我国私人汽车持有量影响因素分析.doc
- 文档编号:5497702
- 上传时间:2023-05-08
- 格式:DOC
- 页数:12
- 大小:409.89KB
我国私人汽车持有量影响因素分析.doc
《我国私人汽车持有量影响因素分析.doc》由会员分享,可在线阅读,更多相关《我国私人汽车持有量影响因素分析.doc(12页珍藏版)》请在冰点文库上搜索。
影响我国私人汽车拥有量的因素分析
金融11416311411何苗苗
摘要:
本文选择了《2012年中国统计年鉴》中1998年一2011年共14年的相关数据,选择全国总人口数,城镇居民消费水平,全国汽车产量,全国汽油产量,国内生产总值这些影响因素作为解释变量构建理论模型,对我国私人汽车拥有量的影响因素进行实证分析。
并利用EVIEWS软件对模型进行参数估计和检验,并加以修正。
对最后的结果进行经济意义分析,然后提出自己的看法。
关键词:
私人汽车拥有量影响因素计量模型分析
正文:
一、前言
改革开放以来,我国经济高速发展,我国GDP三十多年来的平均增长速度高达9.8%。
国力增强,人民有钱了,生活水平大大提高。
20世纪90年代以前我国汽车市场处于公务用车,不仅需求量少,而且70%是政府、事业单位的公务用车,剩下的是企业的商务用车,几乎没有私人用车,也没能力购买私家车。
90年代以后公务用车与商务用车的份额发生变化,人民收入增加,私人购车开始起步。
2002年以来,私家车发展迅速,进入私人购车阶段。
随着居民消费结构的升级,私人购车呈现出迅猛增长的势头,成为我国汽车产业发展的决定性力量,同样也会成为社会经济发展的必然趋势。
由于私人汽车拥有量直接影响我国汽车产业的发展,并间接影响着国家经济的发展,因此对我国私人汽车拥有量问题的深入研究就显得尤为重要,这有助于帮助大家认清现状,做出合理的决策。
鉴于此原因,我们进行了这次关于私人汽车拥有量的计量模型研究。
二、相关文献综述
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的发展变化来看汽车消费有成为消费热点的发展趋势。
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、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展的主要力量之一。
北京林业大学经济管理学院的刘佳,在2010年第13期《中国高新技术企业》期刊上发表的论文得出结论:
1985~2007年的23年间,随着改革开放的不断深入,经济稳定持续增长,作为重要工业原料的钢材的产量保持了逐年上升的趋势,国民总收入也保持了每年持续的高增长水平,私人汽车作为高档消费品,每年也保持了较高的增长,它已经以越来越快的步伐进入我国的普通家庭。
以此模型为依据,随着我国钢材产量和国民总收入逐年上升,我国私人汽车拥有量将逐年增多,成为我国普通大众的消费品。
研究的相关理论依据:
(1)凯恩斯消费函数模型
凯恩斯消费函数模型为:
C=α+β*Y,式中C为现期消费,Y为现期收入,α为收入无关的那部分消费,即自发性消费,β为边际消费倾向。
(2)莫迪利安尼的生命周期理论
莫迪利安尼的生命周期理论可以表述为:
消费与生命周期有关,与财产收入有关。
如下式:
C=α*A+β*Y,式中A表示财产,α是财产的边际消费倾向,β是收入的边际消费倾向,Y为收入。
上式表明消费取决于财产收入和个人生命周期不同阶段劳动收入。
(3)杜森贝的相对收入理论
杜森贝的相对收入理论表述为:
消费以相对收入为函数。
相对别人——示范效应,向高消费看齐。
我国称之“攀比效应”。
相对自己过去——习惯效应,收入水平变化后消费有滞后性。
在稳定的收入增长时期,平均消费倾向不取决于收入水平。
从长期考虑,平均消费倾向是稳定的。
从短期考察,边际消费倾向取决于现期收入与高峰收入的比例。
由此使短期消费会有波动,但由于习惯效应的作用,收入减少对消费减少作用不大,而收入增加对消费增加作用较大。
凯恩斯的绝对收入假定、美国经济学家杜森贝利的相对收入假定、莫迪里安尼等的生命周期假定虽然侧重点有所不同,但都认为居民的消费和收入水平是息息相关的,私人汽车拥有量以居民的收入作为基础。
三、研究现状
根据我读到的相关文献资料,目前已有以下结论:
(1)我国人均私家车的拥有量主要受全国汽车产量和人均公路里程数的影响,而且均存在正向相关关系;
(2)在1990~2006年间,在其他解释变量保持不变的条件下,随着全国汽车产量的增加引起的全国的私家车拥有量的增长幅度大于全国的全国汽车产量的增长幅度,故而全国汽车产量是影响私家车拥有量的最重要的因素。
(3)公路里程对私家车拥有量有很大影响,说明公路里程数的增加有助于增加国内私家车的拥有量。
私家车拥有量与人均公路里程存在互为因果的关系,这说明随着我国公路建设加强,使居民对私家车的需求上升,同时由于私家车增多对交通产生的压力也促使我国公路的建设和改造。
(4)收入是影响私家车拥有量的重要因素,对于私家车的购买来说,城镇居民可支配收入的影响是很大的,随着可支配收入的增加,私家车拥有量也随之增加。
在回归模型中,该变量的参数估计值为2922.028,即表示在其他解释变量保持不变的条件下,可支配收入每增加一个单位,而私家车拥有量增加2922.028辆。
而随着城镇居民可支配收入从1990年的1510.2元增加到2003年的8472.2元,私家车拥有量也由1990年的816200辆增加到2003年的12192300辆。
可以说明城镇居民可支配收入的提高是私家车拥有量增加的重要因素。
(5)贷款利率对私家车拥有量有一定影响,对于购车者来说,收入一定时,没有足够的金钱购买车时,可以向银行贷款来买车。
所以贷款利率的高低在一定程度上影响私家车拥有量,之所以这么说,那是因为可支配收入不高,没有能力还贷款,也就不想买车。
贷款利率与其他解释变量相关系数不是很突出,但也是挺高的。
3、燃料、动力价格指数影响显著 变量的参数估计值为-50492.48,参数符号符合预期,参数的绝对值都大于其他变量,说明燃料及动力价格指数的增加对于私家车拥有量的减少影响显著。
从理论和实践上说,这是合理的。
俗话说“买车难,养车更难”,因为养车需要花费大量的金钱,开车出行需要消耗燃油等动力能源,购买汽油、柴油等动力能源需要支出一笔费用,这直接构成使用私家车的成本。
当油价上涨时,驾驶私家车出行的成本上涨,因而人们会减少对私家车的购买,从而减少我国居民个人的私家车拥有量。
四、存在问题
(1)由于影响被解释变量的因素较多,比如居民收入水平、城市化水平、燃料价格、不同地区间私家车价水平及消费习惯等因素,而且居民对私家车的需求还受到宏观经济周期、国家政策调节等宏观因素的制约,因此无论得出什么模型,都有待于进一步完善;
(2)样本容量有限,只有一段时间的数据,而且局限于中国一个国家。
五、影响因素分析
本文选择了《2012年中国统计年鉴》中1998年至2011年共14年的相关数据,并对其进行了处理:
y表示私人汽车拥有量(万辆);x1表示全国人口数(万人); x2表示居民消费水平(元);x3表示全国汽车产量;x4表示全国汽油产量(万吨);u为随机扰动项。
(一)建立模型:
基于以上数据,建立的多元线性回归模型,表示为:
度量了截距项,它表示在没有其它因素影响的时候私人汽车拥有量。
度量了当全国人口数变动一单位,私人汽车拥有量的变动。
度量了当城镇居民消费水平变动一个单位时,私人汽车拥有量的变动。
度量了当全国汽车产量变动一个单位,私人汽车拥有量的变动。
度量了全国汽油产量对私人汽车拥有量的影响。
是随机误差项。
(二)模型估计
根据表1中提供的数据,利用统计软件Eviews5.1对上述所设定的模型进行最小二乘估计。
结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/18/13Time:
20:
14
Sample:
19982011
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
16634.11
8091.625
2.055719
0.0700
X1
-0.147704
0.072089
-2.048901
0.0707
X2
0.583216
0.086243
6.762461
0.0001
X3
1.300437
0.478144
2.719758
0.0236
X4
0.081516
0.335370
0.243062
0.8134
R-squared
0.997332
Meandependentvar
2458.780
AdjustedR-squared
0.996146
S.D.dependentvar
2160.913
S.E.ofregression
134.1467
Akaikeinfocriterion
12.90820
Sumsquaredresid
161958.0
Schwarzcriterion
13.13643
Loglikelihood
-85.35738
Hannan-Quinncriter.
12.88707
F-statistic
841.0808
Durbin-Watsonstat
0.825393
Prob(F-statistic)
0.000000
根据上述结果,初步得出的模型为:
U)
(2.0557)(-2.0489)(6.7625) (2.7198)(0.2430)
=0.9973 =0.9961F=841.0808
由回归结果可知:
各解释变量相应的t检验也很显著,初步可以看出模型的拟合结果相当好,但是,x1的系数为负数,与现实情况相矛盾,怀疑该模型,于是对该模型进行多重共线性的检验。
(三)模型的检验与修正
1、经济意义检验:
从回归得出的结果来看,三个解释变量符号与预期的相一致,并且其大小在经济理论上解释得通。
而变量符号为负,与现实情况相矛盾,故怀疑各解释变量之间可能存在多重共线性
2、拟合优度及模型估计效果检验
从结果看,该检验的=0.9973, =0.9961,拟合优度很高,该模型的解释变量解释了从1998年到2011年间全国私人汽车拥有量变异的99%,因此样本拟合效果较好。
F统计量的检验值为841.0808,表明整个模型估计效果显著,即全国人口数,城镇居民消费水平,全国汽车产量和全国汽油产量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。
3、回归系数的显著性检验
给定显著性水平5%,查t分布表得自由度为10的临界值为2.228,,,,的估计值对应的t统计量分别为(-2.0489)(6.7625)(2.7198)(0.2430),除外,和的估计值对应的t统计量的绝对值均大于临界值2.228,这说明全国的私人汽车拥有量与居民消费水平、全国汽车产量、全国汽油产量存在显著的线性相关关系。
但是对于全国人口数这个解释变量而言却不存在显著的线性相关关系,但这与实际不相符,说明模型很可能存在严重的多重共线性。
4、多重共线性的检验
4.1多重共线性的检验
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:
表2相关系数矩阵
X1
X2
X3
X4
X1
1.000000
0.930535
0.910879
0.969232
X2
0.930535
1.000000
0.982987
0.983837
X3
0.910879
0.982987
1.000000
0.978416
X4
0.969232
0.983837
0.978416
1.000000
从上面的相关系数矩阵看出,各解释变量之间的相关系数很高,证实确实存在多重共线性。
4.2多重共线性的修正
为了修正多重共线性,我采用逐步回归的办法来检验和解决多重共线性问题。
分别做Y对x1,x2,x3,x4的一元回归:
Y对x1做一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/18/13Time:
20:
17
Sample:
19982011
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-77247.58
11331.05
-6.817334
0.0000
X1
0.612454
0.087043
7.036261
0.0000
R-squared
0.804906
Meandependentvar
2458.780
AdjustedR-squared
0.788649
S.D.dependentvar
2160.913
S.E.ofregression
993.4355
Akaikeinfocriterion
16.77178
Sumsquaredresid
11842970
Schwarzcriterion
16.86307
Loglikelihood
-115.4025
Hannan-Quinncriter.
16.76333
F-statistic
49.50896
Durbin-Watsonstat
0.280318
Prob(F-statistic)
0.000014
Y对x2做一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/18/13Time:
20:
17
Sample:
19982011
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2098.288
165.0909
-12.70990
0.0000
X2
0.727593
0.024001
30.31480
0.0000
R-squared
0.987110
Meandependentvar
2458.780
AdjustedR-squared
0.986036
S.D.dependentvar
2160.913
S.E.ofregression
255.3507
Akaikeinfocriterion
14.05472
Sumsquaredresid
782447.7
Schwarzcriterion
14.14601
Loglikelihood
-96.38301
Hannan-Quinncriter.
14.04627
F-statistic
918.9873
Durbin-Watsonstat
0.692052
Prob(F-statistic)
0.000000
Y对x3做一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/18/13Time:
20:
18
Sample:
19982011
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-232.8495
140.2861
-1.659819
0.1228
X3
3.683009
0.152402
24.16646
0.0000
R-squared
0.979866
Meandependentvar
2458.780
AdjustedR-squared
0.978189
S.D.dependentvar
2160.913
S.E.ofregression
319.1386
Akaikeinfocriterion
14.50069
Sumsquaredresid
1222194.
Schwarzcriterion
14.59199
Loglikelihood
-99.50484
Hannan-Quinncriter.
14.49224
F-statistic
584.0176
Durbin-Watsonstat
2.048283
Prob(F-statistic)
0.000000
Y对x4做一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/18/13Time:
20:
19
Sample:
19982011
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-5270.188
561.7587
-9.381587
0.0000
X4
1.418975
0.099773
14.22208
0.0000
R-squared
0.943995
Meandependentvar
2458.780
AdjustedR-squared
0.939328
S.D.dependentvar
2160.913
S.E.ofregression
532.2685
Akaikeinfocriterion
15.52374
Sumsquaredresid
3399718.
Schwarzcriterion
15.61503
Loglikelihood
-106.6662
Hannan-Quinncriter.
15.51529
F-statistic
202.2674
Durbin-Watsonstat
0.512681
Prob(F-statistic)
0.000000
综合以上结果得出下表:
表3一元回归结果
Variable
x1
x2
x3
x4
Coefficient
0.612454
0.727593
3.683009
1.418975
t-Statistic
7.036261
30.31480
24.16646
14.22208
R-squared
0.804906
0.987110
0.979866
0.943995
AdjustedR-squared
0.788649
0.986036
0.978189
0.939328
其中,加入X2的方程AdjustedR-squared的值最大,所以以x2为基础,顺次加入其它变量逐步回归,结果如表5所示:
表4加入新变量的回归结果
(一)
Variable
x1
x2
x3
x4
x2,x1
Coefficient
-0.13924
0.866589
0.991361
t-Statistic
-2.89744
16.80956
x2,x3
Coefficient
0.444849
1.461369
0.990918
t-Statistic
4.221257
2.729453
x2,x4
Coefficient
0.859747
-0.267882
0.986042
t-Statistic
6.415632
-1.002368
经比较,新加入X1的方程AdjustedR-squared的值为0.991361,改进最大,但符号为负,与经济意义不相符,故而剔除。
新加入x3的方程AdjustedR-squared的值为0.990918,而且各参数的t检验显著,所以选择保留X3,再加入其它新变量逐步回归,结果如表5所示:
表5加入新变量的回归结果
(二)
Variable
x1
x2
x3
x4
x2,x3,x4
Coefficient
0.619832
1.917316
-0.533515
0.994914
t-Statistic
6.394782
4.493052
-3.105158
在x2,x3的基础上加入x4后的方程AdjustedR-squared的值为0.994914,虽然较之前略有改进,x4的t检验显著,但是X4的符号为负与经济意义不符。
这说明X1和X4引起严重的多重共线性,应予以剔除。
最后修正严重多重共线性影响的回归结果为:
DependentVariable:
Y
Method:
LeastSquar
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 私人 汽车 持有 影响 因素 分析