影响我国汽车销量因素的计量分析Word格式文档下载.docx

影响我国汽车销量因素的计量分析Word格式文档下载.docx

《影响我国汽车销量因素的计量分析Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《影响我国汽车销量因素的计量分析Word格式文档下载.docx（11页珍藏版）》请在冰点文库上搜索。

随着汽车产量的增长，汽车销量必然随之上升。

（二）汽车销量与原油价格

汽车原油是典型的互补商品关系，原油价格必定会影响消费者心理进一步影响汽车销量，所以本文将原油价格作为变量引入。

随着国际油价的日益高涨，成品油价格对汽车销售的影响程度越来越大，同时国家及部分地区相继出台了有关限制汽车，尤其是家用车购买的政策，这对汽车销售市场造成了很大的冲击，考虑到上诉几个因素，预计在外来的一段时期，小排量经济型轿车仍然会是汽车销售的主力车型，同时节能型与新能源汽车将日益抢占汽车销售市场。

假说2：

汽车销量与原油价格显著相关。

汽车销量随原油价格上升而下降。

（三）汽车销量与进口量和人均国上产总值

当前我国工业基础相比发达国家还有一定差距，因此，进口车在性能、油耗和价格方面都有着国产车无法比拟的优势，与此同时，随着我国经济水平的发展，人民收入的提高，过去昂贵的奢侈型进口车已然受到国中资产阶层地青睐，所以，选择汽车进口量和国人均生产总值作为变量。

近年来，我国购车数量有了大步的提高，但是纵观所有汽车市场，近几年车市的热销车型还是集中在经济型轿车,中高档轿车的受关注程度有所增加,但不会马上成为车市的主导车型。

假说3：

汽车销量与进口量和人均国生产总值相关。

汽车销量随进口量和人均国生产总值的上升而上升。

（四）汽车销量和工业品出厂价格指数

如今汽车已成为家庭和企业重要的生活生产必需品，再加之金融体制的健全和金融创新，各种汽车信贷的发展，汽车的价格对消费者的影响减小，但价格因素仍是不可或缺的重要变量之一。

由此，本文提出如下假说:

假说4：

汽车销量与工业平出厂价格指数相关。

工业品出厂价格指数越高则汽车销量越低。

三、研究方法与数据说明

（一）研究方法

对于研究方法，本文采用多元回归的方法，先根据经验选择可能影响汽车销量的五个解释变量，Y表示被解释变量汽车销量，X1表示汽车产量，X2表示汽车进口量，X3表示原油价格，X4表示工业品出厂价格指数，X5表示人均国生产总值，B0表示常数项，U表示随机干扰项；

之后利用上述五个变量建立多元线性回归模型，如下：

Y=B0+B1*X1+B2*LOG（X2）+B3*LOG（X3）+B4*LOG（X4）+B5*LOG（X5）+U

之后带入数据，进行模型检验分别进行经济意义检验、判定系数检验，T检验和F检验，然后通过计算各个变量之间两两相关系数来看是否存在多重共线性，最后利用逐步回归的方法来修正多重共线性。

（二）数据说明

依据上述分析，本文采用1990-2004年间的数据，汽车销量作为因变量。

选择汽车产量和汽车进口量作为自变量之一，体现汽车生产对销售的影响，选用工业品出厂价格指数，体现汽车价格对汽车销量的影响，选用原油价格，表现燃料价格对其的影响，选用人均GDP表示宏观经济状况对其影响。

基于上述分析，汽车销售中各方面的因素已经考虑较周全。

（三）样本描述

汽车销量

汽车产量

汽车进口量

原油价格

工业品出厂价格指数

人均国生产总值

14.5

3.5

3.4063

110.7

102.8

1,634

15.6

6.87

5.4409

112.9

1,879

16.26

16.17

2.7558

116.4

106.6

2,287

22.6

22.29

7.1132

136.7

119.7

2,939

24.48

26.87

3.4643

118

109.5

3,923

32.11

33.7

2.3802

108.7

106.3

4,854

37.72

38.29

5.7942

110.2

101.6

5,576

47.72

48.6

3.1944

109.3

98.1

6,054

50.83

50.71

1.8046

99.1

97

6,308

57.04

57.1

1.9952

100.9

6,551

61.27

60.7

2.1614

115.4

97.4

7,086

72.15

70.35

4.6629

100.2

96.8

7,651

112.6

109.08

7.0329

100.1

96.2

8,214

197

202

10.3016

107.4

9,111

232.65

231.63

11.6085

109.7

99.4

10,561

注：

样本数据均来自中国国家统计局数据库

四、模型估计结果分析

（一）模型估计

根据样本数据，输入eviews

（二）确定模型类型

在建立参数模型之前，我们需要利用上表的数据，先对被解释变量sale和各个解释变量之间做趋势图和相关图，观察期总体趋势以确定我们需要的参数模型。

汽车销量和汽车产量的趋势图和相关图

汽车销量和汽车进口量的趋势图和相关图

汽车销量和原油价格的趋势图和相关图

汽车销量和工业平出厂价格指数的趋势图和相关图

汽车销量和人均国内生产总值的趋势图和相关图

（三）建立模型

根据上述趋势图与相关图我们建立如下初步方程：

根据数据用Eviews对模型进行OLS估计，得到回归方程。

结果如下：

初步回归的模型为：

Y=276.1547+0.987229*X1+2.823362*LOG（X2）+-5.457658*LOG（X3）+-42.26176*LOG（X4）+-6.732185*LOG（X5）

T（3.140570）（36.92210）（1.328352）（-0.276084）（-1.462354）（-2.774852）

R-squared=0.998757AdjustedR-squared=0.998066

DW=2.510635F=1446.047

①经济意义检验：

从模型中可得知，LOG（X3）、LOG（X4）和LOG（X5）系数符号没有通过经济意义的检验。

②R^2检验：

无论是模型中判定系数R-squared=0.998757，或者是校正判定系数AdjustedR-squared=0.998066，其值都比较高，表明该模型拟合度较高。

③t检验：

从六个参数的t检验值看，六个t检验值分别为t1=3.140570,t2=36.92210,t3=1.328352,t4=-0.276084,t5=-1.462354,t6=-2.774852，而在5%显著性水平下自由度为n-k=15-6=9的t分布双边检验临界值为2.262，则得知某些解释变量的系数t检验值不显著，不能通过检验。

④F检验：

该初步回归的模型的F值为F=1446.047，在5%显著水平下自由度为

k-1=5,n-k=9的F临界值F（5,9）=3.48，模型中的F值远大于F的临界值，说明模型在整体上是高度显著的。

（四）模型的修正与检验

1、多重共线性的检验

回归模型中解释变量的两两相关系数

从此处开始令：

x2=log（x2）,x3=log（x3）,x4=log（x4）,x5=log（x5）,

从上图中，我们可以看出某些解释变量之间存在高度线性相关，例如X1和X5，x3和x4之间。

2、多重共线性的修正

逐步回归处理：

运用OLS方法分别求y对各个解释变量的回归。

结合经济意义和统计检验选出拟合效果最好的线性回归方程。

用Eviews进行处理：

①Y对X1进行回归

y=2.534747+0.978165x1

t（1.769337）（62.90683）

R-squared=0.99672F=3957.269DW=0.910222

②Y对X2进行回归

Y=-35.36250+71.76556X2

T（-0.980196）（3.039705）

R-squared=0.415463F=9.239809DW=0.716387

③Y对X3回归 

Y=1191.453-239.3595X3

T（1.195056）（-1.128716）

R-squared=0.089253F=1.273999DW=0.349101

④Y对X4回归

Y=2357.121-495.6333X4

T（1.916832）（-1.863067）

R-squared=0.210735F=3.471018DW=0.378803

⑤Y对X5进行回归 

Y=-632.6304+82.22983X5

T（-3.471734）（3.844073）

R-squared=0.531985F=14.77690DW=0.305128

由上面数表中可得，Y对X1的线性相关最强：

R-squared=0.99672>

0.531985>

0.415463>

0.210735>

0.089253，也即X1>

X5>

X2>

X4>

X3

所以用X1时拟合的程度最高，得回归方程：

y=2.534747+0.978165x1

AdjustedR-squared=0.996474

逐步回归，将其余解释变量逐一代入 

①引入X2

②引入X3

③引入X4

④引入X5

从图中数据可以看出，在初步模型：

中，在加入X3和X5时能够显著提高AdjustedR–squared的值（AdjustedR–squared123=0.996782>

AdjustedR–squared12=0.996557,AdjustedR–squared12345=0.998006>

AdjustedR–squared1234=0.996770）;

同时，在加入变量X2和X4时只会降低AdjustedR–squared的值（AdjustedR–squared12=0.996557<

AdjustedR–squared1=0.996474，AdjustedR–squared1234=0.996770<

AdjustedR–squared123=0.996782）;

另外，变量x5为人均国生产总值，其系数符号为负，未能通过经济意义检验，从模型中剔除X5。

所以，在模型中应加入变量X1和X3，而应当舍弃你变量X2、X4和X5。

最终经过逐步回归修正多重共线性后所的模型为：

Y=37.00691+0.975569X1-7.297448X3

T（0.572874）（58.35247）（-0.533774）

AdjustedR-squared=0.996269F=1869.939DW=0.919413

五、研究结论及启示

在设立的初始模型中，

Y=B0+B1*X1+B2*LOG（X2）+B3*LOG（X3）+B4*LOG（X4）+B5*X5+U

B0表示了截距项，它表示了人们的自发汽车销售数量，不受外界因素影响的自发汽车销售数量，B1度量了当汽车产量每变动一个单位时，汽车销售数量的变动；

B2度量了汽车进口量每变动一个单位，汽车销售数量的变动；

B3度量了原油价格每变动一个单位，汽车销售数量的变动；

B4度量了工业平出厂价格指数每变动一个单位，汽车销售数量的变动；

B5度量了当人均国生产总值每变动一个单位时，汽车销售数量的变动。

U表示随机误差项。

从最终模型，

可得知：

影响汽车销售数量的主要因素是汽车产量和原油价格，其中，汽车产量与汽车销量成正相关，原油价格与汽车销量呈负相关，符合一般经验，因此，在此次分析中，假说1和假说2得到了验证，假说3和假说4没有得到验证。

本文研究结论的政策启示有：

①我国经济飞速发展，人均消费水平不断提高的同时，各级政府部门和相关厂商需要密切关注汽车产量的往年数据，要根据以前和现在的宏观经济数据，制定修改汽车生产计划，避免资源浪费和厂商亏损。

②从模型中我们看到，原油价格与汽车销量存在很强的负相关性，在我国多次上调成品油价格的情况下，汽车的使用成本越来越成为购车人考虑的一个重要因素之一。

面对石油资源日益短缺的问题，研发高效节能型汽车成为各厂商的重点，低油耗将日益成为新型汽车的一大重要卖点，同时，随着我国节能减排政策的深入，对大排量汽车的购买限制政策将对此类型汽车的销售产生重大影响，在减少用油量的同时，减少为其排除，增加自身绿色优势也是个厂商关心的主要因素。

对于燃油价格上升，新能源汽车的研发至关重要，尤其是电力驱动型汽车的研发。

新型能源最为汽车销售的卖点，势必成为未来汽车市场的关键，同时国家对新能源汽车的扶植政策，也有利于其发展，由于新能源汽车尚处在起步阶段，我国汽车厂商，应利用其在近几年金融危机背景下，全球汽车市场疲软，而中国市场为不发展的优势，开发和吸收新技术，争取在现阶段树立新能源汽车的技术优势与品牌影响力，而各级地方政府也应当开展相关工作，除了促进产业优化升级外还可以带动新能源产业的发展，创造地方经济新的增长点。

参考文献

1、（美）古扎拉蒂：

《经济计量学精要》（第4版）；

2、艳冬吴杰：

《基于计量理论的我国汽车销量分析》，经营之道，2009年第3期；

3、王悦琪：

《影响我国汽车销售量因素的实证分析》；

4、钱文荣、卢海阳：

《农民工人力资本与工资关系的性别差异及户籍地差异》，中国农村经济，2012年第8期。