计量经济学课程用计量方法验证我国私人汽车消费影响因素分析大学论文.docx

计量经济学课程用计量方法验证我国私人汽车消费影响因素分析大学论文.docx

《计量经济学课程用计量方法验证我国私人汽车消费影响因素分析大学论文.docx》由会员分享，可在线阅读，更多相关《计量经济学课程用计量方法验证我国私人汽车消费影响因素分析大学论文.docx（24页珍藏版）》请在冰豆网上搜索。

计量经济学课程用计量方法验证我国私人汽车消费影响因素分析大学论文

中级计量经济学课程论文

论文题目

：

用计量方法验证我国私人汽车消费的主要影响因素

姓名

：

崔玉成

学号

：

11104051033

班级

：

计量三班

专业

：

11级投资学

学院

：

金融学院

指导教师

：

孟祥兰

用计量方法验证我国私人汽车消费的主要影响因素

摘要：

随着我国经济的发展，人民的生活水平有了很大提高，人均可支配收入逐年提高，对私人汽车的消费正变为新的消费热点。

本文选取了影响我国私人汽车消费的几个因素进行了简单的计量分析，并加以验证，最终确定了城镇居民可支配收入以及公里里程等对我国私人汽车的消费影响较为明显。

关键词：

私家车影响因素计量经济模型

Abstract:

Withthedevelopmentofournationaleconomy,people'slivingstandardshavebeengreatlyimproved,andthepercapitadisposableincomeincreasedyearbyyear,sotheconsumptionofprivatecarsisgrowingfast.Inthispaper,wedidasimplemeasurementanalysisabouttheeffectonourcountry'sprivatecarconsumptionwithseveralfactors.Finally,wefoundtownresidents'disposableincome,andthehighwaymileageisobviousontheinfluenceofprivatecarconsumption.

Keywords:

factorsaffectingprivatecarseconometricmodel

一、问题的提出

改革开发以来，中国的汽车产业人经过不断的努力，中国的汽车产业从无到有，从大到强，百花齐放的局面已经形成。

早在2003年,我国的汽车消费市场就排在了世界的第三名,同时我国的汽车生产能力也成为世界第四。

到2005年时,我国的汽车产量在世界上的排名虽然没有变化,但是却大幅度的缩小了与第三名的产量。

到2008年,我国汽车产量已突破900万辆,跃居成为世界第一大汽车生产国和汽车消费市场。

现今，据中汽协会统计，截止到2010年年末全国汽车产销1826.47万辆和1806.19万辆，同比分别增长32.44%和32.37%。

中国汽车产销连续第二年全球第一。

我国的汽车消费始终保持着稳步的发展。

汽车市场的消费结构也已经从公款买车向个人买车为主转变。

得益于我国经济迅速的发展、城市化进程的加快，人均可支配收入得到逐步提高，人民对家用汽车的需求逐年增加，甚至出现有些车型供不应求的局面。

汽车消费已经成为城镇居民消费的重要部分，也是一个国家和地区综合经济实力的重要标志。

早在“十一五”规划时期，提出“把扩大内需的重点由投资转向消费，将经济增长方式由投资拉动转为消费与投资双轮驱动、内需与外需共同拉动的新模式”，关注汽车消费具有较为积极的现实意义。

二、文献综述：

目前，已经有一些学者从较多角度对这一问题进行了研究，比如GDP与私人汽车消费的影响、城市化建设对汽车的消费影响的等，从这些文献中均可以得知影响我国目前私人汽车消费的影响因素是多方面的，比如汽车价格、替代品如火车，飞机等的发展、偏好、环境、居民可支配收入、燃油价格指数、公路里程等。

这里，虽然汽车整体价格便宜，买的人就多，但汽车价格本身是个太宽泛概念，不同汽车品牌之间有不同的价格，相同品牌汽车不同型号价格也差别较大，因此不宜作为选取对象；关于替代品的因素，由于汽车这种奢侈产品本身所具有的特殊性，其替代品对人们对私车消费的影响较小，也不好度量，所以我们在进行计量模型的建立时，也不选择这个因素作为解释变量。

而偏好、环境等虽然能够解释为什么人们会去购买汽车，但这些因素是基于超越了经济学范围的历史和心理因素，难以测算和量化，所以在计量模型的建立过程中并不采用这方面的数据。

国内生产总值反映是宏观经济环境，对汽车市场的供给和需求都有很大的影响，但是由于汽车行业只是国民经济当中的一小部分，因此虽有影响但是居民直接的可支配收入因素显著。

因为汽车是一种耐用消费品，因此有消费门槛，再考虑到我国贫富差距扩大的因素，能够消费私家汽车的主要为城镇里家庭收入相对富裕的群体，而且他们的生活环境促使他们有这个消费需求，因此认为选取我国城镇居民可支配收入作为解释变量可能会更好的解释私车消费情况。

而燃油价格指数的变化我们认为也会一定程度的影响汽车消费需求。

此外，以公路里程为代表的基础设施建设是较好的发展汽车市场的前提条件，尤其是在我国交通条件不是很发达的中西部地区，因此这里也选取它作为解释变量加以研究。

三．模型构建与计量检验

基于以上认识，选取的解释变量有：

Y汽车产量（年度，单位：

每千辆）

X1城镇居民可支配收入（年度，单位：

元）

X2燃料、动力类价格指数（年度）

X3全国公路里程（年度，单位：

每千公里）

（一）数据收集与模型构建：

年份

私人汽车拥有量Y

城镇居民可支配收入X1

燃料、动力类价格指数X2

公路总里程X3

1994

205.42

3496.2

118.2

111.78

1995

249.96

4283

115.3

115.7

1996

289.67

4838.9

103.9

118.58

1997

358.36

5160.3

101.3

122.64

1998

423.65

5425.1

95.8

127.85

1999

533.88

5854

96.7

135.17

2000

625.33

6280

105.1

140.27

2001

770.78

6859.6

99.8

169.8

2002

968.98

7702.8

97.7

176.52

2003

1219.23

8472.2

104.8

180.98

2004

1481.66

9421.6

111.4

187.07

2005

1848.07

10493

108.3

234.52

2006

2333.32

10759.5

106

255.7

2007

2876.22

11785.8

104.4

268.37

2008

3501.39

13780.8

110.5

293.02

2009

4574.91

14174.65

92.1

386.08

2010

5938.71

19109.44

109.6

400.82

数据来源：

中经网-2011经济年鉴

建立常见的多元线性方程形式：

Y＝β0+β1x1+β2x2+β3x3+ut

（二）散点图

依次对各个解释变量做散点图如下：

发现Y与城镇居民可支配收入有近似的线性关系。

Y与燃料动力类价格指数线性关系不明显，函数关系很难判断。

Y与公路里程有近似的线性关系。

（三）多元线性回归

现在我们用线性模型对以上三个变量进行线性回归，如下：

表1Eviews的最小二乘计算结果

DependentVariable:

Y

Method:

LeastSquares

Date:

12/26/11Time:

10:

14

Sample:

19942010

Includedobservations:

17

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-3177.298

995.2332

-3.192517

0.0071

X1

0.117383

0.065473

1.792861

0.0963

X2

11.60506

9.198341

1.261647

0.2292

X3

12.90137

3.021514

4.269836

0.0009

R-squared

0.982772

Meandependentvar

1658.796

AdjustedR-squared

0.978796

S.D.dependentvar

1680.779

S.E.ofregression

244.7455

Akaikeinfocriterion

14.04064

Sumsquaredresid

778704.5

Schwarzcriterion

14.23669

Loglikelihood

-115.3454

F-statistic

247.1973

Durbin-Watsonstat

0.609553

Prob（F-statistic）

0.000000

可以看出:

燃料动力类价格指数的参数不显著，p值较大，这里还考虑了以1994年为100基准的逐年累积的燃料动力类价格指数的线性回归模型（据中经网数据：

118128.3141.3154.5153.1154.5178.3178.6178.8192210.7242.3271.1282.8341304.2353.8）,都发现燃料价格指数不好拟和,同时它在模型中的分量很小,从经济意义上来说,一般能买得起私家车的人一般不会太在意油价高低,不会在买车前主要去考虑燃料费用,所以这里最后决定舍弃X2这个解释变量.

此时我们的模型变为只含有收入和公路里程的模型:

Y＝β0+β1x1+β2x2+ut

重新做关于只有城镇居民可支配收入和公路里程的新的回归（这里以x3公路里程取代原来的x2燃油价格指数作为新的x2）。

（四）单位根和协整性检验

本文在研究经济增长问题时大量运用了时间序列数据。

由于在实际中遇到的时间序列数据很可能是非平稳序列，而平稳性在计量经济建模中又具有重要地位，因此有必要对观测值的时间序列数据进行平稳性检验。

现对城镇居民可支配收入X1进行单位根检验，结果如下：

表2X1的单位根检验结果

ADFTestStatistic

2.821993

1%CriticalValue*

-4.0113

5%CriticalValue

-3.1003

10%CriticalValue

-2.6927

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（X1）

Method:

LeastSquares

Date:

12/27/11Time:

19:

12

Sample（adjusted）:

19972010

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1（-1）

0.326396

0.115661

2.821993

0.0181

D（X1（-1））

-1.662254

0.584577

-2.843514

0.0174

D（X1（-2））

0.477317

0.666736

0.715901

0.4904

C

-978.0422

582.7585

-1.678298

0.1242

R-squared

0.731993

Meandependentvar

1019.324

AdjustedR-squared

0.651591

S.D.dependentvar

1218.205

S.E.ofregression

719.0598

Akaikeinfocriterion

16.22872

Sumsquaredresid

5170470.

Schwarzcriterion

16.41131

Loglikelihood

-109.6011

F-statistic

9.104160

Durbin-Watsonstat

1.922238

Prob（F-statistic）

0.003298

在1%、5%、10%三个显著性水平下，单位根检验没有通过，所以不能拒绝原假设，说明城镇居民可支配收入X1的时间序列数据存在单位根，是非平稳的。

通过同样的方法，可以知道Y和X2的时间序列数据也存在非平稳性。

而且发现它们均是二阶单整的。

这样，只要模型通过协整检验，就可以避免伪回归并且可以用来对实际问题进行研究。

接着依次做Y关于X1和X2的OLS回归，然后对各自残差序列做单位根检验，结果如下：

表3Y对X1回归后的残差单位根检验结果

ADFTestStatistic

-8.805722

1%CriticalValue*

-2.7570

5%CriticalValue

-1.9677

10%CriticalValue

-1.6285

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（ET,3）

Method:

LeastSquares

Date:

12/27/11Time:

18:

04

Sample（adjusted）:

19972010

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

D（ET（-1）,2）

-2.257887

0.256411

-8.805722

0.0000

R-squared

0.853585

Meandependentvar

-111.8687

AdjustedR-squared

0.853585

S.D.dependentvar

826.4793

S.E.ofregression

316.2455

Akaikeinfocriterion

14.41966

Sumsquaredresid

1300146.

Schwarzcriterion

14.46531

Loglikelihood

-99.93765

Durbin-Watsonstat

2.724051

发现Y对X1存在二阶协整。

用同样方法得到Y对X2的OLS回归后的残差单位根检验，如下：

表4Y对X2的OLS回归后的残差单位根检验

ADFTestStatistic

-5.173112

1%CriticalValue*

-2.7570

5%CriticalValue

-1.9677

10%CriticalValue

-1.6285

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（ET2,3）

Method:

LeastSquares

Date:

12/27/11Time:

18:

07

Sample（adjusted）:

19972010

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

D（ET2（-1）,2）

-1.908242

0.368877

-5.173112

0.0002

R-squared

0.666136

Meandependentvar

120.7321

AdjustedR-squared

0.666136

S.D.dependentvar

861.7517

S.E.ofregression

497.9284

Akaikeinfocriterion

15.32754

Sumsquaredresid

3223125.

Schwarzcriterion

15.37319

Loglikelihood

-106.2928

Durbin-Watsonstat

2.261235

发现Y对X2同样存在二阶协整，可以进行回归了。

（五）最小二乘法回归

表5Eviews的最小二乘计算结果

DependentVariable:

Y

Method:

LeastSquares

Date:

12/26/11Time:

10:

26

Sample:

19942010

Includedobservations:

17

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1935.602

150.9650

-12.82153

0.0000

X1

0.144167

0.063231

2.280013

0.0388

X2

11.61589

2.904035

3.999914

0.0013

R-squared

0.980663

Meandependentvar

1658.796

AdjustedR-squared

0.977900

S.D.dependentvar

1680.779

S.E.ofregression

249.8644

Akaikeinfocriterion

14.03850

Sumsquaredresid

874051.1

Schwarzcriterion

14.18554

Loglikelihood

-116.3272

F-statistic

354.9951

Durbin-Watsonstat

0.648950

Prob（F-statistic）

0.000000

在5%的显著性水平下，p值都得到通过。

查表得t值为2.110，X1的t值略大于2.110，算通过检验，X2的t值较明显地大于2.110，也通过检验。

模型结果：

Y=-1935.602+0.144167*X1+11.61589*X2

（150.9650）（0.063231）（2.904035）

t=（-12.82153）（2.280013）（3.999914）

R^2=0.980663

F=354.9951DW=0.648950

t检验通过并且可决系数和修正后的可决系数均很理想。

（六）异方差性分析检验

先检查图形,令e2=resid^2

可能存在异方差性.

（1）G-Q检验,

排序后（数据是递增的，实际不需要排序），去掉中间数据3个，先做1994到2000年的回归得：

表6异方差的G-Q检验回归结果1：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/26/11Time:

11:

16

Sample:

19942000

Includedobservations:

7

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1548.670

82.03339

-18.87854

0.0000

X1

-0.016814

0.012430

-1.352776

0.2475

X2

16.19416

1.127360

14.36467

0.0001

R-squared

0.998218

Meandependentvar

383.7529

AdjustedR-squared

0.997327

S.D.dependentvar

153.6712

S.E.ofregression

7.944596

Akaikeinfocriterion

7.280388

Sumsquaredresid

252.4664

Schwarzcriterion

7.257207

Loglikelihood

-22.48136

F-statistic

1120.438

Durbin-Watsonstat

2.297611

Prob（F-statistic）

0.000003

再做2004到2010年的回归得：

表7异方差的G-Q检验回归结果2：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/26/11Time:

11:

29

Sample:

20042010

Includedobservations:

7

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-2931.691

252.2046

-11.62426

0.0003

X1

0.257033

0.045813

5.610520

0.0050

X2

9.905927

1.918349

5.163777

0.0067

R-squared

0.993758

Meandependentvar

3222.040

AdjustedR-squared

0.990638

S.D.dependentvar

1587.174

S.E.ofregression

153.5734

Akaikeinfocriterion

13.20376

Sumsquaredresid

9433.914

Schwarzcriterion

13.18058

Loglikelihood

-43.21316

F-statistic

318.4337

Durbin-Watsonstat

2.464979

Prob（F-statistic）

0.000039

得到F统计量F=9433.914/252.4664=37.367在5%的显著水平下，分子分母自由度均为5（7-2）查临界值F（5,5）=5.05小于37.367，说明存在异方差.