中国进出口总额影响因素分析1.docx

1、中国进出口总额影响因素分析1 中国进出口总额的影响因素分析 摘要：本文利用相关理论，用R语言软件处理数据，采用计量经济学的分析方法，对中国的进出口总额因素进行实证分析。建立多元回归分析线性模型，结果证实国内生产总值GDP，实际利用外资额，全社会固定资产投资，城乡居民人民币储蓄存款年底余额，外汇储备这5个因素与我国进口总额成正相关关系，全社会固定资产投资，人民币对美元汇率与我国正出口成负相关关系，而且GDP因素对进出口总额影响最大。关键词：进出口总额 GDP 全社会固定资产投资 实际利用外资额 城乡储蓄额 外汇储备 汇率 相关分析 多元回归 R语言软件一、引言 自改革开放以来我国的对外贸易不断扩

2、大，加入WTO更为国内的企业提供了更多公平竞争的机会，中国俨然成为了贸易大国，但是贸易大国不一定的贸易强国，我们知道对外贸易对我国的经济起着不可小处的作用，可中国目前面临着一个棘手的问题，国内消费需求对GDP的贡献率很低，而且比重还呈现下降趋势，说明我国GDP对外贸易的依赖程度之重，所以为了保持我国GDP持续稳定增长，保持国际市场的竞争力，增加对外贸易就很有必要了。 就目前理论研究来看，影响我国进出口发展的因素主要有国内生产总值GDP，实际利用外资额，城乡居民人民币储蓄存款年底余额，全社会固定资产投资，外汇储备，人民币对美元汇率等。本文就以上因素与进出口总额的实证分析，以及验证他们的关系。 二

3、、各因素对我国进出口贸易的影响原理。 1、国内生产总值（GDP）-X1。2006年我国外贸总额达到我国GDP的65%，尽管真实性有待考究，可从反面角度看中国消费需求占GDP的比重从1999年的61,16%逐年下降到2007年只有48.79%，下降了将近20个点，也正是我国的内需不足才使得我的进出口贸易总额不断增加，外贸总额占GDP的比例从1999年的44%逐年增长到2007年占62.8%，显然国内生产总值的不断飞升离不开我国的对外贸易的贡献。因此GDP作为衡量进出口贸易总额的重要因素。 2、全社会固定资产投资总额-X2。 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

4、力，对对外贸易的总额有比较直接的影响。 3、实际利用外资金额-X3。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。 4、人民币兑美元年平均汇价-X4。这个因素对外贸而言是一个相当重要的因素。我国长期实行人民币跟美元的有管制的浮动汇率制度，不能自由进行外汇交易。每进行一笔进出口贸易之后，厂商都要计算自己的换汇成本，并以之与当

5、期外汇汇率作比较，虽然我国汇率波动一直不是很大，发展比较稳定，但可以作为一个因素进行考虑。 5、外汇储备-X5。 6、此因素与对外贸易直接相关。城乡居民储蓄存款年底余额-X6。此因素一定程度上代表国内市场的购买力，从而一定程度上影响贸易额。三、数据的收集与模型的建立3.1综合考虑影响对外贸易进出口总额因素收集数据整理如下表： 表3.1进出口总额（人民币）（亿元）GDP（亿元）固定投资（亿元）实际外资（亿元）汇率（%）储蓄（亿元）外汇储备（亿美元）YX1X2X3X4X5X61994年20381.90 48197.8617042.1432.138.618721518.8516.21995年2349

6、9.90 60793.7320019.3481.338.35129662.3735.971996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 99214.5532917.7593.56

7、8.278464332.381655.742001年42183.60 109655.1737213.5496.728.27773762.432121.652002年51378.20 120332.6943499.9550.118.27786910.652864.072003年70483.50 135822.7655566.61561.48.277103617.654032.512004年95539.00 159878.3470477.43640.728.2768119555.396099.322005年116921.80 184937.3788773.61638.058.1917141050.

8、998188.722006年140974.00 216314.43109998.16670.767.9718161587.310663.42007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 401512.8251683.771088.216.76953033

9、02.4928473.382011年236401.99 473104.05311485.131176.986.4588343635.8931811.48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（

10、亿元）X2固定资产（亿元）实际外资额（亿元）X4汇率（%）X5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.

11、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 2.053 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；

12、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；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

13、X5 X6Y 1.0000 0.9735 0.9492 0.9225 -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

14、-0.9550 1.0000 0.9879X6 0.9539 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17.01912.0639.559-8.4115.05112.7130.9480.9010.8510.81550.9340.910.9440.895

15、0.8420.8040.930.904其中X1的最大，以X1为基础，顺次加入其它变量逐步回归：变量X1X2X3X4X5X6X1，X21.336(6.365)-1.12(-3.78)0.97X1，X30.728(5.842)-111.15(-1.5)0.948X1，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)0.954其中X1的最大，以X1为基础，顺次加入其它变量逐步回归：变量X1X2X3X4X5X6X1，X21.336(6.365)-1.12

16、(-3.78)0.96967X1，X30.728(5.842)-111.15(-1.5)0.9484X1，X40.850(8.55)59781.2(3.163)0.9686X1，X50.796(2.112)-0.327(-0.665)0.942X1，X61.048(4.245)-6.213(-2.046)0.954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：变量X1X2X3X4X5X6X1，X4,X21.3287(7.092)-0.836(-2.842)38082.67(2.195)0.9758X1，X4,X30.849(7.22)0

17、.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)0.962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 2011Included observations: 18Vari

18、ableCoefficientStd. Errort-StatisticProb. C-534902.7166844.28-3.2059990.00589X10.09938338.55129120.0000X459781.199118898.1113.16334250.0064R-squared Mean dependent var91335.52Adjusted R-squared S.D. dependent var71464.5813481.5418 Akaike info criterion22.0070Sum/squared resid2.73E+9 Schwarz criterio

19、n22.155437Log 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(clipboard,header=T) cor(data

20、1)YX1X2X3X4X5X6Y1.00000.97350.94920.9225-0.90310.96650.9539X10.97351.00000.99360.9687-0.96610.99620.9929X20.94920.99361.00000.9681-0.97270.99060.9969X30.92250.96870.96811.0000-0.97270.95860.9717X4-0.9031-0.9661-0.9727-0.97271.0000-0.9550-0.9778X50.96650.99620.99060.9586-0.95501.00000.9879X60.95390.9

21、9290.99690.9717-0.97780.98791.0000 pairs(data1) corr.test(data1)corr test: YX1X2X3X4X5X6Y0.000.000.000.000.000.000X117.020.000.000.000.000.000X212.0635.190.000.000.000.000X39.5615.6215.450.000.000.000X4-8.41-14.96-16.77-16.770.000.000X515.0545.9628.9913.47-12.870.000X612.7133.4550.7116.44-18.6625.47

22、0lower is t value，upper is p value fm=lm(YX1+X2+X3+X4+X5+X6,data=data1) fmfmCall:lm(formula = Y X1 + X2 + X3 + X4 + X5 + X6, data = data1)Coefficients:(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)Call:lm(formula = Y X1 + X2 + X3 +

23、 X4 + X5 + X6, data = data1)Residuals: Min 1Q Median 3Q Max -12646.7 -3932.9 711.2 1890.2 14659.8 Coefficients: Estimate Std. Error 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 5.255

24、e+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 2.053 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

25、-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*100)YYhatresidrerror1994年20381.919326.561055.34245.46058121995年23499.915624.537875.368450.40386851996年24133.822170.031963.76568.85774741997年26967.226257.10710.09702.70439951

26、998年26849.728369.17-1519.4727-5.35606981999年29896.234141.52-4245.3242-12.43448942000年39273.242268.90-2995.6995-7.08724272001年42183.654830.33-12646.7349-23.06521552002年51378.260818.17-9439.9693-15.52162692003年70483.569771.22712.27871.02087752004年95539.093869.631669.36911.77839102005年116921.8109728.507193.29736.55554132006年140974.0126314.1514659.846711.60586232007年166863.7173829.74-6966.0392-4.00739212008年