影响我国汽车消费需求的因素及实证分析.doc

1、 影响我国汽车消费需求的因素及实证分析 20080228 黄园园 金融03班一， 研究的背景随着中国的改革开放，我国的经济已经步入一个崭新的阶段，国内对各种高档消费品的需求也在与日剧增。尤其是我国的汽车消费市场，需求在不断增长，正处在汽车将要普及化阶段的前期。国内汽车供应市场的激烈竞争，国际汽车巨头的参与，汽车价格的下降，消费者收入的不断增加，都在影响着我国汽车消费市场的发展。深入了解影响汽车消费需求的真正因素，将有利于我国汽车行业内部结构调整，增加与国外汽车供应的竞争力。二， 汽车消费需求的影响因素1， 成品钢产量成品钢是汽车成分的主要构成部分，钢产量的多少将会限制汽车的产量，作为一个限制性

2、条件，影响到总产出，则势必对需求造成一定影响。2， 原油产量原油是汽车的动力，原油的开采产量势必影响原油的价格，则给汽车生产带来高成本，尤其是在能源越来越稀缺的今天，能源的产量也制约着消费市场的发展程度。3， 国内生产总值国内生产总值，从宏观上把握住一个国家的经济水平，居民的收入水平，可支配收入及消费水平一般来讲都是正相关的。国内生产总值越大，工业产值越大，汽车的需求一般越大。4， 铁路运输量铁路运输是汽车运输的替代品，铁路运输越发达，表明一个国家的交通的发达，居民选择出行的方式就会有更多选择，这也将会减少居民对汽车需求。5， 公路运输线路总长公路运输线路总量与汽车需求是互补品，公路运输线路越

3、多，越密集，居民选择汽车外出的可能就越大。公路运输线路总长理论上与汽车消费需求呈正比关系。6，其他因素 国家的经济发展政策，环境保护，人口因素等其他因素都会对汽车消费需求产生影响，这些因素也是不可忽略的。三， 数据的选取通过,选取改革开放1978年以后到2003年的数据作为样本进行分析。其中汽车消费需求量是用汽车的产量来代替的，因为数据难以收集，在没有存货的假设条件下，可以认为需求量等于产出量。年份消费需求量（万量）成品钢产量（万吨）原油产量（万吨）铁路运输量（万吨）国内生产总值（亿元）公路运输线路总长（万公里）197814.912208104051101193624.189.02197918

4、.572497106151118934038.287.58198022.232716105951112794517.888.33198117.562670101221076734862.489.75198219.632902102121135325294.790.7198323.983072106071187845934.591.51198431.64337211461124074717192.67198543.723693124001307088964.494.24198636.9840581306913563610202.296.28198747.184386134141406531196

5、2.598.22198864.4746891370514494814928.399.96198958.3548591376415148916909.2101.43199051.451531383115068118547.9102.83199171.4256381409915289321617.8104.111992106.6766971421015762726638.1105.671993129.8577161452416279434634.4108.351994136.6984281406816321646759.4111.781995145.278979.815004.9516598258

6、478.1115.71996147.529338.0215733.3917102467884.6118.581997158.259978.9316074.1417214974462.6122.64199816310737.81610016430978345.2127.851999183.212109.781600016755482067.5135.172000207131461630017858189468.1140.26982001234.1716067.6116395.8719318997314.8169.82002325.119261.5916700204955105172.3176.5

7、22003444.3924108.0116959.98221178117251.9180.98四， 模型设置因变量：Y 汽车消费需求量自变量：X1 成品钢产量X2 原油产量X3 铁路运输量X4 国内生产总值X5 公路运输线路总长回归模型Y=0 +1X1+ 2 X2 +3 X3 +4 X4 +5 X5五， 模型的参数估计，检验及修正利用EVIEWS3软件进行最小二元回归（OLS）得到以下结果：Dependent Variable: YMethod: Least SquaresDate: 05/16/11 Time: 10:17Sample: 1978 2003Included observati

8、ons: 26VariableCoefficientStd. Errort-StatisticProb. C115.998724.018254.8296070.0001X10.0279070.00185315.058660.0000X2-0.0037360.002979-1.2541960.2242X30.0003980.0003011.3234370.2006X4-7.08E-050.000170-0.4159280.6819X5-1.9763620.245316-8.0564020.0000R-squared0.997695 Mean dependent var111.6596Adjust

9、ed R-squared0.997119 S.D. dependent var105.0325S.E. of regression5.637918 Akaike info criterion6.496081Sum squared resid635.7223 Schwarz criterion6.786411Log likelihood-78.44905 F-statistic1731.323Durbin-Watson stat1.930831 Prob(F-statistic)0.0000001多重共线性检验及修正(1)多重共线性的检验判定系数为0.997695，表明模型的拟和效果较好。但是X

10、2，X4，X5的系数均为负，这与理论分析并不一致，汽车的消费需求量与原油产量，国内生产总值和公路运输线路总和不可能成负相关的关系。而X3的系数为正，这与经济意义也不符合，因为汽车的需求同铁路运输时替代品关系。所以结果表明R2值较高，但t值的并不都是统计显著的，回归系数的符号有误，即可能存在多存共线性。利用变量之间的相关系数进行检验X5X4X3X2X1X510.9524331808750.9227273635740.8336502716650.985198578791X40.95243318087510.921692427450.8929862557310.958614796626X30.922

11、7273635740.9216924274510.9535770633370.939628835473X20.8336502716650.8929862557310.95357706333710.843776750153X10.9851985787910.9586147966260.9396288354730.8437767501531结果表明变量之间的相关系数均在0.8以上，且X1和X5之间的相关系数接近0.99存在严重的共线性。 利用辅助回归X1 = -6704.493197 - 1.075769873*X2 + 0.117507366*X3 + 0.05856330793*X4 + 79

12、.99000426*X5R-squared0.988149X2 = 926.8429663 - 0.4163466889*X1 + 0.09361362209*X3 + 0.04350314098*X4 + 1.037566646*X5R-squared0.972270X3 = 9462.500821 + 4.468084754*X1 + 9.197284552*X2 - 0.3690607953*X4 - 36.80805903*X5R-squared0.984600X4 = -40128.75176 + 6.941551392*X1 + 13.32342314*X2 - 1.1504627

13、08*X3 + 153.8621212*X5R-squared0.968547X5 = 81.57391104 + 0.004565134483*X1 + 0.0001530023569*X2 - 5.524646078e-05*X3 + 7.408301141e-05*X4R-squared0.971641辅助回归的结果也表明存在共线性（2）多重共线性的修正删除变量：通过上述分析，可以考虑将变量X3铁路运输量和X5公路运输线路总和删掉。重新进行最小二元回归Dependent Variable: YMethod: Least SquaresDate: 05/16/11 Time: 11:09S

14、ample: 1978 2003Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-41.9394426.24247-1.5981510.1243X10.0210690.00142214.818600.0000X20.0006300.0022110.2850980.7782X4-0.0004060.000254-1.6006370.1237R-squared0.989886 Mean dependent var111.6596结果依然不符合理论，首先是变量X2原油量显著性不高，其次是变量X4系数仍然为

15、负。先将变量X2删除再次回归Dependent Variable: YMethod: Least SquaresDate: 05/16/11 Time: 11:12Sample: 1978 2003Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-34.559684.229836-8.1704540.0000X10.0210310.00138715.165400.0000X4-0.0003660.000208-1.7650080.0908R-squared0.989848 Mean dependen

16、t var111.6596任然不能消除X4的系数为负。补救措施无效。将X4删除。在做一元回归模型。Dependent Variable: YMethod: Least SquaresDate: 05/16/11 Time: 11:17Sample: 1978 2003Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-30.974723.870310-8.0031620.0000X10.0186840.00041245.366960.0000R-squared0.988474 Mean depende

17、nt var111.6596Adjusted R-squared0.987993 S.D. dependent var105.0325S.E. of regression11.50898 Akaike info criterion7.797935Sum squared resid3178.957 Schwarz criterion7.894712Log likelihood-99.37316 F-statistic2058.161Durbin-Watson stat1.188214 Prob(F-statistic)0.000000输出的结果是Y = -30.97471962 + 0.0186

18、8432052*X1且通过检验。2，异方差检验（1）利用怀特检验White Heteroskedasticity Test:F-statistic5.526644 Probability0.010966Obs*R-squared8.439288 Probability0.014704Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 05/16/11 Time: 11:19Sample: 1978 2003Included observations: 26VariableCoefficientStd. Error

19、t-StatisticProb. C-38.82658127.7033-0.3040370.7638X10.0156660.0285310.5490830.5882X124.70E-071.20E-060.3921670.6985R-squared0.324588 Mean dependent var122.2676Adjusted R-squared0.265857 S.D. dependent var260.8612S.E. of regression223.5115 Akaike info criterion13.76497Sum squared resid1149020. Schwar

20、z criterion13.91014Log likelihood-175.9446 F-statistic5.526644Durbin-Watson stat2.846928 Prob(F-statistic)0.010966得到的统计量值是8.439288，在5%的显性水平下，P值为0.0147，则拒绝原假设不存在异方差。即表明消费需求回归中存在异方差。（2）利用加权最小二乘法进行修正用残差的绝对值做为权重进行回归Dependent Variable: YMethod: Least SquaresDate: 05/18/11 Time: 20:41Sample: 1978 2003Incl

21、uded observations: 26Weighting series: 1/WY=C(1)+C(2)*X1CoefficientStd. Errort-StatisticProb. C(1)-31.184280.751860-41.476170.0000C(2)0.0186230.000179103.80730.0000Weighted StatisticsR-squared0.998059 Mean dependent var64.91198Adjusted R-squared0.997978 S.D. dependent var68.99102S.E. of regression3.

22、102074 Akaike info criterion5.175822Sum squared resid230.9487 Schwarz criterion5.272599Log likelihood-65.28569 Durbin-Watson stat1.136587Unweighted StatisticsR-squared0.988420 Mean dependent var111.6596Adjusted R-squared0.987937 S.D. dependent var105.0325S.E. of regression11.53578 Sum squared resid3

23、193.784Durbin-Watson stat1.189019回归模型是 Y=-31.1842829+0.01862313745*X1再进行怀特检验结果White Heteroskedasticity Test:F-statistic0.243270 Probability0.786052Obs*R-squared0.538609 Probability0.763911P=0.76 则接受原假设 存在异方差3，进行自相关检验（1）利用D-W检验D=1.18 在k=1，n=26 的条件下显著点是dl =1.302 du=1.461则拒绝H0，存在正的自相关。(2)利用广义差分方程进行修正有D

24、=1.18 计算出=1-D/2=0.59GENE DY=Y-0.59*Y(-1)GENE DX1=X1-0.59*X1(-1)Dependent Variable: DYMethod: Least SquaresDate: 05/16/11 Time: 12:01Sample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-15.933343.563584-4.4711550.0002DX10.019658

25、0.00075725.974200.0000R-squared0.967033 Mean dependent var57.50286Adjusted R-squared0.965599 S.D. dependent var58.47840S.E. of regression10.84625 Akaike info criterion7.682134Sum squared resid2705.746 Schwarz criterion7.779644Log likelihood-94.02668 F-statistic674.6588Durbin-Watson stat1.755335 Prob

26、(F-statistic)0.000000DY = -15.93333788 + 0.01965781113*DX1则2=0.0196578113 1= -15.93333788/(1-)=-38.86则回归模型为Y=-38.86+0.01965781113*X1此时d=1.75 在n=25 k=1 dl =1.288 du=1.454 则,dud2 表明以消除自相关，不用再次进行广义差分。六，总结在做模型的过程中出现了很多不如意的结果，最后得出的结论是汽车消费需求量只与成品钢产量有关，这与经济意义不符合。究其原因，现分析如下：一，选取的变量数据太少，远达不到统计的要求。二，汽车消费需求可能不只与选取的几个变量有关，可能忽略了很多其他重要的变量。三，在理论上原油产量，国内生产总值和公路线路总和很可能存在很大的共线性问题，这是不可避免的。四，选取数据时用汽车生产量代替需求消费量，很可能用中国目前的汽车消费市场不符合，另外成品钢与原油量也未考虑国外进口的数量，这些都照成数据的失真。参考文献：我国汽车需求的因素分析