我国汽车保有量影响因素分析Word下载.docx
《我国汽车保有量影响因素分析Word下载.docx》由会员分享，可在线阅读，更多相关《我国汽车保有量影响因素分析Word下载.docx（17页珍藏版）》请在冰豆网上搜索。
8.0
7.6
7.2
6.8
6.4
6.0
5.6
4.44.64.85.05.25.45.65.86.06.2
7.6.■
7.2一/
*
6.8_■'
6.4■■°
6.0..■
56"
,,
9101112
1314
LNX1
LNX2
LNX3
LNX4
6.8_
6.0_
LNX7
3.13.23.33.43.53.63：
73.83.94.0
Y7.6.
N7.2.
因此使
可以看出对数形式的解释变量与对数形式的被解释变量之间基本都是线性关系,
用线性模型进行拟合，建立模型:
lny=bo+bilnxi+b2InX2+b3lnx3+b4lnx4+b5lnx5+b6lnx6+b7lnx7+u
其中Uj是随机扰动项，使用最小二乘法，可以得到回归模型为：
Lny=-4.37-0.08Inx什1.34lnx2-0.56lnx3+0.72lnx4-0.08InX5-0.36Inx6-0.101nx7
从回归结果可以看出，可决系数R2=0.99，可决系数非常高。
F统计量=1000.882，说明
模型的拟合效果非常好，模型的拟合效果显著。
但是有5个解释变量的t检验没有通过，模
型可能存在多重共线性，为了确定模型是否存在多重共线性，对几个变量之间进行相关分析。
相关系数见下表：
LNY
LNX5
LNX6
1.0000
0.9536
0.9862
0.9865
0.9912
0.9936
0.9809
0.9877
0.9100
0.9106
0.9772
0.9333
0.9143
0.9501
0.9999
0.9654
0.9955
0.9950
0.9774
0.9657
0.9959
0.9945
0.9771
0.9807
0.9677
0.9842
0.93333
0.9909
0.9808
0.9946
0.9764
所使用的数据为时间序列数据，结合相关系数表可以看出解释变量质量之间存在很高的相关关系，判断数据存在多重共线性。
3.3多重共线性的修正
判断模型中存在多重共线性，采用逐步回归法对模型的多重共线性进行修正。
通过建立被解释变量与每个解释变量之间的回归,
得出一元回归模型的可决系数的情况
如下表：
解释变量lnxiInx2Inx3InX4InX5InX6Inx7
可决系数0.9094180.9725480.973190.9823850.987180.962240.97549
选择Inx5为第一步引入的变量为基础，将其他变量依次引入，进行二元回归，得到的结
果如下表：
变量
Inx1
InX2
lnx3
InX4
InX6
InX7
InX5,
lnx1
0.992565
lnx2
0.988159
0.988291
lnx4
0.994525
lnx6
0.987869
lnx7
0.991729
加入第二个变量之后，可以看出加入Inx4之后，模型的可决系数获得明显的提高，并且
所有的解释变量可以通过t检验，所以可以保留Inx4,Inx5两个变量。
在保留两个保量的基础上，继续引入第三个变量，进行三元的回归，得到的可决系数如
下表：
Inxilnx2
Inx3Inx6lnx7
InX5,lnx4,Inxi
0.994546
InX5,lnx4,Inx2
0.995112
InX5,lnx4,Inx30.995202
InX5,lnx4,Inx6
0.994704
0.994984
InX5,lnx4,lnx7
通过观察可决系数表可以看出，再加入一个解释变量进行回归，发现新加入的解释变量
不能显著的提高模型的可决系数，并且变量不能通过t统计检验，因此不再加入其它解释变
量。
而保留Inx4、Inx5之后，两个解释变量的系数均为正，说明解释变量和被解释变量同方向变动，符合经济学的意义，可以通过经济学意义的检验。
经过逐步回归消除模型的多重
共线性之后，得到的模型为：
Iny
-0.57+0.421nx4+0.38Inx5
（0.21）（0.05）（0.07）
T=（-2.62）（7.30）（5.67）
22
R=0.99AdjustedR=0.994069F=2179.92df=24DW=0.445362
3.4异方差的检验与修正
因为模型为多元回归模型，使用White检验对模型的是否存在异方差进行检验。
经过White检验，nR2=5.07,在a=0.05下，查x2分布表，得临界值x2q.q5（3）=7.81,比较计算值和x2的临界值，因为nR2<
x2q.q5（3），所以接受原假设，拒绝备选假设，表明模型不存在异方差。
F-statistic4.572417Prob.F（5,21）0.0056
Obs*R-squared5.07312Prob.Chi-Square（5）0.7654
ScaledexplainedSS28.51258Prob.Chi-Square（5）0.0000
因为模型使用的数据为时间序列，且通过White检验，模型中不存在异方差，不需要对
模型进行异方差的修正。
3.5模型自相关的检验与修正
使用DW检验法对模型的自相关进行检验，通过以上各项修正所得到的模型：
Iny=-0.57+0.42Inx4+0.38Inx5
该回归方程可决系数高，回归系数均显著，对样本量为27，两个解释变量，10%为显
著水平，查DW统计表可知，dL=1.019，dU=1.319，模型中的DW<
dL，所以模型中存在自相关，需要对模型进行修正，采用广义差分法对模型进行修正。
对残差进行滞后一期的回归，得到回归方程为：
et=Q.8376et-1,由回归方程可知p=0.8376，
对原模型进行广义差分，得到广义差分方程为：
Inyt-0.8376Inyt-1=b1（1-0.8376）+b2（lnx4t-0.8376lnx4t-1）+b3（lnx5t-0.8376lnx5t-1）
通过进行最小二乘的回归，得到的回归方程为：
Inyt*=-0.018+0.534Inx4*+0.176Inx5*
T=（-Q.225）件393）（2.892）
R=0.917AdjustedR=Q.91Qdf=26DW=1.7Q3
其中lnx4*=lnx4t-lnx4t-1，lnx5*=lnx5t-lnx5t-1
由于使用了广义差分法，样本容量减少了1个，为26个。
查1%显著水平的DW统计表可知，dL=1.224，dU=1.553，因为DW>
dU，所以模型经过广义差分法的修正已经不存在异方差，不必进行迭代，而模型的各个统计指标都达到了理想的水平。
由差分方程式b1=-0.018/（1-0.8376）=-0.1108
由此可得最终的模型形式为
lny=-0.1108+0.534lnx4+0.176lnx5
4模型的经济学意义
最终的模型形式为Iny=-0.1108+0.534lnx4+0.1761nx5,其中X4—钢铁产量、X5—固定资产投资，可以看出在我国固定资产投资不变的情况下，我国钢铁产量每变化1%，我国的汽车
保有量增加0.534%。
钢铁作为汽车生产的原料，通过控制汽车的产量控制我国的汽车保有量，因为本文中建立的是对数的模型，因此解释变量的系数应该用弹性的观点进行解释。
从钢铁产量和我国汽车保有量之间弹性变化系数来看，钢铁产量对于我国的汽车保有量有较为明显的影响；
在固定我国的钢铁产量的情况下，分析我国的固定资产投资对我国的汽车保有量的影响，从解释变量的系数可以看出，在我国的钢铁产量不变的前提下，我国的固定资产投资每增加1%，我国的汽车保有量将会增加0.176%。
汽车不论对于家庭和各单位企业来说，都是固定资产重要的组成部分，但是相对于房产、地产等高价的固定资产投资，汽车因为相比而言较低，在数额上只占固定资产的较小的部分，因此，固定资产投资增加绝对数值上对于汽车保有量的影响并不大，但是在相对百分比上的固定资产投资对于汽车保有量有显著地影响。
特别应该说明的是，因为该模型中存在较为严重的多重共线性，本文采用了逐步回归法中的逐步引入变量的方法对模型的多重共线性进行修正，而提出了一些造成多重共线性的变量，而在剔除的过程中，也剔除了定性分析中与被解释变量汽车保有量较为相关的居民收入、人均GDP等变量，这样的操作可能难以避免的会造成模型设定的偏误，因此，模型中保留下
来的解释变量对于模型的被解释变量有较好的解释作用，并不代表被提出的解释变量与被解释无关，相反，通过一元回归不难看出，这些解释变量也和被解释变量我国汽车保有量有着较强的相关关系。
5结论
汽车保有量与反应宏观经济状况的指标之间都有较为密切的相关关系，因此，可以将国
家的汽车保有量作为分析宏观经济状况的指标之一。
本文中通过建立计量经济模型中的多元回归模型，得出了汽车保有量与钢铁产量以及固定资产投资定量的回归模型，钢铁产量和固定资产投资都正向影响我国的汽车保有量。
我国要想从控制汽车保有量的角度治理城市拥堵和空气污染的问题，可以从减少汽车生产行业的钢铁供给和对于固定资产的投资的角度入手。
6建议
我国经济的快速发展，使得国内的保有量在近年内大大提高。
汽车保有量的上升也带来了一些问题，当前各地为解决城市拥堵和空气污染的问题，纷纷采取限号、“摇号”等方式对汽车的保有量进行控制。
结合本文分析所得，对控制我国汽车保有量提出以下建议：
6.1限制汽车行业钢铁供给
通过文中的回归结果不难看出，钢铁产量对我国汽车保有量有明显的影响，两者有着相同的变动方向。
钢铁产量影响的作用方式就是钢铁产量决定了汽车行业原料的供给，影响了汽车的产量，影响汽车的供给进而影响汽车的保有量。
通过政府调控的手段提高汽车行业购置钢铁的价格或者对于大量购买的企业征收一定的税收，控制对于汽车行业钢铁的供给，减少我国的汽车保有量。
6.2削减机关单位汽车购置预算
为控制个人家庭对于汽车的消费，削减家庭的汽车保有量，政府采取了摇号和限号出行等手段。
应该注意到政府及机关单位对于汽车的购置量也占据了汽车保有量中很大的比例。
固定资产投资也是影响汽车保有量的重要因素，因此减少政府机关单位的固定资产投资，可以有效减少我国的汽车保有量。
我国新一届领导集体上任伊始，就宣布削减“三公经费”，这种节俭的作风也为我国汽车保有量的控制发挥了积极地作用。
6.3发展公共交通，宣传绿色出行理念
公共交通和私人汽车的消费有一定程度上的替代作用，在效率方面，公共交通比私人汽车更有效率。
通过发展城市公共交通，建立城市发达便利的公共交通网络，可以降低人们对于私有汽车的消费。
同时，宣传绿色出行的理念，使人们尽可能的间歇性采用公共交通出行，可以在不降低汽车保有量的情况下解决城市拥堵和空气污染的问题。
建立发达的公共交通和宣传绿色交通可以缓解高汽车保有量带来的问题。
6.4采用限购等政策手段进行控制
政策手段在我国经济社会问题的解决中依然发挥着重要作用，通过提高汽车购置税、限制每个家庭汽车数量、摇号挂牌等政策手段最直接减少汽车的保有量。
而在政策制定的时候也要充分考虑我国现处的经济发展阶段，在经济建设作为首要任务的今天，汽车行业对我国的经济发挥着重要作用，拉动内需是我国发展经济的重要手段，在制定政策时如何平衡控制汽车保有量和经济发展的关系，将对经济的发展产生重要的影响。
7参考文献
[1]许伶俐.我国汽车保有量的预测研究[D].:
东北财经大学,2011.
[2]韩冰琪,李精精,崔航,曹文燕,刘敏,孟曦,赵珂.我国居民汽车保有量影响因素的计量分析[J].中国管理信息化,2013,（4）.
[3]王影.基于创新扩散理论的我国私人汽车保有量影响因素研究[D].:
重庆师范大学,2012.
[4]宗刚,张广利.基于计量经济学模型选取与汽车保有量相关的因素[J].汽车工业研究,2008,（7）.
[5]陈远通.汽车保有量预测技术方法及其应用[D].:
华南理工大学,2010
8附录
8.1回归使用原始数据
汽车保
公路总
国民总收
人均
钢铁产量
固定资产
进岀口总
城市化率
年份
有量Y
里程X1
入X2
GDPX3
X4
投资X5
额X6
X7（%）
1985
321.12
94.24
9040.74
857.82
3693.00
2543.20
2066.70
23.70
1986
361.95
96.28
10274.38
963.19
4058.00
3120.60
2580.40
24.30
1987
408.07
98.22
12050.62
1112.38
4386.00
3791.70
3084.20
25.00
1988
464.39
99.96
15036.82
1365.51
4689.00
4753.80
3821.80
25.60
1989
511.32
101.43
17000.92
1519.00
4859.00
4410.40
4155.90
26.20
1990
551.36
102.83
18718.32
1644.47
5153.00
4517.00
5560.10
26.40
1991
606.11
104.11
21826.20
1892.76
5638.00
5594.50
7225.80
26.90
1992
691.74
105.67
26937.28
2311.09
6697.00
8080.10
9119.60
27.50
1993
817.58
108.35
35260.02
2998.36
7716.00
13072.30
11271.00
28.00
1994
941.95
111.78
48108.46
4044.00
8428.00
17042.10
20381.90
28.50
1995
1040.00
115.70
59810.53
5045.73
8979.80
20019.30
23499.90
29.00
1996
1100.08
118.58
70142.49
5845.89
9338.02
22913.55
24133.80
30.50
1997
1219.09
122.64
78060.85
6420.18
9978.93
24941.11
26967.20
31.90
1998
1319.30
127.85
83024.33
6796.03
10737.80
28406.17
26849.70
33.40
1999
1452.94
135.17
88479.16
7158.50
12109.78
29854.71
29896.20
34.80
2000
1608.91
167.98
98000.48
7857.68
13146.00
32917.73
39273.20
36.20
2001
1802.04
169.80
108068.20
8621.71
16067.61
37213.49
42183.60
37.70
2002
2053.17
176.52
119095.68
9398.05
19251.59
43499.91
51378.20
39.10
2003
2382.93
180.98
134976.97
10541.97
24108.01
55566.61
70483.50
40.50
2004
2693.71
187.07
159453.60
12335.58
31975.72
70477.40
95539.10
41.80
2005
3159.66
334.52
升级会员 