnoverR）
則在部分條件下為非定態序列。簡言之，大部分的觀察變數都不是定態序列。
表5-2：ADF 單根檢定（水準值）
項目類別 χ2 χ𝜇2 χ2
LogCIDI 116.82*** 132.351*** 115.914***
GDPR 38.257 62.762 59.415
TradeR 99.6256*** 32.8438 82.0950*
Inflation 71.662 94.158*** 66.115 EXVolatility 31.892 89.225** 51.556 Exapreciation 232.786*** 127.536*** 73.922 FxturnoverR 50.301 39.788 137.661***
MCR 28.071 51.270 70.916
CAOI 58.462 34.296 66.324
註：
1. 所有變數均為遞延期數為 1 期。
2. χ2表無常數項且無時間趨勢項；χ𝜇2表有常數項但無時間趨勢項；χ2表有常數項及時間趨勢項。
3. ***表示 1％顯著水準，**表示 5％顯著水準，*表示 10％顯著水準。
資料來源：本研究自行整理。
但值得注意的是，Engle and Granger（1987）強調，當經濟變數經由差分 方式轉換成定態序列後，可能喪失其間原本存在的長期均衡關係。因此，Engle and Granger（1987）提出共整合理論（cointegation test），指出非定態時間序 列在短期內雖會受到一些因素產生暫時性之偏離，但只要變數間具有共整合關係 則長期下仍存在相同方向變動，並趨於均衡狀態。
Engle and Granger 共整合檢定的結果顯示，t 統計量為-7.054，且在 1％顯 著水準下拒絕虛無假設。這表示：貨幣國際競爭力與貨幣國際化程度間具有共整 合關係，意即變數彼此間存在長期穩定的均衡關係。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參、 共線性檢定
在多元線性迴歸中，當解釋變數之間有太高的相關時，就會產生多元共線性
（collinear 或 multicollinear）問題，將會產生一些解釋不合理的現象。例如，
迴歸係數與相關係數正負符號不一致、估計值不夠穩定。
但是，絕大多數的實證很難達到解釋變數相互獨立此一要求。因此，Hill, Griffiths, and Lim（2012）建議，只要解釋變數彼此間之相關性不是過於密切─
─判定係數（R2）不超過0.8，我們仍可以得到不偏且有效的估計值。
據此，本研究利用輔助迴歸分析（auxiliary regressions analysis），以檢視 解釋變數間是否存在共線性問題。結果顯示，國內生產總值比重（GDPR）、國 際貿易比重（TradeR）與上市公司市價總值比重（MCR）的 R2都超過0.8 以上，
這表示：這三個變數同時放入迴歸分析當中將可能產生共線性問題。為此，本研 究捨棄 MCR 與 TradeR，並再進行一次輔助迴歸分析。結果顯示，所有的迴歸 模型之R2都低於0.5，意即克服完全共線性的問題。12（見表5-3）
肆、 追蹤資料模型的選擇
追蹤資料模型可進一步區分為：固定效果模型（fixed effect model，或稱為 LSDV, least square dummy variable model）與隨機效果模型（random effects model）。兩者差別在於，若樣本來自特定母體，且個體特性不隨時間不同而改 變時，使用固定效果模型可強調個體差異性；若樣本是隨機抽樣自母體，則使用
12 本研究利用系統一般動差估計法（SGMM），檢視同時放入國內生產總值比重（GDPR）與 國際貿易比重（TradeR）的迴歸係數。結果顯示，GDPR 的迴歸係數為-1.260，TradeR 的迴 歸係數為 2.441，兩者的迴歸係數皆在 1％顯著水準下顯著，這明顯與理論不符。由於 TradeR 與 GDPR 呈現高度相關，兩者相關係數高達 0.845，且在 1％顯著水準下拒絕係數為零的虛 無假設。這表示，如果將兩個變數同時放入單一估計方程式中，很可能會產生多重共線性
‧
EXVolatility 0.256 0.247 0.244
Exapreciation 0.290 0.290 0.290
FxturnoverR 0.454 0.418 0.418
CAOI 0.183 0.179 0.175
註：輔助迴歸分析是指，將所有的解釋變數逐一當作被解釋變數並進行迴歸分析，進而檢視每個 迴歸分析的R2。
資料來源：本研究自行整理。
為此，本研究進行固定效果模型的聯合假設檢定。結果顯示，Hausman Test 的 X2統計量為 49.569，在 1％顯著水準下拒絕該虛無假設，這表示：固定效果 模型（LSDV）較佳。冗餘固定效果檢定（redundant fixed effects tests），也在 1％顯著水準下拒絕該虛無假設，這表示：應該將時間固定效果納入分析當中。
Hausman Test 49.569**
Redundant fixed effects tests 33.153***
註：
1. 被解釋變數為 ( 00 ⁄ )。
2. ***表示 1％顯著水準，**表示 5％顯著水準，*表示 10％顯著水準。
資料來源：本研究自行整理。
‧
EXVolatility 0.056 0.065
Exapreciation 0.001 0.006
FxturnoverR 0.016 0.124
CAOI -0.001 0.005
在模型穩健性檢定方面，LSDV 同時存在異質變異（heteroscedasticity），
以及具有殘差序列1 階自我相關與 2 階自我相關的問題。（Breusch and Pagan, 1979; 1980）
特別是，Durbin-Wu-Hausman 檢定都在 5％顯著水準下顯著，這表示模型
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
具有內生性問題（endogeneity）。（Davidson and MacKinnon, 1993）一旦解釋 變數與殘差具有高度相關，則 OLS 估計式之參數不再具有不偏性、有效性與一 致性。（見表5-6）
表5-6：LSDV 模型穩定性檢定
N=297
項目類別 F 統計量
Durbin-Wu-Hausman test 3.645**
AR（1） 14.566***
AR（2） 68.377***
Heteroscedasticity test 7.951***
註：
1. 被解釋變數為 ( 00 ⁄ )。
2. ***表示 1％顯著水準，**表示 5％顯著水準，*表示 10％顯著水準。
資料來源：本研究自行整理。
有鑑於此，本研究以下將利用Arellano and Bond（1991）所提出的一般動 差估計法（GMM）進行修正。