我国私人汽车拥有量的影响因素的计量分析.docx
《我国私人汽车拥有量的影响因素的计量分析.docx》由会员分享,可在线阅读,更多相关《我国私人汽车拥有量的影响因素的计量分析.docx(20页珍藏版)》请在冰豆网上搜索。
我国私人汽车拥有量的影响因素的计量分析
我国私人汽车拥有量的影响因素的计量分析
我国私人汽车拥有量的影响因素的计量分析
摘要建立准确而合理的计量经济学模型,寻求全国私人汽车拥有量和社会经济的相关指标之间的函数关系,可以较为准确的对一国一定时期内私人汽车拥有量的变化进行定量的分析。
本文选择了2015年中国统计年鉴中1995—2014年共20年的相关数据,建立了计量经济学模型,并利用Eviews软件对模型进行参数估计和检验。
最后的结果进行经济意义分析,判断出居民人均可支配收入,汽车产量、钢铁产量对居民汽车拥有量有正的影响。
其中汽车产量影响最大,城市化率影响最小。
并且这些影响因素对其存在长期的均衡关系。
关键词:
居民汽车拥有量,计量模型,多重共线性,协整检验。
一、引言
改革开放以来,中国的经济快速增长,短短三十多年的时间,我国一跃成为世界第二大经济体。
随着市场经济的稳定繁荣和改革开放的深入发展,我国的经济经历了一个快速发展的时期。
经济的快速发展为汽车工业提供了巨大的发展空间,也为汽车厂商提供了巨大的市场。
但是私人汽车拥有量的增加也会对土地、能源、环境等产生巨大影响。
世界汽车工业发展规律表明.当一个国家的人均GDP在1000~10000美元时,是汽车工业发展的黄金时期,并带动国民经济高速发展。
2001年我国人均GDP达到1000美元,这预示着中国正处在汽车工业起飞的前期,市场需求表现出强劲的态势,汽车进入普通家庭已成为众所周知的事实,私家车开始步入普及化道路的里程碑。
中国目前是世界上第二大的汽车拥有国,仅次于美国。
而且中国现在已经成为了世界第一大的汽车消费国。
因此有必要对影响私人汽车拥有量的主要因素进行分析。
本文通过描述各相关因素对全国私家车拥有量的影响,从而提出相关的政策建议。
二、文献综述
1995年中国私人汽车的拥有量为249.96万辆,到2014年上升到12339.36万辆,汽车行业作为国民经济的支柱产业,消费者需求量直接影响整个行业的发展。
因此,不少学者从不同角度对我国私人汽车拥有量的影响因素进行了计量分析。
王珺的《我国私家车拥有量的影响因素的计量分析》(2009)选择了人均可支配收入X1;公路里程X2;原材料、燃料及动力购进价格指数(以1990年为基期)X3作为自变量,私人汽车拥有量Y作为自变量构建对数模型lnY=β0+β1lnX1+β2lnX2+β3lnX3+u,利用eviews进行计量分析,并得出结论:
全国私家车拥有量与其人均可支配收入、公路里程和原材料、燃料及动力购进价格指数存在一定的函数关系。
张廷煦,马超的《从中国统计数据看私人汽车发展状况》(2013)除了增加了人口数量X4这一自变量外,还将X3定义为平均原油价格构造了新的模型lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+u,且验证该模型能够较好地复合统计检验、计量经济学检验,并在序列相关性、多重共线性等方面也有很好的拟合度,总体上是一个较为成功的模型,有着切实的经济学意义,即人口数量也是影响私人汽车拥有量的因素之一。
孙燕红《我国私人汽车需求的计量经济模型分析》(2013)进一步细化影响因素,增加了全国汽车产量X5和社会消费品零售额X6这两个自变量建立模型:
lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+u,利用eviews软件进行分析得出:
在上述模型下,原材料、燃料及动力购进价格指数(以1990年为基期)X3这一变量是多余的,我国私人汽车需求量主要受人均可支配收入、公路里程、汽车产量、人口数量、社会消费品零售额的影响,而且均存在正向相关关系,并且人口数量是影响私人汽车需求量的最重要的因素。
此外,还提出以下政策建议:
加快城镇道路化的发展,努力增加城镇人口数将有助于汽车需求量的增长;完善公共基础设施建设,加速全国公路建设,通过提高硬环境来增加汽车需求量;继续发展汽车产业,改进技术,降低成本,增加汽车产量,促进需求;居民消费水平有待进一步提高,这就要求国家出台一些偏向居民的收入分配政策,同时积极鼓励消费信贷的发展,增强居民消费能力,努力扩大内需,提高社会消费品零售额,间接带动购车需;完善公共基础设施建设,加速全国公路建设,通过提高硬环境来增加汽车需求量;继续发展汽车产业,改进技术,降低成本,增加汽车产量,促进需求;居民消费水平有待进一步提高,这就要求国家出台一些偏向居民的收入分配政策,同时积极鼓励消费信贷的发展,增强居民消费能力,努力扩大内需,提高社会消费品零售额,间接带动购车需求。
在这里,我的这篇文章上因素述几位学者的研究方法类似,在几位学者的研究基础上再从不同的方向研究居民汽车拥有量的影响因素。
三、模型设定
(一)、因素的确定
我们知道,想要拥有一辆汽车,必须进行购买,而城镇居民的可支配收入是购买汽车的前提条件,本文可以考虑城镇居民的人均可支配收入为城镇居民的汽车拥有量的一个影响因素。
同时,人口数量也是影响我国私人汽车拥有量的重要因素,所以,在本文中,人口数量也是研究中国私人汽车拥有量的一个重要的因素;在孙燕红的研究中,她提出的建议加快城镇道路化的发展,努力增加城镇人口数将有助于汽车需求量的增长;所以我将城镇化也作为影响汽车拥有量的一个重要影响因素,验证城镇化对中国私人汽车的拥有量的影响。
在这里我们选用中国城镇人口的数量与总人口数量的比值表示中国城市化的水平。
在汽车需求市场中,汽车产量对私人汽车的拥有量产生重要的影响。
所以该影响因素里也得考虑汽车生产量。
中国的公路里程越多,人们就越需要也越应该拥有汽车。
所以,中国的公路里程是汽车拥有量的基础。
因此,在研究居民汽车拥有量的时候有必要把公路里程也考虑在内。
由上我们选取出了除了汽车价格之外的对于居民汽车拥有量的影响因素,分别为居民可支配收入——X1;总人口——X2;城市化率——X3;公路里程——X4;汽车产量——X5;汽车拥有量——Y。
从中国统计局年鉴和中国汽车工
(1)、lnY对lnX1的线性回归
用最小二乘法估计出该模型为:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
45
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
-11.37733
0.296472
-38.37577
0.0000
LNX1
2.030942
0.031917
63.63125
0.0000
R-squared
0.995574
Meandependentvar
7.447759
AdjustedR-squared
0.995328
S.D.dependentvar
1.259055
S.E.ofregression
0.086057
Akaikeinfocriterion
-1.972966
Sumsquaredresid
0.133306
Schwarzcriterion
-1.873393
Loglikelihood
21.72966
Hannan-Quinncriter.
-1.953529
F-statistic
4048.936
Durbin-Watsonstat
0.502433
Prob(F-statistic)
0.000000
lnY=-11.3773+2.0309lnX1
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且lnX1的t统计量的P值为0.0000<0.05,可以看出X1显著。
X1代表的是人均可支配收入,从中国统计年鉴的数据可以看出,人均可支配收入在逐年增加,同时,我国私人汽车拥有量也在逐年增加。
从方程可以表示出:
在不考虑其他因素的同时,人均可支配收入每增加1%,私人汽车拥有量就增加2.039%,可以看出,私人汽车拥有量受人均可支配收入的影响很大。
(2)、lnY对lnX2的线性回归
用最小二乘法估计出该模型为:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
46
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
-394.9632
14.56818
-27.11136
0.0000
LNX2
34.17892
1.237348
27.62273
0.0000
R-squared
0.976953
Meandependentvar
7.447759
AdjustedR-squared
0.975673
S.D.dependentvar
1.259055
S.E.ofregression
0.196378
Akaikeinfocriterion
-0.322915
Sumsquaredresid
0.694155
Schwarzcriterion
-0.223342
Loglikelihood
5.229153
Hannan-Quinncriter.
-0.303478
F-statistic
763.0149
Durbin-Watsonstat
0.176986
Prob(F-statistic)
0.000000
lnY=-394.9632+34.1789lnX2
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且lnX2的t统计量的P值为0.0000<0.05,可以看出X2显著。
X2代表的是人口总数,从中国统计年鉴的数据可以看出,人口总数在逐年增加,同时,我国私人汽车拥有量也在逐年增加。
从方程可以表示出:
在不考虑其他因素的同时,人均可支配收入每增加1%,私人汽车拥有量就增加34.1789%,可以看出,这个数据不够合理,虽然中国的人口基数大,但是,这个增长速度还是过快,不符合经济意义。
分析其原因:
应该是随机扰动项中包含的其他因素对人均汽车拥有量的影响较大,导致出现这个不符合经济意义的回归结果,但是,依然可以从这个结果中得出人口总数对私人汽车拥有量有影响的结果。
(3)、lnY对X3的线性回归
用最小二乘法估计出该模型为:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
46
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
5.385716
0.160271
33.60376
0.0000
X3
21.47156
1.448530
14.82300
0.0000
R-squared
0.924281
Meandependentvar
7.447759
AdjustedR-squared
0.920074
S.D.dependentvar
1.259055
S.E.ofregression
0.355949
Akaikeinfocriterion
0.866580
Sumsquaredresid
2.280592
Schwarzcriterion
0.966153
Loglikelihood
-6.665798
Hannan-Quinncriter.
0.886018
F-statistic
219.7213
Durbin-Watsonstat
0.131162
Prob(F-statistic)
0.000000
lnY=5.3857+21.4716X3
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且X3的t统计量的P值为0.0000<0.05,可以看出X3显著。
X3代表的是城市化率,从中国统计年鉴的数据可以看出,城镇人口占总人口的比率在逐年增加,同时,我国私人汽车拥有量也在逐年增加。
从方程可以表示出:
在不考虑其他因素的同时,城市化率每增加1%,私人汽车拥有量就增加21.4716%,这个数据看似不够合理,但是,城市化率从1995年的29.04%到2014年的54.77%,20年增长了25.73%,而私人汽车拥有量从1995年的249.96万辆增长达2014年的12339.36万辆,增长了48倍,加之其他因素的影响,这个结果还是基本合理。
但是,城市化率作为城市化进程的一个标准,在城市化的进程中,农村也在发展,经济在发展,农村的道路也在扩修发展,农民的生活也在提高,私家车在农村的拥有量也在不断增加。
所以:
虽然城市化率对私人汽车拥有量有一定的影响,但不是主要的影响因素。
(4)、lnY对lnX4的线性回归
用最小二乘法估计出该模型为:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
47
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
-5.357957
0.832949
-6.432513
0.0000
LNX4
2.336578
0.151338
15.43944
0.0000
R-squared
0.929791
Meandependentvar
7.447759
AdjustedR-squared
0.925890
S.D.dependentvar
1.259055
S.E.ofregression
0.342754
Akaikeinfocriterion
0.791032
Sumsquaredresid
2.114646
Schwarzcriterion
0.890605
Loglikelihood
-5.910323
Hannan-Quinncriter.
0.810470
F-statistic
238.3764
Durbin-Watsonstat
0.816875
Prob(F-statistic)
0.000000
lnY=-5.3580+2.3366lnX4
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且X4的t统计量的P值为0.0000<0.05,可以看出X4显著。
X4代表的是公路里程,从中国统计年鉴的数据可以看出,公路里程在逐年增加,同时,我国私人汽车拥有量也在逐年增加。
从方程可以表示出:
在不考虑其他因素的同时,公路里程每增加1%,私人汽车拥有量就增加2.3366%,可以看出:
公路里程是影响私人汽车拥有量的因素。
(5)、lnY对lnX4的线性回归
用最小二乘法估计出该模型为:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
47
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
2.274649
0.185031
12.29331
0.0000
LNX5
0.954253
0.033229
28.71754
0.0000
R-squared
0.978640
Meandependentvar
7.447759
AdjustedR-squared
0.977453
S.D.dependentvar
1.259055
S.E.ofregression
0.189054
Akaikeinfocriterion
-0.398929
Sumsquaredresid
0.643345
Schwarzcriterion
-0.299356
Loglikelihood
5.989288
Hannan-Quinncriter.
-0.379491
F-statistic
824.6973
Durbin-Watsonstat
0.534620
Prob(F-statistic)
0.000000
lnY=2.2746+0.9543lnX5
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且X5的t统计量的P值为0.0000<0.05,可以看出X5显著。
X5代表的是汽车产量,从中国统计年鉴的数据可以看出,汽车产量在逐年增加,同时,我国私人汽车拥有量也在逐年增加。
从方程可以表示出:
在不考虑其他因素的同时,汽车产量每增加1%,私人汽车拥有量就增加0.9543%,可以看出:
汽车产量是影响私人汽车拥有量的因素。
3、综上所述:
我们可以选择lnY先对lnX1的回归分析为主,依次加入lnX2、X3、lnX4、lnX5进行回归分析,剔除不显著的变量。
(1)、加入lnX2进行分析:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
48
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
-122.0930
14.13126
-8.639920
0.0000
LNX1
1.463647
0.074001
19.77872
0.0000
LNX2
9.850292
1.257185
7.835198
0.0000
R-squared
0.999040
Meandependentvar
7.447759
AdjustedR-squared
0.998927
S.D.dependentvar
1.259055
S.E.ofregression
0.041238
Akaikeinfocriterion
-3.401454
Sumsquaredresid
0.028909
Schwarzcriterion
-3.252094
Loglikelihood
37.01454
Hannan-Quinncriter.
-3.372297
F-statistic
8847.291
Durbin-Watsonstat
1.562140
Prob(F-statistic)
0.000000
从上表中可以看出:
该模型的F用计量的P值为0.00000<0.05,可以看出该方程关系显著成立,且X1和X2的t统计量的P值为0.0000<0.05,可以看出X1和X2都显著。
(2)、加入lnX2、X3进行分析:
DependentVariable:
LNY
Method:
LeastSquares
Date:
05/02/16Time:
16:
48
Sample:
19952014
Includedobservations:
20
Coefficient
Std.Error
t-Statistic
Prob.
C
-129.0598
22.33943
-5.777220
0.0000
LNX1
1.382650
0.211736
6.530061
0.0000
LNX2
10.50179
2.046915
5.130546
0.0001
X3
0.490001
1.195835
0.409756
0.6874
R-squared
0.999050
Meandependentvar
7.447759
AdjustedR-squared
0.998872
S.D.dependentvar
1.259055
S.E.ofregression
0.042285
Akaikeinfocriterion
-3.311893
Sumsquaredresid
0.028609
Schwarzcriterion
-3.112746
Loglikelihood
37.11893
Hannan-Quinncriter.
-3.273017
F-statistic
5609.551
Durbin-Watsonstat
1.555508
Prob(F-statistic)
0.000000
从上表中可以看出:
该模型的F用计