计量经济学课程案例分析-我国汽车保有量影响因素的实证分析.doc

课程代码：081307学时/学分：48/3 成绩：北航研究生精品课程建设计量经济学课程案例分析案例题目：我国汽车保有量影响因素的实证分析 任课老师：组 长： 组 员： 摘要我国经济的快速发展为私人汽车提供了巨大的发展空间，同时汽车保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，对其保有量的发展趋势做出科学判断。本文根据1985年至2008年国内各项经济指标，运用eviews计量软件对各种因素进行分析，给出了一个适用于短期预测的计量经济学模型及进行各项检验的详细过程，并说明了根据此模型进行未来预测的可行性。最后，根据汽车保有量对于我国经济的重要作用提出了几点政策建议，明确汽车产业发展与国家可持续发展之间的关系。关键词：汽车保有量 汽车产量 增长率 影响因素 实证分析目 录摘要21绪论41.1研究背景41.2研究意义42模型的选取和变量的选择62.1变量选取62.2单方程模型尝试72.2.1初步分析72.2.2对数方程132.2.3去多重共线性142.2.4异方差的检验及处理152.2.5自相关性分析202.3关于虚拟变量232.4关于分布滞后模型252.5小结263联立模型283.1原始模型283.2var模型293.2.1三阶段最小二乘法323.2.2两阶段最小二乘法323.3模型修正343.4小结354协整分析374.1平稳性分析374.2e-g检验两步法与误差修正模型404.3预测能力分析445总结456政策建议461 绪论1.1 研究背景汽车保有量指的就是一个地区拥有车辆的数量，一般是指在当地登记的车辆。汽车特别是用于消费的私人轿车保有量的多少，与经济发展、经济活跃程度、国内生产总值、人均国内生产总值的增长，以及道路建设的发展有着密切的联系。随着中国经济的持续快速发展以及人民群众收入水平的不断提高，将有越来越多的家庭具备购买私人轿车的能力。国家信息中心预测，2009年前后是中国中等收入家庭具备购车能力的时间点，届时将有近1亿中国人可以享用自己的家庭轿车。在此种情况下，对汽车保有量增加情况的实证分析就显得很有意义。据国家统计局统计，截至2005年底，全国民用汽车保有量为3160万辆，其中私人汽车达到1852万辆，占总量的58.6%。2006年国内销售了 700多万辆国产和进口汽车，其中60%为私人购买。据中国汽车工业协会的专家估算，目前中国汽车保有量约为3800多万辆，私人汽车约为2200万辆。 私车已经占全国汽车保有量的60%左右，这标志着中国汽车消费进入以私人消费为主的发展新阶段。自我国加入世界贸易组织后，中国汽车市场大举对外开放，带动了国内汽车产业的迅速发展。国家又出台了一系列鼓励轿车进入家庭的政策，长期以公车消费为主的轿车市场转变为以私人消费为主。私人购车成为当今轿车市场消费的主流。中国汽车技术研究中心的一份研究报告指出，2006年私人购买轿车比例超过77%。随着私人轿车消费时代的到来，私人轿车成为拉动私车保有量大幅上升的主要因素。据国家统计局统计，2003年到2005年，私人载货车仅增长85万辆，而私人载客车则增长了633万辆。2006年，全国汽车销量为710多万辆，其中轿车达到380 多万辆，绝大部分为私人所购买。从上面这些数据可以看出，我国的汽车保有量处于持续增长的阶段，并且其消费结构也有着明显的转变，所以建立适当的模型来分析其增长原因以及估计消费结构的具体形式这些都显得尤为重要，可以为我过得汽车工业发展前进方向分析提供参考数据。1.2 研究意义改革开放以来，我国的经济建设取得了巨大发展，在工业化进程不断加快的情况下，经济结构也发生了重大变化。与此同时，人民生活水平显著提高，与人民日常生活密切相关各种基础设施也得到了长足的发展。在这一切条件下，我国的汽车工业也呈现出一片繁荣景象，并在逐步成为国民经济的支柱产业之一。研究汽车保有量增长的规律和影响因素，对于预测市场，配套设施的建设以及相关市场的发展和相关政策的制定，都有着重要意义。汽车保有量增长原因的分析、增长趋势的判断以及消费结构的识别，这些都为我国未来的汽车工业、交通运输业以及银行信贷机制设计都有着至关重要的意义。一个城市未来的市内道路建设、建筑规划、商业圈划分等等规划内容都要受到汽车保有量这一指标的干扰，只有正确的分析并预测这一指标才能提出与城市发展相切合的城市规划方案，才能实现“城市，让生活更美好”这一理想。本文从近些年来国内几项经济指标与汽车保有量间的关系入手，分别采用多元回归法、联立模型和协整分析等工具对统计数据了技术处理，找出导致汽车保有量持续增长的原因，并对构成增长的消费结构进行了初步的分析和识别，下一步本文将对汽车保有量的预测做出更深的研究，争取能够早日得出具有实际指导意义的统计数据分析结果。2 模型的选取和变量的选择2.1 变量选取y：汽车保有量（万辆）：保有量指的是一个地区拥有车辆的数量，一般是指在当地登记的车辆。汽车特别是用于消费的私人轿车保有量的多少，与经济发展、经济活跃程度、国内生产总值、人均国内生产总值的增长，以及道路建设的发展有着密切的联系。随着中国经济的持续快速发展以及人民群众收入水平的不断提高，将有越来越多的家庭具备购买私人轿车的能力。inc：城镇居民可支配收入（元）：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。本文采用的指标为统计年鉴中的城镇居民人均可支配收入，显然，城镇居民的购买能力要远高于农村居民，该项数据与汽车保有量的相关性更高。pop: 城镇人口（亿人）：城镇人口是指居住于城市、集镇的人口，主要依据人群的居住地和所从事的产业进行归类。一般认为城镇人口占有率的高低反应出一个地区的工业化、城镇化或城市化水平。pro: 汽车产量（万辆）：2009年中国汽车累计产销突破1300万辆，同比增长创历年最高，中国成为世界第一汽车生产和消费国。在汽车产业与国家经济腾飞的关系上，日本和韩国提供了成功的经验。在其经济腾飞时期，其汽车产量、汽车保有量及国民收入水平有着强烈的正相关。way: 公路长度（万公里）：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等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。数据类型：时间序列（如表1所示）年度区间：1985-2008表1 我国近年（1985-2008）汽车保有量统计数据obsyincpopproway198528.49000739.10002.51000043.7200092.24000198634.71000899.60002.64000036.9800096.28000198742.290001002.2002.77000047.1800098.22000198860.420001181.4002.87000064.4700099.96000198973.120001375.7002.95000058.35000101.4300199081.620001510.2003.02000051.40000102.8300199196.040001700.6003.05000071.42000104.11001992118.20002026.6003.240000106.6700105.67001993155.77002577.4003.340000129.8500108.35001994205.42003496.2003.430000136.6900111.78001995249.96004238.0003.520000145.2700115.70001996289.67004838.9003.730000147.5200118.58001997358.36005160.3003.940000158.2500122.64001998423.65005425.1004.160000163.0000127.85001999533.88005845.0004.370000183.200013533006280.0004.590000207.0000140.27002001770.78006859.6004.810000243.1700169.80002002968.98007702.8005.020000325.1000176.520020031137.5008472.0005.240000444.3900180.980020041365.0009422.0005.430000507.4100187.070020052365.00010493.005.620000570.0000193.050020062925.00011759.005.770000727.9000204.230020073534.00013786.005.940000888.7000215.830020084173.00015781.006.070000934.5500231.5500从表1中的数据可以看出，我国汽车保有量呈现出持续增长的趋势，但居民可支配收入所占的影响地位是否是汽车保有量增长的主要原因，还有待进一步检验。本文将从下节开始建立模型进行因果关系的分析。2.2 单方程模型尝试2.2.1 初步分析从我们的实际经验中可以得出城镇居民可支配收入、城镇人口、汽车产量、公路长度显然对汽车保有量都有正向的作用这一结论，但由于这些变量之间有共同的增长趋势和密切的关联度，难免引来多重共线性的后果。如以下是用y对inc、 pop 、pro 、way进行ols回归得到的结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:15sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c897.0196413.02322.1718380.0427inc0.1529760.0692572.2088260.0397pop-634.3657239.8010-2.6453840.0160pro3.6337530.7750614.6883460.0002way5.3191746.4154430.8291200.4173r-squared0.982347mean dependent var859.0079adjusted r-squared0.978630s.d. dependent var1184.540s.e. of regression173.1598akaike info criterion13.32936sum squared resid569701.9schwarz criterion13.57479log likelihood-154.9523hannan-quinn criter.13.39447f-statistic264.3248durbin-watson stat1.349399prob(f-statistic)0.000000从回归结果可以得出897.0196+0.152976inc-634.3657 pop +3.633753pro+5.319174wayr2=0.982347, 0.978630，dw=1.349399，f=264.3248查f分布表，得临界值f0.05（4，19）=2.90，故f=264.32482.90，回归方程显著。但是是其中pop（城镇人口）一项系数为负值，显然与经济意义不符，推断必有多重共线性。从eviews中分别计算inc、 pop 、pro 、way的两两回归系数，得到下表。corelationincpopprowayinc1.0000000.9736590.9668900.979747pop0.9736591.0000000.9124490.979439pro0.9668900.9124491.0000000.956086way0.9797470.9794390.9560861.000000从表中可以看看出解释变量之间是高度相关的。为了检验和处理多重共线性，采用逐步回归法。对y分别关于inc、 pop 、pro 、way作最小二乘回归，得出以下结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:26sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-573.5450135.2522-4.2405580.0003inc0.2593410.01946113.326240.0000r-squared0.889773mean dependent var859.0079adjusted r-squared0.884763s.d. dependent var1184.540s.e. of regression402.1107akaike info criterion14.91099sum squared resid3557246.schwarz criterion15.00916log likelihood-176.9318hannan-quinn criter.14.93703f-statistic177.5887durbin-watson stat0.194292prob(f-statistic)0.000000-573.5450+0.259341incr2=0.889773, 0.884763，dw=0.194292，f=177.5887y对 c、pop回归，得到如下结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:27sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-2761.142460.0547-6.0017680.0000pop886.2959108.52328.1668770.0000r-squared0.751967mean dependent var859.0079adjusted r-squared0.740693s.d. dependent var1184.540s.e. of regression603.1939akaike info criterion15.72201sum squared resid8004544.schwarz criterion15.82018log likelihood-186.6641hannan-quinn criter.15.74805f-statistic66.69788durbin-watson stat0.186726prob(f-statistic)0.000000-2761.142+886.2959popr2=0.751967, 0.740693，dw=0.186726，f=66.69788y对 c、pro回归，得到如下结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:29sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-293.691059.30625-4.9521090.0001pro4.3279020.15812027.371080.0000r-squared0.971472mean dependent var859.0079adjusted r-squared0.970175s.d. dependent var1184.540s.e. of regression204.5676akaike info criterion13.55933sum squared resid920653.9schwarz criterion13.65750log likelihood-160.7120hannan-quinn criter.13.58537f-statistic749.1759durbin-watson stat1.016167prob(f-statistic)0.000000-293.6910+4.327902pror2=0.971472, 0.970175，dw=1.016167，f=749.1759y对 c、way回归，得到如下结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:31sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-2646.731324.7897-8.1490600.0000way25.190112.23194711.286160.0000r-squared0.852722mean dependent var859.0079adjusted r-squared0.846028s.d. dependent var1184.540s.e. of regression464.8053akaike info criterion15.20077sum squared resid4752968.schwarz criterion15.29894log likelihood-180.4092hannan-quinn criter.15.22681f-statistic127.3774durbin-watson stat0.285701prob(f-statistic)0.000000-2646.731+25.19011wayr2=0.852722, 0.846028，dw=0.285701，f=127.3774根据回归结果，易知汽车产量pro是最重要的解释变量，所以选取第3 个回归方程为基本方程。加入下inc做最小二乘回归。y对 c、inc、pro回归，得到如下结果：dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:42sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-235.785880.47760-2.9298320.0080inc-0.0410400.038686-1.0608570.3008pro4.9616530.6178528.0304880.0000r-squared0.972923mean dependent var859.0079adjusted r-squared0.970344s.d. dependent var1184.540s.e. of regression203.9870akaike info criterion13.59046sum squared resid873824.5schwarz criterion13.73771log likelihood-160.0855hannan-quinn criter.13.62953f-statistic377.2861durbin-watson stat1.212531prob(f-statistic)0.000000-235.7858-0.041040inc+4.961653pror2=0.972923, 0.970344，dw=1.212531，f=377.2861加入inc城镇人口可支配收入后，拟合优度增加，参数估计值的符号却发生了变化，显然inc与y不可能反向变动，而且inc显著性较低，所以在模型中是否保留inc待定。再在方程中加入pro做最小二乘回归。dependent variable: ymethod: least squaresdate: 12/30/09 time: 19:44sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c296.2161316.25430.9366390.3596pro5.2525690.51027010.293710.0000way-6.0083093.170035-1.8953450.0719r-squared0.975639mean dependent var859.0079adjusted r-squared0.973319s.d. dependent var1184.540s.e. of regression193.4855akaike info criterion13.48475sum squared resid786169.2schwarz criterion13.63201log likelihood-158.8170hannan-quinn criter.13.52382f-statistic420.5230durbin-watson stat1.423229prob(f-statistic)0.000000296.2161+5.252569pop+0.395884pro-6.008309wayr2=0.975639, 0.973319，dw=1.423229，f=420.5230加入way公路里程后，拟合优度增加，但参数估计值的符号也不正确，所以在模型中是否保留了way也待定。再在方程中加入pop做最小二乘回归。dependent variable: ymethod: least squaresdate: 12/30/09 time: 21:49sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-2228.695335.3327-6.6462220.0000pop-936.2737371.8407-2.5179430.0200way49.665379.9243915.0043740.0001r-squared0.886875mean dependent var859.0079adjusted r-squared0.876101s.d. dependent var1184.540s.e. of regression416.9490akaike info criterion15.02027sum squared resid3650775.schwarz criterion15.16753log likelihood-177.2433hannan-quinn criter.15.05934f-statistic82.31783durbin-watson stat0.592250prob(f-statistic)0.000000-966.9443+0.013581inc+60.13484pop+8.377247wayr2=0.986065, 0.983079，dw=1.805462，f=330.2240加入pop城镇人口数后，拟合优度增加，但参数估计值的符号也不正确，所以在模型中是否保留了pop也待定。从上述尝试中可以发现，由于严重的多重共线性，我们无法把几个解释变量同时放入一个模型中。2.2.2 对数方程鉴于对方程的回归在加入两个以上解释变量后总出现与事实不符的参数估计值的符号，而单个解释解释力又不足，我们考察了被解释变量和解释变量的图线，发现出城镇人口外，各变量均有指数增长的趋势，所以我们考虑变更方程形式。采用对数方程。lny对c、 lninc 、lnpop 、lnpro、 lnway回归，结果如下：dependent variable: lnymethod: least squaresdate: 12/31/09 time: 09:49sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-6.4211272.547874-2.5201900.0208lninc0.5989510.1787973.3498940.0034lnpop1.3960400.8977151.5551040.1364lnpro0.3689070.1404952.6257680.0166lnway0.7084280.5800711.2212780.2369r-squared0.995636mean dependent var5.792560adjusted r-squared0.994718s.d. dependent var1.513610s.e. of regression0.110009akaike info criterion-1.393465sum squared resid0.229936schwarz criterion-1.148037log likelihood21.72158hannan-quinn criter.-1.328353f-statistic1083.787durbin-watson stat0.921877prob(f-statistic)0.000000从回归结果中可以看出，方程的拟合优度较好，参数估计值的符号也正确，但lnpop和lnway的显著性不高，考虑可能存在多重共线性。2.2.3 去多重共线性从相关性矩阵可以看出，确实存在着高相关性。考虑到方程的经济意义，考虑剔除lnpop，人口增长率，保留lninc可支配收入增长率、lnpro汽车产量增长率、 lnway和公路长度增长率。corelationlninclnpoplnprolnwaylninc1.0000000.9780860.9670920.930183lnpop0.9780861.0000000.9790600.978488lnpro0.9670920.9790601.0000000.969747lnway0.9301830.9784880.9697471.000000lny对c、 lninc 、lnpro、 lnway回归，得到如下结果：dependent variable: lnymethod: least squaresdate: 12/31/09 time: 10:02sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-9.9195811.237804-8.0138570.0000lninc0.8321310.1007848.2565760.0000lnpro0.3317260.1432702.3153850.0313lnway1.4593360.3326404.3871340.0003r-squared0.995081mean dependent var5.792560adjusted r-squared0.994343s.d. dependent var1.513610s.e. of regression0.113843akaike info criterion-1.356990sum squared resid0.259202schwarz criterion-1.160647log likelihood20.28388hannan-quinn criter.-1.304900f-statistic1348.603durbin-watson stat0.944601prob(f-statistic)0.000000从回归结果可以看出，各解释变量都都较为显著，f值获得了提升。接受该基本方程。2.2.4 异方差的检验及处理确定了模型的基本方程后，我们对模型的异方差进行的检验和处理。从残差图中，由图可知，残差随时间趋势的增加，离散程度增大。由图可知，残差随lninc的增加，离散程度增大。由图可知，残差随lnpro的增加，离散程度增大。由图可知，残差随lnway的增加，离散程度增大。从模拟图与残差图也可以看出，随机误差存在着异方差。下面运用怀特检验，对方程进行异方差检验。heteroskedasticity test: whitef-statistic2.385658prob. f(9,14)0.0701obs*r-squared14.52745prob. chi-square(9)0.1048scaled explained ss5.348064prob. chi-square(9)0.8030test equation:dependent variable: resid2method: least squaresdate: 12/31/09 time: 10:12sample: 1985 2008included observations: 24variablecoefficientstd. errort-statisticprob.c-12.634384.719215-2.6772200.0180lninc1.2005720.9175911.3083960.2118lninc2-0.0196410.074793-0.2626050.7967lninc*lnpro0.0774310.1356890.5706520.5773lninc*lnway-0.2716500.298679-0.9095070.3785lnpro-1.7572371.057261-1.6620660.1187lnpro2-0.0777890.083984-0.9262320.3700lnpro*lnway0.3950780.2667481.4810900.1607lnway4.9294462.7467701.7946340.0943lnway2-0.4672510.480704-0.9720150.3475r-squared0.605310mean dependent var0.010800adjusted r-squared0.351582s.d. dependent var0.011360s.e. of regression0.009147akaike info criterion-6.256361sum squared resid0.001171schwarz criterion-5.765505log likelihood85.07633hannan-quinn criter.-6.126136f-statistic2.385658durbin-watson stat1.688507prob(f-statistic)0.070139因为tr2=240.605310=14.52745 (9)=16.919，证明模型不存在显著的异方差。但于此同时，prob. f(9,14) =0.0701，显著性水平并不算高。从图示和white检验得出的结论并不一致，我们仍决定用加权最小二乘法对异方差进行修正。我们选择了1/ resid 作为权重，加权最小二乘结果如下。dependent variable: lnymethod: least squaresdate: 01/26/10 time: 10:22sample (adjusted): 1987 2008included observations: 22 after adjustmentsweighting series: 1/residvariablecoefficientstd. errort-statisticprob.c-9.1500430.411977-22.210080.0000lninc0.6539580.05060412.922940.0000lnpro0.5344460.0539089.9139650.0000lnway1.3790640.1705028.0882320.0000weighted statisticsr-squared0.999901mean dependent var11.98329adjusted r-squared0.999884s.d. dependent var79.66116s.e. of regression0.148738akaike info criterion-0.810295sum squared resid0.398214schwarz criterion-0.611924log likelihood12.91325hannan-quinn criter.-0.763565f-statistic60315.40durbin-watson stat1.204958prob(f-statistic)0.000000unweighted statisticsr-squared0.990797mean dependent var6.005676adjusted r-squared0.989263s.d. de