影响我国私人汽车拥有量的因素分析共10页.docx

1、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

2、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

3、、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

4、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=0+1xi1+2xi2+3xi3+4xi4+5xi5+6xi6+7xi7+viyi：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

5、：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）198528.49739.14515594240019.5643.72124900.9198634.71900.94953096280018.7436.98130691.1198742.291002.152

6、50498220023.1447.18134141.1198860.421180.25681899960031.9464.47137051.2198973.121373.959671101430033.9358.35137641.4199081.621510.262215102830034.8751.4138311.4199196.041700.666093104110043.6671.42140991.71992118.22026.6770931056700110.07106.671421021993155.772577.4889501083500275.15129.85145242.519

7、94205.423496.21087881117800337.67136.69146083.21995249.9642831368211157000375.21145.2715004.954.41996289.674838.91481091185800417.26147.5215733.395.81997358.365160.31691211226400452.57158.2516074.1461998423.625425.11890021278500454.63163161006.21999533.8858542098841351700403.19183.2160007.0122572200

8、0625.3362802259931402700407.15207163007.82753662001770.786859.62308441698000468.78234.1716395.877.91005232002968.987702.82461291765200527.43325.1167009.130349920031219.238472.22643381809800535.05444.3916959.9810.03360820041481.669421.62815161870700606.3509.1117587.3310.41976720051848.0710493.0331329

9、61930500603.25570.4918135.2910.2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：Dependent Variable: YMethod: Least SquaresDate: 06/20/10 Time: 01:00Sample: 1985 2005Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C227.9915477.77190.4771970.6411X

10、10.1657470.0708662.3388790.0360X20.0019820.0014871.3324440.2056X30.0001440.0001411.0281920.3226X4-0.9092960.220971-4.1149920.0012X51.8274000.3430925.3262600.0001X6-0.0455800.033474-1.3616470.1964X7-70.1052423.92877-2.9297470.0117R-squared0.996597Mean dependent var460.2676Adjusted R-squared0.994764S.

11、D. dependent var520.6200S.E. of regression37.67074Akaike info criterion10.37798Sum squared resid18448.10Schwarz criterion10.77589Log likelihood-100.9687F-statistic543.8571Durbin-Watson stat1.600105Prob(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

12、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：1.0000000.9937180.9638040.9525120.9416550.9815650.9892610.9937181.0000000.9584320.9430090.9148790.9766810.9933920.9638040.9584321.0000000.8651820.9536860.9224060.95

13、36680.9525120.9430090.8651821.0000000.8365230.9555840.9498680.9416550.9148790.9536860.8365231.0000000.8961260.9045060.9815650.9766810.9224060.9555840.8961261.0000000.9729340.9892610.9933920.9536680.9498680.9045060.9729341.000000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

14、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X1X2X3X4X5X6X7参数估计值0.1617570.0054620.0015191.9489363.3205150.298377137.2512T统计量12.7286310.9768916.561866.25286329.597978.8834429.665025R20.8950140.8637920.9352190.6729680.9787720.8059550.830980R20.8895140.8566230.9318090.6557560.9776550.7957420.822084由结果知，加入x5后R2最大，以x5为

15、基础，顺次加入其他各变量进行逐步回归：X1X2X3X4X5X6X7R2X1X50.0219201.3089782.917169(8.914743)0.978463X2X50.0008761.9234032.862964(11.01058)0.980434X3X50.0004092.7044112.487146(7.697367)0.983228X4X5-0.057369-0.3868833.388313(16.17426)0.976608X6X53.149691(12.31313)0.0188770.7452120.977119X7X53.041297(11.68400)13.848021.1

16、859440.978123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：X1X2X3X4X5X6X7R2X3x4x55.249449(3.365391)-0.235637(-1.819142)2.529127(8.290408)0.985135X1x3x5-0.006953(-0.350522)0.000455(2.233232)2.521070(7.304553)0.982369X2x3x50.000138(0.225818)0

17、.000374(1.700319)2.486416(7.489155)0.982295X6x3x50.000461(2.576673)2.514101(7.557306)-0.014691(-0.793966)0.982577X7x3x50.000531(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x1 x2 x6 x7 x4修正后的模型为：yi=0+

18、3xi3+5xi5+vi回归结果为：Dependent Variable: YMethod: Least SquaresDate: 06/20/10 Time: 02:28Sample: 1985 2005Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-517.7222139.3711-3.7147020.0016X30.0004090.0001512.7043870.0145X52.4871580.3231157.6974430.0000R-squared0.984905Mean dependen

19、t var460.2676Adjusted R-squared0.983228S.D. dependent var520.6200S.E. of regression67.42335Akaike info criterion11.39142Sum squared resid81826.34Schwarz criterion11.54064Log likelihood-116.6099F-statistic587.2399Durbin-Watson stat0.793902Prob(F-statistic)0.000000回归结果：Y=-517.7254+4.089052x3+2.487146x

20、5 (139.3720) (1.511996) (0.323117)T=-3.714703 2.704406 7.697360R2=0.984905R2=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

21、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DWdL，显示该模型中存在自相关。3.2.3.2自相关的修正（一）Cochrane-Orcutt迭代法Dependent Variable: YMethod: Least SquaresDate: 06/20/1

22、0 Time: 02:40Sample （adjusted）: 1986 2005Included observations:20 after adjusting endpointsConvergence achieved after 21iterationsVariableCoefficientStd. Errort-StatisticProb.C-581.4042192.3708-3.0223100.0081X34.4597791.9211842.3213700.0338X52.5675150.4308975.9585420.0000AR(1)0.633892 0.2754832.3010

23、22 0.0352R-squared0.989571Mean dependent var481.8580Adjusted R-squared0.987616S.D. dependent var524.4118S.E. of regression58.35900Akaike info criterion11.14796Sum squared resid54492.36Schwarz criterion11.34711Log likelihood-107.4796F-statistic506.0677Durbin-Watson stat0.918412Prob(F-statistic)0.0000

24、00Inverted AR Roots.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DWdL，显然经过修正后该模型中仍存在自相关。（二）广义差分法由DW=0.793895，计算出=1-DW/2=0.6030525构造差分模型Yt=1（1-）+2x3t-2x3t-1+3x5t-3x5t-1+Yt-1+vt并估计，得Dependent Variable: Y-0.6030525*Y(-1)Method: Least SquaresDate: 06/20/10 Time: 02:55Samp

25、le(adjusted): 1986 2005Included observations: 20 after adusting endpointsVariableCoefficientStd. Errort-StatisticProb.C-227.921071.93323-3.1685070.0056X3-0.6030525*x3(-1)4.4022141.7767342.4777000.0240X5-0.6030525*x5(-1)2.5692880.3451827.4432800.0000R-squared0.960479Mean dependent var246.1374Adjusted

26、 R-squared0.955829S.D. dependent var269.5530S.E. of regression56.65144Akaike info criterion11.04919Sum squared resid54559.55Schwarz criterion11.19855Log likelihood-107.4919F-statistic206.5751Durbin-Watson stat0.919513Prob(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DWdL，显然经过修正后DW有所改善，但是改善不显著，模型中仍存在自相关。（三）对数变换法Dependent Variable: LYMethod: Least Squar