基于计量经济学的私人汽车量影响因素分析.doc

基于计量经济学的私人汽车量影响因素分析 （论文） 姓 名：彭思威 学 号：2120150316 班 级：土木工程（管理科学与工程）二一二年十二月二十三日基于计量经济学的私人汽车量影响因素分析摘要：随着我国经济的快速发展，人均收入的不断提高，越来越多的中、高层收入者开始购买小汽车，从而带动我国私人汽车业的迅速发展，使我国每年的汽车销量高速的增长。私人的汽车拥有量自90年代中期开始飞速提升（据相关数据表明，深圳市的私人汽车拥有量更为明显的大幅度提高）。也正因为汽车业的发展，从而拉动一整条产业链上的其他行业发展，对国内经济起到了巨大的推动作用。本论文运用计量经济学方法，从资料中采集到从1995年2010年16年的时间内（考虑到16年时间长度较能充分说明私人汽车量的影响分析），把私人汽车拥有量及其重要影响因素的时间序列为样本，分析了我国平均工资水平、城乡居民存款、货币供应量、城乡居民恩格尔系数、物价指数和汽车产量对我国汽车私人拥有量的影响，并在此基础上对我国汽车市场发展提出建议。关键字：私人汽车拥有量 平均工资 城乡居民存款 货币供应量 城乡居民恩格尔系数 物价指数 汽车产量一 模型设定 根据对我国私人汽车量的数据（下表1）分析，判断可能的影响因素，从定性的分析出发，确定出决定私人汽车量的几个因素，并设定模型。 模型设定如下：Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6+uiY表示私人汽车拥有量（万辆），X1表示平均工资水平（元），X2表示城乡居民存款（亿元），X3表示货币供应量（亿元），X4表示恩格尔系数，X5表示物价指数，X6表示汽车产量（万量）。b0、b1、b2、b3、b4、b5、b6是待定系数，ui是随机误差项。表1为由中国统计局网站得到1995-2010年的有关数据：表1 19952010年相关数据年份私人汽车拥有量（万辆）平均工资水平（元）城乡居民存款（亿元）货币供应量（亿元）城乡居民恩格尔系数物价指数汽车产量1995249.96534829662.3060750.554.3117.1145.271996289.67598038520.8076094.952.5108.3147.521997358.36644446279.8090995.350.8102.8158.251998423.65744653407.47104498.54999.2163.001999533.88831959621.83119897.947.398.6183.202000625.33933364332.38134610.344.3100.4207.002001770.781083473762.43158301.942.9100.7234.172002968.981237386910.65185007.041.999.2325.1020031219.2313969103617.65221222.841.4101.2444.3920041481.6615920119555.39254107.042.5103.9509.1120051848.0718200141050.99298755.741.1101.8570.4920062333.3220856161587.30345603.5939.4101.5727.8920072876.2224721172534.19403442.239.7104.8888.8920083501.3928898217885.35475166.640.8105.9930.5920094574.9132244260771.66606225.038.799.31379.5320105938.7136539303302.50725774.0538.4103.31826.53二 参数估计 运用最小二乘估计（OLS），对模型进行参数估计，得到Eviews的回归结果如表2所示： 表2 回归结果Dependent Variable: YMethod: Least SquaresDate: 20/12/12 Time: 14:17Sample: 1995 2010Included observations: 16VariableCoefficientStd. Errort-StatisticProb.C-1831.258574.6463-3.1867580.0111X1-0.0022990.040145-0.0572690.9556X2-0.0069850.005869-1.1901440.2644X30.0112860.0049312.2885970.0479X426.8835210.088852.6646770.0258X50.9438017.8759800.1198330.9072X60.3163040.7756040.4078170.6929R-squared0.998995Mean dependent var1749.632Adjusted R-squared0.998325S.D. dependent var1692.257S.E. of regression69.25385Akaike info criterion11.61307Sum squared resid43164.86Schwarz criterion11.95108Log likelihood-85.90456F-statistic1491.242Durbin-Watson stat2.396327Prob(F-statistic)0.000000 从回归结果可得出，系数b0、b1、b2、b3、b4、b5、b6分别为：-1831.258、-0.002299、-0.006985、0.011286、26.88352、0.943801、0.316304。 回归方程如下：Y=-1831.26-0.002*X1-0.01*X2+0.01*X3+26.88*X4+0.94*X5+0.32*X6+ui (-3.19) (-0.06) (-1.19) (2.29) (2.66) (0.12) (0.41)0.96 0.26 0.05 0.03 0.91 0.69R2=0.998 F=1491.24 n=16 DW=2.40 (括号内为T统计值,方括号为P值)三 模型检验 根据Eviews的结果，我们对模型进行必要的检验，通过检验把不符合的因素去掉。（一） 经济意义检测 X1代表平均工资水平，由于私人汽车拥有量上涨，X1的值应该为增长趋势，因而符号不对，与现实经济意义不符，故不把X1考虑入模型。（二） 统计推断检测 R=0.998拟合度非常好，F检验也很显著，5个变量的t检验都不是很显著。（三） P值检测X1、X2、X5、X6的P值均大于0.05，可见其对于Y值的相关性不显著。X3和X4的P值小于等于0.05，所以其对于Y的相关性较显著，由此去掉X1、X2、X5、X6，留下X3、X4对其进行模型修正。 再次运用最小二乘估计（OLS），对模型进行参数估计，得到Eviews的回归结果如表3所示： 表3 回归结果Dependent Variable: YMethod: Least SquaresDate: 22/12/12 Time: 19:01Sample: 1995 2010Included observations: 16VariableCoefficientStd. Errort-StatisticProb.C-2352.890305.1361-7.7109530.0000X30.0092480.00015858.440020.0000X437.219676.1376806.0641270.0000R-squared0.998264Mean dependent var1749.632Adjusted R-squared0.997997S.D. dependent var1692.257S.E. of regression75.74329Akaike info criterion11.65994Sum squared resid74581.60Schwarz criterion11.80480Log likelihood-90.27950F-statistic3737.237Durbin-Watson stat1.533470Prob(F-statistic)0.000000 从回归结果可得出，系数b0、b3、b4分别为：-2352.89、0.01、37.22。 回归方程如下： Y=-2352.89+0.01*X3+37.22*X4（58.44） （6.06）0 0R2=0.998 F=3737.24 n=16 DW=1.53(括号内为T统计值,方括号为P值) 可以看出Y关于X3，X4的模型，拟合度非常好，F检验也很显著，t检验结果也很显著，并且P值都等于0，说明对于Y的相关性很显著。 由上可确定，修正后的模型 Y=-2352.89+0.01*X3+37.22*X4 四 多重共线性检验 由于模型的多元性，故需对模型进行多重共线性检验。 首先得出相关系数矩阵，相关系数矩阵表如下：表4 相关系数矩阵YX1X2X3X4X5X6Y10.9846904796646590.9914467221864390.996670664616508-0.736299664052234-0.1060792110627790.996298218890448X10.98469047966465910.9962168011973830.993600581377337-0.812442835750459-0.1440474568383810.973370253492029X20.9914467221864390.99621680119738310.998131774968617-0.79835350554854-0.163989312082250.983188918660454X30.9966706646165080.9936005813773370.9981317749686171-0.782537681597065-0.1502533077877670.991381306725625X4-0.736299664052234-0.812442835750459-0.7983530554854-0.78253768159706510.506633690626273-0.724434257469929X5-0.106079211062779-0.144047456838381-0.16398931208225-0.1502533077877670.5066336906262731-0.0968841186507701X60.9962982188904480.9733702534920290.9831889186604540.991381306725625-0.724434257469929-0.09688411865077011 可以看出，解释变量之间相关系数很大，很可能存在共线性，将解释变量逐步带入回归方程，重新回归修正。 先带入X3得此模型 Y=-512.94+0.01*X3 R2=0.993 F=2092 P=0 T检验显著再带入X6 得模型 Y=-342.52+0.004*X3+1.64*X6 R2=0.997 F=2389 P3=0.0004 P6=0.0008 T检验不显著拟合度上升 F值增加，可以保留，再带入X2得模型 Y=-325-0.005*X2+0.007*X3+1.34*X6 R2=0.997 F=1513.14 P2=0.57 P3=0.15 P6=0.06 T检验不显著由于F值下降，P值相关性不显著，所以X2去掉，再加入X1得模型 Y=-341.71-0.0006*X1+0.004*X3+1.63*X6 R2=0.997 F=1470.36 P1=0.99 P3=0.19 P6=0.03 T检验不显著F值下降，P值相关性不显著，去掉X1，再加入X5 得模型 Y=-1237.58+0.005*X3+8.37*X5+1.40*X6 R2=0.998 F=1746 P3=0.0002 P5=0.16 P6=0.004 T检验不显著 F值下降，X5关于Y的相关性不显著，则去掉X5，再加入X4，得模型 Y=-1759.73+0.01*X3+26.92*X4+0.81*X6 R2=0.999 F=3435.05 P3=0 P4=0.002 P6=0.03 T检验不显著 F值上升，并且关于Y的相关性显著，则予以保留 最终修正后的模型为 Y=-1759.73+0.01*X3+26.92*X4+0.81*X6 R2=0.999 F=3435.05五 怀特检验由于之前检验X6带入模型，影响P值增加，随然在显著范围内，但是t检验却不显著，因而这里带入模型为P值修正后的模型 Y=-2352.89+0.01*X3+37.22*X4 （58.44） （6.06） 0 0 R2=0.998 F=3737.24 n=16 DW=1.53 (括号内为T统计值,方括号为P值)怀特检验如下: 表4 怀特检验White Heteroskedasticity Test:F-statistic8.913501Probability0.001841Obs*R-squared12.22755Probability0.015737