我国进出口贸易对我国GDP的影响

1、计量 经 济 学 论 文姓名:班级:学号:我国进出口贸易对我国GDP的影响【摘要】自改革开放以来，国家坚持“引进来”与“走出去”相结合的贸易方针，不但使中国逐渐在国际上打开经济局面，也使中国在经济上获得长足发展。近年来，我国进出口贸易对经济发展产生越来越大的影响。中国人口数众，是加工业大国，因此，加工贸易在所有进出口贸易中所占比例偏大。本论文就我国进出口贸易占GDPt匕重作计量分析。【关键词】 国际贸易GDP多重共线性异方差性自相关性【提出问题】1. 目的与意义改革开放以来，我国对外贸易取得巨大成就，尤其是从我国加入世界贸易组织以后，中国对外贸易在经济发展中发挥了极其重要的作用。但是面临的挑战

2、与压力也日益突显。我国对外贸易总额位居全球第二， 出口位列第一，但是我国在国际分工中一直扮演着“国际工厂”的角色。我国出口贸易中大多是劳动密集型产品，技术含量较低附加值不高， 资本密集型产品的出口额较低，说明我国的出口贸易结构不完整，处于不发达阶段。距离发展成为对外贸易强国还有很大一段距离。 分析这个问题，让我们清楚的了解加工贸易对我国对外贸易的重大 影响，并以此调整各种进出口贸易种类，使发展均衡。2. 理论依据从概念上讲，GDP的计算是所有最终消费品价值的加总，表达式为y=C+l+G+X-M。其中C就是消费品中由家庭个人等消费的那部分；I是消费品用于私人投资的那部分；G就是被政府购买的部分；

3、X-M指净出口。由GDP计算公式知进出口贸易额与 GDP有关联。3. 模型建立按贸易方式把进出口贸易分为一般贸易，加工贸易和其他贸易。其中加工贸易，主要指对外加工装配、中小型补偿贸易和进料加工贸易。发展加工贸易的好处是投资少，时间 短，见效快，有利于充分利用我国丰富的劳动力资源，有利于扩大出口，增加外汇收 入。一般贸易是与加工贸易相对而言的贸易方式。一般贸易指单边输入关境或单边输 出关境的进出口贸易方式，其交易的货物是企业单边售定的正常贸易的进出口货物。其他贸易为除了一般贸易和加工贸易以外的进出口贸易。设Y=GDP , X仁一般贸易，X2=加工贸易，X3=其他贸易。由于没有进出口贸易对GDP的

4、相关经济理论模型，我们简单的以Y二？1+?2X1+?3X2+?4X3+U为我们的理论模型。4. 收集数据下以是1985至2008年间的GDP值以及进出口贸易额年份国内生产总值一般贸易净出口额加工贸易净出口 额其他贸易净出口额19853070.23-135.42-9.58-4 :19862975.9-101.12-10.83-7.6519873239.738.71-11.97-34.4419884041.49-25.82-10.45-41.2319894513.11-40.6226.21-51.5919903902.7992.666.6-71.819914091.7385.874-78.6 :1

5、9924882.22100.680.8-137.919936132.2351.578.8-252.419945592.24260.494.1-300.5 :19957279.81280153.3-266.319968560.85234.8220.6-333.219979526.53389.44293.96-279.2 :199810194.62305.55358.55-229.36199910832.79120.95373.04-201.67200011984.7551.02450.94-260.87 :200113248.18-15.75534.59-293.4200214538.270.7

6、6577.27-343.77200316409.66-56.17789.47-477.77 1200419316.44-45.391062.76-696.47 1200522366.22354.31424.55-758.85200626584.15831.261888.83-945.34 :200733838.191098.442490.85-971.03 1200843292.39907.692967.36-893.751.检验模型(1)首先对模型进行初步回归得如下结果:Dependent Variable: YMethod: Least SquaresDate: 12/31/13 Time

7、: 01:32Sample: 1985 2008Included observations: 24VariableCoefficientStd. Errort-StatisticProb.C4419.351485.15019.1092450.0000X1-2.8916591.597949-1.8096070.0854X212.565581.05890411.866590.0000X3-2.8792242.602890-1.1061640.2818R-squared0.984839Mean dependent var12100.60Adjusted R-squared0.982565S.D. d

8、ependent var10453.68S.E. of regression1380.325Akaike info criterion17.44904Sum squared resid38105930Schwarz criterion17.64538Log likelihood-205.3884 Hannan-Quinn criter.17.50113F-statistic433.0592 Durbin-Watson stat0.509047Prob(F-statistic)0.000000根据数据看出，可决系数和修正可决系数分别为0.984839和0.982565 , F的检验值为433.0

9、592，明显显著，数据拟合。但当a=0.05时，t a 12(n-k)=2.080 ，说明x1与x3的t检验不显著，而且 x1与x3系数的符号与经济解释相反。可能存在多重共线性。(2)选择Y, XI，X2, X3做相关系数矩阵得下表:YX1X2X3Y1.0000000.7955900.990785-0.931907X10.7955901.0000000.829745-0.788980X20.9907850.8297451.000000-0.930806X3-0.931907-0.788980-0.9308061.000000由相关系数矩阵可以看出， 由相关系数矩阵可以看出， 各解释变量之间的相

10、关系数很高，证实确实存在多重共线性。(3)修正多重共线性，采用逐步回归的方法， 分别作Y对XI, X2, X3的一元回归，得结果如下:变量X1X2X3参数估计值25.6860612.61014-32.0946 :t统计量值6.15950634.31144-12.0515可决系数0.6325630.9816560.868451修正可决系数0.616280.9808220.862472其中，加入X2的修正可决系数最大，以 X2为基础，顺次加入其它变量逐步回归。结果如下:变量X1 X2X2 X3修正可决系 数0.9823790.980676经比较，加入 XI, X3对X2的可绝系数几乎没有影响，因此

11、可以把XI，X3剔除，最终得Dependent Variable: YMethod: Least SquaresDate: 12/31/13 Time: 13:48Sample: 1985 2008Included observations: 24VariableCoefficientStd. Error t-StatisticProb.X24763.73412.61014364.758013.059980.00000.3675203134.1440.0000R-squared0.981656Mean dependent var12100.60Adjusted R-squared0.98082

12、2S.D. dependent var10453.68S.E. of regression1447.683Akaike info criterion17.47297Sum squared resid46107318Schwarz criterion17.57114Log likelihood-207.6757Hannan-Quinn criter.17.49902F-statistic1177.275Durbin-Watson stat0.530244Prob(F-statistic)0.000000即:Y=4763.734+12.61014X2(13.05998)( 3134.144 )R人

13、 2= 0.981656 修正可决系数=0.980822 F = 1177.275 DW 0.530244(4)异方差性检验，采用 white检验方法。Heteroskedasticity Test: WhiteF-statistic1.768218Prob. F(2,21)0.1951Obs*R-squared3.459119Prob. Chi-Square(2)0.1774Scaled explained SS1.012630Prob. Chi-Square(2)0.6027Test Equation:Dependent Variable: RESIDA2Method: Least Squ

14、aresDate: 12/31/13 Time: 14:04Sample: 1985 2008Included observations: 24VariableCoefficientStd. Errort-StatisticProb.C1296585.474287.92.7337510.0124X21899.8611357.2091.3998290.1762X2A2-0.4881390.506224-0.9642750.3459R-squared0.144130Mean dependent var1921138.Adjusted R-squared0.062619S.D. dependent

15、var1638123.S.E. of regression1586005.Akaike info criterion31.50780Sum squared resid5.28E+13Schwarz criterion31.65506Log likelihood-375.0936Hannan-Quinn criter.31.54687F-statistic1.768218Durbin-Watson stat1.413619Prob(F-statistic)0.195111由上表可以看出，nR人 2= 3.45912 ,小于临界值5.99147 ,所以不存在异方差性。（5）自相关性检验DW=0.5

16、30244,在5%的显著水平下，通过查表得dl=1.273，du=1.446，DW、于dl，所以模型中有自相关。残差图Residual Actual Fitted因此我们需要对自相关问题进行补救，采用广义差分法：生产残差序列Et，使用et进行滞后一期的自回归得：VariableCoefficientStd. Error t-StatisticProb.E(-1)0.7137670.1450504.9208350.0001即:Et=0.713767Et-1由上式可知，p=0.713767，对原模型进行广义差分，得广义差分方程：Y-0.713767Yt-仁c(1-0.713767)+b3(X-0.

17、713767Xt-1)+u对广义差分方程进行回归，结果如下：Dependent Variable: Y-0.713767*Y(-1)Method: Least SquaresDate: 12/31/13 Time: 14:36Sample (adjusted): 1986 2008Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C1468.782257.94105.6942560.0000X2-0.713767*X2(-1)12.601040.58218021.644

18、580.0000R-squared0.957098Adjusted R-squared0.955055S.E. of regression988.7004Sum squared resid20528100Log likelihood-190.2064F-statistic468.4877Prob(F-statistic)0.000000Mean dependent var4824.202S.D. dependent var4663.632Akaike info criterion16.71360Schwarz criterion16.81234Hannan-Quinn criter.16.73

19、843Durbin-Watson stat1.324693得回归方程为：Y*=1468.782+12.60104X2*(5.694256) (21.64458)RA 2=9.57098 F=468.4877 DW=1.324693使用广义差分数据，样本减少了1个，在显著水平5%下dl=1.257 , du=1.437，此时DWt=1.324693大于dl的值，但接近du的值，我们认为自相关已消除，不必进行迭代。由差分方程可得：C=1468.782/1-0.713767=5131.4209所以我们的最终模型为：Y=5131.4209+12.60104X2得残差图如下15,00010,0005,00