影响中国汽车产量的多因素分析

PAGEPAGE10影响中国汽车产量的多因素分析[摘要] 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持续上升的趋势根据经济学原理和生活经验汽车产量可能与钢铁产量运输公路长度、制造业职工人数、私人汽车拥有量、石油消费总量等因素相关，本文通建立多元线性回归模型，引入上述五个变量，利用Eviews软件进行检验分析。在逐步回归分析中先后排除了运输公路长度私人汽车拥有量石油消费总量等三个因素和汽车总产量之间的线性相关性之后又通过异方差性检验和自相关性检验验证了钢铁产量制造业职工人数和汽车总产量之间的线性相关性最后确定了汽车总产量的多元线性回归模型。[关键词] 汽车产量 钢铁产量 制造业职工人数 因素分析一、汽车产业在国民经济中的重要地位促进国民经济的持续快速发展汽车产业是资本技术密集型产业又是劳动密集型产业具有巨大的前后向关联度和很强的波及效果，对国民经济具有很强带动作用。因此，党中央、国务院对发展汽车产业非常重视多次提出要把汽车产业建成国民经济的支柱产业并为此采取了一系列的政策措施在这一指导思想下我国汽车产业取得了快速发展，在国民经济中的地位和作用越来越重要1990-1999年，我国汽车工业总产值占全国工业总产值的比例在 之间；占国民生产总值的比例在0.7%-1.2%之间。汽车工业增加值的比例在1.8%-2.9%之间，增加值年平均增长速度为23.72%,高于同期全国工业增加值21.9%的平均速度。汽车工业利税占全国工业利税的比例为2.2%-4.8%；汽车工业年利税超过1000亿元人民币。据测算，汽车产业对相关产业的带动系数为1：3。2002年广义的汽车产业增加值占GDP的比重达6%。有关专家预测：到2030年，我国汽车产业对GDP的直接影响30%38%2020（2）.有利于全面建设小康社会汽车产业的大规模生产方式和对上下游产业的巨大带动作用为社会提供了大量110推动技术进步和产业结构升级汽车作为一个产品，是高新技术的结晶。作为一个产业，是新技术应用范围推动城市化进程城市化是我国经济社会发展的必然历史过程，汽车产业的发展有助于加快交通的现代化，促进了城市经济繁荣；二是汽车的发展和普及，推动了城市结构年份年份yX1X2X3X4X5加强了城乡之间在物质、文化、信息、人员等方面的交流和联系，有利于推动城乡经济社会一体化发展，缩小城乡差别。二、模型设定根据经济学原理和生活经验，我们把模型设定为：Y=β+βＸ+β

Ｘ+βＸ+βＸ+βＸ+ｕ０ １ １其中：

２ ２ ３ ３ ４ ４ ５ ５y.汽车总产量（万量）X1钢铁产量（万吨）X2运输公路长度（万公里）X3制造业职工人数（万人）X4私人汽车拥有量（万辆）X5石油消费总量（万吨）数据如下：198958.356159.00101.435206.0073.1216575.71199051.406635.00102.835304.0081.6216384.70199171.427100.00104.115443.0096.0417746.891992106.678094.00105.675508.00118.2019104.751993129.858956.00108.355469.00155.2721110.731994136.699261.00111.785434.00205.4221356.241995145.279535.99115.705439.00249.9622955.801996147.5210124.06118.585293.00289.6725010.641997158.2510894.17122.645083.00358.3628110.791998163.0011559.00127.853769.00423.6528426.011999183.2012426.00135.173496.00533.8830187.612000207.0012850.00140.273240.00625.3332053.062001234.1715163.44169.803010.00770.7832784.102002325.1018236.61176.522907.00968.9835528.812003444.3722234.00180.982841.001219.2338107.38三、参数估计使用Eviews软件，根据ols法对模型进行估计得：表1DependentVariable:YMethod:LeastSquaresDate:05/13/05 Time:Sample:19892003Includedobservations:15VariableCX1

Coefficient-51.004370.025241

Std.64.618070.005750

t-Statistic-0.7893214.390066

Prob.0.45020.0017X2-1.1968580.457563-2.6157220.0280X30.0143690.0079831.7999860.1054X40.1207050.0958861.2588390.2398X5-0.0009290.001127-0.8243740.4310R-squared0.996025Meandependentvar170.8173AdjustedR-squared0.993816S.D.dependentvar103.2583S.E.ofregression8.119807Akaikeinfocriterion7.315664Sumsquaredresid593.3814Schwarzcriterion7.598884Loglikelihood-48.86748F-statistic451.0106Durbin-Watsonstat1.708534Prob(F-statistic)0.000000分析：F=451.0106F0.05(5,9)=4.77(0.05)X3,X4,X5t值不显著,x2,x5在多重共线性。四、检验及修正1、多元线性检验计算解释变量之间的简单相关系数：表2X1X2X3X4X5X11.0000000.967588-0.8628610.9905920.945730X20.9675881.000000-0.9173340.9834870.941083X3-0.862861-0.9173341.000000-0.913528-0.904263X40.9905920.983487-0.9135281.0000000.955061X50.9457300.941083-0.9042630.9550611.000000由上表可看出，届时变量之间高度线性相关。表明模型确实存在多元共线性。修正：olsYYX1Y=-89.08702189+0.02303731716*X1 （1）t检验值 （-9.042861） （28.22923）R^2=0.983948 SE=13.57613 F=796.8896、逐步回归将其余解释变量注意带入（1）式得Y=-0.7809499444+0.0316286645864947*（2）1 2T检验指：（-0.034472） （14.52252） （-4.076918）R^2=0.993270 R^2（修正）=0.992148 SE=9.149627 F=885.5407Xx。2 2Y=-207.99033+0.026742418.1714869331*X（3）1 3t检验值（-6.464265） （23.56714） （3.784124）R^2（修正）=0.991462 SE=9.541313 F=813.8449Y=-208.6516481+0.0255053930185839617*0.01984792996*(4)1 3 4t检验值 (-6.184963) （3.821566）(2.072435) R^2（修正）=0.90716 SE=9.949549 F=498.9651Y=-186.2612864+0.026922142016017268X0.0123962601*0.00092498724755)1 3 4 5t检验值(-3.818853) (3.743718) (1.599143) (0.113880) (-0.652324)R^2（修正）=0.990204 SE=10.22 F=354.7865由（4）X3t（5）X5X4,X5Y由上可知，YX,X1 3表3：DependentVariable:YMethod:LeastSquaresDate:05/13/05 Time:Sample:19892003Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-207.990332.17540-6.4642650.0000X10.0267420.00113523.567140.0000X30.0171490.0045323.7841240.0026R-squared0.992682Meandependentvar170.8173AdjustedR-squared0.991462S.D.dependentvar103.2583S.E.ofregression9.541313Akaikeinfocriterion7.525996Sumsquaredresid1092.440Schwarzcriterion7.667606Loglikelihood-53.44497F-statistic813.8449Durbin-Watsonstat2.121992Prob(F-statistic)0.0000002、异方差性检验（Goldfeld-Quandt检验）将样本时间为1989—1994年，然后用OLS方法求得下列结果：DependentVariable:YMethod:LeastSquaresDate:05/13/05 Time:Sample:19891994Includedobservations:6Variable Coefficient Std.Error t-Statistic Prob.C-0.025314251.7579-0.0001010.9999X10.0305110.0046766.5247920.0073X3-0.0264250.051580-0.5123100.6438R-squared0.968100Meandependentvar92.39667AdjustedR-squared0.946833S.D.dependentvar37.00892S.E.ofregression8.533533Akaikeinfocriterion7.432737Sumsquaredresid218.4636Schwarzcriterion7.328617Loglikelihood-19.29821F-statistic45.52136Durbin-Watsonstat2.379145Prob(F-statistic)0.005698Y=-0.025314+0.030511X-0.026425X1 3（-0.0001（6.524792（-0.51231）R^2=0.9681 残差平方和将样本时间定义为1998—2003，再用OLS方法求得如下结果：DependentVariable:YMethod:LeastSquaresDate:05/13/05 Time:Sample:19982003Includedobservations:6VariableCoefficientStd.Errort-StatisticProb.C-251.6990143.0800-1.7591490.1768X10.0277280.0028529.7231630.0023X30.0261140.0322680.8092900.4776R-squared0.990165Meandependentvar259.4733AdjustedR-squared0.983609S.D.dependentvar106.7821S.E.ofregression13.67120Akaikeinfocriterion8.375312Sumsquaredresid560.7049Schwarzcriterion8.271192Loglikelihood-22.12594F-statistic151.0189Durbin-Watsonstat2.665473Prob(F-statistic)0.000975Y=-251.699+0.027728X+0.026114X1 3（-1.7591（9.723） （0.80929）R^2=0.990165 残差平方和F：F=560.7049/218.4636=2.47则接受原假设，表明随机误差不存在异方差。3、自相关性检验(1)DW检验Durlin-Watson0.9461.5431.54〈2.12199〈4-1.543=2.457根据判定区域知，这时随机误差项不存在一阶自相关。(2)图示法检验-20-15-20-15-10-50E(-1)510152015105E 0-5-