我国进出口总额影响因素分析内容摘要：根据19889到2005年我国进出口总额变化的影响因素，从计量经济学的角度来验证哪些因素对我国进出口的影响较大，以及在引入解释变量中哪一项对进出口额的影响最大。
根据计量经济学的原理和所得年鉴显示的数据，在模型中引入六个变量：财政支出，国民收入，国内贷款，居民消费水平，对外经济合作与财政收入这六个变量。
关键词：进出口总额、财政支出、国民收入、国内贷款、居民消费水平、对外经济合作、财政收入正文一、导论1、研究背景自改革开放以来，我过对外贸易由低向高的水平不断发展，进出口值占GDP 的比重不断增加，显然，对外贸易对我国的经济发展产生了巨大的影响。
由于全球经济一体化的趋势逐渐增强，我国的对外贸易对经济的发展所起的作业也越来越重要。
由此，提高对外贸易额成为我过对外经济发展的长期战略，只有这样才能带动我国经济的进一步发展，提高我国的国际竞争力。
进出口总额就成了衡量一国在国际贸易中地位的重要指标。
2.问题的提出及研究意义我们高度重视在全球化中对外贸易的作用，并且希望加强对外贸易对经济的推动作用，但是对外贸易的发展依然存在许多问题，会影响我国经济的增长，我们必须着手解决。
对影响对外贸易总额的主要因素进行研究，主要是国内贷款和具名消费水平方面，从而更有效的来提高我国的对外贸易额度，具有其现实意义和价值。
下面引入六个变量：财政支出、国民收入、国内贷款、居民消费水平、对外经济合作、财政收入。
根据计量经济学原理，研究六个变量对我国进出口总额产生的影响，并且对他们之间存在的关系进行回归分析，从而确定回归模型、回归系数，来定量分析他们之间的确切关系。
3.研究目的通过建立模型掌握上述变量之间的回归关系，进而就可以通过对进出口额的影响因素进行控制，来提高进出口额，为经济发展奠定基础。
4．研究框架a.引入回归模型，利用现有数据，确定因素和进出口额之间的具体线性关系，写出线性回归方程，并且对回归系数和回归模型进行T检验和F检验。
从而确定其线性回归模型是否具有代表性。
b.检验回归方程是否具有“多重共线性”，“异方差”，“自相关”等。
对其惊醒检验，若存在上述现象则对其进行修补以提高模型的代表性。
c.进行模型的结果分析，对模型进行经济解释并分析存在的问题，最终给出切实可行的意见或建议。
二、建立回归模型及轨迹回归系数1.模型的设立原理由经济学原理简略分析下我国现今的进出口额状况，主要是对进出口的投入不够，所以可从财政支出，财政收入，和居民消费水平等方面进行考虑，进而考察队外贸易对财政支出的依赖程度，进而验证一下我国对外贸易的现存问题。
2.数据的手机和模型建立通过对数据的观察，根据收集的统计数据，建立模型。
设模型为:Y=α+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+εi (i=1,2,3……n)其中，Y表示进出口总额；X1为财政支出；X2为国民收入；X3为国内贷款；X 4为居民消费水平；X5为对外经济合作；X6为财政收入；εi是出了解释变量之外的影响出口额的其他因素的误差项。
模型的拟合检验可以的到一下回归分析结果：Dependent Variable: YMethod: Least SquaresDate: 12/22/11 Time: 16:19Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C 5888.789 2665.432 2.209319 0.0516X1 -152.0812 120.8163 -1.258780 0.2367X2 1.983070 0.496678 3.992664 0.0025X3 0.376385 1.229151 0.306215 0.7657X4 -41.72119 8.931225 -4.671385 0.0009X5 74.49256 62.16705 1.198264 0.2584X6 -1.726581 0.717690 -2.405748 0.0370R-squared 0.997700 Mean dependent var 35455.96 Adjusted R-squared 0.996320 S.D. dependent var 32158.21S.E. of regression 1950.857 Akaike info criterion 18.28283Sum squared resid 38058441 Schwarz criterion 18.62591Log likelihood -148.4040 Hannan-Quinn criter. 18.31693F-statistic 722.9388 Durbin-Watson stat 1.670961Prob(F-statistic) 0.000000从估计结果可的模型Y=5888.79-152.08X1+1.98 X2+0.38 X3—41.72X4+74.49X5—1.73X6+εiR2=0.997700 S.E.= 1950.857 F=722.9388 D.W.= 1.670961三、回归模型的检验与修正1.经济意义检验根据实际经济意义，从估计量的符号和大小分析，X1 X4 X6的经济意义不读，即它们与总进出口额成反比关系，而X2 X3 X5即国民收入，国内贷款，具名消费水平与进出口额成正比。
表明，随着首日水平的提高，进出口总额会增加。
2．拟合优度检验，用最小二乘法对模型进行回归，由回归结果可以看出，可绝系数R2=0.997700 说明模型的拟合优度非常好。
3.显著性检验a.对回归系数的显著性检验：T检验（1）对α进行检验：提出原假设H0=0；备择假设≠0，T=2.209319，假定显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然2.209319>2.131，故拒绝原假设，即是显著。
进行检验：提出原假设H0=0；备择假设≠0，T=-1.258780，假定（2）对β1显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然1.258780<2.131,故接受原假设，即是不显著的。
进行检验：提出原假设H0=0；备择假设≠0，T=3.992664，假定（3）对β2显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然3.992664>2.131, 故拒绝原假设，即是显著。
进行检验：提出原假设H0=0；备择假设≠0，T=0.306215，假定（4）对β3显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然0.306215<2.131,故接受原假设，即是不显著的。
进行检验：提出原假设H0=0；备择假设≠0，T=-4.671385，假定（5）对β4显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然4.671385>2.131, 故拒绝原假设，即是显著。
进行检验：提出原假设H0=0；备择假设≠0，T=1.198264，假定（6）对β5显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然1.198264<2.131,故接受原假设，即是不显著的。
进行检验：提出原假设H0=0；备择假设≠0，T=-2.405748，假定（7）对β6显著水平α=0.05，故自由度为n-2=15的分布表，观察其临界值t0.025(15)=2.131显然2.405748>2.131, 故拒绝原假设，即是显著。
b.对方程进行显著性检验：F检验由估计结果知F=722.9388假定显著水平=0.05，差自由度为10和6的F分布表得临界值F0.05（6,10）=5.39显然722.9388>5.39故F统计量的值在给定显著水平α=0.05的情况下显著。
c.多重共线性的检验与修正R2与F值都很大而T值较小，说明各个解释变量之间存在多重共线性，采用逐步回归法进行补救。
逐步引入X1、X2、X3、X4、X5、X6其中R-squared依次为0.006570、0.928566、0.980961、0.836353、0.978775、0.967873可以看出，X3的R-squared的值最高，所以选取X3为基本变量Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:15Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C -2802.331 4444.309 -0.630544 0.5385X3 7.116787 0.255614 27.84190 0.0000X1 -263.1326 248.1849 -1.060228 0.3070R-squared 0.982376 Mean dependent var 35455.96 Adjusted R-squared 0.979859 S.D. dependent var 32158.21S.E. of regression 4563.887 Akaike info criterion 19.84852Sum squared resid 2.92E+08 Schwarz criterion 19.99556Log likelihood -165.7124 Hannan-Quinn criter. 19.86314F-statistic 390.1954 Durbin-Watson stat 1.082313Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:21Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C -1921.263 4480.821 -0.428775 0.6751X3 8.579384 1.346876 6.369839 0.0000X1 -204.7778 251.8278 -0.813166 0.4308X2 -0.133980 0.121172 -1.105696 0.2889R-squared 0.983891 Mean dependent var 35455.96 Adjusted R-squared 0.980174 S.D. dependent var 32158.21 S.E. of regression 4528.037 Akaike info criterion 19.87629 Sum squared resid 2.67E+08 Schwarz criterion 20.07234 Log likelihood -164.9485 Hannan-Quinn criter. 19.89578 F-statistic 264.6732 Durbin-Watson stat 1.400786 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:22Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C 3805.739 2730.109 1.393988 0.1886X3 1.480114 1.515432 0.976694 0.3480X1 -10.21153 145.9214 -0.069980 0.9454X2 1.435074 0.298108 4.813944 0.0004X4 -32.31103 5.976783 -5.406089 0.0002R-squared 0.995311 Mean dependent var 35455.96 Adjusted R-squared 0.993748 S.D. dependent var 32158.21 S.E. of regression 2542.711 Akaike info criterion 18.75978 Sum squared resid 77584564 Schwarz criterion 19.00484 Log likelihood -154.4581 Hannan-Quinn criter. 18.78414 F-statistic 636.8082 Durbin-Watson stat 1.285040 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:24Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C 2300.739 2646.530 0.869342 0.4032X3 1.318179 1.395858 0.944350 0.3653X1 -90.88010 141.4947 -0.642286 0.5338X2 1.026557 0.356613 2.878627 0.0150X4 -25.13422 6.801262 -3.695523 0.0035X5 125.3581 70.03726 1.789877 0.1010R-squared 0.996369 Mean dependent var 35455.96 Adjusted R-squared 0.994718 S.D. dependent var 32158.21 S.E. of regression 2337.155 Akaike info criterion 18.62182 Sum squared resid 60085238 Schwarz criterion 18.91590 Log likelihood -152.2855 Hannan-Quinn criter. 18.65105 F-statistic 603.6411 Durbin-Watson stat 1.400739 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:26Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C 5888.789 2665.432 2.209319 0.0516X3 0.376385 1.229151 0.306215 0.7657X1 -152.0812 120.8163 -1.258780 0.2367X2 1.983070 0.496678 3.992664 0.0025X4 -41.72119 8.931225 -4.671385 0.0009X5 74.49256 62.16705 1.198264 0.2584X6 -1.726581 0.717690 -2.405748 0.0370R-squared 0.997700 Mean dependent var 35455.96 Adjusted R-squared 0.996320 S.D. dependent var 32158.21 S.E. of regression 1950.857 Akaike info criterion 18.28283 Sum squared resid 38058441 Schwarz criterion 18.62591 Log likelihood -148.4040 Hannan-Quinn criter. 18.31693 F-statistic 722.9388 Durbin-Watson stat 1.670961 Prob(F-statistic) 0.000000引入X1得R-squared=0.982376，R-squared提高，先保留X1引入X2得R-squared=0.983821，R-squared提高，先保留X2引入X4得R-squared=0.995311，R-squared提高，先保留X4 引入X5得R-squared=0.996369，R-squared提高，先保留X5 引入X6得R-squared=0.997700，R-squared提高，先保留X6 由于X1、X2、X5的T检验不显著所以删除X1、X2、X5模型修改为Y=α +β3X3+β4X4+β6X6Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:38Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C -1286.133 2540.207 -0.506310 0.6211X3 6.276440 1.412085 4.444804 0.0007X4 -5.695818 2.046712 -2.782912 0.0155X6 1.331419 0.734788 1.811977 0.0931R-squared 0.988701 Mean dependent var 35455.96 Adjusted R-squared 0.986094 S.D. dependent var 32158.21 S.E. of regression 3792.222 Akaike info criterion 19.52162 Sum squared resid 1.87E+08 Schwarz criterion 19.71767 Log likelihood -161.9337 Hannan-Quinn criter. 19.54110 F-statistic 379.1928 Durbin-Watson stat 1.277408 Prob(F-statistic) 0.000000得新的模型为Y=-1286.133+6.27644X3-5.695818X4+1.331419X6d.异方差的检验利用怀特检验对模型进行异方差检验Heteroskedasticity Test: WhiteF-statistic 1.423090 Prob. F(9,7) 0.3282 Obs*R-squared 10.99227 Prob. Chi-Square(9) 0.2762 Scaled explained SS 5.221230 Prob. Chi-Square(9) 0.8146有检验结果可知Obs*R-squared=10.99227模型存在异方差利用WLS估计法对模型进行异方差的修正e．自相关的检验与修正Dependent Variable: YMethod: Least SquaresDate: 12/23/11 Time: 14:38Sample: 1 17Included observations: 17Coefficient Std. Error t-Statistic Prob.C -1286.133 2540.207 -0.506310 0.6211X3 6.276440 1.412085 4.444804 0.0007X4 -5.695818 2.046712 -2.782912 0.0155X6 1.331419 0.734788 1.811977 0.0931R-squared 0.988701 Mean dependent var 35455.96 Adjusted R-squared 0.986094 S.D. dependent var 32158.21S.E. of regression 3792.222 Akaike info criterion 19.52162Sum squared resid 1.87E+08 Schwarz criterion 19.71767Log likelihood -161.9337 Hannan-Quinn criter. 19.54110F-statistic 379.1928 Durbin-Watson stat 1.277408Prob(F-statistic) 0.000000由回归结果可知d=1.277408，给定显著水平α=0.05查Durbin-Watson表n=17,k=4得dl=0.9 du=1.71 ，所以d=1.277408落在dl和du之间，所以不能确定。