三、实证分析
　　（一）相关性分析
　　利用相关数据对沪铜以及影响其价格走势的因素进行相关性分析，结果（如表1所示）。
　　表1SHFE铜期货价格与各影响因素相关系数表
　　注：**.Correlation is significant at the 0.01 level（2-tailed），*.Correlation is significant at the 0.05 level（2-tailed）.
　　资料来源：WIND资讯。
　　从表1可以得出以下结论：（1）宏观经济方面，工业生产增加值、PMI和美国制造业产出指数与SHFE铜期货的价格走势具有较强的相关性，其中体现全球经济形势的美制造指数相关性最大，反映了SHFE铜期货的价格与全球经济形势紧密相关。（2）供求方面，反映国内供求的SHFE库存与SHFE铜的价格走势呈现一定的相关性，而体现全球供求状况的LME库存与SHFE铜的价格走势相关性很小，统计意义上也不显著。（3）资金因素方面，SHFE持仓和LME持仓与沪铜期货价格走势相关性较大，而CFTC持仓则不显著。（4）汇率方面可以看出美元指数与SHFE铜的价格走势呈现较强的负相关。这与国际大宗商品以美元计价不无关系，美元走弱势必引起相关商品价格的上升。（5）相关市场方面呈现出了极强的相关性，尤其是现货市场价格和LME铜期货价格走势，相关系数分别高达0.985和0.965，走势几乎一致，这也进一步体现了期货市场对现货市场的价格发现功能。沪深300指数和体现相关商品因素的原油期货价格与SHFE铜的价格走势具有较强的相关性。
　　（二）回归分析
　　为了进一步考察影响金属期货价格的因素的与SHFE铜期货价格的数量关系，本文对SHFE铜及影响其价格走势的因素进行回归分析，并且只对显著相关的因素进行回归。从表1的相关系数矩阵可以看出，各影响因素之间呈现出一定的相关性，在回归时存在多重共线性问题。因此，本文将采用主成分回归分析法消除多重共线性重新建立回归模型。首先，为消除由量纲的差异及数量级造成的影响，我们对样本数据进行标准化处理，然后计算指标间的相关系数矩阵（见表2）。

　根据相关系数矩阵，可以求得11个特征根及特征方程，将特征根按其大小顺序排列，其中主成分的方差大小描述了各个主成分的在评价上所起作用的大小。从其累积特征贡献率（见表3）可以看到，前三个主成分的累积贡献率已达88.56%，这说明选取三个主成分就可基本反映所有指标的信息。因子分析结果（见下页表4）。
　　从表4可以看出，第一个主因子在工业增长率、PMI、美制造指数、现货价格、LME铜价格、美元指数、沪深300指数以及原油期货上面有较大的载荷系数，反映了宏观经济形势与相关市场对沪铜价格变动的影响，它对全部初始变量的方差贡献率高达54.467%；第二个主因子主要SHFE铜库存和持仓量决定，反映了库存状况以及市场资金因素的影响；第三个主因子主要由LME持仓量决定，反映相关期货市场资金因素对SHFE铜市场的影响。同时，第一个主因子远大于第二、三个主因子的方差贡献率，说明宏观经济形势和相关市场是影响SHFE铜期货价格的最主要的因素。根据因子载荷矩阵得各主成分表达式如下：
　　C1=0.846x1+0.614x2+0.717x3+0.295x4-0.577x5+0.316x6+0.968x7+
　　0.978x8-0.796x9+0.763x10+0.869x11
C2=0.397x1+0.584x2-0.587x3+0.824x4+0.743x5+0.320x6+0.016x7+
　　0.090x8+0.225x9+0.284x10-0.380x11
　　C3=0.050x1-0.355x2+0.283x3+0.315x4-0.238x5+0.790x6+0.121x7+
　　0.006x8+0.408x9-0.341x10-0.053x11
　　其中x1～x11分别表示工业生产增长率、PMI指数、美制造指数、SHFE库存、SHFE持仓、LME持仓、现货价格、LME铜、USDX、沪深300以及原油期货价格。
　　利用上式所得的C1、C2和C3，以它们为自变量，SHFE铜期货价格为因变量，进行多元线性回归分析，建立回归模型为：Y=0.162 C1+0.054 C2+0.015 C3
　　 （0.007）（0.017）（0.032）
　　从回归结果（表5、表6）来看，调整后的决策系数为0.956，说明回归方程显著，模型的总体拟合效果非常好，且能通过F检验与t检验。同时，C1、C2和C3的t检验值分别达到23.618、3.253和2.483，在0.01的显著水平下，统计上都是显著的。