我国进出口总额影响因素分析

1、 .年份进出口总额（人民币亿元）YCDP(亿元)X1实际利用外资金额（亿美元）X2外汇储备（亿美元）X3对外完成营业额（亿美元）X4汇率（%）X5200039273.299776.3593.561655.7483.798.3200142183.6110270.4496.722121.6588.998.3200251378.2121002550.112864.07111.948.3200370483.5136564.6561.44032.51138.378.3200495539.1160714.4640.726099.32174.688.32005116922185895.8638.058188

2、.72217.638.22006140974217656.6670.810663.4299938.02007166863.7268019.4783.415282.49406.437.62008179921.47316751.7952.5319460.3566.126.92009150648.06345629.2918.0423991.52777.066.82010201722.154089031088.228473.38921.76.82011236401.95484123.51176.9831811.481034.246.52012244160.25341231132.9433115.891

3、165.96976.32013258168.9588018.81187.2138213.151371.46.22014264334.49636462.71197.0538430.181424.16.1我国进出口总额影响因素分析一、数据的收集以下数据来源于中国统计年鉴根据数据做出GDP，实际利用外资金额，外汇储备，对外完成营业额，汇率与进出口总额的相关图形。 进出口总额与GDP的关系图 进出口总额与实际利用外资金额的关系图 进出口总额与外汇储备的关系图 进出口总额与对外完成营业额的关系图 进出口总额与汇率的关系图二、模型的初步提出从上图可以看出，进出口总额与各因素之间大体呈线性关系，建立以下简单

4、线性回归模型：设定模型Y=+X +U其中，Y表示进出口总额；X为GDP；为实际利用外资金额；为外汇储备；为对外完成营业额；为汇率；U是除了解释变量之外影响进出口总额的其他因素的误差项。模型的回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/15/15 Time: 19:36Sample: 2000 2014Included observations: 15VariableCoefficientStd. Errort-StatisticProb.C-268063.0108410.3-2.4726720.0354X10.830395

5、0.0992058.3704960.0000X232.5100444.307290.7337400.4818X39.9844501.6584506.0203510.0002X4-403.874640.54440-9.9612920.0000X526567.7711737.842.2634300.0499R-squared0.996158Mean dependent var150598.3Adjusted R-squared0.994023S.D. dependent var79745.03S.E. of regression6165.212Akaike info criterion20.580

6、41Sum squared resid3.42E+08Schwarz criterion20.86363Log likelihood-148.3531F-statistic466.6565Durbin-Watson stat2.847823Prob(F-statistic)0.000000由回归结果可得模型为：Y=-268063.0 +0.830395X+32.51004+9.984450-403.8746+26567.77 (108410.3) (0.099205) (44.30729) (1.658450) (40.54440) (11737.84) t=(-2.472672) (8.37

7、0496) (0.733740) (6.020351) (-9.961292) (2.263430)R=0.996158 F=466.6565 n=15 D.W=2.8478231. 经济意义检验：由所得到的回归系数，可说明GDP每增加1亿元，实际利用外资金额和外汇储备每增加1亿美元，对外完成营业额每增加1亿美元，汇率每提高1%。平均说来进出口总额将分别增加0.830395亿元，增加32.51004亿美元，增加9.984450亿美元，减少403.8746亿美元和增加26567.77亿元。2. 拟合优度和统计检验：拟合优度检验：由回归结果可得，可决系数为0.996158，说明所建模型整体上对样本

8、数据拟合较好，即解释变量“GDP，实际利用外资金额，外汇储备，对外完成营业额，汇率”对被解释变量“进出口总额”的绝大部分差异做出了解释对回归系数的显著性检验：T检验提出原假设H：=0，备择假设H：.不全为0，假定显著水平=0.05，所以自由度为n-6=15-6=9的临界值t(9)=2.262，因为t()=-2.472672 t(9)=2.262 应拒绝H，t()=0.733740 t(9)=2.262.应拒绝H，t()=-9.961292 t(9)=2.262 应拒绝H。这表明GDP，外汇储备，汇率和对外完成营业额对进出口总额有显著影响，而实际利用外资金额对进出口总额无显著影响。三、多重共线性

9、的检验与修正由上述被解释变量Y与各被解释变量，的关系图可以看出，的回归系数的符号应为正，的回归系数的符号应为负，但上述建立的回归模型和的回归系数的符号与预期相反，且个别解释变量的R和F值都很大而T值较小，说明解释变量之间存在多重共线性。计算各解释变量的相关系数：X1X2X3X4X5X11.0000000.9715430.9915030.995177-0.971722X20.9715431.0000000.9865930.971454-0.981795X30.9915030.9865931.0000000.992451-0.984915X40.9951770.9714540.9924511.00

10、0000-0.976078X5-0.971722-0.981795-0.984915-0.9760781.000000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，证实确实存在严重多重共线性，采用逐步回归法进行补救：变量参数估计值0.419424290.20285.639018154.2632-83915.07T统计量13.6974212.8793914.3424910.54264-10.081240.9302160.9217350.9359870.8872310.877869其中，加入的方程最大，以为基础，顺次加入其他变量逐步回归：变量，0.140298(0.607019)3.7

11、74126(1.218033)0.932719，69.64195(0.542392)4.313353(1.741137)0.932312，11.89512(4.253219)-176.7528(-2.253948)0.951279，8.240825(3.681278)40489.64(1.180061)0.937864经比较，新加入的方程=0.951279，改进最大，从T分布表可以看出，在给定显著性水平的情况下各参数的T检验显著，选择保留，再加入其他新变量逐步回归：变量变量XXXXXX，X，X0.881806(8.071880)8.878295(7.579222)-422.6794（-9.70

12、3960）0.992323X，X，X-28.98618(-0.235787)12.73069(2.774964)-184.7711(-2.087945)0.947117X，X，X15.07266.（4.535422）184.4548-1(-2.487124)45206.91(1.573298)0.993968由上表可得新加入和X的方程分别为0.992323、0.993968都较大，但加入的方程各参数的t检验更为显著。所以选择保留，再加入其他新变量逐步回归：变量XXXXXX，X，X，X0.881315(7.675326)-3.069094(-0.062342)8.968446(4.726831)

13、-423.3914(-8.992832)0.991559X，X，X，X0.831705(8.585565)10.70235(8.183366)-412.7124(-10.91549)23512.26(2.193714)0.994299由上表可知当加入X时，有所增加，但在给定显著性水平的情况下其参数的T检验不显著。加入X后，未增加。从相关系数也可看出，X与X与其他变量高度相关，这说明主要是X、X引起了多重共线性，予以剔除。最后修正严重多重共线性影响后的结果为： T=(-3.0488) (8.0719) (7.5792) (-9.70396) =0.992323 F=604.2044 DW=2.4

14、0671这就说明在其他因素不变的情况下，当GDP X每增加一亿元，外汇储备X和对外完成营业额X分别每增加一亿美元时，平均我国进出口总额将分别增加0.8818亿元，8.8783亿元，减少422.6794亿元。四、异方差的检验利用White检验对上述修正后的模型进行异方差检验F-statistic0.386067Prob. F(9,5)0.8982Obs*R-squared6.150032Prob. Chi-Square(9)0.7248Scaled explained SS1.635885Prob. Chi-Square(9)0.9960作对常数项、解释变量、解释变量的平方及其交叉乘积的辅助回归：从上表可以看出，=6.15003,由White检验知，在=0.05下，查分布表，得临界值16.919，比较计算的统计量与临界值，因为=6.1500316.919，所以不拒绝原假设，原假设为,表明模型不存在异方差。五、自相关的检验通过对数据的多重共线性检验，形成新的数据。由于在经济系统中，经济变量前后期之间很可能有关联，使得随机误差不能满足无自相关的假定。已知经多重共线性修正后的回归方程为T=(-3.0488)