我国进出口总额影响因素的建模与预测
2023-09-08 09:06:00
论文总字数：10825字
摘 要
：文章采用多元线性回归分析方法对我国进出口总额1980年至2017年的数据进行分析，根据影响进出口的因素建立多元线性回归模型并分析.通过SPSS软件逐步回归法对建立的初等模型进行修正，进而得到新模型.再利用新模型进行预测.关 键 词：进出口总额，回归分析，多重共线性，逐步回归法
Abstract: This paper uses multiple linear regression analysis method to analyze the data of China"s total export-import volume from 1980 to 2017. Based on the factors affecting import and export，a multiple linear regression model is established and analyzed. The established elementary model is adjusted by SPSS software stepwise regression method，and then a new model is obtained. The new model is used for prediction.
Keywords: total export-import volume，regression analysis，multi-collinearity，stepwise regression
目 录
1 引言 4
2 预备知识 4
2.1 逐步回归法 4
2.2 回归方程的显著性检验--F检验 4
2.3 回归方程的显著性检验--T检验 5
2.4 多重共线性 5
3 初等模型的建立 5
3.1 模型变量的选择 5
3.2 模型变量间相关性分析 6
4 模型的建立与检验 7
4.1 初等模型的建立 7
4.2 模型的多重共线性的判别与修正 8
4.2.1 多重共线性的判别 8
4.2.2多重共线性的修正 9
4.2.3 模型的确立 11
5 预测 12
结 论 13
参 考 文 献 14
致谢 15
1 引言
进出口贸易是在一定的历史条件下诞生和发展起来的.我们知道，形成进出口贸易需要两个最基本的条件，首先是社会生产力的发展推动可供交换的剩余产品的诞生；其次是主权国家的出现.社会生产力的快速发展产生了用于交换的剩余商品，这些剩余商品在国家或地区与国或地区之间交换，就推动了国际间的进出口贸易的形成[1].
但高速的发展，其内部都会隐含着不可避免的问题.故而，分析对我国进出口贸易产生影响的宏观经济因素，以此进行相应政策的制定，对我国经济发展有着重要的指导性意义.其一，在贸易进程中，人才、技术、管理经验等的引进能够使企业的销售渠道不断壮大，进而提升社会就业率和人民生活水平；其二，经济的开放性特征能够在一定程度上推进国际合作的强化以及国家外汇的稳定.
研读相关论文，张晓静采用最小二乘法和多元线性回归分析法对1995-2014这20年中国的进出口贸易总额影响因素进行研究，最终得出国内生产总值对进出口总额起着至关重要的作用和关税对进出口总额存在间接拉动作用的重要结论[2].熊釜通过EViews软件对学术界广泛认可的影响进出口总额的三个因素，即国内生产总值、人民币对美元加权平均汇率和实际利用外资总额进行数量分析，发现这些因素与进出口贸易总额有很强的相关性，告诫我们为了能在未来的国际竞争中立于不败之地，那么就要不断地尝试积累各种理论分析与实际相结合的经验[3].
本文在诸多学者已有的研究基础上，继续尝试选取其他因素做分析，试图找到更合适的变量建立多元回归模型并进行预测.
2 预备知识
2.1 逐步回归法
逐步回归的基本思想是指在建立模型时，将变量逐个引入模型，并且每引入一个变量都要对方程作F检验和T检验.使得每引入新的变量之后方程的显著性都有所提高，如若并没有显著提高，则将其删除.循环往复，直到没有因解释变量的引入而方程的显著性有所提高为止，以确保每次引入的变量都是显著的，即保证最后得到的方程中的解释变量全是最佳的[4].
2.2 回归方程的显著性检验--F检验
方程的显著性检验，旨在对模型中解释变量对被解释变量的联合影响程度是否显著作出判断.在一元线性回归模型中，我们假设是否为.而在含有个回归变量的多元线性回归中，我们需要假定所有的回归系数是否为.
不全为零
该假设检验通过计算统计量来进行分析：
， （1）
其中总偏差平方和，残差平方和，回归平方和，且存在关系式.给定显著性水平，根据自由度确定临界值与计算所得的统计量进行比较，或通过计算概率值与显著性水平进行比较，来检验回归方程的显著性.当或则拒绝原假设，说明线性关系显著；否则接受原假设.
2.3 回归系数的显著性检验--T检验
每建立一次模型都要对回归系数的显著性作检验，具体如下
该假设通过计算检验量来进行分析：
， （2）
给定的显著性水平，根据自由度确定临界值，当或时，拒绝原假设，即认为该变量与被解释变量显著相关；否则接受原假设.
2.4 多重共线性
在现实问题中，各个解释变量之间存在不同程度的相关性是一件很正常的事情，但是如果在多元回归分析中存在多重共线性就会对研究结果产生很严重的问题.首先，多重共线性问题可能导致回归方程中变量的符号与预期的相反.其次，可能会把回归分析的结果引入歧途[5].
3 模型的初步建立
3.1 模型变量的选择
结合相关学者的研究论文以及西方经济学常识，文章选取表1中的6个因素作为解释变量，我国进出口总额（）为被解释变量.
表1 解释变量符号及含义
符号 | 含义 | 单位 |
国内生产总值 | 亿元 | |
人民币对美元汇率[6] | (美元=100)(元) | |
年末总人口 | 万人 | |
社会消费品零售总额 | 亿元 | |
外汇储备 | 亿美元 | |
全社会固定资产投资 | 亿元 |
3.2 模型变量间相关性分析
为了从数据上看出各个解释变量之间的相关关系，下表2通过SPSS软件计算出所有变量间相关系数.
表2 变量间相关性 | ||||||||
|---|---|---|---|---|---|---|---|---|
Y | X1 | X2 | X3 | X4 | X5 | X6 | ||
Y | Pearson 相关性 | 1 | .970** | .341* | .838** | .950** | .974** | .939** |
X1 | Pearson 相关性 | .970** | 1 | .290 | .792** | .997** | .946** | .991** |
X2 | Pearson 相关性 | .341* | .290 | 1 | .778** | .265 | .231 | .208 |
X3 | Pearson 相关性 | .838** | .792** | .778** | 1 | .766** | .767** | .728** |
X4 | Pearson 相关性 | .950** | .997** | .265 | .766** | 1 | .928** | .997** |
X5 | Pearson 相关性 | .974** | .946** | .231 | .767** | .928** | 1 | .931** |
X6 | Pearson 相关性 | .939** | .991** | .208 | .728** | .997** | .931** | 1 |
**. 在 .01 水平（双侧）上显著相关. 剩余内容已隐藏，请支付后下载全文，论文总字数：10825字
您需要先支付 80元 才能查看全部内容！立即支付
最新文档
| ||||||||
