影响中国汽车产量的多因素分析.doc

影响中国汽车产量的多因素分析.doc

《影响中国汽车产量的多因素分析.doc》由会员分享，可在线阅读，更多相关《影响中国汽车产量的多因素分析.doc（11页珍藏版）》请在冰豆网上搜索。

影响中国汽车产量的多因素分析

摘要：

汽车产业是国民经济的支柱产业，改革开放以来我国汽车产量呈持续上升的趋势。

根据经济学原理和生活经验，汽车产量可能与钢铁产量、运输公路长度、制造业职工人数、私人汽车拥有量、石油消费总量等因素相关，本文通过建立多元线性回归模型，引入上述五个变量，利用Eviews软件进行检验分析。

在逐步回归分析中，先后排除了运输公路长度、私人汽车拥有量、石油消费总量等三个因素和汽车总产量之间的线性相关性。

之后，又通过异方差性检验和自相关性检验验证了钢铁产量、制造业职工人数和汽车总产量之间的线性相关性。

最后确定了汽车总产量的多元线性回归模型。

关键词：

汽车产量；钢铁产量；制造业职工人数；因素分析

一、汽车产业在国民经济中的重要地位

（1）促进国民经济的持续快速发展

汽车产业是资本、技术密集型产业，又是劳动密集型产业，具有巨大的前后向关联度和很强的波及效果，对国民经济具有很强带动作用。

因此，党中央、国务院对发展汽车产业非常重视，多次提出要把汽车产业建成国民经济的支柱产业，并为此采取了一系列的政策措施。

在这一指导思想下，我国汽车产业取得了快速发展，在国民经济中的地位和作用越来越重要。

1990-1999年，我国汽车工业总产值占全国工业总产值的比例在2.1%-3.7%之间；占国民生产总值的比例在0.7%-1.2%之间。

汽车工业增加值的比例在1.8%-2.9%之间，增加值年平均增长速度为23.72%,高于同期全国工业增加值21.9%的平均速度。

汽车工业利税占全国工业利税的比例为2.2%-4.8%；汽车工业年利税超过1000亿元人民币。

据测算，汽车产业对相关产业的带动系数为1：

3。

2002年广义的汽车产业增加值占GDP的比重达6%。

有关专家预测：

到2030年，我国汽车产业对GDP的直接影响将占8%，间接影响将占30%  ；汽车产业对国民经济贡献率将达38%。

由此可见，近些年来，我国国民经济的快速增长，汽车产业做出了很大的贡献。

到2020年要实现国民经济翻两番的奋斗目标，离开了汽车产业的快速发展也是难以实现的。

（2）.有利于全面建设小康社会

   发展汽车产业对全面建设小康社会有很大的推动作用。

一是有利于增加就业。

汽车产业的大规模生产方式和对上下游产业的巨大带动作用为社会提供了大量的就业机会。

根据笔者的测算和国外的相关经验，汽车产业对就业的带动作用为1；10,即1个汽车产业的直接就业可带来10个与汽车产业相关的就业机会。

二是有利于满足人民的消费需求。

随着我国国民经济的快速发展和人民生活水平的提高，人民的消费需求已逐步由吃、穿、用为主向住和行为主转变，因此，发展汽车产业有利于满足人民不断增长的消费需求，有利于推动居民消费结构的升级。

三是有利于改变人民的生活方式，提高生活质量。

随着我国汽车产业的发展和汽车普及率的提高，将极大地提高人们的出行效率，拓展活动空间，提高出行的舒适性。

   （3）.推动技术进步和产业结构升级

   汽车作为一个产品，是高新技术的结晶。

作为一个产业，是新技术应用范围最广、数量最多、周期最长、规模最大的产业。

它不仅本身的生产制造有很高的技术要求，而且对相关产业如原材料产业、装备制造业、配套产业等也有很高的技术要求。

因此，汽车产业的发展不仅要求本身广泛发展和使用新技术，也要求相关产业广泛发展和使用新技术。

因此，发展汽车产业对推动技术进步和产业结构升级具有重要作用。

   （4）.推动城市化进程

   城市化是我国经济社会发展的必然历史过程，汽车产业的发展有助于加快我国城市化进程。

一是汽车的发展和普及，改变了城市交通的面貌，推动了城市交通的现代化，促进了城市经济繁荣；二是汽车的发展和普及，推动了城市结构的改变，促进了围绕大城市而建立的卫星城市群落发展；三是汽车的发展和普及，加强了城乡之间在物质、文化、信息、人员等方面的交流和联系，有利于推动城乡经济社会一体化发展，缩小城乡差别。

我国正处于全面建设小康社会的重要战略机遇期，大力发展汽车产业，全面推进国民经济各部门持续健康发展，是当前我们面临的重大任务。

因此，通过建立计量经济学模型，研究汽车产量和相关因素的依存度，是一件很有意义的事。

二、模型设定　

根据经济学原理和生活经验，我们把模型设定为：

　　Y=β０+β１Ｘ１+β２Ｘ２+β３Ｘ３+β４Ｘ４+β５Ｘ５+ｕ

其中：

y.汽车总产量（万量）

X1钢铁产量（万吨）

X2运输公路长度（万公里）

X3制造业职工人数（万人）

X4私人汽车拥有量（万辆）

X5石油消费总量（万吨）

数据如下：

年份

y

X1

X2

X3

X4

X5

1989

58.35

6159.00

101.43

5206.00

73.12

16575.71

1990

51.40

6635.00

102.83

5304.00

81.62

16384.70

1991

71.42

7100.00

104.11

5443.00

96.04

17746.89

1992

106.67

8094.00

105.67

5508.00

118.20

19104.75

1993

129.85

8956.00

108.35

5469.00

155.27

21110.73

1994

136.69

9261.00

111.78

5434.00

205.42

21356.24

1995

145.27

9535.99

115.70

5439.00

249.96

22955.80

1996

147.52

10124.06

118.58

5293.00

289.67

25010.64

1997

158.25

10894.17

122.64

5083.00

358.36

28110.79

1998

163.00

11559.00

127.85

3769.00

423.65

28426.01

1999

183.20

12426.00

135.17

3496.00

533.88

30187.61

2000

207.00

12850.00

140.27

3240.00

625.33

32053.06

2001

234.17

15163.44

169.80

3010.00

770.78

32784.10

2002

325.10

18236.61

176.52

2907.00

968.98

35528.81

2003

444.37

22234.00

180.98

2841.00

1219.23

38107.38

三、  参数估计

使用Eviews软件，根据ols法对模型进行估计得：

表1

DependentVariable:

Y

Method:

LeastSquares

Date:

05/13/05Time:

09:

44

Sample:

19892003

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-51.00437

64.61807

-0.789321

0.4502

X1

0.025241

0.005750

4.390066

0.0017

X2

-1.196858

0.457563

-2.615722

0.0280

X3

0.014369

0.007983

1.799986

0.1054

X4

0.120705

0.095886

1.258839

0.2398

X5

-0.000929

0.001127

-0.824374

0.4310

R-squared

0.996025

Meandependentvar

170.8173

AdjustedR-squared

0.993816

S.D.dependentvar

103.2583

S.E.ofregression

8.119807

Akaikeinfocriterion

7.315664

Sumsquaredresid

593.3814

Schwarzcriterion

7.598884

Loglikelihood

-48.86748

F-statistic

451.0106

Durbin-Watsonstat

1.708534

Prob（F-statistic）

0.000000

分析：

由F=451.0106〉F0.05（5,9）=4.77（显著水平为0.05）表明模型从整体上看汽车生产量与解释变量之间线性关系显著。

但X3,X4,X5的t值不显著,x2,x5系数的符号与经济意义不符，模型可能存在多重共线性。

四、  检验及修正

1、多元线性检验

（1）计算解释变量之间的简单相关系数：

表2

X1

X2

X3

X4

X5

X1

1.000000

0.967588

-0.862861

0.990592

0.945730

X2

0.967588

1.000000

-0.917334

0.983487

0.941083

X3

-0.862861

-0.917334

1.000000

-0.913528

-0.904263

X4

0.990592

0.983487

-0.913528

1.000000

0.955061

X5

0.945730

0.941083

-0.904263

0.955061

1.000000

由上表可看出，届时变量之间高度线性相关。

表明模型确实存在多元共线性。

（2）修正：

（A）、用ols法逐一求Y对各解释变量的回归。

结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

经分析知Y对X1的线性关系最强，即：

Y=-89.08702189+0.02303731716*X1

（1）

t检验值（-9.042861）（28.22923）

R^2=0.983948SE=13.57613F=796.8896

（B）、逐步回归将其余解释变量注意带入

（1）式得

Y=-0.7809499444+0.03162866347*X1-1.445864947*X2

（2）

T检验指：

（-0.034472）（14.52252）（-4.076918）

R^2=0.993270R^2（修正）=0.992148SE=9.149627F=885.5407

X2系数符号与经济变量意义不符，故剔除x2。

Y=-207.99033+0.02674241588*X1+0.01714869331*X3（3）

t检验值（-6.464265）（23.56714）（3.784124）

R^2（修正）=0.991462SE=9.541313F=813.8449

Y=-208.6516481+0.02550539133*X1+