汽车工业发展环境分析和需求模型研究.pdf

- 1 - 中国汽车工业发展环境分析和需求模型研究中国汽车工业发展环境分析和需求模型研究 周晶 上海财经大学统计学系，上海（200433） E-mail：amani_2003_2 摘摘 要：要： 作为我国重要的支柱产业， 近年来我国汽车工业的飞速发展对整体经济起着很大的 影响， 应引起我们的关注。 本文在此背景下尝试讨论中国的汽车工业发展现状在整个世界中 所处地位， 得出结论后对我国的汽车需求作了详尽的分析， 分析我国汽车拥有量的发展规律 以及短期的未来将如何继续发展。 首先本文通过运用聚类和因子分析的统计方法对全世界大 部分国家的汽车拥有量及相关发展环境因素进行实证分析， 从中得出我国拥有较良好的汽车 发展环境但我国汽车消费与发达国家相比还有一定的差距的结论。 接着针对我国的劣势具体 分析在中国影响汽车消费的因素建立协整回归模型分析论证人均汽车保有辆从 80 年代到现 在的发展规律并预测在短期内该如何发展。 本文的意义在于对中国汽车工业的发展全局有一 个更明晰的认识，对汽车保有量的预测将对我国进一步发展汽车工业有重要参考作用。 关键词：关键词：汽车工业，聚类，因子分析，协整回归，序列相关，异方差 中图分类号：中图分类号：C8/F222 1. 引言引言 作为我国重要的支柱产业，汽车工业具有高投入、高产出、规模效益递增、产业关联度 大、科技含量高、经济带动力强的特点，是典型的资金、技术密集型产业，对我国经济持续 增长具有强大的推动力。 中国正在逐渐成为新兴汽车生产基地， 汽车工业成为我国实现新型 工业化的重要载体。1 邓丽娜 从 1953 年第一汽车制造厂奠基以来，中国汽车工业走过了 半个世纪的风风雨雨。在很长时间里，我国的汽车工业发展一直相当缓慢。改革开放以来， 我国从中央到地方都对汽车工业充满了期望， 并逐步确立了汽车工业在我国经济发展中的战 略地位。随着我国工业化进程不断加快,人民生活水平得到了显著提高,与人民生活密切相关 的交通也取得了长足的发展,我国的汽车工业也呈现出一片繁荣景象,并将逐步成为国民经济 的支柱产业之一。2003 年，从国家统计局传来喜讯，汽车制造业销售收入位居通信设备、 计算机及其他电子设备制造业、电力行业、黑色冶金行业和化工行业之后，首次成为我国工 业第五大支柱产业。汽车制造业在工业中所处位置分别为：2000 年第十位，2001 年的第八 位，2002 年第七位。世界各国工业化发展的历史证明，在一个国家进入工业化中期阶段， 从中期阶段到最后完成工业化和现代化， 没有一个大国不是靠汽车工业的高速发展来完成这 一过程的。从我国的具体情况出发，分析汽车工业的现状及存在的问题，抓住机遇，加快发 展， 对增强我国汽车工业的技术开发实力和产业市场竞争能力和国际竞争力具有重大的现实 意义。因此，在我国经济发展的现阶段，研究汽车工业的发展尤其重要。 本文首先针对世界各国汽车工业的发展情况结合与其相关交通环境情况， 采用聚类和因 子分析等统计方法并运用大量数据图表对世界主要国家的情况进行了客观描述与分析， 其中 着重分析我国的所处地位并对未来我国汽车工业发展提供意见。 接着， 本文对民用汽车市场 进行系统的研究分析， 对影响和制约民用汽车市场发展的因素和问题加以剖析， 运用计量经 济学的方法针对影响汽车消费的因素，通过单位根，协整检验建立变量间长期协整关系，以 此建立线性回归模型并加以修正， 分析并给出了经济解释， 对民用汽车市场的消费情况进行 了预测，使整篇论文有理有据，具有较强的理论性和实用性。 - 2 - 2. 世界汽车工业环境发展现状分析世界汽车工业环境发展现状分析 21 世纪，世界汽车产业发展具有不同于上一世纪的一些新特征和新格局。对这些新形 势进行一些考察和分析有利于研究中国汽车产业的发展。 总体而言， 世界汽车产业的发展将 呈现以下几个特征： （1）北美、西欧与日本三大传统市场相互渗透，需求层次升级北美、西欧和日本是世 界上汽车产销量和汽车保有量最大的三个地区， 也是经济最发达的三个地区。 由于它们市场 经济起步早， 市场发育和市场机制完善， 加之近几年来这三个地区的汽车工业不断走向联合 （如雷诺与日产联合、通用与菲亚特结盟等） ，因而三个传统市场必将进一步相互渗透。尽 管目前这三个市场基本饱和，但随着未来网络化、智能化、清洁化等新型汽车的推出，欧、 美、日市场仍将有较大的购买需求，从这个意义上讲，欧、美、日这三大传统市场在近几十 年仍将是世界上最重要的汽车市场。 （2）以中国为中心的亚太地区、南美地区和东欧地区等新型汽车市场需求急剧增加。 随着亚太、 南美和东欧经济的复苏和持续发展， 这三大地区正在成为世界上新兴的汽车市场， 其发展前景越来越被国际汽车界看好。世界五大汽车生产国美、日、德、意、法正是看准了 这三个市场巨大的发展潜力与增长空间，才纷纷在这些地区谋求合作、投资设厂、加强建立 和完善其营销体系和服务网络。尤其值得关注的是中国的汽车市场近些年来，中国的经济 一直持续快速增长，而中国的汽车（尤其是私人轿车）市场正处于普及前期，巨大的潜在需 求即将转化为现实需求， 国际各大汽车公司也都看好这块市场， 纷纷来华进行汽车行业的各 项投资。1 邓丽娜 为了对我国汽车工业发展整体情况有深入的认识,本文将对近年全世界主要国家的汽车 工业及相关情况的资料作了统计分析，得到了一些有意义的结论。 2.1 变量选取与数据收集变量选取与数据收集 我们力求对世界各国的汽车工业及环境情况做一个全面的比较，拟取 passenger cars(per 1000 people)， pump price for diesel fuel($per liter)， pump price for super gasoline($per liter)， roads, paved(%of total roads)，vehicles(per 1000 people)，vehicles(per km of road)1六个变量综 合分析，尤其分析我国汽车工业所处水平。 根据数据的可得性， 从世界银行发展指标数据库中提取了 82 个国家的六个指标的数据， 其中大部分的数据为 2003 年（已最新） ，小部分当年数据缺失由相近年数据代替，故近似认 为我们的分析与客观实际相符。 2.2 模型介绍模型介绍 2.2.1 聚类聚类 本文拟用动态聚类法对这些国家进行聚类。 动态聚类法的基本思想是， 选择一批凝聚点 或给出一个初始的分类， 让样品按某种原则向凝聚点凝聚， 对凝聚点进行不断的修改或迭代 稳定为止。它的优点是不必确定距离矩阵，在计算机运行中也不必存储基本数据，因此与系 统聚类法相比更适用于大的数据集， 更适用于本文所讨论的数据。 动态聚类法有很多种方法， 本文将介绍一种较常用的动态聚类法k 均值法。此方法是麦奎因（MacQueen，1967） 1 选取六变量对应中文翻译为：每千人乘用车拥有量（辆） ，每公升柴油价格（$） ，每公升汽油价格（$） ， 公路道路铺设比例（%） ，每千人拥有车辆（辆） ，每公里道路车流量（辆） - 3 - 提出并命名的一种算法，基本步骤为： （1）选择 k 个样本作为初始凝聚点，或者将所有样本分成 k 个初始类，然后将这 k 个 类的重心（均值）作为初始凝聚点。 （2）对除凝聚点之外的所有样本逐个分类，将每个样本归入凝聚点离它最近的那个类 （通常采用欧式距离） ， 该类的凝聚点更新为这一类目前的均值， 直至所有样本都归入了类。 （3）重复步骤（2） ，直至所有的样本都不能再分配为止。2 王学民 2.2.2 因子分析因子分析 因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法。 线 性综合指标往往是不能直接观测到的，但它更能反映事物的本质。与主成分分析相比，因子 分析较为灵活（体现在因子旋转上） ，这种灵活性使得变量在降维之后更易得到解释，即综 合指标更容易解释。 设有 p 维可观测的随机变量 12 ( ,) p xx xx=,其均值为 12 (,) p =,协方差 矩阵为() ij = 。因子分析的一般模型为： 1111 112211 2221 112222 (2-1) mm mm pp xa fa faf xa fa faf x =+ =+ =+ 1 122pppmmp afafaf + 其中 12 , m fff为公共因子， 12 , p 为特殊因子，它们都是不可测的随机变量。 此模型亦可用矩阵表示为： x =+Af+ (2-2) 式中 f= 12 (,) m fff为公共因子向量， 12 ( ,) p 为特殊因子向量，A (): ij apm称为因子载荷矩阵。通过对因子载荷矩阵的估计和因子旋转对公共因子的合理 解释即可建立适当的因子模型并对其进行分析。同时让我们感兴趣的是给出每一个样本 i x 关于 m 个公共因子的得分，从得分排序中我们可以得到一些有意义的结论。接下来我们将 用本文数据对 82 国的汽车工业情况及环境进行聚类并同时建立因子模型进行实证分析。2 王学民 2.3 实证分析实证分析 2.3.1 用聚类法做实证分析用聚类法做实证分析 根据聚类模型的介绍，我们使用 k 均值法进行聚类。为保证同等对待每一变量，在聚类 前，先对各变量做标准变换。借助统计软件我们可将所有 82 个国家分为以下四类，分别为： 第 I 类：巴林，巴巴多斯岛，加拿大，塞浦路斯，冰岛，卢森堡，马耳他，新西兰， 美国。 第 II 类：德国，中国香港，以色列，韩国，中国澳门，葡萄牙。 第 III 类：奥地利，比利时，保加利亚，克罗地亚，捷克，丹麦，爱沙尼亚，芬兰，法 - 4 - 国，希腊，匈牙利，爱尔兰，意大利，日本，拉脱维亚，荷兰，挪威，波兰，斯洛伐克，斯 洛文尼亚，西班牙，瑞典，土耳其，英国。 第 IV 类：阿尔巴尼亚，阿根廷，阿塞拜疆，白俄罗斯，玻利维亚，博茨瓦纳，巴西， 柬埔寨，智利，中国，哥伦比亚，哥斯达黎加，厄瓜多尔，埃塞俄比亚，冈比亚，乔治亚苏 维埃，洪都拉斯，印度，约旦，哈萨克，肯尼亚，马来群岛，毛里求斯，墨西哥，摩尔多瓦， 蒙古，摩洛哥，纳米比亚，尼加拉瓜，巴基斯坦，巴拿马，秘鲁，菲律宾，罗马尼亚，俄国 联盟，塞内加尔，塞拉利昂，新加坡，斯里兰卡，苏里南，叙利亚，乌干达，乌克兰。 表2-1 最终聚类中心 Cluster 1 2 3 4 passenger cars(per 1000 people) 1.45 .27 .82 -.80 pump price for diesel fuel($per liter) -.69 .51 1.19 -.59 pump price for super gasoline($per liter) -.55 .94 1.04 -.59 roads, paved(%of total roads) .31 1.04 .60 -.54 vehicles(per 1000 people) 1.54 .23 .78 -.79 vehicles(per km of road) .15 2.95 -.12 -.37 根据上表的最终凝聚点我们可知第 I 类国家为车辆拥有率居多的国家。 第 II 类国家的特 点是公路铺设较多且车流量较大的国家。第 III 类国家的油费较昂贵，但其他诸如车量，拥 有率都处于适中水平。第 IV 类国家的共同特点为各指标都处于较低水平，即拥有率低，车 流量低，公路铺设率低，但油费也相对较便宜。而中国恰恰是第 IV 类国家，说明我国的汽 车工业及其环境还处在发展阶段， 有很长一段路可以走， 随着中国的工业化进程及对汽车工 业，交通方面的日益关注，我国的汽车工业将会得到蓬勃发展，现在以至将来会改变 2003 年（本数据）的状态，成为汽车大国。 表2-2 方差分析表 Cluster Error F Sig. Mean Square dfMean Square df passenger cars(per 1000 people) 21.048 3 .229 78 91.942 .000 pump price for diesel fuel($per liter) 18.302 3 .335 78 54.711 .000 pump price for super gasoline($per liter) 16.340 3 .410 78 39.855 .000 roads, paved(%of total roads) 9.554 3 .671 78 14.239 .000 vehicles(per 1000 people) 21.067 3 .228 78 92.327 .000 vehicles(per km of road) 19.543 3 .287 78 68.139 .000 我们再来分析一下这六个变量的显著性。 从以上方差分析表中， 我们可以看到六个变量 的 F 值都有显著差异（P0.000） ，可见在聚类分析中都有用，没有需要删除的变量。 通过以上的聚类分析，我们大体了解了中国所处的整体情况。接下来，本文将再根据这 些数据进行适当的因子分析来进行更详尽的具体分析。 我们对其做因子分析的目的是想通过 压缩指标的方法寻找潜在类别，分别分析各样本国家的特点。 - 5 - 2.3.2 用因子分析法做实证分析用因子分析法做实证分析 再做因子分析之前，先对数据进行 KMO 和 Bartletts 球形检验以验证其是否满足做因 子分析的适用条件。KMO 检验是用于探查变量间的偏相关性，它比较的是各变量间的简单 相关和偏相关的大小， KMO 统计量越接近 1 做因子分析的效果越好， 本文所用数据的 KMO 统计量值（见下表）为 0.641 做因子分析效果尚可。Bartletts 球形检验是用于检验相关阵是 否是单位阵，即各变量是否各自独立。我们从下表中可以看到 P0.000，应拒绝原假设。综 合两检验，我们可以对各国家数据进行因子分析。 表2-3 KMO检验和Bartletts检验表 Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .641 Bartletts Test of Sphericity Approx. Chi-Square 483.150 df 15 Sig. .000 表2-4 共性方差表 Initial Extraction passenger cars(per 1000 people) 1.000 .972 pump price for diesel fuel($per liter) 1.000 .954 pump price for super gasoline($per liter) 1.000 .958 roads, paved(%of total roads) 1.000 .696 vehicles(per 1000 people) 1.000 .967 vehicles(per km of road) 1.000 .872 共性方差反映公共因子对各变量的提取的比例， 即对原始变量的方差贡献。 从共性方差 表 2-4 中可以看出，除公路铺设比例变量尚有 30左右的信息未被提取外，各变量的信息 都提取的较充分。 表2-5 总方差贡献表 Component Initial Eigenvalues Total % of Variance Cumulative % 1 3.347 55.779 55.779 2 1.091 18.180 73.959 3 .981 16.349 90.308 4 .483 8.050 98.357 5 .084 1.407 99.764 6 .014 .236 100.000 通过主成分法进行因子分析， 从总方差贡献表 2-5 中我们发现取 2 个公共因子的解释总 方差的累计比例为 73.959， 而当取 3 个公共因子时达到了 90.308， 故取 3 个公共因子较 为合适，减少了一半的变量仍保留了原始变量的绝大部分信息，结果较为理想。 - 6 - 表2-6 旋转主成分矩阵 Component 1 2 3 * 1 x：passenger cars(per 1000 people) .936 .277 .140 * 2 x：pump price for diesel fuel($per liter) .259 .940 .050 * 3 x：pump price for super gasoline($per liter) .210 .932 .211 * 4 x：roads, paved(%of total roads) .498 .100 .662 * 5 x：vehicles(per 1000 people) .946 .238 .124 * 6 x：vehicles(per km of road) .018 .136 .924 为了使公共因子更易于解释，本文对其采用最大方差旋转法进行了因子旋转。接着，我 们来看做完因子旋转后的因子载荷， * 15 ,x x在因子 * 1 f上具有很大的正载荷，在 * 6 x上有小的 载荷，其余有中等载荷，该因子可称为汽车拥有率因子。在因子 * 2 f上， * 23 ,x x有很大的正 载荷，在 * 4 x有小的载荷，其余有中等载荷，该因子可称为油价因子。在因子 * 3 f上， * 46 ,x x有 很大的正载荷，其余都只有小的载荷，这个因子可称为道路因子。 再根据因子标准得分系数表（略） ，可用一下公式算得因子得分： * 1123456 * 2123456 * 31 0.5130.1040.1690.1620.5340.221 (2-3) 0.0880.5770.5660.1520.1160.023 (2-4) 0.1090.126 fxxxxxx fxxxxxx fxx =+ = + = * 23456 0.0260.4610.1210.786 (2-5)xxxx+ 将 82 个国家六个指标的数据经过标准化后代入上述因子得分公式，可得每个国家的三 个因子的得分数值，并分别对各因子按因子得分大小由高到低排序列于以下三张表。 表2-7 按汽车拥有率因子得分 * 1 f 的排序 排名排名 国家国家 * 1 f 排名国家排名国家 * 1 f 排名国家排名国家 * 1 f 1 新西兰 2.43913 29 荷兰 0.46747 57 厄瓜多尔 -0.70199 2 卢森堡 2.43897 30 马来群岛 0.39214 58 叙利亚 -0.70315 3 美国 2.29558 31 波兰 0.30465 59 中国澳门 -0.71426 4 冰岛 1.83317 32 白俄罗斯 0.19659 60 巴基斯坦 -0.74585 5 加拿大 1.74896 33 克罗地亚 0.19155 61 乔治亚苏维埃 -0.77079 6 马耳他 1.6582 34 斯洛伐克 0.08489 62 纳米比亚 -0.793 7 法国 1.38299 35 匈牙利 0.00075 63 哥伦比亚 -0.85296 8 塞浦路斯 1.3621 36 以色列 -0.0469664 菲律宾 -0.8827 9 西班牙 1.3468 37 葡萄牙 -0.0853365 印度 -0.90766 10 意大利 1.34132 38 乌克兰 -0.0894566 毛里求斯 -0.90924 11 奥地利 1.30222 39 苏里南 -0.1089967 蒙古 -0.94425 - 7 - 12 斯洛文尼亚 1.2417 40 俄国联盟 -0.1100168 洪都拉斯 -0.94613 13 日本 1.148 41 哈萨克 -0.1222 69 玻利维亚 -0.94788 14 比利时 1.07498 42 阿根廷 -0.2815670 摩洛哥 -0.96137 15 巴林 1.00886 43 摩尔多瓦 -0.2870471 埃塞俄比亚 -0.98952 16 巴巴多斯岛 0.90486 44 墨西哥 -0.2913372 尼加拉瓜 -1.006 17 爱尔兰 0.8956 45 约旦 -0.3788773 阿尔巴尼亚 -1.09002 18 挪威 0.83037 46 罗马尼亚 -0.4090274 冈比亚 -1.09012 19 捷克 0.77728 47 巴西 -0.4463575 柬埔寨 -1.09924 20 瑞典 0.76805 48 阿塞拜疆 -0.4713 76 秘鲁 -1.20214 21 德国 0.76118 49 韩国 -0.5016477 肯尼亚 -1.21036 22 英国 0.68418 50 巴拿马 -0.5175878 塞拉利昂 -1.21125 23 希腊 0.68278 51 哥斯达黎加-0.5421979 塞内加尔 -1.25618 24 芬兰 0.6765 52 中国中国 -0.5843280 乌干达 -1.26822 25 拉脱维亚 0.62132 53 新加坡 -0.6056781 土耳其 -1.47059 26 保加利亚 0.58878 54 斯里兰卡 -0.6184482 中国香港 -2.01079 27 丹麦 0.57164 55 博茨瓦纳 -0.66384 28 爱沙尼亚 0.49781 56 智利 -0.67366 从汽车拥有率因子得分表可得出新西兰，卢森堡，美国，冰岛，加拿大等国拥有最高的 平均汽车拥有率。而中国香港，土耳其，乌干达，塞内加尔，赛拉利昂等国的汽车拥有率相 对最低。我国所处的位置在 82 国中的 50-60 间，说明我国的汽车拥有率还是很低的，同时 也表现出我国的待开发潜力也非常大，近两年我国汽车工业的飞速发展正说明了这一点。 表2-8 按油价因子得分 * 2 f 的排序 排名排名 国家国家 * 2 f 排名国家 排名国家 * 2 f 排名国家排名国家 * 2 f 1 英国 2.01678 29 肯尼亚 0.4502 57 加拿大 -0.72712 2 挪威 1.90538 30 罗马尼亚 0.43879 58 斯里兰卡 -0.76239 3 瑞典 1.84192 31 塞拉利昂 0.4327 59 巴拿马 -0.80578 4 土耳其 1.63097 32 奥地利 0.40548 60 巴基斯坦 -0.81244 5 荷兰 1.58059 33 摩洛哥 0.40141 61 墨西哥 -0.85829 6 丹麦 1.57887 34 爱沙尼亚 0.38502 62 中国澳门 -0.86679 7 芬兰 1.52585 35 哥斯达黎加0.34892 63 菲律宾 -0.88146 8 匈牙利 1.38277 36 冈比亚 0.10065 64 塞浦路斯 -0.91331 9 意大利 1.34643 37 以色列 0.04321 65 苏里南 -0.9259 10 中国香港 1.26506 38 拉脱维亚 0.02659 66 马耳他 -0.94536 11 阿尔巴尼亚 1.19959 39 洪都拉斯 0.01789 67 厄瓜多尔 -1.0232 12 德国 1.1619 40 保加利亚 -0.0022468 卢森堡 -1.04389 13 法国 1.11629 41 智利 -0.0044169 俄国联盟 -1.05788 - 8 - 14 爱尔兰 1.11539 42 柬埔寨 -0.0493570 巴巴多斯岛 -1.09551 15 比利时 1.09685 43 印度 -0.0802271 白俄罗斯 -1.10417 16 斯洛伐克 0.94961 44 冰岛 -0.0815372 中国中国 -1.13072 17 克罗地亚 0.93203 45 尼加拉瓜 -0.1314273 乌克兰 -1.17094 18 塞内加尔 0.88591 46 毛里求斯 -0.1369574 新西兰 -1.25421 19 波兰 0.85966 47 纳米比亚 -0.1687975 哈萨克 -1.25929 20 韩国 0.85191 48 乔治亚苏维埃-0.1731576 美国 -1.32188 21 葡萄牙 0.83558 49 蒙古 -0.1771477 叙利亚 -1.36559 22 希腊 0.83376 50 巴西 -0.2360478 摩尔多瓦 -1.43387 23 乌干达 0.76398 51 博茨瓦纳 -0.3694679 约旦 -1.46812 24 秘鲁 0.73314 52 新加坡 -0.4835 80 阿塞拜疆 -1.51422 25 西班牙 0.5804 53 哥伦比亚 -0.5755181 马来群岛 -1.85871 26 日本 0.49605 54 埃塞俄比亚-0.612 82 巴林 -2.18463 27 斯洛文尼亚 0.4914 55 阿根廷 -0.69432 28 捷克 0.45153 56 玻利维亚 -0.71873 从油价因子得分表可得出英国，挪威，瑞典，土耳其，荷兰等国的汽车用油价格是相当 昂贵的，这可能与其当地不产油而从国外进口有关。相比之下，巴林，马来群岛，阿塞拜疆， 约旦，摩尔多瓦则油价很便宜。再看中国，它的排名在 72 位，说明我国的汽车用油价格还 是很低廉的，这对我国反展汽车工业是一个很有利的因素。 表2-9 按道路因子得分 * 3 f 的排序 排名排名 国家国家 * 3 f 排名 排名 国家国家 * 3 f 排名排名 国家国家 * 3 f 1 中国香港 4.25229 29 保加利亚 0.07413 57 智利 -0.58443 2 葡萄牙 3.48414 30 丹麦 0.06453 58 厄瓜多尔 -0.59681 3 中国澳门 2.76527 31 墨西哥 0.06248 59 哥伦比亚 -0.60397 4 德国 2.42528 32 法国 0.04373 60 叙利亚 -0.61197 5 新加坡 1.75877 33 西班牙 0.03068 61 苏里南 -0.61413 6 韩国 1.74605 34 希腊 0.01525 62 博茨瓦纳 -0.61867 7 以色列 1.5175 35 毛里求斯 -0.0095663 塞内加尔 -0.66902 8 约旦 1.32567 36 拉脱维亚 -0.0227 64 菲律宾 -0.72321 9 马耳他 1.105 37 斯洛文尼亚-0.0542 65 匈牙利 -0.74016 10 马来群岛 0.87877 38 摩洛哥 -0.0658266 秘鲁 -0.76528 11 巴林 0.80669 39 阿塞拜疆 -0.1471 67 哥斯达黎加 -0.77983 12 巴巴多斯岛 0.78461 40 巴基斯坦 -0.1662268 加拿大 -0.80295 13 土耳其 0.7002 41 比利时 -0.1794269 乌干达 -0.81209 14 乌克兰 0.67924 42 塞浦路斯 -0.1864870 埃塞俄比亚 -0.81846 15 意大利 0.47838 43 波兰 -0.1889471 尼加拉瓜 -0.83149 - 9 - 16 摩尔多瓦 0.44353 44 印度 -0.2137872 冈比亚 -0.8528 17 白俄罗斯 0.36932 45 爱尔兰 -0.2632173 奥地利 -0.88311 18 俄国联盟 0.36567 46 阿根廷 -0.3138 74 巴西 -0.90853 19 荷兰 0.34632 47 巴拿马 -0.3157475 肯尼亚 -0.91693 20 卢森堡 0.28304 48 罗马尼亚 -0.4148276 玻利维亚 -0.938 21 克罗地亚 0.27876 49 乔治亚苏维埃-0.4274477 纳米比亚 -0.96525 22 哈萨克 0.23878 50 挪威 -0.4372178 塞拉利昂 -1.07619 23 日本 0.21252 51 新西兰 -0.4628679 蒙古 -1.09831 24 中国中国 0.1618 52 柬埔寨 -0.4666680 冰岛 -1.1244 25 捷克 0.14483 53 芬兰 -0.4911781 爱沙尼亚 -1.15145 26 斯洛伐克 0.12062 54 洪都拉斯 -0.4947482 瑞典 -1.27679 27 斯里兰卡 0.11856 55 美国 -0.49945 28 英国 0.07904 56 阿尔巴尼亚-0.57592 从道路因子得分表可得出中国香港，葡萄牙，中国澳门，德国，新加坡，韩国等国家的 公路铺设比例及公路利用率较高。而瑞典，爱沙尼亚，冰岛，蒙古，塞拉利昂则在汽车道路 方面不太理想。中国在道路方面排在第 24 位，说明我国处于中上游水平，如果能进一步铺 设公路将对我国的汽车工业提供更好的发展环境。 以上的因子分析结果基本与聚类结果一致。 综合这三张表， 我们不难发现一些特殊的现 象： 新西兰和美国都拥有高的汽车拥有率且油价很低， 意大利的汽车拥有率很高的同时油价 却很高。 马耳他有相当高的汽车拥有率且道路利用率很高， 同样有高拥有率的冰岛道路方面 却很不理想。相反，土耳其和中国香港汽车拥有率很低而油价却相当的高，其中中国香港的 道路水平排在了第一位， 这与香港的地少人多与其经济繁荣成正相关。 肯尼亚和塞拉利昂汽 车拥有率很低同时道路情况也欠佳。 约旦和马来群岛有很低的油价水平且它们的道路利用水 平较高，相反瑞典油价高而道路水平是 82 国里最差的。对于中国来说，拥有低的油价和较 良好的公路道路水平为我国发展汽车工业提供了有利的环境， 特别是为提高我国的民用汽车 的需求，促进汽车销售较为有利，但我国目前的汽车拥有率仍非常的低。我国应认清这一事 实扬长避短，可持续发展汽车工业努力向汽车大国迈进。 3. 我国民用汽车市场消费现状分析及预测我国民用汽车市场消费现状分析及预测 鉴于中国目前有较良好的发展环境而汽车工业自身却不尽理想， 或者说可上升的空间还 相当的大，就此，我们将着重分析我国汽车工业的具体情况，特别对汽车消费需求做进一步 分析。中国汽车工业走过了四十年的发展历程,特别是改革开放以来,更是取得了蓬勃发展。 我国经济的快速发展为汽车工业提供了巨大的发展空间,同时也提供了巨大的市场。2002 年， 我国汽车工业出现了近几年来少有的高速增长态势， 成为我国国民经济的一大亮点。 2002 年，全行业共销售汽车324.81万辆，同比增长36.65%。2003年汽车销售约 440 万辆，销售 额首次突破 1 万亿元，销售量仅排在美国（1200 万辆） ，日本（800 万辆）之后，超过德 国（324 万辆）成为世界上第三大汽车消费国。从我国汽车工业的现状和世界汽车工业发展 水平来看,我国汽车发展的销售市场在较长一段时间内将以国内市场为主,这就需要对影响国 内汽车市场发展的各个因素进行分析,对国内市场需求做出科学预测,合理的制定长期和短期 - 10 - 发展计划。3郭连军,李莲花 3.1 影响我国汽车消费的因素影响我国汽车消费的因素 （1）消费结构和水平 消费结构和水平是影响汽车消费市场的重要因素之一。 居民消费结构升级将引导我国汽 车行业持续健康发展。19851988 年， 我国城镇居民经历了以家用电器普及为主要内容的 第一次消费结构升级。2004 年我国人均 GDP 是 1270 美元，而按世界银行测算的购买力平 价方法则超过 4000 美元。在一些发达城市和东南沿海地区，人均 GDP 按官方汇率计算，达 到四五千美元，呈现出明显的即将进入汽车社会的特征。随着居民可支配收入的稳步提高， 我国城乡居民存款大幅度增加。数据显示， 与一些发达国家相比，我国居民的消费率一般 低 1520 个百分点，属于典型的高储蓄、低消费国家， 平均消费率多年在低位徘徊，大体 在 60。消费率偏低已成为经济增长的不利因素。目前，居民的消费结构开始升级，处于 以发展性消费为主的阶段，发展空间相当大。居民消费性支出中汽车、住房、教育等成为消 费的热点。 （2）交通环境和交通管理 我国公路建设的高速发展为汽车消费市场的发展带来了有利的前提条件，特别是 20 世 纪 80 年代末以来， 我国高速公路得到了较快的发展， 1988 年末全国只有高速公路 0.01 万公 里，2003 年我国的公路情况已排在 82 个国家中的第 24 位，到 2004 年，全国高速公路已达 3.43 万公里，15 年间增长了近 350 倍，且发展速度还在继续加快。当然，中国在加快交通 基础设施建设的过程中， 要不断加强对道路交通的长远规划和有效管理， 并努力提高全民的 交通法规意识，以适应未来相当长的时期内汽车保有量迅速上升的需要。4 邱媛，张本照 （3）油价 通过前面的因子分析，我国的油价相对其他国家比较便宜。但近几年来，油价总体将保 持上升势头，油价达到一定的价格水平，对汽车消费将产生显著的影响；从消费者心理的变 化角度看, 随着高收入群体汽车保有量的逐步饱和，中高收入者将逐步成为汽车消费主流群 体，对油价变动的敏感性将逐步提高。 （4）汽车信贷 随着私人消费占据主导地位， 消费群体向普通家庭的扩散， 汽车消费对信贷的依赖度将 显著提高。 缺乏信贷支持的汽车市场增长将难以发展， 积极推动汽车消费信贷仍将是政府长 期的政策取向。如果信贷政策重新松动，对市场的刺激作用会相当显著，尤其是对乘用车消 费增速影响更大。 3.2 汽车消费模型的建立与预测汽车消费模型的建立与预测 3.2.1 变量选取变量选取 汽车保有量是评价汽车消费需求的主要指标，本模型以人均民用汽车保有量(单位：辆) 为被解释变量。 因为近年来我国汽车购买的主要考虑因素仍是个人的储蓄情况， 而且人均储 蓄与人均收入常年成固定比例，所以将人均存款余额（单位：元）代替人均收入纳入解释变 量。另外，道路与汽车息息相关，人均公路里程对汽车保有量有直接影响，所以本文所取的 另一解释变量为人均公路里程（单位：公里） 。虽然油价和汽车贷款利率对汽车保有量有影 响， 但由于其影响不够显著且前两个解释变量已从数据上起到了较好的解释作用， 所以我们 将这两个变量剔除。对于所考虑的因变量与自变量，因为其存在不同的量纲，而且我们更关 - 11 - 心其相对数变化对汽车保有有量的影响, 所以采用对数模型进一步分析。我们令 1 2 y: lcar-lg() x : lsaving-lg() x : lroad-lg() 人均民用汽车保有量 人均存款余额 人均公路里程 3.2.2 数据整理数据整理 对于建模所需变量，我们都采用 1980-2005 年的数据，从这些数据我们不难看出它们都 随着时间持续的增长，皆不是平稳序列。而经典回归模型是建立在平稳数据变量基础上的。 对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。但有一种情况 是例外的，如果变量之间存在长期的稳定关系，即协整，则可以使用经典回归模型方法建立 回归模型。我们对这三组数据进一步做单位根检验（ADF 检验）已确认其非平稳性。在检 验时，我们结合序列图选择恰当的模型（仅有截距项，有截距项及趋势项，无截距项无趋势 项） ，并多次试验选择恰当的滞后项，根据 AIC 和 SC 准则选择最小的 AIC 值和 SC 值，确 保检验的效果。于是得出结果： 表 3-1 三变量单位根检验结果 lcar t-StatisticProb.* Augmented Dickey-Fuller test statistic -3.2409790.1004 Test critical values: 1% level-4.394309 5% level-3.612199 10% level-3.243079 lsaving t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.5055970.9758 Test critical values: 1% level-4.394309 5% level-3.612199 10% level-3.243079 lroad t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.684205 0.9634 Test critical values: 1% level-4.374307 5% level-3.603202 10% level-3.238054 ADF 检验的原假设变量至少存在一个单位根，如果接受原假设，则序列具有单位根， 是非平稳序列。反之序列平稳。看以上三张检验表，不难看出任一变量序列的 t 统计量值比 显著水平为 10的临界值都大，所以不能拒绝原假设，三序列都存在单位根，是非平稳的。 同样，我们对这三个变量一阶差分再进行 ADF 检验，容易得到三变量的一阶差分序列仍是 非平稳序列。于是对其进行二阶差分，进行 ADF 检验的结果是： - 12 - 表 3-2 三变量二阶差分单位根检验结果 lcar 二阶差分序列 t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.381753 0.0000 Test critical values: 1% level-2.669359 lsaving 二阶差分序列 t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.419178 0.0001 Test critical values: 1% level-2.669359 lroad 二阶差分序列 t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.900641 0.0049 Test critical values: 1% level-4.532598 结果显示很明显三个二阶差分序列都已成为平稳序列， 因为其 t 统计量值比显著水平为 1的临界值都小，至少在 99的置信水平下拒绝原假设，因此 lcar，lsaving，lroad 是二阶 单整序列。下图为三变量二阶差分后的图： 图 3-1 lcar 二阶差分图 图 3-2 lsaving 二阶差分图 图 3-3 lroad 二阶差分图 3.2.3 模型估计与改进模型估计与改进 由于 lcar，lsaving 和 lroad 是二阶单整序列，具有同阶单整性。接下来，令 lcar 为被解 释变量，其他变量为解释变量，进行 OLS 估计并检验残差序列是否平稳，来验证他们是否 存在协整关系，建立关于 lcar 的经典回归是否可行。采用 EG 检验，第一步，用 OLS 法估 计方程并计算均衡误差，得到： -0.06 -0.04 -0.02 0 0.02 0.04 0.06 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 -0.05 -0.03 -0.01 0.01 0.03 0.05 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 -0.08 -0.06 -0.04 -0.02 0 0.02 0.04 0.06 0.08 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 - 13 - 01122tttt YXX=+ (3-1) t tt eYY= (3-2) 第二步，检验 t e 的单整性。如果 t e 为稳定序列，则认为变量 lcar, lsaving, lroad 为（2，2）阶 协整；如果 t e 为 1 阶单整，则认为变量 lcar, lsaving, lroad 为（2，1）阶协整。于是我们使用 ADF 检验来检验 t e 是否有单位根，得到变量之间是否有协整关系的结论。检验结果如下： 表 3-3 残差单位根检验结果 残差 t e t-StatisticProb.* Augmented Dickey-Fuller test statistic -2.073470.0388 Test critical values: 5% level-1.95502 易得其 t 统计量值比显著水平为 5的临界值都小，在 95的置信水平下拒绝原假设， 因此可认为 t e为平稳序列， 三个变量存在协整关系， 所以以 lcar 为因变量的经典回归方程是 可行的。 于是就可以通过 OLS 法得到经典回归结果如下表： 表 3-4 OLS 回归结果 Variable Coefficient Std. Error t-Statistic Prob. C -0.587673 0.291185 -2.01821 0.0554 LSAVING 0.362567 0.008852 40.95678 0.0000 LROAD 0.898115 0.090203 9.956587 0.0000 R-squared 0.996189 Mean dependent var -2.20005 Adjusted R-squared 0.