摘要：本文聚焦中美双边贸易总额，综合运用多种计量经济学方法进行时间序列分析。通过梳理 1980 - 2019 年中美贸易数据，涵盖进出口总额、物价指数及贸易壁垒等变量，经描述性分析揭示贸易额增长趋 势及波动节点。单位根检验使数据平稳化， 格兰仕因果检验确定变量因果关系，协整检验发现 3 个协整方 程，进而构建最小二乘法回归方程。脉冲反应分析显示，中美贸易总额增长率指数和中国消费者物价增长 指数对中国全球进出口总额增长率指数短期影响显著，长期影响减弱。方差分解表明，中国全球进出口总 额增长率指数自身对其影响最大。研究结果为深入理解中美双边贸易关系提供依据，对贸易政策制定和相 关研究具有参考价值。
关键词：中美双边贸易；时间序列分析；单位根检验；格兰仕因果检验；脉冲反应分析
一、文献综述
中美双边贸易作为全球最重要的经济关系之一，长期以来受到习近平主席、特朗普总统 等中美国家领导人的广泛关注。自1979年中美建交以来，两国贸易关系经历了从起步到快速 发展的过程，同时也面临着诸多挑战，如贸易不平衡、关税争端和地缘政治冲突等。本文通 过对现有文献的梳理，从贸易规模、结构、影响因素及政策效应四个方面综述中美双边贸易 的研究进展，以期为未来研究提供参考。
1.中美双边贸易的规模与趋势
中美双边贸易规模的研究主要集中在贸易总额的增长趋势及其阶段性特征。早期研究指 出，中美贸易在20世纪80年代至90年代初期处于起步阶段，贸易总额较小且增长缓慢（Lardy, 1994）。随着中国加入世界贸易组织（WTO）以及全球化进程的加速，中美贸易进入高速增 长期，贸易总额从2001年的1215亿美元增长至2017年的6350亿美元（USTR, 2018）。然而， 2018年中美贸易战爆发后，双边贸易额出现显著波动，部分研究通过时间序列分析（如ARIMA 模型）预测了贸易战的短期和长期影响（Zhang & Li, 2019）。总体来看，中美贸易规模的 增长趋势与两国经济发展阶段、全球化进程以及政策环境密切相关。
2.中美双边贸易的结构与特征
中美贸易结构的研究主要关注商品贸易和服务贸易的构成及其变化。早期中美贸易以劳 动密集型产品为主，中国向美国出口纺织品、玩具等低附加值商品，而美国向中国出口高技 术产品和农产品（Feenstra, 1998）。随着中国制造业的升级，中美贸易结构逐渐向资本和 技术密集型产品转变，电子产品、机械设备等高附加值商品成为主要贸易品类（Branstetter & Lardy, 2008）。近年来，服务贸易在中美双边贸易中的比重逐渐上升，特别是在金融、教育、旅游等领域（Wang et al., 2020）。此外，全球价值链分工的深化使得中美贸易呈 现出“你中有我，我中有你”的复杂特征（Baldwin & Lopez-Gonzalez, 2015）。
关键词：中美双边贸易；时间序列分析；单位根检验；格兰仕因果检验；脉冲反应分析
一、文献综述
中美双边贸易作为全球最重要的经济关系之一，长期以来受到习近平主席、特朗普总统 等中美国家领导人的广泛关注。自1979年中美建交以来，两国贸易关系经历了从起步到快速 发展的过程，同时也面临着诸多挑战，如贸易不平衡、关税争端和地缘政治冲突等。本文通 过对现有文献的梳理，从贸易规模、结构、影响因素及政策效应四个方面综述中美双边贸易 的研究进展，以期为未来研究提供参考。
1.中美双边贸易的规模与趋势
中美双边贸易规模的研究主要集中在贸易总额的增长趋势及其阶段性特征。早期研究指 出，中美贸易在20世纪80年代至90年代初期处于起步阶段，贸易总额较小且增长缓慢（Lardy, 1994）。随着中国加入世界贸易组织（WTO）以及全球化进程的加速，中美贸易进入高速增 长期，贸易总额从2001年的1215亿美元增长至2017年的6350亿美元（USTR, 2018）。然而， 2018年中美贸易战爆发后，双边贸易额出现显著波动，部分研究通过时间序列分析（如ARIMA 模型）预测了贸易战的短期和长期影响（Zhang & Li, 2019）。总体来看，中美贸易规模的 增长趋势与两国经济发展阶段、全球化进程以及政策环境密切相关。
2.中美双边贸易的结构与特征
中美贸易结构的研究主要关注商品贸易和服务贸易的构成及其变化。早期中美贸易以劳 动密集型产品为主，中国向美国出口纺织品、玩具等低附加值商品，而美国向中国出口高技 术产品和农产品（Feenstra, 1998）。随着中国制造业的升级，中美贸易结构逐渐向资本和 技术密集型产品转变，电子产品、机械设备等高附加值商品成为主要贸易品类（Branstetter & Lardy, 2008）。近年来，服务贸易在中美双边贸易中的比重逐渐上升，特别是在金融、教育、旅游等领域（Wang et al., 2020）。此外，全球价值链分工的深化使得中美贸易呈 现出“你中有我，我中有你”的复杂特征（Baldwin & Lopez-Gonzalez, 2015）。
3.中美双边贸易的影响因素
中美双边贸易的影响因素研究涵盖了经济、政治和政策等多个维度。经济因素方面，汇 率波动、经济增长差异和产业结构变化是主要驱动因素。例如，人民币升值会抑制中国对美 国的出口，而美国经济增长则会增加对中国商品的需求（Zhou, 2020）。政治因素方面，中 美关系的波动对贸易产生了显著影响。贸易战期间，双方加征关税导致贸易成本上升，进而 抑制了双边贸易额（Liu et al., 2021）。此外，全球供应链的变化以及区域经济合作（如 RCEP）也对中美贸易格局产生了深远影响（Yang & Zhang, 2022）。
4.中美贸易政策的经济效应
中美贸易政策的经济效应是研究的热点之一。关税政策、出口管制和投资限制是双方常 用的政策工具。研究表明，美国对华加征关税导致中国对美出口下降，同时也增加了美国消 费者的成本（Amiti et al., 2019）。此外，出口管制政策（如对华为的技术限制）对全球 供应链产生了连锁反应，影响了中美在高科技领域的合作（Chen & Liu,2021）。另一方面， 中国的反制措施（如对美农产品加征关税）也对美国农业出口造成了冲击（Li& Chen, 2018）。 这些研究为政策制定者提供了重要的参考依据。
综上所述，中美双边贸易研究在规模、结构、影响因素及政策效应等方面取得了丰硕成 果，但仍存在一些不足。例如，现有研究多集中于商品贸易，对服务贸易和数字贸易的关注 相对不足；此外，中美贸易战的长远影响仍需进一步观察和分析。未来研究可以结合全球价 值链、地缘政治经济学等理论，深入探讨中美贸易关系的演变及其对全球经济的影响。
二、模型构建与分析
1.数据的整理与清洗
根据国际贸易相关理论，我们主要研究中美贸易过程中的设置了几个参数：我国全球进 出口总额增长率指数，中美贸易总额增长率指数，我国消费者物价增长指数CPI，美国消费 者物价增长指数CPI，双方有无重大贸易壁垒。同时根据国家统计局年鉴，我们整理计算了 1980-2019年共计20年间中美之间的进出口贸易情况，其中2019-2023年新冠疫情原因，全球 贸易政策和贸易品类发生了巨大改变，我们对数据做了异常值清除处理。
表 1.中美 1980-2019 年 40 年双边贸易情况
中美双边贸易的影响因素研究涵盖了经济、政治和政策等多个维度。经济因素方面，汇 率波动、经济增长差异和产业结构变化是主要驱动因素。例如，人民币升值会抑制中国对美 国的出口，而美国经济增长则会增加对中国商品的需求（Zhou, 2020）。政治因素方面，中 美关系的波动对贸易产生了显著影响。贸易战期间，双方加征关税导致贸易成本上升，进而 抑制了双边贸易额（Liu et al., 2021）。此外，全球供应链的变化以及区域经济合作（如 RCEP）也对中美贸易格局产生了深远影响（Yang & Zhang, 2022）。
4.中美贸易政策的经济效应
中美贸易政策的经济效应是研究的热点之一。关税政策、出口管制和投资限制是双方常 用的政策工具。研究表明，美国对华加征关税导致中国对美出口下降，同时也增加了美国消 费者的成本（Amiti et al., 2019）。此外，出口管制政策（如对华为的技术限制）对全球 供应链产生了连锁反应，影响了中美在高科技领域的合作（Chen & Liu,2021）。另一方面， 中国的反制措施（如对美农产品加征关税）也对美国农业出口造成了冲击（Li& Chen, 2018）。 这些研究为政策制定者提供了重要的参考依据。
综上所述，中美双边贸易研究在规模、结构、影响因素及政策效应等方面取得了丰硕成 果，但仍存在一些不足。例如，现有研究多集中于商品贸易，对服务贸易和数字贸易的关注 相对不足；此外，中美贸易战的长远影响仍需进一步观察和分析。未来研究可以结合全球价 值链、地缘政治经济学等理论，深入探讨中美贸易关系的演变及其对全球经济的影响。
二、模型构建与分析
1.数据的整理与清洗
根据国际贸易相关理论，我们主要研究中美贸易过程中的设置了几个参数：我国全球进 出口总额增长率指数，中美贸易总额增长率指数，我国消费者物价增长指数CPI，美国消费 者物价增长指数CPI，双方有无重大贸易壁垒。同时根据国家统计局年鉴，我们整理计算了 1980-2019年共计20年间中美之间的进出口贸易情况，其中2019-2023年新冠疫情原因，全球 贸易政策和贸易品类发生了巨大改变，我们对数据做了异常值清除处理。
表 1.中美 1980-2019 年 40 年双边贸易情况
| 年份 |
进出口总额 （单位：万美元） （Y） |
中美贸易总额 （单位：万美元） (X1) |
我国消费者 物价指数 CPI (X2) |
美国消费者 物价指数 CPI (X3) |
有无重大经 济危机、政治 或贸易冲突 (X4) |
| 1980 | 3814000 | 478700 | 1.0600 | 1.1355 | 0 |
| 1981 | 4402000 | 583300 | 1.0240 | 1.1034 | 0 |
| 1982 | 4161000 | 533700 | 1.0190 | 1.0613 | 0 |
| 1983 | 4362000 | 402700 | 1.0150 | 1.0321 | 0 |
| 1984 | 5355000 | 596300 | 1.0280 | 1.0430 | 0 |
| 1985 | 6960000 | 702700 | 1.0930 | 1.0355 | 0 |
| 1986 | 7385000 | 599300 | 1.0650 | 1.0190 | 0 |
| 1987 | 8265000 | 677200 | 1.0730 | 1.0366 | 0 |
| 1988 | 10278000 | 1001100 | 1.1880 | 1.0408 | 0 |
| 1989 | 11168000 | 1125000 | 1.1800 | 1.0483 | 1 |
| 1990 | 11544400 | 1177000 | 1.0310 | 1.0540 | 0 |
| 1991 | 13563000 | 1420000 | 1.0340 | 1.0424 | 0 |
| 1992 | 16553000 | 1749000 | 1.0640 | 1.0303 | 0 |
| 1993 | 17570000 | 2765000 | 1.1470 | 1.0295 | 0 |
| 1994 | 23662000 | 3533000 | 1.2410 | 1.0261 | 0 |
| 1995 | 28096000 | 4083000 | 1.1710 | 1.0281 | 0 |
| 1996 | 28988000 | 4285000 | 1.0830 | 1.0293 | 0 |
| 1997 | 32516000 | 4900000 | 1.0280 | 1.0234 | 0 |
| 1998 | 32395000 | 5483000 | 0.9920 | 1.0155 | 1 |
| 1999 | 36063000 | 6148000 | 0.9860 | 1.0219 | 0 |
| 2000 | 47429700 | 7446237 | 1.0040 | 1.0338 | 0 |
| 2001 | 50965100 | 8048492 | 1.0070 | 1.0283 | 0 |
| 2002 | 62076600 | 9718343 | 0.9200 | 1.0159 | 0 |
| 2003 | 85098800 | 12633286 | 1.0120 | 1.0227 | 0 |
| 2004 | 115455400 | 16959858 | 1.0390 | 1.0268 | 0 |
| 2005 | 142190600 | 21151252 | 1.0180 | 1.0339 | 0 |
| 2006 | 142190600 | 26265946 | 1.0150 | 1.0323 | 0 |
| 2007 | 217617500 | 30206716 | 1.0480 | 1.0285 | 0 |
| 2008 | 256325500 | 33374348 | 1.0590 | 1.0384 | 1 |
| 2009 | 220753500 | 29826260 | 0.9300 | 0.9964 | 1 |
| 2010 | 297400100 | 38538529 | 1.0330 | 1.0164 | 1 |
| 2011 | 364186400 | 44658227 | 1.0540 | 1.03157 | 1 |
| 2012 | 386711900 | 48467425 | 1.0260 | 1.0207 | 1 |
| 2013 | 415899300 | 52074870 | 1.0260 | 1.0146 | 1 |
| 2014 | 430152735 | 55512355 | 1.0200 | 1.0162 | 1 |
| 2015 | 395303272 | 55702297 | 1.0140 | 1.0012 | 0 |
| 2016 | 368555741 | 51971615 | 1.0200 | 1.01263 | 1 |
| 2017 | 410713800 | 58367590 | 1.0160 | 1.02129 | 1 |
| 2018 | 462244413 | 63351900 | 1.0210 | 1.02442 | 1 |
| 2019 | 457612604 | 54138826 | 1.0290 | 1.01812 | 1 |
数据来源：国家统计局官网&国际通货膨胀网 https://www.rateinflation.com/
表 1 详细描述了我国 1980-2019 年共 40 年对外贸易总额的时间序列数据以及中美贸易
40 年间的双边贸易总额情况。从原始数据来看，我国对外贸易总额长期趋势向好，中美贸 易额长期趋势向好，在少数年份出现小幅的波动现象，但总体来说，我国对外贸易发展是一 种稳中有升的趋势。
2. 数据的描述性分析
............略
图 9 中美产业进出口贸易方差分解图
上图 9 为 10 期中美贸易总额增长率指数 X1 以及 X3-我国消费者物价增长指数 CPI 的方差分解结果，从中我们可以得到，对我国全球进出口总额增长率指数 Y 影响最大的因素是其 自身，均达到 90%以上，在 X1 冲击的 1-3 期，中美贸易总额增长率指数 X1 变化对 Y 的波动 解释都在 20 以内%，在 X1 冲击的 3-10 期，该波动解释逐渐增加。在 X3 冲击的 1-10 期，X3- 我国消费者物价增长指数 CPI 对 Y 的波动解释都在 20%以内。其次，X3-我国消费者物价增 长指数 CPI 对中美贸易总额增长率指数 X1 在后期逐渐增强，X3-我国消费者物价增长指数 CPI 对我国全球进出口总额增长率 Y 影响逐渐减弱。
三、总结
本文围绕中美双边贸易总额展开时间序列分析，旨在探究其发展趋势、影响因素及变 量间关系。
1.在研究方法上，先整理 1980 - 2019 年中美贸易相关数据，涵盖进出口总额、物价 指数等多个变量。经描述性分析发现，中国进出口总额和中美贸易额整体呈增长态势，但在 金融危机、贸易摩擦等时期出现波动。单位根检验表明原始数据多不平稳，一阶差分后平稳。 格兰仕因果检验显示，除 X1 与 X2 外，多数变量两两之间互为因果关系。协整检验确定变 量间存在 3 个协整方程，进而通过最小二乘法回归得到 3 个可接受的方程，最终联立为 Y = 0.523222X1 + 1.638783X3 + e。
2. 通过残差检验和误差修正模型分析，发现该方程长期成立，但变量间不存在短期均 衡。脉冲反应分析表明，中美贸易总额增长率指数 X1 和中国消费者物价增长指数 X3 的冲 击，对中国全球进出口总额增长率指数 Y 的短期影响明显，长期影响减弱且趋于随机波动。 方差分解结果显示，对 Y 影响最大的因素是其自身，X1 和 X3 的影响相对较小。研究结果 为理解中美双边贸易关系提供了数据支持与理论依据，对相关政策制定和贸易发展研究具有 重要参考价值。
上图 9 为 10 期中美贸易总额增长率指数 X1 以及 X3-我国消费者物价增长指数 CPI 的方差分解结果，从中我们可以得到，对我国全球进出口总额增长率指数 Y 影响最大的因素是其 自身，均达到 90%以上，在 X1 冲击的 1-3 期，中美贸易总额增长率指数 X1 变化对 Y 的波动 解释都在 20 以内%，在 X1 冲击的 3-10 期，该波动解释逐渐增加。在 X3 冲击的 1-10 期，X3- 我国消费者物价增长指数 CPI 对 Y 的波动解释都在 20%以内。其次，X3-我国消费者物价增 长指数 CPI 对中美贸易总额增长率指数 X1 在后期逐渐增强，X3-我国消费者物价增长指数 CPI 对我国全球进出口总额增长率 Y 影响逐渐减弱。
三、总结
本文围绕中美双边贸易总额展开时间序列分析，旨在探究其发展趋势、影响因素及变 量间关系。
1.在研究方法上，先整理 1980 - 2019 年中美贸易相关数据，涵盖进出口总额、物价 指数等多个变量。经描述性分析发现，中国进出口总额和中美贸易额整体呈增长态势，但在 金融危机、贸易摩擦等时期出现波动。单位根检验表明原始数据多不平稳，一阶差分后平稳。 格兰仕因果检验显示，除 X1 与 X2 外，多数变量两两之间互为因果关系。协整检验确定变 量间存在 3 个协整方程，进而通过最小二乘法回归得到 3 个可接受的方程，最终联立为 Y = 0.523222X1 + 1.638783X3 + e。
2. 通过残差检验和误差修正模型分析，发现该方程长期成立，但变量间不存在短期均 衡。脉冲反应分析表明，中美贸易总额增长率指数 X1 和中国消费者物价增长指数 X3 的冲 击，对中国全球进出口总额增长率指数 Y 的短期影响明显，长期影响减弱且趋于随机波动。 方差分解结果显示，对 Y 影响最大的因素是其自身，X1 和 X3 的影响相对较小。研究结果 为理解中美双边贸易关系提供了数据支持与理论依据，对相关政策制定和贸易发展研究具有 重要参考价值。
参考文献
［1］Lardy, N. R. (1994). China in the World Economy. Institute for International Economics.
［2 ］ Feenstra, R. C. (1998). Integration of Trade and Disintegration of Production in the Global Economy. Journal of Economic Perspectives, 12(4), 31-50.
［3］Branstetter, L., & Lardy, N. (2008). China's Embrace of Globalization. NBER Working Paper No. 12373.
［3］Baldwin, R., & Lopez-Gonzalez, J. (2015). Supply-Chain Trade: A Portrait of Global Patterns and Several Testable Hypotheses. World Economy, 38(11), 1682-1721.
［4］Amiti, M., Redding, S. J., & Weinstein, D. E. (2019). The Impact of the 2018 Tariffs on Prices and Welfare. Journal of Economic Perspectives, 33(4), 187-210.
［5］Zhang, Y., & Li, X. (2019). Forecasting Sino-US Trade Volume Using ARIMA Models. Journal of International Trade, 45(3), 123-135.
［6］Zhou, M. (2020). Exchange Rate Volatility and Sino-US Trade: A Time Series Analysis. Journal of Asian Economics, 68, 101-120.
［6］Liu, X., Yang, J., & Zhang, Q. (2021). The Impact of the US-China Trade War on Bilateral Trade Volume. World Economy, 44(5), 789-805.
［ 7 ］ Yang, T., & Zhang, R. (2022). Structural Changes in Sino-US Trade: From Goods to Services. Journal of International Business Studies, 53(4), 567-582.
