我国私人汽车拥有量的影响因素分析

关于我国私人汽车拥有量的影响因素分析芮珍珠（闽江学院管理系11工商管理3110602134）摘要：建立准确而合理的计量经济学模型，寻找全国私人汽车拥有量和社会经济的相关指标之间的函数关系，可以较为准确的对一国短期内私人汽车拥有量的变化进行定量的分析和预测。本文选取了1991年~~2009年的相关数据进行分析，旨在找出近些年我国私人汽车拥有量变动的影响因素。首先，先找了四个解释变量，并搜集了相关数据，进而我们建立了理论模型，并利用EVIEWS软件对模型进行参数估计和检验，并加以校正。对最后的结果进行经济意义分析，并相应地提出了自己的看法。关键词：私人汽车拥有量计量经济学模型影响因素实证分析一.引言随着市场经济的稳定繁荣和改革开放的深入发展，我国的经济经历了一个快速发展的时期，这为私人汽车提供了巨大的发展空间，同时私人汽车拥有量的大幅增加势必对土地、能源和环境带来巨大压力，这就需要对影响私人汽车发展的主要因素进行分析。在目前家用汽车日趋成为消费热点的大背景下，对我国家用汽车拥有量的研究分析和预测显得十分重要和必要，无论是对我国制定产业政策、发展国民经济还是对人民群众的日常生活都有深远的意义。二.建模私人汽车拥有量与一个国家或地区的社会经济发展的有关数据有着密切关系。我们知道，交通运输系统是社会经济大系统下的一个子系统，所有有关交通运输的统计指标都应该由社会经济的大环境决定。因此，我下面试图用建模的方式来探讨我国私人汽车拥有量与有关社会经济数据之间的关系。1.模型的选取根据本人目前对计量经济学掌握程度，决定建一个多元线性模型，减少计算的复杂度。2.解释变量的选择影响私人汽车拥有量的因素有很多，本文选了其中较为具有代表性的四个因素。①城镇人口数：本文预计私家车的拥有量与全国城镇人口数有关，因此引入解释变量全国城镇人口数，并先验预期其与私人汽车拥有量呈正相关。②城镇居民家庭人均可支配收入居民收入的高低对于私人车辆的购买有着直接的影响，目前我国私人购买车辆逐年增多，与居民收入的提高有着直接的关系。③钢铁产量：钢铁是制造汽车的主要原料，钢铁产量直接影响着汽车制造业的发展。④全国公路里程数：近年来，我国一直加大公路交通网的建设，无论是公路里程长度还是公路级都有了明显的进步。这也为我们驾车出行提供了可能和便利，因而也推动了私人汽车的消费。3.数据的处理及模型的设定本文选择了《2010年中国统计年鉴》中1991年至2009年共19年的相关数据，并对其进行了处理：数据见附表1。年份城镇人口数（万人）城镇人均收入（元）钢铁产量（万吨）公路里程数（万公里）私人汽车拥有量（万辆）1991312031700.65638.00104.1196.041992321752026.66697.00105.67118.201993331732577.47716.00108.35155.771994341693496.28428.00111.78205.421995351744283.08979.80115.70249.961996373044838.99338.02118.58289.671997394495160.39978.93122.64358.361998416085425.110737.80127.85423.651999437485854.012109.78135.17533.882000459066280.013146.00140.27625.332001480646859.616067.61169.80770.782002502127702.819251.59176.52968.982003523768472.224108.01180.981219.232004542839421.631975.72187.071481.6620055621210493.037771.14334.521848.0720065770611759.546893.36345.702333.3220075937913785.856560.87358.372876.2220086066715780.860460.29373.023501.3920096218617174.769405.40386.084574.91Y表示私人汽车拥有量(万辆)；X1表示全国城镇人口数（万人）；X2表示城镇居民人均可支配收入（元）；X3表示全国钢铁产量（万吨）；X4表示公路里程(万公里)；为随机干扰项。综上所述，原始模型设定为：443322110XXXXY三.模型的估计根据表中提供的数据，利用统计软件Eviews5对上述所设定的模型进行最小二乘估计。结果如下：DependentVariable:YMethod:LeastSquaresDate:12/11/11Time:18:59Sample:19912009Includedobservations:19VariableCoefficientStd.Errort-StatisticProb.C596.8783381.15711.5659640.1397X1-0.0326850.014887-2.1954740.0455X20.1624600.0673262.4130350.0301X30.0515770.0142853.6106870.0028X4-1.8472601.693024-1.0911010.2937R-squared0.987765Meandependentvar1191.097AdjustedR-squared0.984269S.D.dependentvar1286.711S.E.ofregression161.3844Akaikeinfocriterion13.22639Sumsquaredresid364628.7Schwarzcriterion13.47493Loglikelihood-120.6507F-statistic282.5566Durbin-Watsonstat1.200418Prob(F-statistic)0.000000根据上述结果，初步得出的模型为：=596.8783-0.032685X1+0.162460X2+0.051577X3-1.847260X4（1.565964）（-2.195474）（2.413035）（3.610687）（-1.091101）2R=0.987765F=282.5566四.模型的检验1.经济意义检验从回归得出的结果来看，X1的系数为-0.032685，X2的系数为0.162460，X3的系数为0.051577，X4的系数为-1.847260，，X1，X2，X3，X4这四个解释变量中只有X2，X3的系数符号与经济意义相符，而X1，X4的系数符号与经济意义不符，有待后面的多重共线性检验。2.统计意义检验从结果看，可决系数R^2=0.987765，AdjustedR-squared为0.984269，该模型的解释变量解释了从1991年到2009年间全国私人汽车拥有量变异的将近99％，因此样本拟合效果较好。F统计量的值在给定显著性水平α=0.05的情况下也较显著，即全国城镇人口数、城镇居民人均可支配收入、全国钢铁产量、公路里程数四个变量联合起来确实对“全国的私人汽车拥有量”有显著影响。但是4X的t统计值不显著（与临界值相比较），说明4X这个变量对Y的影响不显著，或者可能是由于变量之间存在多重共线的影响使其t值不显著，需要在后面的计量经济学检验中加以证明。3.计量经济学检验（1）多重共线性的检验①检验根据以上分析，认为模型很可能存在严重的多重共线性问题，为了验证这个想法，我通过EVIEWS计算解释变量之间的相关系数，得到如下相关系数矩阵：X1X2X3X4X110.9563860.9053370.900137X20.95638610.9766870.948964X30.9053370.97668710.973180X40.9001370.9489640.973181从结果可知各个变量之间均存在高度相关②修正：分别作Y与X1，X2，X3，X4间的回归Ⅰ.=-3784.143+0.108035X1（-5.841556）（7.868843）2R=0.784588F=61.91870D.W.=0.230789Ⅱ.=-892.2266+0.276627X2（-6.493971）（17.56921）2R=0.947801F=308.6770D.W.=0.391318Ⅲ.=-300.2401+0.062240X3(-4.344735)(28.05789)2R=0.978862F=787.2452D.W.=0.769661Ⅳ.=-1080.526+11.65822X4（-5.225068）（12.39719）2R=0.900404F=153.6904D.W.=1.111492由于3X的t值最大，线形关系强，拟合程度最好，因此选（Ⅲ）为初始的回归模型。下面，将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。第一步，在初始模型中引入X1,其最小二乘结果如下：DependentVariable:YMethod:LeastSquaresDate:12/11/11Time:21:25Sample:19912009Includedobservations:19VariableCoefficientStd.Errort-StatisticProb.C-65.72011365.9826-0.1795720.8597X1-0.0067270.010302-0.6529550.5231X30.0653810.00531412.304380.0000R-squared0.979411Meandependentvar1191.097AdjustedR-squared0.976837S.D.dependentvar1286.711S.E.ofregression195.8290Akaikeinfocriterion13.53630Sumsquaredresid613584.2Schwarzcriterion13.68542Loglikelihood-125.5949F-statistic380.5533Durbin-Watsonstat0.779683Prob(F-statistic)0.000000引入X1之后，模型的拟合优度略有升高，但未能通过t检验，同时参数符号与经济意义不符。去掉X1。第二步，在初始模型中继续引入X2,其最小二乘结果如下：DependentVariable:YMethod:LeastSquaresDate:12/12/11Time:22:18Sample:19912009Includedobservations:19VariableCoefficientStd.Errort-StatisticProb.C-405.1623129.9779-3.1171630.0066X30.0525850.0103615.0753560.0001X20.0446490.0467980.9540940.3542R-squared0.980000Meandependentvar1191.097AdjustedR-squared0.977500S.D.dependentvar1286.711S.E.ofregression193.0065Akaikeinfocriterion13.50726Sumsquaredresid596024.4Schwarzcriterion13.65639Loglikelihood-125.3190F-statistic392.0007Durbin-Watsonstat0.763139Prob(F-statistic)0.000000引入X2后，拟合优度提高，且参数符号合理，但未通过t检验，去掉X2。第三步，在初始模型中继续引入X4,其最小二乘结果如下：DependentVariable:YMethod:LeastSquaresDat