我国电子商务影响因素的实证分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇我国电子商务影响因素的实证分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘　要】我国电子商务发展非常迅速，市场规模急剧扩大，进入到快速增长时期，交易额不断攀升。本文收集了我国2001-2010年的互联网用户人数、网上购物人数、域名数及电子商务企业数，研究它们与电子商务交易总额之间的关系。本文主要依靠Eviews软件工具对收集的数据进行实证分析。得出的结论是我国要通过提高互联网的普及率和支持企业的电子商务建设来提高电子商务的交易额，促进我国电子商务的发展。

【关键词】电子商务交易额;互联网用户人数;域名数;电子商务企业数;回归函数

近几年来，随着信息网络技术的迅猛发展,我国电子商务获得了长足的发展，特别是2006年以来，中国电子商务发展非常迅速，市场规模急剧扩大，进入到快速增长时期，交易额不断攀升。截止2010年，中国电子商务市场（包括B2B、B2C、C2C）交易额达到4.5万亿元。很多学者对影响电子商务发展的因素进行了研究,电子商务的发展受到诸多因素的影响，各项因素的影响不尽相同。本文立足于我国电子商务交易总额，基于2001-2010年的数据，利用Eviews软件工具，研究讨论我国互联网用户人数、网上购物人数、域名数及电子商务企业数对我国电子商务交易总额的影响函数，从而可以得出结论：互联网用户人数、域名数及电子商务企业数对电子商务交易总额会产生影响。

１．选择模型及数据来源

为了验证电子商务对中国经济增长的影响，本文采用2001年-2010年的《中国统计年鉴》、中国互联网络信息中心《中国互联网络发展状况分析报告》(第1-第25次)、《2011年中国电子商务市场数据监测报告》，以及中国B2B研究中心的《1997-2009年中国电子商务十二年调查报告》研究报告提供的数据作为样本，进行多元线性回归分析模型验证。

2.模型检验和确定

2.1初步设定线性函数模型

本文以我国电子商务交易总额作为因变量，以能衡量电子商务发展水平的互联网用户人数、网上购物人数、域名数及电子商务企业数等变量为自变量，建立多元线性回归模型：

Yi=C+β1X1i+β2X2i+β3X3i+β4X4i+ε

其中，C为常数，Yi为电子商务交易总额、X1为互联网用户人数、X2为网上购物人数、X3为域名数、X4为电子商务企业数，β1、β2、β3及β4分别为X1i、X2i、X3i和X4i的系数，ε为随机变量。根据以上所收集到的数据，利用EViews软件建立多元线性回归模型，回归分析输出结果为：

Yi=-5156.168+0.655062X1i+-0.960602X2i+6.127334X3i+1.273945X4i

t=(-4.951141)(1.089890)(-0.618097)(1.519965)(4.795283)

对回归模型进行统计检验：

（1）模型拟合度检验

R2=0.997086，修正的R2=0.994754，说明模型整体拟合得很好。但X2为网上购物人数，不符合经济含义，所以删除自变量X2。

（2）模型显著性检验—F检验

计算得F=427.6605，n=10，k=4。给定显著性水平a=0.05，查F分布表得到临界值F0.05(4，5)=5.19，F显然>F。所以拒绝原假设，认为模犁的线性关系在概率为95％的水平下显著成立。即可以认为互联网用户人数、域名数、电子商务企业数与我国电子商务交易总额之间显著存在线性关系。

剔除自变量X2，再进行回归，回归分析输出结果为：

Yi=-5633.887+0.296025X1i+8.425915X3i+1.251893X4i

t=(-8.522467)( 2.024862)( 5.717292)( 5.020937)

2.2对调整后模型的检验

2.2.1回归模型的统计检验

（1）模型拟合度检验

R2=0.996863，修正的R2=0.995294，说明模型整体拟合得很好。

（2）模型显著性检验—F检验

计算得F=635.5430，n=10，k=3。给定显著性水平a=0.05，查F分布表得到临界值F0.05(3，6)=4.76，F显然>F。所以拒绝原假设，认为模犁的线性关系在概率为95％的水平下显著成立。即可以认为互联网用户人数、域名数、电子商务企业数与我国电子商务交易总额之间显著存在线性关系。

（3）解释变量的显著性检验—t统计量

由软件计算出所有的t统计量值，分别为t0=-8.522467，tl=2.024862，t2=5.717292,t3=5.020937。在给定的显著性水平a=0.05,t分布表中自由度为6,a=0.05的临界值，得到t=1.943，显然|t0|、|t1|，|t2|、|t3|都大于t。所以，拒绝原假设，可以认为三个解释变量对于被解释变量的因果关系显著。

2.2.2自相关性检验

用德宾-沃森(Durbin-Watson)检验，简称DW检验，来检验自相关性。当a=O．05，n=10，k=2，时，查表可知，(dL，du)为(0.525, 2.016)而由图7可知，DW=2.787835，。4-du

从显示的残差分布图可知，残差分布存在着周期波动，表明可能存在自相关性。进而进行偏相关性分析。

图中AC表示各期的自相关系数，PAC表示各期的偏相关系数，在图形左方的直方图中，虚线表示士0.5。当第S期偏相关系数的直方图超过虚线部分时，表明偏相关系数|ρt-s|>0.5，即存在S阶自相关性。由图的偏相关系数PAC可以看出，不存在任何一期的直方图超过虚线，也就是说不存在任何阶数的自相关性。

2.2.3异方差检险—white检验 由于输出结果为nR2=l0 ×0.977444=9.7444，取显著性水平d=O．05，χ0.05（6）=12.5916>nR2，所以我们就不能拒绝同方差的虚拟假设，即不存在异方差。