中国进出口总额影响因素分析1Word文档格式.docx

中国进出口总额影响因素分析1Word文档格式.docx

《中国进出口总额影响因素分析1Word文档格式.docx》由会员分享，可在线阅读，更多相关《中国进出口总额影响因素分析1Word文档格式.docx（16页珍藏版）》请在冰豆网上搜索。

481.33

8.351

29662.3

735.97

1996年

24133.80

71176.59

22913.5

548.05

8.3142

38520.8

1050.29

1997年

26967.20

78973.03

24941.1

644.08

8.2898

46279.8

1398.9

1998年

26849.70

84402.28

28406.2

585.57

8.2791

53407.47

1449.59

1999年

29896.20

89677.05

29854.7

526.59

8.2783

59621.83

1546.75

2000年

39273.20

99214.55

32917.7

593.56

8.2784

64332.38

1655.74

2001年

42183.60

109655.17

37213.5

496.72

8.277

73762.43

2121.65

2002年

51378.20

120332.69

43499.9

550.11

86910.65

2864.07

2003年

70483.50

135822.76

55566.61

561.4

103617.65

4032.51

2004年

95539.00

159878.34

70477.43

640.72

8.2768

119555.39

6099.32

2005年

116921.80

184937.37

88773.61

638.05

8.1917

141050.99

8188.72

2006年

140974.00

216314.43

109998.16

670.76

7.9718

161587.3

10663.4

2007年

166863.70

265810.31

137323.94

783.39

7.604

172534.19

15282.49

2008年

179921.47

314045.43

172828.4

952.53

6.9451

217885.35

19460.3

2009年

150648.06

340902.81

224598.77

918.04

6.831

260771.66

23991.52

2010年

201722.15

401512.8

251683.77

1088.21

6.7695

303302.49

28473.38

2011年

236401.99

473104.05

311485.13

1176.98

6.4588

343635.89

31811.48

数据来源：

中华人民共和国国家统计局

（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3.2

X1GDP（亿元）

X2固定资产（亿元）

实际外资额（亿元）

X4汇率（%）

X5储蓄（亿元）

X6外汇储备（亿美元）

Y进出口总额（亿元）

0.9735

0.9492

0.9225

-0.9031

0.9665

0.9539

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、外汇储备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

Std.Error

tvalue

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**

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；

当外汇储备每增长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，明显显着，但当，，只有X1和X4的系数t检验不显着。

这表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

YX1X2X3X4X5X6

Y1.00000.97350.94920.9225-0.90310.96650.9539

X10.97351.00000.99360.9687-0.96610.99620.9929

X20.94920.99361.00000.9681-0.97270.99060.9969

X30.92250.96870.96811.0000-0.97270.95860.9717

X4-0.9031-0.9661-0.9727-0.97271.0000-0.9550-0.9778

X50.96650.99620.99060.9586-0.95501.00000.9879

X60.95390.99290.99690.9717-0.97780.98791.0000

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

x1

x2

x3

x4

x5

x6

参数估计值

0.546

0.751

307.268

-96338.9

0.709

6.584

t统计值

17.019

12.063

9.559

-8.41

15.051

12.713

0.948

0.901

0.851

0.8155

0.934

0.91

0.944

0.895

0.842

0.804

0.93

0.904

其中X1的最大，以X1为基础，顺次加入其它变量逐步回归：

X1，X2

1.336

（6.365）

-1.12

（-3.78）

0.97

X1，X3

0.728

（5.842）

-111.15

（-1.5）

X1，X4

0.850

（8.55）

59781.2

（3.163）

0.969

X1，X5

0.796

（2.112）

-0.327

（-0.665）

0.942

X1，X6

1.048

（4.245）

-6.213

（-2.046）

0.954

0.96967

0.9484

0.9686

经过比较，引入变量X4改进较大，而且参数t检验最明显，选择保留X5，再引入其它的变量逐步回归，结果如下：

X1，X4,X2

1.3287

（7.092）

-0.836

（-2.842）

38082.67（2.195）

0.9758

X1，X4,X3

0.849

（7.22）

0.8198

（0.01）

59926.19（2.067）

0.962

X1，X4,X5

1.549

（4.859）

73259.34（4.135）

-0.828

（-2.28）

0.972

X1，X4,X6

0,954

（4.22）

52162.09（4.22）

-1.773

（-0.518）

引入变量均不能再引进，且引入各参数t检验不显着，可以认为逐步回归终止。

下面是对X2、X4的回归结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/28/13Time:

20:

09

Sample:

19942011

Includedobservations:

18

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-534902.7

166844.28

-3.205999

0.00589

0.0993833

8.5512912

0.0000

59781.1991

18898.111

3.1633425

0.0064

R-squared

Meandependentvar

91335.52

AdjustedR-squared

S.D.dependentvar

71464.58

13481.5418

Akaikeinfocriterion

22.0070

Sum/squaredresid

2.73E+9

Schwarzcriterion

22.155437

Loglikelihood

-195.06338

F-statistic

231.34800

Durbin-Watsonstat

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，该模型显着。

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）

>

cor（data1）

1.0000

0.9936

0.9687

-0.9661

0.9962

0.9929

0.9681

-0.9727

0.9906

0.9969

0.9586

0.9717

-0.9550

-0.9778

0.9879

pairs（data1）

corr.test（data1）

corrtest:

0.00

17.02

12.06

35.19

9.56

15.62

15.45

-14.96

-16.77

15.05

45.96

28.99

13.47

-12.87

12.71

33.45

50.71

16.44

-18.66

25.47

loweristvalue，upperispvalue

fm=lm（Y~X1+X2+X3+X4+X5+X6,data=data1）

fm

fm

Call:

lm（formula=Y~X1+X2+X3+X4+X5+X6,data=data1）

（Intercept）X1X2X3X4

-5.434e+051.650e+00-1.226e+00-2.922e+016.095e+04

X5X6

-5.612e-016.749e+00

summary（fm）

Residuals:

Min1QMedian3QMax

-12646.7-3932.9711.21890.214659.8

EstimateStd.ErrortvaluePr（>

|t|）

（Intercept）-5.434e+051.764e+05-3.0800.010471*

X11.650e+002.836e-015.8190.000116***

X2-1.226e+003.626e-01-3.3810.006135**

X3-2.922e+015.255e+01-0.5560.589330

X46.095e+041.949e+043.1280.009617**

X5-5.612e-012.991e-01-1.8760.087385.

X66.749e+003.287e+002.0530.064637.

---

Signif.codes:

0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1

Residualstandarderror:

9333on11degreesoffreedom

MultipleR-squared:

0.989,AdjustedR-squared:

0.9829

F-statistic:

164.3on6and11DF,p-value:

4.115e-10

Y=data1$Y;

Yhat=fm$fit;

resid=fm$resid

cbind（Y,Yhat,resid,rerror=resid/Yhat*100）

Yhat

resid

rerror

20381.9

19326.56

1055.3424

5.4605812

23499.9

15624.53

7875.3684

50.4038685

24133.8

22170.03

1963.7656

8.8577474

26967.2

26257.10

710.0970

2.7043995

26849.7

28369.17

-1519.4727

-5.3560698

29896.2

34141.52

-4245.3242

-12.4344894

39273.2

42268.90

-2995.6995

-7.0872427

42183.6

54830.33

-12646.7349

-23.0652155

51378.2

60818.17

-9439.9693

-15.5216269

70483.5

69771.22

712.2787

1.0208775

95539.0

93869.63

1669.3691

1.7783910

116921.8

109728.50

7193.2973

6.5555413

140974.0

126314.15

14659.8467

11.6058623

166863.7

173829.74

-6966.0392

-4.0073921