计量经济学论文-中国进出口总额的影响因素分析

计量经济学期末论文

中

国

进

出

口

总

额

的

影

响

因

素

分

析

所在院系：数金院

所在班级：金工1402

姓名：王为汉

学号：14442206

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

比例从1995年的38.36%上升到了2014年的41.55%，虽然增加的百分比不高，但是进出口值从1995年的2808.60亿美元增加到2004年的43015.27亿美元，大致在20年里翻了15倍。很显然，对外

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

2.1理论模型

建立回归模型如下：

μββββββ++++++=66554433221X X X X X Y

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5.7620元骤升至8.6187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46.6%。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

3.1 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）。

1996 2898.80 831.42 8608.44 2755.95 548.05 1050.29

1997 3251.60 828.98 9581.59 3008.65 644.08 1398.90

1998 3239.50 827.91 10252.77 3431.07 585.57 1449.59

1999 3606.30 827.83 10894.47 3606.38 526.59 1546.75

2000 4742.90 827.84 12052.61 3976.34 593.56 1655.74

2001 5096.50 827.70 13322.51 4496.01 496.72 2121.65

2002 6207.70 827.70 14619.06 5255.52 550.11 2864.07

2003 8509.88 827.70 16499.29 6713.38 561.40 4032.51

2004 11545.50 827.68 19417.46 8515.06 640.72 6099.32

2005 14219.10 819.17 22693.19 10837.02 638.05 8188.72

2006 17604.40 797.18 27303.32 13798.41 670.76 10663.40

2007 21765.70 760.40 35247.16 18059.43 783.39 15282.49

2008 25632.55 694.51 45607.94 24884.94 952.53 19460.30

2009 22075.35 683.10 50597.16 32879.34 918.04 23991.52

2010 29739.98 676.95 60403.72 37179.08 1088.21 28473.38

2011 36418.86 645.88 74955.64 48226.47 1176.98 31811.48

2012 38671.19 631.25 84613.54 59357.58 1132.94 33115.89

2014

43015.27

614.28 103521.20

83352.97

1197.05 38430.18

数据来源：国家统计局

3.2 模型建立

1.u X X X X X Y ++++++=66554433221ββββββ

2.估计

Dependent Variable: Y Method: Least Squares Date: 06/05/16 Time: 13:25 Sample: 1995 2014 Included observations: 20

Variable Coefficient Std. Error

t-Statistic

Prob. C -63561.31 25777.47 -2.465770 0.0272 X2 71.73616 28.22464 2.541614 0.0235 X3 1.081569 0.238518

4.534539

0.0005 X4 -0.771497 0.180576 -4.272423 0.0008 X5 -2.105278 8.424594 -0.249897 0.8063 X6

0.426196

0.299315

1.423907

0.1764 R-squared

0.992286 Mean dependent var 17131.98 Adjusted R-squared 0.989531 S.D. dependent var 14307.67 S.E. of regression 1463.949 Akaike info criterion 17.65899 Sum squared resid 30004060 Schwarz criterion 17.95771 Log likelihood -170.5899 Hannan-Quinn criter. 17.71730 F-statistic 360.1689 Durbin-Watson stat 0.848167

Prob(F-statistic)

0.000000

65432i

4262.01053.27715.00816.17362.7131.63561?X X X X X Y +--++-= (25777.47)(28.2246)(0.2385) (0.1806) (8.4246) (0.2993)

=t (-2.4658) (2.5416) (4.5345) (-4.2724) (-0.2499) (1.4239)

9923.02=R 9895.02=R 1689.360=F

3.3 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71.7362亿美元：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1.0816亿美元：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0.7715亿美元：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2.1053亿美元：外汇储备每增加1亿美元，平均说来进出口总额会增长0.4262亿美元。

2.回归方程和回归参数的检验

由图表中的数据可以得到：9923.02=R ，修正的可决系数9895.02=R ， 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，在给定显著性水平05.0=α，查表可得

62.4)15,5(=αF ,而由以上数据的F=360.1689,由于F=360.1689>62.4)15,5(=αF ,说明回

归方程显著，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”有显著影响。

t 检验：针对)6,5,4,3,2(0:0==j H j β给出显著性水平05.0=α查t 分布表的自由度为

n-k=14临界值145.2)(2

05.0=-k n t 由图一数据可得6

,54321???,?,??ββββββ，，，对应的t 统计量分别为(-2.4658) (2.5416) (4.5345) (-4.2724) (-0.2499) (1.4239)除去2

?β、3?β的t 统计量大于2.145外，其余t 统计量均小于2.145，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

X3 -0.976237 1.000000 0.992698 0.967995 0.989048 X4 -0.954017 0.992698 1.000000 0.939957 0.968330

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 Dependent Variable: X2 Method: Least Squares Date: 06/05/16 Time: 14:32 Sample: 1995 2014 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob. C 902.7978 35.65271 25.32200 0.0000 X3 0.000496 0.002178

0.227666

0.8230 X4 -0.000427 0.001648 -0.259371 0.7989 X5 -0.119205 0.070655 -1.687130 0.1123 X6

-0.004286

0.002505 -1.711081

0.1077 R-squared

0.980812 Mean dependent var 761.5950 Adjusted R-squared 0.975695 S.D. dependent var 85.90146 S.E. of regression 13.39220 Akaike info criterion 8.239540 Sum squared resid 2690.265 Schwarz criterion 8.488473 Log likelihood -77.39540 Hannan-Quinn criter. 8.288134 F-statistic 191.6798 Durbin-Watson stat 1.246669

Prob(F-statistic)

0.000000

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2

R 的值 方差扩大因子2

j

j 11

R VIF -= X2 0.9808 26.2941 X3 0.9980 250.2502 X4 0.9945 91.1597 X5 0.9767 21.7122 X6

0.9934

76.0084

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X2 X3 X4 X5 X6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：

Dependent Variable: Y Method: Stepwise Regression Date: 06/05/16 Time: 14:43 Sample: 1995 2014 Included observations: 20

No always included regressors

Number of search regressors: 6

Selection method: Stepwise backwards

Stopping criterion: p-value forwards/backwards = 0.05/0.05

Variable Coefficient Std. Error t-Statistic Prob.*

X3 1.309740 0.149954 8.734264 0.0000

X4 -0.900601 0.135568 -6.643176 0.0000

C -52553.99 19494.75 -2.695802 0.0159

X2 55.67717 22.11603 2.517503 0.0229

R-squared 0.991169 Mean dependent var 17131.98

Adjusted R-squared 0.989513 S.D. dependent var 14307.67

S.E. of regression 1465.216 Akaike info criterion 17.59425

Sum squared resid 34349712 Schwarz criterion 17.79340

Log likelihood -171.9425 Hannan-Quinn criter. 17.63312

F-statistic 598.5695 Durbin-Watson stat 0.477903

Prob(F-statistic) 0.000000

Selection Summary

Removed X5

Removed X6

*Note: p-values and subsequent tests do not account for stepwise

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：

Dependent Variable: Y

Method: Least Squares

Date: 06/05/16 Time: 15:44

Sample: 1995 2014

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -52553.99 19494.75 -2.695802 0.0159 X2 55.67717 22.11603 2.517503 0.0229 X3 1.309740 0.149954

8.734264

0.0000 X4

-0.900601

0.135568 -6.643176

0.0000 R-squared

0.991169 Mean dependent var 17131.98 Adjusted R-squared 0.989513 S.D. dependent var 14307.67 S.E. of regression 1465.216 Akaike info criterion 17.59425 Sum squared resid 34349712 Schwarz criterion 17.79340 Log likelihood -171.9425 Hannan-Quinn criter. 17.63312 F-statistic 598.5695 Durbin-Watson stat 0.477903

Prob(F-statistic)

0.000000

432i

9006.03097.16772.5599.52553?X X X Y -++-= Se=（19494.75）（22.1160）（0.1500）（0.1356） t= （-2.6958）（2.5175）（8.7343）（-6.6432）

9917.02=R 5695.598=F DW=0.4779

该回归方程可决系数高，回归系数显著。对样本量为20、三个解释变量、5%的显著水平，查DW 统计表可知，998.0d =L ,676.1=U d .模型中DW

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： Dependent Variable: Y Method: Least Squares Date: 06/05/16 Time: 16:06 Sample (adjusted): 1996 2014

Included observations: 19 after adjustments Convergence achieved after 15 iterations

Variable Coefficient Std. Error

t-Statistic Prob. C -53252.02 25351.25 -2.100568 0.0543 X2 55.98444 28.63527 1.955087 0.0708 X3 1.289030 0.155699

8.278962

0.0000 X4 -0.861488 0.127544 -6.754430 0.0000 AR(1)

0.743347

0.234385

3.171480

0.0068

R-squared

0.996302 Mean dependent var 17885.84 Adjusted R-squared 0.995245 S.D. dependent var 14285.82 S.E. of regression 985.1144 Akaike info criterion 16.84433 Sum squared resid 13586306 Schwarz criterion 17.09286 Log likelihood -155.0211 Hannan-Quinn criter. 16.88639 F-statistic 942.8445 Durbin-Watson stat 1.009324

Prob(F-statistic) 0.000000

Inverted AR Roots

.74

上图中DW=1.009324,可以判断U L d DW d <<,不能判断是否有自相关。因此作其二阶自相关得：

Dependent Variable: Y Method: Least Squares Date: 06/05/16 Time: 16:10 Sample (adjusted): 1997 2014

Included observations: 18 after adjustments Convergence achieved after 10 iterations

Variable Coefficient Std. Error

t-Statistic Prob. C -26047.08 15929.44 -1.635154 0.1280 X2 23.81714 18.32443 1.299748 0.2181 X3 1.333711 0.083200

16.03027

0.0000 X4 -1.035382 0.075461 -13.72076 0.0000 AR(1) 1.485645 0.164799

9.014917

0.0000 AR(2)

-0.928567

0.184593 -5.030339

0.0003 R-squared

0.998483 Mean dependent var 18718.46 Adjusted R-squared 0.997850 S.D. dependent var 14217.70 S.E. of regression 659.1853 Akaike info criterion 16.08109 Sum squared resid 5214304. Schwarz criterion 16.37788 Log likelihood -138.7298 Hannan-Quinn criter. 16.12201 F-statistic 1579.295 Durbin-Watson stat 2.352249

Prob(F-statistic) 0.000000

Inverted AR Roots

.74-.61i

.74+.61i

上图中DW=2.3522，可以判断4-U d >DW>U d ,说明在5%得显著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： Heteroskedasticity Test: White F-statistic 0.882676 Prob. F(3,16) 0.4710 Obs*R-squared 2.840009 Prob. Chi-Square(3) 0.4170 Scaled explained SS

0.934086 Prob. Chi-Square(3)

0.8172

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/16 Time: 16:27 Sample: 1995 2014 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob. C 6218550. 9464792.

0.657019

0.5205 X2^2 -6.820368 13.64616 -0.499801 0.6240 X3^2 0.000209 0.001621

0.129137

0.8989 X4^2

-0.000882

0.002054 -0.429399

0.6734 R-squared

0.142000 Mean dependent var 1717486. Adjusted R-squared -0.018874 S.D. dependent var 1786446. S.E. of regression 1803226. Akaike info criterion 31.82491 Sum squared resid 5.20E+13 Schwarz criterion 32.02406 Log likelihood -314.2491 Hannan-Quinn criter. 31.86378 F-statistic 0.882676 Durbin-Watson stat 1.386225

Prob(F-statistic)

0.470952

由上述结果可知，840009.2n 2

=R ,由White 检验知，在05.0=α的情况下，查2χ分布表，

得临界值81473.73205

.0=）（χ。比较计算2χ统计量和临界值，因为840009.2n 2=R <81473.73205

.0=）（χ，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： Dependent Variable: LNY Method: Least Squares Date: 06/05/16 Time: 19:11 Sample: 1995 2014 Included observations: 20

Variable Coefficient Std. Error

t-Statistic

Prob. C -35.75861 5.694381 -6.279630 0.0000 LNX2 4.613540 0.653997 7.054370 0.0000 LNX3 0.864112 0.611803 1.412402 0.1770 LNX4

0.614592

0.439241

1.399213

0.1808 R-squared

0.990821 Mean dependent var 9.328067 Adjusted R-squared 0.989100 S.D. dependent var 1.003569 S.E. of regression 0.104774 Akaike info criterion -1.497171 Sum squared resid 0.175641 Schwarz criterion -1.298024 Log likelihood 18.97171 Hannan-Quinn criter. -1.458295 F-statistic 575.7279 Durbin-Watson stat 1.444893

Prob(F-statistic)

0.000000

回归结果的残差图见附表。

由上图可知，该模型的DW 统计量为1.4449，而n=20和k=3，05.0=α的DW 统计量的临界值是998.0d =L 676.1d =U 。由于U L d DW <=<4449.1d ，不能确定该模型是否存在遗漏变量。

对该模型进行LM 检验

设定lnX8是lnX2的滞后变量，再加入一个新的解释变量X7,X7是城乡居民储蓄存款年底余额。按照LM 检验步骤，首先生成其残差序列e1，再用e1对全部解释变量进行回归，得图如下 Dependent Variable: E1 Method: Least Squares Date: 06/05/16 Time: 21:53 Sample (adjusted): 1996 2014

Included observations: 19 after adjustments

Variable

Coefficient

Std. Error

t-Statistic Prob.

C -2.529990 5.225972 -0.484119 0.6364 LNX2 0.591416 1.173555 0.503953 0.6227 LNX3 0.251740 0.546861 0.460336 0.6529 LNX4 0.001004 0.288817

0.003477

0.9973 LNX8 -0.306859 0.794080 -0.386433 0.7054 LNX7

-0.195904

0.270671 -0.723773

0.4820 R-squared

0.038735 Mean dependent var -3.74E-15 Adjusted R-squared -0.330982 S.D. dependent var 0.047440

S.E. of regression 0.054731 Akaike info criterion -2.720692 Sum squared resid 0.038941 Schwarz criterion -2.422448 Log likelihood 31.84657 Hannan-Quinn criter. -2.670217 F-statistic 0.104769 Durbin-Watson stat 1.861468

Prob(F-statistic)

0.989325

对于:0H 受约束回归，查表得，）（1433.1143

025

.0=χ由上图中可决系数计算7747.0038735.0*20n 2==R ,显然，<=7747.0n 2R ，）（1433.1143025

.0=χ，不拒绝绝原假设，即该模型不存在重要的遗漏变量。

4.结论

4.1 实证的结果

实证结果表明，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23.8171亿美元：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1.3337亿美元：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1.0354亿美元：

4.2 实证的局限性

此模型数据年份跨度较小，尤其没有兼顾到1994年中国实行汇率并轨从而影响到进出口总额的情况；汇率变化采用的是年平均数，不足以显示汇率短期变化对进出口总额的影响。此外，影响进出口总额的因素还有很多，例如政治因素，环境因素等。因此，此模型得出的结论有可能与实际情况有些偏差。

5.政策建议

1.在现有的人民币汇率基础上，再次通过渐进的人民币升值来实现进出口总额的下降，进而促进外贸依存度的降低。

(1)人民币升值，意味着劳动力收入提高，这无疑可以提高我国居民的购买力，这有利于刺激国内消费。

(2)人民币升值，意味着劳动力成本上升，这必然会导致一些竞争力差的企业放弃出口，减少我国的

出口额。另外，根据日本的经验来看，本币升值还可以在间接上起到调整出口产品结构的作用

2. 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。因此，国家应该促进国内生产总值的增长，鼓励国内生产，适当增加财政收入，但要防止房地产泡沫的出现。应该扩大内需，增加老百姓收入；贯彻落实节能减排的政策；还应该大力引进外资，发展外向型经济。

参考文献

[1]. 张晓静. 我国进出口总额影响因素的实证分析[J]. 中国市场, 2016(11).

[2]. 宋洁明, 陈旻瑞. 我国金融服务贸易出口额影响因素的实证分析[J]. 商, 2016(6).

[3]. 邢友萍, 徐舜. 中国货物出口额影响因素的实证分析[J]. 商情, 2014(26):49-49.

[4]. 何泽. 影响中国进出口总额的因素分析[J]. 商场现代化, 2007(17):13-13.

[5]. 刘雪倩. 影响中国进出口总额的因素分析[J]. 新财经:理论版, 2011(2).

[6]. 韩德光. 中国对外贸易中影响进口额的因素分析[J]. 北方经贸, 2001(12):48-50.

[7].李晓琳. 基于计量模型的中国进口额影响因素分析[J]. 商场现代化, 2015(3):271-274.

[8].原博. 中国进口总额影响因素分析[J]. 商场现代化, 2012(21):161-161.