影响中国汽车产量的多因素分析

1、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，本文通过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

2、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（ 1）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2 .1%-3.7% 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

3、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1 000 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的直接影响将占8% ，间接影响将占30%；汽车产业对国民经济贡献率将达38% 。由此可见，近些年来，我国国民经济的快速增长，汽车产业做出了很大的贡献。到 2020 年要实现国民经济翻两番的奋斗目标，离开了汽车产业的快速发展也是难以实现的。（2 ）.

4、有利于全面建设小康社会发展汽车产业对全面建设小康社会有很大的推动作用。一是有利于增加就业。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的就业机会。根据笔者的测算和国外的相关经验，汽车产业对就业的带动作用为1；10, 即 1 个汽车产业的直接就业可带来10 个与汽车产业相关的就业机会。二是有利于满足人民的消费需求。 随着我国国民经济的快速发展和人民生活水平的提高，人民的消费需求已逐步由吃、穿、用为主向住和行为主转变，因此，发展汽车产业有利于满足人民不断增长的消费需求，有利于推动居民消费结构的升级。三是有利于改变人民的生活方式，提高生活质量。 随着我国汽车产业的发展和汽车普

5、及率的提高， 将极大地提高人们的出行效率，拓展活动空间， 提高出行的舒适性。(3). 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，是新技术应用范围最广、数量最多、周期最长、规模最大的产业。它不仅本身的生产制造有很高的技术要求，而且对相关产业如原材料产业、装备制造业、 配套产业等也有很高的技术要求。因此，汽车产业的发展不仅要求本身广泛发展和使用新技术，也要求相关产业广泛发展和使用新技术。因此，发展汽车产业对推动技术进步和产业结构升级具有重要作用。(4). 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我国城市化进程。 一是汽车的发展

6、和普及， 改变了城市交通的面貌， 推动了城市交通的现代化， 促进了城市经济繁荣； 二是汽车的发展和普及， 推动了城市结构的改变，促进了围绕大城市而建立的卫星城市群落发展；三是汽车的发展和普及，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。我国正处于全面建设小康社会的重要战略机遇期，大力发展汽车产业， 全面推进国民经济各部门持续健康发展，是当前我们面临的重大任务。因此，通过建立计量经济学模型，研究汽车产量和相关因素的依存度，是一件很有意义的事。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= + + + + + + 其中：y

7、. 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：年份yX1X2X3X4X5198958.356159.00101.435206.0073.1216575.71199051.406635.00102.835304.0081.6216384.70199171.427100.00104.115443.0096.0417746.891992106.678094.00105.675508.00118.2019104.751993129.858956.00108.355469.00155.2

8、721110.731994136.699261.00111.785434.00205.4221356.241995145.279535.99115.705439.00249.9622955.801996147.5210124.06118.585293.00289.6725010.641997158.2510894.17122.645083.00358.3628110.791998163.0011559.00127.853769.00423.6528426.011999183.2012426.00135.173496.00533.8830187.612000207.0012850.00140.2

9、73240.00625.3332053.062001234.1715163.44169.803010.00770.7832784.102002325.1018236.61176.522907.00968.9835528.812003444.3722234.00180.982841.001219.2338107.38三、 参数估计使用 Eviews 软件，根据 ols 法对模型进行估计得：表 1Dependent Variable: YMethod: Least SquaresDate: 05/13/05Time: 09:44Sample: 1989 2003Included observati

10、ons: 15VariableCoefficientStd. Errort-StatisticProb.C-51.0043764.61807-0.7893210.4502X10.0252410.0057504.3900660.0017X2-1.1968580.457563-2.6157220.0280X30.0143690.0079831.7999860.1054X40.1207050.0958861.2588390.2398X5-0.0009290.001127-0.8243740.4310R-squared0.996025Mean dependent var170.8173Adjusted

11、 R-squared0.993816S.D. dependent var103.2583S.E. of regression8.119807Akaike info criterion7.315664Sum squared resid593.3814Schwarz criterion7.598884Log likelihood-48.86748F-statistic451.0106Durbin-Watson stat1.708534Prob(F-statistic)0.000000分析：由 F=451.0106 F0.05(5,9)=4.77( 显著水平为 0.05) 表明模型从整体上看汽车生产

12、量与解释变量之间线性关系显著。但 X3,X4,X5 的 t 值不显著 ,x2,x5 系数的符号与经济意义不符，模型可能存在多重共线性 。四、 检验及修正1、多元线性检验（1）计算解释变量之间的简单相关系数：表 2X 1X2X3X4X 5X 11.0000000.967588-0.8628610.9905920.945730X 20.9675881.000000-0.9173340.9834870.941083X 3-0.862861-0.9173341.000000-0.913528-0.904263X 40.9905920.983487-0.9135281.0000000.955061X 5

13、0.9457300.941083-0.9042630.9550611.000000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。（2）修正：（A）、用 ols 法逐一求 Y 对各解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析知 Y 对 X1 的线性关系最强，即：Y = -89.08702189 + 0.02303731716*X1（1）t 检验值（ -9.042861 ）（ 28.22923）R2=0.983948SE=13.57613F=796.8896（B）、逐步回归将其余解释变量注意带入（1 ）式得Y = -0.7809499444

14、 + 0.03162866347*X-.445864947*X2 （ 2）T 检验指：（ -0.034472 ）（ 14.52252）（ -4.076918 ）R2=0.993270R2 （修正） =0.992148SE=9.149627F=885.5407X2 系数符号与经济变量意义不符，故剔除x2 。Y = -207.99033 + 0.02674241588*X+.01714869331*X （ 3）t 检验值（ -6.464265 ）（ 23.56714）（ 3.784124 ）R2 （修正） =0.991462SE=9.541313F=813.8449Y = -208.6516481

15、 + 0.02550539133*X+.01858396171*X+ 0.01984792996*X(4)t 检验值(-6.184963)（3.821566） ( 2.072435)(0.188332)R2 （修正） =0.90716SE=9.949549F=498.9651Y = -186.2612864 + 0.02692214325*X+.016017268*X3+ 0.01239626014*X- 0.0009249872475*X(5)t检验值 (-3.818853)(3.743718)(1.599143)(0.113880)(-0.652324)R2 （修正） =0.990204S

16、E=10.22F=354.7865由（4 ）式可知，值 X3 的 t 值不显著，又由（ 5 ）式知 X5 的系数与经济意义不符，故排除 X4 ,X5 与 Y 的相关性。由上可知， Y 与 X1,X3 具有高度相关性，从而建立如下模型：表 3：Dependent Variable: YMethod: Least SquaresDate: 05/13/05Time: 10:53Sample: 1989 2003Included observations: 15VariableCoefficientStd. Errort-StatisticProb.C-207.990332.17540-6.4642

17、650.0000X 10.0267420.00113523.567140.0000X 30.0171490.0045323.7841240.0026R-squared0.992682Mean dependent var170.8173Adjusted R-squared0.991462S.D. dependent var103.2583S.E. of regression9.541313Akaike info criterion7.525996Sum squared resid1092.440Schwarz criterion7.667606Log likelihood-53.44497F-s

18、tatistic813.8449Durbin-Watson stat2.121992Prob(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：Dependent Variable: YMethod: Least SquaresDate: 05/13/05Time: 10:16Sample: 1989 1994Included observations: 6VariableCoefficientStd. Errort-StatisticProb.C-0.025314251.75

19、79-0.0001010.9999X 10.0305110.0046766.5247920.0073X 3-0.0264250.051580-0.5123100.6438R-squared0.968100Mean dependent var92.39667Adjusted R-squared0.946833S.D. dependent var37.00892S.E. of regression8.533533Akaike info criterion7.432737Sum squared resid218.4636Schwarz criterion7.328617Log likelihood-

20、19.29821F-statistic45.52136Durbin-Watson stat2.379145Prob(F-statistic)0.005698Y= -0.025314+0.030511X1 -0.026425X3（ -0.0001 ）（6.524792 ）（-0.51231 ）R2=0.9681残差平方和（ 1）=218.4636将样本时间定义为1998 2003 ，再用 OLS 方法求得如下结果：Dependent Variable: YMethod: Least SquaresDate: 05/13/05Time: 10:21Sample: 1998 2003Included

21、 observations: 6VariableCoefficientStd. Errort-StatisticProb.C-251.6990143.0800-1.7591490.1768X 10.0277280.0028529.7231630.0023X 30.0261140.0322680.8092900.4776R-squared0.990165Mean dependent var259.4733Adjusted R-squared0.983609S.D. dependent var106.7821S.E. of regression13.67120Akaike info criteri

22、on8.375312Sum squared resid560.7049Schwarz criterion8.271192Log likelihood-22.12594F-statistic151.0189Durbin-Watson stat2.665473Prob(F-statistic)0.000975Y= -251.699+0.027728X1 +0.026114X 3（-1.7591 ）（ 9.723 ）（0.80929 ）R2=0.990165残差平方和（ 2）=560.7049求 F 统计量： F=560.7049/218.4636=2.47给定显著性水平为0.05 ，得临界值 F（

23、 3， 3） =9.28 ，比较 F=2.47<F （3 ，3）=9.28 ，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 检验由 DW=2.121992，给定显著性水平为0.05 ，查Durlin-Watson表，n=15,k=2,得下限临界值为 0.946 ，上临界值为 1.543 。因为 1.543 2.121992 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2015105E 0 -5-10-15-20-20-15-10-505101520E(-1)从上图可看出残差et 较为分散，表明随机误差ut 不存在自相关。4、确定模型Y= -251