我国外汇储备及其影响因素的分
二．计量分析
1．回归分析
选用“当年进口额X”、“国际经常账户差额T”、“国际资本项目差额R”、“进出口贸易差额I”、“实际利用外资W”、“国家外债余额V”和“年平均汇价A”作为解释变量。“外汇储备Y”作为应变量。通过对Y的回归进行多元线性拟合，大概估计出各解释变量对应变量的影响程度。
Y=β0 +β1Ｘ+β2Ｉ+β3Ｗ+β4Ｔ＋β５Ｖ＋β６Ａ+β7R
根据表中所列数据，进行多元线性拟合得到：
表1
Dependent Variable: Y
Method: Least Squares
Date: 06/03/05 Time: 12:53
Sample: 1989 2004
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -96.42745 188.2248 -0.512299 0.6223
X 0.763476 0.105664 7.225508 0.0001
I 1.290577 0.438334 2.944275 0.0186
T 0.885953 0.355649 2.491092 0.0375
W -0.122155 0.406348 -0.300617 0.7714
V 0.610045 0.299559 2.036479 0.0761
A -1.448563 0.460459 -3.145910 0.0137
R 0.654661 0.210038 3.116866 0.0143
R-squared 0.998180 Mean dependent var 1516.385
Adjusted R-squared 0.996588 S.D. dependent var 1645.826
S.E. of regression 96.13192 Akaike info criterion 12.27617
Sum squared resid 73930.77 Schwarz criterion 12.66247
Log likelihood -90.20938 F-statistic 626.9528
Durbin-Watson stat 1.842260 Prob(F-statistic) 0.000000
Ｙ＝-96.42745+0.763476Ｘ+1.290577Ｉ－0.122155Ｗ+0.885953Ｔ+0.610045Ｖ－1.448563Ａ+0.654661R
(188.2248) (0.105664) (0.438334) (0.355649) (0.406348) (0.299559） (0.460459) (0.210038)
t=(-0.512299) (7.225508) (2.944275) (2.491092) (-0.300617) (2.036479) (-3.145910) (3.116866)
r2=0.998180 S.E.=96.13912 F=626.9528
由Ｆ＝626.9528>Ｆ０．０５（7，8）＝3.50 (显著性水平α=0.05)，表明模型从整体上来看是显著的
2．多重共线性
由于经济变量之间可能存在高度相关性，因此我们还需要对变量之间的简单相关系数进行计算。
表2
X I T W V A R
X 1 0.514681599426 0.843421165475 0.600893174865 0.905572951167 0.536892449873 0.820156021162
I 0.514681599426 1 0.736971219215 0.73374586492 0.748782940209 0.712506853413 0.198688939312
T 0.843421165475 0.736971219215 1 0.599693202512 0.831830857414 0.560975754103 0.650956909975
W 0.600893174865 0.73374586492 0.599693202512 1 0.831182255184 0.926726490835 0.434142257553
V 0.905572951167 0.748782940209 0.831830857414 0.831182255184 1 0.778953374451 0.647507214342
A 0.536892449873 0.712506853413 0.560975754103 0.926726490835 0.778953374451 1 0.427415908293
R 0.820156021162 0.198688939312 0.650956909975 0.434142257553 0.647507214342 0.427415908293 1
从表2中我们可以看出，一些解释变量之间存在高度的相关性。同时从表1中也可以看出， W、V、A变量的参数t值并不显著(显著性为0.05，t0.025(14)=2.145)。表明模型中一些解释变量确实存在严重的多重共线性。对此我们必须进行修正。
（1）运用OLS法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟合效果最好的一元线性回归方程。
经分析七个一元回归模型，外汇储备Y对当年进口额X线性关系强，拟合程度高，即：
表3
Dependent Variable: Y
Method: Least Squares
Date: 06/02/05 Time: 21:16
Sample: 1989 2004
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -631.9788 102.4316 -6.169763 0.0000
X 1.171692 0.045031 26.01963 0.0000
R-squared 0.979740 Mean dependent var 1516.385
Adjusted R-squared 0.978293 S.D. dependent var 1645.826
S.E. of regression 242.4845 Akaike info criterion 13.93622
Sum squared resid 823182.1 Schwarz criterion 14.03279
Log likelihood -109.4898 F-statistic 677.0209
Durbin-Watson stat 1.130142 Prob(F-statistic) 0.000000
Y=-631.9788 +1.171692X
(102.4316) (0.045031)
t=（－6.169765）(26.01963)
r2=0.979740 S.E.=242.4845 F=677.0209
(2) 逐步回归。将其余解释变量逐一代入上式中。
代入W: Y=-697.9190+1.151973X+0.236068W
(156.4964) (0.057750) (0.415434)
t= (-4.459648) (19.94762) (0.568246)
r2=0.980231 S.E.=248.5699 F=322.3002
W未通过t值检验，从模型中删去。
代入V: Y=-843.4460+1.043349X+0.364493V
(182.8661) (0.102814) (0.264674)
t=(-4.612369) (10.13809) (1.377140)
r2=0.982319 S.E.=235.0746 F=361.1358
V未通过t值检验，从模型中删去。
代入A: Y=-737.6959+1.60786X+0.172544A
(305.6385) (0.055104) (0.468033)
t=(-2.413622) (21.06533) (0.368658)
r2=0.979950 S.E.=250.3329 F=317.6853
A未通过t值检验，且对Y的影响并不显著，从模型中删去。
代入I: Y=-716.3333+1.099851X+1.215557I
(78.33419) (0.038366) (0.334106)
t=(-9.144580) (28.66728 ) (3.638240)
r2=0.989961 S.E.=177.1302 F=641.0062
I对Y的影响显著，并通过t值检验，引入模型中。
代入T: Y=-645.9399+0.984447X+0.559716I+1.271460T
(68.61970) (0.052115) (0.360729) (0.459833)
t=(-9.413330) (18.88983) (1.551622) (2.765044)
r2=0.993868 S.E=144.0897 F=648.3365
T值提高了模型的拟合程度，但导致I的t值不显著。说明T、I之间有严重的多重共线性。再将T代入只含X的模型中试验。
Y=-597.9176+0.960644X+1.740598T
(64.47387) (0.052433) (0.364726)
t=(-9.273797) (18.32130) (4.772350)
r2=0.992638 S.E.=151.6897 F=876.4106
T对Y的影响显著，其拟合程度高于I，因此从模型中删除I。
代入Ｒ： Ｙ=-600.8364+0.969378X+1.731460－0.044784
(68.94821) (0.072956) (0.382488) (0.248684)
t=(-8.714315) (13.28712) (4.526840) (-0.180084)
r2=0.992658 S.E.=157.6708 F=540.7979
Ｒ 对Ｙ的影响不显著，从模型中删去。
经过上述逐步回归分析，表明Ｙ对Ｘ、Ｔ的回归模型最优。
表４
Dependent Variable: Y
Method: Least Squares
Date: 06/02/05 Time: 22:35
Sample: 1989 2004
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -597.9176 64.47387 -9.273797 0.0000
X 0.960644 0.052433 18.32130 0.0000
T 1.740598 0.364726 4.772350 0.0004
R-squared 0.992638 Mean dependent var 1516.385
Adjusted R-squared 0.991505 S.D. dependent var 1645.826
S.E. of regression 151.6897 Akaike info criterion 13.04891
Sum squared resid 299127.1 Schwarz criterion 13.19377
Log likelihood -101.3913 F-statistic 876.4106
Durbin-Watson stat 2.351867 Prob(F-statistic) 0.000000
图示为
3．自相关性。
由表４知ＤＷ＝2.351867，在给定显著性水平为0.05，查表，n=16,k(解释变量)=2，得下限临界值dL=0.982,上限临界值du=1.539, 因为du
4．异方差检验
为保险起见，将White 检验和 ARCH检验结合起来。
（1）White检验
先在Eviews中打开X、T对Y的回归方程，然后在view中选择Residual Tests White Heteroskedasticity (cross terms)。得：
表5
White Heteroskedasticity Test:
F-statistic 0.448020 Probability 0.804597
Obs*R-squared 4.839574 Probability 0.435771
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/06/05 Time: 16:14
Sample: 1998 2004
Included observations: 7
Variable Coefficient Std. Error t-Statistic Prob.
C 109392.7 115356.9 0.948298 0.5169
X -52.01210 142.5064 -0.364981 0.7772
X^2 0.003321 0.039227 0.084674 0.9462
X*T 0.180250 0.434735 0.414620 0.7498
T -35.78583 736.6944 -0.048576 0.9691
T^2 -1.243318 2.528455 -0.491730 0.7091
R-squared 0.691368 Mean dependent var 17608.10
Adjusted R-squared -0.851794 S.D. dependent var 18665.83
S.E. of regression 25400.58 Akaike info criterion 22.89131
Sum squared resid 6.45E+08 Schwarz criterion 22.84494
Log likelihood -74.11957 F-statistic 0.448020
Durbin-Watson stat 3.191289 Prob(F-statistic) 0.804597
计算n*R2=7*0.691368=4 .839576（2）ARCH检验。
加入Y的残差平方和E2（=resid^2）在工作表中。
在OLS对话框里键入：
E2 C E2(-1) E2(-2) E2(-3) E2(-4)
输出结果为：
表6
Dependent Variable: E2
Method: Least Squares
Date: 06/06/05 Time: 16:48
Sample(adjusted): 1998 2004
Included observations: 7 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -23408.64 77933.21 -0.300368 0.7922
E2(-1) 0.906917 0.692478 1.309670 0.3205
E2(-2) -0.279622 1.127537 -0.247993 0.8273
E2(-3) 0.893231 0.600268 1.488055 0.2751
E2(-4) 0.059543 1.179240 0.050493 0.9643
R-squared 0.649682 Mean dependent var 20858.81
Adjusted R-squared -0.050954 S.D. dependent var 20698.15
S.E. of regression 21218.93 Akaike info criterion 22.93898
Sum squared resid 9.00E+08 Schwarz criterion 22.90035
Log likelihood -75.28644 F-statistic 0.927274
Durbin-Watson stat 1.442716 Prob(F-statistic) 0.577914
计算(n-p)r2=(7-4)*0.649682=1.949046
三．模型分析，析.48773,949046三三三、
从上面的模型中可以得知对我国外汇储备规模增长的决定因素主要是当年进口额和国际收支经常项目下差额。另外，从表１中也可以看出，进出口贸易差额Ｉ、年平均汇率Ａ、外债余额Ｖ、资本项目差额Ｒ与外汇储备的相关系数分别为1.290577、0.610045、1.448563、0.654661。显然他们与外汇储备有很高的相关性，从而间接影响外汇储备的适度规模。
一国外汇储备（官方国际储备）的变动是该国全部国际收支运行的结晶。一国的国际收支不仅反映了该国的全部对外经济交往，而且有助于我们认清该国的整个经济状况，特别是宏观经济运行的状况。
原则上说，一国官方国际储备的变动应当足以抵销经常项目下的余额的总和。也就是说，官方国际储备的增加额应当等于经常项目以及资本项目顺差之和。这就等于说，在考虑到了统计上的错误和遗漏因素之后，如果经常项目仍然不存在逆差，则资本项目的顺差只能表现为官方国际储备的增加；如果资本项目之下不出现资金净外流的逆差，经常项目的顺差必然体现为官方国际储备的增加；如果官方国际储备不增加，经常项目的顺差就只能转化为资金净外流的资本项目逆差。
根据国际收支帐户的这些平衡原则可以很容易地得出一个结论：1993年以来我国官方国际储备的大幅度增长，是这些年中我国经常项目连续净赢余、甚至往往经常项目和资本项目双顺差累积起来的产物。
进口规模的大小，直接影响着占用的外汇资金数量。一国占用的外汇资金越多，发生逆差的可能性及数额也往往越大，因此需要保持较多的外汇储备。例如，从１９９４年到１９９７年，中国出口收入中平均约２０％转化为外汇储备，在此４年间，出口收中转化为外汇储备的份额要比出口收入高于其趋势线的比例更大，即相对于出口收的增长而言，外汇储备是加速增长的。
进口额仅仅表示资金铁一种单向流动。而进出口贸易差额则反映了资金的双向运动及对储备的实际需求。中国每年都存在贸易差额，但其大小和方向往往不一致，波动幅度越大，对外汇储备的需求就越大。
一国外债规模越大，短期外债越多，还本付息的压力就越大，为维持清偿力，需要的国际储备就越多。自１９９４年外汇管理体制改革以来，中国实行“以市场供求为基础的，单一的、有管理的浮动汇率制度。”这意味着必要时人民银行可以入市进行适当干预。一般而言，央行在外汇市场上干预的目的在于养活汇率大幅度波动给实质经济发展带来的干扰，而非改变汇率的长期走势。但是目前由于人民银行对银行间外汇市场的过度干预，人民币汇率偏低，造成储备增长过快的势头。
因此，政府在确定适度外汇储备时，应该结合目前的经济状况，综合各个指标，分析各种影响因素，而不能简单的从单一的指标出发。
我国外汇储备及其影响因素的分析相关范文