2023年长三角地区纺织品出口竞争力影响因素的比较分析.doc

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泼、最开放的地区之一，也是纺织服装最重要的生产基地。2023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藏、国际收支平衡、解决就业以及加速地区开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。 一、长三角地区纺织品出口额比拟 长三角地区作为全国经济最活泼、最开放的地区之一，也是纺织品服装最重要的生产基地。2023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%。以下列图是2023年到2023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,说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2023-2023年竞争优势指数如下表所示。 表1 2023—2023年长三角地区纺织品TC指数 时间 2023 2023 2023 2023 2023 2023 江苏 0.8411 0.8577 0.8633 0.8642 0.8683 0.8661 上海 0.7298 0.7107 0.7065 0.6752 0.6358 0.6195 浙江 0.9342 0.9363 0.9385 0.9410 0.9408 0.9304 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2023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的一个重要组成局部。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，也说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局部出口需求，所以以美国GDP代表输出国GDP。 2.纺织品的汇率 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，出口本钱增加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局部。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，开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拟，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2 2023-2023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 2023 94.0347 78.5800 108.1042 8.2773 10642.3 150.98 105.76 67.89 0.15 2023 119.3792 97.6600 155.2784 8.2773 11142.2 196.73 110.64 120.50 0.17 2023 148.9819 114.4000 196.5303 8.2765 11853.3 308.10 116.91 145.61 0.13 2023 188.0506 126.4700 244.2925 8.0702 12623.0 360.78 138.33 161.27 0.13 2023 219.6667 143.4556 297.3856 7.8087 13377.2 457.22 145.74 191.03 0.13 2023 253.3954 155.8181 356.0348 7.3046 14028.7 465.41 148.69 204.00 0.11 2023 292.1649 166.1787 422.4875 6.8346 14291.5 527.07 171.12 178.20 0.13 2023 267.2160 152.9445 397.5609 6.8282 13973.7 507.26 133.01 160.18 0.15 2023 335.8431 178.5370 497.6405 6.6227 14498.9 509.81 153.07 200.47 0.16 2023 408.7188 208.8903 602.4980 6.3009 15075.7 568.33 201.03 205.84 0.16 2023 411.9216 203.9733 598.2168 6.2855 15684.8 571.41 223.38 210.72 0.16 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 Beta In t Sig. 偏相关 共线性统计量 容差 1 汇率 -.476a -2.371 .050 -.667 .143 FDI -.916a -1.614 .150 -.521 .024 出口退税率 .210a 3.207 .015 .771 .983 2 汇率 -.152b -.567 .591 -.225 .065 FDI -.474b -1.046 .336 -.393 .020 a. 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，那么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 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1 .963a .927 .918 28.3063782 2 .985b .971 .962 19.2581258 1.831 a. 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 〔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 F Sig. 1 回归 81608.642 1 81608.642 101.852 .000a 残差 6410.008 8 801.251 总计 88018.650 9 2 回归 85422.522 2 42711.261 115.163 .000b 残差 2596.128 7 370.875 总计 88018.650 9 a. 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的输出结果说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奉献，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 t Sig. B 标准 误差 试用版 1 (常量) -594.729 82.479 -7.211 .000 美国GDP .063 .006 .963 10.092 .000 2 (常量) -775.702 79.584 -9.747 .000 美国GDP .065 .004 .990 15.126 .000 出