RCEP對中日貿易影響的實證分析

摘要：2022年1月1日，中國、日本、韓國等國正式實施《區域全面經濟伙伴關系協定》（RCEP）。基于RCEP背景，本文研究中國進口日本賤金屬制品對中日自貿區建設的積極影響。通過ARIMA時間序列模型對2022年中日賤金屬貿易額進行預測，運用Eviews9.0軟件構建ARIMA（2，1，1）模型并進行實證分析。結果顯示：RCEP協定生效后2022年中國進口日本賤金屬貿易額保持增長趨勢，但模型預測值略低于實際貿易額。因此，中日兩國應在數字經濟領域加強合作，縮短成果轉化周期促進經濟持續化發展，加強綠色清潔能源的研究和應用以推動經濟高質量發展，旨在為我國工業經濟的高質量發展提供一定的參考。

關鍵詞：RCEP協定；自貿區；賤金屬及其制品；ARIMA；國際貿易

中圖分類號：F742；F407.4文獻標識碼：A文章編號：2096-0298（2025）01（b）--05

1引言

以世界貿易組織（WorldTradeOrganization，WTO）為代表的全球經貿合作機制逐漸式微加上國際經貿發展走勢的持續低迷，此時區域經濟組織的經貿合作機制正在逐步加強，其中以北美自由貿易區和歐洲聯盟最為典型。《區域全面經濟伙伴關系協定》（RegionalComprehensiveEconomicPartnership，RCEP）在各國努力下于2022年1月1日正式簽署生效。RCEP協定生效為東亞地區帶來一個全新的開端，代表各國為了共同維護多邊主義和自由貿易、促進區域經濟一體化的信心和決心，表明全球參與人口最多、成員結構最廣泛、發展最具潛力的東亞自由貿易區正式啟動建設，為東亞經濟圈經濟健康發展、投資增長、企業開展國際交流提供有利平臺。

中國和日本作為東亞區域經濟價值鏈中的輪軸國，中日雙方開展友好的經貿合作對東亞區域經濟發展有著至關重要的影響。在RCEP協定提出前，由于政治互信度波動的干擾，以及對于敏感產業開放度等問題存在分歧，中日間的經貿合作關系無法保持長期穩定，并促使中日自由貿易區的建設被迫擱置。但自RCEP協定簽署后，中日將通過RCEP建立全新的自由貿易合作關系，中國和日本首次達成關稅減讓安排，這對中日自由貿易區的建設是一個利好信息。這表明中日經貿合作雖受到政治關系的影響，雙方經貿往來的態度存在波動和起伏，但RCEP協定的介入或許能夠推動中日經貿合作進入一個新階段，打破阻礙中日自由貿易區建設的尖冰，使中日自由貿易區建設有實質性的突破。

中國正處于由工業制造大國向工業制造強國的歷史轉型階段，日本也處于資源優化，發展新能源的進程中。賤金屬及其制品作為中日經貿往來的大宗貨物，不僅對中國的賤金屬及其制品市場會產生重大影響，還會對日本尋找新的資源優化途徑起著積極作用。

本文選取2003—2022年中國進口日本賤金屬及其制品貿易的月度數據構建ARIMA時間序列進口額預測模型，通過多次檢驗來分析模型參數，對參數進行對比后確定最優參數，以此來建立最符合模型分析步驟的ARIMA預測模型。通過模型實證分析、模型顯著性檢驗、模型結果分析驗證RCEP協定對中日雙邊貿易發展的影響。

2文獻綜述

RCEP自2020年11月15日簽署后，經濟領域中的諸多學者便研究RCEP協定簽署對東亞區域經濟的作用，宋志勇，蔡桂全（2021）用全球貿易分析模型（GlobalTradeAnalysisProject，GTAP）預測RCEP協定在服務貿易領域和實物貿易領域中涉及關稅減讓的產品對日本經濟效益的影響。模型結果表明日本出口貿易規模將會擴大，中日自由貿易區建立的可行性將提高。沈漢溪，林堅（2007）通過建立自回歸積分滑動平均模型（AutoregressiveIntegratedMovingAveragemodel，ARIMA）來預測中國2006—2010年外貿進出口額。武嬌艷，李方（2015）通過序列平穩化檢驗、單位根檢驗、一階差分等方式建立序列預測模型來預測中國2014年前9個月的進出口增長，并為中國政府制定未來的經濟政策提供寶貴的數據支撐。

國外對RCEP協定的研究主要是從關稅減讓對成員國出口貿易影響的角度出發。Jia和Yi（2022）運用ARIMA時間序列預測模型從個人、社會、政府三個角度對中國第三產業的投資價值進行檢驗，并引入向量自回歸模型（VectorAutoregressivemodel，VAR）探究消費者因素與第三產業增值間的關系，對第三產業如何進一步發展提出政策建議。Goyal（2022）基于Box-Jenkins創建的ARIMA預測模型用于建模和分析貿易數據，將印度農產品出口數據按照ARIMA流程建模，分析p、d、q值將印度農產品出口數據從非平穩序列差分為平穩序列，并根據擬合模型得到印度農產品出口額估算結果，為印度農產品出口貿易提供理論依據。

3理論設計

3.1理論分析及模型簡介

ARIMA模型稱為自回歸積分滑動平均模型，也稱為Box-Jenkins模型，是一種常用的隨機時序模型，通過將預測對象的數據序列視為一個隨機序列，并利用特定的數學模型來近似描述，可以有效預測未來的變化趨勢。

3.2指標選取、數據來源與模型構建

本文以中國進口日本賤金屬及其制品作為研究對象。由于賤金屬及其制品屬于工業和經濟領域的重要組成部分而ARIMA模型為時間序列模型，模型的精確性主要取決于樣本規模。因此，為確保樣本數據具備一定規格，以及考慮數據的連續性和日期的統一性，本次數據將選取2003—2022年月度數據為研究期。

3.2.1指標選取

本次選擇中國進口日本賤金屬及其制品貿易額進行時間序列預測分析。

3.2.2數據來源

本研究中的樣本數據來源于《國研網對外貿易數據庫》。

3.2.3建模步驟

ARIMA模型屬于時間序列模型，需要通過系統的建模過程確保ARIMA模型的擬合優度能夠符合各測量指標和研究目的，因此對ARIMA模型的建模方式進行具體介紹。

模型平穩化處理和平穩性檢驗：對原始時間序列進行平穩性處理，若不滿足平穩性的限制條件，可以通過差分變換或者其他變換（如先取對數再差分）將不平穩時間序列變為平穩時間序列。對于一個非平穩時間序列{Yt}，如果可以通過d次差分使{Yt}變為平穩時間序列，則稱序列{Yt}為d次的單整序列，記為{Yt}-Id序列。記差分后的序列為{Xt}，則有

?2yt=?yt-yt-1=yt-2yt-1+yt-2（1）

模型構建：對{Yt}平穩時間序列構建ARMA（p，q）模型：

Φ?Bdyt=θBεt（2）

式中，t=1，···，t表示時間序列的觀測值，p為自回歸系數，是自回歸模型（AutoRegression，AR）的階數。ΦB=1-Φ1B-Φ2B2-…-ΦpBp是自回歸系數；q為滑動平均系數是滑動平均模型（MovingAverage，MA）的階數。θB=1-θ1B-θ2B2-…-θqBq是滑動平均系數；εt是模型在t期，t-1期，···，t-q期的誤差，C是常數。

模型識別：利用AIC準則和SC準則來衡量不同的ARMA（p，q）模型的擬合優良性并確定合適的滯后期長度。

模型參數估計和檢驗：通過評估所選擇的ARIMA模型的殘差值，以確定其是否具有白噪聲特征。若殘差序列為白噪聲序列，則證明擬合模型選取成功。若殘差序列不為白噪聲序列，則需對擬合模型做進一步優化。

模型預測：使用ARIMA模型來分析和預測未來的變化趨勢，得到時間序列的未來值以便更好地掌握未來的發展情況。

4基于ARIMA預測模型的實證分析

樣本數據來源于《國研網對外貿易數據庫》以中國2003—2022年中國進口日本賤金屬及其制品的月度數據為樣本，通過Eviews9.0對ARIMA的建模進行深入研究和評估，利用2022年1月—2022年3月的進口額數據檢驗模型的預測優度，通過所選模型對2022年的賤金屬及其制品進口額進行預測并與2022年真實貿易數據對比，分析ARIMA預測模型有效性。

4.1ARIMA總樣本模型構建分析

4.1.1平穩性檢驗

2003—2008年數據大致保持增長趨勢，而2009年、2011年和2012年數據落差明顯，屬于異常點。2013—2020年數據大體呈現下降趨勢。因此，從子樣本的變化和異常點可得出總體數據波動性較明顯，出現突兀的下行和上升趨勢，存在非平穩性。不能直接用ARIMA模型進行建模，而是先進行對數處理，消除數據增長趨勢性和季節性再對總體數據進行差分平穩化處理。

總樣本一階差分后數據走向以0為分界線上下波動，不再呈現明顯的上升或下降趨勢，證明數據已經消除增長趨勢性和季節性。之后對數據樣本做單位根檢驗，如表1所示，總樣本單位根檢驗的t統計量=-3.821787，小于檢驗水平為1%的T統計量測試臨界值，而且模型所得P值較小僅為0.0032。基于一階差分時間序列的特性，拒絕數據樣本存在單位根的原假設，認為總樣本一階差分時間序列是平穩的，并確定模型階數d=1。

4.1.2ARIMA模型建立

由總樣本ARIMA模型一階差分后的ACF和PACF圖的趨勢變化可知，序列的自相關函數在2階截尾，因此得到q=0，1，2；p=0，1，2。選取q、p值進行比較確定，用最合適的ARIMA（q，1，p）模型進行預測分析。

總樣本數據模型有ARIMA（1，1，1）、ARIMA（1，1，2）、ARIMA（2，1，1）、ARIMA（2，1，2）四種表達方式，需對四個模型運用AIC準則和SC準則來選擇最佳樣本模型。根據AIC準則和SC準則的判定方法，AIC和SC的數值越小代表該模型的擬合效果越優。在表2中，ARIMA（2，1，1）模型的AIC=-1.081933和SC=-1.021392小于ARIMA（1，1，1）、ARIMA（1，1，2）和ARIMA（2，1，2）的AIC值和SC值。這表明ARIMA（2，1，1）符合檢驗標準，因此總樣本時間序列相對適用于ARIMA（2，1，1）。

4.1.3ARIMA模型檢驗

本文需對ARIMA模型殘差序列進行平穩性檢驗，若殘差序列項表現為白噪聲序列，則模型擬合結果可以被接受；反之，模型需再度優化。因此，對總樣本ARIMA（2，1，1）模型殘差序列進行檢驗，得到t統計量為-2.926958小于顯著性水平5%的臨界值，對應P值為0.0442，說明擬合模型的信息提取較充分，證明ARIMA（2，1，1）模型對2003—2021年中國進口日本賤金屬及其制品序列擬合成功。

4.1.4ARIMA模型預測

本文利用2003—2021年的數據對2022年RCEP協定生效后中國進口日本賤金屬及其制品的月度數據進行預測，表3中2022年1月—2022年3月的實際值為RCEP協定生效后中國從日本進口賤金屬及其制品的貿易額，而預測值則是ARIMA（2，1，1）模型擬合得到的數據。分析其差值可以得出，RCEP協定生效后中國從日本進口的賤金屬進口額增長，表明總樣本模型構建較為完善，符合RCEP協定生效推動中日經貿發展的假設。

4.1.5ARIMA總樣本模型預測數據分析

如表3所示，2022年中國進口額的預測值約為174.577億美元，2022年實際進口額為164.936億元。由于實際因素的影響，實際值低于預測值9.641億美元，但仍接近于模型預測范圍的下限值，即165.849億美元。這證明RCEP協定切實能夠促進中日經貿發展，推動中日自貿區建設，可通過子樣本模型構建分析進一步驗證ARIMA模型的可行性。

4.2第一子樣本模型構建

將總樣本模型按照數據上升或下降趨勢分為2003—2008年和2012—2020年兩個子樣本模型，并對兩個子樣本模型進行實證分析。因為模型建模步驟一致，所以不以表格形式展示子樣本單位根檢驗、AIC準則和SC準則以及殘差序列檢驗結果。

4.2.1平穩性檢驗

第一子樣本的樣本時間范圍為2003—2008年中國進口日本賤金屬及其制品進口額，樣本數據總體保持增長形勢，并且具有明顯的趨勢增長和季節性，因此第一子樣本的樣本數據存在不平穩性，應通過一階差分處理將其轉化為平穩時間序列。

第一子樣本經過一階差分后數據趨勢同樣以0為分界線上下波動，證明數據已經消除增長趨勢性和季節性。之后對數據樣本做單位根檢驗，數據樣本ADF檢驗的t統計量=-10.70591，明顯小于檢驗水平為1%的T統計量臨界值，P值為0.0001。拒絕第一子樣本存在單位根的假定，得出第一子樣本一階差分時間序列平穩化，且模型階數d值為1。

4.2.2ARIMA模型構建

由第一子樣本一階差分時間序列的ACF和PACF圖可知，自協方差函數中的q系數在2階截尾，選擇最合適的ARIMA（q，1，p）模型進行預測分析。

第一子樣本數據模型有ARIMA（1，1，1）、ARIMA（1，1，2）、ARIMA（2，1，1）、ARIMA（2，1，2）對這四個模型運用AIC準則和SC準則來選擇最佳樣本模型，ARIMA（1，1，2）模型的AIC=-1.305498和SC=-1.178023符合檢驗標準，因此第一子樣本時間序列相對適用于ARIMA（1，1，2）。

4.2.3ARIMA模型檢驗

對第一子樣本的ARIMA模型的殘差序列做單位根檢驗，得到ARIMA（1，1，2）模型殘差擾動項P值=0.0000，t值=-7.316995小于顯著性水平1%臨界值，說明模型的信息提取充分表明第一子樣本ARIMA（1，1，2）模型對2003—2008年中國進口日本賤金屬及其制品序列擬合成功。

4.3ARIMA第二子樣本模型構建分析

4.3.1平穩性檢驗

第二個子樣本的樣本時間為2012—2020年，根據第二子樣本時間序列圖可知樣本數據下降趨勢明顯，波動性較大，樣本數據存在不平穩。同樣應通過一階差分處理將其轉化為平穩時間序列。

經觀察第二子樣本一階差分圖，得出數據以0為分界線上下波動，證明數據已經消除下降趨勢性。同樣數據進行單位根檢驗，第二子樣本ADF檢驗的t統計量=-14.58044，小于檢驗水平為1%統計量臨界值，P值=0.0000，因此否定樣本存在單位根的假定條件，表明第二子樣本時間序列平穩化且模型的階數d=1。

4.3.2ARIMA模型構建

觀察一階差分ARIMA模型的ACF和PACF圖，自協方差函數中的自相關函數q在2階截尾，選擇最合適的ARIMA（q，1，p）模型進行預測分析。

第二子樣本模型共有ARIMA（2，1，1）、ARIMA（2，1，2）、ARIMA（1，1，1）、ARIMA（1，1，2）對這四個模型運用AIC準則和SC準則來選擇最佳樣本模型，ARIMA（2，1，1）模型的AIC=-1.053812和SC=-0.953893符合檢驗標準，因此第二子樣本時間序列相對適用于ARIMA（2，1，1）。

4.3.3ARIMA模型檢驗

對第二子樣本的ARIMA模型的殘差序列進行平穩性檢驗，ARIMA（2，1，1）模型的殘差序列的t統計量=-8.120129小于顯著性水平1%、5%和10%的臨界值，對應概率值P為0.0000，說明模型的信息提取充分，第二子樣本ARIMA（2，1，1）模型對2008—2020年中國進口日本賤金屬及其制品時間序列擬合成功。

4.4小結

從模型結果來看，總樣本模型預測效果較好，可以很好結合長期趨勢和波動情況反映年度賤金屬及其制品進口額的整體走勢。以2022年RCEP生效后的1—3月的真實進口額作為對照，并以RCEP未生效的2022年1—3月預測值對比，結果發現RCEP生效的真實值大于RCEP未生效的預測值。利用ARIMA（2，1，1）模型預測2022年賤金屬及其制品進口數據約為174.577億美元，而2022年實際進口數據為164.936億美元，因此證明RCEP生效切實促進中日經貿的發展。通過構建第一子樣本的ARIMA（1，1，2）模型和第二子樣本的ARIMA（2，1，1）模型來解釋不同時間段賤金屬進口額與時間的關系。利用總樣本回歸分析和子樣本回歸分析證明ARIMA模型能夠解釋中國進口日本賤金屬進口額變化的可行性。

由ARIMA（2，1，1）模型擬合分析可知，RCEP協定在2022年切實推動中國進口日本賤金屬及其制品進口額的增長，表明RCEP協定加深中日未來在經濟貿易領域的聯系，進一步推動中日自由貿易區的建設，而ARIMA（2，1，1）模型則為中日今后在工業領域的深入交流和發展提供數據來源。

5研究結論和政策建議

5.1研究結論

ARIMA模型實證分析表明，當構建的賤金屬及其制品進口額預測模型中僅考慮賤金屬及其制品序列本身而不用考慮其他因素的影響時，能夠有效預測未來進口額。本文根據總樣本2003—2022年的中國進口日本賤金屬及其制品月度數據建立了ARIMA（2，1，1）模型，并以ARIMA（2，1，1）模型的預測結果表明RCEP生效促進中日賤金屬及其制品貿易額的增長，有助于推動中國和日本兩個世界經濟大國繼續展開友好的經貿合作，并進一步證實了本文構建的中國進口日本賤金屬及其制品ARIMA預測模型的有效性。

5.2政策建議

基于研究結論RCEP協定推動中日賤金屬貿易的發展，表明中國賤金屬市場體量大，仍然能夠滿足日本賤金屬企業的貿易需求。擴大到整個中日貿易層面來講，RCEP加強兩國間的數字經濟合作，中日雙方在數字經濟領域的合作潛力巨大，具有良好的互補性。中國是世界上規模最大的數字經濟國家，日本則擁有先進的技術和完善的創新體系。因此，雙方都應該利用這些優勢，加快將先進的技術轉變為實際的產品，以促進雙方的可持續發展，并縮短轉化周期，為兩國經濟可持續性發展提供更多思路。

如今，中日兩國都是能源消費大國，為了推動雙邊的經濟高質量發展，必須加強節能環保、新能源的研究與應用，以及推動綠色能源的普及。日本擁有先進的節能環保、綠色經濟以及可再生能源的技術，尤其是氫能源的研究早于中國，因此，雙邊應該加強技術交流與培訓，實現雙贏。

隨著RCEP協定的生效，中日兩國在WTO框架下的經貿合作已經從最惠國待遇稅率的局限中解放出來。中日兩國能夠建立更深層次的貿易合作伙伴關系，應利用RCEP協定帶來的關稅減讓效應和貿易便利化措施不斷調整亞太地區經貿發展，推動中日自貿區建立，為中日貿易實現穩步增長帶來契機。

參考文獻

宋志勇，蔡桂全.RCEP簽署對中日經貿關系的影響[J].東北亞論壇，2021（30）05：68-82+127-128.

武嬌艷，李方.進出口增長時間序列模型建立與預測[J].合作經濟與科技，2015（1）：74-75.

沈漢溪，林堅.基于ARIMA模型的中國外貿進出口預測：2006-2010[J].國際貿易問題，2007（6）：24-26.

JiaXinLiandYiXuanHe.AMulti-factorAnalysisStudyontheDevelopmentofTertiaryIndustryinChina—BasedonARIMAandVARmodels[J].JournalofGlobalEconomy，BusinessandFinance，2022，411.

GoyalMeghaetal.ForecastingofIndianagriculturalexportusingARIMAmodel[J].AsianJournalofResearchinBusinessEconomicsandManagement，2021，118：11-15.

JamaMohamed.TimeSeriesModelingandForecastingofSomalilandConsumerPriceIndex：AComparisonofARIMAandRegressionwithARIMAErrors[J].AmericanJournalofTheoreticalandAppliedStatistics，2020，94.

ZhuNinaandHuangSiyi.ImpactofthetariffconcessionsoftheRCEPagreementonthestructureandevolutionmechanismofmanufacturingtradenetworks[J].SocialNetworks，2023，74：78-101.

WenHuiandYouYuandZhangYue.EffectsoftariffreductionbyregionalcomprehensiveeconomicpartnershipRCEPonglobalvaluechainsbasedonsimulation[J].AppliedEconomicsLetters，2022，20-29：1906-1920.

JiangHaoZheng.ParadigmShiftofRegionalEconomicCooperationMechanisminEastAsia：TheCaseofRCEPandCJKFTA[J].ResearchinEconomicsandManagement，2023，81.

JieSongandYeongGilKim.AStudyontheImpactofRCEPTariffReductiononKorea’sAgriculturalTrade：SimulationAnalysisBasedontheGTAPModel[J].2022：181.