1. 网站地图
  2. 设为首页
  3. 关于我们


计量经济学课程论文 影响中国进出口总额的因素分析

发布时间:2019-08-16 09:12
引言
20多年来,我国对外贸易由低水平发展到很高水平。
进出口总额占国内生产总值的比重由1995年的38.36%提高到2014年的41.55%。虽然增幅不大,但进出口总值从1995年的288.66亿美元增加到2004年的430.1527亿美元,20年来翻了15倍左右。很显然对外贸易的发展对我国的经济发展起到了不可低估的作用。然而,进出口贸易的日益增长,直接的结果是我国对外贸易依赖程度的迅速提高,这在一定程度上使国民经济过分依赖外部世界,国际一级经济形态的变化将严重影响我国的经济发展。
从目前的理论研究来看,影响我国进出口发展的主要因素是人民币对美元汇率、国内生产总值、全社会固定资产投资、外资的实际使用等。外汇储备等。因此本文通过构建计量经济模型对各种因素与进出口总额的关系进行实证研究以及它们之间的关系进行验证。
理论基础
2.1理论模型
建立回归模型如下:
其中,进出口总额为解释变量y,人民币对美元(美元=100)(人民币)汇率为解释变量x2,GDP为解释变量x3,全社会固定资产投资为解释变量x4。实际外商投资额为解释变量X5,外汇储备为解释变量X6。为准确计算,除人民币兑美元汇率外,上述五个可变单位统一(1亿美元)。以下是各种影响因素对进出口总量影响的原则:
二、各种因素对我国进出口贸易的影响机理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。
一般来说,如果人民币在国外升值,中国以外币出口的价格将会上升,这将削弱中国产品在国际市场上的竞争力,导致出口下降和出口总额下降。另一方面,如果人民币兑外界贬值,以外币计价的中国出口价格将下降,这将提高中国产品的竞争力,增加出口,增加出口总额。
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%。可以看出,政策因素通过对汇率的影响对进出口总额有间接影响。
  (一)国内生产总值GDP  一国进出贸易的发展程度很大程度上依赖于这个国家的经济发展水平,衡量一个国家经济发展水平的最有效的指标就是GDP。国民经济越发达,与外国的联系就越密切,从而促进了我国进出口贸易的发展。我国改革开放以来,经济迅猛发展,经济实力不断增强,GDP已经跃居世界第四位,与此同时,进出口贸易也发展迅速。
社会固定资产投资x4,固定资产投资可以引起国内产业结构调整,改善投资环境,提高国内企业竞争力,对外贸总额有相对直接的影响。
实际利用外资额-x5。实际利用外资金额包括对外贷款、外商直接投资和其他外商投资。中国进出口额增长60%以上由外商投资个体企业组成。事实上,制造业占外国投资的70%。外商投资主要投资于制造业,这使得中国制造业日益融入全球生产。那么中国的进出口将保持快速增长。相反,外资的退出对我国将是一个巨大的打击,因此对外资的实际利用是非常重要的。
5.外汇储备 —— 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(或抽样选择)
通过访问中国统计局网站,我们可以获得1995年至2014年中国的相关数据。
进出口总值是解释变量Y,人民币兑美元汇率(100美元)(元)是解释变量X2,国内生产总值是解释变量X3,固定资产投资为整个社会是解释变量X4,并且使用实际的外国投资额。为了解释变量X5,外汇储备是解释变量X6。为准确计算,除人民币兑美元汇率外,上述五个可变单位统一(1亿美元)。
Y X2 X3 X4 X5 X6
1995 2808.60 835.10 7320.06 2397.23 481.33 735.97
1996 2898.80 831.42 8608.44 2755.95 548.05 1050.29
1997 3251.60 828.98 9581.59 3008.65 644.08 1398.90
1998 3239.50 827.91 10252.77 3431.07 585.57 1449.59
1999 3606.30 827.83 10894.47 3606.38 526.59 1546.75
2000 4742.90 827.84 12052.61 3976.34 593.56 1655.74
5096.50 827.70 13322.51 4496.01 496.72 2121.65 in 2001
2002 6207.70 827.70 14619.06 5255.52 550.11 2864.07
2003 8509.88 827.70 16499.29 6713.38 561.40 4032.51
2004 11545.50 827.68 19417.46 8515.06 640.72 6099.32
2005 14219.10 819.17 22693.19 10837.02 638.05 8188.72
In 2006, 7604.40 797.18 27303.32 13798.41 670.76 10663.40
2007 1765.70 760.40 35247.16 18059.43 783.39 15282.49
2008 25632.55 694.51 45607.94 24884.94 952.53 19460.30
2009 22075.35 683.10 50597.16 32879.34 918.04 23991.52
2010 29739.98 676.95 60403.72 37179.08 1088.21 28473.38
2011 36418.86 645.88 74955.64 48226.47 1176.98 31811.48
In 2012, 38671.19 631.25 84613.54 59357.58 1132.94 33115.89
2013 41589.93 619.32 94945.88 72061.95 1187.21 38213.15
2014 43015.27 614.28 103521.20 83352.97 1197.05 38430.18
数据来源:国家统计局
3.2 模型建立
1.
2.估计
Dependent Variable: Y
Method: Least Squares
Date: 06/05/16   Time: 13:25
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std.Error  t-Statistic  Prob.  
c-63561.31 2577.47-2.465770 0.0272
X2 71.73616 28.22464 2.541614 0.0235
X3 1.081569 0.238518 4.534539 0.0005
X4 -0.771497 0.180576 -4.272423 0.0008
X5-2.105278 8.424594-0.249897 0.8063
x6 0.426196 0.299315 1.423907 0.1764
R-square 0.992286
Adjusted R-squared 0.989531     S.D. dependent var 14307.67
Akaike information standard 17.65899
Peace square size 30004060 Schwartz standard 17.95771
Log likelihood 170.5899. 17.71730
F-Statistics 360.1689
Prob(F-statistic) 0.000000
0.4262X6   i  (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
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 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 1.0816亿美元: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:外汇储备每增加 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检验
从图表中的数据中,可以得到以下内容:修改后的行列式系数,
这表明模型与样品吻合得很好。
F 检验:由相关数据可知 n=20, k=6,在给定显著性水平 05.0 , 查表可得62.4)15,5( F ,而由以上数据的 F=360.1689,由于 F=360.1689 62.4)15,5( F ,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”,“外汇储备”等变量联合起来确实对“进出口总额”有显著影响。
t检验:对于显著性水平t分布表中给出的n-k=14的临界值,从图1数据中得到的相应t统计量为(-2.4658)(2.5416)(4.5345)(-4.2724)(-0.2499)(1.4239),但t统计量大于2.145,其余小于2。145,所以可以初步认为模型是严重的。多重共线性。
3.计量经济检验和修正
相关系数矩阵计算如下:
相关系数矩阵
X2 X3 X4 X5 X6
X2 1.000000 -0.976237 -0.954017 -0.983306 -0.988407
X3 -0.976237 1.000000 0.992698 0.967995 0.989048
X4 -0.954017 0.992698 1.000000 0.939957 0.968330
X5 -0.983306 0.967995 0.939957 1.000000 0.983648
X6 -0.988407 0.989048 0.968330 0.983648 1.000000
各变量相互之间相关系数较高,证实存在严重多重共线性。
使用方差展开因子方法,X2是解释变量,解释变量X3,X4,X5,X6的辅助线性回归如下:
Dependent Variable: X2
Method: Least Squares
Date: 06/05/16   Time: 14:32
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std.Error  t-Statistic  Prob.  
C 902.7978 35.65271 25.32200 0.0000
X3 0.000496 0.002178 0.227666 0.8230
X4-0.000427 0.001648-0.259371 0.7989
X5-0.119205 0.070655-1.687130 0.1123
x6-0.004286 0.002505-1.711081 0.1077
R square 0.980812 average correlation variable 761.5950
Adjusted R-squared 0.975695     S.D. dependent var 85.90146
Standard 8.239540 of regression Standard 13.39220
Peace side residual 2690.265
Record the possibility -77.39540 Hannan-Quinn standard. 8.288134
F-Statistics 191.6798 Durbin Watson Statistics 1.246669
Prob(F-statistic) 0.000000
以上是X2作为解释变量的线性回归模型,依此类推,得到以X3,X4,X5和X6为解释变量的线性回归模型,如下:
解释变量、可确定系数的值、方差展开系数
X2 0.9808 26.2941
X3 0.9980 250.2502
X4 0.9945 91.1597
X5 0.9767 21.7122
X6 0.9934 76.0084
由于辅助回归的行列式系数很高,经验表明方差展开因子VIF大于或等于10。
一般来说,解释变量与其他解释变量之间存在严重的多重共线性,其中x2 x3 x4 x5 x6的方差展开系数远大于10,表明存在严重的多重共线性。
多重共线性的修正
逐步回归方法的回归结果如下:
Dependent Variable: Y
Method: Stepwise Regression
Date: 06/05/16   Time: 14:43
Sample: 1995 2014
Included observations: 20
No always included regressors
Number of search regressors: 6
Selection method: step backwards
Parking standard: P value forward/backward = 0.05/0.05
Variable Coefficient Std.Error  t-Statistic  Prob.*  
X3 1.309740 0.149954 8.734264 0.0000
X4 -0.900601 0.135568 -6.643176 0.0000
C-52553.99 19494.75 -2.695802 0.0159
X2 55.67717 22.11603 2.517503 0.0229
R Square 0.991169 Mean Relevant Variable 17131.98
Adjusted R-squared 0.989513     S.D. dependent var 14307.67
Regression to S.E.1465.216 Akaike Information Standard 17.59425
Peace Remaining 3434349712 Schwarz Standard 17.79340
Log Possibility - 171.9425 Hannan Quinncrete. 17.63312
F-Statistics 598.5695dubin Statistics 0.477903
Prob(F-statistic) 0.000000
Selection Summary
Removed X5
Removed X6
* Note: P values and subsequent tests are not considered for step by step
        selection.
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:
根据多次共线校正的结果,以Y为解释变量,X2、X3、X4为解释变量,用普通最小二乘法求得:
Dependent Variable: Y
Method: Least Squares
Date: 06/05/16   Time: 15:44
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std.Error  t-Statistic  Prob.  
C-52553.99 19494.75 -2.695802 0.0159
X2 55.67717 22.11603 2.517503 0.0229
X3 1.309740 0.149954 8.734264 0.0000
X4 -0.900601 0.135568 -6.643176 0.0000
R Square 0.991169 Mean Relevant Variable 17131.98
Adjusted R-squared 0.989513     S.D. dependent var 14307.67
Regression to S.E.1465.216 Akaike Information Standard 17.59425
Peace Remaining 3434349712 Schwarz Standard 17.79340
Log Possibility - 171.9425 Hannan Quinncrete. 17.63312
F-Statistics 598.5695dubin Statistics 0.477903
Prob(F-statistic) 0.000000
SE =(19494.75)(22.1160)(0.1500)(0.1356)
T=(-2.6958)(2.5175)(8.7343)(-6.6432)
DW=0.4779
该回归方程可决系数较高,回归系数均显著。对样本量为21,一个解释变量的模型,5%的显著水平,查DW统计表可知,dL=1.模型中的dw&lt,表明模型中存在自相关。
自相关的修正:
使用迭代方法进行广义差分回归,得到模型的一阶自相关,如下:
Dependent Variable: Y
Method: Least Squares
Date: 06/05/16   Time: 16:06
Sample (adjusted): 1996 2014
Included observations: 10 after adjusting endpoints
Convergence after 15 iterations
Variable Coefficient Std.Error  t-Statistic  Prob.  
C-53252.02 25351.25-2.100568 0.0543
x2 55.98444 28.63527 1.955087 0.0708
X3 1.289030 0.155699 8.278962 0.0000
x4-0.861488 0.127544-6.75430 0.0000
ar(1)0.743347 0.234385 3.171480 0.0068
R-square 0.996302
Adjusted R-squared 0.995245     S.D. dependent var 14285.82
Standard 16.84433 of regression Standard 985.1144
Peace square size 13586306 Shuwaz guideline 17.09286
Logarithmic likelihood-155.0211 16.88639
F-statistic 942.8445 Durbin-Watson stat 1.009324
Prob(F-statistic) 0.000000
Inverted AR Roots         .74
在上图中的dw=1.009324,可以判断是否存在自相关。因此,获得了二阶自相关关系:
Dependent Variable: Y
Method: Least Squares
Date: 06/05/16   Time: 16:10
Sample (adjusted): 1997 2014
Included observations: 10 after adjusting endpoints
Convergence after 10 iterations
Variable Coefficient Std.Error  t-Statistic  Prob.  
C-26047.08 15929.44-1.635154 0.1280
X2 23.81714 18.32443 1.299748 0.2181
X3 1.333711 0.083200 16.03027 0.0000
X4 -1.035382 0.075461 -13.72076 0.0000
Ar(1)1.485645 0.164799 9.014917 0.0000
Silver (2) - 0.928567 0.184593-5.030339 0.0003
R square 0.998483 average dependent variable 18718.46
Adjusted R-squared 0.997850     S.D. dependent var 14217.70
Regression to S.E.659.1853 Akaike Information Standard 16.08109
Sum squared resid 0.     Schwarz criterion 16.37788
Record the possibility -138.7298 Hannan-Quinn standard. 16.12201
F-Statistics 1579.295 Durbin Watson Statistics 2.352249
Prob(F-statistic) 0.000000
Inverted AR Roots         .74-.61i      .74+.61i
3522,可以判断4-dU>DW>dU,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:
对模型进行白色测试,白色测试的结果如图所示:
Heteroskedasticity Test: White
F-statistic 0.882676     Prob. F(3,16) 0.4710
Obs*R-squared 2.840009     Prob. Chi-Square(3) 0.4170
Prorated explanation Chi-Square(3) 0.8172
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/16   Time: 16:27
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std.Error  t-Statistic  Prob.  
C 6218550. 9464792. 0.657019 0.5205
X2^2-6.820368 13.64616-0.499801 0.6240
X3^2 0.000209 0.001621 0.129137 0.8989
x4^2-0.0000882 0.002054-0.429399 0.6734
The average correlation variable of R square 0.142000 is 1717486.
Adjusted R-squared -0.018874     S.D. dependent var 5767.
S.E. of regression 0.     Akaike info criterion 31.82491
Sququred Review 5.20E-13, "Black", 32.02406
Logarithmic Possibility - 314.2491 Hannan Quine Biology. 31.86378
F-Statistics 0.882676dubin Statistics 1.386225
Prob(F-statistic) 0.470952
由上述结果可知,在分配表的情况下,得到了临界值。将计算的统计数据与临界值进行比较,结果表明模型中不存在异方差。
设定误差:
根据表中1995-2014年的数据,新的变量lny=log(y)、inx2=log(x2)、inx3=log(x3)和inx4=log(x4)的回归如下:
Dependent Variable: LNY
Method: Least Squares
Date: 06/05/16   Time: 19:11
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std.Error  t-Statistic  Prob.  
--35.75861 5.694381 -6.279630 0.0000
LNX2 4.613540 0.653997 7.054370 0.0000
LnX3 0.864112 0.611803 1.412402 0.1770
Inx4 0.614592 0.439241 1.399213 0.1808
R-squared 0.990821 Average dependency var 9.328067
Adjusted R-squared 0.989100     S.D. dependent var 1.003569
Regression S.E.0.104774 Akaike Information Standard-1.497171
Peace square size 0.175641 Schwartz criterion-1.298024
Logarithmic likelihood 18.97171 -1.458295
F-statistic 575.7279 Durbin-Watson stat 1.444893
Prob(F-statistic) 0.000000
回归结果的剩余映射如附表所示。
由上图可见,模型的dw统计量为1.4449,n=20和k=3的dw统计量临界值为1.4449。dU,不能确定该模型是否存在遗漏变量。
对该模型进行LM检验
将lnX8设置为lnX2的滞后变量,然后添加一个新的解释变量X7,这是城乡居民储蓄存款的终结。根据lm测试步骤,首先生成其剩余序列e1,然后使用e1对所有解释变量进行回归。如:这个数字如下
Dependent Variable: E1
Method: Least Squares
Date: 06/05/16   Time: 21:53
Sample (adjusted): 1996 2014
Included observations: 10 after adjusting endpoints
Variable Coefficient Std.Error  t-Statistic  Prob.  
c/2.529990 5.225972-0.484119 0.6364
LNX 2 0.591416 1.173555 0.503953 0.6227
LNX3 0.251740 0.546861 0.460336 0.6529
LNX 40.001004 0.288817 0.003477 0.9973
LNX8-0.306859 0.794080-0.386433 0.7054
Ln X7 -0.195904 0.270671 -0.723773 0.4820
R-square 0.038735 Average dependency var-3.74 e-15
Adjusted R-squared -0.330982     S.D. dependent var 0.047440
S.E.-2.720692 Standard of 0.054731 regression
Find the sum of square values ​​0.038941 Schwarz criterion - 2.422448
Logarithmic likelihood 31.84657 Hannan Quinn Criter. -2.670217
F-Statistics 0.104769dubin Statistics 1.861468
Prob(F-statistic) 0.989325
对于约束回归,可以通过上图中的可解析系数计算表查找。显然,绝对假设没有被否定,也就是说,模型中没有重要的缺失变量。
4.结论
4.1 实证的结果
经验结果表明,假设其他变量不变,人民币对美元汇率每增加1亿美元(1亿美元),平均进出口总额将增加23.8.71亿美元;每增长1亿美元GDP,进出口总量平均增加1.3337亿美元;全社会固定资产投资每增加1亿美元,进出口总额平均减少10354万美元:
4.2 实证的局限性
该模型的数据跨度较小,尤其是1994年汇率与航迹的结合,影响了进出口总额。汇率变动是基于年度平均数,不足以显示短期汇率变动对进出口总额的影响。此外,影响进出口总额的因素很多,如政治因素、环境因素等。因此,该模型的结论可能会偏离实际情况。
5.政策建议
1.在现有人民币汇率的基础上,通过人民币逐步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买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,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,本币升值还可以在间接上起到调整出口产品结构的作用。
2.模型的建立、解释变量的选取()一国进出口贸易的发展在很大程度上依赖于这个国家的经济发展水平衡量一个国家经济发展水平的最有效的指标就是GDP。因此,国家应促进国内生产总值的增长,鼓励国内生产,适当增加税收,但要防止房地产泡沫的出现。扩大内需,增加人民收入,实施节能减排政策,大力引进外资,发展外向型经济。
【本文地址:https://www.xueshulunwenwang.com/jingjilei/jingjiguanli/1087.html

上一篇:新市场环境下目标成本管理的改革与创新

下一篇:大力发展知识经济,促进生产力迅速发展

相关标签: