长三角地区纺织品出口竞争力影响因素的比较分析

江苏理工学院商学院毕业论文第1页共22页引言纺织品产业作为我国传统的优势出口产业，是我国国民经济中的支柱性产业。长三角地区作为全国经济最活跃、最开放的地区之一，也是纺织服装最重要的生产基地。2012年，我国纺织服装出口总额为2549.8亿美元，其中长三角地区纺织服装的出口总额占全国的47.63%，其中浙江出口最多，占全国的23.47%，江苏和上海分别占16.16%和8.01%。纺织服装出口总额在浙江、江苏和上海出口总额的比重分别为26.64%、12.54%和9.86%。由此可见，提升长三角地区纺织品出口竞争力对保证我国外汇储备、国际收支平衡、解决就业以及加速地区发展等起着至关重要的作用。因此，对纺织业出口竞争力影响因素的分析与研究具有十分重要的意义。江苏理工学院商学院毕业论文第2页共22页一、长三角地区纺织品出口额比较长三角地区作为全国经济最活跃、最开放的地区之一，也是纺织品服装最重要的生产基地。2012年，长三角地区纺织品的出口额占全国出口总额的47.63%。其中浙江省的出口额最多，占全国的23.47%，江苏省和上海市分别占16.16%和8.01%。在全国主要纺织企业中，长三角地区所占比例超过50%。下图是2002年到2012年江苏、上海、浙江纺织品出口额的折线图。二、TC指数分析TC指数即竞争优势指数，是指一国进出口贸易的差额占其进出口贸易总额的比重。如果TC指数大于0.6,表明该类商品具有较强的国际竞争力,TC指数越接近于1,表示该商品的竞争力越强。长三角地区2007-2012年竞争优势指数如下表所示。表12007—2012年长三角地区纺织品TC指数时间200720082009201020112012江苏0.84110.85770.86330.86420.86830.8661上海0.72980.71070.70650.67520.63580.6195浙江0.93420.93630.93850.94100.94080.9304从表1可以得出长三角地区纺织品都具有较强的国际竞争力，其中浙江纺织品竞争力最强。相对而言，上海纺织品竞争力较弱，而且上海纺织品的国际竞争力在逐年下降。江苏居中，除了2012年竞争力有所下降外，江苏纺织品竞争力一直保持增强趋势。三、纺织品出口影响因素的分析及选取（一）影响因素分析及选取影响一个国家出口需求的因素很多，但就纺织品这一行业的出口而言，影响因素主要包括输入国GDP、汇率、出口退税率和外商投资情况，还有其它因素包括当地的物价指数等。1.美国GDP从GDP总额可以看出，消费支出是GDP的一个重要组成部分。因而输入国的GDP增长可以在一定程度上反映出输入国消费需求的增长，也表明输入国的进口需求增大，这些都间接影响出口贸易总额。因美国是长三角地区最大的对外出口国家，其GDP可以反映出国外的大部分出口需求，所以以美国GDP代表输出国GDP。2.纺织品的汇率江苏理工学院商学院毕业论文第3页共22页就汇率来说，汇率降低，人民币对外贬值，以外币表示的出口纺织品相对价格就会上升，从而增强中国纺织品出口的国际竞争力，纺织品出口量增加；反之，纺织品出口量减少。因此,人民币的过快升值会影响到我国的纺织品行业的对外贸易。3.出口退税率出口退税作为我国政府用来控制出口的直接手段，出口退税率高，出口厂商的对外贸易积极性增强，产品的出口量增长的可能性越大。据有关企业反映，出口退税率每降低1个百分点，出口成本增加1%，企业利润减少1%。4.外商直接投资外商投资包括外商直接投资和外商间接投资两部分。一方面，随着外商直接投资的大量流入，外商直接投资企业已成为我国对外贸易的主动力。在短期内，外商直接投资是产业结构升级的直接原因，产业结构与出口结构相互促进，中长期来看，产业结构升级是吸引外商直接投资和优化出口结构的主导因素。另一方面，外商间接投资增多，使得国内各经济部门经济实力因外资注入而增强，发展对外贸易的积极性提高，对出口的增长产生促进作用。因此研究外商投资对我国纺织品出口贸易影响有重要的理论和现实意义。又因与间接投资相比较，直接投资占据份额大，影响力大，而且直接投资的作用机制更有效，所以以外商直接投资代表外商投资。（二）数据的收集与整理表22002-2011年纺织品此刻及影响因素数据年份纺织品出口总额（亿美元）汇率美国GDP(十亿美元)外商直接投（亿美元）纺织品出口退税率江苏上海浙江江苏上海浙江200294.034778.5800108.10428.277310642.3150.98105.7667.890.152003119.379297.6600155.27848.277311142.2196.73110.64120.500.172004148.9819114.4000196.53038.276511853.3308.10116.91145.610.132005188.0506126.4700244.29258.070212623.0360.78138.33161.270.13江苏理工学院商学院毕业论文第4页共22页2006219.6667143.4556297.38567.808713377.2457.22145.74191.030.132007253.3954155.8181356.03487.304614028.7465.41148.69204.000.112008292.1649166.1787422.48756.834614291.5527.07171.12178.200.132009267.2160152.9445397.56096.828213973.7507.26133.01160.180.152010335.8431178.5370497.64056.622714498.9509.81153.07200.470.162011408.7188208.8903602.49806.300915075.7568.33201.03205.840.162012411.9216203.9733598.21686.285515684.8571.41223.38210.720.16数据来源:江苏省统计局、国家统计局、美国经济分析局、中国商务部、国家外汇管理局四、模型建立与预测（一）模型的建立首先用SPSS软件中的多元回归分析，采用逐步筛选法对线性模型进行尝试，为了得到拟合优度较高的方程，在每个变量进入方程后再次判断是否存在可以剔除方程的变量。然后，进行拟合优度的参数检验，对回归方程和回归系数进行显著性检验。最后为了满足线性回归模型的前提条件，即残差项应服从方差相等的正态分布，进行拟合优度的非参数检验。综合以上分析结果，最终给出方程。1.线性回归分析（1）自变量排除分析表3纺织品出口额多元线性分析结果已排除的变量c模型BetaIntSig.偏相关共线性统计量容差江苏理工学院商学院毕业论文第5页共22页1汇率-.476a-2.371.050-.667.143FDI-.916a-1.614.150-.521.024出口退税率.210a3.207.015.771.9832汇率-.152b-.567.591-.225.065FDI-.474b-1.046.336-.393.020a.模型中的预测变量:(常量),美国GDP。b.模型中的预测变量:(常量),美国GDP,出口退税率。c.因变量:出口总额表3为回归分析过程中尚未被引入方程的自变量的情况。从模型1看，如果下一步引入汇率，则它的标准化回归系数将是-0.375,。同样，如果下一步引入出口退税率，它的标准回归系数将是0.210，由于出口退税率有最大的t值，因此可以判定下一步它进入方程。根据模型2，可以得出汇率和FDI被排除。（2）回归方程的拟合优度表4纺织品出口额多元性分析结果模型汇总c模型RR方调整R方标准估计的误差Durbin-Watson1.963a.927.91828.30637822.985b.971.96219.25812581.831a.预测变量:(常量),美国GDP。b.预测变量:(常量),美国GDP,出口退税率。c.因变量:出口总额表4显示了回归方程的拟合优度，从输出结果可以看出，随着自变量不断引入回归方程，调整的R方在不断提高，回归方程的估计标准误差在不断减小，方程的拟合优度不断上升。同时，根据德宾趋向指数值1.831，可以得出残差序列存在某种程度的正自相关。2.拟合优度的参数检验江苏理工学院商学院毕业论文第6页共22页（1）回归方程显著性检验表5纺织品出口额多元线性分析结果Anovac模型平方和df均方FSig.1回归81608.642181608.642101.852.000a残差6410.0088801.251总计88018.65092回归85422.522242711.261115.163.000b残差2596.1287370.875总计88018.6509a.预测变量:(常量),美国GDP。b.预测变量:(常量),美国GDP,出口退税率。c.因变量:出口总额表5的输出结果表明随着自变量的引入，均方误差在不断减小，说明美国GDP和出口退税率这两个变量为解释因变量作出了贡献，也从另一个角度证明了输出结果表2中R方不断升高的原因。同时F值也较大，说明自变量造成因变量的变动远远大于随机因素对因变量造成的影响，而且F值也随自变量的引入而变大。如果显著性水平α为0.05，由于回归方程的显著性检验的概率值0小于显著性水平α，因此自变量美国GDP和出口退税率与因变量出口总额之间线性关系显著，建立线性模型是恰当的。（2）回归系数显著性检验表7纺织品出口额多元线性分析结果系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-594.72982.479-7.211.000美国GDP.063.006.96310.092.0002(常量)-775.70279.584-9.747.000江苏理工学院商学院毕业论文第7页共22页美国GDP.065.004.99015.126.000出口退税率1108.135345.560.2103.207.015a.因变量:出口总额表5显示随自变量的引入，回归系数标准误差变小，标准化回归系数变大，说明自变量解释因变量的能力较强。其回归系数显著性概率值小于显著性水平α，因此美国GDP、出口退税率与出口总额的线性关系显著，它们被保留在模型中是合理的。3.拟合优度的非参数检验(1)残差序列正态性分析表8单样本K—S检验单样本Kolmogorov-Smirnov检验StandardizedResidualN10正态参数a,b均值.0000000标准差.88191710最极端差别绝对值.136正.136负-.104Kolmogorov-SmirnovZ.429渐近显著性(双侧).993a.检验分布为正态分布。b.根据数据计算得到。江苏理工学院商学院毕业论文第8页共22页图2：多元线性回归分析的残差累计概率图残差累计概率图中，数据点围绕基准线存在一定的规律性，表4中德宾趋向指数也表明了残差序列存在某种程度的自相关，但根据表5标准化残差的非参数检验的输出结果：Z统计量是0.429，对应的相伴概率值为0.993，由于相伴概率值大于显著性水平，所以标准化残差与标准正态分布不存在显著差异，因此可以认为标准化残差服从正态分布，满足了线性模型的前提条件。（2）残差序列同方差诊断表8标准化残差和标准化预测值的Spearman等级相关分析结果相关系数StandardizedPredictedValueStandardizedResidualSpearman的rhoStandardizedPredictedValue相关系数1.000-.127Sig.（双侧）..726N1010StandardizedResidual相关系数-.1271.000Sig.（双侧）.726.江苏理工学院商学院毕业论文第9页共22页相关系数StandardizedPredictedValueStandardizedResidualSpearman的rhoStandard