中国进出口总额影响因素分析1Word文档格式.docx

1、481.338.35129662.3735.971996年24133.80 71176.5922913.5548.058.314238520.81050.291997年26967.20 78973.0324941.1644.088.289846279.81398.91998年26849.70 84402.2828406.2585.578.279153407.471449.591999年29896.20 89677.0529854.7526.598.278359621.831546.752000年39273.20 99214.5532917.7593.568.278464332.381655.7

2、42001年42183.60 109655.1737213.5496.728.27773762.432121.652002年51378.20 120332.6943499.9550.1186910.652864.072003年70483.50 135822.7655566.61561.4103617.654032.512004年95539.00 159878.3470477.43640.728.2768119555.396099.322005年116921.80 184937.3788773.61638.058.1917141050.998188.722006年140974.00 216314

3、.43109998.16670.767.9718161587.310663.42007年166863.70 265810.31137323.94783.397.604172534.1915282.492008年179921.47 314045.43172828.4952.536.9451217885.3519460.32009年150648.06 340902.81224598.77918.046.831260771.6623991.522010年201722.15 401512.8251683.771088.216.7695303302.4928473.382011年236401.99 47

4、3104.05311485.131176.986.4588343635.8931811.48数据来源：中华人民共和国国家统计局（1）.GDP表示国内生产总值；（2）.固定投资为全社会固定资产投资总额；（3）.储蓄为城乡居民储蓄存款年底余额；（4）.实际外资为实际利用外资金额。（5）.汇率为人民币兑美元年平均汇价 图3.1:进出口贸易总额与因素之间的关系上图1是进出口总贸易额与其余6各因素的直观图，那么着6各因素那个相关性最强呢？得有具体的数据解释上图3.1 ，将进出口贸易与其余6个因素进行相关分析。得出如下结果： 表3.2X1GDP（亿元）X2固定资产（亿元）实际外资额（亿元）X4汇率（%）X

5、5储蓄（亿元）X6外汇储备（亿美元）Y进出口总额（亿元）0.97350.94920.9225-0.90310.96650.9539由表3.2可以得知，进出口总额与 GDP、投资、实际利用外资额、城乡储蓄额、外汇储备和汇率之间的关系都非常的密切（r0.9，p|t|）（Intercept） - 5.434e+05 1.764e+05 -3.0800.010471 * X1 1.650e+00 2.836e-01 5.819 0.000116 *X2 -1.226e+00 3.626e-01 -3.381 0.006135 * X3 -2.922e+01 5.255e+01 -0.556 0.589

6、330 X4 6.095e+04 1.949e+04 3.128 0.009617 * X5 -5.612e+01 2.991e+01 -1.876 0.087385 . X6 6.749e+00 3.287e+00 2.053 0.064637=（-543400+1.65X1-1.226X2-29.92X3+60950X4-56.12X5+6.749X6）四模型的检验4.1经济意义检验 模型估计结果说明，在其他条件不变的条件下：当年GDP每增长1亿元进出口总额就会增加1.65亿元；当投资每增长1亿元进出口总额就会减少1.226亿元；当实际利用外资额每增长1亿元进出口总额就会减少29.92亿元

7、；当汇率每增长1个点进出口总额就会增加60950亿元；当城乡储蓄额每增长1亿元进出口总额就会减少56.12亿元；当外汇储备每增长1亿美元元进出口总额就会增加6.749亿元。除汇率影响外，其余的和经验分析相一致。汇率因素可能和其他因素存在多种共线性。4.2以下是利用Eviews的OLS方法的出结果 由此可见，该模型=0.989，=0.982可决系数很高，F检验值163.28，明显显着，但当，只有X1和X4的系数t检验不显着。这表明存在严重的多重共线性。五多重共线性： 5.1检验 用R语言计算变量间的相关系数 Y X1 X2 X3 X4 X5 X6Y 1.0000 0.9735 0.9492 0.

8、9225 -0.9031 0.9665 0.9539X1 0.9735 1.0000 0.9936 0.9687 -0.9661 0.9962 0.9929X2 0.9492 0.9936 1.0000 0.9681 -0.9727 0.9906 0.9969X3 0.9225 0.9687 0.9681 1.0000 -0.9727 0.9586 0.9717X4 -0.9031 -0.9661 -0.9727 -0.9727 1.0000 -0.9550 -0.9778X5 0.9665 0.9962 0.9906 0.9586 -0.9550 1.0000 0.9879X6 0.9539

9、 0.9929 0.9969 0.9717 -0.9778 0.9879 1.0000可见，各变量相互之间相关系数较高，证实存在严重多重共线性。5.2修正多重共线性运用OLS方法逐一求Y对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。结果如下：变量x1x2x3x4x5x6参数估计值0.5460.751307.268-96338.90.7096.584t统计值17.01912.0639.559-8.4115.05112.7130.9480.9010.8510.81550.9340.910.9440.8950.8420.8040.930.904其中X1的最大，以X1

10、为基础，顺次加入其它变量逐步回归：X1，X21.336（6.365）-1.12（-3.78）0.97X1，X30.728（5.842）-111.15（-1.5）X1，X40.850（8.55）59781.2（3.163）0.969X1，X50.796（2.112）-0.327（-0.665）0.942X1，X61.048（4.245）-6.213（-2.046）0.9540.969670.94840.9686经过比较，引入变量X4改进较大，而且参数t检验最明显，选择保留X5，再引入其它的变量逐步回归，结果如下：X1，X4,X21.3287（7.092）-0.836（-2.842）38082.6

11、7（2.195）0.9758X1，X4,X30.849（7.22）0.8198（0.01）59926.19（2.067）0.962X1，X4,X51.549（4.859）73259.34（4.135）-0.828（-2.28）0.972X1，X4,X60,954（4.22）52162.09（4.22）-1.773（-0.518）引入变量均不能再引进，且引入各参数t检验不显着，可以认为逐步回归终止。下面是对X2、X4的回归结果：Dependent Variable: YMethod: Least SquaresDate: 12/28/13 Time: 20:09Sample: 1994 2011

12、Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-534902.7166844.28-3.2059990.005890.09938338.55129120.000059781.199118898.1113.16334250.0064R-squared Mean dependent var91335.52Adjusted R-squared S.D. dependent var71464.5813481.5418 Akaike info criterion22.0070Sum/squared resi

13、d2.73E+9 Schwarz criterion22.155437Log likelihood-195.06338 F-statistic231.34800Durbin-Watson stat Prob（F-statistic） 0.00000以下是进行修正后的回归方程：= -5434902.7+0.8499*X1+59781.2*X4，由于修正的R=0.9699可以知道，该模型显着。以上分析贸易进出口总额与GDP以及汇率都成高速增长，当贸易进出口总额增加一个单位，GDP增长0.8499个单位，同时人民币兑美元年平均汇价同比增加59781.2的单位。data1=read.table（cli

14、pboard,header=T） cor（data1）1.00000.99360.9687-0.96610.99620.99290.9681-0.97270.99060.99690.95860.9717-0.9550-0.97780.9879 pairs（data1） corr.test（data1）corr test:0.0017.0212.0635.199.5615.6215.45-14.96-16.7715.0545.9628.9913.47-12.8712.7133.4550.7116.44-18.6625.47lower is t value，upper is p value fm=

15、lm（YX1+X2+X3+X4+X5+X6,data=data1） fmfmCall:lm（formula = Y X1 + X2 + X3 + X4 + X5 + X6, data = data1）（Intercept） X1 X2 X3 X4 -5.434e+05 1.650e+00 -1.226e+00 -2.922e+01 6.095e+04 X5 X6 -5.612e-01 6.749e+00 summary（fm）Residuals: Min 1Q Median 3Q Max -12646.7 -3932.9 711.2 1890.2 14659.8 Estimate Std. E

16、rror t value Pr（|t|） （Intercept） - 5.434e+05 1.764e+05 -3.080 0.010471 * X1 1.650e+00 2.836e-01 5.819 0.000116 *X2 -1.226e+00 3.626e-01 -3.381 0.006135 * X3 -2.922e+01 5.255e+01 -0.556 0.589330 X4 6.095e+04 1.949e+04 3.128 0.009617 * X5 -5.612e-01 2.991e-01 -1.876 0.087385 . X6 6.749e+00 3.287e+00 2

17、.053 0.064637 . -Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1 Residual standard error: 9333 on 11 degrees of freedomMultiple R-squared: 0.989, Adjusted R-squared: 0.9829 F-statistic: 164.3 on 6 and 11 DF, p-value: 4.115e-10 Y=data1$Y;Yhat=fm$fit;resid=fm$resid cbind（Y,Yhat,resid,rerror=resid/Yhat*

18、100）Yhatresidrerror20381.919326.561055.34245.460581223499.915624.537875.368450.403868524133.822170.031963.76568.857747426967.226257.10710.09702.704399526849.728369.17-1519.4727-5.356069829896.234141.52-4245.3242-12.434489439273.242268.90-2995.6995-7.087242742183.654830.33-12646.7349-23.065215551378.260818.17-9439.9693-15.521626970483.569771.22712.27871.020877595539.093869.631669.36911.7783910116921.8109728.507193.29736.5555413140974.0126314.1514659.846711.6058623166863.7173829.74-6966.0392-4.0073921