中国进出口贸易现状分析

1、目录摘 要IABSTRACTI1.导论.12.数据处理与统计分析.1 2.1数据样本与变量指标.1 2.1.1数据来源.12.1.2数据处理.2 2.2统计分析.2 2.2.1相关分析.2 2.2.2初步OLS回归.3 2.2.3平稳性检验.5 2.2.4协整检验.10 2.2.5 ECM误差修正模型.11 2.2.6对回归模型的检查.11 2.2.7迭代估计法.13 2.2.8预测.143.结论.164.政策建议.16参考文献：16摘 要根据1978年2012年我国GDP和进出口贸易的相关数据,本文运用协整理论和ECM误差修正模型、迭代估计法相关知识,对我国GDP和进出口贸易的关系进行检验。

2、结果表明,1978年2012年,我国GDP和进出口贸易的相关数据之间存在长期稳定的均衡关系;通过对GDP和进出口关系的模型的估计可以看出进出口总额的增长都会带来GDP的增长，而且进口对GDP增长的解释能力较强;并且对GDP进行了2013和2014年的回归预测。因此我国应适度扩大进口,改善出口产品结构，提高出口产品质量水平,构建核心竞争力,以减少出口受国外经济环境变化而影响GDP增长的稳定。关键词：GDP；进出口；协整理论；ECM误差修正模型；AbstractAccording to the 1978 2012 China's GDP and import and export trad

3、e related data, by using the theory of Cointegration 、correction model of error ECM 、 modified iterative estimation model, to test the relationship of GDP and the import and export trade. The results show that, from 1978 to 2012, there is a long-term stable equilibrium relationship between China'

4、;s GDP and the related data of import and export trade; by estimating the GDP and import & Export relationship model can be seen in the total import and export volume growth will bring about the growth of GDP, and the import has stronger ability to explain the growth of GDP; and the regression f

5、orecast of 2013 and 2014. Therefore, our country should be appropriate to expand imports, improve the structure of export products, improve the export product quality level, to build the core competitiveness, to reduce the impact of foreign economic environment changes on the growth of GDP stability

6、.Key Words：GDP; import and export; cointegration theory ;correction model of error ECM; I 一、 导论1978年以来，中国的对外经济发生了翻天覆地的变化，对外贸易成为了国民经济增长的重要推动力。目前国际上衡量一个经济大国有两条通用的硬性标准，一是年度国内生产总值超过10000亿美元，二是进出口总额超过5000亿美元。由此不难看出，进出口总额充分反映了一个国家或者地区参与世界经济的程度，无论是从世界范围来看，还是从中国本身经历过的历史来看，将不难发现对外开放程度是一国经济水平的决定因素。因此有必要对进出口与G

7、DP增长的关系作出定量统计分析。二、 论文内容1. 数据样本与变量指标1) 数据来源：选取1978-2012年的进口和出口额作为反映中国进出口情况的统计量，选取1978-2012年的GDP作为反映中国的经济增长的统计量，数据均来自中国统计年鉴 。将原数据导入到Excel，如图2.1.1：2) 数据的处理将原始数据中的变量进口额命名为I，出口额为E，为消除物价因素对进出口额的影响，使用商品零售价格指数（以1978年为不变价格）对进出口额分别进行处理(用原变量I、E分别除以相应年份的以1978年为不变价格的商品零售价格指数)，修正后的变量名分别为I_adjust，E_adjust；使用居民消费价格

8、指数（以1978年为不变价格）对国内生产总值GDP进行处理（用原GDP除以以1978年为不变价格的居民消费价格指数），得到真实的GDP值，修正后的变量名为GDP_adjust。如图2.1.2：2. 统计分析过程1) 相关分析 通过观察进口、出口、GDP的散点图（图2.2.1）和相关系数矩阵（图2.2.2），初步可知它们之间存在着较强的相关关系。2) 初步OLS回归估计Dependent Variable: GDP_ADJUSTMethod: Least SquaresDate: 03/14/14 Time: 10:41Sample: 1978 2012Included observations

9、: 35VariableCoefficientStd. Errort-StatisticProb.  C4886.207939.21735.2024250.0000I_ADJUST4.2963111.0953683.9222520.0004E_ADJUST-1.2090160.936483-1.2910160.2059R-squared0.972023    Mean dependent var24934.71Adjusted R-squared0.970275    S.D. dependen

10、t var24418.02S.E. of regression4209.905    Akaike info criterion19.61008Sum squared resid5.67E+08    Schwarz criterion19.74340Log likelihood-340.1765    F-statistic555.9066Durbin-Watson stat0.692496    Prob(F-statistic)0

11、.000000通过Eviews软件分析,结果如上表2.2.1，对GDP与进出口的模型进行了估计，估计的回归模型为：GDP_adjust=4886.207+4.296311*I_adjust-1.209016*E_adjust SE: (939.2173) (1.095368) (0.936483) t-statistic: (5.202425) (3.922252) (-1.291016)模型的拟合优度R2=0.972023，调整后的R2=0.970275，回归系数的t检验在a=0.05的显著性水平下显著，F=555.9066，在a=0.05的显著性水平下显著（Prob(F-statistic

12、)<0.05）。DW=0.692，在a=0.05的显著性水平下，查DW检验表可知，dl=1.34,du=1.58,4-du=2.42,4- dl=2.66，0<DW< dl ,序列存在正自相关。进而进行怀特检验以检验是否存在异方差性：White Heteroskedasticity Test:F-statistic6.972502    Probability0.000430Obs*R-squared16.86215    Probability0.002056Test Equation:Depe

13、ndent Variable: RESID2Method: Least SquaresDate: 03/14/14 Time: 10:47Sample: 1978 2012Included observations: 35VariableCoefficientStd. Errort-StatisticProb.  C-5740439.6525670.-0.8796700.3860I_ADJUST-23897.8620715.10-1.1536450.2578I_ADJUST20.6299690.5259461.1977840.2404E_ADJUST28511.151833

14、1.371.5553200.1304E_ADJUST2-0.7154430.420545-1.7012290.0992R-squared0.481776    Mean dependent var16204160Adjusted R-squared0.412679    S.D. dependent var29477994S.E. of regression22591007    Akaike info criterion36.83557Sum squared resid1.

15、53E+16    Schwarz criterion37.05776Log likelihood-639.6224    F-statistic6.972502Durbin-Watson stat2.123779    Prob(F-statistic)0.000430如表2.2.2，根据怀特检验，F-statistic=6.972502，在a=0.05的显著性水平下,方程整体显著（P=0.00043）, Obs*R-square=16.86215，在a=0.05的显著性水

16、平下，P=0.00205<a，拒绝原假设（H0：存在同方差）序列存在异方差性。3) 平稳性检验单位根检验由于所选用的变量值为时间序列数据，易受一些原因的影响，其统计规律随时间的推移而发生变化，因此时间序列是不稳定的，不宜直接进行模型的估计和检验，有必要对数据进行平稳性检验并修正。为了消除一定程度的异方差，同时不影响经济意义分析，将三个序列分别取自然对数进行修正，记作lngdp_adjust， lni_adjust ，lne_adjust。时序图： 自相关函数图： 首先通过图形简单判断，处理过的数据的时序图（图2.2.3）都带有明显的增长趋势，ACF图（图2.2.4-2.2.6）自相关系数

17、衰减的很慢，呈明显的拖尾，属于不平稳序列。其次，通过eviews软件对lngdp_adjust， lni_adjust ，lne_adjust做ADF检验，如下图2.2.7： 在a=0.05的显著性水平下t值=-1.445，P=0.83>0.05，无法拒绝原假设，lngdp_adjust有单位根，可认为该序列非平稳，继续进行ADF检验，最后一阶差分模型III通过检验。（见图2.2.8）一阶差分的ADF检验结果： 表Augmented Dickey-Fuller Test EquationDependent Variable: D(LNGDP_ADJUST,2)VariableCoeffi

18、cientStd. Errort-StatisticProb.  D(LNGDP_ADJUST(-1)-0.7340660.180811-4.0598630.0004D(LNGDP_ADJUST(-1),2)0.4067450.1730832.3499980.0261C0.0563790.0172563.2671770.0029TREND(1978)0.0007590.0006961.0906050.2847R-squared0.380149    Mean dependent var0.000856Adjusted R-square

19、d0.313737    S.D. dependent var0.039357S.E. of regression0.032603    Akaike info criterion-3.892327Sum squared resid0.029764    Schwarz criterion-3.709110Log likelihood66.27723    F-statistic5.724057Durbin-Watson stat1.9

20、82486    Prob(F-statistic)0.003474可知在a=0.05的显著性水平下,统计量t=-4.059863,P远小于a，不存在单位根，lngdp_adjust的一阶差分序列平稳，为一阶单整序列I(1)。同理可得，lni_adjust的一阶差分序列是平稳的，即进口序列是一阶单整的（见表2.2.4）。lne_adjust的一阶差分序列是平稳的，及出口序列是一阶单整的（见表2.2.5）。进口的ADF检验：Null Hypothesis: D(LNI_ADJUST) has a unit rootExogenous: Constant,

21、Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=12)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-4.252253 0.0103Test critical values:1% level-4.2627355% level-3.55297310% level-3.209642*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDepe

22、ndent Variable: D(LNI_ADJUST,2)Method: Least SquaresDate: 03/14/14 Time: 11:16Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  D(LNI_ADJUST(-1)-0.7592520.178553-4.2522530.0002C0.1358810.0658172.0645400.0477TREND(1978)-0.0

23、016300.002832-0.5754600.5693R-squared0.376232    Mean dependent var-0.007423Adjusted R-squared0.334648    S.D. dependent var0.188782S.E. of regression0.153988    Akaike info criterion-0.817374Sum squared resid0.711371    

24、;Schwarz criterion-0.681327Log likelihood16.48666    F-statistic9.047405Durbin-Watson stat1.853212    Prob(F-statistic)0.000842出口的ADF检验：Null Hypothesis: D(LNE_ADJUST) has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG

25、=12)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-5.830162 0.0002Test critical values:1% level-4.2627355% level-3.55297310% level-3.209642*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(LNE_ADJUST,2)Method: Least SquaresDate:

26、 03/14/14 Time: 11:17Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  D(LNE_ADJUST(-1)-1.0677590.183144-5.8301620.0000C0.2122250.0642243.3044550.0025TREND(1978)-0.0028430.002638-1.0780280.2896R-squared0.531317  

27、  Mean dependent var-0.005608Adjusted R-squared0.500072    S.D. dependent var0.201351S.E. of regression0.142367    Akaike info criterion-0.974315Sum squared resid0.608047    Schwarz criterion-0.838269Log likelihood19.07619 &#

28、160;  F-statistic17.00460Durbin-Watson stat2.020752    Prob(F-statistic)0.0000124) 协整性检验Johansen协整检验： Unrestricted Cointegration Rank Test (Trace)HypothesizedTrace0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.*None * 0.460393 30.23478 29.79707

29、0;0.0445At most 1 0.250585 19.876600 15.49471 0.0293At most 2 0.010771 0.357356 3.841466 0.5500 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level *MacKinnon-Haug-Michelis (1999)

30、 p-values根据表2.2.6，检验判定：原假设None表示没有协整关系，该假设下计算的迹统计量值为30.23478，大于临界值29.79707且P值为0.0445，在a=0.05的显著性水平下，可以拒绝原假设，认为至少存在一个协整关系；下一个原假设AT most 1表示最多有一个协整关系，该假设下计算的迹统计量值为19.876600，小于临界值15.49471且P值0.0293，在a=0.05的显著性水平下，拒绝原假设，认为至少存在两个协整关系。下一个原假设AT most 2表示最多有两个协整关系，该假设下计算的迹统计量值为0.357356，小于临界值3.841466且P值0.5500，

31、在a=0.05的显著性水平下，无法拒绝原假设，认为存在两个协整关系。用OLS法对lngdp_adjustt=c+a*lni_adjust+b*lne_adjust+ut进行估计，如表： 表2.2.,7Dependent Variable: LNGDP_ADJUSTMethod: Least SquaresDate: 03/14/14 Time: 11:24Sample: 1978 2012Included observations: 35VariableCoefficientStd. Errort-StatisticProb.  C4.8146390.15115231.85

32、2880.0000LNI_ADJUST0.2611140.1952311.3374600.1905LNE_ADJUST0.3503640.1837441.9068080.0656R-squared0.979828    Mean dependent var9.677309Adjusted R-squared0.978567    S.D. dependent var0.969204S.E. of regression0.141891    Akaike info criter

33、ion-0.985703Sum squared resid0.644255    Schwarz criterion-0.852388Log likelihood20.24980    F-statistic777.1788Durbin-Watson stat0.277642    Prob(F-statistic)0.000000协整回归方程为：LNGDP_ADJUST=4.814639+0.261114* LNI_ADJUST+0.350364* LNE_ADJUSTSE

34、： （0.151152） （0.195231） （0.183744） T: (31.85288) （1.337460） （1.906808） R2=0.979828 F=777.1788对上述协整回归方程做怀特检验的结果： 表White Heteroskedasticity Test:F-statistic6.138925    Probability0.000985Obs*R-squared15.75362    Probability0.003368如表，在a=0.05的显著性水平下，F-statistic=6

35、.13892，P值=0.00远小于a，模型显著。 Obs*R-squared=15.7536，P值=0.003<a，拒绝原假设，方程存在异方差。因此建立ECM误差修正模型消除异方差。5) ECM误差修正模型表Dependent Variable: D(LNGDP_ADJUST)VariableCoefficientStd. Errort-StatisticProb.  C-0.0601400.044884-1.3398790.1903D(LNI_ADJUST)0.1700840.0472083.6028550.0011D(LNE_ADJUST)-0.0181330.0

36、52569-0.3449480.7325ECM0.0091590.0029563.0981800.0042R-squared0.461612    Mean dependent var0.094178Adjusted R-squared0.407773    S.D. dependent var0.040229S.E. of regression0.030959    Akaike info criterion-4.002196Sum squared resid0.02875

37、3    Schwarz criterion-3.822624Log likelihood72.03733    F-statistic8.573952Durbin-Watson stat1.360958    Prob(F-statistic)0.000292根据表：ECM形式：Estimation Equation:=D(LNGDP_ADJUST) = C(1) + C(2)*D(LNI_ADJUST) + C(3)*D(LNE_ADJUST) + C(4)*ECMSub

38、stituted Coefficients:=D(LNGDP_ADJUST) = -0.06013951969 + 0.1700839636*D(LNI_ADJUST) -0.01813344098*D(LNE_ADJUST) + 0.009158872548*ECM6) 对回归模型的检查基于上述协整检验所得的模型：通过异方差的white检验，见下表： 表2.2.10White Heteroskedasticity Test:F-statistic0.517303    Probability0.789971Obs*R-squared3.505529&#

39、160;   Probability0.743234在显著性水平为0.05时，P值远大于a，无法拒绝原假设，认为不存在异方差性。模型的拟合程度很高，而且模型Prob(F-statistic)远小于a=0.05是显著的，但检验出出口变量的系数不显著，可能存在多重共线性。通过观察相关系数矩阵（图2.2.9），进口与出口是中度线性相关的，所以当进出口同时解释GDP时，出口变得不显著。GDP对进口的ECM修正模型，见表： 表Dependent Variable: D(LNGDP_ADJUST)VariableCoefficientStd. Errort-Statistic

40、Prob.  C-0.0791820.049635-1.5952860.1208D(LNI_ADJUST)0.1585950.0355014.4673380.0001ECM0.0128670.0041233.1209270.0039R-squared0.451019    Mean dependent var0.094178Adjusted R-squared0.415600    S.D. dependent var0.040229S.E. of regression0.030753 

41、;   Akaike info criterion-4.041535Sum squared resid0.029319    Schwarz criterion-3.906856Log likelihood71.70609    F-statistic12.73410Durbin-Watson stat1.328390    Prob(F-statistic)0.000092Substituted Coefficients:=D(LNGDP_AD

42、JUST) = -0.07918164008 + 0.1585947675*D(LNI_ADJUST) + 0.01286708007*ECMGDP对出口的ECM修正模型，见表： 表Dependent Variable: D(LNGDP_ADJUST)VariableCoefficientStd. Errort-StatisticProb.  C-0.0576130.056676-1.0165430.3172D(LNE_ADJUST)0.1060660.0468742.2627560.0308ECM0.0109430.0043792.4988420.0180R-square

43、d0.230296    Mean dependent var0.094178Adjusted R-squared0.180638    S.D. dependent var0.040229S.E. of regression0.036415    Akaike info criterion-3.703594Sum squared resid0.041107    Schwarz criterion-3.568915Log likeli

44、hood65.96109    F-statistic4.637617Durbin-Watson stat1.089222    Prob(F-statistic)0.017299Substituted Coefficients:=D(LNGDP_ADJUST) = -0.05761314629 + 0.1060655395*D(LNE_ADJUST) + 0.01094250061*ECM由于存在多重共线性，且GDP对进口的模型数据拟合较好，但查阅资料和相关数据发现我国GDP的发展很大程度也取决于出口，因此，将G

45、DP分别对进口和出口进行拟合，从各自的模型来分析GDP与进口、出口的关系。由于是时间序列，应该检验模型的自相关性。在a=0.05的显著性水平下，GDP与进口模型的DW=1.33，与出口模型的DW=1.089，查DW检验表可知，dl=1.4,du=1.52,4-du=2.48,4- dl=2.6，0<DW< dl ,两个模型均存在正自相关。运用广义差分法对模型进行修正。7) Cochrane-Orcutt迭代估计法GDP与进口的模型，见表： 表Dependent Variable: D(LNGDP_ADJUST)VariableCoefficientStd. Errort-Stati

46、sticProb.  C-0.0621920.080054-0.7768800.4435D(LNI_ADJUST)0.1328800.0362923.6613770.0010ECM0.0116500.0066601.7493620.0908AR(1)0.3740390.1833802.0396980.0506R-squared0.517308    Mean dependent var0.094317Adjusted R-squared0.467374    S.D. dependent var

47、0.040844S.E. of regression0.029809    Akaike info criterion-4.074822Sum squared resid0.025768    Schwarz criterion-3.893427Log likelihood71.23457    F-statistic10.35991Durbin-Watson stat1.663102    Prob(F-statistic)0.000

48、084Inverted AR Roots      0.37新的GDP与进口模型：D(LNGDP_ADJUST) = -0.06219205031 + 0.1328801672*D(LNI_ADJUST) + 0.01165010602*ECM SE: （0.080054） （0.036292） （0.00666）T: (-0.776880) (3.661377) (1.749362)R2=0.467374 F=10.35991在a=0.05的显著性水平下，参数与模型都是显著的。通过怀特检验，模型不存在异方差。DW=1.663，查DW

49、检验表可知，dl=1.4,du=1.52,4-du=2.48,4- dl=2.6，du <DW<4-du,消除了自相关性。GDP与出口的模型，见表 表Dependent Variable: D(LNGDP_ADJUST)VariableCoefficientStd. Errort-StatisticProb.  C-0.0422080.100021-0.4219930.6761D(LNE_ADJUST)0.0835570.0380772.1944080.0364ECM0.0098230.0078261.2552020.2194AR(1)0.4703980.1698252.7698900