中国进出口总额的影响因素分析

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，外汇储藏这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 外汇储藏 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大，参加WTO更为国内的企业

2、提供了更多公平竞争的时机，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處的作用，可中国目前面临着一个棘手的问题，国内消费需求对GDP的奉献率很低，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，影响我国进出口开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，外汇储藏，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、各因素对我国进出口贸易的影

3、响原理。 1、国内生产总值GDP-X1。2006年我国外贸总额到达我国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，也正是我国的内需缺乏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奉献。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，提高国内企业竞争力，对对外贸易的总额有比拟直接的

4、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本钱，并以之与当期外汇汇率作比拟，虽然我国汇率波

5、动一直不是很大，开展比拟稳定，但可以作为一个因素进行考虑。 5、外汇储藏-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置力，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%储蓄亿元外汇储藏亿美元YX1X2X3X4X5X61994年20381.90 48197.8617042.1432.138.618721518.8516.21995年23499.90 60793.7320019.3481.338.3512

6、9662.3735.971996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 99214.5532917.7593.568.278464332.381655.742001年42183.

7、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 184937.3788773.61638.058.1917141050.998188.722006年140974.00 216314.4

8、3109998.16670.767.9718161587.310663.42007年166863.70 265810.31137323.94783.397.604172534.1915282.492021年179921.47 314045.43172828.4952.536.9451217885.3519460.32021年150648.06 340902.81224598.77918.046.831260771.6623991.522021年202122.15 401512.8251683.771088.216.7695303302.4928473.382021年236401.99 4731

9、04.05311485.131176.986.4588343635.8931811.48数据来源：中华人民共和国国家统计局 :/ /tjsj/(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

10、资额亿元X4汇率%X5储蓄亿元X6外汇储藏亿美元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、外汇储藏和汇率之间的关系都非常的密切r>0.9，p<0.001，其中我国外贸进出口总额与X1国内生产总值的相关性最强，刚好可以与图3.1相解释。3.2设定方程为：Y=B0+B1X1+B2X2+B3X3+B4X4+B5X5+B6X6; 运用回归分析估计方法对上式中的参数进行估计，利用R语言软件的到回归分析方法结果如下：Coefficients: 表3 .3 Estimate

11、 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 5.255e+01  -0.556  0.589330 X4 6.095e+04 1.949e+04 3.128  0.009617

12、 * 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；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

13、蓄额每增长1亿元进出口总额就会减少56.12亿元；当外汇储藏每增长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，明显显著，但当，只有X1和X4的系数t检验不显著。这说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 0.9225 -0.9031 0.9665 0.9539X1 0.

14、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 0.9929 0.9969 0.9717 -0.9778 0

15、.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为根底，顺次参加其它变量逐步回归：变量X1X2X3X4X5X6

16、X1，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为根底，顺次参加其它变量逐步回归：变量X1X2X3X4X5X6X1，X21.336(6.365)-1.12(-3.78)0.96967X1，X30.728(5.842)-111.15(-1.5)0.9484X1，X40.850(

17、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经过比拟，引入变量X4改良较大，而且参数t检验最明显，选择保存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)0.8198(0.01)59926.19(2.067)0.962X1，X4,X51.549(4.859)73259.34(4

18、.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检验不显著，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 2021Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-534902.7166844.28

19、-3.2059990.00589X10.849855860.09938338.55129120.0000X459781.199118898.1113.16334250.0064R-squared0.96859927 Mean dependent var91335.52Adjusted R-squared0.96441251 S.D. dependent var71464.58S.E.of regression13481.5418 Akaike info criterion22.0070Sum/squared resid2.73E+9 Schwarz criterion22.155437Log

20、likelihood-195.06338 F-statistic231.34800Durbin-Watson stat0.97000410 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，该模型显著。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)&

21、gt; cor(data1)YX1X2X3X4X5X6Y1.00000.97350.94920.9225-0.90310.96650.9539X10.97351.00000.99360.9687-0.96610.99620.9929X20.94920.99361.00000.9681-0.97270.99060.9969X30.92250.96870.96811.0000-0.97270.95860.9717X4-0.9031-0.9661-0.9727-0.97271.0000-0.9550-0.9778X50.96650.99620.99060.9586-0.95501.00000.987

22、9X60.95390.99290.99690.9717-0.97780.98791.0000> pairs(data1)> corr.test(data1)corr test: YX1X2X3X4X5X6Y0.000.000.000.000.000.000X117.020.000.000.000.000.000X212.0635.190.000.000.000.000X39.5615.6215.450.000.000.000X4-8.41-14.96-16.77-16.770.000.000X515.0545.9628.9913.47-12.870.000X612.7133.455

23、0.7116.44-18.6625.470lower 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)

24、Call:lm(formula = Y X1 + X2 + X3 + 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

25、 -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 2.053 0.064637 . -Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1 Residual standard error: 9333 on 11 degrees of freedomMultiple R-square

26、d: 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*100) YYhatresidrerror1994年20381.919326.561055.34245.46058121995年23499.915624.537875.368450.40386851996年24133.822170.031963.765

27、68.85774741997年26967.226257.10710.09702.70439951998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95539.0

28、93869.631669.36911.77839102005年116921.8109728.507193.29736.55554132006年140974.0126314.1514659.846711.60586232007年166863.7173829.74-6966.0392-4.00739212021年179921.5167558.5112362.96237.37829582021年150648.1148990.451657.61041.11256152021年202122.1213478.94-11756.7895-5.50723622021年236402.0236691.90-289

29、.9085-0.1224835> > T=rownames(data1)> plot(T,Y)> lines(T,Yhat进出口总额人民币亿元国内生产总值亿元全社会固定资产投资亿元实际利用外资额亿元人民币对美元汇率%城乡居民人民币储蓄存款年底余额亿元外汇储藏亿美元YX1X2X3X4X5X6Y/X11994年20381.90 48197.8617042.1432.138.618721518.8516.20.4228797711995年23499.90 60793.7320019.3481.338.35129662.3735.970.3865513761996年24133.

30、80 71176.5922913.5548.058.314238520.81050.290.3390693491997年26967.20 78973.0324941.1644.088.289846279.81398.90.3414735381998年26849.70 84402.2828406.2585.578.279153407.471449.590.3181158141999年29896.20 89677.0529854.7526.598.278359621.831546.750.3333762652000年39273.20 99214.5532917.7593.568.278464332

31、.381655.740.3958411342001年42183.60 109655.1737213.5496.728.27773762.432121.650.3846932162002年51378.20 120332.6943499.9550.118.27786910.652864.070.4269679342003年70483.50 135822.7655566.61561.48.277103617.654032.510.5189373272004年95539.00 159878.3470477.43640.728.2768119555.396099.320.597573132005年116

32、921.80 184937.3788773.61638.058.1917141050.998188.720.6322237632006年140974.00 216314.43109998.16670.767.9718161587.310663.40.6517087192007年166863.70 265810.31137323.94783.397.604172534.1915282.490.6277548082021年179921.47 314045.43172828.4952.536.9451217885.3519460.30.5729154222021年150648.06 340902.8

33、1224598.77918.046.831260771.6623991.520.4419091182021年202122.15 401512.8251683.771088.216.7695303302.4928473.380.5024052782021年236401.99 473104.05311485.131176.986.4588343635.8931811.480.499682871进出口总额人民币亿元国内生产总值亿元全社会固定资产投资亿元实际利用外资额亿元人民币对美元汇率%城乡居民人民币储蓄存款年底余额亿元外汇储藏亿美元YX1X2X3X4X5X6Y/X11994年20381.90 48197.8617042.1432.138.618721518.8516.20.4228797711995年23499.90 60793.7320019.3481.338.35129662.3735.970.3865513761996年24133.80 71176.5922913.5548