影响中国进出口总额的因素分析 112.doc

影响中国进出口总额的因素分析【摘要】 改革开放以来,我国综合国力显著增强,经济实现了持续的高速增长，随着中国加入世贸组织,中国在进出口体制方面已发生了显著变化。非关税壁垒的种类和范围大为缩小以到取消,进口关税水平大幅度下降。由此可见,进出口贸易对我国经济乃至政策上的变化有重大影响，所以,关于影响我国进出口总额的因素是值得深入研究的问题。下面，我将对国内生产总值，关税收入和对外完成营业额这三个因素与进出口总额之间的关系具体进行数量和实证分析。 【关键词】进出口总额 国内生产总值 关税收入 对外完成营业额 一、引言 中国对外贸易在20多年以来，从一个较低的水平发展到了一个较高的水平，进出口值占GDP的比例从1990年的29.78%上升到了2011年的49.99%。很显然，对外贸易的发展对中国经济发展起到了不可低估的作用。但是，越来越高的进出口贸易的增长，直接的结果就是我国外贸依存度的迅速攀升，这在一定程度上造成国民经济的过分对外依赖,国际经济形式的风云变幻在一等程度上会严重影响我国的经济发展。 我国在对外贸易中存在的问题不能不引起我们重视，比如：技术性贸易壁垒严重阻碍我国商品的出口，出口市场上劳动密集型产品低价竞销现象严重，外贸经营秩序亟待改善，贸易伙伴过于集中、抗风险能力不足，服务贸易规模偏小，整体水平差，贸易结构不合理等。 从目前的理论研究来看，影响我国进出口发展的因素主要有国民生产总值，关税收入，对外完成营业额等。因此，本文通过构建计量经济模型，对各种因素与进出口总额的关系进行实证研究，以及对它们之间的关系进行验证，以便找出影响我国进出口总额最主要的因素， 从而根据这些因素对我国进出口贸易存在的问题作进一步的解决和改善使我国的进出口贸易额稳步有升并且维持在比较合理的水平。二、各种因素对我国进出口贸易的影响机理 （一）国内生产总值GDP 一国进出贸易的发展程度很大程度上依赖于这个国家的经济发展水平，衡量一个国家经济发展水平的最有效的指标就是GDP。国民经济越发达，与国外的联系也会越紧密，从而推动国家进出口贸易的发展。我国改革开放以来，经济迅猛发展，经济实力不断增强，GDP已经跃居世界前位，与此同时，进出口贸易也发展迅速。而在用支出法核算国内生产总值时，净出口是作为其中一项重要指标核算在内的。净出口为当年出口额与进口额的差；而进出口总额为当年出口额与进口额之和。由此可见，进出口总额应该与国内生产总值成正比。 （二）关税收入 许多国家都是通过低税、免税和退税来鼓励商品的出口，通过提高或降低税率来调节商品的进口。我国在对外贸易领域，实行以降低关税扩大进出口的贸易政策，实际关税水平的大幅度下降，有利于对外贸易的发展。而我国是一个发展中国家，作为WTO成员国，关税水平偏高。因而，中国的关税政策一直是WTO及其成员国关注的焦点。为了能尽快的融入国际社会和增强国际竞争力，中国政府已经开始制定相关政策并逐步调整自主降低关税税率以促进进出口贸易的发展。而税率的降低就会引起关税收入的提高，从而提高了进出口总额。 （三）对外完成营业额 外国企业之所以与我国进行经济合作是为了可以直接在我国境内进行生产并销售给我国。而这样做的目的就是为了可以减少外国企业由于进口而带来的关税成本。所以，我国对外经济合作的增加带来的结果是进口额的减少，对外经济合作合同完成总额与进出口总额成反比。三、模型的构建 其于以上分析，影响我国进出口总额的主要因素有国内生产总值X1（亿元），关税收入X2（亿元），对外完成营业额X3（亿美元），为此设定了如下形式的计量经济模型： Y=1+2X1+3X2+4X3为估计模型参数，收集了19902011年的统计数据，如下表 1990-2011年中国进出口总额及相关数据（表1）年份进出口总额Y（亿元）国内生产总值X1（亿元）关税收入X2（亿元）对外完成营业额X3（亿美元）19905560.118667.8159.0116.4419917225.821781.5187.2819.719929119.626923.5212.7524.03199311271.035333.9256.4736.68199420381.948197.9272.6848.83199523499.960793.7291.8351.08199624133.871176.6301.8458.21199726967.278973.0319.4960.36199826849.784402.3313.0477.69199929896.289677.1562.2385.22200039273.299214.6750.4883.79200142183.6109655.2840.5288.99200251378.2120332.7704.27111.94200370483.5135822.8923.13138.37200495539.1159878.31043.77174.682005116921.8184937.41066.17217.632006140974.0216314.41141.78299.932007166863.7265810.31432.57406.432008179921.5314045.41769.95566.122009150648.1340902.81483.81777.062010201722.1401512.82027.83921.72011236402.0472881.62559.121034.24数据来源：中国统计年鉴2012利用EViews软件，采用以上数据进行OLS回归（回归结果见附表1）模型估计结果为： Y= -20835.83+0.7629X1+11.3134X2-120.084X3 (6142.75) (0.1997) (24.5623) (46.15) t=（-3.3914）（3.8197）(0.4606) (-2.602) R2=0.973864 R2= 0.969508 F=223.5662 n=22（一）多重共线性检验与修正： 1、该模型R2=0.973864，R2=0.969508 可决系数很高，F=223.5662 明显显著，但当=0.05时，t0.025（22-4)=2.101，X2系数t检验不显著，这表明很可能存在严重的多重共线性。 2、计算各解释变量的相关系数 相关系数矩阵（表2 ）X1X2X3X110.9814202770015970.97493255424223X20.98142027700159710.936035403726449X30.974932554242230.9360354037264491由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，说明确实存在多重共线性。 3、多重共线性的修正采用逐步回归的方法，分别作Y对X1，X2，X3的一元回归（回归结果见附表2），结果如下：变量X1X2X3参数估计值0.543746105.3558218.1994T统计量21.4533919.7154411.05192R20.95622730.9510640.859299R20.9562730.9486170.852263其中，X1的方程R2最大，以X1为基础，顺次加入其他变量逐步回归（回归结果见附表3），结果为：X1X2X3R2X1，X20.32966542.427140.960247(2.61741)(1.7319)X1，X30.8438-130.43210.970772(19.0605)(-3.3048) 经比较，新加入的X3的方程R2=0.970772，改进较大，而且各参数的t检验显著，选择保留X3，再加入X2逐步回归（结果见附表1），结果为：X1X2X3R2X1,X2,X30.762911.3134-120.0840.969508(3.8197)(0.4606)(-2.602)经比较，新加入的X2的方程R2都有所下降，t检验也都不明显，故应剔除X2。最后修正严重多重共线性影响后的回归结果为： Y=-21112.27+0.8438X1-130.4321X3 (5986.26) (0.0931) (39.4675)t=（-3.5268）（9.0605） （-3.3048）R2=0.973556 R2=0.970772 F=349.7457 DW=0.544974这说明，在其他因素不变的情况下，如果国内生产总值X1每增加1亿元时，进出口总额将增加0.8438亿元，而当对外完成营业额X3每增加1亿美元时，进出口总额平均将减少130.4321亿元。（二）异方差检验 ARCH检验，利用EViews做回归，从检验结果（见附表4）可知：（n-p）R2=3.19015620.05(1)=3.84146，则接受原假设H0:1=2=.=p=0；拒绝备择假设H1:j（j=1,2，.p）中至少有一个不为零，表明不存在异方差。（三）自相关检验 消除异方差之后，DW=0.544974dl=1.147（=0.05，n=22），所以存在正自相关，运用EViews对残差进行回归分析（见附表5），则et=0.784317et-1，即=0.784327得到广义差分方程Yt-0.784327Yt-1=1(1-0.784327)+2(X1t-0.784327X1t-1）-3（X3t-0.784327X3t-1)，对其进行回归得（见附表6）: Y*t=-9408.531+1.1127X*1t-236.6119X*3t SE=(3069.965)(0.1219) (46.4743) T=(-3.0647) 9.1312) (-5.0912) R2=0.918909 F=101.9859 DW=2.048041 其中Y*t=Yt-0.784327Yt-1，X*1t=X1t-0.784327X1t-1,X*3t=X3t-0.784327X3t-1 duDW4-du（=0.05，n=21，dl=1.147，du=1.541），说明已无自相关。此时，R2，t，F也均达到理想水平。由差分方程式有：1=-9408.531/(1-0.784327)=-43624.056所以，最终模型为： Y=-43624.056+1.1127X1-236.6119X3四、模型的结论分析 消除多重共线性和自相关后的最终模型说明，在其他因素不变的情况下，如果国内生产总值X1每增加1亿元时，进出口总额将增加1.1127亿元，而当对外完成营业额每增加1亿美元时，进出口总额平均将减少236.611亿元。 由以上结果可以得出结论，我国的进出口总额与国内生产总值和对外完成营业额都存在着密切的关系。5、 政策建议 从经济学角度看，要使我国的进出口贸易额稳步有升并且维持在比较合理的水平，必须做到以下几点：（一）提供多元化融资便利鼓励商业银行开展进口信贷业务，支持先进技术设备、关键零部件和能源原材料的进口；鼓励政策性银行对高新技术产品和资源类商品进口提供政策性金融支持，拓宽进口企业融资渠道；鼓励商业保险公司推出有利于扩大进口的保险产品和服务，加强和改善跨境贸易人民币结算工作。（2） 真正实现贸易便利化 货物通关手续仍比较繁琐。要求单据多、通关时间长，还经常出错。解决的办法一方面要靠完善“大通关”联络协作机制，另一方面要加快推动无纸通关，建立有关部门电子联网、信息共享机制。出口商品法定检验要求过严且不够规范，检验检疫费用偏高。许多基层商检局设立自收自支的事业机构以各种名目乱收费。企业的要求，一是调整、减少进出口商品法定检验品种，二是简化、规范办事程序，三是降低检验检疫费用并杜绝乱收费。（3） 加强对外贸易，运行宏观监测近年来尽管商务部不再往各地下达进出口计划，但地方片面追求外贸发展规模的现象依然严重。这与当前我们的宏观统计监测主要集中在进出口规模上有关。进出口价格变化趋势、出口对GDP、税收和就业的贡献情况、企业竞争力指数等能够反映出口质量、效益，以及反映进出口与经济、社会、自然和谐发展关系的指标体系，一直没有建立起来。实际上，在现行海关统计和其他公开数据的基础上，加上一些抽样调查、分析，由商务部在全国范围内建立起一整套科学监测、评价对外贸易运行对国民经济、社会发展以及对自然环境影响程度的新型指标体系，是完全可以做到的。这套体系一旦建立并定期向各地通报，对引导各地进一步把握、处理好对外贸易发展中速度与效益的关系，引导企业注重出口增长质量、提高出口经济效益，势必产生良好效果。（4） 加快加工贸易转型升级 加工贸易转型升级是转变外贸增长方式的重要内容。关于加工贸易加快转型升级的必要性、紧迫性及转型方向，这几年理论界及社会各界已经基本形成共识，党中央和国务院的许多文件、讲话中也已经明确提出了要求。现在需要重点解决的是，如何采取更加有效的政策措施加以贯彻、实现。附表1Dependent Variable: YMethod: Least SquaresDate: 10/26/13 Time: 10:33Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C-20835.836143.751-3.3913860.0033X10.7629160.1997303.8197380.0013X211.3133724.562260.4606000.6506X3-120.083846.15013-2.6020250.0180R-squared0.973864Mean dependent var76237.09Adjusted R-squared0.969508S.D. dependent var72179.89S.E. of regression12604.08Akaike info criterion21.88439Sum squared resid2.86E+09Schwarz criterion22.08277Log likelihood-236.7283F-statistic223.5662Durbin-Watson stat0.491374Prob(F-statistic)0.000000附表2Dependent Variable: YMethod: Least SquaresDate: 10/27/13 Time: 11:10Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C-6739.4335031.390-1.3394780.1954X10.5437460.02534521.453390.0000R-squared0.958355Mean dependent var76237.09Adjusted R-squared0.956273S.D. dependent var72179.89S.E. of regression15093.61Akaike info criterion22.16844Sum squared resid4.56E+09Schwarz criterion22.26762Log likelihood-241.8528F-statistic460.2478Durbin-Watson stat0.638640Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 10/27/13 Time: 11:12Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C-12932.325711.752-2.2641590.0348X2105.35585.34382319.715440.0000R-squared0.951064Mean dependent var76237.09Adjusted R-squared0.948617S.D. dependent var72179.89S.E. of regression16361.55Akaike info criterion22.32976Sum squared resid5.35E+09Schwarz criterion22.42895Log likelihood-243.6274F-statistic388.6984Durbin-Watson stat0.583039Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 10/26/13 Time: 10:48Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C23679.617589.5413.1200310.0054X3218.199419.7431211.051920.0000R-squared0.859299Mean dependent var76237.09Adjusted R-squared0.852263S.D. dependent var72179.89S.E. of regression27743.43Akaike info criterion23.38589Sum squared resid1.54E+10Schwarz criterion23.48508Log likelihood-255.2448F-statistic122.1449Durbin-Watson stat0.485705Prob(F-statistic)0.000000附表3 Dependent Variable: YMethod: Least SquaresDate: 10/27/13 Time: 11:15Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C-9979.1475149.106-1.9380350.0676X10.3296650.1259512.6174090.0169X242.4271424.497511.7318960.0995R-squared0.964033Mean dependent var76237.09Adjusted R-squared0.960247S.D. dependent var72179.89S.E. of regression14391.37Akaike info criterion22.11277Sum squared resid3.94E+09Schwarz criterion22.26155Log likelihood-240.2405F-statistic254.6298Durbin-Watson stat0.476854Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 10/26/13 Time: 10:50Sample: 1990 2011Included observations: 22VariableCoefficientStd. Errort-StatisticProb.C-21112.275986.256-3.5267910.0023X10.8438080.0931309.0605080.0000X3-130.432139.46749-3.3047990.0037R-squared0.973556Mean dependent var76237.09Adjusted R-squared0.970772S.D. dependent var72179.89S.E. of regression12340.00Akaike info criterion21.80520Sum squared resid2.89E+09Schwarz criterion21.95398Log likelihood-236.8572F-statistic349.7457Durbin-Watson stat0.544974Prob(F-statistic)0.000000附表4ARCH Test:F-statistic3.403341Probability0.080712Obs*R-squared3.190156Probability0.074083Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 10/27/13 Time: 11:18Sample (adjusted): 1991 2011Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C75886517357396292.1233160.0471RESID2(-1)0.3961780.2147521.8448150.0807R-squared0.151912Mean dependent var1.30E+08Adjusted R-squared0.107276S.D. dependent var1.00E+08S.E. of regression94822194Akaike info criterion39.66330Sum squared resid1.71E+17Schwarz criterion39.76278Log likelihood-414.4646F-statistic3.403341Durbin-Watson stat1.754974Prob(F-statistic)0.080712附表5Dependent Variable: EMethod: Least SquaresDate: 10/26/13 Time: 11:11Sample (adjusted): 1991 2011Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E(-1)0.7843270.1538805.0970190.0001R-squared0.564988Mean dependent var-125.6566Adjusted R-squared0.564988S