视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001
我国进出口总额影响因素分析
2025-09-28 22:38:30 责编:小OO
文档
我国进出口总额影响因素分析

内容摘要:根据198到2005年我国进出口总额变化的影响因素,从计量经济学的角度来验证哪些因素对我国进出口的影响较大,以及在引入解释变量中哪一项对进出口额的影响最大。根据计量经济学的原理和所得年鉴显示的数据,在模型中引入六个变量:财政支出,国民收入,国内贷款,居民消费水平,对外经济合作与财政收入这六个变量。

关键词:进出口总额、财政支出、国民收入、国内贷款、居民消费水平、对外经济合作、财政收入

正文

一、导论

1、研究背景

自改革开放以来,我过对外贸易由低向高的水平不断发展,进出口值占GDP的比重不断增加,显然,对外贸易对我国的经济发展产生了巨大的影响。由于全球经济一体化的趋势逐渐增强,我国的对外贸易对经济的发展所起的作业也越来越重要。由此,提高对外贸易额成为我过对外经济发展的长期战略,只有这样才能带动我国经济的进一步发展,提高我国的国际竞争力。进出口总额就成了衡量一国在国际贸易中地位的重要指标。

2.问题的提出及研究意义

我们高度重视在全球化中对外贸易的作用,并且希望加强对外贸易对经济的推动作用,但是对外贸易的发展依然存在许多问题,会影响我国经济的增长,我们必须着手解决。对影响对外贸易总额的主要因素进行研究,主要是国内贷款和具名消费水平方面,从而更有效的来提高我国的对外贸易额度,具有其现实意义和价值。

下面引入六个变量:财政支出、国民收入、国内贷款、居民消费水平、对外经济合作、财政收入。根据计量经济学原理,研究六个变量对我国进出口总额产生的影响,并且对他们之间存在的关系进行回归分析,从而确定回归模型、回归系数,来定量分析他们之间的确切关系。

3.研究目的

通过建立模型掌握上述变量之间的回归关系,进而就可以通过对进出口额的影响因素进行控制,来提高进出口额,为经济发展奠定基础。

4.研究框架

a.引入回归模型,利用现有数据,确定因素和进出口额之间的具体线性关系,写出线性回归方程,并且对回归系数和回归模型进行T检验和F检验。从而确定其线性回归模型是否具有代表性。

b.检验回归方程是否具有“多重共线性”,“异方差”,“自相关”等。对其惊醒检验,若存在上述现象则对其进行修补以提高模型的代表性。

c.进行模型的结果分析,对模型进行经济解释并分析存在的问题,最终给出切实可行的意见或建议。

二、建立回归模型及轨迹回归系数

1.模型的设立原理

由经济学原理简略分析下我国现今的进出口额状况,主要是对进出口的投入不够,所以可从财政支出,财政收入,和居民消费水平等方面进行考虑,进而考察队外贸易对财政支出的依赖程度,进而验证一下我国对外贸易的现存问题。

2.数据的手机和模型建立

a.数据的收集——以下数据来源统计年鉴

年   份

进出口总额Y

财政支出X1

国民收入X2

国内贷款X3

居民消费水平X4

对外经济合作X5

财政收入X6

192066.717.8263617000.92762.9878822.122004.82
19905560.19.20078818718.32885.4583326.042937.1
19917225.89.82718221826.21314.7393236.093149.48
19929119.610.4995526937.282214.03111665.853483.37
19931127124.052735260.023071.991393684348.95
199420381.924.779148108.463997.183379.885218.1
199523499.917.8002459810.534198.73235596.726242.2
199624133.816.3229170142.494573.6927102.737407.99
199726967.216.3275878060.834782.553002113.568651.14
199826849.716.9449383024.285542.3159117.739875.95
1999296.222.12888479.155725.933346130.0211444.08
200039273.220.4898000.456727.273632149.4313395.23
200142183.618.98518108068.27239.7938691.5516386.04
200251378.216.66741119095.78859.074106178.9117103.
200370483.511.7751913517412044.364411209.321715.25
200495539.115.6159586.713788.044925276.9826396.47
2005116921.819.1084184088.616319.015463342.1556319.29
b.模型的初步提出

通过对数据的观察,根据收集的统计数据,建立模型。

设模型为:

Y=α+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+εi  (i=1,2,3……n)

其中,Y表示进出口总额;X1为财政支出;X2为国民收入;X3为国内贷款;

X4为居民消费水平;X5为对外经济合作;X6为财政收入;εi是出了解释变量之外的影响出口额的其他因素的误差项。

模型的拟合检验可以的到一下回归分析结果:

Dependent Variable: Y
Method: Least Squares
Date: 12/22/11   Time: 16:19

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C5888.72665.4322.2093190.0516
X1-152.0812120.8163-1.2587800.2367
X21.9830700.4966783.99260.0025
X30.3763851.2291510.3062150.7657
X4-41.721198.931225-4.6713850.0009
X574.4925662.167051.19820.2584
X6-1.7265810.717690-2.4057480.0370
R-squared0.997700    Mean dependent var35455.96
Adjusted R-squared0.996320    S.D. dependent var32158.21
S.E. of regression1950.857    Akaike info criterion18.28283
Sum squared resid38058441    Schwarz criterion18.62591
Log likelihood-148.4040    Hannan-Quinn criter.18.31693
F-statistic722.9388    Durbin-Watson stat1.670961
Prob(F-statistic)0.000000

从估计结果可的模型

Y=5888.79-152.08X1+1.98 X2+0.38 X3—41.72X4+74.49X5—1.73X6+εi

R2=0.997700         S.E.= 1950.857    F=722.9388       D.W.= 1.670961

三、回归模型的检验与修正

1.经济意义检验

根据实际经济意义,从估计量的符号和大小分析,X1 X4 X6的经济意义不读,即它们与总进出口额成反比关系,而X2 X3 X5即国民收入,国内贷款,具名消费水平与进出口额成正比。表明,随着首日水平的提高,进出口总额会增加。

2.拟合优度检验,用最小二乘法对模型进行回归,由回归结果可以看出,可绝系数R2=0.997700  说明模型的拟合优度非常好。

3.显著性检验

a.对回归系数的显著性检验:T检验

(1)对α进行检验:提出原假设H0=0;备择假设≠0,T=2.209319,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然2.209319>2.131,故拒绝原假设,即是显著。

(2)对β1进行检验:提出原假设H0=0;备择假设≠0,T=-1.258780,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然1.258780<2.131,故接受原假设,即是不显著的。

(3)对β2进行检验:提出原假设H0=0;备择假设≠0,T=3.9926,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然3.9926>2.131, 故拒绝原假设,即是显著。

(4)对β3进行检验:提出原假设H0=0;备择假设≠0,T=0.306215,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然0.306215<2.131,故接受原假设,即是不显著的。

(5)对β4进行检验:提出原假设H0=0;备择假设≠0,T=-4.671385,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然4.671385>2.131, 故拒绝原假设,即是显著。

(6)对β5进行检验:提出原假设H0=0;备择假设≠0,T=1.1982,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然1.1982<2.131,故接受原假设,即是不显著的。

(7)对β6进行检验:提出原假设H0=0;备择假设≠0,T=-2.405748,假定显著水平α=0.05,故自由度为n-2=15的分布表,观察其临界值t0.025(15)=2.131显然2.405748>2.131, 故拒绝原假设,即是显著。

b.对方程进行显著性检验:F检验

由估计结果知F=722.9388

假定显著水平=0.05,差自由度为10和6的F分布表得临界值

F0.05(6,10)=5.39显然722.9388>5.39故F统计量的值在给定显著水平α=0.05的情况下显著。

c.多重共线性的检验与修正

R2与F值都很大而T值较小,说明各个解释变量之间存在多重共线性,采用逐步回归法进行补救。

逐步引入X1、X2、X3、X4、X5、X6其中R-squared依次为0.006570、0.928566、0.980961、0.836353、0.978775、0.967873可以看出,X3的R-squared的值最高,所以选取X3为基本变量

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:15

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C-2802.3314444.309-0.6305440.5385
X37.1167870.25561427.841900.0000
X1-263.1326248.1849-1.0602280.3070
R-squared0.982376    Mean dependent var35455.96
Adjusted R-squared0.979859    S.D. dependent var32158.21
S.E. of regression4563.887    Akaike info criterion19.84852
Sum squared resid2.92E+08    Schwarz criterion19.99556
Log likelihood-165.7124    Hannan-Quinn criter.19.86314
F-statistic390.1954    Durbin-Watson stat1.082313
Prob(F-statistic)0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:21

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C-1921.2634480.821-0.4287750.6751
X38.5793841.3468766.3698390.0000
X1-204.7778251.8278-0.8131660.4308
X2-0.1339800.121172-1.1056960.28
R-squared0.9831    Mean dependent var35455.96
Adjusted R-squared0.980174    S.D. dependent var32158.21
S.E. of regression4528.037    Akaike info criterion19.87629
Sum squared resid2.67E+08    Schwarz criterion20.07234
Log likelihood-1.9485    Hannan-Quinn criter.19.578
F-statistic2.6732    Durbin-Watson stat1.400786
Prob(F-statistic)0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:22

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C3805.7392730.1091.3939880.1886
X31.4801141.5154320.9766940.3480
X1-10.21153145.9214-0.0699800.9454
X21.4350740.2981084.8139440.0004
X4-32.311035.976783-5.40600.0002
R-squared0.995311    Mean dependent var35455.96
Adjusted R-squared0.993748    S.D. dependent var32158.21
S.E. of regression2542.711    Akaike info criterion18.75978
Sum squared resid775845    Schwarz criterion19.00484
Log likelihood-154.4581    Hannan-Quinn criter.18.78414
F-statistic636.8082    Durbin-Watson stat1.285040
Prob(F-statistic)0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:24

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C2300.73926.5300.8693420.4032
X31.3181791.3958580.9443500.3653
X1-90.88010141.4947-0.22860.5338
X21.0265570.3566132.8786270.0150
X4-25.134226.801262-3.6955230.0035
X5125.358170.037261.78770.1010
R-squared0.996369    Mean dependent var35455.96
Adjusted R-squared0.994718    S.D. dependent var32158.21
S.E. of regression2337.155    Akaike info criterion18.62182
Sum squared resid60085238    Schwarz criterion18.91590
Log likelihood-152.2855    Hannan-Quinn criter.18.65105
F-statistic603.11    Durbin-Watson stat1.400739
Prob(F-statistic)0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:26

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C5888.72665.4322.2093190.0516
X30.3763851.2291510.3062150.7657
X1-152.0812120.8163-1.2587800.2367
X21.9830700.4966783.99260.0025
X4-41.721198.931225-4.6713850.0009
X574.4925662.167051.19820.2584
X6-1.7265810.717690-2.4057480.0370
R-squared0.997700    Mean dependent var35455.96
Adjusted R-squared0.996320    S.D. dependent var32158.21
S.E. of regression1950.857    Akaike info criterion18.28283
Sum squared resid38058441    Schwarz criterion18.62591
Log likelihood-148.4040    Hannan-Quinn criter.18.31693
F-statistic722.9388    Durbin-Watson stat1.670961
Prob(F-statistic)0.000000
引入X1得R-squared=0.982376,R-squared提高,先保留X1

引入X2得R-squared=0.983821,R-squared提高,先保留X2

引入X4得R-squared=0.995311,R-squared提高,先保留X4

引入X5得R-squared=0.996369,R-squared提高,先保留X5

引入X6得R-squared=0.997700,R-squared提高,先保留X6

由于X1、X2、X5的T检验不显著所以删除X1、X2、X5

模型修改为Y=α +β3X3+β4X4+β6X6

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:38

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C-1286.1332540.207-0.5063100.6211
X36.27401.4120854.4448040.0007
X4-5.6958182.046712-2.7829120.0155
X61.3314190.7347881.8119770.0931
R-squared0.988701    Mean dependent var35455.96
Adjusted R-squared0.986094    S.D. dependent var32158.21
S.E. of regression3792.222    Akaike info criterion19.52162
Sum squared resid1.87E+08    Schwarz criterion19.71767
Log likelihood-161.9337    Hannan-Quinn criter.19.54110
F-statistic379.1928    Durbin-Watson stat1.277408
Prob(F-statistic)0.000000

得新的模型为Y=-1286.133+6.274X3-5.695818X4+1.331419X6

d.异方差的检验

利用怀特检验对模型进行异方差检验

Heteroskedasticity Test: White
F-statistic1.423090    Prob. F(9,7)0.3282
Obs*R-squared10.99227    Prob. Chi-Square(9)0.2762
Scaled explained SS5.221230    Prob. Chi-Square(9)0.8146
有检验结果可知Obs*R-squared=10.99227模型存在异方差

利用WLS估计法对模型进行异方差的修正

e.自相关的检验与修正

Dependent Variable: Y
Method: Least Squares
Date: 12/23/11   Time: 14:38

Sample: 1 17
Included observations: 17
CoefficientStd. Errort-StatisticProb.  
C-1286.1332540.207-0.5063100.6211
X36.27401.4120854.4448040.0007
X4-5.6958182.046712-2.7829120.0155
X61.3314190.7347881.8119770.0931
R-squared0.988701    Mean dependent var35455.96
Adjusted R-squared0.986094    S.D. dependent var32158.21
S.E. of regression3792.222    Akaike info criterion19.52162
Sum squared resid1.87E+08    Schwarz criterion19.71767
Log likelihood-161.9337    Hannan-Quinn criter.19.54110
F-statistic379.1928    Durbin-Watson stat1.277408
Prob(F-statistic)0.000000
由回归结果可知d=1.277408,给定显著水平α=0.05查Durbin-Watson表n=17,k=4得dl=0.9 du=1.71 ,所以d=1.277408落在dl和du之间,所以不能确定。

最终得模型为Y=-1286.133+6.274X3-5.695818X4

四.模型的经济意义和存在的问题

1)对以上模型进行分析可以看出:

国内贷款和居民消费水平还有财政收入对我国的进出口存在影响。说明我国在19-2005年间构成固定投资的那三项对我国的进出口额产生的影响效果显著。并且,我国的国民收入和财政支出还有对外经济合作对我国的进出口额产生的影响不显著,说明我国的经济发展还未形成一体化的格局,市场前景比较广阔。

2)存在的问题:

a.由于是粗略的统计,所选用的数据均为流量而经济模型的变量应该是存量,所以所建立的模型只能是粗略的模型。

b.从模型的本身上来看,有些变量的经济意义不符但是T值又比较显著,有可能是因为在建模时省略了一些解释变量的缘故。

五.建议

由于所建立的模型是反映财政支出对我国进出口额的关系影响,针对以上研究模型提出如下的建议:

1)在现有人民币汇率基础上,可通过人民币的升值来诗仙进出口总额的下降从而降低我国的外贸依存度。

人民币的升值就意味着劳动力收入水平的提高,由此可以加强我国居民的购买力刺激国内消费,扩大内需,拉动国内经济增长。

2)对我国国内产业进行调整

加大开发高新科技,发展有自主知识产权的创新科技,减少对外技术的依赖,进而降低该产品的进口。

加大对轻工业服务业的扶持与开发,推进第三产业的发展。

3)调整收入差距,不断提高中的收入群体的收入增长幅度。通过提高最低工资标准和收入初次分配的比重;通过所得税和财产税等手段调节高收入者的收入;进一步完善财政转移支付制度,抑制地区间收入差距的扩大。

参考文献:

1、《计量经济学》第三版

2、数据来源《中国统计年鉴》下载本文

显示全文
专题