[摘要] 人民币汇率制度改革经历了四个阶段，即：人民币从单一汇率到复汇率再到单一汇率的演变（1979——1984年）；官方牌价与外汇调剂价格并存，向复汇率回归（1985——1993）；实行有管理的浮动汇率制（1994——2005年6月）；建立以市场供求为基础的、有管理的浮动汇率制度（2005年七月至今）。
08年经济危机以来，人民币汇率越来越引起全球人们的关注。
[关键词] 人民币汇率外币[引言] 为了简要探讨我国现在实行的一篮子货币汇率形成机制的问题，如何确定各个货币的汇率权重是十分重要的。
通过分析篮子里的外币之间汇率的关系，测算一篮子货币的配置从而得出各个货币所对应的我国外汇储备规模。
一、实验数据与模型人民币与我们的生活息息相关，人民币汇率的波动时时刻刻影响着生活的各个方面。
经济危机以来人民币面临升值的压力，人民币的升值会给我们的生活带来一系列的影响，如出口受阻失业人数增加，进口商品价格优势增加等等。
人民币与美元、港元、日元、欧元之间的汇率存在什么样的关系呢？需要通过具体数据模型分析。
搜集数据如下表：表1 人民币汇率(年平均价)单位：人民币元年份100美元100日元100港元100欧元1985 293.66 1.2457 37.57 -1986 345.28 2.0694 44.22 _1987 372.21 2.5799 47.74 -1988 372.21 2.9082 47.70 -1989 376.51 2.7360 48.28 -1990 478.32 3.3233 61.39 -1991 532.33 3.9602 68.45 -1992 551.46 4.3608 71.24 -1993 576.20 5.2020 74.41 -1994 861.87 8.4370 111.53 -1995 835.10 8.9225 107.96 -1996 831.42 7.6352 107.51 -1997 828.98 6.8600 107.09 -1998 827.91 6.3488 106.88 -1999 827.83 7.2932 106.66 -2000 827.84 7.6864 106.18 -2001 827.70 6.8075 106.08 -2002 827.70 6.6237 106.07 800.582003 827.70 7.1466 106.24 936.132004 827.68 7.6552 106.23 1029.002005 819.17 7.4484 105.30 1019.532006 797.18 6.8570 102.62 1001.902007 760.40 6.4632 97.46 1041.752008 694.51 6.7427 89.19 1022.272009 683.10 7.2986 88.12 952.70注：欧元自2002年开始进入市场流通。
资料来源：中国统计年鉴2010设定如下形式的计量经济模型：Yt=β1+β2*X2t+β3*X3t+β4*X4t+μt ，其中Yt，X2，X3，X4,分别代表人民币对美元、日元、港元、欧元的汇率。
二、多重共线性的检验及修正（一）相关系数矩阵检验利用Eviews生成模型中数据并进行OLS回归，结果如下表：表2 回归结果Dependent Variable: YMethod: Least SquaresDate: 06/18/11 Time: 23:39Sample: 1985 2009C 0.955289 1.742463 0.548241 0.5893X2 -1.579398 0.687852 -2.296130 0.0321X3 7.855422 0.059067 132.9926 0.0000R-squared 0.999911 Mean dependent var 672.1708Adjusted R-squared 0.999898 S.D. dependent var 196.4264S.E. of regression 1.980819 Akaike info criterion 4.350545Sum squared resid 82.39655 Schwarz criterion 4.545565Log likelihood -50.38181 F-statistic 78661.34由此可见，该模型R^2=0.9999,修正的可决系数为0.9999都很高，F检验值78661.34，明显显著。
但当α=0.05时，tα/2=2.080,c、X2的系数t检验不显著，这表明可能存在多重共线性。
计算各解释变量的相关系数，选择X2 X3 X4 数据，点view/correlation 得相关系数矩阵（下表）：由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性.（二）容许度和方差膨胀因子检验由于VIFj=1/(1-R^2j)，随着Xj与其他回归元的共线性增加，VIF也增加并且以无穷大为极限。
为了得到R^2j的值，我们做回归输出结果如下：表4 回归结果Dependent Variable: X2Method: Least SquaresDate: 06/22/11 Time: 20:27Sample: 1985 2009C -1.386712 0.451970 -3.068148 0.0056X3 0.082160 0.005324 15.43303 0.0000R-squared 0.928733 Mean dependent var 5.784460Adjusted R-squared 0.922255 S.D. dependent var 2.201917S.E. of regression 0.613958 Akaike info criterion 1.974385Sum squared resid 8.292767 Schwarz criterion 2.120650Log likelihood -21.67981 F-statistic 143.3499Durbin-Watson stat 0.948963 Prob(F-statistic) 0.000000从表中可得R^2j=0.9287，进而得到VIFj=1/(1-0.9287)=14.0252经验表明，当VIFj>=10时，解释变量间存在严重多重共线性。
（三）修正多重共线性采用逐步回归法去检验和解决多重共线性问题。
下面使用SPS做逐步回归，结果如下：从上面的数据可以看出最终变量只剩下X3，X4，最后，我们得到最优回归模型为Yt=β1+β3*X3+β4*X4 代入系数表数据得Yt=-1.054+7.766*X3+0.003*X4这说明，在其他因素不变的情况下，当港元、欧元汇率每增加一个单位，Yt 将分别增加7.766元和0.003个单位。
三、自相关（序列相关）的检验与补救（一）自相关的检验由上面的多重共线性修正我们最终得到模型 Yt=β1+β3*X3+β4*X4，用OLS估计模型参数输出结果如下：表6 回归结果Dependent Variable: YMethod: Least SquaresDate: 06/19/11 Time: 00:00Sample: 1985 2009C 3.145460 1.593505 1.973925 0.0611X3 7.725658 0.018770 411.6052 0.0000R-squared 0.999889 Mean dependent var 672.1708Adjusted R-squared 0.999879 S.D. dependent var 196.4264S.E. of regression 2.164621 Akaike info criterion 4.494534Sum squared resid 103.0828 Schwarz criterion 4.640799Log likelihood -53.18168 F-statistic 98802.721. 图示法用Eviews得到残差图如下：图1 残差图由上图可知，残差的序列图是循环型的，et不是频繁改变符号，而是连续几个正值后连续几个负值，表明存在正相关。
2.BG检验在方程窗口点view/residual test/serial correlation lm test,选择滞后期为2期，输出结果如下：表7 BG检验输出结果F-statistic 13.30462 Probability 0.000212Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/19/11 Time: 00:06C -0.510359 1.129191 -0.451969 0.6562X3 0.008211 0.013757 0.596898 0.5573X4 -0.000970 0.000884 -1.097850 0.2853RESID(-1) 0.969168 0.229116 4.230037 0.0004R-squared 0.570901 Mean dependent var -1.21E-13Adjusted R-squared 0.485081 S.D. dependent var 2.072467S.E. of regression 1.487158 Akaike info criterion 3.808468 Sum squared resid 44.23280 Schwarz criterion 4.052243 Log likelihood -42.60585 F-statistic 6.652310可得Obs*R-squared=14.2725，P 值非常显著为0.0008，又et-1的回归系数显著的不为零，表明存在一阶相关。
3.DW 检验在证实存在一阶相关后，由上面的结果DW=0.5684，给定显著性α=0.05，查DW 表，得dl=1.206,du=1.550,因为统计量0<0.5684<1.206，表明存在正序列相关。
（三）自相关的补救1.广义差分法为解决自相关问题，选用广义差分法。
在Eviews 中，需生成e 的残差序列。
点击工具栏中的procs/generate series,进入generate series by equation 对话框，键入“e=resid ”则生成所需序列。
使用et 进行滞后一期的自回归，在Eviews 中先生成命名为e 的残差序列，然后在命令栏输入ls e e(-1)得回归方程e ^=0.7444*et由此可知^=0.9669,对原模型进行广义差分，得到广义差分方程Yt-0.7444Yt-1=β1*(1-0.7444)+β3*(X3t-0.7444*X3t-1)+ β4*(X4t-0.7444*X4t-1)+vt对该方程进行回归，在Eviews 命令栏输入LS Y-0.7444*Y(-1) C X3-0.7444*X3(-1) X4-0.7444*X4(-1), 得输出结果：表8 广义差分法输出结果Dependent Variable: Y-0.7444*Y(-1) Method: Least Squares Date: 06/19/11 Time: 18:24 Sample(adjusted): 1986 2009C1.162664 0.984113 1.181434 0.2506 X3-0.7444*X3(-1)7.7137650.038117202.37000.0000R-squared 0.999489 Mean dependent var 187.9171Adjusted R-squared 0.999440 S.D. dependent var 64.89798S.E. of regression 1.535924 Akaike info criterion 3.812610Sum squared resid 49.54030 Schwarz criterion 3.959866Log likelihood -42.75132 F-statistic 20521.01样本容量减少一个，变为24，DW=1.3817与之前DW=0.5684相比有所提高，给定显著性α=0.01，du=0.960<DW=1.3817<4-du,这表明已不存在正序列相关。