集装箱吞吐量及主要影响因素的计量经济分析(案例1)

第33卷　第1期大连海事大学学报Vol.33　No.1 2007年2月Journal of Dalian Maritime U niversity Feb　2007

文章编号:100627736(2007)0120083204

集装箱吞吐量及主要影响因素的计量经济分析Ξ

江　舰,王海燕,杨　赞

(大连海事大学交通工程与物流学院,辽宁大连　116026)

摘要:利用近年来的相关数据对港口集装箱吞吐量、港口所在城市的国民生产总值以及地方进出口商品总值进行了计量经济分析,通过二元线性回归模型对港口未来集装箱吞吐量进行预测,并对模型进行了相关检验,为港口岸线资源的合理开发与利用提供决策依据,为港口未来发展以及定位提供参考.

关键词:港口;集装箱吞吐量;二元线性回归模型;计量经济分析

中图分类号:F224.9 文献标识码:A

0　引　言

世界各主要港口之间的竞争正逐步表现为以集装箱吞吐量为核心的港口综合实力的竞争,因此,对港口集装箱吞吐量的主要影响因素进行分析就显得非常必要.社会经济的发展、人民生活水平的提高、科学技术的进步、对外贸易的增长、腹地资源的开发以及城市化进程的加快都将对港口运输生产提出更高的要求,同时这些因素都或多或少地对港口集装箱吞吐量产生影响.上述各因素中,社会经济的发展与对外贸易的增长无疑是影响港口集装箱吞吐量的主要因素.而社会经济发展的总体状况可以由港口所在城市的国民生产总值来衡量,对外贸易的基本情况则可以由海关统计的地方进出口商品总值来反映.因此,在本文的分析中忽略了其他几项因素对港口集装箱吞吐量的影响.

本文将以大连港为例,利用二元线性回归模型,结合近年来的相关数据对港口集装箱吞吐量、港口所在城市的国民生产总值以及地方进出口商品总值进行计量经济分析,结果为港口岸线资源的合理开发与利用提供决策依据,为港口未来发展思路以及定位提供参考[1].

1　模型的选择及建立[224]

1.1　模型选择

为了分析港口所在城市的国民生产总值以及地方进出口商品总值对港口集装箱吞吐量的影响,首先可以选择二元线性回归模型,如果该模型经过适当的调整后仍无法通过相关的检验,可以尝试采用非线性模型对研究内容进行计量经济分析.

1.2　模型建立

根据研究的目的和内容,以港口集装箱吞吐量为因变量Y,以港口所在城市的国民生产总值以及地方进出口商品总值为两个自变量X1和X2,由此建立二元线性回归模型

Y=C(1)+C(2)X1+C(3)X2+ε

建立模型所需的数据见表1、表2、表3.

Ξ收稿日期:2006210207.

作者简介:江　舰(1964-),男,辽宁铁岭人,博士研究生;E2mail:jiangjian@

表1　大连港历年集装箱吞吐量104TEU

年份1993199419951996199719981999200020012002

吞吐量25.6230.5037.4342.0745.3452.5873.61101.10121.70135.16

表2　大连市历年国内生产总值(按当年价计算)亿元

年份1993199419951996199719981999200020012002

G DP377.5519.7645.1733.1829.0926.31003.11110.81235.61406.1

表3　大连市地方进出口商品总值(海关统计)亿美元

年份1993199419951996199719981999200020012002进出口总值43.656.0068.2470.676.08130.0135.7190.7187.1206.0

根据上述数据,可以利用EViews软件对研究内容进行相关分析,如表4所示.

表4　EViews分析结果

Sample:19932002

Included observations:10

Variable Coefficient Std.Error t-Statistic Prob.

C-17.6499714.12610- 1.2494580.2517 X10.0411150.039714 1.0352650.3350 X20.4126770.208022 1.9838160.0877 R-squared0.937892Mean dependent var66.51100 Adjusted R-squared0.920147S.D.dependent var39.52429 S.E.of11.16889Akaike info criterion7.907467 Sum squared resid873.2094Schwarz criterion7.998243 Log likelihood-36.53734F-statistic52.85341 Durbin-Watson stat 1.085770Prob(F-statistic)0.000060

通过分析得到二元线性回归模型如下:预测指令为

L S Y C X1X2

预测方程为

Y=C(1)+C(2)X1+C(3)X2

代入系数可得

Y=-17.64996619+0.0411*******X1+

0.4126774659X2

从EViews软件分析结果中不难看出,F统计量52.85341远大于其临界值4.74,则拒绝零假设,认为在5%的显著水平下,因变量Y对两个自变量X1和X2有显著的线性关系,因此,从总体上来说,回归方程是显著的.

两个自变量的参数t统计量分别为1.035265和1.983816.在置信水平为5%的情况下,t临界值为1.860,自变量X1参数的t检验不合格,则不能拒绝零假设,认为该参数不显著;自变量X2参数t检验勉强合格,可以拒绝零假设.

样本决定系数R2和修正R2的取值分别为0.937892和0.920147,都超过0.8,由此可以认为模型的拟合优度比较高.2　模型检验

根据以上分析,发现该二元线性回归模型的R2较大,F检验也已经通过,但是自变量系数X1的t检验不合格,因此有理由怀疑该模型存在多重共线性.

一般说来,在经济时间序列数据中出现自相关现象比较常见,在以下分析中将采用其他方法进行检验.

由于异方差的存在可能导致参数估计值无效以及参数的显著性检验失去意义,因此无论该模型中是否存在异方差,都将对其进行相关的检验[5-7].

2.1　多重共线性检验

2.1.1　自变量之间的相关系数检验

利用EViews软件可以直接得到各变量之间的简单相关系数矩阵,见表5.

表5　相关系数矩阵

Y X1X2

Y1.0000000.9502490.963526

X10.9502491.0000000.956792

X20.9635260.9567921.000000

从表5中可以看出,自变量X1和X2之间的相关系数为0.956792,这反映出二者间有多重共线性存在的可能.

48

大连海事大学学报 第33卷