基于计量经济学的私人汽车量影响因素分析.doc

基于计量经济学的私人汽车量
影响因素分析
（论文）
姓 名：彭思威
学 号：2120150316
班 级：土木工程（管理科学与工程)
二〇一二年十二月二十三日
基于计量经济学的私人汽车量影响因素分析
摘要：随着我国经济的快速发展，人均收入的不断提高，越来越多的中、高层收入者开始购买小汽车，从而带动我国私人汽车业的迅速发展，使我国每年的汽车销量高速的增长。私人的汽车拥有量自90年代中期开始飞速提升(据相关数据表明,深圳市的私人汽车拥有量更为明显的大幅度提高)。也正因为汽车业的发展,从而拉动一整条产业链上的其他行业发展，对国内经济起到了巨大的推动作用.本论文运用计量经济学方法,从资料中采集到从1995年—2010年16年的时间内(考虑到16年时间长度较能充分说明私人汽车量的影响分析）,把私人汽车拥有量及其重要影响因素的时间序列为样本，分析了我国平均工资水平、城乡居民存款、货币供应量、城乡居民恩格尔系数、物价指数和汽车产量对我国汽车私人拥有量的影响，并在此基础上对我国汽车市场发展提出建议。
关键字：私人汽车拥有量 平均工资 城乡居民存款 货币供应量 城乡居民恩格尔系数 物价指数 汽车产量
一． 模型设定
根据对我国私人汽车量的数据(下表1）分析，判断可能的影响因素,从定性的分析出发，确定出决定私人汽车量的几个因素，并设定模型.
模型设定如下：
Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6+ui
Y表示私人汽车拥有量(万辆），X1表示平均工资水平(元），X2表示城乡居民存款（亿元），X3表示货币供应量（亿元)，X4表示恩格尔系数，X5表示物价指数，X6表示汽车产量（万量）。b0、b1、b2、b3、b4、b5、b6是待定系数，ui是随机误差项。
表—1为由中国统计局网站得到1995-2010年的有关数据:
表-1 1995-2010年相关数据
年份
私人汽车拥有量（万辆）
平均工资水平(元）
城乡居民存款（亿元)
货币供应量（亿元）
城乡居民恩格尔系数
物价指数
汽车产量
1995
249。96
5348
29662。30
60750。5
54。3
117。1
145。27
1996
289。67
5980
38520。80
76094.9
52。5
108。3
147.52
1997
358。36
6444
46279。80
90995。3
50。8
102。8
158。25
1998
423。65
7446
53407。47
104498。5
49
99.2
163.00
1999
533。88
8319
59621。83
119897.9
47.3
98。6
183.20
2000
625。33
9333
64332。38
134610。3
44。3
100.4
207。00
2001
770.78
10834
73762。43
158301。9
42。9
100.7
234。17
2002
968。98
12373
86910.65
185007.0
41.9
99。2
325.10
2003
1219。23
13969
103617.65
221222。8
41。4
101.2
444.39
2004
1481.66
15920
119555。39
254107。0
42。5
103。9
509.11
2005
1848.07
18200
141050。99
298755.7
41。1
101.8
570.49
2006
2333.32
20856
161587。30
345603.59
39。4
101。5
727。89
2007
2876。22
24721
172534。19
403442。2
39.7
104。8
888。89
2008
3501。39
28898
217885。35
475166.6
40。8
105.9
930。59
2009
4574.91
32244
260771。66
606225。0
38。7
99。3
1379。53
2010
5938。71
36539
303302.50
725774.05
38.4
103。3
1826。53
二． 参数估计
运用最小二乘估计(OLS）,对模型进行参数估计，得到Eviews的回归结果如表2所示：
表—2 回归结果
Dependent Variable： Y

Method： Least Squares

Date: 20/12/12 Time： 14:17

Sample： 1995 2010

Included observations: 16

Variable
Coefficient
Std. Error
t—Statistic
Prob.  

C
—1831.258
574。6463
—3。186758
0。0111
X1
-0。002299
0。040145
—0。057269
0.9556
X2
—0.006985
0.005869
—1.190144
0。2644
X3
0.011286
0.004931
2。288597
0。0479
X4
26.88352
10。08885
2.664677
0。0258
X5
0。943801
7.875980
0.119833
0。9072
X6
0。316304
0.775604
0。407817
0。6929

R—squared
0.998995
    Mean dependent var
1749。632
Adjusted R—squared
0.998325
    S.D。 dependent var
1692.257
S.E。 of regression
69.25385
    Akaike info criterion
11。61307
Sum squared resid
43164.86
    Schwarz criterion
11.95108
Log likelihood
-85.90456
    F-statistic
1491.242
Durbin—Watson stat
2。396327
    Prob(F-statistic)
0.000000

从回归结果可得出,系数b0、b1、b2、b3、b4、b5、b6分别为：-1831.258、—0。002299、—0.006985、0。011286、26。88352、0。943801、0。316304。
回归方程如下：
Y=—1831.26—0.002＊X1—0。01＊X2+0。01＊X3+26。88＊X4+0。94＊X5++0。32*X6+ui
(—3。19） （—0.06） (-1。19) (2。29） (2.66) (0.12） （0.41）
[0。96］ ［0.26］ [0.05］ ［0.03］ ［0。91] ［0。69]
R2=0。998 F=1491。24 n=16 DW=2。40
（括号内为T统计值，方括号为P值）
三． 模型检验
根据Eviews的结果，我们对模型进行必要的检验，通过检验把不符合的因素去掉.
（一） 经济意义检测
X1代表平均工资水平,由于私人汽车拥有量上涨，X1的值应该为增长趋势，因而符号不对,与现实经济意义不符，故不把X1考虑入模型.
(二） 统计推断检测
R=0.998拟合度非常好，F检验也很显著,5个变量的t检验都不是很显著.
(三)P值检测
X1、X2、X5、X6的P值均大于0.05,可见其对于Y值的相关性不显著.X3和X4的P值小于等于0。05，所以其对于Y的相关性较显著，由此去掉X1、X2、X5、X6，留下X3、X4对其进行模型修正。
再次运用最小二乘估计(OLS）,对模型进行参数估计，得到Eviews的回归结果如表3所示:
表—3 回归结果
Dependent Variable: Y

Method： Least Squares

Date： 22/12/12 Time: 19：01

Sample： 1995 2010

Included observations： 16

Variable
Coefficient
Std。 Error
t—Statistic
Prob。  

C
—2352。890
305.1361
-7.710953
0。0000
X3
0.009248
0.000158
58。44002
0。0000
X4
37.21967
6。137680
6。064127
0.0000

R—squared
0。998264
    Mean dependent var
1749.632
Adjusted R—squared
0.997997
    S.D. dependent var
1692.257
S.E. of regression
75。74329
    Akaike info criterion
11.65994
Sum squared resid
74581.60
    Schwarz criterion
11。80480
Log likelihood
—90。27950
    F—statistic
3737。237
Durbin-Watson stat
1。533470
    Prob（F-statistic）
0。000000

从回归结果可得出，系数b0、b3、b4分别为：—2352.89、0.01、37.22。
回归方程如下：
Y=—2352.89+0。01*X3+37.22*X4
（58。44） （6。06）
[0］ ｛0｝
R2=0.998 F=3737。24 n=16 DW=1.53
（括号内为T统计值，方括号为P值）
可以看出Y关于X3，X4的模型，拟合度非常好，F检验也很显著，t检验结果也很显著,并且P值都等于0,说明对于Y的相关性很显著.
由上可确定,修正后的模型Y=—2352.89+0。01*X3+37.22＊X4
四． 多重共线性检验
由于模型的多元性,故需对模型进行多重共线性检验.
首先得出相关系数矩阵，相关系数矩阵表如下：
表—4 相关系数矩阵

Y
X1
X2
X3
X4
X5
X6
Y
1
0。98469047
9664659
0.9914467
22186439
0.9966706
64616508
—0。736299
664052234
-0。106079
211062779
0。9962982
18890448
X1
0.984690
479664659
1
0.9962168
01197383
0。9936005
81377337
—0。812442
835750459
—0。144047
456838381
0。9733702
53492029
X2
0。991446
722186439
0。99621680
1197383
1
0。9981317
74968617
—0.79835
350554854
—0。163989
31208225
0。9831889
18660454
X3
0.996670
664616508
0。99360058
1377337
0。9981317
74968617
1
-0。782537
681597065
—0。150253
307787767
0。9913813
06725625
X4
-0.736299
664052234
—0.8124428
35750459
-0.798353
0554854
-0。782537
681597065
1
0。5066336
90626273
-0.724434
257469929
X5
-0.106079
211062779
—0。1440474
56838381
—0.163989
31208225
—0。150253
307787767
0。5066336
90626273
1
—0.096884
1186507701
X6
0.996298
218890448
0。97337025
3492029
0.9831889
18660454
0。9913813
06725625
—0.724434
257469929
—0。096884
1186507701
1
可以看出，解释变量之间相关系数很大，很可能存在共线性,将解释变量逐步带入回归方程，重新回归修正。
先带入X3得此模型
Y=—512。94+0.01＊X3
R2=0。993 F=2092 P=0 T检验显著
再带入X6 得模型
Y=—342.52+0。004＊X3+1.64＊X6
R2=0。997 F=2389 P3=0。0004 P6=0。0008 T检验不显著
拟合度上升 F值增加，可以保留,再带入X2得模型
Y=—325-0。005＊X2+0.007＊X3+1。34*X6
R2=0。997 F=1513.14 P2=0.57 P3=0。15 P6=0.06 T检验不显著
由于F值下降,P值相关性不显著，所以X2去掉,再加入X1得模型
Y=—341。71—0。0006＊X1+0。004*X3+1.63*X6
R2=0.997 F=1470.36 P1=0.99 P3=0。19 P6=0.03 T检验不显著
F值下降,P值相关性不显著，去掉X1，再加入X5 得模型
Y=-1237.58+0。005＊X3+8。37*X5+1。40＊X6
R2=0。998 F=1746 P3=0。0002 P5=0.16 P6=0。004 T检验不显著
F值下降，X5关于Y的相关性不显著，则去掉X5，再加入X4，得模型
Y=—1759。73+0。01＊X3+26。92＊X4+0。81＊X6
R2=0.999 F=3435.05 P3=0 P4=0。002 P6=0.03 T检验不显著
F值上升，并且关于Y的相关性显著，则予以保留
最终修正后的模型为 Y=—1759。73+0。01＊X3+26.92＊X4+0.81＊X6
R2=0。999 F=3435.05
五． 怀特检验
由于之前检验X6带入模型，影响P值增加，随然在显著范围内，但是t检验却不显著，因而这里带入模型为P值修正后的模型
Y=—2352。89+0.01*X3+37。22＊X4
（58。44) （6.06）
［0］ ｛0}
R2=0。998 F=3737。24 n=16 DW=1。53
（括号内为T统计值,方括号为P值)
怀特检验如下：
表—4 怀特检验
White Heteroskedasticity Test:

F—statistic
8.913501
    Probability
0.001841
Obs＊R—squared
12。22755
    Probability
0。015737

由表可看出，nR2=8.91 ，由White检验知，在下，查X2分布表，得临界值X20.05（2）=5.99，因为nR2=8。91〉 X20。05（2)=5。99，表明模型有异方差。
六． 结论
经过检验最终得出，基于计量经济学的私人汽车量影响因素的模型如下:
Y=—2352.89+0。01*X3+37。22*X4
同时也得出影响因素主要为X3货币供应量(亿元），X4恩格尔系数。
从分析中，可以总结出如下几点:
1、 我国的货币供给量对私人汽车拥有量有直接的影响,可见我国要想保持汽车市场稳定增长，保持健康的货币供给量增长是必须的，但同时也存在通货膨胀的问题，究其原因，是因为近几年来汽车市场降价频频,而货币供给量的增加只是解决了居民在购买汽车时购买能力的问题,没有对汽车市场的实质增长有很大的影响。
2、 国内的恩格尔系数直接决定着汽车市场销售量的实质性增长，只有稳步的提升居民的生活水平,随着恩格尔系数的下降，居民的消费品购买能力必然上升，自然能稳步的推动汽车市场向着良好的方向发展.
3、 从模型检验中可以看出,单纯的平均工资不能影响到私人的汽车拥有量，必须实质提升人均可支配收入.不仅仅是模型中,实际中汽车价格近年来持续走低，但销量依旧很好,可见物价指数与私人汽车拥有量没有直接的关系。居民的存款不属于可支配收入，并且在实际中与汽车销量是负相关,所以对其影响不是很大。汽车产量对于私人汽车拥有量是一个前后关系，相互对应,相互间并不直接构成影响.