中國月度進出口總值實證研究

【摘 要】 本文通過R軟件對2007年1月至2018年9月中國月度進出口總值運用乘積季節效應的ARIMA模型進行擬合，并根據其殘差相關圖的特征，嘗試不同階數下的ARIMA 模型，最終根據輸出的 AIC 最小原則，選擇最優擬合模型為ARIMA（1，1，1）*ARIMA（0，1，1）12的模型。從研究結果來看，我國月度進出口總值雖大致呈季節趨勢增長，但增速較為緩慢。

【關鍵詞】 中國月度進出口總值 ARIMA模型 乘積季節模型

一、背景、意義及研究目的

1.1研究背景與意義

2018年11月5日，首屆國際進口博覽會在中國上海國家會展中心拉開帷幕，有100多個國家和地區的企業參展。這是以習近平同志為核心的黨中央著眼推進新一輪高水平對外開放作出的一項重大決策，是中國向世界開放市場的重大舉措，也是踐行習近平總書記提出的推動構建人類命運共同體的又一重要體現。

本文基于對國家月度進出口總值的分析，預測我國未來一年月度的進出口總值，充分揭示我國進出口貿易受季節因素、政策因素以及地區因素的影響，并給出提升總體進出口總值的建議，因此對我我國月度進出口總值的研究是具有現實意義的。

1.2研究目的

本文首先通過在EPS統計數據庫中收集的我國最近十年的月度進出口總值數據，使用乘積季節模型對未來年份月度進出口總值進行預測，分析我國進出口貿易總體發展現狀與變動趨勢，同時通過查閱文獻法，對政策方便及地區進出口不均衡方便進行分析與評價。最后根據實證分析及文獻查閱對我國進出口貿易提出可行的建議，通過對我國月度進出口總值的研究，發現其總體趨勢及問題，從而更好的分析我國在經濟貿易方面所存在的問題。

二、文獻綜述

2.1時間序列模型分析方法

裴淼淼（2017）通過對河南省2001-2015年相關數據建模分析，深入研究了河南省進出口貿易對產業結構調整的影響和作用。羅偉偉（2016）搜集近60年的中國進出口貿易總額數據，通過建立時間序列分析模型，對我國未來幾年的進出口貿易總額作出預測，但未對我國進出口總值的季節因素、及地區差異進行分析。

2.2文獻及理論分析方法

籍洪娟（2018）單從農業經濟這一個方面對我國進出口進行了分析與評價，淺談我國農業經濟的發展對進出口貿易的影響。蘇寧（2018）通過各種形式的檢驗，建立計量模型，分析對外直接投資，最終得出進出口貿易對經濟的增長作用。鄒娟（2018）闡述了人民幣國際化對中國進出口貿易的影響，并得出全球化背景下進口和出口貿易就能進一步推動人民幣走向世界，新穎之處在于理論分析相輔相成，說明人民幣走向世界帶動進出口貿易走向世界最終實現全球一體化。

本文基于時間序列理論模型分析法對2007年1月-2018年9月中國月度進出口總值進行分析預測，主要結合時間序列模型和文獻敘述兩種方法進行闡述，最終給出結論及建議。

三、數據來源和處理

研究數據主要是從EPS全球統計數據平臺中國地區貿易數據庫-月度數據中下載的（http：//218.76.42.90：8088/interlibSSO/goto/19/=nk-o9dormds9bnl9bm/）。

2007年1月至2018年9月。數據為月度數據，共有141個樣本點。

四、實證分析

4.1平穩性檢驗

用R軟件畫出的我國2007年1月到2018年9月的進出口總額時序圖，從軟件畫出的圖中可以看出該序列有明顯的遞增趨勢，且有季節效應，原序列非平穩，因此對原始序列進行差分處理。

4.2平穩化處理

對差分序列進行單位根檢驗確定其平穩性，即ADF檢驗。下表5-1的檢驗結果顯示：ADF檢驗拒絕了不平穩的原假設，即在0.05的顯著性水平下，差分后的時間序列平穩，適用于ARIMA模型。

4.3白噪聲檢驗

在此處分別對原始序列和1階12步差分序列做白噪聲檢驗。

白噪聲檢驗結果顯示，由于P值都非常小，均小于0.01，因此在顯著性水平為0.01的情況下，認為可以拒絕原假設，原始序列和1階差分序列都是非白噪聲序列。

4.4模型的選擇與檢驗

首先嘗試使用簡單季節模型， 根據自相關圖和偏自相關圖的特征，考慮擬合 ARIMA（1，（1，12），1）模型，但殘差序列非白噪聲，由于其12階之后P值為0.003574，拒絕殘差序列白噪聲的原假設，證明殘差中還有沒有提取充分的信息，該模型擬合效果不理想。這說明加法季節模型并不適合這個序列，需要考慮乘積季節模型。

嘗試擬合乘積季節模型，根據其殘差相關圖的特征，嘗試不同階數下ARIMA模型，最終根據輸出的 AIC 最小原則，確定了ARIMA（1，1，1）×（0，1，1）12。 最終對模型進行檢驗，結果表明模型顯著成立。

在乘積季節模型擬合后，確定的模型形式為：

進一步對ARIMA（1，1，1）×（0，1，1）12模型做殘差白噪聲檢驗：

從程序運行結果來看，P值均大于0.05，不拒絕原假設，沒有足夠理由否認殘差是白噪聲序列，證明殘差提取充分，模型擬合較好。

考慮到ARIMA模型的殘差方差齊性假設，此處對此處方差齊性做檢驗，此處用的是拉格朗日乘子法對異方差進行檢驗。

從R語言運行的拉格朗日乘子檢驗結果可以發現，殘差平方的一階至六階滯后的P值均大于0.05，不拒絕同方差的原假設，認為不存在異方差，殘差的方差齊性假設條件是得到滿足的，模型擬合沒有問題。

4.5模型預測

我們用擬合的模型進行預測，我們對經過1階差分和12步差分后的序列建立的ARIMA（1，1，1）*ARIMA（0，1，1）12乘積季節模型，使用R軟件對我國2018年10月至2019年9月各月的進出口總值進行預測，得到圖4-1 的預測圖。

圖4-1 2018年10月-2019年9月中國月度進出口總值預測圖

五、結論

從時間序列分析結果來看，總體上我國進出口總值呈現上升趨勢，從十年前的2007年1月的1574億美元上升為如今的4217億美元，充分體現了我國改革開放40年的成效。

利用擬合方程進行預測，預計在未來一年我國的月度進出口總值會隨之季節的變動呈現季節性的上升，而且今年會因為改革開放40周年及上海凈出口貿易博覽會的召開進出口總值會進一步提高。這說明在全球化社會大背景下，隨著全球一體化，貿易往來會更加頻繁，通過增加進出口貿易有助于促進我國經濟發展同時提高我國的國際地位。

【參考文獻】

[1] 蔡偉毅.中國進出口貿易及其影響因素的結構性變動[J].中國經濟問題，2018（04）：26-37.

[2] 羅偉偉.時間序列分析在金融中的應用[J].商，2016（30）：173-174.

[3] 裴淼淼. 開放經濟下中國進出口貿易對產業結構調整的影響——基于個別省份時間序列分析[A].智能信息技術應用學會，2017：7.

[4] 沈鴿.季節性因素對中國進出口貿易的整體影響分析[J].現代物業（中旬刊）2015，14（02）：4-7.

[5] 蘇寧.對外直接投資，進出口貿易對經濟的增長效應的實證研究——基于2005年-2014年中國省級面板數據[J].時代經貿，2018（29）：43-44.

[6] 鄒娟.人民幣國際化對中國進出口貿易的影響[J].現代商業，2018（28）：38-39.

[7] 王燕. 時間序列分析——基于R[M]. 北京：中國人民大學出版社，2015年.

[8] G.E.P.Box，G.M.Jenkins著，顧嵐譯. 時間序列分析預測與控制[M]. 北京：中國統計出版社，1997年.

[9] 趙國慶. 時間序列的單位根檢驗方法研究[J]. 預測.1998年，6：62-64.

作者簡介：王哲（1995—），女，漢族，江蘇徐州人，學生，統計學碩士，單位：云南財經大學統計學（經濟）專業，研究方向：金融統計。