影响我国私人汽车拥有量的因素分析共10页.docx

影响我国私人汽车拥有量的因素分析共10页.docx

《影响我国私人汽车拥有量的因素分析共10页.docx》由会员分享，可在线阅读，更多相关《影响我国私人汽车拥有量的因素分析共10页.docx（17页珍藏版）》请在冰豆网上搜索。

影响我国私人汽车拥有量的因素分析共10页

影响我国私人汽车拥有量的因素

【摘要】本文旨在对1985-2005年我国人均收入变动，基础设施建设以及燃料产出等一系列因素对私人汽车拥有量的影响进行实证分析。

首先，我收集了相关的数据。

其次，建立了理论模型。

然后，利用Eviews软件对计量模型进行了参数估计和检验，并加以修正。

最后，我对所得的分析结果作了经济意义的分析。

【背景资料】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现持续上升的趋势。

入世以后，更多的外国汽车企业进军中国汽车市场，并以很大的优势占领大部分市场，我国汽车企业面临着极大地挑战。

在这场战争中可以说是百姓受益，从近几年我国汽车消费的发展变化来看汽车消费有成为消费热点的发展趋势。

1909年至1996年，美国个人消费支出占国内上产总值的比重保持在60%-70%，个人小汽车消费占个人消费的比重从本世纪初的2%上升至目前的10%以上，是继住房、食品之后的第三大消费支出项目。

中国自1995年以来汽车登记量中的乘用车比例有所提高。

1996年，汽车登记总数的40.2%为乘用车（其中62%为社会集团拥有），近60%的登记车辆用于投资和生产。

近几年来，中国的个人消费支出的比重基本保持在60%左右，但个人小汽车消费占个人消费支出的比重很低。

据最新统计数字显示，1998年，中国私人汽车消费支出为2.1元/人，排在食品、衣着、娱乐教育文化服务、住房、家庭设备用品及服务、医疗保险项目之后。

私人小汽车支出，占个人消费总支出的0.05%。

中国尚未进入汽车普及期，由于个人汽车消费支出占GDP比重不仅低，而且增长缓慢，因而对经济增长的推动作用微乎其微。

然而，随着经济的发展，我国的搜人汽车拥有量也迅速的增长。

自从1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重高于57.7%，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5%。

这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体，居民个人汽车消费的快速增长，成为支持我国汽车工业发咋会呢的主要力量之一。

然而，随着私人汽车数量的增加，我们又将面临怎样的问题呢？

油价上涨，公路交通堵塞等等，影响我国私人汽车数量的因素很多，因此，我提取了城镇家庭平均没人可支配收入，城市年末实有公共汽车总数，公路里程，外商直接投资实际利用外资金额，汽车产量，原油产量，石油消费量，这七个有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响私人汽车需求的主要原因。

1、确定变量以及建立模型：

首先，建立一个多元线性模型：

yi=β0+β1xi1+β2xi2+β3xi3+β4xi4+β5xi5+β6xi6+β7xi7+vi

yi：

私人汽车数量（万辆）;

xi1：

城镇家庭平均每人可支配收入（元）；

xi2：

城市年末实有公共汽车总数（辆）;

xi3：

公路里程（公里）；

xi4：

外商直接投资实际利用外资金额（亿美元）；

xi5：

汽车产量（万辆）；

xi6：

原油产量（万吨）；

xi7：

平均每人生活消费能源【液化石油气】（千克）。

2、数据源

私人车辆数量

（万辆）

城镇家庭平均每人可支配收入

（元）

城市年末实有公共汽车总数

（辆）

公路里程

（公里）

外商直接投资实际利用外资金额

（亿美元）

汽车产量

（万辆）

原油产量

（万吨）

平均每人生活消费能源【液化石油气】

（千克）

1985

28.49

739.1

45155

942400

19.56

43.72

12490

0.9

1986

34.71

900.9

49530

962800

18.74

36.98

13069

1.1

1987

42.29

1002.1

52504

982200

23.14

47.18

13414

1.1

1988

60.42

1180.2

56818

999600

31.94

64.47

13705

1.2

1989

73.12

1373.9

59671

1014300

33.93

58.35

13764

1.4

1990

81.62

1510.2

62215

1028300

34.87

51.4

13831

1.4

1991

96.04

1700.6

66093

1041100

43.66

71.42

14099

1.7

1992

118.2

2026.6

77093

1056700

110.07

106.67

14210

2

1993

155.77

2577.4

88950

1083500

275.15

129.85

14524

2.5

1994

205.42

3496.2

108788

1117800

337.67

136.69

14608

3.2

1995

249.96

4283

136821

1157000

375.21

145.27

15004.95

4.4

1996

289.67

4838.9

148109

1185800

417.26

147.52

15733.39

5.8

1997

358.36

5160.3

169121

1226400

452.57

158.25

16074.14

6

1998

423.62

5425.1

189002

1278500

454.63

163

16100

6.2

1999

533.88

5854

209884

1351700

403.19

183.2

16000

7.0122572

2000

625.33

6280

225993

1402700

407.15

207

16300

7.8275366

2001

770.78

6859.6

230844

1698000

468.78

234.17

16395.87

7.9100523

2002

968.98

7702.8

246129

1765200

527.43

325.1

16700

9.1303499

2003

1219.23

8472.2

264338

1809800

535.05

444.39

16959.98

10.033608

2004

1481.66

9421.6

281516

1870700

606.3

509.11

17587.33

10.419767

2005

1848.07

10493.03

313296

1930500

603.25

570.49

18135.29

10.2

数据来源：

（1）中国统计年鉴;

（2）中经统计数据网。

3、模型的估计与检验

3.1模型的估计

运用Eviews对1985-2005年的数据进行多元回归分析得到结果如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/10Time:

01:

00

Sample:

19852005

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

227.9915

477.7719

0.477197

0.6411

X1

0.165747

0.070866

2.338879

0.0360

X2

0.001982

0.001487

1.332444

0.2056

X3

0.000144

0.000141

1.028192

0.3226

X4

-0.909296

0.220971

-4.114992

0.0012

X5

1.827400

0.343092

5.326260

0.0001

X6

-0.045580

0.033474

-1.361647

0.1964

X7

-70.10524

23.92877

-2.929747

0.0117

R-squared

0.996597

    Meandependentvar

460.2676

AdjustedR-squared

0.994764

    S.D.dependentvar

520.6200

S.E.ofregression

37.67074

    Akaikeinfocriterion

10.37798

Sumsquaredresid

18448.10

    Schwarzcriterion

10.77589

Loglikelihood

-100.9687

    F-statistic

543.8571

Durbin-Watsonstat

1.600105

    Prob（F-statistic）

0.000000

由回归结果可知，该检验的R2=0.996597，¯R2=0.994764，拟合优度很高，F统计量的检验值为543.8193，结果显著：

各解释变量相应的t检验也很显著，初步可以看出模型的拟合结果相当好，但是，x4、x6、x7的系数为负数，与现实情况相矛盾，怀疑该模型各解释变量之间可能存在多重共线性，于是对该模型进行多重共线性的检验。

3.2模型的检验与修正

3.2.1多重共线性

3.2.1.1多重共线性的检验

各解释变量的相关系数矩阵：

1.000000

0.993718

0.963804

0.952512

0.941655

0.981565

0.989261

0.993718

1.000000

0.958432

0.943009

0.914879

0.976681

0.993392

0.963804

0.958432

1.000000

0.865182

0.953686

0.922406

0.953668

0.952512

0.943009

0.865182

1.000000

0.836523

0.955584

0.949868

0.941655

0.914879

0.953686

0.836523

1.000000

0.896126

0.904506

0.981565

0.976681

0.922406

0.955584

0.896126

1.000000

0.972934

0.989261

0.993392

0.953668

0.949868

0.904506

0.972934

1.000000

由相关系数矩阵可以看出各解释变量之间相关系数较高，证实各解释变量之间确实存在着多重共线性。

3.2.1.2修正多重共线性

采用足部回归的方法修正变量的多重共线性；分别作y对各解释变量的回归分析，结果如下：

变量

X1

X2

X3

X4

X5

X6

X7

参数估计值

0.161757

0.005462

0.001519

1.948936

3.320515

0.298377

137.2512

T统计量

12.72863

10.97689

16.56186

6.252863

29.59797

8.883442

9.665025

R2

0.895014

0.863792

0.935219

0.672968

0.978772

0.805955

0.830980

R2

0.889514

0.856623

0.931809

0.655756

0.977655

0.795742

0.822084

由结果知，加入x5后¯R2最大，以x5为基础，顺次加入其他各变量进行逐步回归：

X1

X2

X3

X4

X5

X6

X7

¯R2

X1

X5

0.021920

1.308978

2.917169

（8.914743）

0.978463

X2

X5

0.000876

1.923403

2.862964

（11.01058）

0.980434

X3

X5

0.000409

2.704411

2.487146

（7.697367）

0.983228

X4

X5

-0.057369

-0.386883

3.388313

（16.17426）

0.976608

X6

X5

3.149691

（12.31313）

0.018877

0.745212

0.977119

X7

X5

3.041297

（11.68400）

13.84802

1.185944

0.978123

由上述结果可知，加入x3后，¯R2=0.983228，改进最大，而且t检验结果显著，而，x4的系数为负，这与实际经济现象相矛盾，提出x4，保留x3，以x3、x5为基础继续作逐步回归分析：

（二）加入新变量的回归结果：

X1

X2

X3

X4

X5

X6

X7

¯R2

X3x4x5

5.249449

（3.365391）

-0.235637

（-1.819142）

2.529127

（8.290408）

0.985135

X1x3x5

-0.006953

（-0.350522）

0.000455

（2.233232）

2.521070

（7.304553）

0.982369

X2x3x5

0.000138

（0.225818）

0.000374

（1.700319）

2.486416

（7.489155）

0.982295

X6x3x5

0.000461

（2.576673）

2.514101

（7.557306）

-0.014691

（-0.793966）

0.982577

X7x3x5

0.000531

（2.448901）

2.472819

（7.562502）

-11.64396

（-0.793966）

0.982875

在x3、x5基础上加入剩余的各个变量后，只有x4的修正可决系数相对增加，但是其系数为负值，与实际相矛盾，其他的解释变量的¯R2都有减小的趋势，而且各个参数t检验都不是很显著，决定剔除x1x2x6x7x4

修正后的模型为：

yi=β0+β3xi3+β5xi5+vi

回归结果为：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/10Time:

02:

28

Sample:

19852005

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-517.7222

139.3711

-3.714702

0.0016

X3

0.000409

0.000151

2.704387

0.0145

X5

2.487158

0.323115

7.697443

0.0000

R-squared

0.984905

    Meandependentvar

460.2676

AdjustedR-squared

0.983228

    S.D.dependentvar

520.6200

S.E.ofregression

67.42335

    Akaikeinfocriterion

11.39142

Sumsquaredresid

81826.34

    Schwarzcriterion

11.54064

Loglikelihood

-116.6099

    F-statistic

587.2399

Durbin-Watsonstat

0.793902

    Prob（F-statistic）

0.000000

回归结果：

Y=-517.7254+4.089052x3+2.487146x5

（139.3720）（1.511996）（0.323117）

T=-3.7147032.7044067.697360

R2=0.984905¯R2=0.983228F=587.2333DW=0.793895

其经济解释：

当我国的公路里程变动一万公里，我国私人汽车拥有量将变动4.089052万辆；当我国汽车总产量变动一单位，我国私人汽车拥有量将变动2.487146万辆，这只是一个初步的结论，由结果可以看出，该结果与现实不是很符合，将会对模型作进一步的修正。

3.2.2异方差的检验

3.2.2.1异方差的检验

（一）图形法检验

判断：

由图可以看出，只有几个点随着解释变量的变动呈增大的趋势，残差平方几乎不随解释变量X的变化而变化，因此，模型很可能不存在异方差。

但是是否确实存在异方差还应通过更进一步的检验。

3.2.3自相关的检验

3.2.3.1自相关的检验

（一）图示检验法

由回归残差项e的图形（如下），可知该模型存在自相关性。

（二）DW检验法

由回归分析结果，DW=0.793895，对样本量为21，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.125，dU=1.538，模型中DW

3.2.3.2自相关的修正

（一）Cochrane-Orcutt迭代法

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/10Time:

02:

40

Sample（adjusted）:

19862005

Includedobservations:

20afteradjustingendpoints

Convergenceachievedafter21iterations

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-581.4042

192.3708

-3.022310

0.0081

X3

4.459779

1.921184

2.321370

0.0338

X5

2.567515

0.430897

5.958542

0.0000

AR

（1）

0.633892

0.275483

2.301022

0.0352

R-squared

0.989571

    Meandependentvar

481.8580

AdjustedR-squared

0.987616

    S.D.dependentvar

524.4118

S.E.ofregression

58.35900

    Akaikeinfocriterion

11.14796

Sumsquaredresid

54492.36

    Schwarzcriterion

11.34711

Loglikelihood

-107.4796

    F-statistic

506.0677

Durbin-Watsonstat

0.918412

    Prob（F-statistic）

0.000000

InvertedARRoots

.63

由回归分析结果，DW=0.918412，对样本量为21，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.125，dU=1.538，模型中DW

（二）广义差分法

由DW=0.793895，计算出^ρ=1-DW/2=0.6030525构造差分模型

Yt=β1（1-ρ）+β2x3t-ρβ2x3t-1+β3x5t-ρβ3x5t-1+ρYt-1+vt

并估计，得

DependentVariable:

Y-0.6030525*Y（-1）

Method:

LeastSquares

Date:

06/20/10Time:

02:

55

Sample（adjusted）:

19862005

Includedobservations:

20afteradustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-227.9210

71.93323

-3.168507

0.0056

X3-0.6030525*x3（-1）

4.402214

1.776734

2.477700

0.0240

X5-0.6030525*x5（-1）

2.569288

0.345182

7.443280

0.0000

R-squared

0.960479

    Meandependentvar

246.1374

AdjustedR-squared

0.955829

    S.D.dependentvar

269.5530

S.E.ofregression

56.65144

    Akaikeinfocriterion

11.04919

Sumsquaredresid

54559.55

    Schwarzcriterion

11.19855

Loglikelihood

-107.4919

    F-statistic

206.5751

Durbin-Watsonstat

0.919513

    Prob（F-statistic）

0.000000

由回归分析结果，DW=0.919513，对样本量为20，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.100，dU=1.537，模型中DW

（三）对数变换法

DependentVariable:

LY

Method:

LeastSquar