我国汽车保有量影响因素的实证分析

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： 韩立岩（教授）组 长： 霍 岩 （SY0908430）组 员： 罗 曼 （SY0908418）徐一航 （SY0908422）高 欣 （PT0900154）2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3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 .283.2 VAR 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 .374.2 E-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 .4641 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，5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。62 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obs Y INC POP PRO WAY1985 28.49000 739.1000 2.510000 43.72000 92.240001986 34.71000 899.6000 2.640000 36.98000 96.280001987 42.29000 1002.200 2.770000 47.18000 98.220001988 60.42000 1181.400 2.870000 64.47000 99.960001989 73.12000 1375.700 2.950000 58.35000 101.430071990 81.62000 1510.200 3.020000 51.40000 102.83001991 96.04000 1700.600 3.050000 71.42000 104.11001992 118.2000 2026.600 3.240000 106.6700 105.67001993 155.7700 2577.400 3.340000 129.8500 108.35001994 205.4200 3496.200 3.430000 136.6900 111.78001995 249.9600 4238.000 3.520000 145.2700 115.70001996 289.6700 4838.900 3.730000 147.5200 118.58001997 358.3600 5160.300 3.940000 158.2500 122.64001998 423.6500 5425.100 4.160000 163.0000 127.85001999 533.8800 5845.000 4.370000 183.2000 135.17002000 625.3300 6280.000 4.590000 207.0000 140.27002001 770.7800 6859.600 4.810000 243.1700 169.80002002 968.9800 7702.800 5.020000 325.1000 176.52002003 1137.500 8472.000 5.240000 444.3900 180.98002004 1365.000 9422.000 5.430000 507.4100 187.07002005 2365.000 10493.00 5.620000 570.0000 193.05002006 2925.000 11759.00 5.770000 727.9000 204.23002007 3534.000 13786.00 5.940000 888.7000 215.83002008 4173.000 15781.00 6.070000 934.5500 231.5500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: 24Variable Coefficient Std. Error t-Statistic Prob. C 897.0196 413.0232 2.171838 0.04278INC 0.152976 0.069257 2.208826 0.0397POP -634.3657 239.8010 -2.645384 0.0160PRO 3.633753 0.775061 4.688346 0.0002WAY 5.319174 6.415443 0.829120 0.4173R-squared 0.982347 Mean dependent var 859.0079Adjusted R-squared 0.978630 S.D. dependent var 1184.540S.E. of regression 173.1598 Akaike info criterion 13.32936Sum squared resid 569701.9 Schwarz criterion 13.57479Log likelihood -154.9523 Hannan-Quinn criter. 13.39447F-statistic 264.3248 Durbin-Watson stat 1.349399Prob(F-statistic) 0.000000从回归结果可以得出897.0196+0.152976INC-634.3657 POP +3.633753PRO+5.319174WAYYR2=0.982347, 0.978630，DW=1.349399，F=264.32482R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。Corelation INC POP PRO WAYINC 1.000000 0.973659 0.966890 0.979747POP 0.973659 1.000000 0.912449 0.979439PRO 0.966890 0.912449 1.000000 0.956086WAY 0.979747 0.979439 0.956086 1.000000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: 24Variable Coefficient Std. Error t-Statistic Prob. C -573.5450 135.2522 -4.240558 0.0003INC 0.259341 0.019461 13.32624 0.00009R-squared 0.889773 Mean dependent var 859.0079Adjusted R-squared 0.884763 S.D. dependent var 1184.540S.E. of regression 402.1107 Akaike info criterion 14.91099Sum squared resid 3557246. Schwarz criterion 15.00916Log likelihood -176.9318 Hannan-Quinn criter. 14.93703F-statistic 177.5887 Durbin-Watson stat 0.194292Prob(F-statistic) 0.000000-573.5450+0.259341INCYR2=0.889773, 0.884763，DW=0.194292 ，F=177.58872RY 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: 24Variable Coefficient Std. Error t-Statistic Prob. C -2761.142 460.0547 -6.001768 0.0000POP 886.2959 108.5232 8.166877 0.0000R-squared 0.751967 Mean dependent var 859.0079Adjusted R-squared 0.740693 S.D. dependent var 1184.540S.E. of regression 603.1939 Akaike info criterion 15.72201Sum squared resid 8004544. Schwarz criterion 15.82018Log likelihood -186.6641 Hannan-Quinn criter. 15.74805F-statistic 66.69788 Durbin-Watson stat 0.186726Prob(F-statistic) 0.000000-2761.142+886.2959POPYR2=0.751967, 0.740693，DW=0.186726 ，F=66.697882RY 对 c、PRO 回归，得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 12/30/09 Time: 19:29Sample: 1985 200810Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C -293.6910 59.30625 -4.952109 0.0001PRO 4.327902 0.158120 27.37108 0.0000R-squared 0.971472 Mean dependent var 859.0079Adjusted R-squared 0.970175 S.D. dependent var 1184.540S.E. of regression 204.5676 Akaike info criterion 13.55933Sum squared resid 920653.9 Schwarz criterion 13.65750Log likelihood -160.7120 Hannan-Quinn cri