1、當前文檔修改密碼：8362839摘 要 .1 一、問題的提出 .2二、研究現(xiàn)狀及存在的問題.2三、金融危機的成因及其對我國對外貿(mào)易額影響因素分析.3（一）金融危機的成因概述 .3（二）金融危機對我國對外貿(mào)易額影響因素的匯率估算法. .31、匯率估算法分析.32、利用匯率估算法對我國對外貿(mào)易額走向預(yù)測.4四、模型建立前的準備.6 （一）若干假設(shè).6（二）數(shù)據(jù)的來源與預(yù)處理.61、數(shù)據(jù)來源的說明.62、評價指標的選取.73、匯率影響因素的剔除.9五、模型的構(gòu)建與檢驗.9（一）利用主成分分析方法構(gòu)建兩大綜合因子.91、深圳.92、廈門.103、天津.114、上海.125、廣州.13（二）建立進出口貿(mào)

2、易總額分析模型.14 1、理論基礎(chǔ).14 2、次貸危機以前的Panel Data模型.14 3、次貸危機期間的Panel Data模型.16 4、結(jié)論分析.175、模型不足之處及今后研究方向.18 六、灰色預(yù)測模型的建立與預(yù)測.18 （一）灰色預(yù)測理論與模型 .18（二）選擇灰色預(yù)測模型進行預(yù)測的原因.18（三）灰色預(yù)測模型的建立及預(yù)測.19（四）模型預(yù)測次貸余波影響下各城市對外貿(mào)易額未來幾年走勢.21（五）預(yù)測結(jié)果分析.23（六）模型的不足之處. .24七、結(jié)論與建議.26 （一）政府層面：調(diào)整宏觀調(diào)控政策.26（二）產(chǎn)業(yè)層面：穩(wěn)步推進產(chǎn)業(yè)轉(zhuǎn)移和產(chǎn)業(yè)升級.27（三）企業(yè)層面：從制造走向軟性制

3、造.27參考文獻 .28 附錄 .29 摘 要金融危機對我國最直接也是最嚴重的影響就體現(xiàn)在我國進出口總額上，我國各個城市的政府也相繼出臺了許多政策來調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，維持我國經(jīng)濟的穩(wěn)定與發(fā)展。本文在分析了現(xiàn)有的地區(qū)政策和經(jīng)濟指數(shù)后，運用2005年至2008年我國10個沿海城市的各項指標統(tǒng)計數(shù)據(jù)，從國際投資和國內(nèi)貿(mào)易兩個綜合因子出發(fā)，使用匯率預(yù)測法和面板數(shù)據(jù)（Panel Data）模型分析，對金融危機的影響進行了探討，并使用灰色預(yù)測模型對我國進出口貿(mào)易總額未來的走勢進行了定量預(yù)測。本文首先使用匯率預(yù)測法對我國總體的進出口貿(mào)易額進行了定性分析，通過分析匯率變化與我國進出口總額在時間上的關(guān)系，得出了結(jié)論

4、：我國進出口貿(mào)易受到的影響滯后于世界金融危機的爆發(fā)。這是因為我國是出口外向型經(jīng)濟，當金融危機影響到了國外的消費水平后，才會牽動到本國的進出口，從而影響我國的經(jīng)濟。因此，這樣的滯后性是可以解釋的。但是，最后我們也會發(fā)現(xiàn)隨著世界經(jīng)濟的穩(wěn)定，我國的進出口貿(mào)易也會有所回轉(zhuǎn)。在模型的建立過程中，使用主成分分析法將多個指標降維成兩個綜合因子，作為后續(xù)模型的自變量。在此基礎(chǔ)上，以10個城市為橫截面，構(gòu)建了個體變異系數(shù)的Panel Data模型，并結(jié)合實際情況進行分析，得出了各個城市的判斷。由于我們能夠通過中國統(tǒng)計年鑒查到的各個城市的數(shù)據(jù)有所不同，它們所采用的指標各異，因此我們只能針對不同城市的綜合因子建立不

5、同的子因子，因此最后我們對每一個城市進行了分析。雖然10個城市相互獨立，但從中我們也可以看到金融危機對中國的整體影響，我們將這部分內(nèi)容放在總結(jié)中敘述了。隨后，本文通過建立灰色預(yù)測模型，對2008，2009，2010年我國進出口貿(mào)易總額分別進行了預(yù)測。并將08年的預(yù)測數(shù)據(jù)與實際數(shù)據(jù)進行了對比，以驗證我們模型的合理性。通過預(yù)測結(jié)果，我們得出了未來幾年我國進出口貿(mào)易額的總體走勢：雖然增長趨勢放緩，但是總體上有增無減?？梢娊鹑谖C對我國實體經(jīng)濟影響并不大，對我國進出口貿(mào)易額雖然有一定影響，但是影響并不嚴重。并且在未來的紀念間，我國出口貿(mào)易仍會有一定的增長。最后，在理論和模型分析的基礎(chǔ)上，針對金融危機對

6、我國進出口總額的影響我們提出了三點建議：一是政府層面：調(diào)整宏觀調(diào)控政策，二是產(chǎn)業(yè)層面：穩(wěn)步推進產(chǎn)業(yè)轉(zhuǎn)移和產(chǎn)業(yè)升級，三是企業(yè)層面：從制造走向軟性制造。關(guān)鍵詞：金融危機 匯率預(yù)測 面板數(shù)據(jù)模型 灰色預(yù)測 問題的提出始于2007年2月的美國次貸危機，已經(jīng)演化為席卷美國、影響全世界的金融危機。雖然自2009年6月以來，金融危機對美國的影響已經(jīng)告一段落，但是其在美國甚至全球范圍內(nèi)的影響仍然留有余波。中國作為一個正在積極融入世界經(jīng)濟和金融體系的國家，自然也無法置身度外。高額的外匯儲備以及外向型的經(jīng)濟體系，已經(jīng)將我國與危機中的資本主義國家牢牢地捆綁在了一起。如果不能及時提出合理政策，作出產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，此次金

7、融危機對我國的影響將會愈演愈烈。這主要表現(xiàn)在，沿海經(jīng)濟特區(qū)和開放城市的外貿(mào)企業(yè)倒閉，工人失業(yè)，以及由此引發(fā)的一系列連鎖反應(yīng)。據(jù)海關(guān)總署的數(shù)字統(tǒng)計，2008 年是我國加入世貿(mào)組織7 年以來對外貿(mào)易進出口速度首次低于20%，出口比上年回落了8.5 個百分點，2009 年1 月份的外貿(mào)進出口數(shù)據(jù)顯示比去年同期下降了29%。并且，此次危機的波及面可能會從沿海地區(qū)逐漸向內(nèi)陸拓展。金融危機對我國的影響到底有多大呢？如何作出合理的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，有效遏制金融危機對我國的近一步影響，讓我國的經(jīng)濟持續(xù)健康穩(wěn)定地發(fā)展是擺在每一個中國人面前的嚴峻課題。研究金融危機對沿海城市的外貿(mào)影響及趨勢，不僅能讓我們清楚地認識到金

8、融危機對中國的影響，更能為制定產(chǎn)業(yè)調(diào)整政策提供了參考性的建議。研究現(xiàn)狀及存在的問題自2008年金融危機波及中國以來，國內(nèi)有很多學(xué)者、研究部門和統(tǒng)計部門都通過各種方法對我國進出口貿(mào)易的數(shù)據(jù)進行分析，對外貿(mào)企業(yè)的改革之路進行了大量的探索。但是據(jù)筆者所知，我國現(xiàn)階段在這類研究方面還存在較多的不足，舉例如下：一是相對于國外研究，我國對外貿(mào)產(chǎn)業(yè)結(jié)構(gòu)的研究尚停留在規(guī)范分析上，而研究分析貿(mào)易結(jié)構(gòu)影響因素的實證文獻還比較少。二是還據(jù)筆者了解，還未曾有文獻對金融危機對中國的影響的走向作出預(yù)測。三是大多文獻只是泛泛地談外貿(mào)企業(yè)在此次金融危機中受到的影響，以及波及的產(chǎn)業(yè)，而沒有通過一些統(tǒng)計學(xué)上的方法有力地證明真正影

9、響到中國外貿(mào)企業(yè)的是哪些因素。四是由于沒有有力的定量證明，目前學(xué)者對美國經(jīng)濟下滑是否會對中國進出口造成顯著的復(fù)要影響并沒有達成一致。比如：中金公司經(jīng)濟學(xué)家哈繼銘和邢自強（2007）認為，中國的出口增速實際上從未與美國消費脫節(jié)。高盛經(jīng)濟學(xué)家梁紅和喬虹（2007）認為，中國經(jīng)濟HYPERLINK javascript:; t _self走勢和美國經(jīng)濟走勢在很大程度上已經(jīng)脫鉤。UBS經(jīng)濟學(xué)家安德森（2007）認為，中美貿(mào)易對中國GDP的影響被人們夸大了。有鑒于此，本文通過選取具有典型代表意義的10個沿海開放城市為研究對象，根據(jù)2005年2月到2009年7月期間每個月的數(shù)據(jù)，分別使用偏離-份額分析和P

10、annel Data模型，對外貿(mào)企業(yè)影響因素進行分析和探討，并使用灰色預(yù)測模型對影響的未來走向進行定量預(yù)測。金融危機的成因及其對我國對外貿(mào)易額影響因素分析（一）金融危機的成因概述 2007年的美國，對外有巨額債務(wù)纏身，同時為了獲得在進口石油上的獨立自主權(quán)又要付出巨額的代價，國際地位日益降低，美元貶值。對內(nèi)房地產(chǎn)的泡沫經(jīng)濟幾近崩潰，次貸危機愈演愈烈。在這樣一個內(nèi)憂外患的環(huán)境下，美國的金融危機爆發(fā)了。但是，作為世界頭號強國的美國，其經(jīng)濟的影響力足以滲透到世界各個國家，眼下這場金融危機不僅僅讓美國自身蒙受了巨大損失，也給全世界經(jīng)濟帶來了一場巨大災(zāi)難。日本和歐洲這些與美國有著常年進出口貿(mào)易往來的國家首

11、當其沖地受到了牽連，這些國家的金融衍生機構(gòu)受這次次貸危機的影響也相繼倒閉，國家失業(yè)率暴增。而我國自從加入WTO 以來，對外貿(mào)易發(fā)展更加迅速，外貿(mào)出口大大增加，外貿(mào)依存度高達70%以上，外匯儲備不斷增多，自2006 年2 月超過了日本成為世界第一之后，中國外匯儲備不斷創(chuàng)出新高，這在很大程度上得益于我國外貿(mào)出口和我國外貿(mào)企業(yè)的發(fā)展。但是隨之而來的問題是對歐、美、日等國的依存度越來越高，尤其是美國，它已成為我國最大的對外貿(mào)易出口國，其經(jīng)濟的繁榮與否對我國的出口貿(mào)易產(chǎn)生了直接影響。不斷攀高的對美外貿(mào)依存度，成為了中美貿(mào)易摩擦頻率越來越高的根本原因，中國的金融危機由此產(chǎn)生了。（二）金融危機對我國對外貿(mào)易

12、額影響因素的匯率估算法 1、匯率估算法分析因為外貿(mào)的出口和進口都是以美元結(jié)算的，所以匯率對我國的外貿(mào)出口額的影響是非常大的，其主要表現(xiàn)在以下幾個方面：一是受到人民幣升值和美元貶值的雙重影響，近年來人民幣對美元的匯率逐年降低，這將造成出口價格偏低，利潤降低，給國內(nèi)的出口企業(yè)造成盈利能力下降。二是中國的出口產(chǎn)品主要以勞動密集型產(chǎn)品為主，這種產(chǎn)品主要以其低廉的價格占領(lǐng)國際市場，如今人民幣對美元的匯率降低將導(dǎo)致中國的產(chǎn)品國際競爭力下降。三是外貿(mào)企業(yè)在國內(nèi)生產(chǎn)的運營成本將加大，導(dǎo)致企業(yè)盈利減少，生產(chǎn)積極性下降。由此可見，匯率的改變對我國對外貿(mào)易出口額的影響比較顯著，因此用匯率來估算未來對外貿(mào)易額走勢具有

13、可行性。2、利用匯率估算法對我國對外貿(mào)易額走向預(yù)測（1）數(shù)據(jù)的來源和處理 利用中國統(tǒng)計年鑒2006年1月到2009年7月期間我國進出口商品總額和一般貿(mào)易總額（詳細數(shù)據(jù)見附件1），分別作出其關(guān)于時間的圖像。結(jié)合2005年7月到2009年9月美元匯率的變化圖像，我們可以對我國對外貿(mào)易走向進行初步的定性分析。（2）我國對外貿(mào)易走向分析圖1 美元匯率變化圖2 06年1月到09年7月進出口商品總額圖3 06年1月到09年7月一般貿(mào)易總額首先，我們從圖1可以看出美元匯率從2005年5月開始便處于下滑趨勢。但是，結(jié)合附件3中的數(shù)據(jù)，我們可以看出，在07年7月以前，美元匯率處于比較平緩的下跌趨勢，但是在07年

14、7月到08年7月這一段時間里，美元匯率開始了嚴重下跌，一直跌至08年7月（詳細數(shù)據(jù)參見附件2）的6.8左右。從美國經(jīng)濟行情方面來看，自07年初美國次貸危機以來，07年7月到08年7月是美國金融危機的高潮階段，金融衍生機構(gòu)相繼倒閉。因此，我們推測這段時間是金融危機對美國影響最大的階段。接下來，我們分析圖2和圖3。結(jié)合附件1中的數(shù)據(jù)，我們可以發(fā)現(xiàn)從08年7月開始，一般進出口貿(mào)易總額和進出口商品總額開始持續(xù)下滑?？梢娺@一階段我國的進出口額呈現(xiàn)下滑趨勢。而這一階段正處在美元匯率儲蓄在6.8這一低谷的階段。結(jié)合三張圖的數(shù)據(jù)，我們可以發(fā)現(xiàn)，外貿(mào)的持續(xù)下滑趨勢滯后于美元匯率的下滑。這一點，我們可以進行等性分

15、析。07年初美國金融危機爆發(fā)，國內(nèi)泡沫經(jīng)濟崩潰，導(dǎo)致本國內(nèi)需求下滑，進出口貿(mào)易減少，同時美國石油危機加劇國際地位受到動搖，這都導(dǎo)致了美元匯率的下滑。而美國作為中國最大的貿(mào)易出口國，美元貶值人民幣升值，必將影響中美之間貿(mào)易往來，結(jié)合上篇提到的3點因素，我們顯然可以推測初美元匯率下降后中國進出口貿(mào)易額會持續(xù)走低。最后，我們在這里還要提一點的是，在圖3中由一個奇點就是在08年1月的時候我國一般貿(mào)易總額突然跌到了-190億美元，我們推測這可能和政府在這一階段的政策有關(guān)，可能限制了某些商品的出口量或是增加了某些商品的出口關(guān)稅，導(dǎo)致部分企業(yè)將出口商品儲存起來內(nèi)銷或者等待行情變化時候再出口。但是，這個奇點并

16、不影響后面曲線下滑的整體走勢，也和本文所要討論的課題沒有直接關(guān)系，因此在這里我們就不再過多討論這個奇點的問題。綜上，我們可以得出結(jié)論，金融危機對我國進出口貿(mào)易額產(chǎn)生了直接的影響，但是通過曲線可以看出從09年1月左右開始進出口貿(mào)易曲線呈現(xiàn)上升趨勢（詳細數(shù)據(jù)見附件1），而美元匯率也基本穩(wěn)定在6.8。由此，我們推斷，從這一時間開始金融危機對我國的影響逐步呈現(xiàn)緩和的趨勢。四、模型建立前的準備（一）若干假設(shè) 1、金融危機對我國的影響最直接地反映在進出口貿(mào)易額上，因此本文通過進出口貿(mào)易總額來研究金融危機對我國經(jīng)濟的影響程度。 2、影響我國進出口貿(mào)易總額的因素很多，本文在不考慮匯率的影響下，將因素分為了國內(nèi)

17、貿(mào)易影響因子和投資影響因子，并認為它們是影響進出口貿(mào)易額的最重要因素。同時，由于選取的各個城市統(tǒng)計年鑒上提供的數(shù)據(jù)不同，我們又將各個城市的影響因素細分為不同的子因素。 3、在模型的建立過程中，不考慮除金融危機以為的國家政策變化或其它重大時間對經(jīng)濟產(chǎn)生的影響。 4、在提取主成分的過程中，不考慮信息量損失對模型及預(yù)測結(jié)果的影響。（二）數(shù)據(jù)的來源與預(yù)處理 1、數(shù)據(jù)來源的說明 此次金融危機對我國最直接也是最重大的影響就在于對我國進出口貿(mào)易額的影響。為了深入地分析這一問題，并且預(yù)計未來幾內(nèi)金融危機對我國的進一步影響以及時采取有效措施，我們具體分析了我國10個沿海城市近年來的進出口貿(mào)易變化?？紤]到Pane

18、l-Data模型需要充分的數(shù)據(jù)支持，我們選取了廣州、上海、深證、天津、廈門這五個統(tǒng)計年鑒上又大量數(shù)據(jù)信息的城市作為分析對象。然后我們又選取了包括這五個城市以外的澳門、大連、青島、溫州和珠海來進行灰色預(yù)測。本文中所有出現(xiàn)的數(shù)據(jù)均來自中國統(tǒng)計年鑒。2、評價指標的選取 由于中國統(tǒng)計年鑒上各個城市所給出的數(shù)據(jù)不同，因此我們針對不同城市制定了不同的指標體系。自此我們將其一一列出如下：深圳進出口總額國內(nèi)貿(mào)易綜合因子國際投資綜合因子外商及港澳臺投資企業(yè)投資國內(nèi)金融機構(gòu)各項貸款余額國內(nèi)金融機構(gòu)各項存款余額社會消費品零售總額外商直接投資廈門進出口總額國內(nèi)貿(mào)易綜合因子國際投資綜合因子進口總額出口總額實際利用外資金

19、額合同外資金額一般貿(mào)易三資企業(yè)私營企業(yè)集體企業(yè)國有企業(yè)天津進出口總額國內(nèi)貿(mào)易綜合因子國際投資綜合因子集體企業(yè)進出口總額國有企業(yè)進出口總額直接利用外資合同金額外商及港澳臺投資企業(yè)投資直接利用外資上海進出口總額國內(nèi)貿(mào)易綜合因子國際投資綜合因子私營企業(yè)進出口總額一般貿(mào)易進出口總額加工貿(mào)易進出口總額外商直接投資實際到位金額外商直接投資合同金額高新技術(shù)產(chǎn)品機電產(chǎn)品進出口總額國有企業(yè)進出口總額外商投資企業(yè)廣州進出口總額國內(nèi)貿(mào)易綜合因子國際投資綜合因子金融機構(gòu)人民幣各項存款余額金融機構(gòu)人民幣各項貸款余額外商及港澳臺投資企業(yè)金融機構(gòu)外幣余額情況社會消費品零售總額3、匯率影響因素的剔除 考慮到本文中進出口額等幾

20、乎所有數(shù)據(jù)均以億美元為單位受匯率影響很大，為了保證各個時期的數(shù)據(jù)可比，本文構(gòu)建模型時決定剔除匯率因素的影響，對以美元為單位計算的價值量指標使用平均匯率6.90作為標準。五、模型的構(gòu)建與檢驗 本部分使用主成分方法，將選取的指標綜合為兩大綜合因子，作為后續(xù)模型的自變量。在此基礎(chǔ)上，分別對選取的10個沿海城市建立了系數(shù)Panel Data模型，并結(jié)合實際情況，具體分析了兩大綜合因子對不同城市進出口貿(mào)易總額的影響。（一）利用主成分分析方法構(gòu)建兩大綜合因子 主成分分析也稱主分量分析，它是將原來眾多具有一定相關(guān)性的指標，重新組合成一組新的互相無關(guān)的綜合指標來代替原有指標，從而在保證信息量丟失較小的同時降低

21、數(shù)據(jù)維度。本文利用主成分分析的方法，根據(jù)影響進出口總額的因素分別構(gòu)建了兩個指標，為建立模型奠定了基礎(chǔ)。但由于各個城市的數(shù)據(jù)有所差異，我們針對不同城市選取了不同的子因素來建立這兩大綜合因子?，F(xiàn)分別針對各個城市構(gòu)建影響綜合因子如下：使用馬克威軟件進行主成分分析（對四個不同的城市）1、深圳A、構(gòu)建國際投資綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%11.462073.098173.098120.538026.9019100.0000因子載荷矩陣（提取方法：主成分法）因子1外商直接投資0.8550外商及港澳臺投資企業(yè)投資0.8550根據(jù)主成份分析的結(jié)果，最終確定的國際投資綜合因子為：國

22、際投資綜合因子=0.5*外商直接投資+0.5*外商及港澳臺投資企業(yè)投資B、構(gòu)建國內(nèi)貿(mào)易綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%12.051368.377468.377420.924530.815499.192830.02420.8072100.0000因子載荷矩陣（提取方法：主成分法）因子1國內(nèi)金融機構(gòu)各項存款余額0.9798國內(nèi)金融機構(gòu)各項貸款余額0.9764社會消費品零售總額0.3713根據(jù)主成份分析的結(jié)果，最終確定的國內(nèi)貿(mào)易綜合因子為：國內(nèi)貿(mào)易綜合因子=0.42*國內(nèi)金融機構(gòu)各項存款余額+0.42*國內(nèi)金融機構(gòu)各項貸款余額+0.16*社會消費品零售總額2、廈門A、構(gòu)建

23、國際投資綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%11.378045.934145.934120.902330.075176.009130.719723.9909100.0000因子載荷矩陣（提取方法：主成分法）因子1因子2加權(quán)因子1，2一般貿(mào)易0.68590.52400.60495合同外資金額-0.57150.78370.1061實際利用外資金額0.76220.11610.43915根據(jù)主成份分析的結(jié)果，最終確定的國際投資綜合因子為：國際投資綜合因子=0.5*一般貿(mào)易+0.1*合同外資金額+0.4*實際利用外資金額B、構(gòu)建國內(nèi)貿(mào)易綜合因子特征根和累計貢獻率因子特征根方差貢獻

24、率%累計貢獻率%13.821447.767347.767321.462718.284166.051431.215015.187481.238840.47565.944987.183750.40935.116792.300460.34534.316196.616570.14721.839798.456280.12351.5438100.0000因子載荷矩陣（提取方法：主成分法）因子1國有企業(yè)0.4605集體企業(yè)0.0345私營企業(yè)0.7834三資企業(yè)0.8485國有企業(yè)10.7279集體企業(yè)10.6278私營企業(yè)10.8512三資企業(yè)10.7912根據(jù)主成份分析的結(jié)果，最終確定的國內(nèi)貿(mào)易綜合因子

25、為：國內(nèi)貿(mào)易綜合因子=0.0899*國有企業(yè)+0.0067*集體企業(yè)+0.1529*私營企業(yè)+0.1657*三資企業(yè)+0.1420*國有企業(yè)1+0.1225*集體企業(yè)1+0.1661*私營企業(yè)1+0.1542*三資企業(yè)13、天津A、構(gòu)建國際投資綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%11.678755.956055.956020.948031.599387.555230.373312.4448100.0000因子載荷矩陣（提取方法：主成分法）因子1直接利用外資0.8607外商及港澳臺投資企業(yè)投資0.3762直接利用外資合同金額0.8924根據(jù)主成份分析的結(jié)果，最終確定的國際

26、投資綜合因子為：國際投資綜合因子=0.4*直接利用外資+0.42*直接利用外資合同金額+0.18*外商及港澳臺投資企業(yè)投資B、構(gòu)建國內(nèi)貿(mào)易綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%11.141557.073157.073120.858542.9269100.0000因子載荷矩陣（提取方法：主成分法）因子1國有企業(yè)0.7555集體企業(yè)0.7555根據(jù)主成份分析的結(jié)果，最終確定的國內(nèi)貿(mào)易綜合因子為：國內(nèi)貿(mào)易綜合因子=0.5*國有企業(yè)+0.5*集體企業(yè)4、上海A、構(gòu)建國際投資綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%1 2.5682 64.2057 64.2057

27、2 0.8649 21.6235 85.82923 0.5602 14.0040 99.83324 0.0067 0.1668 100.0000因子載荷矩陣（提取方法：主成分法）因子1外商投資企業(yè) 0.9565高新技術(shù)產(chǎn)品 0.9575外商直接投資合同金額 0.5420外商直接投資實際到位金額 0.6655根據(jù)主成份分析的結(jié)果，最終確定的國際投資綜合因子為：國際投資綜合因子=0.3*外商投資企業(yè)+0.3*高新技術(shù)產(chǎn)品+0.2*外商直接投資合同金額+0.2*外商直接投資實際到位金額B、構(gòu)建國內(nèi)貿(mào)易綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%1 4.8452 96.9038 96.

28、90382 0.1130 2.2599 99.16363 0.0321 0.6423 99.80594 0.0072 0.1432 99.94915 0.0025 0.0509 100.0000因子載荷矩陣（提取方法：主成分法）因子1國有企業(yè) 0.9879私營企業(yè) 0.9761一般貿(mào)易 0.9936加工貿(mào)易 0.9709機電產(chǎn)品 0.9933根據(jù)主成份分析的結(jié)果，最終確定的國內(nèi)貿(mào)易綜合因子為：國內(nèi)貿(mào)易綜合因子=0.2*國有企業(yè)+0.2*私營企業(yè)+0.2*一般貿(mào)易+0.2*加工貿(mào)易+0.2*機電產(chǎn)品5、廣州A、構(gòu)建國際投資綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%1 1.810

29、7 90.5327 90.53272 0.1893 9.4673 100.0000因子載荷矩陣（提取方法：主成分法）因子1金融機構(gòu)外幣余額情況 0.9515外商及港澳臺投資企業(yè) 0.9515根據(jù)主成份分析的結(jié)果，最終確定的國際投資綜合因子為：國際投資綜合因子=0.5*金融機構(gòu)外幣余額情況+0.5*外商及港澳臺投資企業(yè)B、構(gòu)建國內(nèi)貿(mào)易綜合因子特征根和累計貢獻率因子特征根方差貢獻率%累計貢獻率%1 2.9234 97.4460 97.44602 0.0620 2.0672 99.51323 0.0146 0.4868 100.0000因子載荷矩陣（提取方法：主成分法）因子1社會消費品零售總額 0.

30、9793金融機構(gòu)人民幣各項存款余額 0.9931金融機構(gòu)人民幣各項貸款余額 0.9889根據(jù)主成份分析的結(jié)果，最終確定的國內(nèi)貿(mào)易綜合因子為：國內(nèi)貿(mào)易綜合因子=0.33*社會消費品零售總額+0.335*金融機構(gòu)人民幣各項存款余額+0.335*金融機構(gòu)人民幣各項貸款余額（二）建立進出口貿(mào)易總額分析模型 接下來在城市的數(shù)據(jù)擬合成兩類因子的基礎(chǔ)上，我們要建立平行數(shù)據(jù)（Panel Data）模型。建立這個模型前，要進行單位根檢驗，來看看是不是平行數(shù)據(jù)。1、理論基礎(chǔ)平行數(shù)據(jù)是指對不同時刻的橫截面（就是不同城市）個體作連續(xù)觀測所得到的多維（時間）數(shù)據(jù)。由于這類數(shù)據(jù)有著獨特的優(yōu)點，使平行數(shù)據(jù)模型目前已在計量經(jīng)

31、濟學(xué)、社會學(xué)等領(lǐng)域有著較為廣泛的應(yīng)用。平行數(shù)據(jù)在EViews中被稱為時序與橫截面混合數(shù)據(jù)（pooled time series and cross-section data）。平行數(shù)據(jù)模型是一類利用平行數(shù)量分析變量間相互關(guān)系并預(yù)測其變化趨勢的計量經(jīng)濟模型。模型能夠同時反映研究對象在時間和橫截面單元兩個方向上的變化規(guī)律及不同時間、不同單元的特性。平行數(shù)據(jù)模型的基本假設(shè)：參數(shù)齊性假設(shè)。假定時間序列參數(shù)齊性，及參數(shù)值不隨時間的不同而變化。（這些都是前面單位根檢驗的目的）則平行數(shù)據(jù)模型可表示為：為外生變量向量，為參數(shù)向量，K是外生變量個數(shù)，即為影響因子的個數(shù)。而T是時期總數(shù)，我們分兩次看，即一次短期一

32、次長期，長期是05年1月-09年9月，短期即為外貿(mào)波動最厲害的時候，我認為可以看08年11月-09年4月的，因為次貸對中國有滯后性。其中參數(shù)和都是個體時期恒量（individual timeinvariantvariable）,其取值只受到截面單元不同的影響2、次貸危機以前的Panel Data模型（1）單位根檢驗LLC 檢驗比較適合對截面?zhèn)€數(shù)在10-250 之間的面板數(shù)據(jù)進行平穩(wěn)性檢驗，因此本文采用此種方法對人均GDP 指標進行單位根檢驗。方法統(tǒng)計量PLLC 調(diào)整的t*1.2608230.896314（2）Panel Data模型得到的結(jié)果模型： 個體變系數(shù)模型方法： 最小二乘法時間長度：

33、27個體數(shù)： 5觀測值數(shù)： 135樣本范圍： 2006_02月-2008_04月馬克威分析：變量系數(shù)標準誤差t顯著性上海-國內(nèi)貿(mào)易綜合因子 12.0243 1.7678 6.80190.0000上海-國際投資綜合因子 -9.2057 1.8248 -5.0448 0.0000廣州-國內(nèi)貿(mào)易綜合因子 -0.2890 0.7252 -0.3985 0.6910廣州-國際投資綜合因子 0.9223 0.9716 0.9492 0.3443深圳-國內(nèi)貿(mào)易綜合因子 0.0776 0.0285 2.7250 0.0074深圳-國際投資綜合因子 0.3833 0.0849 4.5174 0.0000廈門-國

34、內(nèi)貿(mào)易綜合因子 6.2762 9.4816 0.6619 0.5092廈門-國際投資綜合因子 0.3413 7.9868 0.0427 0.9660天津-國內(nèi)貿(mào)易綜合因子 13.4316 7.6265 1.7612 0.0807天津-國際投資綜合因子 2.6747 1.8718 1.4290 0.1555變系數(shù)方程求得的結(jié)果進出口總額上海=12.0243*國內(nèi)貿(mào)易綜合因子上海-9.20571*國際投資綜合因子上海進出口總額廣州=-0.288972*國內(nèi)貿(mào)易綜合因子廣州+0.922286*國際投資綜合因子廣州進出口總額深圳=0.0776286*國內(nèi)貿(mào)易綜合因子深圳+0.383343*國際投資綜合

35、因子深圳進出口總額廈門=6.27618*國內(nèi)貿(mào)易綜合因子廈門+0.341296*國際投資綜合因子廈門進出口總額天津=13.4316*國內(nèi)貿(mào)易綜合因子天津+2.67466*國際投資綜合因子天津3、次貸危機期間的Panel Data模型（1）單位根檢驗方法統(tǒng)計量PLLC 調(diào)整的t*-0.8815390.189013（2）Panel Data模型得到的結(jié)果模型： 個體變系數(shù)模型方法： 最小二乘法時間長度： 21個體數(shù)： 5觀測值數(shù)： 105樣本范圍： 2007_11月-2009_07月馬克威分析：變量系數(shù)標準誤差t顯著性上海-國際投資綜合因子 0.5820 0.9262 0.6284 0.5312上

36、海-國內(nèi)貿(mào)易綜合因子 2.2695 0.8943 2.5379 0.0128深圳-國際投資綜合因子 0.5647 0.0262 21.52320.0000深圳-國內(nèi)貿(mào)易綜合因子 0.0030 0.0078 0.3807 0.7043廣州-國際投資綜合因子 0.8909 0.2166 4.1142 0.0001廣州-國內(nèi)貿(mào)易綜合因子 -0.2808 0.1575 -1.7832 0.0778廈門-國際投資綜合因子 0.1734 3.4825 0.0498 0.9604廈門-國內(nèi)貿(mào)易綜合因子 6.4269 4.3758 1.4687 0.1452天津-國際投資綜合因子 2.3677 0.5818

37、4.0697 0.0001天津-國內(nèi)貿(mào)易綜合因子 12.0871 2.4037 5.0285 0.0000變系數(shù)方程求得的結(jié)果進出口總額上海=0.582044*國際投資綜合因子上海+2.26955*國內(nèi)貿(mào)易綜合因子上海進出口總額深圳=0.564725*國際投資綜合因子深圳+0.00297082*國內(nèi)貿(mào)易綜合因子深圳進出口總額廣州=0.890944*國際投資綜合因子廣州-0.280775*國內(nèi)貿(mào)易綜合因子廣州進出口總額廈門=0.173419*國際投資綜合因子廈門+6.42691*國內(nèi)貿(mào)易綜合因子廈門進出口總額天津=2.36765*國際投資綜合因子天津+12.0871*國內(nèi)貿(mào)易綜合因子天津4、模型

38、結(jié)果的分析 由于各個城市所采用的指標不同，因此我們在這里對各個城市單獨分析。上海：金融危機以前上海國企、私企、一般貿(mào)易和加工機電的進出口占有很大份額，而外商直接投資并為給上海進出口總額作出貢獻。但金融危機之后，上海國內(nèi)貿(mào)易進出口量大幅減少，而外商直接投資和高新技術(shù)產(chǎn)品為進出口所作貢獻急劇上升。由此，我們可見金融危機對上海內(nèi)陸進出口有比較大的影響，但可能與此同時，由于國外金融危機形勢嚴峻，導(dǎo)致了很多外商來華投資，又促進了上海的進出口總額。廣州：廣州作為珠江三角洲的中心城市，在此次金融危機中扮演了穩(wěn)定器的角色，各項指標都未產(chǎn)生很大波動。這可能要歸功于廣州今年來的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，從拉動經(jīng)濟的“三駕馬車

39、”看，出口“腿長”、消費和投資“腿短”的格局已經(jīng)改變。廣州的社會消費品零售總額以及金融機構(gòu)存款和貸款都有所提高，但與此同時金融機構(gòu)外幣余額以及外商投資在減少，這可能也是一定程度上受到金融危機沖擊的緣故。但總的來說，廣州并為受到金融危機的嚴重影響。深圳：深圳作為珠江三角洲第一個依靠外貿(mào)發(fā)展起來的城市，在此次金融必定受到比較大的影響。但是從分析數(shù)據(jù)可以看出，深圳及時作出了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，將以前的外向型經(jīng)濟體制改造成了以擴大內(nèi)需為主導(dǎo)的經(jīng)濟體制。金融危機之后，深圳的社會消費品總額、國有企業(yè)存款和貸款額都有明顯上升，但與此同時外商投資下滑較為嚴重，這可能是由于金融危機的影響。廈門：在金融危機的影響下，廈

40、門市的內(nèi)陸進出口額大幅下跌，但是外商投資卻持續(xù)上升。我們認為這和廈門的地理位置有關(guān)，福建省臨近臺灣，臺灣此次受金融危機較為嚴重，因此很多臺商可能會將目光轉(zhuǎn)移到大陸，因此促進了廈門市的外商投資份額。天津：天津的情況和廈門極為相似，我們認為這可能也是天津的地理位置所致。天津靠近首都北京，因此，具有吸引外商的得天獨厚的條件。5、模型不足之處及今后研究方向 本文力圖通過綜合性的因子指標，多方面反映各類因素對區(qū)域經(jīng)濟的影響。但在具體指標選取上又由于各個城市所提供的數(shù)據(jù)不一樣，而無法達成一致，這導(dǎo)致我們在將各個城市平等比較時產(chǎn)生了一些困難。同時，由于數(shù)據(jù)不足，其它一些可能影響到進出口總額的因子我們可能并未

41、考慮進去。諸如此類的問題，如果今后能提供更加完備的數(shù)據(jù)，我們將進行更加深入的分析。六、灰色預(yù)測模型的建立與預(yù)測 灰色預(yù)測模型時普適性的模型，我們對于十個城市都會用灰色預(yù)測模型對進出口總值分別作出預(yù)測。（一）灰色預(yù)測理論與模型 灰色預(yù)測是指利用模型對系統(tǒng)行為特征的發(fā)展變化規(guī)律進行估計預(yù)測，同時也可以對行為特征的異常情況發(fā)生的時刻進行估計計算，以及對在特定時區(qū)內(nèi)發(fā)生事件的未來時間分布情況做出研究等等。這些工作實質(zhì)上是將隨機變量過程當作灰色過程，隨機變量當作灰變量。模型是利用離散隨機數(shù)經(jīng)過生成變?yōu)殡S機性被顯著削弱而且較有規(guī)律的生成數(shù)，建立起的微分方程形式的模型，這樣便于對其變化過程進行研究和描述。（

42、二）選擇灰色預(yù)測模型進行預(yù)測的原因 之所以選擇GM(1, 1)灰色預(yù)測模型進行經(jīng)濟狀況復(fù)蘇的預(yù)測，主要考慮到以下兩點：第一，經(jīng)濟特區(qū)的經(jīng)濟作為一個經(jīng)濟信息系統(tǒng)是一個灰箱系統(tǒng)，它既包括已知信息，又含有未知數(shù)據(jù)，同時它又隨時間呈現(xiàn)規(guī)律性的變化，為尋求其發(fā)展規(guī)律，考慮采用GM(1, 1)灰色預(yù)測模型進行研究。第二，GM(1, 1)模型對于數(shù)據(jù)量的要求較少，一般4-6 個數(shù)據(jù)就可以建立起一個模型，可操作性很強。第三，次貸危機的顯著影響是一個短期的過程，而GM(1, 1)灰色預(yù)測模型對于短期預(yù)測較為有效。但缺點也很明顯，就是無法對影響變量增長的因素進行分析。（三）灰色預(yù)測模型的建立及預(yù)測 由已知數(shù)據(jù)，對

43、于某項指標即為矩陣，計算每年平均值，記為 ，對作一次累加，則，記。取的加權(quán)均值，則為確定參數(shù)，記。于是的白化微分方程模型為其中是發(fā)展灰度，是內(nèi)生控制灰度。由于，取為灰導(dǎo)數(shù)，為背景值，則將方程對應(yīng)為相應(yīng)的灰微分方程為即矩陣形式為 其中用最小二乘法求得參數(shù)的估計值為 于是方程有響應(yīng)（特解） 則 由上式可以得到2009年的平均值為，則預(yù)測2009年的總值為。根據(jù)歷史數(shù)據(jù)，可以統(tǒng)計計算出2009年第個月的指標值占全年總值的比例為，即 則，于是可得2009年每一個月的指標值為。預(yù)測結(jié)果如下：表1 2008年2月至12月10個城市進出口貿(mào)易總額實際值與估測值對比單位：億美元（其中澳門的數(shù)據(jù)為進出口貿(mào)易余額

44、，取自澳門統(tǒng)計年鑒）時間澳門實際值 澳門預(yù)測值大連實際值大連預(yù)測值2008年2月-1628.68-1601.25532927.182368242008年3月-2030.76-2231.65002936.5835.464314492008年4月-2024.08-2427.49235836.1738.04374482008年5月-1649.07-2187.67667936.2335.069009332008年6月-1737.79-2076.04272146.5936.95139892008年7月-2116.11-2164.46233141.140.34366022008年8月-1879.49-22

45、23.77853583.538.900395342008年9月-1782.86-2088.17489541.3840.057227052008年10月-2011.6-2210.97331336.8734.530250822008年11月-1929.46-2283.52726935.7841.049467612008年12月-1954.22-2301.70404632.5440.10916093廣州實際值廣州預(yù)測值青島實際值青島預(yù)測值深圳實際值深圳預(yù)測值48.4948.8429119234.1432.46844816193.54209.28777968.6969.3488326242.67639

46、966230.51255.588171969.9572.0114758346.1245.09077605239.85268.26994872.0166.6215724840.60179238251.19264.383879570.7373.2679429247.0445.76751379256.39288.41588182.5176.9191753751.4545.7545136267.88289.048263274.6573.8546947749.5348.23524037270.48302.179125975.7379.0641409751.5850.29556708290.01320.3

47、91381670.772.3512047143.1444.80886369271.75312.144266759.9872.0377211944.1748.30416507252.25333.147965760.2773.789075840.5348.37637896255.62356.4957811天津?qū)嶋H值天津預(yù)測值溫州實際值溫州預(yù)測值珠海實際值珠海預(yù)測值109.18106.00518288.40779.0684021963.1860.95749426128.93125.76674298.57489.248633407106.9439100.3303715139.06135.5284651

48、1.717812.63861974143.6254137.2286935149.63136.426365611.761212.68543024185.8464175.7817217144.85142.206033812.830813.8390826228.911215.5775514170.63151.474732214.630315.77999269272.2387258.6175236152.49147.644265813.448314.5051076318.8317303.5309337154.74150.433420812.421313.39740287368.2688351.3995

49、739132.85130.450826811.633412.54758733407.9388395.545701109.76135.25972389.310610.04225477440.2893439.2396705117.86144.033707712.2166133649476.279318上海實際值上海預(yù)測值廈門實際值廈門預(yù)測值227.48240.278422929.734930.86257731264.32288.11694838.63213835296.695319641.106142.12518322269.98265.1041

50、70937.611338.42385297262.55286.263999938.029241.53205681310.71305.113367242.692442.97947234289.87313.424853641.477343.1219505299.98326.878841940.920443.9684485274.79299.80774138.52641.70743128242.96317.582688832.534540.70362129226.8296.050385635.677245.6081451通過比較08年2月到12月各城市進出口貿(mào)易實際值與預(yù)測值可知：運用灰色模型得到的

51、預(yù)測值要比實際值略大一些，這是因為灰色預(yù)測模型中沒有考慮金融危機的影響，而實際上金融危機對我國進出口總額產(chǎn)生了一定影響，因此預(yù)測值會偏大。但是，總體上來看，預(yù)測的趨勢以及偏差都比較小，因此用該模型來預(yù)測我國進出口貿(mào)易未來的走勢是可行的。（四）由模型得到在次貸危機余波影響下我國失業(yè)率未來幾年走勢 接下來，我們通過05到08年的數(shù)據(jù)來預(yù)測09和10年的數(shù)據(jù),如下：表2 2009年2月至12月進出口總額預(yù)測時間 澳門預(yù)測值大連預(yù)測值廣州預(yù)測值青島預(yù)測值深圳預(yù)測值2009年2月-1789.05372238.4990706653.4171909537.62342212209.2877792009年3月-

52、2493.38235950.2289990775.8435500349.45207702255.58817192009年4月-2712.19346553.8823109978.7555574352.24978086268.2699482009年5月-2444.25172849.6691184572.8608741547.048087264.38387952009年6月-2319.52511952.3351940780.1296962753.03396339288.4158812009年7月-2418.31475657.1397389184.1228771453.01889917289.0482

53、6322009年8月-2484.58768255.0956066680.7713991255.893487763029月-2333.08017856.7340564686.4687249358.2809299320.39138162009年10月-2470.28063848.9060612479.127102951.9231096431211月-2551.34386558.1393916878.7842607555.9733555433312月-2571.65245156.8076117280.6996347456.

54、05703473356.4957811天津預(yù)測值溫州預(yù)測值珠海預(yù)測值上海預(yù)測值廈門預(yù)測值133.222635510.0442357876.33487009261.435666433.73165321158.058092210.24386134125.6401033313.486518741.73218736170.326193713.99863768171.8465402322.820241946.04126405171.454635414.05048537220.1251061288.447396941.99584727178.718267515.32828008269.9599874311

55、.470412945.39299887190.366758517.47804783323.8573912331.979524246.97497041185.552797416.06597477380.1008338341.022862147058084314.83907203440.0450044355.661514948.05588469163.94484213.89780945495.3276061326.206721545.58467667169.988451611.12288279550.0439872345.546807444.48754955181.015

56、207314.59452774596.4274009322.118519549.848012312010年的數(shù)據(jù)預(yù)測如下：表3 2010年2月至10月進出口總額預(yù)測時間澳門預(yù)測值大連預(yù)測值廣州預(yù)測值青島預(yù)測值深圳預(yù)測值2010年2月-2246.78921449.6096265260.1324488343.83101525227.43525022010年3月-3131.32273464.724728285.3781022657.61131285277.75037852010年4月-3406.11740669.4323597688.6561880760.87061763291.5317991201

57、0年5月-3069.62186364.0032700582.0204639854.81068182287.30876722010年6月-2912.98352667.4387559890.2030746161.78418462313.42459832010年7月-3037.04882873.6298580394.698251961.76663491314.11181482010年8月-3120.27790870.9958038690.9254481265.11550987328.38126262010年9月-2930.00669273.1070985297.3390042567.89686273

58、34810月-3102.31035863.0289.0744417960.49004801339.21048682010年11月-3204.11388874.9180034288.6884997865.20855526362.03542942010年12月-3229.61849473.2018813290.84466265.30604092387.4077481天津預(yù)測值溫州預(yù)測值珠海預(yù)測值上海預(yù)測值廈門預(yù)測值168.025934511.9242640193.48446226307.967179739.44550232199.349446312.16125445153

59、.8667384369.282280348.80125748214.822486716.61883045210.4540347380.277262153.84025435216.245724416.68038273269.5789899339.786581249.10957909225.406919618.19734846330.6099063366.907338853.08217868240.098481420.74949864396.6160423391.066755254.93212245234.026913319.07312103465.4952842401.719667855.114

60、22398238.44792717.61657297538.9066694418.963774756.19613423206.774060316.49912972606.6092055384.266482753.30632503214.396512313.2048066673.6183122407.048805452.02335411228.303915817.32625613730.4223454379.45064458.2918327（五）預(yù)測結(jié)果分析為了更加清楚地研究預(yù)測結(jié)果，我們將上述預(yù)測結(jié)果繪制成了圖像，方便我們觀察。圖4 2008年進出口額預(yù)測圖像圖5 2009年進出口額預(yù)測圖像圖