中国进出口总额影响因素的回归分析论文

《中国进出口总额影响因素的回归分析论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

计量经济学课程论文中国进出口总额影响因素的回归分析目录一、引言二、模型设定三、平稳性检验四、参数估计五、模型的检验及修正 （一）经济意义检验（二）统计意义检验1、拟合优度检验（R2检验）2、F检验3、t检验（三）计量经济检验1、多重共线性检验2、异方差检验3、序列相关性检验六、结论七、政策建议摘要：中国加入WTO以来，对外贸易飞速发展，而作为一个国家经济体中的重要组成部分，对外贸易对于中国的经济发展也起到了越来越重要的作用。基于1993一2013年度中国货物进出口总额的数据，选取关税、国内生产总值、对外承包工程完成营业额三个经济指标作为主要影响因素利用Eveiws软件建立模型，对中国货物进出口总额的影响因素进行回归分析。通过模型的建立和对实证分析结果的总结，我们确定了居民消费价格指数和国内生产总值对消费水平的具体量化影响，得出回归方程和相应结论，并结合结论给出了相应的政策性建议。关键词： 中国货物进出口总额；关税；国内生产总值；对外承包工程完成营业额；回归分析；政策建议一、引言改革开放以来，我国市场不断放开，对外贸易不断增强，1993年我国进出口额1957亿美元，2005年进出口额为41590亿美元，增长了二十倍之多。1978年，我国货物进出口总额仅排在世界第二十九位。2011年则比1978年增长186倍，年均增长16.6%，居世界第二，连续3年成为世界最大出口国和第二大进口国。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。但我们需认识到对外贸易是一把“双刃剑”控制贸易差额在合理的规模中变化，可以更好的扩大内需，加快国内的经济增长，使得经济效用最大化，并且能减少贸易摩擦，减少由自然、政治等不可抗因素带来的风险。但若对外贸易发展失衡，只会适得其反，后果也是很严重的。因此我们需要研究中国进出口总额与中国那些经济因素有关具有深刻的现实意义，以便知道我们到底如何调控相关的因素。本文研究了中国进出口总额与关税、国内生产总值、对外承包工程完成营业额之间的关系。分析之间存在的关系与影响因素。二、模型设定：为了具体分析各要素对提中国进出口总额的影响大小，选择中国进出口总额为解释变量，选择能影响中国进出口总额的关税、国内生产总值、对外承包工程完成营业额为解释变量，设定如下经济学模型Y=β0+β1X1+β2X2+β3X3+µ其中：Y=进出口总额(百万美元)X1=关税(亿元)X2=国内生产总值(亿元)X3=对外承包工程完成营业额(万美元)如模型所示，被解释变量与解释变量之间呈线性关系。β0为截距系数，它表示当解释变量均为零时，被解释变量消费需求的情况，它是不受解释变量影响的中国进出口总额的起始值；β1、β2、β3、为斜率项系数，表示当解释变量变动一个单位，被解释变量Y相应的变化β1、β2、β3个单位；µ为随机干扰项，将影响Y的其他因素归入其中。附录表1是由国家统计局网站整理得出的1993到2013的相关数据三、平稳性检验 由于所采用的数据均为时间序列数据，而时间序列的平稳性是对时间序列计量分析的有效性基础，故应先对数据进行平稳性检验。1、对lnY进行平稳性检验如下：由线性图1-1可知，lnY序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-1），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0079，拒绝原假设，所以可以得出结论，lnY序列不存在单位根，为平稳序列。图1-12、对lnX1进行平稳性检验如下：由线性图1-2可知，lnX1序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-2），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0109，拒绝原假设，所以可以得出结论，lnX1序列不存在单位根，为平稳序列。 图1-21、对lnX2进行平稳性检验如下：由线性图1-3可知，lnX2序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-3），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0175，拒绝原假设，所以可以得出结论，lnX2序列不存在单位根，为平稳序列。图1-3 1、对lnX3进行平稳性检验如下：由线性图1-4可知，lnX3序列存在截距无趋势项，故选择带有截距无趋势项进行单位根检验（见附录表2-4），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0389，拒绝原假设，所以可以得出结论，lnX3序列不存在单位根，为平稳序列。图1-4四、参数估计：利用Eviews软件，根据表1数据，做lnY对ln(X1）、ln(X2)、ln(X3)的回归，回归结果见附录表3。根据表中数据，模型回归分析的结果为：lnY=1.+0.ln(X1）+0.ln(X2)+0.ln(X3)（1.）（2.）（1.）（1.）R2=0.调整R2=0.D.W.=0.F=298.8682五、模型的检验及修正：（一）经济意义检验：在选取变量的时候已详细地分析了各个变量对被解释变量的影响。国内生产总值与进出口贸易总额成正相关关系的，国内生产总值增加，进出口贸易总额显然也会增加。越多地进行对外承包工程就会越多地给进出口贸易带来机会，给越多的中国出口商创造契机。因此，对外承包工程完成营业额也应该与进出口贸易总额有正的相关关系。所以，上述模型中的系数基本符合经济意义。 （二）统计意义检验1、拟合优度检验（R2检验）回归方程的可决系数R2=0.，这说明总离差平方和中的98.1392%。被样本回归直线解释，只有接近2%的部分未被解释，因此样本回归直线对样本的拟合优度非常高。但R2中会掺杂解释变量个数对拟合优度的影响，因此要用残差平方和与总离差平方和分别除以其各自的自由度，也就是调整后的判定系数表示。调整R2=0.，这一解释度同样非常高。2、F检验针对H0：β1=0，给定显著性水平α=0.05，在F分布表中查处自由度为k—1=2和n—k=19的临界值Fa（2，19）=3.52，由表2中可得F=298.8682>Fa（2，19）=3.52，应拒绝原假设H0：β1=β2=0，说明回归方程显著，即关税、国内生产总值、对外承包工程完成营业额对被解释变量“进出口总额”有显著影响。3、t检验分别针对H0：βj=0（j=0，1，2），给定显著性水平α=0.05，查t分布表的自由度为n—k=19的临界值t（2/a）（n—k）=1.725，由表2中的数据可得，与β0、β1、β2、β3对应的t统计量分别为1.、2.、1.、1.，其绝对值不全大于t（2/a）（n—k）=1.725，这说明在显著水平α=0.05下，只有β1和β3能拒绝H0：βj=0（j=0，1，2，3），也就是说，当在其他解释变量不变的情况下，各个解释变量关税、国内生产总值、对外承包工程完成营业额分别对被解释变量“进出口总额”不全都有显著影响，这可能是由于多重共线性或自相关性的影响。（三）计量经济检验1、多重共线性检验（1）用普通最小二乘法估计模型lnY=1.+0.ln(X1）+0.ln(X2)+0.ln(X3)（1.）（2.）（1.）（1.）R2=0.调整R2=0.D.W.=0.F=298.8682由于R2较大且接近于1，并且F=298.8682>Fa（4，16）=3.01，故认为税收收入与上述变量间总体线性关系显著。（2）检验简单相关系数ln(X1)、ln(X2)、ln(X3)的相关系数如下表所示由表中数据可以发现，ln(X1)、ln(X2)、ln(X3)之间存在高度相关。（3）找出最简单的回归形式 ln(Y)分别对ln(X1)、ln(X2)、ln(X3)做如下回归：将ln(Y)与ln(X1)做回归分析得到具体回归结果见附件表4-1lnY=5.+1.ln(X1)(11.36628)(18.42858)R2=0.D.W.=0.将ln(Y)与ln(X2)做回归分析得到具体回归结果见附件表4-2lnY=-1.+1.ln(X2)(-2.)(26.18559)R2=0.D.W.=0.将ln(Y)与ln(X3)做回归分析得到具体回归结果见附件表4-3lnY=1.-0.ln(X3)(2.)(22.87167)R2=0.D.W.=0.综上，进出口总额受国内生产总值的影响最大，选择（2）为初始的回归模型。（4）逐步回归将其他解释变量分别归入上述初始的回归模型，以寻找最佳回归方程。在初始模型中分别引入变量X1、X3引入变量X1，回归结果见附件表5-1lnY=0.+0.ln(X1)+0.ln(X2)(0.)(1.)(5.)R2=0.D.W.=0.引入变量X3，回归结果见附件表5-2lnY=-0.+0.ln(X2)+0.ln(X3)(-0.)(2.)(1.)R2=0.D.W.=0.综上分析，发现引入变量X1、X3后，模型的拟合优度均有提高。因此，最终的税收收入函数应是以Y=F(X1，X2，X3)为解释变量的回归结果。所以新模型估计结果与原模型相同2、异方差检验（1）图示法检验：模型普通最小二乘法得到的残差平方和e与ln(X1)、ln(X2)、ln(X3)的散点图如下所示 （2）利用G-Q经验法检验模型是否存在异方差性：将原始数据按X2排成升序，去掉中间4个数据，得到两个容量为8的子样本，对两个子样本分别作最小二乘回归，得到以下数据：子样本一（具体回归数据见附录表6-1）lnY=6.+0.ln(X1)+0.ln(X21)+-0.ln(X3)(5.)(4.)(4.)(-1.)R2=0.RSS1=0.子样本一（具体回归数据见附录表6-2）lnY=5.+0.ln(X1)+1.ln(X22)+-0.ln(X3)(3.)(1.)(2.)(-1.)R2=0.RSS2=0.计算F统计量：F=RSS2/RSS1=0./0.=2.在5%的显著水平下，自由度为（6，6）的F分布的临界值为4.28，由于RSS2/RSS1=2.<4.28，因此接受H0，表明模型不存在异方差性。（3）采取怀特检验记ei2为对原始模型进行普通最小二乘回归得到的残差平方项，回归具体结果见附录表7。ei2=5.+2.ln(X1)-0.(lnX1)2-0.ln(X1)ln(X2)+0.ln(X1)ln(X3)-0.ln(X2)-0.(lnX2)2+1.ln(X2)ln(X3)-1.ln(X3)-0.(lnX3)2 (0.)(1.)(-0.)(-0.)(0.)(-0.)(-1.)(1.)(-0.)(-1.)R2=0.显然解释变量及其平方项与交叉项没有通过t检验，且怀特统计量nR2=21×0.=11.，该值小于自由度为5的χ2分布的临界值，因此在5%的显著性水平下，接受同方差假设。（4）总结综上分析可知，原模型不存在异方差。2、序列相关性检验图示法检验：残差项et与实践序列t以及et与et-1的关系图如下。 从趋势图看，曲线与X轴有六个交点，大部分点位于X轴两侧，模型可能存在序列相关，且为正序列相关；从散点图看，大部分点位于一三象限，结论同上。模型是否确实存在正序列相关，有待进一步检验。D-W检验从模型设定来看，没有违背D-W检验的假设条件，因此可以用D-W检验模型是否存在自相关。（回归具体数据见附录表5-2）根据表中估计的结果，有D.W.=0.，给定的显著性水平α=0.05，查Durbin-Watson表，n=21，k=4，得dl=1.03，du=1.67。因为D.W.统计量为：0<0.