基于计量经济学的私人汽车量影响因素分析

基于计量经济学的私人汽车量

影响因素分析

（论文）

姓名：思威

学号：2120150316

班级：土木工程（管理科学与工程）

二〇一二年十二月二十三日

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，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（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+u i

Y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，u i是随机误差项。

表—1为由中国统计局得到1995-2010年的有关数据：

表—1 1995—2010年相关数据

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: Y

Method: Least Squares Date: 20/12/12 Time: 14:17 Sample: 1995 2010

Included observations: 16

Variable Coefficien

t Std. Error t-Statistic Prob.

C -1831.258 574.6463 -3.186758 0.0111

X1 -0.002299 0.040145 -0.057269 0.9556

X2 -0.006985 0.005869 -1.190144 0.2644

X3 0.011286 0.004931 2.288597 0.0479

X4 26.88352 10.08885 2.664677 0.0258

X5 0.943801 7.875980 0.119833 0.9072

X6 0.316304 0.775604 0.407817 0.6929

R-squared 0.998995 Mean dependent var 1749.632

Adjusted R-squared 0.998325 S.D. dependent var 1692.257

S.E. of regression 69.25385 Akaike info criterion 11.61307

Sum squared resid 43164.86 Schwarz criterion 11.95108

Log likelihood -85.90456 F-statistic 1491.242

Durbin-Watson stat 2.396327 Prob(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+u i (-3.19) (-0.06) (-1.19) (2.29) (2.66) (0.12) (0.41)

[0.96] [0.26] [0.05] [0.03] [0.91] [0.69]

R2=0.998 F=1491.24 n=16 DW=2.40

(括号为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: Y

Method: Least Squares

Date: 22/12/12 Time: 19:01

Sample: 1995 2010

Included observations: 16

Variable Coefficien

t Std. Error t-Statistic Prob.

C -2352.890 305.1361 -7.710953 0.0000

X3 0.009248 0.000158 58.44002 0.0000

X4 37.21967 6.137680 6.064127 0.0000

R-squared 0.998264 Mean dependent var 1749.632 Adjusted R-squared 0.997997 S.D. dependent var 1692.257 S.E. of regression 75.74329 Akaike info criterion 11.65994 Sum squared resid 74581.60 Schwarz criterion 11.80480 Log likelihood -90.27950 F-statistic 3737.237 Durbin-Watson stat 1.533470 Prob(F-statistic) 0.000000