5.1. Ekspansja inwestycyjna chińskich przedsiębiorstw oraz determinanty ZIB w Ameryce
5.2.3. Wyniki badań ekonometrycznych
Obliczenia współczynników korelacji liniowej Pearsona oraz analizę regresji wykonano przy pomocy programu IBM SPSS Statistics. Wyniki zostały zaprezentowane w następującej kolejności:
1. Korelacja liniowa Pearsona:
a) zmienne z modelu 1 i 2 (tabela 22). b) zmienne z modelu 3 i 4 (tabela 23). 2. Modele i tablice analizy regresji:
a) model 1. – zmienna zależna ZIB. b) model 2. – zmienna zależna ZIB.
34
Cześć danych statystycznych zgromadzonych przez autora przed wykonaniem badań empirycznych nie została ostatecznie wykorzystana w analizie regresji z uwagi na:
możliwe wystąpienie współliniowości z innymi zmiennymi ( IEF, ICRG),
brak danych dla więcej niż 3 obserwowanych krajów (EXP, IMP, EXP&IMP, EXPPC, IMPPC, EXP&IMPPC, PATENT),
techniczne aspekty analizy regresji (założono wykorzystanie zostanie maksymalnie 6 predyktorów w jednym modelu).
162 c) model 3. – zmienna zależna ZIBPC. d) model 4. – zmienna zależna ZIBPC.
Korelacja liniowa Pearsona
Celem przeprowadzonych obliczeń współczynnika korelacji Pearsona było określenie poziomu zależności liniowej między zmiennymi. Pierwsza tablica korelacji obejmuje predyktory, które zostały wykorzystane w analizie regresji ze zmienną zależną ZIB (skumulowana wartość ZIB): PKB, PKBPC, ZNPKB, FOMEXP, EODB, GCI, LudChRL%. Tabela 22. Korelacja Pearsona - zmienna zależna - ZIB35
ZIB PKB PKBPC GCI EODB ZNPKB LudChRL% FOMEXP
ZIB 1 PKB ,810*** 1 PKBPC ,092 ,130 1 GCI ,223 ,300 ,605** 1 EODB ,016 -,079 -,316 -,669** 1 ZNPKB ,062 ,033 ,211 -,061 ,083 1 LudChRL% ,371* ,161 -,054 ,117 -,192 ,078 1 FOMEXP ,121 ,067 ,130 ,060 -,014 ,857** ,315 1
***. Korelacja jest istotna na poziomie 0.001 (dwustronnie). **. Korelacja jest istotna na poziomie 0.01 (dwustronnie). *. Korelacja jest istotna na poziomie 0.05 (dwustronnie).
Źródło: [Opracowanie własne na podstawie wyników SPSS]
Istotna z punktu widzenia celu pracy jest pierwsza kolumna. Na podstawie uzyskanych wyników można stwierdzić, że:
1. Istnieje silna, istotna pozytywna korelacja między poziomem ZIB a poziomem PKB (r(27) = 0,81 , p < 0.001). Oznacza to, że wraz ze wzrostem poziomu PKB gospodarki, wartość inwestycji rośnie (i odwrotnie).
2. Istnieje średnia, istotna, pozytywna korelacja między odsetkiem ludności pochodzenia chińskiego (LudChRL%) w kraju goszczącym a napływem chińskiego kapitału (r(27) = 0,37 , p < 0.05). Uzyskana wartość pozwala przypuszczać, że im większa chińska mniejszość etniczna w danym kraju Ameryki Łacińskiej, tym więcej jest tam kierowanych inwestycji (i odwrotnie).
35
Kompletne tablice korelacji liniowej Pearsona z programu IBM SPSS zostały przedstawione w zał. 8.
163
Druga tablica korelacji liniowej Pearsona (tabela 23) zawiera zmienne wykorzystane przy analizie regresji ze zmienną zależna ZIBPC. Zrezygnowano jednocześnie z ujęcia obliczeniach zmiennej PKB.
Tabela 23. Korelacja Pearsona – zmienna zależna ZIBPC
ZIBPC PKBPC GCI EODB ZNPKB LudChRL% FOMEXP
ZIBPC 1 PKBPC ,512** 1 GCI 0,077 ,605** 1 EODB -0,239 -0,316 -,669** 1 ZNPKB ,676*** 0,211 -0,061 0,083 1 LudChRL% 0,163 -0,054 0,117 -0,192 0,078 1 FOMEXP ,419* 0,13 0,06 -0,014 ,857** 0,315 1
***. Korelacja jest istotna na poziomie 0.001 (dwustronnie). **. Korelacja jest istotna na poziomie 0.01 (dwustronnie). *. Korelacja jest istotna na poziomie 0.05 (dwustronnie).
Źródło: [Opracowanie własne na podstawie wyników SPSS]
Wykonane obliczenia pozwalają na wysunięcie następujących wniosków:
1. Istnieje silna, istotna, pozytywna korelacja między PKBPC a ZIBPC (r(27) = 0,51, p < 0.01). Oznacza to, że im większy jest dochód na mieszkańca, tym większy
obserwowany napływ chińskich ZIB w przeliczeniu na osobę (i odwrotnie).
2. Istnieje średnia, istotna, pozytywna korelacja między ZIBPC a ZNPKB (r(27) = 0,68, p < 0.001), co należy interpretować, że im większy jest udział zasobów naturalnych w całkowitym PKB, tym więcej obserwowanych jest inwestycji per capita (i odwrotnie).
3. Istnieje średnia, istotna, pozytywna korelacja między FOMEXP a ZIBPC (r(27) = 0,42 , p < 0.05). Jej wartość wskazuje, że im większy jest udział surowców (rud metali oraz paliw) w całkowitym eksporcie towarów, tym więcej ZIB per capita obserwowanych jest w kraju goszczącym (i odwrotnie).
Przedstawione wyżej wyniki obliczeń współczynników korelacji liniowej Pearsona pozwalają na wysunięcie założenia, że na wartość skumulowaną zagranicznych inwestycji bezpośrednich (całkowitych oraz per capita) w krajach Ameryki Łacińskiej wpłynęły takie czynniki, jak PKB, PKBPC, udział ludności chińskiego pochodzenia w całkowitej liczbie ludności(LudChRL%) oraz uzależnienie gospodarki od surowców naturalnych mierzone za pomocą dwóch wskaźników: ZNPKB oraz FOMEXP.
164 Analiza regresji36
A. Zmienna zależna- ZIB
Model 1. (zmienna objaśniająca FOMEXP)
Pierwotny model równania regresji:
Gdzie:
β to współczynniki modelu
ϵ to błąd o wartości oczekiwanej zero
Tabela 24. Wyniki analizy regresji – zmienna zależna ZIB37
Model - Podsumowanie R R2 Skorygowane R2 Błąd standardowy oszacowania 0,844 ,712 ,685 3071,63717 Współczynniki Współczynniki niestandaryzowane Współczynniki standaryzowane t Istotność Statystyki współliniowości B Błąd
standardowy Beta Tolerancja VIF
(Stała) -197,729 719,864 -,275 ,786
LudChRL% 5,154 2,451 ,249 2,102 ,048 ,977 1,023
PKB ,011 ,002 ,770 6,499 ,000 ,977 1,023
Źródło: [Opracowanie własne na podstawie wyników SPSS]
Model jest istotny statystycznie – F =25,98, p<0,001.
Współczynnik wariancji (VIF) obu predyktorów wynosi 1,023, w związku z czym nie zaobserwowano współliniowości.
Wykonanie obliczeń analizy regresji metodą eliminacji wstecznej pozwoliło na zidentyfikowanie dwóch zmiennych istotnych, pozwalających przewidzieć wartość ZIB: PKB oraz LudChRL%.
Oba predykatory wyjaśniają 71,2% wariancji zmiennej zależnej (R2= 0,712)
Łączna korelacja predyktorów oraz zmiennej zależnej jest na poziomie R=0,84.
Błąd standardowy oszacowania wynosi 3071,63717, co oznacza, że przy przewidywaniu wartości ZIB możemy pomylić o 3071,64 mln USD w górę lub w dół.
36
Kompletny przebieg przeprowadzonych obliczeń w programie IBM SPSS (wszystkie modele) został przedstawiony w zał. 9 i zał.10.
37
Współczynniki B generowane przez program IBM SPSS to w rzeczywistości współczynniki beta (język oprogramowania nie zawiera znaków alfabetu greckiego).
165
Ostatecznie model regresji przyjmuje zatem następujący kształt:
Model 2. (zmienna objaśniająca ZNPKB)
W modelu drugim, zamiast zmiennej FOMEXP, przyjęto predyktor ZNPKB. Pierwotny model równania regresji wyglądał zatem następująco:
Wyniki przeprowadzonej analizy regresji z powyższymi zmiennymi, zgodnie z oczekiwaniami, były takie same jak w przypadku poprzedniego modelu, w związku z czym ostateczny model kształtuje się jak w modelu 1. (zał.9).
B. zmienna zależna - ZIBPC
Model 3. (zmienna objaśniająca FOMEXP) Pierwotny model równania regresji:
Tabela 25. Wyniki analizy regresji – zmienna zależna ZIBPC (1)
Model – Podsumowanie R R2 Skorygowane R2 Błąd standardowy oszacowania ,723 ,523 ,423 ,138004 Współczynniki Współczynniki niestandaryzowane Współczynniki standaryzowane t Istotność Statystyki współliniowości B Błąd
standardowy Beta Tolerancja VIF
(Stała) 1,314 ,544 2,417 ,026
PKBPC ,029 ,009 ,668 3,144 ,005 ,556 1,799
GCI -,310 ,125 -,649 -2,473 ,023 ,364 2,746
EODB -,002 ,001 -,453 -2,087 ,051 ,533 1,878
FOMEXP ,002 ,001 ,302 1,813 ,086 ,904 1,106
Źródło: [Opracowanie własne na podstawie wyników SPSS]
Model jest istotny statystycznie – F =4,01, p<0,005.
Współczynnik wariancji (VIF) predyktorów waha się między 1,10 a 2,75, w związku z czym nie zaobserwowano współliniowości.
Wykonanie obliczeń analizy regresji metodą eliminacji wstecznej pozwoliło na zidentyfikowanie czterech zmiennych istotnych, które pozwalają przewidzieć wartość ZIB per capita: PKBPC, FOMEXP, GCI oraz EODB.
166
Łączna korelacja predyktorów oraz zmiennej zależnej jest na poziomie R=0,72.
Błąd standardowy oszacowania wynosi ,138004, co oznacza, że przy przewidywaniu wartości ZIB per capita możemy pomylić o 138 USD w górę lub w dół.
Po wykluczeniu zmiennych nieistotnych ostatecznie model kształtuje się:
Z powyższego równania wynika, że jeżeli wartości przyjętych predyktorów wyniosłyby zero, wówczas wartość ZIB per capita wyniosłaby 1314 USD.
Model 4. (zmienna objaśniająca ZNPKB) Pierwotny model równania regresji:
Tabela 26. Wyniki analizy regresji – zmienna zależna ZIBPC (2)
Model - Podsumowanie R R2 Skorygowane R2 Błąd standardowy oszacowania ,830 ,690 ,624 ,111358 Współczynniki Współczynniki niestandaryzowane Współczynniki standaryzowane t Istotność Statystyki współliniowości B Błąd
standardowy Beta Tolerancja VIF
(Stała) ,933 ,455 2,052 ,054
PKBPC ,017 ,008 ,394 2,055 ,054 ,445 2,248
ZNPKB ,008 ,002 ,588 3,903 ,001 ,721 1,387
EODB -,002 ,001 -,445 -2,540 ,020 ,533 1,876
GCI -,203 ,106 -,424 -1,903 ,072 ,329 3,035
Źródło: [Opracowanie własne na podstawie wyników SPSS]
Model jest istotny statystycznie – F =10,55, p<0,001.
Współczynnik wariancji (VIF) predyktorów waha się między 1,39 a 3,03, w związku z czym nie zaobserwowano współliniowości.
Wykonanie obliczeń analizy regresji metodą eliminacji wstecznej pozwoliło na zidentyfikowanie czterech zmiennych istotnych, które pozwalają przewidzieć wartość ZIB per capita: PKBPC, ZNPKB, GCI oraz EODB.
Predyktory wyjaśniają 69 % wariancji zmiennej zależnej (R2=0,690).
Łączna korelacja predykatorów oraz zmiennej zależnej jest na poziomie R=0,83.
Błąd standardowy oszacowania wynosi ,111358, co oznacza, że przy przewidywaniu wartości ZIB per capita możemy pomylić o 111 USD w górę lub w dół.
167
W poniższej tabeli zestawiono wyniki wszystkich przeprowadzonych wyżej obliczeń. Tabela 27. Zestawienie modeli ekonometrycznych
Model 1 Model 2 Model 3 Model 4
Zmienna zależna ZIB ZIB ZIBPC ZIBPC
Wyraz wolny -197,729 -197,729 1,314 0,933 LudChRL% 5,154** 5,154** PKB 0,011* 0,011* PKBPC 0,029** GCI -0,31** -0,203* EODB -0,002** -0,002** ZNPKB 0,008*** FOMEXP 0,002* PKBPC 0,017** R2 0,712 0,712 0,523 0,69 Poziomy istotności: ***p<0,01, **p<0,05, *p<0,10
Źródło: [Opracowanie własne na podstawie wyników SPSS] Ograniczenia badań empirycznych:
Z uwagi na próbę 27 państw autor założył, że w jednym modelu nie zostanie zastosowanych więcej niż 6 predyktorów.
Oprogramowanie IBM SPSS Statistics przyjmuje próg wykluczenia zmiennej z modelu w procedurze eliminacji wstecznej 0,10. Na potrzeby analizy w niniejszej pracy pozostawiono wartości domyślne.
Pierwotnie autor założył, że dane dotyczące ryzyka politycznego oraz klimatu inwestycyjnego zostaną wprowadzone do analizy z dwuletnim opóźnieniem, jednak z uwagi na fakt, że część danych nie była dostępna za lata 2003-2004, zrezygnowano z tego pomysłu.
Powyższe ograniczenia nie przeszkodziły w przeprowadzeniu wiarygodnych badań ekonometrycznych.