我国私人汽车拥有量分析

我国私人汽车拥有量分析引言随着我国经济突飞猛进的开展，人民群众的收入水平不断提高，特别是城镇，居民的收入不断提高，私人汽车拥有量不断增加，同时银行的按揭贷款买车等等的一系列推动措施，也促进了私人汽车拥有俩的增加。国家统计局最新公布的数据显示，国内大城市的私家车拥有量继续保持大幅增长的趋势。截止到2010年底，在全国十大城市的私家车拥有量排名中，北京私家车的拥有量以多出第二名近40万辆的绝对优势排在了第一位。这十个城市的具体排名分别是：1北京：624081辆6上海：87168辆2广州：235456辆7重庆：82410辆3成都：233119辆8沈阳：67593辆4天津：232086辆9杭州：58587辆5深圳：144597辆10南京：39119辆除此之外，有关统计资料说明，我国城镇居民中有3800万户〔占城镇居民总户数的24.8％〕，有能力承受10万元左右的汽车消费。从近几年我国汽车消费的开展变化来看，汽车消费将成为消费热点。

从1990年到2000年的10年间，我国民用汽车的保有量由551.36万辆增加到1608.91万辆，平均每年增长11.3％。其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆，平均每年增长22.6％。私人汽车拥有量占民用汽车的保有量比重从1990年的14.8％，上升到2000年的38.9％，平均每年上升2.4个百分点。1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重均高于57.7％，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5％。这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体。我国私人汽车拥有量随时间变化图如下：。从图上可以看出，近些年来，我国私人汽车拥有量不断增加，单从经济方面来说，私人汽车拥有数量是评判一个国家人民生活水平的重要指标，因此，此次我就针对我国私人汽车拥有量进行分析。二、模型设定及数据说明1、模型设定通过数据观察，我们搜集了30个城市的房地产价格的统计数据，建立模型，模型的表达式为普通的多元线性方程形式Y＝β0+β1X1+β2X2+β3X+3µi其中把我国私人汽车拥有量Y，X1城镇居民可支配收入，X2为贷款利率,X3为燃料、动力类价格指数。其中为城镇居民可支配收入，贷款利率,燃料、动力类价格指数在影响我国私人汽车拥有量时所占的比重，β0私人汽车拥有量µi通过上式，我们了解到了各个因素对于私人汽车拥有量的影响，从而进行经济预测，为政策调整提供依据和参考。2、数据说明具体数据如下:obsYX1X2〔％〕X31990816200100199196040019921182000118.7133199315577001994205420010.9819952499600428319962896700199735836001998423650019995338800585420006253300628020017707800200296898002003121923008472.2Y::我国私人汽车拥有量X1：城镇居民可支配收入X2：贷款利率X3：燃料、动力类价格指数〔以1990年价格为１００的定比指数序列〕三、模型的参数估计假定所建模型及随机扰动项µi满足古典假定，可以用eviews软件，采用OLS法进行线性回归。1、先对各个变量做平稳性检验:对Y做平稳性检验：ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(ADFY)Method:LeastSquaresDate:11/25/Sample(adjusted):19942003Includedobservations:10afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.ADFY(-1)D(ADFY(-1))D(ADFY(-2))D(ADFY(-3))CR-squaredMeandependentvar1063460.AdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid2.35E+11SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)对X1进行平稳性检验：ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(ADFX1)Method:LeastSquaresDate:11/25/Sample(adjusted):19942003Includedobservations:10afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.ADFX1(-1)D(ADFX1(-1))D(ADFX1(-2))D(ADFX1(-3))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)对X2进行平稳性检验：ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(ADFX2)Method:LeastSquaresDate:11/25/12Sample(adjusted):19942003Includedobservations:10afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.ADFX2(-1)D(ADFX2(-1))D(ADFX2(-2))D(ADFX2(-3))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)对X3进行平稳性检验：ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(ADFX3)Method:LeastSquaresDate:11/25/12Sample(adjusted):19942003Includedobservations:10afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.ADFX3(-1)D(ADFX3(-1))D(ADFX3(-2))D(ADFX3(-3))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)由此可见，各个变量的随时间变化是平稳的，可以对其直接进行最小二乘估计。2、对其作普通最小二乘估计：DependentVariable:YMethod:LeastSquaresDate:11/25/12Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C3250054.1725513.X1X2X3R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregressionAkaikeinfocriterionSumsquaredresid5.64E+12SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)(1725513)(515.0624)(155673.7)(14255.54)t=(1.883529)(5.673154)(-1.379442)(-3.541955)AdjustedR2-四、模型的检验通过上述线性回归得到模型，现在就其具体形式进行检验：经济意义检验通过估计所得到的参数，可进行经济意义检验：〔1〕α=3250054，表示城镇居民可支配收入，贷款利率,燃料、动力类价格保持不变的情况下，我国的私人汽车拥有量仍能增加3250054辆。这种结果符合开展规律，合理。〔2〕=，表示在其他条件不变的情况下，城镇居民可支配收入每增加一个单位，私人汽车拥有量仍能增加辆，反之，降低。符合现实。〔3〕=，表示在其他条件不变的情况下，贷款利率每增加一个百分点，房地产价格增加,，反之降低，符合现实。〔4〕=5049，表示在其他条件不变的情况下，动力类价格增加一万元，房地产价格增加，反之降低，合理。综上可知，该模型符合经济意义，经济意义检验通过。统计检验拟合优度检验样本决定系数R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，的值越接近0，说明回归直线对观测值的拟合程度越差。由参数估计结果可得，样本决定系数R^2=0.9645＞0.8，可见其拟合优度不错。调整后的样本决定系数 因解释变量为多元，使用调整的拟合优度，以消除解释变量对拟合优度的影响。调整后的R^2=0.95391＞0.8，所以，其拟合程度不错。程显著性检验有模型可知总离差平方和TSS的自由度为13(n-1),回归平方和ESS的自由度为3。所以，残差平方和的自由度为10(n-k-1)。H0:=0H1:0在H0成立的条件下，统计量F=(ESS/k)/(RSS/(n-K-1))=而在α=0.05,n=14,k=3时，查表得F(3,14=2.98＜，由此可知，应拒绝原假设，接受H1，认为回归方程显著成立。数显著性检验X2的T检验不显著，而F统计量显著，效果很好，可以推断解释变量可能存在多重共线性。3、计量经济学检验1、多重共线性的检验与修正：下面是x1x2x3的简单相关系数矩阵:x1x2x3x11x21x31可见,各个变量相关系数很高,x1x3尤为突出.我们采用逐步回归法进行修正：〔1〕运用OLS方法逐一求Y对各个解释变量的回归，结合经济意义和统计检验出拟合效果最好的一个一元线性回归方程：方程1：DependentVariable:YMethod:LeastSquaresDate：11/25Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C-2616509.X1R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregression1221860.AkaikeinfocriterionSumsquaredresid1.79E+13SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)方程2：DependentVariable:YMethod:LeastSquaresDate:11/25/12Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C150419042243778.X2-1322763.R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregression2096637.AkaikeinfocriterionSumsquaredresid5.28E+13SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)方程3:DependentVariable:YMethod:LeastSquaresDate:11/25/12Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C-4659138.1615330.X3R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregression1852398.AkaikeinfocriterionSumsquaredresid4.12E+13SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)(2)比照分析，依据调整后可决系数最大原那么，选取X1进入回归模型的第一个解释变量，形成一元回归模型:Y(787741.3)(151.6332)t=(-3.321533)(9.724864)AdjustedR-squared〔3〕逐步回归，将其余变量分别参加模型：DependentVariable:YMethod:LeastSquaresDate:11/25/12Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C2354107.2443622.X1X2R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregression1075105.AkaikeinfocriterionSumsquaredresid1.27E+13SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)DependentVariable:YMethod:LeastSquaresDate:11/25/Sample:19902003Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C1316764.1047067.X1X3R-squaredMeandependentvar4354921.AdjustedR-squaredS.D.dependentvar3498430.S.E.ofregressionAkaikeinfocriterionSumsquaredresid6.71E+12SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)由上表可以看出，X3和X1构建的模型的拟合值优于X2和X1构建的方程的拟合值，且比起y对x1的回归拟合优度更好,t检验和F检验都更显著，所以在Y=-2616509+0.887401x1的根底上参加解释变量x3,得:Y(1047067)(442.2023)(13608.15)t=(1.257573)(7.515119)(-4.284665)AdjustedR-squared2、异方差的检验与修正因为时间序列数据，样本个数较小，所以选用ARCH检验：DependentVariable:E2Method:LeastSquaresDate:11/25/Sample(adjusted):19932003Includedobservations:11afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C4.33E+111.37E+12E2(-1)E2(-2)E2(-3)R-squaredMeandependentvar2.96E+12AdjustedR-squaredS.D.dependentvar3.55E+12S.E