我国进出口总额影响因素分析

1、我国进出口总额影响因素分析内容摘要：根据19889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

2、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

3、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

4、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X619892066.717.8263617000.92762.9878822.1220

5、04.8219905560.19.20078818718.32885.4583326.042937.119917225.89.82718221826.21314.7393236.093149.4819929119.610.4995526937.282214.03111665.853483.3719931127124.052735260.023071.991393684348.95199420381.924.779148108.463997.64183379.885218.1199523499.917.8002459810.534198.73235596.726242.2199624133.81

6、6.3229170142.494573.692789102.737407.99199726967.216.3275878060.834782.553002113.568651716.9449383024.285542.893159117.739875.95199929896.222.1286488479.155725.933346130.0211444.08200039273.220.464898000.456727.273632149.4313395.23200142183.618.98518108068.27239.793869164.5516386.042002

7、51378.216.66741119095.78859.074106178.911718903.64200370483.511.7751913517412044.364411209.321715.25200495539.115.6159586.713788.044925276.9826396.472005116921.819.1084184088.616319.015463342.155631649.29b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=+1X1+2X2+3X3+4X4+5X5+6X6+i (i=1,2,3n)其中，Y表示进出口总额；X1为财政支出；

8、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；i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: YMethod: Least SquaresDate: 12/22/11 Time: 16:19Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C5888.7892665.4322.2093190.0516X1-152.0812120.8163-1.258

9、7800.2367X21.9830700.4966783.9926640.0025X30.3763851.2291510.3062150.7657X4-41.721198.931225-4.6713850.0009X574.4925662.167051.1982640.2584X6-1.7265810.717690-2.4057480.0370R-squared0.997700    Mean dependent var35455.96Adjusted R-squared0.996320    S.D. depen

10、dent var32158.21S.E. of regression1950.857    Akaike info criterion18.28283Sum squared resid38058441    Schwarz criterion18.62591Log likelihood-148.4040    Hannan-Quinn criter.18.31693F-statistic722.9388    Durbin-Watson

11、 stat1.670961Prob(F-statistic)0.000000从估计结果可的模型Y=5888.79-152.08X1+1.98 X2+0.38 X341.72X4+74.49X51.73X6+iR2=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

12、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=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1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=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

13、原假设，即是不显著的。（3）对2进行检验：提出原假设H0=0；备择假设0，T=3.992664，假定显著水平=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3.992664>2.131, 故拒绝原假设，即是显著。（4）对3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=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4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=0.0

14、5，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5进行检验：提出原假设H0=0；备择假设0，T=1.198264，假定显著水平=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1.198264<2.131,故接受原假设，即是不显著的。（7）对6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=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>2.13

15、1, 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=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

16、值最高，所以选取X3为基本变量Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:15Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C-2802.3314444.309-0.6305440.5385X37.1167870.25561427.841900.0000X1-263.1326248.1849-1.0602280.3070R-squared0.982376  

17、60; Mean dependent var35455.96Adjusted R-squared0.979859    S.D. dependent var32158.21S.E. of regression4563.887    Akaike info criterion19.84852Sum squared resid2.92E+08    Schwarz criterion19.99556Log likelihood-165.7124  &

18、#160; Hannan-Quinn criter.19.86314F-statistic390.1954    Durbin-Watson stat1.082313Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:21Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C-1921.263448

19、0.821-0.4287750.6751X38.5793841.3468766.3698390.0000X1-204.7778251.8278-0.8131660.4308X2-0.1339800.121172-1.1056960.2889R-squared0.983891    Mean dependent var35455.96Adjusted R-squared0.980174    S.D. dependent var32158.21S.E. of regression4528.037  

20、;  Akaike info criterion19.87629Sum squared resid2.67E+08    Schwarz criterion20.07234Log likelihood-164.9485    Hannan-Quinn criter.19.89578F-statistic264.6732    Durbin-Watson stat1.400786Prob(F-statistic)0.000000Dependent Varia

21、ble: YMethod: Least SquaresDate: 12/23/11 Time: 14:22Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C3805.7392730.1091.3939880.1886X31.4801141.5154320.9766940.3480X1-10.21153145.9214-0.0699800.9454X21.4350740.2981084.8139440.0004X4-32.311035.976783-5.4060890.00

22、02R-squared0.995311    Mean dependent var35455.96Adjusted R-squared0.993748    S.D. dependent var32158.21S.E. of regression2542.711    Akaike info criterion18.75978Sum squared resid77584564    Schwarz criterion19.00484Lo

23、g likelihood-154.4581    Hannan-Quinn criter.18.78414F-statistic636.8082    Durbin-Watson stat1.285040Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:24Sample: 1 17Included observations: 17CoefficientStd. Errort-Stati

24、sticProb.  C2300.7392646.5300.8693420.4032X31.3181791.3958580.9443500.3653X1-90.88010141.4947-0.6422860.5338X21.0265570.3566132.8786270.0150X4-25.134226.801262-3.6955230.0035X5125.358170.037261.7898770.1010R-squared0.996369    Mean dependent var35455.96Adjusted R-square

25、d0.994718    S.D. dependent var32158.21S.E. of regression2337.155    Akaike info criterion18.62182Sum squared resid60085238    Schwarz criterion18.91590Log likelihood-152.2855    Hannan-Quinn criter.18.65105F-statistic60

26、3.6411    Durbin-Watson stat1.400739Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:26Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C5888.7892665.4322.2093190.0516X30.3763851.2291510.3062150.7657X1

27、-152.0812120.8163-1.2587800.2367X21.9830700.4966783.9926640.0025X4-41.721198.931225-4.6713850.0009X574.4925662.167051.1982640.2584X6-1.7265810.717690-2.4057480.0370R-squared0.997700    Mean dependent var35455.96Adjusted R-squared0.996320    S.D. dependent var3

28、2158.21S.E. of regression1950.857    Akaike info criterion18.28283Sum squared resid38058441    Schwarz criterion18.62591Log likelihood-148.4040    Hannan-Quinn criter.18.31693F-statistic722.9388    Durbin-Watson stat1.67

29、0961Prob(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= +3X3+4X4+6X6Dependent Variabl

30、e: YMethod: Least SquaresDate: 12/23/11 Time: 14:38Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C-1286.1332540.207-0.5063100.6211X36.2764401.4120854.4448040.0007X4-5.6958182.046712-2.7829120.0155X61.3314190.7347881.8119770.0931R-squared0.988701  

31、60; Mean dependent var35455.96Adjusted R-squared0.986094    S.D. dependent var32158.21S.E. of regression3792.222    Akaike info criterion19.52162Sum squared resid1.87E+08    Schwarz criterion19.71767Log likelihood-161.9337  &

32、#160; Hannan-Quinn criter.19.54110F-statistic379.1928    Durbin-Watson stat1.277408Prob(F-statistic)0.000000得新的模型为Y=-1286.133+6.27644X3-5.695818X4+1.331419X6d.异方差的检验利用怀特检验对模型进行异方差检验Heteroskedasticity Test: WhiteF-statistic1.423090    Prob. F(9,7)0.3282Obs

33、*R-squared10.99227    Prob. Chi-Square(9)0.2762Scaled 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: YMethod: Least SquaresDate: 12/23/11 Time: 14:38Sample: 1 17Included observations: 17CoefficientStd. Errort-StatisticProb.  C-1286.1332540.207-0.5063100.6211X36.2764401.4120854.4448040.0007X4-5.6958182.046712-2.7829120.0155X61.3314190.7347881.8119770.0931R-squared0.988701    Mean dependent var35455.96Adjusted R-squared0.9