金融危机对我国外贸额的影响

1、当前文档修改密码：8362839摘 要 .1 一、问题的提出 .2二、研究现状及存在的问题.2三、金融危机的成因及其对我国对外贸易额影响因素分析.3（一）金融危机的成因概述 .3（二）金融危机对我国对外贸易额影响因素的汇率估算法. .31、汇率估算法分析.32、利用汇率估算法对我国对外贸易额走向预测.4四、模型建立前的准备.6 （一）若干假设.6（二）数据的来源与预处理.61、数据来源的说明.62、评价指标的选取.73、汇率影响因素的剔除.9五、模型的构建与检验.9（一）利用主成分分析方法构建两大综合因子.91、深圳.92、厦门.103、天津.114、上海.125、广州.13（二）建立进出口贸

2、易总额分析模型.14 1、理论基础.14 2、次贷危机以前的Panel Data模型.14 3、次贷危机期间的Panel Data模型.16 4、结论分析.175、模型不足之处及今后研究方向.18 六、灰色预测模型的建立与预测.18 （一）灰色预测理论与模型 .18（二）选择灰色预测模型进行预测的原因.18（三）灰色预测模型的建立及预测.19（四）模型预测次贷余波影响下各城市对外贸易额未来几年走势.21（五）预测结果分析.23（六）模型的不足之处. .24七、结论与建议.26 （一）政府层面：调整宏观调控政策.26（二）产业层面：稳步推进产业转移和产业升级.27（三）企业层面：从制造走向软性制

3、造.27参考文献 .28 附录 .29 摘 要金融危机对我国最直接也是最严重的影响就体现在我国进出口总额上，我国各个城市的政府也相继出台了许多政策来调整产业结构，维持我国经济的稳定与发展。本文在分析了现有的地区政策和经济指数后，运用2005年至2008年我国10个沿海城市的各项指标统计数据，从国际投资和国内贸易两个综合因子出发，使用汇率预测法和面板数据（Panel Data）模型分析，对金融危机的影响进行了探讨，并使用灰色预测模型对我国进出口贸易总额未来的走势进行了定量预测。本文首先使用汇率预测法对我国总体的进出口贸易额进行了定性分析，通过分析汇率变化与我国进出口总额在时间上的关系，得出了结论

4、：我国进出口贸易受到的影响滞后于世界金融危机的爆发。这是因为我国是出口外向型经济，当金融危机影响到了国外的消费水平后，才会牵动到本国的进出口，从而影响我国的经济。因此，这样的滞后性是可以解释的。但是，最后我们也会发现随着世界经济的稳定，我国的进出口贸易也会有所回转。在模型的建立过程中，使用主成分分析法将多个指标降维成两个综合因子，作为后续模型的自变量。在此基础上，以10个城市为横截面，构建了个体变异系数的Panel Data模型，并结合实际情况进行分析，得出了各个城市的判断。由于我们能够通过中国统计年鉴查到的各个城市的数据有所不同，它们所采用的指标各异，因此我们只能针对不同城市的综合因子建立不

5、同的子因子，因此最后我们对每一个城市进行了分析。虽然10个城市相互独立，但从中我们也可以看到金融危机对中国的整体影响，我们将这部分内容放在总结中叙述了。随后，本文通过建立灰色预测模型，对2008，2009，2010年我国进出口贸易总额分别进行了预测。并将08年的预测数据与实际数据进行了对比，以验证我们模型的合理性。通过预测结果，我们得出了未来几年我国进出口贸易额的总体走势：虽然增长趋势放缓，但是总体上有增无减。可见金融危机对我国实体经济影响并不大，对我国进出口贸易额虽然有一定影响，但是影响并不严重。并且在未来的纪念间，我国出口贸易仍会有一定的增长。最后，在理论和模型分析的基础上，针对金融危机对

6、我国进出口总额的影响我们提出了三点建议：一是政府层面：调整宏观调控政策，二是产业层面：稳步推进产业转移和产业升级，三是企业层面：从制造走向软性制造。关键词：金融危机 汇率预测 面板数据模型 灰色预测 问题的提出始于2007年2月的美国次贷危机，已经演化为席卷美国、影响全世界的金融危机。虽然自2009年6月以来，金融危机对美国的影响已经告一段落，但是其在美国甚至全球范围内的影响仍然留有余波。中国作为一个正在积极融入世界经济和金融体系的国家，自然也无法置身度外。高额的外汇储备以及外向型的经济体系，已经将我国与危机中的资本主义国家牢牢地捆绑在了一起。如果不能及时提出合理政策，作出产业结构调整，此次金

7、融危机对我国的影响将会愈演愈烈。这主要表现在，沿海经济特区和开放城市的外贸企业倒闭，工人失业，以及由此引发的一系列连锁反应。据海关总署的数字统计，2008 年是我国加入世贸组织7 年以来对外贸易进出口速度首次低于20%，出口比上年回落了8.5 个百分点，2009 年1 月份的外贸进出口数据显示比去年同期下降了29%。并且，此次危机的波及面可能会从沿海地区逐渐向内陆拓展。金融危机对我国的影响到底有多大呢？如何作出合理的产业结构调整，有效遏制金融危机对我国的近一步影响，让我国的经济持续健康稳定地发展是摆在每一个中国人面前的严峻课题。研究金融危机对沿海城市的外贸影响及趋势，不仅能让我们清楚地认识到金

8、融危机对中国的影响，更能为制定产业调整政策提供了参考性的建议。研究现状及存在的问题自2008年金融危机波及中国以来，国内有很多学者、研究部门和统计部门都通过各种方法对我国进出口贸易的数据进行分析，对外贸企业的改革之路进行了大量的探索。但是据笔者所知，我国现阶段在这类研究方面还存在较多的不足，举例如下：一是相对于国外研究，我国对外贸产业结构的研究尚停留在规范分析上，而研究分析贸易结构影响因素的实证文献还比较少。二是还据笔者了解，还未曾有文献对金融危机对中国的影响的走向作出预测。三是大多文献只是泛泛地谈外贸企业在此次金融危机中受到的影响，以及波及的产业，而没有通过一些统计学上的方法有力地证明真正影

9、响到中国外贸企业的是哪些因素。四是由于没有有力的定量证明，目前学者对美国经济下滑是否会对中国进出口造成显着的复要影响并没有达成一致。比如：中金公司经济学家哈继铭和邢自强（2007）认为，中国的出口增速实际上从未与美国消费脱节。高盛经济学家梁红和乔虹（2007）认为，中国经济HYPERLINK javascript:; t _self走势和美国经济走势在很大程度上已经脱钩。UBS经济学家安德森（2007）认为，中美贸易对中国GDP的影响被人们夸大了。有鉴于此，本文通过选取具有典型代表意义的10个沿海开放城市为研究对象，根据2005年2月到2009年7月期间每个月的数据，分别使用偏离-份额分析和P

10、annel Data模型，对外贸企业影响因素进行分析和探讨，并使用灰色预测模型对影响的未来走向进行定量预测。金融危机的成因及其对我国对外贸易额影响因素分析（一）金融危机的成因概述 2007年的美国，对外有巨额债务缠身，同时为了获得在进口石油上的独立自主权又要付出巨额的代价，国际地位日益降低，美元贬值。对内房地产的泡沫经济几近崩溃，次贷危机愈演愈烈。在这样一个内忧外患的环境下，美国的金融危机爆发了。但是，作为世界头号强国的美国，其经济的影响力足以渗透到世界各个国家，眼下这场金融危机不仅仅让美国自身蒙受了巨大损失，也给全世界经济带来了一场巨大灾难。日本和欧洲这些与美国有着常年进出口贸易往来的国家首

11、当其冲地受到了牵连，这些国家的金融衍生机构受这次次贷危机的影响也相继倒闭，国家失业率暴增。而我国自从加入WTO 以来，对外贸易发展更加迅速，外贸出口大大增加，外贸依存度高达70%以上，外汇储备不断增多，自2006 年2 月超过了日本成为世界第一之后，中国外汇储备不断创出新高，这在很大程度上得益于我国外贸出口和我国外贸企业的发展。但是随之而来的问题是对欧、美、日等国的依存度越来越高，尤其是美国，它已成为我国最大的对外贸易出口国，其经济的繁荣与否对我国的出口贸易产生了直接影响。不断攀高的对美外贸依存度，成为了中美贸易摩擦频率越来越高的根本原因，中国的金融危机由此产生了。（二）金融危机对我国对外贸易

12、额影响因素的汇率估算法 1、汇率估算法分析因为外贸的出口和进口都是以美元结算的，所以汇率对我国的外贸出口额的影响是非常大的，其主要表现在以下几个方面：一是受到人民币升值和美元贬值的双重影响，近年来人民币对美元的汇率逐年降低，这将造成出口价格偏低，利润降低，给国内的出口企业造成盈利能力下降。二是中国的出口产品主要以劳动密集型产品为主，这种产品主要以其低廉的价格占领国际市场，如今人民币对美元的汇率降低将导致中国的产品国际竞争力下降。三是外贸企业在国内生产的运营成本将加大，导致企业盈利减少，生产积极性下降。由此可见，汇率的改变对我国对外贸易出口额的影响比较显着，因此用汇率来估算未来对外贸易额走势具有

13、可行性。2、利用汇率估算法对我国对外贸易额走向预测（1）数据的来源和处理 利用中国统计年鉴2006年1月到2009年7月期间我国进出口商品总额和一般贸易总额（详细数据见附件1），分别作出其关于时间的图像。结合2005年7月到2009年9月美元汇率的变化图像，我们可以对我国对外贸易走向进行初步的定性分析。（2）我国对外贸易走向分析图1 美元汇率变化图2 06年1月到09年7月进出口商品总额图3 06年1月到09年7月一般贸易总额首先，我们从图1可以看出美元汇率从2005年5月开始便处于下滑趋势。但是，结合附件3中的数据，我们可以看出，在07年7月以前，美元汇率处于比较平缓的下跌趋势，但是在07年

14、7月到08年7月这一段时间里，美元汇率开始了严重下跌，一直跌至08年7月（详细数据参见附件2）的6.8左右。从美国经济行情方面来看，自07年初美国次贷危机以来，07年7月到08年7月是美国金融危机的高潮阶段，金融衍生机构相继倒闭。因此，我们推测这段时间是金融危机对美国影响最大的阶段。接下来，我们分析图2和图3。结合附件1中的数据，我们可以发现从08年7月开始，一般进出口贸易总额和进出口商品总额开始持续下滑。可见这一阶段我国的进出口额呈现下滑趋势。而这一阶段正处在美元汇率储蓄在6.8这一低谷的阶段。结合三张图的数据，我们可以发现，外贸的持续下滑趋势滞后于美元汇率的下滑。这一点，我们可以进行等性分

15、析。07年初美国金融危机爆发，国内泡沫经济崩溃，导致本国内需求下滑，进出口贸易减少，同时美国石油危机加剧国际地位受到动摇，这都导致了美元汇率的下滑。而美国作为中国最大的贸易出口国，美元贬值人民币升值，必将影响中美之间贸易往来，结合上篇提到的3点因素，我们显然可以推测初美元汇率下降后中国进出口贸易额会持续走低。最后，我们在这里还要提一点的是，在图3中由一个奇点就是在08年1月的时候我国一般贸易总额突然跌到了-190亿美元，我们推测这可能和政府在这一阶段的政策有关，可能限制了某些商品的出口量或是增加了某些商品的出口关税，导致部分企业将出口商品储存起来内销或者等待行情变化时候再出口。但是，这个奇点并

16、不影响后面曲线下滑的整体走势，也和本文所要讨论的课题没有直接关系，因此在这里我们就不再过多讨论这个奇点的问题。综上，我们可以得出结论，金融危机对我国进出口贸易额产生了直接的影响，但是通过曲线可以看出从09年1月左右开始进出口贸易曲线呈现上升趋势（详细数据见附件1），而美元汇率也基本稳定在6.8。由此，我们推断，从这一时间开始金融危机对我国的影响逐步呈现缓和的趋势。四、模型建立前的准备（一）若干假设 1、金融危机对我国的影响最直接地反映在进出口贸易额上，因此本文通过进出口贸易总额来研究金融危机对我国经济的影响程度。 2、影响我国进出口贸易总额的因素很多，本文在不考虑汇率的影响下，将因素分为了国内

17、贸易影响因子和投资影响因子，并认为它们是影响进出口贸易额的最重要因素。同时，由于选取的各个城市统计年鉴上提供的数据不同，我们又将各个城市的影响因素细分为不同的子因素。 3、在模型的建立过程中，不考虑除金融危机以为的国家政策变化或其它重大时间对经济产生的影响。 4、在提取主成分的过程中，不考虑信息量损失对模型及预测结果的影响。（二）数据的来源与预处理 1、数据来源的说明 此次金融危机对我国最直接也是最重大的影响就在于对我国进出口贸易额的影响。为了深入地分析这一问题，并且预计未来几内金融危机对我国的进一步影响以及时采取有效措施，我们具体分析了我国10个沿海城市近年来的进出口贸易变化。考虑到Pane

18、l-Data模型需要充分的数据支持，我们选取了广州、上海、深证、天津、厦门这五个统计年鉴上又大量数据信息的城市作为分析对象。然后我们又选取了包括这五个城市以外的澳门、大连、青岛、温州和珠海来进行灰色预测。本文中所有出现的数据均来自中国统计年鉴。2、评价指标的选取 由于中国统计年鉴上各个城市所给出的数据不同，因此我们针对不同城市制定了不同的指标体系。自此我们将其一一列出如下：深圳进出口总额国内贸易综合因子国际投资综合因子外商及港澳台投资企业投资国内金融机构各项贷款余额国内金融机构各项存款余额社会消费品零售总额外商直接投资厦门进出口总额国内贸易综合因子国际投资综合因子进口总额出口总额实际利用外资金

19、额合同外资金额一般贸易三资企业私营企业集体企业国有企业天津进出口总额国内贸易综合因子国际投资综合因子集体企业进出口总额国有企业进出口总额直接利用外资合同金额外商及港澳台投资企业投资直接利用外资上海进出口总额国内贸易综合因子国际投资综合因子私营企业进出口总额一般贸易进出口总额加工贸易进出口总额外商直接投资实际到位金额外商直接投资合同金额高新技术产品机电产品进出口总额国有企业进出口总额外商投资企业广州进出口总额国内贸易综合因子国际投资综合因子金融机构人民币各项存款余额金融机构人民币各项贷款余额外商及港澳台投资企业金融机构外币余额情况社会消费品零售总额3、汇率影响因素的剔除 考虑到本文中进出口额等几

20、乎所有数据均以亿美元为单位受汇率影响很大，为了保证各个时期的数据可比，本文构建模型时决定剔除汇率因素的影响，对以美元为单位计算的价值量指标使用平均汇率6.90作为标准。五、模型的构建与检验 本部分使用主成分方法，将选取的指标综合为两大综合因子，作为后续模型的自变量。在此基础上，分别对选取的10个沿海城市建立了系数Panel Data模型，并结合实际情况，具体分析了两大综合因子对不同城市进出口贸易总额的影响。（一）利用主成分分析方法构建两大综合因子 主成分分析也称主分量分析，它是将原来众多具有一定相关性的指标，重新组合成一组新的互相无关的综合指标来代替原有指标，从而在保证信息量丢失较小的同时降低

21、数据维度。本文利用主成分分析的方法，根据影响进出口总额的因素分别构建了两个指标，为建立模型奠定了基础。但由于各个城市的数据有所差异，我们针对不同城市选取了不同的子因素来建立这两大综合因子。现分别针对各个城市构建影响综合因子如下：使用马克威软件进行主成分分析（对四个不同的城市）1、深圳A、构建国际投资综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%11.462073.098173.098120.538026.9019100.0000因子载荷矩阵（提取方法：主成分法）因子1外商直接投资0.8550外商及港澳台投资企业投资0.8550根据主成份分析的结果，最终确定的国际投资综合因子为：国

22、际投资综合因子=0.5*外商直接投资+0.5*外商及港澳台投资企业投资B、构建国内贸易综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%12.051368.377468.377420.924530.815499.192830.02420.8072100.0000因子载荷矩阵（提取方法：主成分法）因子1国内金融机构各项存款余额0.9798国内金融机构各项贷款余额0.9764社会消费品零售总额0.3713根据主成份分析的结果，最终确定的国内贸易综合因子为：国内贸易综合因子=0.42*国内金融机构各项存款余额+0.42*国内金融机构各项贷款余额+0.16*社会消费品零售总额2、厦门A、构建

23、国际投资综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%11.378045.934145.934120.902330.075176.009130.719723.9909100.0000因子载荷矩阵（提取方法：主成分法）因子1因子2加权因子1，2一般贸易0.68590.52400.60495合同外资金额-0.57150.78370.1061实际利用外资金额0.76220.11610.43915根据主成份分析的结果，最终确定的国际投资综合因子为：国际投资综合因子=0.5*一般贸易+0.1*合同外资金额+0.4*实际利用外资金额B、构建国内贸易综合因子特征根和累计贡献率因子特征根方差贡献

24、率%累计贡献率%13.821447.767347.767321.462718.284166.051431.215015.187481.238840.47565.944987.183750.40935.116792.300460.34534.316196.616570.14721.839798.456280.12351.5438100.0000因子载荷矩阵（提取方法：主成分法）因子1国有企业0.4605集体企业0.0345私营企业0.7834三资企业0.8485国有企业10.7279集体企业10.6278私营企业10.8512三资企业10.7912根据主成份分析的结果，最终确定的国内贸易综合因子

25、为：国内贸易综合因子=0.0899*国有企业+0.0067*集体企业+0.1529*私营企业+0.1657*三资企业+0.1420*国有企业1+0.1225*集体企业1+0.1661*私营企业1+0.1542*三资企业13、天津A、构建国际投资综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%11.678755.956055.956020.948031.599387.555230.373312.4448100.0000因子载荷矩阵（提取方法：主成分法）因子1直接利用外资0.8607外商及港澳台投资企业投资0.3762直接利用外资合同金额0.8924根据主成份分析的结果，最终确定的国际

26、投资综合因子为：国际投资综合因子=0.4*直接利用外资+0.42*直接利用外资合同金额+0.18*外商及港澳台投资企业投资B、构建国内贸易综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%11.141557.073157.073120.858542.9269100.0000因子载荷矩阵（提取方法：主成分法）因子1国有企业0.7555集体企业0.7555根据主成份分析的结果，最终确定的国内贸易综合因子为：国内贸易综合因子=0.5*国有企业+0.5*集体企业4、上海A、构建国际投资综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%1 2.5682 64.2057 64.2057

27、2 0.8649 21.6235 85.82923 0.5602 14.0040 99.83324 0.0067 0.1668 100.0000因子载荷矩阵（提取方法：主成分法）因子1外商投资企业 0.9565高新技术产品 0.9575外商直接投资合同金额 0.5420外商直接投资实际到位金额 0.6655根据主成份分析的结果，最终确定的国际投资综合因子为：国际投资综合因子=0.3*外商投资企业+0.3*高新技术产品+0.2*外商直接投资合同金额+0.2*外商直接投资实际到位金额B、构建国内贸易综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%1 4.8452 96.9038 96.

28、90382 0.1130 2.2599 99.16363 0.0321 0.6423 99.80594 0.0072 0.1432 99.94915 0.0025 0.0509 100.0000因子载荷矩阵（提取方法：主成分法）因子1国有企业 0.9879私营企业 0.9761一般贸易 0.9936加工贸易 0.9709机电产品 0.9933根据主成份分析的结果，最终确定的国内贸易综合因子为：国内贸易综合因子=0.2*国有企业+0.2*私营企业+0.2*一般贸易+0.2*加工贸易+0.2*机电产品5、广州A、构建国际投资综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%1 1.810

29、7 90.5327 90.53272 0.1893 9.4673 100.0000因子载荷矩阵（提取方法：主成分法）因子1金融机构外币余额情况 0.9515外商及港澳台投资企业 0.9515根据主成份分析的结果，最终确定的国际投资综合因子为：国际投资综合因子=0.5*金融机构外币余额情况+0.5*外商及港澳台投资企业B、构建国内贸易综合因子特征根和累计贡献率因子特征根方差贡献率%累计贡献率%1 2.9234 97.4460 97.44602 0.0620 2.0672 99.51323 0.0146 0.4868 100.0000因子载荷矩阵（提取方法：主成分法）因子1社会消费品零售总额 0.

30、9793金融机构人民币各项存款余额 0.9931金融机构人民币各项贷款余额 0.9889根据主成份分析的结果，最终确定的国内贸易综合因子为：国内贸易综合因子=0.33*社会消费品零售总额+0.335*金融机构人民币各项存款余额+0.335*金融机构人民币各项贷款余额（二）建立进出口贸易总额分析模型 接下来在城市的数据拟合成两类因子的基础上，我们要建立平行数据（Panel Data）模型。建立这个模型前，要进行单位根检验，来看看是不是平行数据。1、理论基础平行数据是指对不同时刻的横截面（就是不同城市）个体作连续观测所得到的多维（时间）数据。由于这类数据有着独特的优点，使平行数据模型目前已在计量经

31、济学、社会学等领域有着较为广泛的应用。平行数据在EViews中被称为时序与横截面混合数据（pooled time series and cross-section data）。平行数据模型是一类利用平行数量分析变量间相互关系并预测其变化趋势的计量经济模型。模型能够同时反映研究对象在时间和横截面单元两个方向上的变化规律及不同时间、不同单元的特性。平行数据模型的基本假设：参数齐性假设。假定时间序列参数齐性，及参数值不随时间的不同而变化。（这些都是前面单位根检验的目的）则平行数据模型可表示为：为外生变量向量，为参数向量，K是外生变量个数，即为影响因子的个数。而T是时期总数，我们分两次看，即一次短期一

32、次长期，长期是05年1月-09年9月，短期即为外贸波动最厉害的时候，我认为可以看08年11月-09年4月的，因为次贷对中国有滞后性。其中参数和都是个体时期恒量（individual timeinvariantvariable）,其取值只受到截面单元不同的影响2、次贷危机以前的Panel Data模型（1）单位根检验LLC 检验比较适合对截面个数在10-250 之间的面板数据进行平稳性检验，因此本文采用此种方法对人均GDP 指标进行单位根检验。方法统计量PLLC 调整的t*1.2608230.896314（2）Panel Data模型得到的结果模型： 个体变系数模型方法： 最小二乘法时间长度：

33、27个体数： 5观测值数： 135样本范围： 2006_02月-2008_04月马克威分析：变量系数标准误差t显着性上海-国内贸易综合因子 12.0243 1.7678 6.80190.0000上海-国际投资综合因子 -9.2057 1.8248 -5.0448 0.0000广州-国内贸易综合因子 -0.2890 0.7252 -0.3985 0.6910广州-国际投资综合因子 0.9223 0.9716 0.9492 0.3443深圳-国内贸易综合因子 0.0776 0.0285 2.7250 0.0074深圳-国际投资综合因子 0.3833 0.0849 4.5174 0.0000厦门-国

34、内贸易综合因子 6.2762 9.4816 0.6619 0.5092厦门-国际投资综合因子 0.3413 7.9868 0.0427 0.9660天津-国内贸易综合因子 13.4316 7.6265 1.7612 0.0807天津-国际投资综合因子 2.6747 1.8718 1.4290 0.1555变系数方程求得的结果进出口总额上海=12.0243*国内贸易综合因子上海-9.20571*国际投资综合因子上海进出口总额广州=-0.288972*国内贸易综合因子广州+0.922286*国际投资综合因子广州进出口总额深圳=0.0776286*国内贸易综合因子深圳+0.383343*国际投资综合

35、因子深圳进出口总额厦门=6.27618*国内贸易综合因子厦门+0.341296*国际投资综合因子厦门进出口总额天津=13.4316*国内贸易综合因子天津+2.67466*国际投资综合因子天津3、次贷危机期间的Panel Data模型（1）单位根检验方法统计量PLLC 调整的t*-0.8815390.189013（2）Panel Data模型得到的结果模型： 个体变系数模型方法： 最小二乘法时间长度： 21个体数： 5观测值数： 105样本范围： 2007_11月-2009_07月马克威分析：变量系数标准误差t显着性上海-国际投资综合因子 0.5820 0.9262 0.6284 0.5312上

36、海-国内贸易综合因子 2.2695 0.8943 2.5379 0.0128深圳-国际投资综合因子 0.5647 0.0262 21.52320.0000深圳-国内贸易综合因子 0.0030 0.0078 0.3807 0.7043广州-国际投资综合因子 0.8909 0.2166 4.1142 0.0001广州-国内贸易综合因子 -0.2808 0.1575 -1.7832 0.0778厦门-国际投资综合因子 0.1734 3.4825 0.0498 0.9604厦门-国内贸易综合因子 6.4269 4.3758 1.4687 0.1452天津-国际投资综合因子 2.3677 0.5818

37、4.0697 0.0001天津-国内贸易综合因子 12.0871 2.4037 5.0285 0.0000变系数方程求得的结果进出口总额上海=0.582044*国际投资综合因子上海+2.26955*国内贸易综合因子上海进出口总额深圳=0.564725*国际投资综合因子深圳+0.00297082*国内贸易综合因子深圳进出口总额广州=0.890944*国际投资综合因子广州-0.280775*国内贸易综合因子广州进出口总额厦门=0.173419*国际投资综合因子厦门+6.42691*国内贸易综合因子厦门进出口总额天津=2.36765*国际投资综合因子天津+12.0871*国内贸易综合因子天津4、模型

38、结果的分析 由于各个城市所采用的指标不同，因此我们在这里对各个城市单独分析。上海：金融危机以前上海国企、私企、一般贸易和加工机电的进出口占有很大份额，而外商直接投资并为给上海进出口总额作出贡献。但金融危机之后，上海国内贸易进出口量大幅减少，而外商直接投资和高新技术产品为进出口所作贡献急剧上升。由此，我们可见金融危机对上海内陆进出口有比较大的影响，但可能与此同时，由于国外金融危机形势严峻，导致了很多外商来华投资，又促进了上海的进出口总额。广州：广州作为珠江三角洲的中心城市，在此次金融危机中扮演了稳定器的角色，各项指标都未产生很大波动。这可能要归功于广州今年来的产业结构调整，从拉动经济的“三驾马车

39、”看，出口“腿长”、消费和投资“腿短”的格局已经改变。广州的社会消费品零售总额以及金融机构存款和贷款都有所提高，但与此同时金融机构外币余额以及外商投资在减少，这可能也是一定程度上受到金融危机冲击的缘故。但总的来说，广州并为受到金融危机的严重影响。深圳：深圳作为珠江三角洲第一个依靠外贸发展起来的城市，在此次金融必定受到比较大的影响。但是从分析数据可以看出，深圳及时作出了产业结构调整，将以前的外向型经济体制改造成了以扩大内需为主导的经济体制。金融危机之后，深圳的社会消费品总额、国有企业存款和贷款额都有明显上升，但与此同时外商投资下滑较为严重，这可能是由于金融危机的影响。厦门：在金融危机的影响下，厦

40、门市的内陆进出口额大幅下跌，但是外商投资却持续上升。我们认为这和厦门的地理位置有关，福建省临近台湾，台湾此次受金融危机较为严重，因此很多台商可能会将目光转移到大陆，因此促进了厦门市的外商投资份额。天津：天津的情况和厦门极为相似，我们认为这可能也是天津的地理位置所致。天津靠近首都北京，因此，具有吸引外商的得天独厚的条件。5、模型不足之处及今后研究方向 本文力图通过综合性的因子指标，多方面反映各类因素对区域经济的影响。但在具体指标选取上又由于各个城市所提供的数据不一样，而无法达成一致，这导致我们在将各个城市平等比较时产生了一些困难。同时，由于数据不足，其它一些可能影响到进出口总额的因子我们可能并未

41、考虑进去。诸如此类的问题，如果今后能提供更加完备的数据，我们将进行更加深入的分析。六、灰色预测模型的建立与预测 灰色预测模型时普适性的模型，我们对于十个城市都会用灰色预测模型对进出口总值分别作出预测。（一）灰色预测理论与模型 灰色预测是指利用模型对系统行为特征的发展变化规律进行估计预测，同时也可以对行为特征的异常情况发生的时刻进行估计计算，以及对在特定时区内发生事件的未来时间分布情况做出研究等等。这些工作实质上是将随机变量过程当作灰色过程，随机变量当作灰变量。模型是利用离散随机数经过生成变为随机性被显着削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。（

42、二）选择灰色预测模型进行预测的原因 之所以选择GM(1, 1)灰色预测模型进行经济状况复苏的预测，主要考虑到以下两点：第一，经济特区的经济作为一个经济信息系统是一个灰箱系统，它既包括已知信息，又含有未知数据，同时它又随时间呈现规律性的变化，为寻求其发展规律，考虑采用GM(1, 1)灰色预测模型进行研究。第二，GM(1, 1)模型对于数据量的要求较少，一般4-6 个数据就可以建立起一个模型，可操作性很强。第三，次贷危机的显着影响是一个短期的过程，而GM(1, 1)灰色预测模型对于短期预测较为有效。但缺点也很明显，就是无法对影响变量增长的因素进行分析。（三）灰色预测模型的建立及预测 由已知数据，对

43、于某项指标即为矩阵，计算每年平均值，记为 ，对作一次累加，则，记。取的加权均值，则为确定参数，记。于是的白化微分方程模型为其中是发展灰度，是内生控制灰度。由于，取为灰导数，为背景值，则将方程对应为相应的灰微分方程为即矩阵形式为 其中用最小二乘法求得参数的估计值为 于是方程有响应（特解） 则 由上式可以得到2009年的平均值为，则预测2009年的总值为。根据历史数据，可以统计计算出2009年第个月的指标值占全年总值的比例为，即 则，于是可得2009年每一个月的指标值为。预测结果如下：表1 2008年2月至12月10个城市进出口贸易总额实际值与估测值对比单位：亿美元（其中澳门的数据为进出口贸易余额

44、，取自澳门统计年鉴）时间澳门实际值 澳门预测值大连实际值大连预测值2008年2月-1628.68-1601.25532927.182368242008年3月-2030.76-2231.65002936.5835.464314492008年4月-2024.08-2427.49235836.1738.04374482008年5月-1649.07-2187.67667936.2335.069009332008年6月-1737.79-2076.04272146.5936.95139892008年7月-2116.11-2164.46233141.140.34366022008年8月-1879.49-22

45、23.77853583.538.900395342008年9月-1782.86-2088.17489541.3840.057227052008年10月-2011.6-2210.97331336.8734.530250822008年11月-1929.46-2283.52726935.7841.049467612008年12月-1954.22-2301.70404632.5440.10916093广州实际值广州预测值青岛实际值青岛预测值深圳实际值深圳预测值48.4948.8429119234.1432.46844816193.54209.28777968.6969.3488326242.67639

46、966230.51255.588171969.9572.0114758346.1245.09077605239.85268.26994872.0166.6215724840.60179238251.19264.383879570.7373.2679429247.0445.76751379256.39288.41588182.5176.9191753751.4545.7545136267.88289.048263274.6573.8546947749.5348.23524037270.48302.179125975.7379.0641409751.5850.29556708290.01320.3

47、91381670.772.3512047143.1444.80886369271.75312.144266759.9872.0377211944.1748.30416507252.25333.147965760.2773.789075840.5348.37637896255.62356.4957811天津实际值天津预测值温州实际值温州预测值珠海实际值珠海预测值109.18106.00518288.40779.0684021963.1860.95749426128.93125.76674298.57489.248633407106.9439100.3303715139.06135.5284651

48、1.717812.63861974143.6254137.2286935149.63136.426365611.761212.68543024185.8464175.7817217144.85142.206033812.830813.8390826228.911215.5775514170.63151.474732214.630315.77999269272.2387258.6175236152.49147.644265813.448314.5051076318.8317303.5309337154.74150.433420812.421313.39740287368.2688351.3995

49、739132.85130.450826811.633412.54758733407.9388395.545701109.76135.25972389.310610.04225477440.2893439.2396705117.86144.033707712.2166133649476.279318上海实际值上海预测值厦门实际值厦门预测值227.48240.278422929.734930.86257731264.32288.11694838.63213835296.695319641.106142.12518322269.98265.1041

50、70937.611338.42385297262.55286.263999938.029241.53205681310.71305.113367242.692442.97947234289.87313.424853641.477343.1219505299.98326.878841940.920443.9684485274.79299.80774138.52641.70743128242.96317.582688832.534540.70362129226.8296.050385635.677245.6081451通过比较08年2月到12月各城市进出口贸易实际值与预测值可知：运用灰色模型得到的

51、预测值要比实际值略大一些，这是因为灰色预测模型中没有考虑金融危机的影响，而实际上金融危机对我国进出口总额产生了一定影响，因此预测值会偏大。但是，总体上来看，预测的趋势以及偏差都比较小，因此用该模型来预测我国进出口贸易未来的走势是可行的。（四）由模型得到在次贷危机余波影响下我国失业率未来几年走势 接下来，我们通过05到08年的数据来预测09和10年的数据,如下：表2 2009年2月至12月进出口总额预测时间 澳门预测值大连预测值广州预测值青岛预测值深圳预测值2009年2月-1789.05372238.4990706653.4171909537.62342212209.2877792009年3月-

52、2493.38235950.2289990775.8435500349.45207702255.58817192009年4月-2712.19346553.8823109978.7555574352.24978086268.2699482009年5月-2444.25172849.6691184572.8608741547.048087264.38387952009年6月-2319.52511952.3351940780.1296962753.03396339288.4158812009年7月-2418.31475657.1397389184.1228771453.01889917289.0482

53、6322009年8月-2484.58768255.0956066680.7713991255.893487763029月-2333.08017856.7340564686.4687249358.2809299320.39138162009年10月-2470.28063848.9060612479.127102951.9231096431211月-2551.34386558.1393916878.7842607555.9733555433312月-2571.65245156.8076117280.6996347456.

54、05703473356.4957811天津预测值温州预测值珠海预测值上海预测值厦门预测值133.222635510.0442357876.33487009261.435666433.73165321158.058092210.24386134125.6401033313.486518741.73218736170.326193713.99863768171.8465402322.820241946.04126405171.454635414.05048537220.1251061288.447396941.99584727178.718267515.32828008269.9599874311

55、.470412945.39299887190.366758517.47804783323.8573912331.979524246.97497041185.552797416.06597477380.1008338341.022862147058084314.83907203440.0450044355.661514948.05588469163.94484213.89780945495.3276061326.206721545.58467667169.988451611.12288279550.0439872345.546807444.48754955181.015

56、207314.59452774596.4274009322.118519549.848012312010年的数据预测如下：表3 2010年2月至10月进出口总额预测时间澳门预测值大连预测值广州预测值青岛预测值深圳预测值2010年2月-2246.78921449.6096265260.1324488343.83101525227.43525022010年3月-3131.32273464.724728285.3781022657.61131285277.75037852010年4月-3406.11740669.4323597688.6561880760.87061763291.5317991201

57、0年5月-3069.62186364.0032700582.0204639854.81068182287.30876722010年6月-2912.98352667.4387559890.2030746161.78418462313.42459832010年7月-3037.04882873.6298580394.698251961.76663491314.11181482010年8月-3120.27790870.9958038690.9254481265.11550987328.38126262010年9月-2930.00669273.1070985297.3390042567.89686273

58、34810月-3102.31035863.0289.0744417960.49004801339.21048682010年11月-3204.11388874.9180034288.6884997865.20855526362.03542942010年12月-3229.61849473.2018813290.84466265.30604092387.4077481天津预测值温州预测值珠海预测值上海预测值厦门预测值168.025934511.9242640193.48446226307.967179739.44550232199.349446312.16125445153

59、.8667384369.282280348.80125748214.822486716.61883045210.4540347380.277262153.84025435216.245724416.68038273269.5789899339.786581249.10957909225.406919618.19734846330.6099063366.907338853.08217868240.098481420.74949864396.6160423391.066755254.93212245234.026913319.07312103465.4952842401.719667855.114

60、22398238.44792717.61657297538.9066694418.963774756.19613423206.774060316.49912972606.6092055384.266482753.30632503214.396512313.2048066673.6183122407.048805452.02335411228.303915817.32625613730.4223454379.45064458.2918327（五）预测结果分析为了更加清楚地研究预测结果，我们将上述预测结果绘制成了图像，方便我们观察。图4 2008年进出口额预测图像图5 2009年进出口额预测图像图