影响出口绩效主要因素研究及实证分析.docVIP

影响出口绩效主要因素研究及实证分析 　　摘要:通过分析出口绩效决定因素、影响模式以及影响程度测量工具的相关文献,文章以1973年~2008年中国和美国的年度经济数据为背景,提出了影响一国出口绩效的主要因素模型。回归结果表明,影响中美两国出口绩效的主要因素基本相同,国家的经济发展水平和国家政策措施对出口有显著的影响。文章还对比分析并解释了同一相关因素对中美两国出口绩效影响程度上的差异,并给出提高我国出口绩效的建议和对策。 　　关键词:出口绩效;决定因素;宏观经济环境 　　 　　一、 引言 　　 　　无论是从宏观还是微观的角度来看,出口贸易都是一个重要话题。长久以来,出口不仅是国家外汇储备的重要来源,也是国民生产总值的主要组成部分,为国家经济增长做出了重要贡献。 　　本文以中国和美国为主要研究对象,意在研究和比较不同背景下影响出口贸易绩效的主要因素。 　　 　　二、 数据收集及研究方法 　　 　　本文数据的搜集整理分为四个阶段。第一阶段,根据模型假设确定观察对象,即中美两国的年度宏观经济数据,包括GDP、进出口总额、汇率、CPI和人均GDP等。第二阶段,检验数据的权威性和有效性,对可获数据进行对比分析,从交集中寻找合适的时间范围,作为时间序列的原始数据。第三阶段,整理原始数据,归类并将其标准化。第四阶段,对数据进行初步处理,使其符合模型的演算需求。 　　本文用于进行回归模型分析的数据并非直接来自调查问卷与现场统计,而是来自国家级的统计数据库,如《中国统计年鉴》、中华人民共和国海关总署和国家外汇管理局、美国国家统计署等,以及世界性权威组织的统计报告和总结,如世界银行、国际货币基金组织和世界经济论坛等。此外,模型中非数字资料的来源比较广泛,1973年~2008年期间中美两国的宏观经济政策和影响国际经济环境的重大事件都是虚拟变量(Dummy Variable)赋值的根据。 　　鉴于数据完整性、统一性和可比性的要求,时间序列数据的起点选在1973年。一方面是由于中国在二十世纪五六十年代的数据缺失情况较为严重;另一方面是考虑到:(1)二战之后,西方国家制定和实施了一系列措施用以恢复和促进经济的发展。因此,在接下来的近四分之一个世纪里(1948~1973),世界经济逐步走向了繁荣,可以说1973年是西方经济史上的一个顶峰;(2)自1973年开始,全球经济步入了低速增长阶段,经济周期的交替更加频繁且时常伴有剧烈波动。受石油危机的影响,美国经济在1973年出现了严重的滞胀,致使美国的经济增长率在1974年史无前例的下降到了-1.75%。同年,中国的年进出口总量首次突破了十亿美元的大关,标志着中国的对外贸易飞速发展的开始。可见,无论是对中国还是美国,1973年是极具代表性和重要性的一年。 　　运用长达35年(1973~2008)的经济统计资料,本文将对包含虚拟变量的多元回归模型进行最小二乘估计(OLS)分析和相关性检验。虽然模型具有普遍的适用性,但中美两国的回归分析是独立的,因此模型中变量的值属于时间序列数据(Time Series),而不是面板数据(Panel Data)。 　　 　　三、 实证模型及检验 　　 　　一般而言,GDP是评判一个国家宏观经济发展好坏的首要标准,出口增长率是衡量出口绩效好坏的普遍指标,国家经济发展越快,出口增长越快;一国汇率的波动会影响到该国所有出口产品的国际市场竞争价格;人均国民生产总值代表了一国国民的富裕程度,这与消费者购买力有密切的联系;CPI与通货膨胀率的性质相同,因此CPI可以用于表示国内市场的整体物价水平。结合宏观经济的理论知识以及国内外学者的实证分析成果,本文提出6个基本假设: 　　H1:GDP的增长越快,出口增长越快;H2:汇率的波动会引起出口绩效的变化;H3:人均GDP的增长与出口的增长负相关;H4:出口绩效与居民物价消费指数(CPI)负相关;H5:积极的政治经济政策和良好的国家宏观环境,可以刺激出口;H6:良好的国际环境、国际金融制度以及国际市场秩序,可以促进出口。 　　基于以上假设,本文构建了包含1个因变量(Y)和8个自变量的相关回归模型,自变量按性质可分为定量变量和定性变量(又称虚拟变量)。其中向量X表示定量变量,用向量Z表示虚拟变量,对应的系数矩阵分别是A和B,?着表示均值为零的残差项,m表示定量变量的个数,n表示虚拟变量的个数。简化的线性模型可描述为: 　　将公式(1)扩展为影响出口绩效主要因素的多元回归模型,表述如下: 　　Y=?琢0+?琢1x1+?琢2x2+?琢3x3+?琢4x4+?茁1z1+?茁2z2+?茁3z3+?茁4z4+?着(2) 　　其中:Y表示年出口量增长的变化率;x1表示年GDP增长的变化率;x2表示年平均汇率的变动;x3表示