计量经济学论文完整版.docx
《计量经济学论文完整版.docx》由会员分享,可在线阅读,更多相关《计量经济学论文完整版.docx(19页珍藏版)》请在冰豆网上搜索。
计量经济学论文完整版
HENsystemofficeroom【HEN16H-HENS2AHENS8Q8-HENH1688】
计量经济学论文
计量经济学课程论文
中国进出口总额的影响因素分析
学生姓名:
赵琛
学号:
系部:
经济与管理系
专业:
国际经济与贸易
二〇一六年六月
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基础上,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行实证分析。
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备的关联。
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
对外贸易在20年以来,从一个较低的水平到了一个很高的水平,
进出口总额占GDP的比例从1995年的%上升到了2014年的%,虽然增加的百分比不高,但是进出口值从1995年的亿美元增加到2004年的亿美元,大致在20年里翻了15倍。
很显然,对外贸易的发展对中国发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发展。
从目前的理论的研究来看,影响我国进出口发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,外汇储备等。
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行实证研究,对它们之间的关系进行验证。
2.理论基础
理论模型
建立回归模型如下:
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,外汇储备为解释变量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——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年的元骤升至元,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%。
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)——X3,一国进出口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,与国外的联系也会越紧密,从而推动国家进出口贸易的发展。
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,二位,与此同时,进出口贸易也发展迅速。
3全社会固定资产投资——X4,固定资产的投入可以引起国内产业结构的调整,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——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外汇储备——X6,此因素对进出口总额直接相关。
3.模型设定
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,外汇储备为解释变量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)。
Y
X2
X3
X4
X5
X6
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
数据来源:
国家统计局
模型建立
1.
2.估计
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
13:
25
Sample:
19952014
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
X2
X3
X4
X5
X6
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
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=100)(元)每增加1单位,平均说来进出口总额会增长亿美元:
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:
,修正的可决系数
,
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,在给定显着性水平
,查表可得
而由以上数据的F=,由于F=>
说明回归方程显着,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”有显着影响。
t检验:
针对
给出显着性水平
查t分布表的自由度为n-k=14临界值
由图一数据可得
对应的t统计量分别为除去
、
的t统计量大于外,其余t统计量均小于,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
X2
X3
X4
X5
X6
X2
?
X3
?
?
?
?
X4
?
?
?
?
X5
?
?
?
?
X6
?
?
?
?
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的辅助线性回归如下图
DependentVariable:
X2
Method:
LeastSquares
Date:
06/05/16Time:
14:
32
Sample:
19952014
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
X3
X4
X5
X6
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
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
的值
方差扩大因子
X2
X3
X4
X5
X6
由于辅助回归的可决系数很高,经验表明,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,表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:
Y
Method:
StepwiseRegression
Date:
06/05/16Time:
14:
43
Sample:
19952014
Includedobservations:
20
Noalwaysincludedregressors
Numberofsearchregressors:
6
Selectionmethod:
Stepwisebackwards
Stoppingcriterion:
p-valueforwards/backwards=
Variable
Coefficient
Std.Error
t-Statistic
Prob.*?
?
X3
X4
C
X2
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
SelectionSummary
RemovedX5
RemovedX6
*Note:
p-valuesandsubsequenttestsdonotaccountforstepwise
?
?
?
?
?
?
?
?
selection.
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:
Y
Method:
LeastSquares
Date:
06/05/16Time:
15:
44
Sample:
19952014
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
X2
X3
X4
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
Se=()()()()
t=()()()()
DW=
该回归方程可决系数高,回归系数显着。
对样本量为20、三个解释变量、5%的显着水平,查DW统计表可知,
.模型中DW<
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:
Y
Method:
LeastSquares
Date:
06/05/16Time:
16:
06
Sample(adjusted):
19962014
Includedobservations:
19afteradjustments
Convergenceachievedafter15iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
X2
X3
X4
AR
(1)
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
InvertedARRoots
?
?
?
?
?
?
.74
上图中DW=,可以判断
不能判断是否有自相关。
因此作其二阶自相关得:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/05/16Time:
16:
10
Sample(adjusted):
19972014
Includedobservations:
18afteradjustments
Convergenceachievedafter10iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
X2
X3
X4
AR
(1)
AR
(2)
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
5214304.
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
InvertedARRoots
?
.
?
?
?
?
?
.74+.61i
上图中DW=,可以判断4-
>DW>
说明在5%得显着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White检验,得出White检验结果如图:
HeteroskedasticityTest:
White
F-statistic
?
?
?
?
Prob.F(3,16)
Obs*R-squared
?
?
?
?
Prob.Chi-Square(3)
ScaledexplainedSS
?
?
?
?
Prob.Chi-Square(3)
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/05/16Time:
16:
27
Sample:
19952014
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
6218550.
9464792.
X2^2
X3^2
X4^2
R-squared
?
?
?
?
Meandependentvar
1717486.
AdjustedR-squared
?
?
?
?
.dependentvar
1786446.
.ofregression
1803226.
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
+13
?
?
?
?
Schwarzcriterion
Loglikelihood
?
?
?
?
Hannan-Quinncriter.
F-statistic
?
?
?
?
Durbin-Watsonstat
Prob(F-statistic)
由上述结果可知,
由White检验知,在
的情况下,查
分布表,得临界值
。
比较计算
统计量和临界值,因为
<
,所以表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lnY=log(Y)、lnX2=log(X2)、lnX3=log(X3)和lnX4=log(X4)的回归如下:
DependentVariable:
LNY
Method:
LeastSquares
Date:
06/05/16Time:
19:
11
Sample:
19952014
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
LNX2
LNX3
LNX4
R-squared
?
?
?
?
Meandependentvar
AdjustedR-squared
?
?
?
?
.dependentvar
.ofregression
?
?
?
?
Akaikeinfocriterion
Sumsquaredresid
?
?
?
?
Schwarzcriterion