齐化富 于潇

【摘  要】论文建立了中国对外进出口总额和部分中国宏观经济数据的多元线性规划预测模型，成功实现了对进出口总额的预测，此预测数据能有效指导管理层及时调配市场资源，达到市场资源利用最优化。

【关键词】进出口总额;线性规划模型;最优化

【Abstract】In this paper， a multiple linear programming prediction model of China's total import and export volume and part of China's macro-economic data is established， which successfully realizes the prediction of China's total import and export volume. This forecast data can effectively guide the management to allocate market resources in time， and achieve the optimal utilization of market resources.

【Keywords】total import and export volume; linear programming model; optimization

1 引言

随着经济全球化的逐步深入发展，对外贸易成为一国经济与世界经济联系的纽带。中国是世界贸易第一大国，对外贸易对中国经济发展具有重要的推动作用。一个合理、恰当的对外贸易预测结果有助于制定适应经济发展的对外贸易政策和措施，从而有效调动各种市场资源，并能使之利用达到最优化。由此可见，精确预测中国对外贸易额具有重要意义。

本文基于中国统计局的统计数据，建立了多元回归模型，成功预测了中国对外贸易的进出口额。此预测模型能有效指导管理层及时调配市场资源，从而达到市场资源利用的最优化。

2 多元线性回归模型简介

2.1 多元线性回归模型

3 中国对外进出口总额的线性规划预测模型

3.1 数据准备

中国对外贸易的发展与中国宏观经济现状密不可分。因此，本文选取中国国内生产总值（GDP）X1，居民消费价格指数（CPI）X2，工业品出厂价格指数（PPI）X3，采购经理人指数（PMI）X4，城镇固定资产投资X5，企业商品价格指数X6，消费者信心指数X7，社会消费品零售总额X8八个可能会影响中国外进出口额的因素为自变量（数据来自东方财富网站），中国对外进出口额（数据来自中国统计局网站）Y为因变量建立多元线性回归模型[1]。所下载整理的数据如表1：

3.2 多元线性回归模型建立与spss软件求解

利用上述变量建立的多元线性回归模型为Y=a+b1X1，+b2X2+…+b8X8+ε，其中a，b1，b2，…+b8为回归系数，ε为随机变量。

将上述数据导入spss统计软件，在菜单栏中选择“分析”|“回归”|“线性”命令，在“线性回归”对话框内进行相应设置，最后单击“确定”按钮，便可得到线性回归模型结果[2]。

由表2可以看到回归模型调整的R2=0.994，说明回归的拟合度非常高，但是D-W却为3.07，说明模型残差存在比较严重的正自相关。

由表3得到回归部分的F=60.435，相应的P=0.03，小于显著水平0.05，因此可以判断模型的线性相关程度很高。

该模型中各回归系数的T检验中，常数项、自变量X2和X4對应的的P值偏大[3]。

图1给出了标准化残差的标准P-P图。该P-P图是以实际观测值的累计概率为横轴，以正态分布的累计概率为纵轴绘制。由图可知，所有散点都分布在对角线附近，由此验证所有样本数据来自正态分布，模型（5）拟合效果好。

利用模型（5）预测2019年中国对外进出口总额为Y2019=45083.44，其实际进出口额为45753，误差大约为1.5%，属于可接受的范围。此预测数据能有效指导管理层及时调配市场资源，达到市场资源利用最优化。

【参考文献】

【1】陈胜可.spss统计分析从入门到精通[M].北京：清华大学出版社，2012.

【2】郭晓峰.基于ARIMA模型的中国CPI走势预测分析[J].统计与决策，2012（11）：29-32.

【3】陈晶晶.中国-东盟贸易发展现状分析[J].商业经济，2007（2）：76-78.