影响我国外汇储备的多因素分析

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《影响我国外汇储备的多因素分析》，欢迎阅读！

影响我国外汇储备的多因素分析



摘要：自2000年起，我国外汇储备呈快速增长趋势。本文首先找出外汇储备急增的原因，然后建立模型运用EViews软件进行相应统计分析，对数据的平稳性，模型估计的多重共线性、异方差性、自相关性分别进行了检验和相应的调整。得出影响我国外汇储备规模的注意因素是进出口差额、广义货币供应量、通货膨胀率和FDI（外商直接投资）等因素，在此基础上提出完善我国外汇储备管理的对策建议。

关键词：外汇储备 FDI 通货膨胀率 分布滞后模型 政策性建议

一、 问题提出

自2000年起，我国外汇储备呈快速增长趋势。2001年末外汇储备规模突破2000亿美元大关之后，持续扶摇直上：2002年末为2864亿美元，2003年末增加到4033亿美元，2004年跨越6000亿美元大关达到6099亿美元；2006年再创新高，突破10000亿美元大关冲向11000亿美元。截至2006年2月，我国外汇储备已达到8536亿美元，中国外汇储备首次在规模上超过日本而跃居世界第一。

中国外汇储备的持续增加，有利于增强国外投资者的信心和吸引外资，缓解可能出现的通货紧缩的压力，保持宏观经济继续快速稳定发展；有助于我国政府更从容地实施宏观经济政策，保持人民币汇率相对稳定，防范货币贬值,应对突发的金融风险，确保我国经济金融体系的安全；也有利于支持中国企业在更大范围内、更高层次上实施“走出去”战略。但必须看到，对经济高速成长的中国来说，持续增长的巨额外汇储备是一把“双刃剑”，也会对经济健康发展带来一系列问题。如何正确的衡量外汇储备的增长,成为了当前的热点,也应当引起关注。

针对外汇储备的增长，本文准备对外汇储备的影响因素进行分析，从而确立是什么引起了外汇储备的快速增长，这是我们研究的主要目的。

二、 理论综述

今年来中国的外汇储备加速增长，美元外汇突破万亿。外汇储备作为中国的一项资本给中国带来了好处。近年来兴起的主权财富基金也逐渐走入老百姓的视野。面对每年在变化的外汇储备，影响其变化的因素很多。

根据大量研究成果记载。影响中国外汇储备的因素很多，包括：国家干预外汇市场的用汇需求，外债余额，外商直接投资，GDP，对外贸易差额，利率，通货膨胀率，广义货币供应量，进出口比率等。刘建华认为[1]，外汇储备的内在作用是汇率、贸易差额、通货水平等。武剑则认为[2]，中国外汇储备与国家的经济开放程度和国际收支结构密切相关。刘荣茂、惠莉的观点是[3]，中国的外汇储备与外商投资、对外贸易额密切相关。

其他学者如李卉则认为[4]，中国的外汇储备与货币供应量密切相关。

学术界上不同的学者有不同的观点，我们将从我们掌握的角度来建立我们的模型，对此问题进行研究。



三、 变量选取

— 1 —


根据资料分析，我们共选取了国内生产总值，进出口差额，广义货币供应量，外债余额，通货膨胀率，外商直接投资为主要分析指标。

国内生产总值：即GDP，因为一国生产总值的变动，影响其国内市场，同时也影响其对外贸易，由此影响到外汇的增减。所以我们选取国内生产总值为影响因素之一。

进出口差额：即出口与进口额的差额，外汇储备有一部分即来自对外贸易的收益。所以我们选择了这个因素。

广义货币供应量：即市场上广义的人民币供应量。货币供应量的增减影响通货膨胀、影响汇率等。若市场上货币过多，外汇储备将增多；若减少，外汇储备相应减少。所以我们选取了广义货币供应量。

外债余额：即中国外债偿还收回，会影响到外汇储备。 通货膨胀率：即市场上通货的情况。

FDI：外商直接投资额，外商直接投资额会直接计入中国外汇储备，由此选定其为影响因素之一。

除了以上因素，还有国家临时政策，消费者预期心理等等因素，但这些因素第一很难衡量，每年变化很大；第二这些次要因素对中国外汇储备影响很小，完全可以忽略不计。



四、 数据搜集

本文获取了21年间相关指标的数据如表4.1所示。

表4.1

外汇

年份

储备 (亿美元)

1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

20.7 29.2 33.7 55.5 110.9 217.1 194.4 212.0 516.2 736.0 1050.5 1398.9 1449.6 1546.8 1655.7 2121.7 2864.1 4032.5 6099.3 8188.7 10663

国内生产总值(亿美元) 3058.1 3331.1 3814.1 4308.4 3675.5 4188.7 5051.3 6198.9 5696.5 7185.2 8561.1 9537.8 10218.2 10856.8 12011.4 13275.4 14538.2 16409.7 19316.0 22350.0 27004.5

进出口差额(亿美元) -119.7 -37.7 -77.5 -66.0 87.4 81.2 43.5 -122.2 54.0 167.0 122.2 404.2 434.7 292.3 241.1 225.5 304.3 254.7 320.9 1020.0 1770.0

广义货币供应量 (亿美元) 2000.3 2306.5 2560.8 3029.8 3011.1 3721.1 4765.9 6119.3 5545.9 7180.1 9152.6 10989.8 12651.2 14515.5 16296.7 19164.9 22351.9 26727.4 30700.4 36470.5 44258.3

外债余额

通货

FDI (亿美元） 22.4 23.1 31.9 33.9 34.9 43.7 110.1 275.2 337.7 375.2 417.3 452.6 454.6 403.2 407.2 468.8 527.4 535.1 606.3 603.3 630.0

（亿美元） 膨胀率 214.8 302.0 400.0 413.0 525.5 605.6 693.2 835.7 928.1 1065.9 1162.8 1309.6 1460.4 1518.3 1457.3 1848.0 1863.3 2087.6 2474.9 2810.5 3229.9

6.5 7.3 18.8 18.0 3.1 3.4 6.4 14.7 24.1 17.1 8.3 2.8 -0.8 -1.4 0.4 0.7 -0.8 1.2 3.9 1.8 1.5

— 2 —




数据来源：《中国统计年鉴》，中经网统计数据库，中国外汇管理局，中国国家统计局。

五、 模型估计和调整

5.1 平稳性检验

由于我们选的是时间序列，所以需要对时间序列的平稳性进行检验。 提出原假设：H0：r=1；

对各解释变量做平稳性检验，选择带截距和趋势项，在滞后差分项下选2阶，得到估计结果。

首先，对X1的平稳性进行检验，结果如下表5.1.1所示。

表5.1.1



从检验结果看，在1%，5%，10%三个显著性水平下，单位根检验的MacKinnon临界值分别为-4.571559，-3.690814，-3.286909，t检验统计量值为-5.951724，小于其相应的临界值，从而拒绝H0，表明X1的差分序列不存在平方根，是平稳序列。

对X2的平稳性进行检验，结果如下表5.1.2所示。

表5.1.2



对X3的平稳性进行检验，结果如下表5.1.3所示。

表5.1.3

— 3 —




对X4的平稳性检验，结果如下表5.1.4所示。

表5.1.4





对X5的平稳性检验，结果如下表5.1.5所示。

表5.1.5





对X6的平稳性检验，结果如下表5.1.6所示。

表5.1.6

— 4 —






对残差ET（回归残差）的平稳性检验，结果如下表5.1.7所示。

表5.1.7





同理，我们可以根据检验结果得到：X2,X3,X4,X5,X6,ET（回归残差）的t均小于相应临界值，从而拒绝H0，所以说各个解释变量和回归残差的差分序列均不存在单位根，是平稳序列。

由此可以得到结论：我们所选择的变量在时间序列上是平稳的。

5.2 多元线性回归

设定并估计多元线形回归模型：

y01x12x23x34x45x56x6u

其中，y：中国外汇储备（亿美元）



x1： 国内生产总值(亿美元) x2

：进出口差额(亿美元)

x3： 广义货币供应量(亿美元)

— 5 —


x4

： 外债余额（亿美元）

x5： 通货膨胀率 x6



借助EViews软件，用OLS法对所有解释变量做多元线性回归得：

表5.2.1

Dependent Variable: Y Method: Least Squares Date: 12/19/07 Time: 21:51 Sample: 1986 2006 Included observations: 21

Variable C X1 X2 X3 X4 X5 X6

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient -849.2006 -0.016349 1.773387 0.254135 -0.189374 46.48769 -2.704246

Std. Error 876.5631 0.346304 0.585275 0.165973 1.345148 14.69282 2.085167

t-Statistic -0.968784 -0.047211 3.030005 1.531180 -0.140783 3.163973 -1.296897

Prob. 0.3491 0.9630 0.0090 0.1480 0.8900 0.0069 0.2156

： FDI(亿美元）

0.985576 Mean dependent var 2056.976 0.979395 S.D. dependent var 417.6652 Akaike info criterion 2442219. Schwarz criterion -152.2686 F-statistic 1.164972 Prob(F-statistic)

2909.630 15.16844 15.51661 159.4366 0.000000



根据表表5.3.1的数据，得到模型的估计结果为

y= -849.200551-0.01634943075x1+1.773387142x2+0.2541348896x3-0.1893740719x4 (876.5631) (0.346304) (0.585275) (0.165973) (1.345148) t=(-0.968784) (-0.047211) (3.030005) (1.531180) (-0.140783)

+46.4876946x5-2.70424602x6 (14.69282) (2.085167) (3.163973) (-1.296897)

R0.985576 R0.979395 DW=1.164972 F=159.4366

2

2



从以上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但有重要变量x1、x4的t值不显著，可能存在多重共线性。

— 6 —


5.3 多重共线性的检验

首先，运用简单相关系数检验法，计算解释变量X1 、X2、X3、X4、X5、X6的简单相关系数矩阵，如下表5.2.1所示。

表5.3.1



X1



1.000000 0.865740 0.997142 0.990674 -0.510441 0.876771

X2



0.865740 1.000000 0.856764 0.844651 -0.437187 0.672638

X3



0.997142 0.856764 1.000000 0.983389 -0.517076 0.850879

X4



0.990674 0.844651 0.983389 1.000000 -0.512916 0.919223

X5



-0.510441 -0.437187 -0.517076 -0.512916 1.000000 -0.430367

X6



0.876771 0.672638 0.850879 0.919223 -0.430367 1.000000

X1 X2 X3 X4 X5 X6



由相关系数矩阵可以看出，各解释变量之间的相关程度较高，特别是X1和X3之间，X1

和X4之间，X4和X3之间的系数高度相关，证实解释变量之间存在多重共线性。

所以，以下我们将采用逐步回归法来修正这一多重共线性问题。

首先，运用OLS法分别求Y对各解释变量进行一元回归，得到分析结果见下表。

表5.3.2

变量 参数估计值

t值

R

R

2

X1

0.414946 15.40012 0.925829 0.921925

X2

6.164972 9.610667 0.829390 0.820410

X3

0.229337 16.79928 0.936922 0.933602

X4

3.201688 11.27655 0.870006 0.863164

X5

-159.5435 -1.975427 0.170389 0.126726

X6

9.838440 4.907362 0.558983 0.535771

2



其中，加入X3的方程R最大。

选X3作为进入回归模型的第一个变量，以X3为基础，顺次加入其他变量逐步回归，得到下表表5.2.3。

表5.3.3



2

X1 X2 X3 X4 X5 X6

R

2

— 7 —


X3X1 X3X2 X3X4 X3X5 X3X6

-0.2252 (-0.6748)



2.0720 (3.4283)



0.3527 (1.9238) 0.1672 (7.9042) 0.3646 (5.1982) 0.2440 (16.3105) 0.2848 (13.0470)

-1.9928 (-1.9611)







0.9316 0.9576



46.2775 (1.8963)



-3.6213 (-2.9868)

0.9423 0.9416 0.9531



经比较，新加入X2的方程R＝0.957600，改进最大，选择保留X2再加入其他新变量逐步回归，结果如下表所示。

表5.3.4



2

X1

-0.5354

X2

2.4331 2.1044 2.0547

X3

0.4497 0.3062 0.1821

X4

-2.0614

X5

45.3448 (2.4707)



X6



R

0.9646 0.9691

2

X2X3X1 X2X3X4 X2X3X5 X2X3X6

(-2.1306) (4.2102) (3.3562)



(4.0763) (5.7451) (-2.7716) (3.8512) (9.2810)



1.7531 (3.3990)

0.2216 (8.7148)



-2.9254 (-2.9724)

0.9670 0.9705



经比较，新加入变量X6的方程R＝0.970459，改进最大，保留X6，再加入其他新变量逐步回归，结果如下表所示。

表5.3.5



2

X1

0.0940

X2

1.6533 1.8513 (3.1886) 1.7281

X3

0.1782 (0.9078) 0.2517 (3.2313) 0.2381

X4

-0.6683 (-0.4100)



X5

46.6442

X6

-3.2594 (-1.8030) -2.1208 (-0.9610) -2.9905

R

0.9687 0.9689

2

X2X3X6X1 X2X3X6X4 X2X3X6X5

(0.2230) (2.3814)





(4.2845) (11.6411)

2

(3.4361) (-3.8850)

0.9820

经比较，新加入变量X5的方程R＝0.981939，改进最大，保留X5，再加入其他新变量逐步回归，结果如下表所示。

表5.3.6

— 8 —




X1

-0.0221 (-0.066)



X2

1.7515 (3.211) 1.7577 (3.838)

X3

0.2483 (1.598) 0.2469 (4.027)

X4



X5 X6

R

0.9807

2

X2X3X5X6X1 X2X3X5X6X4

46.7427 -2.9123 (3.316) (3.292)

(-2.048) (-1.576)

-0.1968 46.4057 -2.7533 (-0.153)

0.9808



在解释变量X2 X3 X5 X6的基础上加入X1，X1的t检验不显著，并且R变小，加入X4，X4的t检验不显著，并且R变小，说明是X1, X4引起严重多重共线性，应予剔除。

所以，最后修正严重多重共线性影响的回归结果。

表5.3.7

Dependent Variable: Y Method: Least Squares Date: 12/18/07 Time: 00:16 Sample: 1986 2006 Included observations: 21

Variable

C X3 X2 X6 X5



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat



Coefficient -938.9944 0.238117 1.728112 -2.990547 46.64423



Std. Error 216.9807 0.020455 0.403344 0.769766 13.57484



t-Statistic -4.327547 11.64118 4.284463 -3.885007 3.436078



Prob. 0.0005 0.0000 0.0006 0.0013 0.0034 2056.976 2909.630 14.97967 15.22837 272.8465 0.000000

2

2



0.985552 Mean dependent var 0.981939 S.D. dependent var 391.0239 Akaike info criterion 2446395. Schwarz criterion -152.2865 F-statistic 1.134820 Prob(F-statistic)





ˆ＝-938.9944＋1.728112X+0.238117X+46.64423X-2.990547X Y2356t

t=(-4.327547) (4.284463) (11.64118) (3.436078) (-3.885007)

R=0.985552 R=0.981939 F=272.8465 DW=1.134820

2

2

这说明，在其他因素不变的情况下，当进出口差额增加1亿美元，广义货币供应量增加

1亿美元，通货膨胀率增加一个百分点，FDI增加1亿美元时，我国外汇储备将分别增加1.728112亿美元，增加0.238117亿美元，增加0.4664423亿美元，减少2.990547亿美元。

— 9 —


5.4 异方差的检验

现实经济活动的错综复杂，一些经济现象的变动与同方差性的假定经常是相悖的。由

于模型中省略了某些重要的解释变量，则可能产生异方差。本模型中，影响中国外汇储备还有其他的因素，也许会改变外汇储备，若未列入模型的解释变量与外汇储备同方向的或反方向的变化，这种变化就会体现在随机扰动项Ui则产生异方差性。

我们用的是时间序列数据，所以最好采用ARCH检验。

首先对模型用OLS法进行多元线性回归估计。在选择ARCH检验，选择阶数为2，得到以下结果。

提出假设。H0：1

2...p0;H1：j

（j=1,2,…,p）中至少有一个不为零。

表5.4.1

ARCH Test: F-statistic Obs*R-squared



Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/19/07 Time: 22:29 Sample(adjusted): 1988 2006

Included observations: 19 after adjusting endpoints

Variable C RESID^2(-1) RESID^2(-2) R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 95936.08 0.193006 -0.023893

Std. Error 53050.83 0.250135 0.248461

t-Statistic 1.808380 0.771608 -0.096163

Prob. 0.0894 0.4516 0.9246

0.298682 Probability 0.683839 Probability







0.745842 0.710405



0.035992 Mean dependent var 115526.0 -0.084510 S.D. dependent var 163834.4 Akaike info criterion 4.29E+11 Schwarz criterion -253.4529 F-statistic 1.982022 Prob(F-statistic)

157321.6 26.99504 27.14416 0.298682 0.745842

可以看出P值分别为0.710405，在=0.05的显著性水平下，P值远大于临界值，所以接收原假设，即不存在异方差。



5.5 自相关性的检验

根据多元线性的OLS回归，DW值为1.13482，落在不能确定的区域。 做残差图如下。

图5.5.1

— 10 —






残差图中，残差的变动有系统模式，残差随着t的变化并不是频繁地改变符号，而是几

个正的几个负的，表明随机误差项存在正自相关。

自相关性的修正：

为了解决自相关问题，选用科克伦—奥克特迭代法。计算可得残差序列et。使用et进行滞后一期的自回归，得到下表。

表5.5.1

Dependent Variable: E Method: Least Squares Date: 12/18/07 Time: 19:30 Sample (adjusted): 1987 2006

Included observations: 20 after adjustments

Variable E(-1)



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood



Coefficient 0.388963



Std. Error 0.202214



t-Statistic 1.923525



Prob. 0.0695 -22.70222 342.5854 14.38631 14.43610 1.586867





0.159125 Mean dependent var 0.159125 S.D. dependent var 314.1482 Akaike info criterion 1875093. Schwarz criterion -142.8631 Durbin-Watson stat





对原模型进行广义差分得到结果如下表5.5.2。



— 11 —


表5.5.2

Dependent Variable: Y-0.388963*Y(-1) Method: Least Squares Date: 12/18/07 Time: 19:44 Sample (adjusted): 1987 2006

Included observations: 20 after adjustments

Variable

C

X2-0.388963*X2(-1) X3-0.388963*X3(-1) X5-0.388963*X5(-1) X6-0.388963*X6(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat



Coefficient -645.9377 1.485134 0.236208 38.42298 -2.323767



Std. Error 175.3111 0.411290 0.024817 13.98259 1.046892



t-Statistic -3.684523 3.610914 9.518086 2.747915 -2.219682





Prob. 0.0022 0.0026 0.0000 0.0149 0.0423 1526.074 2097.172 14.69048 14.93941 180.1791 0.000000







0.979612 Mean dependent var 0.974175 S.D. dependent var 337.0200 Akaike info criterion 1703737. Schwarz criterion -141.9048 F-statistic 1.373499 Prob(F-statistic)







****

ˆt*-645.93771.485134x2y0.236208x3,t38.42298x5,t1--2.323767x6,t2

,t

(175.3111)(0.411290)(0.024817)t(-3.684523)(3.610914)(9.518086)R0.979612

2

2

(13.98259)(2.747915)

(1.046892)(-2.219682)F180.1791



R0.974175

*

DW1.373499

ˆt*yt0.388963yt1，xi,txi,t0.388963xi,t1（i=2,3,5,6）式中，y。

由于使用了广义差分数据，样本容量减少了1个，还剩20个。查5%显著水平的DW统计表可知

dL

=0.820，

dU

=1.872，模型中DW=1.497429，介于二者之间，说明广义差分模型

中仍然有可能存在自相关，因此还需要继续迭代。

调整数据的滞后数值，进行第二次迭代的相应结果如下表。



表5.5.3

Dependent Variable: E1 Method: Least Squares Date: 12/18/07 Time: 19:53 Sample (adjusted): 1987 2006

Included observations: 20 after adjustments

Variable



Coefficient



Std. Error

t-Statistic

Prob.

— 12 —


E1(-1)



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood





0.538688 0.175883 3.062761 0.0064 17.23908 358.7588 14.25305 14.30284 1.563041



0.328899 Mean dependent var 0.328899 S.D. dependent var 293.8979 Akaike info criterion 1641143. Schwarz criterion -141.5305 Durbin-Watson stat







表5.5.4

Dependent Variable: Y-0.538688*Y(-1) Method: Least Squares Date: 12/18/07 Time: 20:04 Sample (adjusted): 1987 2006

Included observations: 20 after adjustments

Variable

C

X2-0.538688*X2(-1) X3-0.538688*X3(-1) X5-0.538688*X5(-1) X6-0.538688*X6(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat





Coefficient -515.8395 1.355503 0.235561 32.50037 -1.937748



Std. Error 157.8135 0.417980 0.027583 13.89013 1.227041



t-Statistic -3.268666 3.242985 8.540215 2.339817 -1.579205





Prob. 0.0052 0.0055 0.0000 0.0335 0.1351 1282.520 1771.333 14.62402 14.87295 136.4820 0.000000







0.973259 Mean dependent var 0.966128 S.D. dependent var 326.0043 Akaike info criterion 1594182. Schwarz criterion -141.2402 F-statistic 1.401147 Prob(F-statistic)





B1=-1118.2009139 B2=1.355503 B3=0.235561 B5=32.50037 B6=-1.937748

样本容量减少了1个，还剩19个。查5%显著水平的DW统计表可知

dU

dL

=0.779，

=1.900，模型中DW=1.652762，虽然已有所增加，但仍处于无法确定的区域，说明广义

差分模型中仍然有可能存在自相关。且此时，x5的t 值在5%显著水平时已经不显著，那么在当前条件下，模型的自相关问题已经得到减轻，但尚未消除自相关影响。我们接受第二次迭代时的广义差分模型。

回归方程为

— 13 —


****

ˆt*-515.83951.355503x2y0.235561x3,t32.50037x5,t1--1.937748x6,t2

,t

(157.8135)(0.417980)(0.027583)t(-3.268666)(3.242985)(8.540215)R0.973259

2

2

(13.89013)(2.339817)

(1.227041)(-1.579205)F136.4820



R0.966128

*

DW1.401147

ˆt*yt0.538688yt1，xi,txi,t0.538688xi,t1（i=2,3,5,6）式中，y。



六、 分布滞后模型的估计和调整

前面讨论的回归模型属于静态模型，即认为被解释变量的变化仅仅依赖解释变量的当期影响，没有考虑变量之间的前后联系。一般来说，解释变量对被解释变量的影响不可能在短时间内完成，在这一过程中通常存在时间滞后。

:通货膨胀滞后。通货膨胀与外汇储备量的变化有着较为密切的联系。一般而言,随着

外汇储备大幅增加,货币供给也会相应迅速增加,导致通货膨胀。而其影响并不是即期的，总存在一定时滞。

:FDI——外商直接投资滞后。指外国企业和经济组织或个人(包括华侨、港澳台胞以及

我国在境外注册的企业)按我国有关政策、法规，用现汇、实物、技术等在我国境内开办外

商独资企业、与我国境内的企业或经济组织共同举办中外合资经营企业、合作经营企业或合作开发资源的投资(包括外商投资收益的再投资)，以及经政府有关部门批准的项目投资总额内企业从境外借入的资金。

进入1990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增大，同时外商投资企业的汇出利率也构成了用汇需求的重要内容，它通常记入国际收支平衡表经常项目收益的借方。

近来不少学者认为FDI不仅是导致我国资本账户顺差的主要力量，同时外资企业也是我国贸易顺差的主要贡献者，并最终使得我国外汇储备迅速增加。但是外商直接投资对于外汇储备的影响不可能是当年就可以体现的，而是滞后一段时间才会体现出来的。我们猜测大概会滞后1~2年。

因此，前面设定的多元线性模型其实是不准确的。为了考察这些解释变量对外汇储备的影响到底存在怎样的时滞，需要在回归模型中引入滞后变量进行分析。

6.1 建立分布滞后模型

用OLS分别对

和的滞后期数做试验，结果发现，当模型估计式为

yt02x2,t3x3,t5x5,t16x6,t2ut时，得到如下结果表。

表6.1.1

Dependent Variable: Y Method: Least Squares Date: 12/19/07 Time: 23:24 Sample (adjusted): 1988 2006

Included observations: 19 after adjustments











— 14 —


Variable

C X2 X3 X5(-1) X6(-2)



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat



Coefficient -1084.113 1.630541 0.249563 35.78833 -3.527407

Std. Error

251.4601 0.406203 0.020759 14.34393 0.859921

t-Statistic

-4.311273 4.014106 12.02216 2.495015 -4.102013

Prob.

0.0007 0.0013 0.0000 0.0257 0.0011 2270.874 2983.207 14.95512 15.20366 269.4463 0.000000



0.987177 Mean dependent var 0.983513 S.D. dependent var 383.0461 Akaike info criterion 2054140. Schwarz criterion -137.0737 F-statistic 1.426880 Prob(F-statistic)











可以看出：可决系数R与修正可决系数都较高，且比之前的多元线性回归中有所增

大，说明模型对样本拟合较好；F统计量=269.4463，检验值很大，相应的P=0.00000，说明回归方程显著，即各解释变量联合起来对被解释变量外汇储备有显著影响；各个系数所对应的t统计量都大于2，说明解释变量对被解释变量外汇储备的影响非常显著，而且不存在多重共线性的情况。同时，各系数符号与经济意义相符，由此可以得出此时的滞后模型估计效果最好。

所以，分布滞后模型的估计式为：

yt-1084.1131.630541x2,t0.249563x3,t35.78833x5,t1-3.527407x6,t2

(251.4601)(0.406203)(0.020759)t(-4.31127)(4.014106)(12.02216)R0.987177

2

2

(14.34393)(2.495015)

(0.859921)(-4.102013)F269.4463



R0.983513DW1.426880



6.2 异方差检验

yt-1084.1131.630541x2,t0.249563x3,t35.78833x5,t1-3.527407x6,t2

因为是时间序列数据，所以应该用ARCH检验。提出假设：H0：1

j（j=1,2,…,p）中至少有一个不为零。

2...p0;H1：

结果如下表。

表6.2.1

ARCH Test:

F-statistic Obs*R-squared







0.796484 Probability 1.736710 Probability











0.470321 0.419641



— 15 —


Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/07 Time: 01:14 Sample (adjusted): 1990 2006

Included observations: 17 after adjustments

Variable

C RESID^2(-1) RESID^2(-2)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat



Coefficient 64346.59 0.112619 0.284107



Std. Error 61031.01 0.255367 0.254927



t-Statistic 1.054326 0.441009 1.114463



Prob. 0.3096 0.6659 0.2838 109722.5 194382.5 27.37760 27.52463 0.796484 0.470321



0.102159 Mean dependent var -0.026104 S.D. dependent var 196903.2 Akaike info criterion 5.43E+11 Schwarz criterion -229.7096 F-statistic 1.951748 Prob(F-statistic)











可以看出P值分别为0.419641，在=0.05的显著性水平下，P值远大于临界值，所以接收原假设，即不存在异方差。



6.3 自相关性检验和修正

由之前所做OLS估计中得到的DW值=1.426880，在=0.05的显著性水平上，当n=19，k=4时，查表得到

dL

=0.859，

dU

=1.848，DW值落在不能确定的区间内。

图6.3.1

做残差图，如下图所示。

— 16 —




由残差图显示：残差的变动有系统模式，残差随着t的变化并不是频繁地改变符号，而是几个正的几个负的，表明随机误差项存在正自相关。 自相关问题的修正：

为解决自相关问题，选用科克伦—奥克特迭代法。由

yt-1084.1131.630541x2,t0.249563x3,t35.78833x5,t1-3.527407x6,t2

可得残差序列et。使用et进行滞后一期的自回归，得到如下结果。

表6.3.1

Dependent Variable: E Method: Least Squares Date: 12/20/07 Time: 13:51 Sample (adjusted): 1989 2006

Included observations: 18 after adjustments

Variable E(-1)



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood



Coefficient 0.241516



Std. Error 0.224921



t-Statistic 1.073779



Prob. 0.2979 -23.49219 331.2539 14.43729 14.48675 1.618320





0.058529 Mean dependent var 0.058529 S.D. dependent var 321.4139 Akaike info criterion 1756217. Schwarz criterion -128.9356 Durbin-Watson stat







— 17 —


ˆ0.241516，对原模型进行广义差分，得到回归方程et0.241516et1，由此可知

广义差分方程：

yt0.241516yt11(10.241516)2(x20.241516x2,t1)3(x30.241516x3,t1)

5(x5,t10.241516x5,t2)6(x6,t20.241516x6,t3)ut

对上述广义差分方程进行回归，在EViews命令栏中输入

ls y-0.241516*y(-1) c x2-0.241516*x2(-1) x3-0.241516*x3(-1) x5(-1)-0.241516*x5(-2) x6(-2)- 0.241516*x6(-3)，

回车后得到输出结果表。

表6.3.2

Dependent Variable: Y-0.241516*Y(-1) Method: Least Squares Date: 12/20/07 Time: 14:35 Sample (adjusted): 1989 2006

Included observations: 18 after adjustments



Variable

C

X2-0.241516*X2(-1) X3-0.241516*X3(-1)



Coefficient -910.4325 1.468263 0.249634



Std. Error 229.1893 0.415833 0.023512 15.04425 1.042725



t-Statistic -3.972405 3.530899 10.61721 2.240215 -2.923992





Prob. 0.0016 0.0037 0.0000 0.0432 0.0118 1959.311 2478.491 14.83442 15.08175 199.3668 0.000000







X5(-1)-0.241516*X5(-2) 33.70235 X6(-2)-0.241516*X6(-3) -3.048919

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat





0.983960 Mean dependent var 0.979024 S.D. dependent var 358.9583 Akaike info criterion 1675064. Schwarz criterion -128.5098 F-statistic 1.497429 Prob(F-statistic)





由图可得回归方程为

****

ˆt*-910.43251.468263x2y0.249634x3,t33.70235x5,t1-3.048919x6,t2

,t

(229.1893)(0.415833)(0.023512)t(-3.972405)(3.530899)(10.61721)R0.983960

2

2

(15.04425)(2.240215)

(1.042725)(-2.923992)F199.3668



R0.979024

*

DW1.497429

ˆt*yt0.241516yt1，xi,txi,t0.241516xi,t1（i=2,3,5,6）式中，y。

由于使用了广义差分数据，样本容量减少了1个，还剩18个。查5%显著水平的DW统计表可知

dL

=0.820，

dU

=1.872，模型中DW=1.497429，介于二者之间，说明广义差分模型

中仍然有可能存在自相关，因此还需要继续迭代。

— 18 —


调整数据的滞后数值，进行第二次迭代的相应结果如下表。

表6.3.3

Dependent Variable: EE Method: Least Squares Date: 12/20/07 Time: 14:18 Sample (adjusted): 1990 2006

Included observations: 17 after adjustments

Variable EE(-1)



R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood



Coefficient 0.247951



Std. Error 0.241826



t-Statistic 1.025329



Prob. 0.3205 5.587081 322.6368 14.38463 14.43365 1.822732





0.061356 Mean dependent var 0.061356 S.D. dependent var 312.5822 Akaike info criterion 1563322. Schwarz criterion -121.2694 Durbin-Watson stat



表6.3.4



Dependent Variable: YY-0.247951*YY(-1) Method: Least Squares Date: 12/20/07 Time: 14:23 Sample (adjusted): 1989 2005

Included observations: 17 after adjustments

Variable

C



Coefficient -678.3708



Std. Error 208.4752 0.454754 0.028986 18.17177 1.365168



t-Statistic -3.253964 2.844741 8.677312 1.660536 -2.119351





Prob. 0.0069 0.0148 0.0000 0.1227 0.0556 1684.066 2043.798 14.83166 15.07672 128.3111 0.000000







XX2-0.247951*XX2(-1) 1.293657 XX3-0.247951*XX3(-1) 0.251517 XX5-0.247951*XX5(-1) 30.17488 XX6-0.247951*XX6(-1) -2.893271

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat



0.977153 Mean dependent var 0.969538 S.D. dependent var 356.7115 Akaike info criterion 1526917. Schwarz criterion -121.0691 F-statistic 1.652762 Prob(F-statistic)







样本容量减少了1个，还剩17个。查5%显著水平的DW统计表可知

dU

dL

=0.779，

=1.900，模型中DW=1.652762，虽然已有所增加，但仍处于无法确定的区域，说明广义

— 19 —


差分模型中仍然有可能存在自相关。且此时，x5的t 值在5%显著水平时已经不显著，那么在当前条件下，模型的自相关问题已经得到减轻，但尚未消除自相关影响。我们仍旧接受第一次迭代时的广义差分模型。

回归方程为

****

ˆt*-910.43251.468263x2y0.249634x3,t33.70235x5,t1-3.048919x6,t2

,t

(229.1893)(0.415833)(0.023512)t(-3.972405)(3.530899)(10.61721)R0.983960

2

2

(15.04425)(2.240215)

(1.042725)(-2.923992)F199.3668



R0.979024

*

DW1.497429

ˆt*yt0.241516yt1，xi,txi,t0.241516xi,t1（i=2,3,5,6）式中，y。



七、 结论

1、我们选取的进出口差额、广义货币供应量、通货膨胀率和FDI指标确实对我国外汇储备规模具有显著的影响，在不考虑解释变量的滞后问题时，通过模型











ˆ＝-938.9944＋1.728112X+0.238117X+46.64423X-2.990547X Y2356t

可以显著证实。

2、通过对滞后问题的分析，可以看出，对我国外汇储备规模影响最大的并不只是当期的进出口差额、广义货币供应量、通货膨胀率和FDI，而是包含滞后一期的通货膨胀率和滞后两期的FDI。外汇储备的增加会影响货币供应机制，形成通货膨胀的压力。近年来随着外汇储备的猛增，人民币外汇占款相应增加，使中央银行以人民币外汇占款的形式投放的基础货币增加，会相应增加通货膨胀的压力。而且通过外汇占款投放基础货币，则中央银行在控制货币供应量的增长速度和投入时机方面难度加大，加重了通货膨胀的压力。因此，我国应该完善货币政策调控机制，加强本币市场与外汇市场的协调，使巨额外汇储备与低通货膨胀率并行。

八、 政策性建议

通过本文的研究分析，我们认为影响我国外汇储备规模的最主要因素是进出口差额、广义货币供应量、通货膨胀率和FDI（外商直接投资）等因素。针对这些因素对外汇储备的影响，我们提出如下几点建议： 首先，当前应选择稳定外汇储备规模的管理政策。外汇储备的增加主要是因为资本项目的顺差，而且资本项目的顺差又主要来源于外商直接投资的增加。外汇储备作为被动的接受者，存在着不稳定因素，缺少有效的缓冲机制，一旦进出口、资本流动出现反常情况，必将影响到外汇储备的稳定性。因此，应尽量减少对外汇储备安全性、盈利性、流动性的威胁，保证经济的正常稳定发展，而把资本项目顺差控制在一个合理的范围内。

其次，加强外汇储备的管理，要注意与货币政策的协调。外汇储备的增加会影响货币供应机制，形成通货膨胀的压力。近年来随着外汇储备的猛增，人民币外汇占款相应增加，使中央银行以人民币外汇占款的形式投放的基础货币增加，会相应增加通货膨胀的压力。而且通过外汇占款投放基础货币，则中央银行在控制货币供应量的增长速度和投入时机方面难度加大，加重了通货膨胀的压力。因此，我国应该完善货币政策调控机制，加强本币市场与外

— 20 —


汇市场的协调，使巨额外汇储备与低通货膨胀率并行。

此外，我国的外债规模已经达到较高的水平，是世界上最大的债务国之一。在外汇储备构成中借入储备比重趋升的背景下，货币当局有必要强化外债政策与外汇储备管理的协调。当前，在外汇储备大幅度增长的同时，要控制外债的盲目增长，避免一方面用种种优惠条件和较高成本从国际市场上引入外资，另一方面又将大量外汇储备闲置的问题。

九、 参考文献

[1]李泽兴，刘建华：《我国外汇储备规模的影响因素与适度规模的界定》，中国知网，2006 [2]武剑：《我国外汇储备规模的分析与界定》，经济研究，1998 [3]刘荣茂、惠莉：《上海金融》，2005 [4]李卉：《中南财经大学学报》，1997

— 21 —

本文来源：https://www.wddqxz.cn/3a624bd8f405cc1755270722192e453610665b8b.html