对我国外汇储备影响因素的回归分析.docx

1、对我国外汇储备影响因素的回归分析 摘要 本文通过对影响 我国外汇储备 的因素进行实证分析，由相关经济理论作为基础 ， 设定回归模型并收集了相关的数据，利用 EVIEWS 软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些政策建议。 关键词： 外汇储备 、 回归模型 、汇率、存款准备、 货币供应量、 外商直接投资 正文 一、 问题的提出 据中国央行 2011 年 1 月 13 日公布的 2010 年金融统计数据显示， 2010 年末，国家外汇储备余额为 83760.46 亿美元，同比增长 17.7%。较 2009 年 12 月末 7116

2、2.12 亿美元，全年增加了 12598.34 亿美元，外汇储备继续保持增长。 外汇储备是一国对外经济交往中货币支付结算的结果。在国际收支平衡表中，外汇储备的增加主要来自于经常项目顺差、资本和金融项目顺差。国家外汇管理局去年底公布的 2010 年三季度及前三季度我国国际收支平衡表修订数据显示， 2010 年前三季度，我国 国际收支经常项目顺差 2039 亿美元，同比增长 30%； 资本和金融项目顺差 1301 亿美元，增长 2%。 当前充足的外汇储备为我国稳定的金融环境提供了保证。 我国是一个发展中的大国，即使按照传统的适度规模指标衡量，也需要保持一定规模的外汇储备。 充足的外汇储备也是一种信

3、心的保证。此次国际金融危机就充分证明，充足的外汇储备提升了我国有效应对危机的能力。同时，充足的外汇储备为国家防范游资 冲击提供了基础性保障，兴风作浪的投机资本不敢对储备大国随意造次。充足的外汇储备，还为我国推行积极的国际发展战略，共同应对金融危 机打下基础。 本文拟通过时下对影响外汇储备因素的主要理论观点， 归纳出影响一国外汇储备的主要可能因素， 并结合中国的宏观及制度背景提出影响中国外汇储备的各 种可能因素。在此基础上，利用中国的有关数据及一定的计量经济学方法，对各种可能因素产生的影响进行实证分析。 二、 理论综述 在影响因素中，汇率的决定理论中，最著名的就是购买力平价理论，任何两种货币之间

4、的汇率会调整到反映这两个国家的物价水平变动为止，进一步在进出口中影响到外汇储备。购买力评价 理论只是一价定律在物价水平上的应用，而不是在个别商品上的。一般来说，一国的物价水平在短期是相对保持不变 的，而在长期是绝对变动的，因此，由购买力平价理论解释在长期的汇率的变动是十分有效的。 国际收支平衡的关系式为： 储备资产增减额 = 经常项目差额 + 资本与金融项 目差额；如果这一等式不相等，则将补齐的平衡数视为净误差与遗漏。储备资产 通常由外汇储备、黄金储备以及特别提款权（ SDR）、在 IMF 的储备头寸，其他债权等 3 个小项目组成。由于我国黄金储备的各年变动量不大，特别提款权等 3 个小项目在

5、储备资产增减额中所占的比重较小， 所以储备资产变动主要表现为外 -1- 汇储备的变动。以上关系近似为： 外汇储备增减额 = 经常项目差额 + 资本项目差额 + 误差与遗漏。因此，与外 汇储备来源紧密相关的主要因素还有进出口贸易顺差额，外债和外商直接投资。 三、 模型的设定 1、 模型数据的选择 改革开放之前，我国实行计划经济，对于外汇几乎没有需求也没有多少储备，影响外汇模型的因素有质的变化。由于在改革开放以后，我国逐步加大对外 开放力度，对于外汇的需求与使用才逐渐步入正轨，又由于本文只研究我国外汇 储备情况 ，因此选择从 2000 2010 年的时间序列数据。 2、 影响因素的选择 国内生产总

6、值（ GDP） ：外汇储备与国内生产总值之比反映了一国经济规模对 于外汇储备量的需求。外汇储备粮与国内生产总值应保持适宜水平。 外商直接投资（ FDI）：进入二十世纪九十年代，外商直接投资是我国外汇储备增加的主要结构性因素， 对我国外汇储备 增量的贡献度日益加大，同时外商投资企业的汇出利润也构成了用汇需要的重要内容。 利用外资可视为举借外债之外 的另外一个对外融资方式之一，可大大减轻外汇储备的负担，而且使得经济建设 获得跃进式的增长。 汇率 ： 汇率是不同货币间比率，外汇储备是一国货币当局所持有的外汇量。外汇储备增多，外汇供应增加，汇率下降。 货币供应量：在新的外汇管理体制下，当央行买入外汇时

7、，中央银行外汇储备增加，基础货币投放同时增加；当央行卖出外汇收入人民币时，中央银行外汇储备减少，基础货币投放也同时减少。 3、设定模型 根据理论界的研究和官方的政策可知，外汇储备与其相关因素是线性关系， 因此建立汇率 （ X1）、 GDP（ X2）、 货币供应量 (X3)、 外商直接投资 (X4)和外汇储备（ Y） 等因素之间的回归模型： Yt = + 1X1 + 2 X 2 + 3 X3 + 4 X 4 +Ut 四、估计模型参数 1、 数据的收集 年份 Y X1 X2 X3 X4 2000.01 4694.79 8.2786 20656.96 136407.6 71.3 2000.02 47

8、34.33 8.2748 23091.26 144073.2 100.3 2000.03 4779.05 8.2787 24339.28 147305.01 95.2 2000.04 4908.29 8.2781 31127.05 159441.6 140.9 2001.01 5192.43 8.2776 23299.537 159437.31 79.8 2001.02 5370.16 8.2778 25651.32 160991.7 127.1 2001.03 5703.09 8.2768 26867.34 166135.71 115.1 2001.04 6235.09 8.2767 338

9、36.98 172566.09 146.5 2002.01 6685.36 8.2766 25375.693 178753.8 101.2 2002.02 7150.57 8.277 27965.32 184890.21 144.8 2002.03 7582.54 8.2767 29715.7 195153.6 149.7 2002.04 8265.71 8.2771 37275.98 205975.2 131.9 2003.01 9287.18 8.277 28861.8 213601.11 130.9 2003.02 10128.28 8.2769 31007.1 220022.19 17

10、1.7 2003.03 11050.83 8.2771 33460.4 232349.7 99.8 2003.04 12246.04 8.2769 42493.5 245200.59 132.7 2004.01 12821.81 8.2767 33420.6 253177.89 140.7 2004.02 13782.16 8.2768 36985.3 261011.1 198.1 2004.03 14936.89 8.2767 39561.7 267546.6 148.1 2004.04 17262.57 8.2765 49910.7 279139.29 119.4 2005.01 1925

11、4 8.2765 38763.6 284637.21 133.9 2005.02 20727.59 8.2765 42443.2 288996.99 151.7 2005.03 22549.46 8.1587 44370.7 298015.8 46.8 2005.04 23979.97 8.0851 57639.9 313156.5 170.8 2006.01 25739.22 8.0551 44419.8 318345 142.5 2006.02 18361.55 8.017 49191.8 327950.7 141.8 2006.03 29145.17 7.9748 50958 34431

12、2.7 142.7 2006.04 31147.21 7.8718 67353.9 366040.2 204.4 2007.01 33640.95 7.772 53058.286 382623.6 158.9 2007.02 38718.62 7.6918 59400.01 393801 160 2007.03 42274.52 7.576 61969.34 419822.1 153.3 2007.04 44800.53 7.4599 82877.93 445178.4 275.54 2008.01 49191.21 7.1985 63474.494 455917.8 274.14 2008.

13、02 53624.44 6.9869 71251.29 459846.3 249.7 2008.03 56349.02 6.845 73299.54 467631.3 219.86 2008.04 57104.35 6.8371 92644.68 481238.1 180.22 2009.01 57792.63 6.8384 65745.145 507905.1 217.77 2009.02 62299.77 6.83 74117.06 553377.3 212.29 2009.03 66580.4 6.82 77955 597992.1 207.57 2009.04 71162.12 6.8

14、276 117535.7 640040.4 262.66 2010.01 72868.96 6.8281 81622.3 683274 234.43 2010.02 73842.93 6.8238 91992.7 710987.7 236.1 2010.03 77350.35 6.7696 96619 728826.6 241.18 2010.04 83760.46 6.6227 127749 779355 270.71 其中 Y 为外汇储备量 X1 为汇率 X2 为 GDP X3 为货币供应量 X4 为外商直接投资 2、 估计方法的选择与参数估计 选取 OLS 回归法，对以上数据 Eview

15、s 分析得如下数据： Dependent Variable: Y Method: Least Squares Date: 12/17/11 Time: 09:38 Sample: 2000Q1 2010Q4 Included observations: 44 Coefficient Std. Error t-Statistic Prob. C 123650.2 12165.94 10.16364 0.0000 X1 -15835.67 1342.391 -11.79662 0.0000 X2 0.051144 0.035834 1.427254 0.1615 X3 0.080605 0.006

16、269 12.85690 0.0000 X4 -6.934608 9.006060 -0.769994 0.4459 R-squared 0.994882 Mean dependent var 29660.97 Adjusted R-squared 0.994357 S.D. dependent var 24780.92 S.E. of regression 1861.579 Akaike info criterion 18.00288 Sum squared resid 1.35E+08 Schwarz criterion 18.20563 Log likelihood -391.0634

17、Hannan-Quinn criter. 18.07807 F-statistic 1895.186 Durbin-Watson stat 1.444138 Prob(F-statistic) 0.000000 Y=123650.2-15835.67X1+0.051144X2+0.080605X3-6.934608X4 (12165.94) (1342.391) (0.035834) (0.006269) (9.006060) T=(10.16364) (-11.79662) (1.427254) (12.85690) (-0.769994) R2=0.994882， R2=0.994357，

18、 F（ 4,39） =1895.186， DW（ 43,4） =1.444138 由此可见， R2=0.994882， R 2=0.994357， 可决系数和调整可决系数均大于 0.9 ， 很高； F 检验值为 1895.186，在 1%的显著性水平下大于 4.5，可见 X1、 X2、 X3、 X4 联合对 Y 的解释能力显著。但 X1 系数的伴随概率大于 =5%的显著水平，则 X2、 X4 对 Y 的解释能力欠佳，需要进一步的检验。 外商直接投资 系数为负值，这与经济意义相悖，说明很可能存在多重共线。 五、模型参数的检验与优化 多重共线性检验与优化 1、 多重共线性检验 计算各解释变量的相关

19、系数，利用 Eviews 得到相关系数矩阵，如下表： Y X4 X3 X2 X1 Y 1.000000 0.818989 0.987481 0.947871 -0.973257 X4 0.818989 1.000000 0.811977 0.821293 -0.810151 X3 0.987481 0.811977 1.000000 0.949640 -0.935766 X2 0.947871 0.821293 0.949640 1.000000 -0.902751 X1 -0.973257 -0.810151 -0.935766 -0.902751 1.000000 由相关系数矩阵可以看出，

20、各解释变量之间的相关系数较高，由此确定存在多重共线性。 2、 多重共线的优化 逐步回归法 首先用 Y 分别对 X1 X2 X3 X4 进行回归， 其可决系数分别为： R21= 0.947230， R22=0.898459， R23=0.975118， R24=0.670742 加入 X3 的方程的 R 最大，以 Y 对 X3 的回归方程 Y=-17989.82+0.137643X3 为基础，顺次加入 X1、 X2、 X4 变量逐步回归： Y=-17989.82+0.137643X3，加入 X1 后： R2=0.994591,F=3769.432,明显改进 F 值，且 t 检验显著，所以保留 X

21、1。 加入 X2 后， R2=0.973155,有提高。 又在众多经济理论中， GDP 与 外汇储备有重大的直接关系，所以予以保留。 再加入 X4 后， R2=0.949937， t 检验不显著，所以应 剔除 X4。 当方程加入 X1、 X2 后， X2 的 t 检验不显著，所以应剔除 X2。 则此时结果为： Dependent Variable: Y Method: Least Squares Date: 12/17/11 Time: 11:06 Sample: 2000Q1 2010Q4 Included observations: 44 Coefficient Std. Error t-

22、Statistic Prob. C 123211.1 11639.00 10.58606 0.0000 X1 -15821.68 1302.298 -12.14905 0.0000 X3 0.086025 0.004540 18.94700 0.0000 R-squared 0.994591 Mean dependent var 29660.97 Adjusted R-squared 0.994327 S.D. dependent var 24780.92 S.E. of regression 1866.470 Akaike info criterion 17.96723 Sum square

23、d resid 1.43E+08 Schwarz criterion 18.08888 Log likelihood -392.2791 Hannan-Quinn criter. 18.01234 F-statistic 3769.432 Durbin-Watson stat 1.326360 Prob(F-statistic) 0.000000 Y=123211.1-15821.68X1+0.086025X3 T=(10.58606) (-12.14905) (1894700) R2=0.994591， R 2=0.994327， F(2,41)=3769.432， DW=1.326360

24、异方差检验与优化 1、 异方差的检验 （ 1） 首先我们以图示法观察 X1、 X3 分别与 resid2 的关系： 由图可知， y 的离散程度随 X1 的增加而逐渐减小，随 X3 的增加而逐渐增大，所以存在异方差。 （ 2）、 White 检验 Heteroskedasticity Test: White F-statistic 2.210359 Prob. F(5,38) 0.0733 Obs*R-squared 9.913581 Prob. Chi-Square(5) 0.0777 Scaled explained SS 15.57857 Prob. Chi-Square(5) 0.008

25、2 Test Equation: Dependent Variable: RESID2 Method: Least Squares 1 0 0 , 0 0 02 0 0 , 0 0 03 0 0 , 0 0 04 0 0 , 0 0 05 0 0 , 0 0 06 0 0 , 0 0 07 0 0 , 0 0 08 0 0 , 0 0 00 2 5 , 0 0 0 5 0 , 0 0 0 7 5 , 0 0 0 1 0 0 , 0 0 0YX36 . 46 . 87 . 27 . 68 . 08 . 40 2 5 , 0 0 0 5 0 , 0 0 0 7 5 , 0 0 0 1 0 0 ,

26、0 0 0YX1Date: 12/17/11 Time: 11:37 Sample: 2000Q1 2010Q4 Included observations: 44 Coefficient Std. Error t-Statistic Prob. C 1.56E+09 1.63E+09 0.952561 0.3468 X1 -3.28E+08 3.60E+08 -0.911352 0.3679 X12 17069873 19908409 0.857420 0.3966 X1*X3 199.7825 157.6198 1.267496 0.2127 X3 -1757.699 1428.930 -

27、1.230081 0.2262 X32 0.000346 0.000296 1.167810 0.2502 R-squared 0.225309 Mean dependent var 3246184. Adjusted R-squared 0.123376 S.D. dependent var 6247375. S.E. of regression 5849306. Akaike info criterion 34.12767 Sum squared resid 1.30E+15 Schwarz criterion 34.37097 Log likelihood -744.8087 Hanna

28、n-Quinn criter. 34.21790 F-statistic 2.210359 Durbin-Watson stat 1.913613 Prob(F-statistic) 0.073271 可以看出， nR2=9.913581，有 White 检验知，在 =10%下查 X2分布表，得临界值 X20.1（ 5）=9.23635，表明模型存在异方差。 （ 3） 异方差的修正 运用 加权最小二乘法， 分别 选用 W1=1/X1， w2=1/x12,w3=1/sqr(x1) 得 Dependent Variable: Y Method: Least Squares Date: 12/17/

29、11 Time: 21:43 Sample: 2000Q1 2010Q4 Included observations: 44 Weighting series: W1 Coefficient Std. Error t-Statistic Prob. C 127333.6 10788.77 11.80242 0.0000 X1 -16260.97 1208.845 -13.45165 0.0000 X3 0.084016 0.004211 19.95070 0.0000 Weighted Statistics R-squared 0.995284 Mean dependent var 31661

30、.28 Adjusted R-squared 0.995054 S.D. dependent var 28863.87 S.E. of regression 1838.853 Akaike info criterion 17.93742 Sum squared resid 1.39E+08 Schwarz criterion 18.05907 Log likelihood -391.6232 Hannan-Quinn criter. 17.98253 F-statistic 4326.044 Durbin-Watson stat 1.306860 Prob(F-statistic) 0.000

31、000 Unweighted Statistics R-squared 0.994559 Mean dependent var 29660.97 Adjusted R-squared 0.994293 S.D. dependent var 24780.92 S.E. of regression 1872.002 Sum squared resid 1.44E+08 Durbin-Watson stat 1.318191 Dependent Variable: Y Method: Least Squares Date: 12/24/11 Time: 17:52 Sample: 2000Q1 20

32、10Q4 Included observations: 44 Weighting series: W2 Coefficient Std. Error t-Statistic Prob. C 130936.5 9900.773 13.22488 0.0000 X1 -16642.84 1112.299 -14.96256 0.0000 X3 0.082243 0.003852 21.34987 0.0000 Weighted Statistics R-squared 0.995800 Mean dependent var 33771.34 Adjusted R-squared 0.995595

33、S.D. dependent var 33319.51 S.E. of regression 1801.796 Akaike info criterion 17.89670 Sum squared resid 1.33E+08 Schwarz criterion 18.01835 Log likelihood -390.7274 Hannan-Quinn criter. 17.94182 F-statistic 4860.278 Durbin-Watson stat 1.293471 Prob(F-statistic) 0.000000 Unweighted Statistics R-squa

34、red 0.994475 Mean dependent var 29660.97 Adjusted R-squared 0.994206 S.D. dependent var 24780.92 S.E. of regression 1886.283 Sum squared resid 1.46E+08 Durbin-Watson stat 1.298696 Dependent Variable: Y Method: Least Squares Date: 12/24/11 Time: 17:58 Sample: 2000Q1 2010Q4 Included observations: 44 W

35、eighting series: W3 Coefficient Std. Error t-Statistic Prob. C 125321.5 11221.57 11.16791 0.0000 X1 -16046.76 1256.283 -12.77321 0.0000 X3 0.084997 0.004381 19.40185 0.0000 Weighted Statistics R-squared 0.994961 Mean dependent var 30646.25 Adjusted R-squared 0.994715 S.D. dependent var 26773.52 S.E.

36、 of regression 1853.878 Akaike info criterion 17.95369 Sum squared resid 1.41E+08 Schwarz criterion 18.07534 Log likelihood -391.9812 Hannan-Quinn criter. 17.99881 F-statistic 4047.896 Durbin-Watson stat 1.315920 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.994583 Mean dependent var

37、29660.97 Adjusted R-squared 0.994318 S.D. dependent var 24780.92 S.E. of regression 1867.914 Sum squared resid 1.43E+08 Durbin-Watson stat 1.324025 经估计检验发现用权数 w2 的效果最好。则估计结果如下 Y=130936.5-16642.84X1+0.082243X3 （ 9900.773）（ 1112.299） （ 0.003852） R2=0.995800， DW=1.293471， F=4860.278 可以看出加权最小二乘法消除了异方差，参

38、数的 t 检验均显著， F 检验也显著。 自相关的检验与优化 1、自相关的检验 （ 1），观察残差和滞后一期残差的图示如下： (2)DW检验法 因为 DW=1.293471， 在 =5%的显著水平下 ,样本容量为 44，两个解释变量，得dL=1.430 所以样本数据存在正自相关。 （ 3）广义差分法 使用 et进行滞后一期的自回归，得： e=0.350827et-1 所以对广义差分方程进行回归得： Dependent Variable: Y-0.350827*Y(-1) Method: Least Squares Date: 12/24/11 Time: 19:55 Sample (adjus

39、ted): 2000Q2 2010Q4 Included observations: 43 after adjustments Coefficient Std. Error t-Statistic Prob. C 79900.51 10719.68 7.453627 0.0000 X1-0.350827*X1(-1) -15805.88 1845.620 -8.563995 0.0000 X3-0.350827*X3(-1) 0.085915 0.006443 13.33443 0.0000 R-squared 0.988956 Mean dependent var 20277.09 Adjusted R-squared 0.988403 S.D. dependent var 16541.38 - 8, 0 00- 6, 0 00- 4, 0 00- 2, 0 0002, 0 004, 0 00020 , 00 040 , 00 060 , 00 080 , 00 010 0, 0 0000 01 02 03 04 05 06 07 08 09 10R e s i d u a l A c t u a l F i t t e d