影响我国外贸进口额的因素分析.docx
《影响我国外贸进口额的因素分析.docx》由会员分享,可在线阅读,更多相关《影响我国外贸进口额的因素分析.docx(17页珍藏版)》请在冰豆网上搜索。
影响我国外贸进口额的因素分析
影响我国外贸进口额的因素分析
改革开放以来,特别是中国加入世界贸易组织以来,进口贸易总额持续增长,进口增速远远超过同期国内生产总值增速。
1980-2006年,中国进口贸易额由200.2亿美元升至7916.1亿美元,进口规模扩大了39.5倍;中国进口占世界的比重由1%升至6.4%,进口位次提前了18位,成为世界第三大进口国。
然而,中国进口贸易在较快增长的同时,也呈现出几起几落、发展很不平衡的特点。
特别是近几年,进口增速大大低于出口增速,贸易顺差急剧攀升。
2004年中国的贸易顺差仅为320亿美元,2007年猛增至2622亿美元,年均增长91.4%,顺差规模由全球第14位跃至第2位。
但是从今年开始,中国贸易顺差又开始呈现减少趋势性。
进口在国民经济增长中的作用是由经济增长的需求决定的,生产性的进口能带动生产技术的改进和提高,有外在间接的促进作用。
但进口贸易在高速发展过程中也面临一些问题,如进口商品结构不合理,对战略资源和外资的进口依存度过高,对引进技术设备的消化、创新能力不足,货物进口与服务进口发展不协调,环境监管不力造成对生态环境的严重污染等。
应实施多元化战略,优化进口贸易结构,提高自主创新能力,扩大服务贸易进口,加大环境监管力度,推动进口贸易实现良性增长与可持续发展。
因此,对影响我国外贸进口的因素进行分析,找到对其外贸进口影响较大的因素,提出如何改善这些因素的建议,是非常有现实意义的。
一、模型的设定
影响外贸进口额的因素很多,本文将根据已有的经济理论和前辈学者的研究成果并结合我国的的实际情况取我国的国内生产总值(GDP)、美元对人民币汇率(EXC)、消费者价格指数(CPI)、外商直接投资(FDI,亿元)、出口额(EXP亿元)(五个影响因素来建立一个关于进口额(IMP)的多元回归模型,IMP=f(GDP,CPI,FDI,EXC、LABOR),得到模型之后,先对模型进行普通最小二乘法估计,进行包括经济意义的检验、t检验、F检验、拟合优度检验在内的统计检验,然后是专门的计量检验,包括多重共线性的检验及其补救、异方差的检验及其补救、自相关的检验及其补救,经历这一切后,得到最终的模型。
1、国内生产总值(GDP)
长期以来,关于出口贸易对我国经济增长的带动作用一直是关注的焦点。
因为出口就意味着扩大市场,增加就业和取得外汇收入。
但是,对于中国这样一个拥有巨大国内市场的国家,决定经济增长的因素主要还是国内市场的需求状况,而进口贸易的作用则不容忽视。
一方面,伴随经济高速增长而产生的国内投资和消费需求扩张,超出了本国的生产供给能力,势必引起国内市场价格上涨,从而需要增加进口来弥补供求之间的缺口。
进口贸易与经济增长之间的关系一直是理论界研究的重点,无论是古典经济学家还是现代经济学派都从不同角度对二者之间关系进行了论证,进口贸易有利于促进本国技术创新以及相关产品出口,提高国内产业要素投入数量和质量,优化资源配置。
但在扩大进口的过程中仍存在着许多政策障碍,我们应大力促进产业结构升级,简化管理的行政程序,从多方面实现进口贸易与经济增长的良性互动。
综上所述把国内生产总值(GDP)作为影响进口额的一个因素。
2、汇率(EXC)
汇率水平是影响进出口贸易的一个重大因素。
经济学的常识告诉我们,本币升值,意味着其它国家的货币贬值,在进行出口贸易的时候,同样的货物进口国需要拿出更多的本国货币,因此进口国可能转而求其它国的商品,不利于本国的出口。
而本币贬值,意味这他国的货币升值,进口同样的货品需要更多的本币,不利于他国出口。
人民币升值对进口比重高、外债规模大,或拥有高流动性、巨额人民币资产的行业是长期利好。
对于以进口工业产品为原材料,或使用进口设备、配件、辅料的企业而言,升值是一个利好。
从风险来看,人民币升值后,将下拉以本币计算的国内价格,可能导致钢材出口减少、进口增加,导致行业供大于求的局面。
进口农产品、国外原种猪及饲料的成本将有所降低。
人民币升值后,农畜产品及饲料的进口成本将有所降低,对于使用进口原料的企业而言,其成本将下降,效益将有所提高。
综上所述把汇率(EXC)作为影响进口额的一个因素。
3、消费者价格指数(CPI)
从理论上说,近年来随着我国CPI快速增长,我国运费、人力等成本都大幅提高,加上国际初级产品价格急速上升,肯定会对我国的进口产生一定的影响,因此把消费者价格指数(CPI)作为影响进口额的一个因素。
4、外商直接投资(FDI,亿元)
外资企业的发展对我国商品进口的影响是两方面的。
一方面,外商对我国的直接投资使得我国商品进口增加。
这主要是由于:
(1)有的外商利用我国廉价的生产成本,从海外进口原料或半成品,经加工后再出口销售,80年代成立的外商投资企业多是以此为目的。
(2)有的外商以机器设备等实物形式进行投资带动我国机器设备等资本品进口额的增加,这与80年代我国出口商品结构失衡的情况是一致的。
(3)有的外商,主要是大的跨国公司,来华投资是以占领中国市场为目的,从国外进口原材料和半成品,在我国国内加工后直接在国内市场销售,尽管带来了诸如就业率提高、政府财政收入增加和居民生活水平提高等好处,但客观上也降低了我国的贸易顺差。
(4)三资企业从国外进口先进的生产设备,既有示范作用,又加剧了市场竞争,国内企业为争夺市场,就需要更先进的设备,这也会使商品进口增加。
另一方面,外资企业的产品对进口商品又有一定的替代作用。
外商在我国投资,生产的产品在国内销售,会替代某些进口商品,从而减少了商品进口,因此把外商直接投资作为影响进口额的一个因素。
5、出口额(EX,亿元)
众所周知,出口一方面通过增加国内的消费和投资需求从而间接地造成进口需求的增加,另一方面是造成中间产品需求的增加从而直接促进进口的增加,因此在这把出口额作为影响进口额的一个因素。
二、数据说明及其来源
本文将选取1990年至2006年的数据来对影响中国外贸进口的因素来进行分析,下表是本文要在模型中用到的数据:
年份
IMP亿美元
EX亿美元
GDP亿元
EXC
CPI
FDI亿美元
1990
533.5
620.9
18667.8
478.32
103.1
65.96
1991
637.9
719.1
21781.5
532.33
103.4
119.77
1992
805.9
849.4
26923.5
551.46
106.4
581.24
1993
1039.6
917.4
35333.9
576.2
114.7
1114.36
1994
1156.1
1210.1
48197.9
861.87
124.1
826.8
1995
1320.8
1487.8
60793.7
835.1
117.1
912.82
1996
1388.3
1510.5
71176.6
831.42
108.3
732.76
1997
1423.7
1827.9
78973
828.98
102.8
510.03
1998
1402.4
1837.1
84402.3
827.91
99.2
521.02
1999
1657
1949.3
89677.1
827.83
98.6
412.23
2000
2250.9
2492
99214.6
827.84
100.4
623.8
2001
2435.5
2661
109655.2
827.7
100.7
691.95
2002
2951.7
3256
120332.7
827.7
99.2
827.68
2003
4127.6
4382.3
135822.8
827.7
101.2
1150.69
2004
5612.3
5933.2
159878.3
827.68
103.9
1534.79
2005
6599.5
7619.5
183217.4
819.17
101.8
1890.65
2006
7914.6
9689.4
211923.5
797.18
101.5
1937.27
图中所示我国的国内生产总值(GDP)、美元对人民币汇率(EXC)、消费者价格指数(CPI)、外商直接投资(FDI,亿元)、出口额(EXP亿元)数据均来源于中国统计局网站上的统计年鉴,真实可靠。
三、实证分析过程
先对模型进行普通最小二乘法估计:
运用eviews软件,建立新的工作文件,完成数据的导入过程。
OLS的估计结果如下图所示:
IMP=-2537.949+0.38*EX+0.028*GDP-3.311*EXC+38.04CPI-0.017FDI
CPI前面的系数为正符合先验预期
t=(-1.46)(2.7)(2.71)(-2.58)(-1.79)(-0.05)
R2=0.996F=578D-W值=1.556
校正R2=0.995df=6
经济意义的检验:
EX(出口通过增加国内的消费和投资需求从而间接地造成进口需求的增加),因此ex系数为正符合先验预期。
EXC(人民币对美元升值会削弱我国出口产品的价格竞争力,削弱我国出口扩张能力,因此EXC系数为负符合先验预期)。
FDI(外资企业的发展对我国商品进口的影响是两方面的,一方面促进一方面会有遏制的作用,在这里FDI的系数为负我们也可以说它符合先验预期)。
CPI(随着CPI的快速增长,我国运费、人力等成本都大幅提高,加上国际初级产品价格急速上升,肯定会造成进口的增加,在此CPI前面的系数为正符合先验预期)。
GDP(国内生产总值的增加造成进口额的增加,在此GDP前面的系数为正符合先验预期).
拟合优度检验:
R2=0.996,数值较高,说明模型的拟合度很好。
F检验:
模型总体对应的P值趋向于零,我们倾向于拒绝原假设,认为模型的总体具有总计显著性。
T检验:
在模型的总体具有显著性的前提下,进行t检验。
EX对应的P值为0.0204,小于0.05,所以我们说EX对应的偏回归系数具有统计显著性。
GDP对应的P值为0.0201,小于0.05,所以我们说GDP对应的偏回归系数具有统计显著性。
EXC对应的P值为0.0257,小于0.05,所以我们说EXC对应的偏回归系数具有统计显著性。
CPI对应的P值为0.1,大于0.05,所以我们说CPI对应的偏回归系数具有统计显著性。
FDI对应的P值为0.96,大于0.05,所以我们说FDI对应的偏回归系数具有统计显著性。
下面进行专门的计量检验:
1)异方差的检验与补救
怀特检验:
在eq01中点击view,选择residultests----crossterms
可见n*R^2=11.50,对应的p值为0.003172较小,具有统计显著性,说明模型中存在异方差。
在此利用对数变换来达到消除异方差的目的
点击quick---estimateequation,在equationspecification中输入log(imp)clog(ex)log(gdp)log(exc)log(cpi)log(fdi)
然后在估计窗口中点击view,选择residultests----nocrossterms,得到下图:
可见n*R^2=7.38,对应的p值为0.6886,较大,拒绝原假设,不具有统计显著性,说明模型中不存在异方差,补救有效。
自相关的检验:
DW检验
从上图中我们已经得到DW=2.477,给定显著性水平0.01,样本容量为17,k’为4,查表得dl=0.57,du=1.63,所以DW大于3.430,小于4,所以模型中存在一阶自回归模式的负自相关。
在EViews的窗口中点击Quick→EstimateEquation,在弹出的对话框中的空白处填写IMPcEXGDPEXCCPIFDIar
(1),点击确定,可得如下图所示的图表:
AR
(1)即为p,即是采用迭代法获得,p=0.617,故可推出该模型的样本函数为:
IMP=-1906+0.47*EX+0.02*GDP-1.29*EXC+20.78CPI-0.209FDI由此达到了消除了自相关的目的。
多重共线性的检验
在Eviews窗口中将IMPEXGDPEXCCPIFDI全部选中,右击点击Open→asGroup,将Name默认为Group01,双击Group01,在其对话框中点击View→Correlations→CommonSample,得到如下图所示的相关系数矩阵:
我们习惯把0.8作为参考值,但大于0.8则认为系数间的共线的可能性较大,而由上图我们可知多个系数间的相关系数都大于0.8,故我们可推测EXGDPEXCCPIFDI之间存在多重共线性。
为了减弱多重共线性对模型分析结果的影响,本文将采用逐步回归法对模型模型进行修正。
具体做法是用因变量进口额IMP逐一对原模型中的自变量进行一元回归分析,再按拟合优度R2的大小进行排序,选取R2最大的自变量与进口额建立一个一元回归模型,然后逐个加入其它自变量,根据R2和t统计量来判断拒绝或接受新加入的自变量,最后得出最佳的多元回归模型。
进行逐步回归后得到新的回归方程:
按R^2的大小重新排列为EX>GDP>FDI>EXC>CPI,因此把EX作为基础回归方程。
然后逐个加入其它自变量,根据R2和t统计量来判断拒绝或接受新加入的自变量,最后舍弃的变量是GDPEXCCPIFDI
Imp=0.85*ex+100
T41.571.29
R2=.9913F=1728.7D-W值=0.93
校正R2=0.9908df=2
逐步回归之后得到的最优估计结果:
下面进行修正回归后异方差的检验:
怀特检验
在最优结果的估计窗口中点击view,选择residultests----crossterms
逐步回归之后怀特异方差检验结果:
可见n*R^2=11.50,对应的p值为0.029较小,具有统计显著性,说明模型中存在异方差。
在此利用对数变换来达到消除异方差的目的
点击quick---estimateequation,在equationspecification中输入log(imp)clog(ex)
然后在估计窗口中点击view,选择residultests----crossterms,得到下图:
可见n*R^2=1,对应的p值为0.6,数值较大,我们倾向于拒绝原假设,认为不具有统计显著性,说明模型中不存在异方差,补救有效。
下面进性修正回归后自相关的检验:
DW检验
从异方差补救后的估计结果中中我们已经得到DW=2.13,给定显著性水平0.01,样本容量为17,k’为1,查表得dl=0.87,du=1.1,所以DW大于0.87,小于1.1,无法确定是否存在自相关,于是选择LM检验:
在估计窗口中点击view----residualtests----serialcorrelationLMtest在lagsto中填写2,点击OK,得到下图
Obs*R-squared对应的p值为0.07,p值较大(大于0.05),我们倾向于接受原假设,认为随机误差项不存在自相关
在逐步回归过程中,去除了原模型中的GDPEXCCPIFDI理由是在将它们逐个加入回归模型时,R2没有显著上升,并且t都落在接受域内。
伴随经济高速增长而产生的国内投资和消费需求扩张,超出了本国的生产供给能力,势必引起国内市场价格上涨,从而需要增加进口来弥补供求之间的缺口。
进口贸易与经济增长之间的关系一直是理论界研究的重点,无论是古典经济学家还是现代经济学派都从不同角度对二者之间关系进行了论证,进口贸易有利于促进本国技术创新以及相关产品出口,提高国内产业要素投入数量和质量,优化资源配置。
但在扩大进口的过程中仍存在着许多政策障碍,这些都是限制进口的因素。
外资企业的发展对我国商品进口的影响是两方面的。
一方面,外商对我国的直接投资使得我国商品进口增加。
另一方面,外资企业的产品对进口商品又有一定的替代作用。
外商在我国投资,生产的产品在国内销售,会替代某些进口商品,从而减少了商品进口。
在这种双重作用下,因此说外商直接投资对进口的影响是不明显的。
理论上说,近年来随着我国CPI快速增长,肯定会对我国的进口产生一定的影响,但是由于近年来国家政策的影响,就算CPI不不变化,进口额依旧增长,所以说CPI对进口额的影响是不明显的。
汇率水平是影响进出口贸易的一个重大因素。
经济学的常识告诉我们,本币升值,意味着其它国家的货币贬值,在进行出口贸易的时候,同样的货物进口国需要拿出更多的本国货币,因此进口国可能转而求其它国的商品,不利于本国的出口。
而本币贬值,意味这他国的货币升值,进口同样的货品需要更多的本币,不利于他国出口。
但是我们也应该看到,近年来由于世界经济的发展稳定和国内外环境的稳定,汇率的变化其实是非常小的,它对于近年来进口贸易的影响也不大。
综上所述,我们把原模型中的GDPEXCCPIFDI变量移除。
四、结果分析
在对结果进行说明之前,先把各自变量偏回归系数一一列出
DependentVariable:
LOG(IMP)
Method:
LeastSquares
Date:
06/07/11Time:
21:
18
Sample:
19902006
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.077390
0.213182
0.363021
0.7217
LOG(EX)
0.975394
0.027754
35.14440
0.0000
出口额(EX)对进口额的影响及其原因分析
出口额是影响进口的一个重要的因素。
它对进口的影响主要表现在以下两方面:
一方面通过增加国内的消费和投资需求从而间接地造成进口需求的增加,另一方面是造成中间产品需求的增加从而直接促进进口的增加。
综上所述,本文根据现有的理论和我国进口贸易的实际情况,对影响我国外贸进口的因素进行了实证分析。
对于原始模型中自变量存在的严重的多重共线性问题,采用了逐步回归法来减弱自变量间的多重共线性,取得了一定的效果,得到了比较满意的分析结果。
实证分析的结果表明,出口额对进口额的影响最大,而其它因素,如:
GDPEXCCPIFDI对进口额也有积极的促进作用,但总的来说,影响不大。
附录A初步回归的详细结果
EstimationOutput
怀特检验的结果
异方差补救的结果
自相关补救结果
相关系数矩阵
附录B修正后回归的详细结果
EstimationOutput
怀特检验结果
异方差修正结果
LM检验结果
Breusch-GodfreySerialCorrelationLMTest:
F-statistic
2.936469
Probability
0.088649
Obs*R-squared
5.290111
Probability
0.071001
TestEquation:
DependentVariable:
RESID
Method:
LeastSquares
Date:
06/07/11Time:
21:
22
Presamplemissingvaluelaggedresidualssettozero.
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.023367
0.193989
0.120457
0.9060
LOG(EX)
-0.003171
0.025284
-0.125430
0.9021
RESID(-1)
0.634958
0.263888
2.406165
0.0317
RESID(-2)
-0.354810
0.265682
-1.335467
0.2046
R-squared
0.311183
Meandependentvar
9.87E-16
AdjustedR-squared
0.152225
S.D.dependentvar
0.087522
S.E.ofregression
0.080586
Akaikeinfocriterion
-1.996669
Sumsquaredresid
0.084423
Schwarzcriterion
-1.800618
Loglikelihood
20.97168
F-statistic
1.957646
Durbin-Watsonstat
1.982004
Prob(F-statistic)
0.170265