影響我國私人汽車擁有量的因素分析論文

1、影響我國私人汽車擁有量的因素【摘要】本文旨在對(duì) 1985-2005 年我國人均收入變動(dòng)，基礎(chǔ)設(shè)施建設(shè)以及燃料產(chǎn)出等一系列因素對(duì)私人汽車擁有量的影響進(jìn)行實(shí)證分析。首先，我收集了相關(guān)的數(shù)據(jù)。其次，建立了理論模型。然后，利用 Eviews 軟件對(duì)計(jì)量模型進(jìn)行了參數(shù)估計(jì)和檢驗(yàn)，并加以修正。最后，我對(duì)所得的分析結(jié)果作了經(jīng)濟(jì)意義的分析?！颈尘百Y料】汽車產(chǎn)業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，改革開放以來我國汽車產(chǎn)量呈現(xiàn)持續(xù)上升的趨勢(shì)。入世以后，更多的外國汽車企業(yè)進(jìn)軍中國汽車市場(chǎng)，并以很大的優(yōu)勢(shì)占領(lǐng)大部分市場(chǎng)，我國汽車企業(yè)面臨著極大地挑戰(zhàn)。在這場(chǎng)戰(zhàn)爭(zhēng)中可以說是百姓受益，從近幾年我國汽車消費(fèi)的發(fā)展變化來看汽車消費(fèi)有成為消費(fèi)

2、熱點(diǎn)的發(fā)展趨勢(shì)。1909 年至 1996 年，美國個(gè)人消費(fèi)支出占國內(nèi)上產(chǎn)總值的比重保持在 60%-70%，個(gè)人小汽車消費(fèi)占個(gè)人消費(fèi)的比重從本世紀(jì)初的 2%上升至目前的 10%以上，是繼住房、食品之后的第三大消費(fèi)支出項(xiàng)目。中國自 1995 年以來汽車登記量中的乘用車比例有所提高。1996 年，汽車登記總數(shù)的 40.2%為乘用車（其中 62%為社會(huì)集團(tuán)擁有），近 60%的登記車輛用于投資和生產(chǎn)。近幾年來，中國的個(gè)人消費(fèi)支出的比重基本保持在 60%左右，但個(gè)人小汽車消費(fèi)占個(gè)人消費(fèi)支出的比重很低。據(jù)最新統(tǒng)計(jì)數(shù)字顯示，1998 年，中國私人汽車消費(fèi)支出為 2.1 元/人，排在食品、衣著、娛樂教育文化服務(wù)

3、、住房、家庭設(shè)備用品及服務(wù)、醫(yī)療保險(xiǎn)項(xiàng)目之后。私人小汽車支出，占個(gè)人消費(fèi)總支出的 0.05%。中國尚未進(jìn)入汽車普及期，由于個(gè)人汽車消費(fèi)支出占GDP 比重不僅低，而且增長(zhǎng)緩慢，因而對(duì)經(jīng)濟(jì)增長(zhǎng)的推動(dòng)作用微乎其微。然而，隨著經(jīng)濟(jì)的發(fā)展，我國的搜人汽車擁有量也迅速的增長(zhǎng)。自從 1996 年以來，民用汽車擁有量的增加量中，私人汽車增加量的比重高于 57.7%，其中最高的是 1999 年，私人汽車增加量占全部民用汽車增加量的 82.5%。這說明我國汽車市場(chǎng)結(jié)構(gòu)發(fā)生了根本性的變化，居民個(gè)人已經(jīng)成為我國汽車市場(chǎng)的消費(fèi)主體，居民個(gè)人汽車消費(fèi)的快速增長(zhǎng)，成為支持我國汽車工業(yè)發(fā)咋會(huì)呢的主要力量之一。然而，隨著私人汽

4、車數(shù)量的增加，我們又將面臨怎樣的問題呢？油價(jià)上漲，公路交通堵塞等等，影響我國私人汽車數(shù)量的因素很多，因此，我提取了城鎮(zhèn)家庭平均沒人可支配收入，城市年末實(shí)有公共汽車總數(shù)，公路里程，外商直接投資實(shí)際利用外資金額，汽車產(chǎn)量，原油產(chǎn)量，石油消費(fèi)量，這七個(gè)有較大影響的因素的時(shí)間序列數(shù)據(jù)來進(jìn)行分析，希望通過建立一個(gè)合適的經(jīng)濟(jì)模型來從理論上找出影響私人汽車需求的主要原因。1、 確定變量以及建立模型：首先，建立一個(gè)多元線性模型：yi=0+1xi1+2xi2+3xi3+4xi4+5xi5+6xi6+7xi7+viyi：私人汽車數(shù)量（萬輛）;xi1：城鎮(zhèn)家庭平均每人可支配收入（元）； xi2：城市年末實(shí)有公共汽車

5、總數(shù)（輛）; xi3：公路里程（公里）； xi4：外商直接投資實(shí)際利用外資金額（億美元）； xi5：汽車產(chǎn)量（萬輛）； xi6：原油產(chǎn)量（萬噸）；xi7：平均每人生活消費(fèi)能源【液化石油氣】（千克）。私人車輛數(shù)量（萬輛）城鎮(zhèn)家庭平均每人可支配收入城市年末實(shí)有公共汽車總數(shù)公路里程外商直接投資實(shí)際利用外資金額汽車產(chǎn)量原油產(chǎn)量平均每人生活消費(fèi)能源【液化石油氣】（元）（輛）（公里）（億美（萬輛）（萬噸）（千克）元）198528.49739.14515594240019.5643.72124900.9198634.71900.94953096280018.7436.98130691.1198742.291

6、002.15250498220023.1447.18134141.1198860.421180.25681899960031.9464.47137051.2198973.121373.959671101430033.9358.35137641.4199081.621510.262215102830034.8751.4138311.42、 數(shù)據(jù)源199196.041700.666093104110043.6671.42140991.71992118.22026.6770931056700110.07106.671421021993155.772577.4889501083500275.15129

7、.85145242.51994205.423496.21087881117800337.67136.69146083.21995249.9642831368211157000375.21145.2715004.954.41996289.674838.91481091185800417.26147.5215733.395.81997358.365160.31691211226400452.57158.2516074.1461998423.625425.11890021278500454.63163161006.21999533.8858542098841351700403.19183.21600

8、07.01225722000625.336280225993140270040782753662001770.786859.62308441698000468.78234.1716395.877.91005232002968.987702.82461291765200527.43325.1167009.130349920031219.238472.22643381809800535.05444.3916959.9810.03360820041481.669421.62815161870700606.3509.1117587.3310.41976720051848.07

9、10493.033132961930500603.25570.4918135.2910.2數(shù)據(jù)來源：（1）中國統(tǒng)計(jì)年鑒;（2）中經(jīng)統(tǒng)計(jì)數(shù)據(jù)網(wǎng)。3、模型的估計(jì)與檢驗(yàn)3.1 模型的估計(jì)運(yùn)用 Eviews 對(duì) 1985-2005 年的數(shù)據(jù)進(jìn)行多元回歸分析得到結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 06/20/10Time: 01:00 Sample: 1985 2005Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C227.9915477.7

10、7190.4771970.6411X10.1657470.0708662.3388790.0360X20.0019820.0014871.3324440.2056X30.0001440.0001411.0281920.3226X4-0.9092960.220971-4.1149920.0012X51.8274000.3430925.3262600.0001X6-0.0455800.033474-1.3616470.1964X7-70.1052423.92877-2.9297470.0117R-squared0.996597Mean dependent var460.2676Adjusted R

11、-squared0.994764S.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由回歸結(jié)果可知，該檢驗(yàn)的R2=0.996597，R2=0.994764，擬合優(yōu)度很高，F(xiàn)統(tǒng)計(jì)量的檢驗(yàn)值為543.8193

12、，結(jié)果顯著：各解釋變量相應(yīng)的t檢驗(yàn)也很顯著，初步可以看出模型的擬合結(jié)果相當(dāng)好，但是，x4、x6、x7的系數(shù)為負(fù)數(shù)，與現(xiàn)實(shí)情況相矛盾，懷疑該模型各解釋變量之間可能存在多重共線性，于是對(duì)該模型進(jìn)行多重共線性的檢驗(yàn)。3.2 模型的檢驗(yàn)與修正3.2.1 多重共線性3.2.1.1 多重共線性的檢驗(yàn)各解釋變量的相關(guān)系數(shù)矩陣：1.0000000.9937180.9638040.9525120.9416550.9815650.9892610.9937181.0000000.9584320.9430090.9148790.9766810.9933920.9638040.9584321.0000000.86518

13、20.9536860.9224060.9536680.9525120.9430090.8651821.0000000.8365230.9555840.9498680.9416550.9148790.9536860.8365231.0000000.8961260.9045060.9815650.9766810.9224060.9555840.8961261.0000000.9729340.9892610.9933920.9536680.9498680.9045060.9729341.000000由相關(guān)系數(shù)矩陣可以看出各解釋變量之間相關(guān)系數(shù)較高，證實(shí)各解釋變量之間確實(shí)存在著多重共線性。3.2.1.

14、2修正多重共線性采用足部回歸的方法修正變量的多重共線性；分別作y對(duì)各解釋變量的回歸分析，結(jié)果如下：變量X1X2X3X4X5X6X7參數(shù)估計(jì)值0.1617570.0054620.0015191.9489363.3205150.298377137.2512T統(tǒng)計(jì)量12.7286310.9768916.561866.25286329.597978.8834429.665025R20.8950140.8637920.9352190.6729680.9787720.8059550.830980R20.8895140.8566230.9318090.6557560.9776550.7957420.8220

15、84由結(jié)果知，加入x5后R2最大，以x5為基礎(chǔ)，順次加入其他各變量進(jìn)行逐步回歸：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

16、(11.68400)13.848021.1859440.978123由上述結(jié)果可知，加入x3后，R2=0.983228，改進(jìn)最大，而且t檢驗(yàn)結(jié)果顯著，而，x4的系數(shù)為負(fù)，這與實(shí)際經(jīng)濟(jì)現(xiàn)象相矛盾，提出x4，保留x3，以x3、x5為基礎(chǔ)繼續(xù)作逐步回歸分析：（二）加入新變量的回歸結(jié)果：X1X2X3X4X5X6X7R2X3x45.24944-2.529120.9851x590.23563735(3.36537(8.290491)(-08)1.819142)X1x3-0.000452.521070.9823x50.0069550693(2.2332(7.3045(-32)53)0.350522)X2x3

17、0.000130.000372.486410.9822x584695(0.2258(1.7003(7.489118)19)55)X6x30.000462.51410-0.9825x5110.0146977(2.5766(7.5573173)06)(-0.793966)X7x30.000532.47281-0.9828x51911.643975(2.4489(7.5625601)02)(-0.793966)在x3、x5基礎(chǔ)上加入剩余的各個(gè)變量后，只有x4的修正可決系數(shù)相對(duì)增加，但是其系數(shù)為負(fù)值， 與實(shí)際相矛盾，其他的解釋變量的R2都有減小的趨勢(shì)，而且各個(gè)參數(shù)t檢驗(yàn)都不是很顯著，決 定剔除x1 x

18、2 x6 x7 x4修正后的模型為：yi=0+3xi3+5xi5+vi回歸結(jié)果為：Dependent Variable: Y Method: Least SquaresDate: 06/20/10Time: 02:28 Sample: 1985 2005Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-517.7222139.3711-3.7147020.0016X30.0004090.0001512.7043870.0145X52.4871580.3231157.6974430.0000R-squa

19、red0.984905Mean dependent 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回歸結(jié)果：Y=-517.7

20、254+4.089052x3+2.487146x5 (139.3720) (1.511996) (0.323117)T=-3.7147032.7044067.697360R2=0.984905R2=0.983228F=587.2333DW=0.793895其經(jīng)濟(jì)解釋：當(dāng)我國的公路里程變動(dòng)一萬公里，我國私人汽車擁有量將變動(dòng) 4.089052 萬輛；當(dāng)我國汽車總產(chǎn)量變動(dòng)一單位，我國私人汽車擁有量將變動(dòng) 2.487146 萬輛，這只是一個(gè)初步的結(jié)論，由結(jié)果可以看出，該結(jié)果與現(xiàn)實(shí)不是很符合，將會(huì)對(duì)模型作進(jìn)一步的修正。3.2.2 異方差的檢驗(yàn)3.2.2.1 異方差的檢驗(yàn)（一）圖形法檢驗(yàn)判斷：由圖可以看出

21、，只有幾個(gè)點(diǎn)隨著解釋變量的變動(dòng)呈增大的趨勢(shì)，殘差平方幾乎不隨解釋變量 X 的變化而變化，因此，模型很可能不存在異方差。但是是否確實(shí)存在異方差還應(yīng)通過更進(jìn)一步的檢驗(yàn)。3.2.3 自相關(guān)的檢驗(yàn)3.2.3.1 自相關(guān)的檢驗(yàn)（一）圖示檢驗(yàn)法由回歸殘差項(xiàng) e 的圖形（如下），可知該模型存在自相關(guān)性。（二）DW 檢驗(yàn)法由回歸分析結(jié)果，DW=0.793895，對(duì)樣本量為 21，兩個(gè)解釋變量的模型，5%顯著水平，查DW 統(tǒng)計(jì)表可知，dL=1.125，dU=1.538，模型中 DWdL，顯示該模型中存在自相關(guān)。3.2.3.2 自相關(guān)的修正（一）Cochrane-Orcutt 迭代法Dependent Varia

22、ble: Y Method: Least SquaresDate: 06/20/10Time: 02:40 Sample （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

23、.9585420.0000AR(1)0.6338920.2754832.3010220.0352R-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-Wat

24、son stat0.918412Prob(F-statistic)0.000000Inverted AR Roots.63由回歸分析結(jié)果，DW=0.918412，對(duì)樣本量為 21，兩個(gè)解釋變量的模型，5%顯著水平，查DW 統(tǒng)計(jì)表可知，dL=1.125，dU=1.538，模型中 DWdL，顯然經(jīng)過修正后該模型中仍存在自相關(guān)。（二）廣義差分法由 DW=0.793895，計(jì)算出=1-DW/2=0.6030525 構(gòu)造差分模型Yt=1（1-）+2x3t-2x3t-1+3x5t-3x5t-1+Yt-1+vt并估計(jì)，得Dependent Variable: Y-0.6030525*Y(-1) Method

25、: Least SquaresDate: 06/20/10Time: 02:55 Sample(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-squa

26、red0.960479Mean dependent var246.1374Adjusted 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由回歸分析結(jié)果，DW=0.

27、919513，對(duì)樣本量為 20，兩個(gè)解釋變量的模型，5%顯著水平，查DW 統(tǒng)計(jì)表可知，dL=1.100，dU=1.537，模型中 DWdL，顯然經(jīng)過修正后 DW 有所改善，但是改善不顯著，模型中仍存在自相關(guān)。（三）對(duì)數(shù)變換法Dependent Variable: LY Method: Least SquaresDate: 06/20/10Time: 03:20 Sample: 1985 2005Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-6.1890572.464329-2.5114580.02

28、18LX31.1924950.7062841.6884070.1086LX51.2032470.2081855.7796900.0000R-squared0.967482Mean dependent var5.449456Adjusted R-squared0.963869S.D. dependent var1.280856S.E. of regression243467Akaike info criterion0.143896Sum squared resid1.066974Schwarz criterion0.293113Log likelihood1.489097F-statistic2

29、67.7702Durbin-Watson stat0.580953Prob(F-statistic)0.000000由回歸分析結(jié)果，DW=0.919513，對(duì)樣本量為 21，兩個(gè)解釋變量的模型，5%顯著水平，查DW 統(tǒng)計(jì)表可知，dL=1.125，dU=1.538，模型中 DWdL，經(jīng)過修正后 DW 沒有改善，模型中仍存在自相關(guān)。再在對(duì)數(shù)變換的基礎(chǔ)上用 Cochrane-Orcutt 迭代法修正得：Dependent Variable: LY Method: Least SquaresDate: 06/20/10Time: 03:40 Sample （adjusted）: 1986 2005In

30、cluded observations:20 after adjusting endpointsConvergence achieved after 32 iterationsVariableCoefficientStd. Errort-StatisticProb.C20.9398522.268900.9403180.3610LX30.1721460.3385620.5084620.6181LX50.1562520.0756682.0649750.0555AR(1)0.9893800.01267778.048260.0000R-squared0.998513Mean dependent var5.554452Adjusted R-squared0.998234S.D. dependent var1.217888S.E. of regression0.051185Akaike info criterion-2.929882Sum squared resid0.041919Schwarz criterion-2.730735Log likelihood33