论文摘要：我国纺织品服装出口与经济增长之闻具有相互促进作用。纺织品服装进口对纺织品服装出口具有明显的促进作用。纺织品服装进口对经济增长的贡献大于出口的贡献。我国要加强自主创新，改变纺织品服装出口依赖于进口的局面：不断提高经济增长的纺织品服装出口弹性．促进我国经济的快速 发展
1相关 文献 回顾及评价
上述专家学者研究问题的方法和结论对本文研究具有极其重要的指导作用。然而．目前研究还存在一定的局限性：第一．有些研究基本上是采用回归分析方法，而对于时间序列数据的回归分析必须以样本数据的平稳性为前提条件．对非平稳性的时间序列直接应用回归分析有可能产生“伪回归”，从而得出错误的结论；第二，一般的定量研究，对模型的可靠性(尤其自相关性、异方差性等)没有做进一步的检验，得到的研究结论可信度差；第三，简单的回归易于把解释变量和被解释变量相混淆，把不存在因果关系的变量经过“伪回归”后做出因果关系分析：第四，由于经济增长与纺织品服装进口、出口之间存在交互作用，采用单方程经济模型，一方面，不便于分析两个以上变量之间的交互影响，另一方面，易产生变量的内生性偏差。因此，有必要通过多方程模型来分析两个以上变量之间的交互影响关系。
2研究方法
20世纪70、80年代，Granger和Neented Dickey—Fuller)法检验变量的平稳性。对于非平稳的变量还需要检验其差分的平稳性。如果变量的n阶差分是平稳的，则称此变量是n阶单整，记为I(n)。所有变量同阶单整是变量之间存在协整关系和因果关系的必要条件。
因果关系检验。Granger(1969)提出的因果关系检验解决了变量之间是否及如何构成因果关系的问题。其基本原理是：在做Y对其他变量(包括自身的过去值)的回归时，如果把X的滞后值包括进来能显著地改进对Y的预测，就可以说x变化是Y变化的原因。
联立方程组模型。对于联立方程组模型中的单方程(即结构式方程)。只有在可识别的条件下才能被估计，结构式方程是否可以识别存在如下定理：在一个含有M个联立方程组的模型中．一个方程如果能被识别，该方程所排除的前定变量的个数必须不少于它所含有的内生变量的个数减1，即：K—k≥in一1(其中K为模型中前定变量的个数，k为给定方程中前定变量的个数，m为给定方程内生变量的个数)，对于可以识别的方程组模型，一般可以用二阶段最小二乘法来进行估计[91。根据估计结果，还有必要从拟合优度、F检验统计量值、样本回归系数的t检验值，是否存在自相关、异方差性等方面，对模型的可靠性做进一步的分析。
3实证分析
3．1样本数据的建立
3．2变量的平稳性检验
应用EvieM应为自变量，lnGDP、lnX既可为自变量也可为因变量
