我国进出口贸易对我国GDP的影响

计量经济学论文姓名：班级：学号：我国进出口贸易对我国GDP的影响【摘要】自改革开放以来，国家坚持“引进来”与“走出去”相结合的贸易方针，不但使中国逐渐在国际上打开经济局面，也使中国在经济上获得长足发展。近年来，我国进出口贸易对经济发展产生越来越大的影响。中国人口数众，是加工业大国，因此，加工贸易在所有进出口贸易中所占比例偏大。本论文就我国进出口贸易占GDP比重作计量分析。【关键词】国际贸易GDP多重共线性异方差性自相关性【提出问题】1.目的与意义改革开放以来，我国对外贸易取得巨大成就，尤其是从我国加入世界贸易组织以后，中国对外贸易在经济发展中发挥了极其重要的作用。但是面临的挑战与压力也日益突显。我国对外贸易总额位居全球第二，出口位列第一，但是我国在国际分工中一直扮演着“国际工厂”的角色。我国出口贸易中大多是劳动密集型产品，技术含量较低附加值不高，资本密集型产品的出口额较低，说明我国的出口贸易结构不完整，处于不发达阶段。距离发展成为对外贸易强国还有很大一段距离。分析这个问题，让我们清楚的了解加工贸易对我国对外贸易的重大影响，并以此调整各种进出口贸易种类，使发展均衡。2.理论依据从概念上讲，GDP的计算是所有最终消费品价值的加总，表达式为y=C+I+G+X-M。其中C就是消费品中由家庭个人等消费的那部分；I是消费品用于私人投资的那部分；G就是被政府购买的部分；X-M指净出口。由GDP计算公式知进出口贸易额与GDP有关联。3.模型建立按贸易方式把进出口贸易分为一般贸易，加工贸易和其他贸易。其中加工贸易,主要指对外加工装配、中小型补偿贸易和进料加工贸易。发展加工贸易的好处是投资少，时间短，见效快，有利于充分利用我国丰富的劳动力资源，有利于扩大出口，增加外汇收入。一般贸易是与加工贸易相对而言的贸易方式。一般贸易指单边输入关境或单边输出关境的进出口贸易方式，其交易的货物是企业单边售定的正常贸易的进出口货物。其他贸易为除了一般贸易和加工贸易以外的进出口贸易。设Y=GDP，X1=一般贸易，X2=加工贸易，X3=其他贸易。由于没有进出口贸易对GDP的相关经济理论模型，我们简单的以Y=ß1+ß2X1+ß3X2+ß4X3+U为我们的理论模型。4.收集数据下以是1985至2008年间的GDP值以及进出口贸易额年份国内生产总值一般贸易净出口额加工贸易净出口额其他贸易净出口额19853070.23-135.42-9.58-419862975.9-101.12-10.83-7.6519873239.738.71-11.97-34.4419884041.49-25.82-10.45-41.2319894513.11-40.6226.21-51.5919903902.7992.666.6-71.819914091.7385.874-78.619924882.22100.680.8-137.919936132.2351.578.8-252.419945592.24260.494.1-300.519957279.81280153.3-266.319968560.85234.8220.6-333.219979526.53389.44293.96-279.2199810194.62305.55358.55-229.36199910832.79120.95373.04-201.67200011984.7551.02450.94-260.87200113248.18-15.75534.59-293.4200214538.270.76577.27-343.77200316409.66-56.17789.47-477.77200419316.44-45.391062.76-696.47200522366.22354.31424.55-758.85200626584.15831.261888.83-945.34200733838.191098.442490.85-971.03200843292.39907.692967.36-893.751.检验模型（1）首先对模型进行初步回归得如下结果：DependentVariable:YMethod:LeastSquaresDate:12/31/13Time:01:32Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C4419.351485.15019.1092450.0000X1-2.8916591.597949-1.8096070.0854X212.565581.05890411.866590.0000X3-2.8792242.602890-1.1061640.2818R-squared0.984839Meandependentvar12100.60AdjustedR-squared0.982565S.D.dependentvar10453.68S.E.ofregression1380.325Akaikeinfocriterion17.44904Sumsquaredresid38105930Schwarzcriterion17.64538Loglikelihood-205.3884Hannan-Quinncriter.17.50113F-statistic433.0592Durbin-Watsonstat0.509047Prob(F-statistic)0.000000根据数据看出，可决系数和修正可决系数分别为0.984839和0.982565，F的检验值为433.0592，明显显著，数据拟合。但当a=0.05时，tα/2(n-k)=2.080，说明x1与x3的t检验不显著，而且x1与x3系数的符号与经济解释相反。可能存在多重共线性。（2）选择Y，X1，X2，X3做相关系数矩阵得下表：YX1X2X3Y1.0000000.7955900.990785-0.931907X10.7955901.0000000.829745-0.788980X20.9907850.8297451.000000-0.930806X3-0.931907-0.788980-0.9308061.000000由相关系数矩阵可以看出，由相关系数矩阵可以看出，各解释变量之间的相关系数很高，证实确实存在多重共线性。（3）修正多重共线性，采用逐步回归的方法，分别作Y对X1，X2，X3的一元回归，得结果如下：变量X1X2X3参数估计值25.6860612.61014-32.0946t统计量值6.15950634.31144-12.0515可决系数0.6325630.9816560.868451修正可决系数0.616280.9808220.862472其中，加入X2的修正可决系数最大，以X2为基础，顺次加入其它变量逐步回归。结果如下：变量X1X2X2X3修正可决系数0.9823790.980676经比较，加入X1，X3对X2的可绝系数几乎没有影响，因此可以把X1，X3剔除，最终得DependentVariable:YMethod:LeastSquaresDate:12/31/13Time:13:48Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C4763.734364.758013.059980.0000X212.610140.3675203134.1440.0000即：Y=4763.734+12.61014X2（13.05998）（3134.144）R＾2＝0.981656修正可决系数＝0.980822F＝1177.275DW＝0.530244（4）异方差性检验，采用white检验方法。HeteroskedasticityTest:WhiteF-statistic1.768218Prob.F(2,21)0.1951Obs*R-squared3.459119Prob.Chi-Square(2)0.1774ScaledexplainedSS1.012630Prob.Chi-Square(2)0.6027TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/31/13Time:14:04Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C1296585.474287.92.7337510.0124X21899.8611357.2091.3998290.1762X2^2-0.4881390.506224-0.9642750.3459R-squared0.144130Meandependentvar1921138.AdjustedR-squared0.062619S.D.dependentvar1638123.S.E.ofregression1586005.Akaikeinfocriterion31.50780Sumsquaredresid5.28E+13Schwarzcriterion31.65506Loglikelihood-375.0936Hannan-Quinncriter.31.54687F-statistic1.768218Durbin-Watsonstat1.413619Prob(F-statistic)0.195111由上表可以看出，nR＾2＝3.45912，小于临界值5.99147，，所以不存在异方差性。（5）自相关性检验DW=0.530244，在5%的显著水平下，通过查表得dl=1.273，du=1.446，DW小于dl，所以模型中有自相关。R-squared0.981656Meandependentvar12100.60AdjustedR-squared0.980822S.D.dependentvar10453.68S.E.ofregression1447.683Akaikeinfocriterion17.47297Sumsquaredresid46107318Schwarzcriterion17.57114Loglikelihood-207.6757Hannan-Quinncriter.17.49902F-statistic1177.275Durbin-Watsonstat0.530244Prob(F-statistic)0.000000残差图-3,000-2,000-1,00001,0002,0003,000010,00020,00030,00040,00050,000868890929496980002040608ResidualActualFitted因此我们需要对自相关问题进行补救，采用广义差分法：生产残差序列Et，使用et进行滞后一期的自回归得：VariableCoefficientStd.Errort-StatisticProb.E(-1)0.7137670.1450504.9208350.0001即：Et=0.713767Et-1由上式可知，p=0.713767，对原模型进行广义差分，得广义差分方程：Y-0.713767Yt-1=c(1-0.713767)+b3(X-0.713767Xt-1)+u对广义差分方程进行回归，结果如下：DependentVariable:Y-0.713767*Y(-1)Method:LeastSquaresDate:12/31/13Time:14:36Sample(adjusted):19862008Includedobservations:23afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.C1468.782257.94105.6942560.0000X2-0.713767*X2(-1)12.601040.58218