我国汽车保有量影响因素分析.docx

资源描述

我国汽车保有量影响因素分析.docx

《我国汽车保有量影响因素分析.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.docx（17页珍藏版）》请在冰豆网上搜索。

我国汽车保有量影响因素分析.docx

我国汽车保有量影响因素分析

摘要

随着我国居民收入水平的提高和生活质量的改善，汽车已经成为了家庭中常见的交通工具。

汽车保有量的增加表现了我国居民生活水平的提高，扩大了人的活动范围，方便了居民的日常生活，但也给城市带来了交通拥堵、空气质量下降等一系列问题。

本文使用1985—2011年相关数据，采用计量经济学的方法探究影响汽车保有量的因素，为协调城市汽车保有量和城市持续发展的关系提供一定的理论依据。

关键词：

汽车保有量，影响因素，计量模型

1研究背景

我国经济自改革开放以来取得快速发展，居民生活水平不断提高。

私有汽车从之前的奢侈品变为了家庭出行常见的代步工具，私人汽车成为了我国汽车保有量的重要组成部分。

截至2011年11月，我国机动车保有量达2.23亿辆，汽车保有量达1.04亿辆，大中城市中汽车保有量达到100万辆以上的城市数量达14个。

目前全球汽车保有量约为10亿辆，中国占据了其中的10％。

中国的汽车保有量已经超过日本，成为仅低于美国（2010年2.4亿辆）的世界第二大汽车保有国。

业内预计，2020年我国汽车保有量将突破2亿辆。

汽车销售业成为热门，影响汽车销量的因素越发引起人们的关注[1]。

中国已经成为世界第一大汽车消费国，汽车保有量的上升也给我国的城市发展带来了一些问题，比如近来爆发的北京上海的“雾霾”天气，全国主要城市严重的道路拥堵等问题。

本文将探究除价格外影响汽车保有量的因素，如与公路总里程、国民总收入、人均GDP、钢铁产量等因素的关系。

韩冰琪等在《我国居民汽车保有量影响因素的计量分析》采用对数模型进行回归分析，指出汽车保有量的时间序列数据存在多重共线性，通过逐步回归分析结果我国汽车保有量与居民可支配收入和财政收入有较为明显相关关系，而剔除了模型中的公路总里程和汽车产量两个解释变量，并对模型进行了平稳性检验和协整检验[2]；王影在《基于创新扩散理论的我

国私人汽车保有量影响因素研究》中，采用我国31个省1996年——2010年的相关指标截面数据作为数据来源，将创新扩散理论应用于私人汽车保有量影响因素的研究，通过建立

并建立了

Bass模型、Logistic模型、Gompertz模型对私人汽车保有量的问题进行拟合分析,

预测我国私人汽车保有量未来趋势的模型[3]；宗刚等在《基于计量经济学模型选取与汽车保有量相关的因素》设定了路总里程、公路货运量、公路客运量、人口总数、国民总收入、人均GDP等十余个可能与汽车保有量相关的变量，通过相关分析和回归分析确定了与汽车保有量相关性高的解释变量，并对选出的变量进行了统计检验，根据得出的结果，对我国短时间内的汽车保有量进行预测[4]。

2我国汽车保有量影响因素的选择

可能影响我国汽车保有量的因素有很多，例如居民收入、汽车产量、公路总路程、城市化率、汽车进口数量等等。

其中保有量增加的前提是对于汽车的消费增加，决定消费的因素除了商品本身的价格之外还有消费者的购买能力，即居民的收入水平；同时消费者的的购买需求也是一个决定因素，消费者对于汽车的需求主要体现在我国的道路建设情况，道路的里

程和质量决定了对于汽车使用量，同时人们的活动范围也决定了人们对于汽车的需求，当城市快速发展，城市面积不断扩大，城市化率不断提高，人们为了方便出行而产生对于汽车的需求。

从另外一个角度，我国汽车的供给量也可能影响消费者的购买行为。

汽车的供给主要分为国内生产和进口两个方面，汽车国内的生产数量主要依赖于原料钢材的产量；而进口汽车的数量则可以通过进出口的总额来体现[5]。

以上定性的分析了与我国汽车保有量相关的因素，为了找出与解释变量汽车保有量更为相关的解释变量，阅读大量文献，通过可能相关的因素预实验，找出了本文中用于分析的解释变量。

本文所选的解释变量主要参考宗刚在《基于计量经济学模型选取与汽车保有量相关的因素》，从中筛选出相关系数高的变量。

为了达到分析的目的，选择了中国统计年鉴中1985

年一2011年的统计数据，确定我国居民汽车保有量为被解释变量（Y），解释变量有公路总

里程（X1）、国民总收入（X2）、人均GDP（X3）、钢铁产量（X4）、固定资产投资（X5）、进出口总额（X6）、城市化率（X7）。

3数据收集和模型建立

3.1数据的收集

本文使用以上确定的解释变量和被解释变量1985年——2011年的中国统计年鉴的数据作为分析的数据来源，保证了数据的真实性和准确性，尽可能的避免变量观测的误差。

3.2模型的建立

利用EVIEWS软件被解释变量和解释变量之间的关系，可以得到散点图如下:

9.2

8.8

8.4

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

9.2

8.8

8.4

8.0

7.6.■

7.2一/

6.8_■'

6.4■■°

6.0..■

56",,,

9101112

1314

LNX1

LNX2

9.2

8.8

8.4

8.0

7.6

7.2

6.8

6.4

6.0

5.6

LNX3

9.2

8.8

8.4

8.0

7.6

7.2

6.8

6.4

6.0

5.6

LNX4

9.2

8.8

8.4

8.0

7.6

7.2

6.8

6.4

6.0

5.6

8.8

8.4

8.0

6.8_

6.4

6.0_

5.6

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。