影响我国汽车销量因素计量分析.docx

1、影响我国汽车销量因素计量分析影响我国汽车销量因素的计量分析摘要我国当今已然成为汽车产业大国，汽车销量无论对于研究产业发展还是消费变化都有着重大的意义，因此，本文在依据数据及以往理论分析的基础上，利用我国1994到2004年间的数据，探讨了影响汽车销量的五个因素，分别为：汽车产量、汽车进口量、原油价格、工业品出厂价格指数和人均国内生产总值，通过数据筛选，建立模型和模型修正，最终得到以下结论：汽车销量受汽车产量和原油价影响，且与汽车产量呈正相关，与原油价格呈负相关。关键词：汽车产业，计量模型，政策建议一、引言近一百二十年前，第一辆进口汽车驶入上海，自此，汽车逐渐成为中国百姓生活中的一部分。十九世纪

2、六十年我国自主研发了第一辆汽车解放CA1，它的诞生有着里程碑式的意义，我国的汽车工业也正是在这一时期起步，直到上世纪九十年代汽车才开始步入寻常百姓家中，直到今天，汽车已经成为居民生活不可或缺的一部分，汽车工业也成为我国的支付型产业之一。2001年我国汽车千人保有量仅为14台, 2008年汽车千人保有量为49台。 2001年轿车千人保有量仅为7. 8台。 至2008年上升到34台。2002年成为汽车工业发展的私车普及年, 其标志是轿车产销量占汽车市场的比例跃升到34%的高位, 结束了轿车发展连续5年徘徊在30%左右的局面。从2002年轿车占汽车比例突破30%的平台到2006年突破50%的平台仅用

3、了四年。中国作为一个汽车大国，其市场在全世界范围内都有着举足轻重的地位，而对国内经济来说，汽车产业又是我国工业行业范围内的支柱性产业之一。因此，对于汽车销量的分析成为进一步认识我国汽车产业的必然，本文通过建立多元回归的模型，运用计量的方法来分析影响我国汽车销量的各个因素。二、理论背景与研究假说（一）汽车销量与产量在诸多影响汽车销量的因素中，本文首先选择的是汽车产量这个变量。随着我国经济的发展和人民生活水平的提高，我国人均汽车量有了飞速的提高，但拥有量还远远落后于世界平均水平，市场空间依然很大，我国汽车市场目前400多万的销量仅仅相当于上世纪美国六七十年代的水平，并且我国的人口基数要比美国大得多

4、，从收入最高的20%人口的收入水平来看，中国的汽车消费还远远未达到应有的水平，市场潜力依然存在；在经历了高速增长、价格大战等几次沉浮之后，中国汽车市场无论是厂商还是消费者都逐渐成熟，这种成熟会推动市场的稳定和平衡发展。综合考虑这些因素，中国汽车市场会保持一个较大的增长势头稳步上升，因此，无论是国产车产量还是进口量都会保持增长态势。由此，本文提出如下假说：假说1：汽车销量与产量显著相关。随着汽车产量的增长，汽车销量必然随之上升。（二）汽车销量与原油价格汽车原油是典型的互补商品关系，原油价格必定会影响消费者心理进一步影响汽车销量，所以本文将原油价格作为变量引入。随着国际油价的日益高涨，成品油价格对

5、汽车销售的影响程度越来越大，同时国家及部分地区相继出台了有关限制汽车，尤其是家用车购买的政策，这对汽车销售市场造成了很大的冲击，考虑到上诉几个因素，预计在外来的一段时期内，小排量经济型轿车仍然会是汽车销售的主力车型，同时节能型与新能源汽车将日益抢占汽车销售市场。由此，本文提出如下假说：假说2：汽车销量与原油价格显著相关。汽车销量随原油价格上升而下降。（三）汽车销量与进口量和人均国内上产总值当前我国工业基础相比发达国家还有一定差距，因此，进口车在性能、油耗和价格方面都有着国产车无法比拟的优势，与此同时，随着我国经济水平的发展，人民收入的提高，过去昂贵的奢侈型进口车已然受到国内中资产阶层地青睐，所

6、以，选择汽车进口量和国内人均生产总值作为变量。近年来，我国购车数量有了大步的提高，但是纵观所有汽车市场，近几年车市的热销车型还是集中在经济型轿车, 中高档轿车的受关注程度有所增加, 但不会马上成为车市的主导车型。由此，本文提出如下假说：假说3：汽车销量与进口量和人均国内生产总值相关。汽车销量随进口量和人均国内生产总值的上升而上升。（四）汽车销量和工业品出厂价格指数如今汽车已成为家庭和企业重要的生活生产必需品，再加之金融体制的健全和金融创新，各种汽车信贷的发展，汽车的价格对消费者的影响减小，但价格因素仍是不可或缺的重要变量之一。由此，本文提出如下假说:假说4：汽车销量与工业平出厂价格指数相关。工

7、业品出厂价格指数越高则汽车销量越低。三、研究方法与数据说明（一）研究方法对于研究方法，本文采用多元回归的方法，先根据经验选择可能影响汽车销量的五个解释变量，Y表示被解释变量汽车销量，X1表示汽车产量，X2表示汽车进口量，X3表示原油价格，X4表示工业品出厂价格指数，X5表示人均国内生产总值，B0表示常数项，U表示随机干扰项；之后利用上述五个变量建立多元线性回归模型，如下：Y=B0+B1*X1+B2*LOG(X2)+B3*LOG(X3)+B4*LOG(X4)+B5*LOG(X5)+U之后带入数据，进行模型检验分别进行经济意义检验、判定系数检验，T检验和F检验，然后通过计算各个变量之间两两相关系数

8、来看是否存在多重共线性，最后利用逐步回归的方法来修正多重共线性。（二）数据说明依据上述分析，本文采用1990-2004年间的数据，汽车销量作为因变量。选择汽车产量和汽车进口量作为自变量之一，体现汽车生产对销售的影响，选用工业品出厂价格指数，体现汽车价格对汽车销量的影响，选用原油价格，表现燃料价格对其的影响，选用人均GDP表示宏观经济状况对其影响。基于上述分析，汽车销售中各方面的因素已经考虑较周全。（三）样本描述汽车销量汽车产量汽车进口量原油价格工业品出厂价格指数人均国内生产总值14.53.53.4063110.7102.81,63415.66.875.4409112.9102.81,87916

9、.2616.172.7558116.4106.62,28722.622.297.1132136.7119.72,93924.4826.873.4643118109.53,92332.1133.72.3802108.7106.34,85437.7238.295.7942110.2101.65,57647.7248.63.1944109.398.16,05450.8350.711.804699.1976,30857.0457.11.9952100.9976,55161.2760.72.1614115.497.47,08672.1570.354.6629100.296.87,651112.6109.

10、087.0329100.196.28,21419720210.3016107.4979,111232.65231.6311.6085109.799.410,561注：样本数据均来自中国国家统计局数据库四、模型估计结果分析（一）模型估计根据样本数据，输入eviews（二）确定模型类型在建立参数模型之前，我们需要利用上表的数据，先对被解释变量sale和各个解释变量之间做趋势图和相关图，观察期总体趋势以确定我们需要的参数模型。汽车销量和汽车产量的趋势图和相关图汽车销量和汽车进口量的趋势图和相关图汽车销量和原油价格的趋势图和相关图汽车销量和工业平出厂价格指数的趋势图和相关图汽车销量和人均国内生产总值的

11、趋势图和相关图（三）建立模型根据上述趋势图与相关图我们建立如下初步方程：Y=B0+B1*X1+B2*LOG(X2)+B3*LOG(X3)+B4*LOG(X4)+B5*LOG(X5)+U根据数据用Eviews对模型进行OLS估计，得到回归方程。结果如下：初步回归的模型为：Y=276.1547+0.987229*X1+2.823362*LOG(X2)+ -5.457658*LOG(X3)+ -42.26176*LOG(X4)+ -6.732185*LOG(X5)T (3.140570) (36.92210) (1.328352) (-0.276084) (-1.462354) (-2.774852

12、) R-squared=0.998757Adjusted R-squared=0.998066DW=2.510635 F=1446.047经济意义检验：从模型中可得知，LOG(X3)、LOG(X4)和LOG(X5)系数符号没有通过经济意义的检验。R2检验：无论是模型中判定系数R-squared=0.998757，或者是校正判定系数Adjusted R-squared=0.998066，其值都比较高，表明该模型拟合度较高。t检验：从六个参数的t检验值看，六个t检验值分别为t1=3.140570, t2=36.92210, t3=1.328352, t4= -0.276084, t5 =-1.46

13、2354, t6=-2.774852，而在5%显著性水平下自由度为n-k=15-6=9的t分布双边检验临界值为2.262，则得知某些解释变量的系数t检验值不显著，不能通过检验。F检验：该初步回归的模型的F值为F=1446.047，在5%显著水平下自由度为k-1=5,n-k=9的F临界值F（5,9）=3.48，模型中的F值远大于F的临界值，说明模型在整体上是高度显著的。（四）模型的修正与检验1、多重共线性的检验回归模型中解释变量的两两相关系数注：从此处开始令：x2=log(x2), x3=log(x3), x4=log(x4), x5=log(x5),从上图中，我们可以看出某些解释变量之间存在高

14、度线性相关，例如X1和X5，x3和x4之间。2、多重共线性的修正逐步回归处理：运用OLS方法分别求y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的线性回归方程。用Eviews进行处理：Y对X1进行回归y=2.534747+0.978165x1 t (1.769337) (62.90683)R-squared=0.99672 F=3957.269 DW=0.910222Y对X2进行回归Y=-35.36250+71.76556X2T (-0.980196) (3.039705)R-squared=0.415463 F=9.239809 DW=0.716387Y对X3回归Y=1191

15、.453-239.3595X3T (1.195056) (-1.128716)R-squared=0.089253 F=1.273999 DW=0.349101Y对X4回归Y=2357.121-495.6333X4T (1.916832) (-1.863067)R-squared=0.210735 F=3.471018 DW=0.378803Y对X5进行回归Y=-632.6304+82.22983X5T (-3.471734) (3.844073)R-squared=0.531985 F=14.77690 DW=0.305128由上面数表中可得，Y对X1的线性相关最强：R-squared=0.996720.5319850.4154630.2107350.089253，也