中国进出口总额的影响因素分析.docx

计量经济学中国进出口总额的影响因素分析摘要:随着中国经济的高速增长，中国进出口总额也快速增长，但是影响其增速的因素有很多，因此，本文在相关理论研究的根基上，用EView软件处理数据，采取计量经济学的分析方法，对影响中国进出口总额的影响因素进展实证分析。研究我国进出口总额与人民币对美元汇率，国内生产总值（GDP）,全社会固定资产投资，实际利用外资额以及外汇储藏的关联。通过多元回归分析来验证其关系，并基于实证分析的结果，提出相应对策或建议。关键词：进出口总额，GDP,人民币对美元汇率，全社会固定资产投资1 .引言中国对外贸易在20年以来,从一个较低的水平理到了一个很高的水平，进出口总额占GDP的比例从1995年的38.36%上升到了2014年的41.55%,虽然增加的百分比不高，但是进出口值从1995年的2808.60亿美元增加到2004年的43015.27亿美元，大致在20年里翻了15倍。很显然，对外贸易的开展对中国的开展起到了不可低估的作用。但是，越来越高的进出口贸易的增长，直接的结果就是我国外贸依存度的迅速攀升，这在一定程度上造成国民经济的过分对外依赖，国际经济形式的风云变幻在一等程度上会严重影响我国的经济开展。从目前的理论的研究来看，影响我国进出口开展的因素主要有人民币对美元汇率，国内生产总值，全社会固定资产投资，实际利用外资额，外汇储藏等。因此，本文通过构建计量经济模型，对以上因素与进出口总额的关系进展实证研究，对它们之间的关系进展验证。2 .理论根基2.1 理论模型建设回归模型如下：其中，进出口总额为被解释变量Y,人民币对美元汇率（美元=100）（元）为解释变量X2,国内生产总值为解释变量X3,全社会固定资产投资为解释变量X4,实际利用外资额为解释变量X5,外汇储藏为解释变量X6。为准确计算，将以上除人民币对美元汇率以外的五个变量单位统一为（亿美元）。以下是各个影响因素对进出口总额的影响原理：1 .人民币对美元汇率一一X2,汇率变动对进出口贸易的影响有很多解释，这里主要从其一般性的原理和政策性方面加以阐述。一般情况下，如果人民币对外升值，以外币表示的中国出口产品的价格将上升，这将会削弱中国产品在国际市场上的竞争能力，导致出口减少，出口总额下降。反之，如果人民币对外贬值，以外币表示的中国出口产品的价格将下降，这样就能增强中国产品的竞争力，使得出口增加，出口总额上升。再有，1994年实施的汇率并轨,国内银行挂牌的美元兑人民币的年平均汇率从1993年的5.7620元骤升至8.6187元,人民币大幅度的贬值对出口产生巨大影响，使外贸依存度一度高达46.6%。可见政策因素通过对汇率的影响对进出口总额起间接影响作用。2 .国内生产总值（GDP）一X3,一国进出口贸易的开展程度很大程度上依赖于这个国家的经济开展水平，衡量一个国家经济开展水平的最有效的指标就是GDPo国民经济越兴旺，与国外的联系也会越严密，从而推动国家进出口贸易的开展。我国改革开放以来，经济迅猛开展，经济实力不断增强，GDP已经跃居世界第,二位，与此同时，进出口贸易也开展迅速。3 .全社会固定资产投资一一X4,固定资产的投入可以引起国内产业构造的调整，改善投资环境,提高国内企业竞争力，对对外贸易的总额有比较直接的影响。4 .实际利用外资额一一X5,实际利用外资金额包括对外借款额，外商直接投资和外商其他投资。我国进出口额增量60%以上是由外商投资个体企业哟哟其实制造业，在外商投资中制造业占七成，外资主要投向制造业使得中国制造加工业日益融入全球生产，如果外资不断进入那么中国的进出口将保持高速增长。相反外资撤走对我国的打击将是很大的，所以实际利用外资金额这一因素很重要。5 .外汇储藏一一X6,此因素对进出口总额直接相关。3 .模型设定3.1 数据来源或者样本选取通过访问中国统计局网站，得到我国自1995年起至2014年历年的相关数据，以进出口总额为被解释变量Y,人民币对美元汇率（美元=100）（元）为解释变量X2,国内生产总值为解释变量X3,全社会固定资产投资为解释变量X4,实际利用外资额为解释变量X5,外汇储藏为解释变量X6。为准确计算，将以上除人民币对美元汇率以外的五个变量单位统一为（亿美元）。YX2X3X4X5X619952808.60835.107320.062397.23481.33735.9719962898.80831.428608.442755.95548.051050.2919973251.60828.989581.593008.65644.081398.9019983239.50827.9110252.773431.07585.571449.5919993606.30827.8310894.473606.38526.591546.7520004742.90827.8412052.613976.34593.561655.7420015096.50827.7013322.514496.01496.722121.6520026207.70827.7014619.065255.52550.112864.0720038509.88827.7016499.296713.38561.404032.51200411545.50827.6819417.468515.06640.726099.32200514219.10819.1722693.1910837.02638.058188.72200617604.40797.18273033213798.41670.7610663.40200721765.70760.4035247.1618059.43783.3915282.49200825632.55694.5145607.9424884.94952.5319460.3020092207535683.1050597.1632879.34918.0423991.52201029739.98676.9560403.7237179.081088.2128473.38201136418.86645.8874955.6448226.471176.9831811.48201238671.19631.2584613.5459357.581132.9433115.89201341589.93619.3294945.8872061.951187.2138213.15201443015.27614.28103521.2083352.971197.0538430.18数据来源：国家统计局3.2 模型建设1 .Y=x+2X2+3X3+4X4+5X5+PgXg+u2 .估计DependentVariable:YMethod:LeastSquaresDate:06/05/16Time:13:25Sample:19952014Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-63561.3125777.47-2.4657700.0272X271.7361628.224642.5416140.0235X31.0815690.2385184.5345390.0005X4-0.7714970.180576-4.2724230.0008X5-2.1052788.424594-0.2498970.8063X60.4261960.2993151.4239070.1764R-squared0.992286Meandependentvar17131.98AdjustedR-squared0.989531S.D.dependentvar14307.67S.E.ofregression1463.949Akaikeinfocriterion17.65899Sumsquaredresid30004060Schwarzcriterion17.95771Loglikelihood-170.5899Hannan-Quinncriter.17.71730F-statistic360.1689Durbin-Watsonstat0.848167Prob(F-Statistic)0.000000(25777.47)(28.2246)(0.2385)(0.1806)(8.4246)(0.2993)t=(-2.4658)(2.5416)(4.5345)(-4.2724)(-0.2499)(1.4239)3.3模型检验及修正1 .经济意义检验模型估计结果说明，在假定其他变量不变的情况下，人民币对美元汇率(美元=IOo)(元)每增加1单位，平均说来进出口总额会增长71.7362亿美元：国内生产总值每增长1亿美元，平均说来进出口总额会增长L0816亿美元：全社会固定资产投资每增长1亿美元，平均说来进出口总额会减少0.7715亿美元：实际利用外资额每增加1亿美元，平均说来进出口总额会减少2.1053亿美元：外汇储藏每增加1亿美元，平均说来进出口总额会增长0.4262亿美元。2 .回归方程和回归参数的检验由图表中的数据可以得到：R2=0.9923,修正的可决系数K?=0.9895,这说明模型对样本的拟合很好。F检验：由相关数据可知n=20,k=6,在给定显著性水平=0.05,查表可得Fa(5,15)=4.62,而由以上数据的F=360.1689,由于F=360.1689>Fa(5,15)=4.62,说明回归方程显著，即“人民币对美元汇率，“国内生产总值，“全社会固定资产投资”，"实际利用外资额，“外汇储藏”等变量联合起来确实对“进出口总额有显著影响。t检验：针对A。：用=0(/=2,3,4,5,6)给出显著性水平=0.05查t分布表的自由度为n-k=14临界值H/一幻=2.145由图一数据可得瓦痣痣氐，及，瓦对应的I统计量分别为(-2.4658)(2.¾416)(4.5345)(-4.2724)(-0.2499)(1.4239)除去用、&的t统计量大于2.145夕卜，其余t统计量均小于2.145,因此可初步认为模型存在严重的多重共线性。3 .计量经济学检验及修正计算得到相关系数矩阵表如下：相关系数矩阵X2X3X4X5X6X21.000000-0.976237-0.954017-0.983306-0.988407X3-0.9762371.0000000.9926980.9679950.989048X4-0.9540170.9926981.0000000.9399570.968330X5-0.9833060.9679950.9399571.0000000.983648X6-0.9884070.9890480.9683300.9836481.000000可见，各变量相互之间相关系数较高，初步证实存在严重多重共线性。利用方差扩大因子法，以X2为被解释变量作对解释变量X3、X4、X5、X6的辅助线性回归如以以下图DependentVariable:X2Method:LeastSquaresDate:06/05/16Time:14:32Sample:19952014Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C902.797835.6527125.322000.0000X30.0004960.0021780.2276660.8230X4-0.0004270.001648-0.2593710.7989X5-0.1192050.070655-1.6871300.1123X6-0.0042860.002505-1.7110810.1077R-squared0.980812Meandependentvar761.5950AdjustedR-squared0.975695S.D.dependentvar85.90146S.E.ofregression13.39220Akaikeinfocriterion8.239540Sumsquaredresid2690.265Schwarzcriterion8.488473Loglikelihood-77.39540Hannan-Quinnenter.8.288134F-statistic191.6798Durbin-Watsonstat1.246669Prob(F-Statistic)0.000000如上是X2为被解释变量的一元线性回归模型，以此类推，分别做出以X3、X4、X5、X6为被解释变量的一元线性回归模型，得表如下：被解释变量可决系数K的值方差扩大因子VIF=J1-TX20.980826.2941X30.9980250.2502X40.994591.1597X50.976721.7122X60.993476.0084由于辅助回归的可决系数很高，经历说明，方差扩大因子VIF大于等于10时，通常说明该解释变量与其余解释变量之间有严重的多重共线性，这里X2X3X4X5X6的方差扩大因子远大于10,说明存在严重的多重共线性。多重共线性的修正运用逐步回归法中做出回归结果如下：DependentVariable:YMethod:StepwiseRegressionDate:06/05/16Time:14:43Sample:19952014Includedobservations:20NoalwaysincludedregressorsNumberofsearchregressors:6Selectionmethod:StepwisebackwardsStoppingcriterion:p-valueforwards/backwards=0.05/0.05VariableCoefficientStd.Errort-StatisticProb.*X31.3097400.1499548.7342640.0000X4-0.9006010.135568-6.6431760.0000C-52553.9919494.75-2.6958020.0159X255.6771722.116032.5175030.0229R-squared0.991169Meandependentvar17131.98AdjustedR-squared0.989513S.D.dependentvar14307.67S.E.ofregression1465.216Akaikeinfocriterion17.59425Sumsquaredresid34349712Schwarzcriterion17.79340Loglikelihood-171.9425Hannan-Quinnenter.17.63312F-statistic598.5695Durbin-Watsonstat0.477903Prob(F-Statistic)0.000000SelectionSummaryRemovedX5RemovedX6*Note:p-valuesandsubsequenttestsdonotaccountforstepwiseselection.由上图可知，修正保存了X2,X3,X4三个变量，剔除了X5,X6两个变量。自相关检验：根据多重共线性修正得出的结果，以Y为解释变量，X2,X3,X4为解释变量，使用普通最小二乘法得：DependentVariable:YMethod:LeastSquaresDate:06/05/16Time:15:44Sample:19952014Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-52553.9919494.75-2.6958020.0159X255.6771722.116032.5175030.0229X31.3097400.1499548.7342640.0000X4-0.9006010.135568-6.6431760.0000R-squared0.991169Meandependentvar17131.98AdjustedR-squared0.989513S.D.dependentvar14307.67S.E.ofregression1465.216Akaikeinfocriterion17.59425Sumsquaredresid34349712Schwarzcriterion17.79340Loglikelihood-171.9425Hannan-Quinnenter.17.63312F-statistic598.5695Durbin-Watsonstat0.477903Prob(F-Statistic)0.000000Se=(19494.75)(22.1160)(0.1500)(O.1356)t=(-2.6958)(2.5175)(8.7343)(-6.6432)R2=0.9917F=598.5695DW=O.4779该回归方程可决系数高，回归系数显著。对样本量为20、三个解释变量、5%的显著水平，查DW统计表可知，d=0.998,4；=L676.模型中DW<L,说明模型中存在自相关。自相关的修正：使用迭代法作广义差分回归，作模型的一阶自相关，得图如下：DependentVariable:YMethod:LeastSquaresDate:06/05/16Time:16:06Sample(adjusted):19962014Includedobservations:19afteradjustmentsConvergenceachievedafter15iterationsVariableCoefficientStd.Errort-StatisticProb.C-53252.0225351.25-2.1005680.0543X255.9844428.635271.9550870.0708X31.2890300.1556998.2789620.0000X4-0.8614880.127544-6.7544300.0000AR(1)0.7433470.2343853.1714800.0068R-squared0.996302Meandependentvar17885.84AdjustedR-squared0.995245S.D.dependentvar14285.82S.E.ofregression985.1144Akaikeinfocriterion16.84433Sumsquaredresid13586306Schwarzcriterion17.09286Loglikelihood-155.0211Hannan-Quinnenter.16.88639F-Statistic942.8445Durbin-Watsonstat1.009324Prob(F-Statistic)0.000000InvertedARRoots.74上图中DW=Loo9324,可以判断OWCd”，不能判断是否有自相关。因此作其二阶自相关得：DependentVariable:YMethod:LeastSquaresDate:06/05/16Time:16:10Sample(adjusted):19972014Includedobservations:18afteradjustmentsConvergenceachievedafter10iterationsVariableCoefficientStd.Errort-StatisticProb.C-26047.0815929.44-1.6351540.1280X223.8171418.324431.2997480.2181X31.3337110.08320016.030270.0000X4-1.0353820.075461-13.720760.0000AR1.4856450.1647999.0149170.0000AR(2)-0.9285670.184593-5.0303390.0003R-squared0.998483Meandependentvar18718.46AdjustedR-squared0.997850S.D.dependentvar14217.70S.E.ofregression659.1853Akaikeinfocriterion16.08109Sumsquaredresid5214304.Schwarzcriterion16.37788Loglikelihood-138.7298Hannan-Quinnenter.16.12201F-statistic1579.295Durbin-Watsonstat2.352249Prob(F-Statistic)0.000000InvertedARRoots.74-.61i.74+.61i上图中DW=2.3522,可以判断-d>DW>,说明在5%得显著性水平下广义差分后模型中已无自相关。异方差检验:对模型进展White检验，得出White检验结果如图:HeteroskedasticityTest:WhiteF-Statistic0.882676Prob.F(3,16)0.4710Obs*R-squared2.840009Prob.Chi-Square(3)0.4170ScaledexplainedSS0.934086Prob.Chi-Sqare(3)0.8172TestEquation:DependentVariable:RESID2Method:LeastSquaresDate:06/05/16Time:16:27Sample:19952014Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C6218550.9464792.0.6570190.5205X22-6.82036813.64616-0.4998010.6240X320.0002090.0016210.1291370.8989X42-0.0008820.002054-0.4293990.6734R-squared0.142000Meandependentvar1717486.AdjustedR-squared-0.018874S.D.dependentvar1786446.S.E.ofregression1803226.Akaikeinfocriterion31.82491Sumsquaredresid5.20E+13Schwarzcriterion32.02406Loglikelihood-314.2491Hannan-Quinnenter.31.86378F-statistic0.882676Durbin-Watsonstat1.386225Prob(F-Statistic)0.470952由上述结果可知，nR?=2.840009,由White检验知，在=0.05的情况下，查分布表,得临界值总05(3)=7.81473。比较计算/统计量和临界值，因为nR2=2.840009<zj.05(3)=7.81473,所以说明模型不存在异方差。设定误差：依据表中1995-2014年的数据，生成新变量InY=Iog(Y)、lnX2=log(X2)、lnX3=log(X3)和lnX4=log(X4)的回归如下：DependentVariable:LNYMethod:LeastSquaresDate:06/05/16Time:19:11Sample:19952014Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-35.758615.694381-6.2796300.0000LNX24.6135400.6539977.0543700.0000LNX30.8641120.6118031.4124020.1770LNX40.6145920.4392411.3992130.1808R-squared0.990821Meandependentvar9.328067AdjustedR-squared0.989100S.D.dependentvar1.003569S.E.ofregression0.104774Akaikeinfocriterion-1.497171Sumsquaredresid0.175641Schwarzcriterion-1.298024Loglikelihood18.97171Hannan-Quinncriter.-1.458295F-statistic575.7279Durbin-Watsonstat1.444893Prob(F-Statistic)0.000000回归结果的残差图见附表。由上图可知，该模型的DW统计量为L4449,而n=20和k=3,。=0.05的DW统计量的临界值是=0.998d0=1.676。由于dz,<OW=14449<dtz,不能确定该模型是否存在遗漏变量。对该模型进展LM检验设定lnX8是lnX2的滞后变量，再参加一个新的解释变量X7,X7是城乡居民储蓄存款年底余额。按照LM检验步骤，首先生成其残差序列el,再用el对全部解释变量进展回归，得图如下DependentVariable:E1Method:LeastSquaresDate:06/05/16Time:21:53Sample(adjusted):19962014Includedobservations:19afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.C-2.5299905.225972-0.4841190.6364LNX20.5914161.1735550.5039530.6227LNX30.2517400.5468610.4603360.6529LNX40.0010040.2888170.0034770.9973LNX8-0.3068590.794080-0.3864330.7054LNX7-0.1959040.270671-0.7237730.4820R-squared0.038735Meandependentvar-3.74E-15AdjustedR-squared-0.330982S.D.dependentvar0.047440S.E.ofregression0.054731Akaikeinfocriterion-2.720692Sumsquaredresid0.038941Schwarzcriterion-2.422448Loglikelihood31.84657Hannan-Quinnenter.-2.670217F-statistic0.104769Durbin-Watsonstat1.861468Prob(F-Statistic)0.989325对于”0:受约束回归，查表得就025（4）=11.1433,由上图中可决系数计算nA?=20*0.038735=0.7747,显然，nR2=0.7747v/。25（4）=U.1433,不拒绝绝原假设，即该模型不存在重要的遗漏变量。4 .结论4.1 实证的结果实证结果说明，在假定其他变量不变的情况下，人民币对美元汇率（美元=100）（元）每增加1单位，平均说来进出口总额会增长23.8171亿美元：国内生产总值每增长1亿美元，平均说来进出口总额会增长L3337亿美元：全社会固定资产投资每增长1亿美元，平均说来进出口总额会减少1.0354亿美元：4.2 实证的局限性此模型数据年份跨度较小，尤其没有兼顾到1994年中国实行汇率并轨从而影响到进出口总额的情况；汇率变化采用的是年平均数，缺乏以显示汇率短期变化对进出口总额的影响。此外，影响进出口总额的因素还有很多，例如政治因素，环境因素等。因此，此模型得出的结论有可能与实际情况有些偏差。5 .政策建议1 .在现有的人民币汇率根基上，再次通过渐进的人民币升值来实现进出口总额的下降，进而促进外贸依存度的降低。人民币升值，意味着劳动力收入提高，这无疑可以提高我国居民的购置力，这有利于刺激国内消费。（2）人民币升值，意味着劳动力成本上升，这必然会导致一些竞争力差的企业放弃出口，减少我国的出口额。另外，根据日本的经历来看，本币升值还可以在间接上起到调整出口产品构造的作用2.一国进出口贸易的开展程度很大程度上依赖于这个国家的经济开展水平，衡量一个国家经济开展水平的最有效的指标就是GDP。因此，国家应该促进国内生产总值的增长，鼓励国内生产，适当增加财政收入，但要防止房地产泡沫的出现。应该扩大内需，增加老百姓收入；贯彻落实节能减排的政策；还应该大力引进外资，开展外向型经济。