计量经济学论文

2008级国际经济与贸易专业

计量经济学论文

题目：

我国对外贸易出口变化对GDP影响的实证分析

姓 名： 袁纬芳 班 级： 国贸081 学 号： 16号 指导老师： 郑明贵

外语外贸学院 二O一一年六月

我国对外贸易出口变化对GDP影响的实证分析

摘要：一国的对外贸易如果比重太大，容易受经济形势的影响，波动性较大，只有结合我国实际改善对外贸易结构，转变经济增长方式，才能改变使长期以来大部分依靠劳动等低技术、低成本的比较优势保持巨额顺差，出口高新技术才能发展，使出口贸易对经济形势的弹性降低。本文采用实证分析，运用计量经济学的计量方法，利用1990年到2010年的年度统计数据，对我国出口总额、外贸依存度、外商投资与经济增长进行实证分析。结果表明GDP和外贸出口的相关性很高，并且受外贸依存度的影响。 关键字：GDP 出口额 一、绪论：

我国国内生产总值09年在世界排名世界超越德国排在第三，而且有望超过日本，仅次于美国，GDP的年增长率也连续25年以来在世界排名第一。我国经济如此高速发展，对外贸易作出了重要贡献，一直到今天，我国的对外贸易规模稳居世界第三位。从国民经济核算的角度来看，出口做为构成国内生产总值的三大动力之一，随着全球经济一体化的发展，我国经济增长率连年保持在 10% 左右,这其中对外贸易的发展毋庸置疑做出了突出贡献，从1990年占GDP比重的16%到2000年的20%，到2002年后加入WTO，2005年34%。在08年金融危机中，虽然我国所受影响比较小，大都因我国的虚体经济在世界上还处于“年少”之际，但对我国出口的影响较为重要，因为出口总额严重依赖于国际市场的需求，也就是依赖于世界经济增长状况，当前由于金融危机下世界经济增长率迅速下滑，大大降低了国际市场需求，从而使我国的出口出现较大的困难，从2008年10月开始，我国进出口差额连续下滑，到12月份，连续三个月出现负增长。2009年下降为24.2%，出口贸易对GDP的贡献率下降了3.9个百分点。我国贸易出口因经济的波动性从而对GDP的贡献率也在波动，弹性较大。

本文中采用实证分析法，引入了影响国内生产总值的出口总额、对外贸易依存度和外商投资，分析我国外贸出口对国内生产总值的贡献，从实证中了解GDP和出口的相关性，深入探讨在金融危机后爆发出的我国外贸出口存在的结构问题，我国的国内生产总值对作为三大动力的出口的依存度是多大，为调整外贸出口结构、转变经济增长方式、如何提高消费和投资占GDP的比重提供参考。 二、文献综述：

经济增长是人民广泛关注的问题，因为其时刻与人们生活密切相关，经济增长理论一直也是经济研究的核心问题之一。从最开始发现新大陆，殖民地的开发，到全世界范围的资源掠夺，经济全球化不断加深，在比较优势下，对外贸易异军突起，对经济贡献率也越来越高。为数众多的国内外经济学者就对外贸易对经济增长的作用进行了大量的理论和实证研究。

古典经济学家亚当·斯密的劳动价值论和绝对成本说开创了国际分工和国际贸易理论的先河。他的动态生产率理论和剩余产品出口理论代表了对外贸易拉动经济增长的最初思想。剩余产品出口理论认为，对外贸易使得一国剩余产品的价值得以实现，增加了各国福利，同时由于各国市场的扩大，刺激了各国增加生产，改进技术，从而使劳动生产率得到提高，推动了经济增长。

本世纪30年代经济学家罗伯特逊（D．H．Robertson）提出了对外贸易是“经济增长的发动机”（Engine for Growth）的命题。①在50年代，诺克斯根据对19世纪英国与新移民地区的经济发展原因的分析，进一步补充和发展了这一命题。他认为，19世纪国际贸易的发展是许多国家经济增长的主要原因。一方面，因为各国按比较成本规律进行国际贸易，通过两优取其更优、两劣取其次劣的办法进行专业化分工，使资源得到更有效的配置，增加了产量。通过交换，各国都得到了多于自己生产的消费量。他认为这是对外贸易的直接利益。另一方面，也是最重要的方面，就是对外贸易产生间接的动态利益，即随着对外贸易的发展，通过一系列的动态转换过程，把经济增长传递到国内各个经济部门，从而带动国民经济的全面增长。他指出，19世纪的国际贸易“具有这样的性质：中心国家经济上的迅速成长，通过国际贸易而传递到外围的新国家去。它是通过初级产品的迅速增加的需求而把增长传递到那些地方去的。19世纪的贸易不仅是简单地把一定数量的资源加以最适当的配置的手段，它尤其是经济增长的发动机”。

20世纪70年代末，美国经济学家保罗·克鲁格曼创立了规模经济贸易学说，用以解释二战后经济增长迅速的工业化国家之间的贸易特点。澳大利亚经济学家默里·肯普在其1964年出版的《国际贸易纯理论》一书中构建了“肯普模型”以证明规模报酬递增理论。此时出现的新贸易理论还有不完全竞争理论和产业内贸易理论，说明了资源禀赋和技术相似的国家间以及行业内贸易急剧上升等新国际贸易现象对经济发展的影响。马克斯·科登则将对外贸易与宏观经济变量联系起来，从供给的角度剖析对外贸易对经济增长的影响，他关于对外贸易对经济增长率影响的理论被称为“供给启动”论，该理论特别强调对外贸易对生产要素供给量的影响和对劳动生产率的作用。

HelpmanKrugman（1985）认为出口对经济增长有单项直接的因果带动，Chartey(1993）认为经济增长对出口有单项直接的因果带动关系，HelpmanKrugman(1995）则认为二者互为因果关系，此外，还有学者认为出口与经济增长之间不存在因果关系，对外贸易并没有促进经济增长，如Pack(1992），Helleininer(1996）和Bleaney(1997）。

20世纪80年代以来，随着计量经济学理论与实践的发展，外贸对经济增长影响的实证研究也开始逐步发展起来。更多学者对外贸与经济增长的研究从理论研究

转向了实证分析。

胡勇（2008）通过实证检验服务贸易对浙江GDP增长的影响，发现浙江服务贸易出口会促进经济增长，进口则会制约经济增长。白雪飞、岳金梅（2007）利用协整理论和Granger因果关系检验方法，对辽宁省对外贸易发展和经济增长之间的关系进行定量分析。研究表明,辽宁省的对外贸易与经济增长之间存在长期稳定的关系,对外贸易与经济增长之间存在单项因果关系，即辽宁省对外贸易对经济增长具有推动作用，但推动作用较弱。 三、计量经济模型研究： 一）模型设定、计量经济学检验

1）、相关数据（来源于国家统计局和国家统计局发布会等） 年份 项目

国内生产总

值 18667.82 21781.50 26923.48 35333.92 48197.86 60793.73

71176.59 78973.03 84402.28

89677.05 99214.55

出口总额 美元兑人民对外贸易依外商直接投亿元 2985.80 3827.10 4676.30 5284.80 10421.80 12451.80

12576.40 15160.70 15223.60

16159.80 20634.40

币汇率 4.78 5.32 5.52 5.76 8.62 8.35

8.31 8.29 8.28

8.28 8.28 8.28 8.28 8.28 8.26 8.19

7.97 7.52 6.94

6.83 6.65 存度 0.30 0.33 0.34 0.32 0.42 0.39

0.34 0.34 0.32

0.33 0.40 0.38 0.43 0.52 0.60 0.63

0.65 0.63 0.57

0.44 0.50 资 34.87 43.66 110.08 275.15 337.67 375.21 417.26 452.57 454.63 403.19 407.15 468.78 527.43 535.05 606.3 603.25 630.21 747.68 923.95 900.33 1057

1990 1991 1992 1993 1994 1995

1996 1997 1998

1999 2000 2001 2002 2003 2004 2005

2006 2007 2008

2009 2010 109655.17 22024.40

120332.69 26947.90 135822.76 36287.90 159878.34 49103.30 184937.37

62648.10

216314.43 77594.59 265810.31 93455.63 314045.43 100394.94

340506.87 82029.69 397983.00 107704.99

一元模型

本文选取了1990至2010年年间国内生产总值、出口总额、美元兑换人民币汇率、对外贸易依存度和外商直接投资的年度数据进行分析，以得出我国对外贸易对经济增长的影响。 Y—国内生产总值（亿元） X—出口总额（亿元） 设模型为 Y0X

1）、对被解释变量国内生产总值和解释变量出口进行归纳分析

Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 17:18 Sample: 1990 2010 Included observations: 21 Variable

C X

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

用OLS法进行回归得到如下模型： 2.822453 17.99549

Y24191.343.050963XCoefficient 24191.34 3.050963

Std. Error 8571.034 0.169540

t-Statistic 2.822453 17.99549

Prob. 0.0109 0.0000 137163.2 110715.9 23.31619 23.41567 323.8377 0.000000

0.944580 Mean dependent var 0.941663 S.D. dependent var 26741.19 Akaike info criterion 1.36E+10 Schwarz criterion -242.8200 F-statistic 0.672893 Prob(F-statistic)

R20.944580 D.W=0.672893 F=323.8377

2)模型检验 ①经济意义检验

如以上模型ˆ=3.050963符合经济的一般规律，因为按照近几年我国的对外贸易形势来看，出口所占比重在30%左右。

散点图

线性图

拟合图和残差图

从上图中的散点图和回归线中也可看出出口总额与国内生产总值存在线性关系。 ②统计意义检验

这里选取ˆ的T统计量进行显著性检验。其值为17.99549。对于给定显著水平=0.05，查

（19）2.093，因为t分布表，其临界值t0.025Tˆ17.99549t0.025（9）2.093，所以拒绝H0：0，表明出口额对我国国内生

产总值有显著的影响。

3）预测：如下图所示：预测到的2011年国内生产总值为580445.965123亿元。

4）结论（更详细部分将会在多元模型中阐述） （1）最后模型为

2.822453 17.99549

R2Y24191.343.050963X

0.944580 D.W=0.672893 F=323.8377

（2）该模型是一元模型，只根据出口总额来预测国内生产总值还欠考虑，因国内生产总值还受很多因素的影响。

多元模型

本文选取了1990至2010年年间国内生产总值、出口总额、美元兑换人民币汇率、对外贸易依存度和外商直接投资的年度数据进行分析，以得出我国对外贸易对经济增长的影响。 Y—国内生产总值（亿元） X1—出口总额（亿元） X2—美元兑换人民币汇率（%） X3—对外贸易依存度（%） X4—外商直接投资（亿元） 附：对外贸易依存度得计算

对外贸易依存度=进出口总额/国内生产总值 1990-2010年我国对外贸易依存度

年份 项 目 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

进出口总额 5560.10 7225.80 9119.60 11271.00 20381.90 23499.90 24133.80 26967.20 26849.70 29896.20 39273.20 42183.60 51378.20 70483.50 95539.10 116921.80 140971.45 166740.19 179921.47 150648.06

国内生产总值 18667.82 21781.50 26923.48 35333.92 48197.86 60793.73 71176.59 78973.03 84402.28 89677.05 99214.55 109655.17 120332.69 135822.76 159878.34 184937.37 216314.43 265810.31 314045.43 340506.87

贸易依存度

0.30 0.33 0.34 0.32 0.42 0.39 0.34 0.34 0.32 0.33 0.40 0.38 0.43 0.52 0.60 0.63 0.65 0.63 0.57 0.44

2010

200461.18 397983.00 0.50

设模型为 Y01X12X23X34X4

2）、对被解释变量国内生产总值和各解释变量进行归纳分析

Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:30 Sample: 1990 2010 Included observations: 21 Variable

C X1 X2 X3 X4

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

用OLS法进行回归得到如下模型：

Y78113.872.217067X1-6053.694X2-152146.0X3180.7304X4Coefficient 78113.87 2.217067 -6053.694 -152146.0 180.7304

Std. Error 20412.21 0.547615 5437.267 71976.75 55.59697

t-Statistic 3.826821 4.048585 -1.113371 -2.113822 3.250724

Prob. 0.0015 0.0009 0.2820 0.0506 0.0050 137163.2 110715.9 22.01865 22.26734 347.5571 0.000000

0.988622 Mean dependent var 0.985778 S.D. dependent var 13203.75 Akaike info criterion 2.79E+09 Schwarz criterion -226.1958 F-statistic 1.805613 Prob(F-statistic)

3.826821 4.048585 -1.113371 -2.113822 3.250724 R20.98862 2 D.W=1.805613 F=347.5571

根据OLS回归所得各值可看出，X1、X3、X4的 t值大于2，可通得过检

验（根据经验），而X2的 t值小于2，与Y关系不显著，可能存在多重共线性。为消除多重共线性，使得相关解释变量更加显著，故作如下逐步回归法： （1）：对被解释变量与各解释变量进行OLS回归： Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:36 Sample: 1990 2010 Included observations: 21 Variable

C X1

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:36 Sample: 1990 2010 Included observations: 21 Variable

C X2 R-squared Adjusted R-squared S.E. of regression Sum squared resid

Coefficient 86488.49 6778.585 Std. Error 159858.3 21126.44 t-Statistic 0.541032 0.320858 Prob. 0.5948 0.7518 137163.2 110715.9 26.20361 26.30308

Coefficient 24191.34 3.050963

Std. Error 8571.034 0.169540

t-Statistic 2.822453 17.99549

Prob. 0.0109 0.0000 137163.2 110715.9 23.31619 23.41567 323.8377 0.000000

0.944580 Mean dependent var 0.941663 S.D. dependent var 26741.19 Akaike info criterion 1.36E+10 Schwarz criterion -242.8200 F-statistic 0.672893 Prob(F-statistic)

0.005389 Mean dependent var -0.046959 S.D. dependent var 113285.6 Akaike info criterion 2.44E+11 Schwarz criterion

Log likelihood Durbin-Watson stat

Dependent Variable: Y Method: Least Squares

-273.1379 F-statistic 0.053663 Prob(F-statistic)

0.102950 0.751821

Date: 06/25/11 Time: 15:37 Sample: 1990 2010 Included observations: 21 Variable

C X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:37 Sample: 1990 2010 Included observations: 21 Variable

C X4

R-squared Adjusted R-squared S.E. of regression

Coefficient -55141.48 391.6434

Std. Error 16002.88 28.73509

t-Statistic -3.445722 13.62945

Prob. 0.0027 0.0000 137163.2 110715.9 23.83160

Coefficient -142966.8 640609.9

Std. Error 70595.48 156076.0

t-Statistic -2.025154 4.104475

Prob. 0.0571 0.0006 137163.2 110715.9 25.57420 25.67367 16.84671 0.000604

0.469965 Mean dependent var 0.442069 S.D. dependent var 82699.03 Akaike info criterion 1.30E+11 Schwarz criterion -266.5291 F-statistic 0.270403 Prob(F-statistic)

0.907209 Mean dependent var 0.902326 S.D. dependent var 34601.95 Akaike info criterion

Sum squared resid Log likelihood Durbin-Watson stat

得到结果如下：

2.27E+10 Schwarz criterion -248.2318 F-statistic 0.347737 Prob(F-statistic)

23.93108 185.7618 0.000000

ˆ24191.343.050963X1 R20.94458①Y 0 R20.94166 3ˆ86488.496778.585X2 R20.00538②Y 9 R2-0.0487 07ˆ-142966.8640609.9X3 R2= 0.469965 R2=0.442069 ③Yˆ-55141.48391.6434X4 R2=0.907209 R2=0.902326 ④Y 以上四个方程，根据经济理论和统计检验，出口总额X1是最重要的解释变量（t检验值=17.99549也最大），选出最优简单回归方程为 Yf(X1)。 （2）将其余变量逐个引入 Yf(X1) Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:43 Sample: 1990 2010 Included observations: 21 Variable

C X1 X2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Coefficient 14523.67 3.048252 1306.638

Std. Error 38916.80 0.174197 5123.893

t-Statistic 0.373198 17.49887 0.255009

Prob. 0.7134 0.0000 0.8016 137163.2 110715.9 23.40782 23.55704 153.9835

0.944780 Mean dependent var 0.938644 S.D. dependent var 27424.47 Akaike info criterion 1.35E+10 Schwarz criterion -242.7821 F-statistic

Durbin-Watson stat

0.680233 Prob(F-statistic) 0.000000

2①如上图所示，加入X2变量，使R2由0.907209提高到0.944780，R也由0.941663

提高到0.938644，但X2的t 值通不过检验，不显著，与X1也不相关，所以排除。

Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:44 Sample: 1990 2010 Included observations: 21 Variable

C X1 X3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

②如上图所示，加入X3变量，R2提高到0.969734，R2提高到0.969734，t 值可

ˆ的负号也合理，虽然与X1高度相关，但并不影响它的显著通过检验，而且其3Coefficient 113734.1 3.771844 -265811.6

Std. Error 21649.11 0.206929 61597.80

t-Statistic 5.253525 18.22770 -4.315277

Prob. 0.0001 0.0000 0.0004 137163.2 110715.9 22.70116 22.85038 321.4019 0.000000

0.972760 Mean dependent var 0.969734 S.D. dependent var 19261.44 Akaike info criterion 6.68E+09 Schwarz criterion -235.3622 F-statistic 0.901171 Prob(F-statistic)

性和稳定性。因此，给予保留。 Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 15:52 Sample: 1990 2010 Included observations: 21

Variable

C X1 X3 X4

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 67312.49 2.751403 -215904.7 127.0482

Std. Error 18085.49 0.265581 43909.16 27.87547

t-Statistic 3.721906 10.35993 -4.917076 4.557704

Prob. 0.0017 0.0000 0.0001 0.0003 137163.2 110715.9 21.99803 22.19698 456.5616 0.000000

0.987741 Mean dependent var 0.985577 S.D. dependent var 13296.47 Akaike info criterion 3.01E+09 Schwarz criterion -226.9793 F-statistic 1.472754 Prob(F-statistic)

③如上图所示，加入X4变量后，R2由0.972760提高到0.987741，R2由0.969734提高到0.985577，t 值可通过检验，而且其ˆ4的正号也合理，虽然与X1高度相关，但并不影响它的显著性和稳定性。因此，给予保留。 得结论：回归方程以Yf(X1，X3,X4)为最优方程。 3）消除自相关性

X1的OLS回归分析中，其D.W值为1.472754，在dL和dU之间，不能确定是否存在自相关性，但可尝试一下，把D.W值修正 Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 16:02 Sample(adjusted): 1991 2010

Included observations: 20 after adjusting endpoints Convergence achieved after 9 iterations Variable

C X1

Coefficient 62937.24 2.647126

Std. Error 29267.60 0.412113

t-Statistic 2.150407 6.423297

Prob. 0.0482 0.0000

X3 X4 AR(1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots

-208591.2 136.9900 0.272832

61150.73 46.70990 0.272608

-3.411100 2.932784 1.000822

0.0039 0.0103 0.3328 143088.0 110123.6 22.09164 22.34058 305.8917 0.000000

0.987889 Mean dependent var 0.984660 S.D. dependent var 13639.48 Akaike info criterion 2.79E+09 Schwarz criterion -215.9164 F-statistic 1.878689 Prob(F-statistic) .27

如上图所示，R2提高到0.987889，D.W值为1.878689，在dL和4-dU之间，因此消除了自相关性。 因此最后模型为：Y62937.242.647126X1-208591.2X3136.9900X4

2.150407 6.423297 -3.411100 2.932784 F=305.8917 R2=0.987889 D.W=1.878689 二）检验模型 1）、经济意义检验

由模型可知，国内生产总值与出口总额、外商直接投资是正相关的关系，即随着出口总额、外商直接投资增加或减少，国内生产总值也会相对增加或减少；与对外贸易依存度是负相关的关系。如下图所示，国内生产总值（Y）与出口总额(X1)、外商直接投资(X4)成正相关的线性关系，国内生产总值与对外贸易依存度(X3)呈负相关的线性关系，说明此模型符合经济学的一般规律，能用经济检验的标准对其进行解释。

散点图

线性图

2）、拟合优度检验

对于统计检验，这里采取拟合优度检验。由R2=0.987889，R2=0.984660可知，拟合优度还是比较高的，从下图的拟合图和残差图中也可以看出。

拟合图和残差图

3）、计量经济学检验（在上述中已完成） 三）计量方法描述

在本文中用到了OLS（最小二乘法）、消除自相关性的GLS(广义最小二乘法）、消除多重共线性的逐步回归法。

OLS（最小二乘法）：又称最小平方法，是一种数学优化技术。它通过最小化无误差的平方和和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求的未知的数据，并使得这些求的数据与实际数据之间误差的平方和最小。还可以用于曲线拟合。

GLS(广义最小二乘法）：又称加权最小二乘法，具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法知识加权最小二乘法中恒取1时的特殊情况。 逐步回归法：以Y为解释变量，逐个引入解释变量，构成回归模型，进行模型估计。根据拟合优度的变化决定新引入变量是否独立。如果拟合优度变化显著，则说明新引入的变量是一个独立的解释变量；如果拟合优度变化不显著，则说明新引入的变量与其他变量之间存在共线性关系。 四、结论

1、我国出口总额、对外贸易依存度、外商直接投资对国内生产总值有着显著影响。但是由于出口总额的弹性较大，我国的对外贸易依存度随进出口差额变动，从而对国内生产总值的波动较大。

2、模型的不足之处，引入了一个外商投资，以辅助分析我国对外贸易对GDP的影响，作为替代变量，引用的可能不太好，其实在最开始时也引入了汇率的影响，结果消除共线性后，回到一元模型了，所以很多因素没有考虑到如进口额、出口

贸易结构、贸易壁垒等有关贸易方面对GDP的影响。 3、由计量经济分析得出最终模型：

Y62937.242.647126-X2108591.2X1336.9900X

2.150407 6.423297 -3.411100 2.932784 F=305.8917 R2=0.987889 D.W=1.878689

4、本文镇南关没有进行解释变量的滞后模型检验，因为水平实在有限，不过希望能在今后的学习中多接触实证分析法，来完善这个模型。

参考文献：

1、《加入WTO以来我国对外贸易依存度的实证分析》王伟 《商品与质量》 2010年第S6期；

2、《对外贸易与经济增长关系文献综述》刘毅 北京工业大学 经济与管理学院， 北京 100124；

3、《中国的对外贸易与经济增长》

4、《关于我国进口与经济增长关系的探讨》 佟家栋《南开学报》，1995年第3期

5、《对外贸易对中国经济增长的影响——供给角度的分析》孙林 南京农业大学 210095

6、《全球金融危机下我国宏观经济趋势浅谈》 中国论文下载中心 2011-02-15 7、《我国1985-2005年外贸依存度分析》学士论文网 2007年12月 8、中国国家统计年鉴