毕业论文(设计)基于计量经济学模型的上海市汽车保有量研究

摘要
随着经济的发展,汽车产业也成为了我国经济重要支柱产业。

汽车保有量研究是城市规划和社会发展的一项基础性的工作。

本文整理了部分国内外对汽车拥有量研究的文献，发现不同方法在其分析上都有利有弊。

对汽车保有量现状以及汽车行业在经济发展中的作用进行描述，为其研究提供了一定的理论和现实意义。

本文依据计量经济学模型以上海市为例，选取国民生产总值，社会消费品零售总额，公路货运总量，固定资产投资，公路运输线路长度，人口和居民可支配收入7个指标对汽车拥有量进行分析。

根据建立的预测模型评析相关政策及影响因素，对相应汽车拥有量的发展趋势提供参考。

[关键词]汽车保有量；计量经济学模型；预测
Abstract
Automobile industry has also finished an important pillar industry of China's economy. Car ownership is a basic study of the work of urban planning and social development.
In this paper, some sort of car ownership study abroad literature found in their analysis of different methods have advantages and disadvantages. Situation of car ownership and car industry's role in economic development are described, their study provides a theoretical and practical significance. In this paper, based on econometric models in Shanghai, for example, select GNP, total retail sales of social consumer goods, total road freight, fixed asset investment, road transport line length, population and disposable income 7 indicators of car ownership analysis. Comments prediction model based on relevant policies and factors established for the development trend of car ownership provides the appropriate reference
[Keywords]Auto possession，Econometric models，Prediction
目录
1.绪论 (1)
1.1研究背景与意义 (1)
1.2国内外研究现状 (1)
1.3研究内容与方法 (2)
2.汽车保有有量及行业发展现状 (2)
2.1汽车保有量的现状 (2)
2.1.1 汽车保有量发展 (3)
2.1.2世界汽车发展规律 (3)
2.2道路交通发展状况 (3)
2.3行业发展 (4)
3.上海市汽车保有量回归分析 (4)
3.1变量选择 (4)
3.2数据收集整理 (6)
3.3变量间关系分析 (6)
3.3.1计算相关系数 (6)
3.3.2绘制散点图 (7)
3.3.3相关分析结果 (7)
3.4模型构建 (7)
3.4.1模型选择 (7)
3.4.2模型分析 (8)
3.4.3回归模型的统计检验 (9)
3.4.4计量经济学检验 (11)
3.5模型预测 (15)
4.分析结论及应用价值 (17)
4.1分析结论 (17)
4.1.1经济意义分析 (17)
4.1.2模型估计结果 (18)
4.2应用价值 (18)
5.小结 (19)
参考文献 (21)
致谢 (23)
1.绪论
1.1研究背景与意义
1886年1月29日，世界第一辆汽车诞生，经过一百多年的发展，汽车不断改进，汽车工业的不断发展。

汽车逐渐进入我们的生活，并成为不可或缺的消费品。

随着经济的发展和人们生活水平的提高，汽车已经成为人们出门的日常代步工具。

中国加入WTO后，汽车工业以积极的姿态融入国际汽车工业的发展潮流，连续出现了爆发式增长，国家及时做出了汽车产业在2010年成为国民经济支柱产业的重大决策，确立了汽车产业在我国经济发展中的战略地位【7】。

2014年国内汽车保有量将近1.4亿辆，是2003年汽车数量的5.7倍。

目前，全国有31个城市的汽车数量超过100万辆。

其中北京、天津、成都、深圳、上海、广州、苏州、杭州等8个城市汽车数量超过200万。

国内一线城市汽车消费增长速度低于10%，而二三线却以高于30%速度增长。

各方面研究显示我国汽车在未来还是有很大的增长空间。

对于已经有了高保有量的一线大城市而言，汽车的消费环境有一定的制约，道路交通，停车，能源供应以及汽车金融服务，限购政策，环境问题，都是其阻碍。

因此在各方面预测其依然有大幅增长空间的同时，应结合实际问题更精确的认识，防止过于乐观造成的产能过剩。

因此汽车保有量以及它的变化趋势都受到各方关注。

随着经济发展我国汽车保有量急速上升民有车拥有量与社会经济的发展有密切关系，对路网容量供求关系和道路交通的分布等有十分重要的意义，汽车保有量也是地区经济发展的重要指标，对指导汽车产业及其相关产业有重要意义。

然而其分析是非常复杂的经济学和数学问题，因为太多不确定因素和事物影响的后效性对其有干扰作用。

本文根据上海市的统计数据，通过建立计量经济学模型找出汽车拥有量和社会经济相关指标的函数关系，可以对一个地区短期内的汽车保有量影响因素进行分析并有较为准确的整体预测。

1.2国内外研究现状
汽车保有量预测长期以来是国内外专家学者关注的热点，早在50年代，美国学者Marc Nerlove等人就在美国汽车保有量历史时间序列数据的基础上，建立了预测模型【1】。

还有一些西方学者比如Dargay和Gately，对长期的汽车普及率增长曲线进
行回归估计，主要采用logistic曲线模型进行分析。

【2】这种分析根据历史数据取得不错的效果。

基于生命周期理论，产品会有三个时期：增长期，稳定期，衰退期。

长期增长以后就会出现一个餍足点。

Mogridge尝试考虑不同变量，估计汽车拥有率的餍足点，并提出0.66和0.9的餍足点，私人汽车的扩散增长随时间的变化同样呈现S型。

【3】
也有把微观经济学和随即效用选择理论结合起来的。

目前预测汽车保有量的方法分为需求模型和均衡两大类，其中以需求为主，需求也分为集合和非集合模型。

集合模型较典型的有Dargey&Gately的Gomperta 模型和Ingram对数线性方程，多用于宏观政策分析或远期预测分析。

非集合模型基于效用最大化为假设，以家庭或个人作为决策单元建模，包括多项Logit 模型，树状logit模型，多项Probit模型等，多用于短期动态预测。

【4】相比之下，我国学者在这方面的研究处于起步阶段，有不少学者做出了有益工作。

研究方向分两类，一类是通过分析影响汽车需求或保有量的各种因素（如人均GDP，城市化率，汽车价格，公路总量）进而采用回归模型预测未来汽车的发展趋势。

另一类国内学者和研究人员也提出更为精确地研究，例如灰色预测，基于BP神经网络的预测等。

1.3研究内容与方法
本文根据上海市的统计数据，通过分析1996到2012年上海市民用车拥有量中汽车保有量（不包括军用车辆和码头、机场等专用特种车辆）建立经济学模型。

计量经济学就是经济的测度。

计量经济学是利用经济理论，数学，统计统计推断等工具对经济现象进行分析的一门社会科学【6】。

计量经济学的实用价值在越来越广泛的范围内表现出来。

通过建立计量经济学模型找出汽车拥有量和社会经济相关指标的函数关系，可以发现拥有量与相关经济指标之间的关系，也可以对一个地区短期内的汽车保有量有较为准确的整体预测。

2.汽车保有有量及行业发展现状
2.1汽车保有量的现状
汽车保有量是指在公安交通管理部门按照机动车注册登记工作规范，已注册登记领有民用车辆牌照的全部汽车数量。

根据汽车的规格大小，分为大型、中型、小型和微型，载货汽车分为重型、中型、轻型和微型。

从2005年开始，中国汽
车工业协会车型统计标准有了变更。

为使统计数据前后一致，本文选取统计年鉴中民用车拥有量中汽车拥有量。

2.1.1汽车保有量发展
（1）载客汽车增长较快。

（2）载货汽车增长缓慢。

（3）私人汽车增长高速增长。

（4）载货汽车在汽车中所占比例越来越小。

如下例图所示：
图一 2012年上海市汽车种类比例图
2.1.2世界汽车发展规律
世界汽车行业发展规律是，当一国人均GDP达到3000美元以后，国民消费结构就会发生改变，就会进入以汽车住房为代表的改善生活质量的消费时代【3】。

根据国际经验，当轿车千人保有量超过20辆后将有3-5年的需求高增长期。

世界汽车业在正常年景增长率平局为4%左右，而中国却保持较高的增长率。

2.2道路交通发展状况
“十一五”期间，在大规模投资的带动下，我国交通运输的线路网络和客货运量均快速增长。

各种运输方式的总里程，从2005年的558.64万公里增加到2010年的704.27万公里，增长26.1%，年均增长4.7%；全社会主要运输方式完成客运量由2005年的184.70亿人增加到2010年的327.91亿人，增长77.5%，年均增长12.2%；旅客周转量由17466.7亿人公里增加到27779.2亿人公里，增长59.0%，年均增长9.7%；货运量由186.20亿吨增加到320.30亿吨，增长72.0%，
年均增长11.5%；货物周转量由80258.1亿吨公里增加到137329.0亿吨公里，增长71.1%，年均增长11.3%。

【7】
2.3行业发展
2011-12-08.“十一五”期间，在一系列刺激消费的政策推动下，汽车，住房，家电成为扩内需期间的三大消费热点，呈现出爆发式增长势头。

进入2011年以来，我国汽车产业在经历了近年来的快速增长后，产销量速度开始放缓。

2011年前五个月，全国汽车产销分别777.97万辆和791.62万辆，同比分别仅增长3.19%和4.06%，增长较2010年同期分别回落52.4百分点和49.19个百分点。

目前我国人均GDP已超过3000美元，按照国际经验，我国总体上进入了居民消费加速升级转型阶段。

根据瑞银最新发布的《物价与全球购买力比较》物价与全球购买力比较}报告显示：我国购买力与居民消费水平较高的北京和上海，在全球购买力排名较低。

【8】
3.上海市汽车保有量回归分析
3.1变量选择
以汽车保有量作为被解释变量Y。

由下图汽车保有量变化可以知道其值随时间快速增长。

图二汽车保有量变化
自变量的选择应该包括以下准则：
(1)自变量对因变量必须有显著的影响，正确把握所研究的经济现象中的经济行为规律密切的线性相关；
(2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的；
(3)自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度；
(4)自变量应具有完整的统计数据，其预测值容易确定【19】。

我们可以找到以下指标作为解释变量
（1）地区的生产总值是指本地所有常住单位一年的生产活动的最终成果。

他直接反应了整个地区经济发展的总体状况，在国民经济核算中是主要统计指标，故其变化与汽车的拥有量有很大的关联。

没有选择人均生产总值是因为在整个水平上保持个因变量的数字在一个大的维度，减少误差。

因此选取其作为自变量是合适的。

（2）社会消费品零售总额指各种经济类型的批发零售贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额和农民对非农业居民零售额的总和。

【25】反映一定时期内人民物质文化生活水平的提高情况，反映社会商品购买力的实现程度，以及零售，市场的规模状况。

由社会商品供给和有支付能力的商品需求的规模所决定，是研究人民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料。

而汽车是社会消费品中重要部分，故也应与汽车拥有量有很大关系。

（3）公路货运总量。

牵引车市需求的不断增长有很多方面的因素，但货运量不是与其为因果关系，理论上但是应为正相关，但是由于汽车制造的先进，其他可代替性运输方式改进，都能对其产生影响。

但总的说来货运量越大，车市场需求量月趋于旺盛。

因此汽车保有量与其有很大相关性。

（4）固定资产投资是指投资主体垫付货币或物资，以获得生产经营性或服务性固定资产的过程。

固定资产投资包括改造原有固定资产以及构建新增固定资产的投资。

由于固定资产投资在整个社会投资中占据主导地位，因此，通常所说的投资主要是指固定资产投资。

十一五期间，在国家汽车产业的调整和振兴规划和各项利好政策的推动下，上海市也加大招商引资与产业基地建设等，大力发展与其相关的产业，且在统计年鉴中固定资产投资下，今年来统计的六大重点发展工业行业投资额就有汽车制造业【7】。

因此固定资产投资额与汽车拥有量之间有相应的关系。

（5）公路运输线路长度。

在选取了公路货运总量以后，一般都忽略了公路运输线路长度，然而在现在路网容量供求关系和道路交通的分布日趋复杂化，本文决定不再其中选择一个，而是把他们单独作为一个解释变量。

（6）人口。

最后还选择人口作为一个指标，是在直观上人口的增长与汽车保有量是有一定内在联系。

部分分析全国汽车保有量相关论文也指出其实一个不可省略的解释变量。

（7）居民可支配收入，基于城乡居民收入抽样调查的居民可支配收入统计数据是我国国民经济核算体系中重要的基础数据之一，它不仅是衡量国家和各地区居民生活水平的基本指标，而且在宏观经济学理论及实证研究中有着非常重要的地位，对国家宏观经济政策的制定也有着重要的作用。

汽车作为耐用消费品进入人们的日常生活，也是与居民可支配收入有一定的关联性。

下表中包括城镇与农村居民可支配收入。

3.2数据收集整理
表一样本数据
年份汽车保
有量
（万
辆）上海市生产
总值（亿元）
社会消
费品零
售总额
（亿元）
公路货运
总量（万
吨）
固定资
产投资
（亿元）
公路运输
线路长度
(公里)
人口（万
人）
居民可
支配收
入
1996 46.64 2 957.55 1258.00 25023.00 1952.05 2881.00 1451.00 13005 1997 53.84 3 438.79 1435.38 25991.00 1977.59 3961.00 1489.00 13716 1998 58.27 3 801.09 1593.27 26352.00 1964.83 4104.00 1527.00 14180 1999 67.64 4 188.73 1722.33 27171.00 1856.72 4231.00 1567.00 16413 2000 104.29 4 771.17 1865.28 28369.00 1869.67 5849.00 1608.60 17283 2001 119.84 5 210.12 2016.37 28869.00 1994.73 6078.00 1668.33 18733 2002 139.03 5 741.03 2203.89 29759.00 2187.06 6286.00 1712.97 19462 2003 173.73 6 694.23 2404.45 30148.00 2452.11 6484.00 1765.84 21525 2004 202.85 8 072.83 2656.91 31554.00 3084.66 7805.00 1834.98 24020 2005 221.74 9 247.66 2979.50 32684.00 3542.55 8110.00 1890.26 26987 2006 238.13 10 572.24 3375.20 33799.00 3925.09 10392.00 1964.11 29881 2007 253.60 12 494.01 3873.30 35634.00 4458.61 11458.00 2063.58 33845 2008 261.50 14 069.87 4577.23 40328.00 4829.45 11497.00 2140.65 38060 2009 285.00 15 046.45 5173.24 37745.00 5273.33 11671.00 2210.28 41162 2010 309.70 17 165.98 6070.50 40325.00 5317.67 11974.00 2302.66 45584 2011 329.17 19 195.69 6814.80 42685.00 5067.09 12084.00 2347.46 51847 2012 360.90 20 181.72 7412.30 42911.00 5254.38 12541.00 2380.43 57589 注：样本数据来源上海市统计年鉴
3.3变量间关系分析
3.3.1计算相关系数
为了保证线性模型的合理性，首先需要分析被解释变量和解释变量间的相关
性，可以通过计算简单相关系数分析，只有与被解释变量呈高度相关的解释变量
才适合引入模型。

表二 相关系数矩阵
Y
GDP SRG HFV FAI LTR POP PDI Y 1
0.92909 0.885964 0.93985 0.94374 0.96909 0.964009 0.901829 GDP 0.92909
1 0.992108 0.9891 0.96739 0.95424 0.991093 0.996386 SRG 0.88596
0.992108 1 0.97405 0.9361 0.91554 0.972407 0.997045 HFV 0.93985
0.989104 0.974047 1 0.95974 0.96379 0.989433 0.981579 FAI 0.94374
0.967393 0.936103 0.95974 1 0.96553 0.973118 0.947742 LTR 0.96909
0.95424 0.915536 0.96379 0.96553 1 0.978146 0.934478 POP 0.96401
0.991093 0.972407 0.98943 0.97312 0.97815 1 0.980934 PDI 0.90183 0.996386 0.997045 0.98158 0.94774 0.93448 0.980934 1
3.3.2绘制散点图
图三散点图
3.3.3相关分析结果
从上面图三与表二中可以看出汽车保有量与上海市生产总值，社会消费品零
售总额，公路货运总量，固定资产投资，公路运输线路长度，人口，居民可支配收入都呈现高度相关，这表明线性模型在解释它们的关系时是比较合适的。

3.4模型构建
3.4.1模型选择
选择模型的数学形式的主要依据是经济行为理论。

对于汽车拥有量的研究，
也就是对其消费需求的预测。

在现实经济活动中。

汽车拥有量受到各种影响相对较多也较为复杂。

基于多元线性回归分析较为精确。

多元线性回归模型的形式为：
i
ki k i i i X X X Y μββββ+++++= 22110 i=1,2,…,n
式中：
β
0β
K
为待定参数；
u
i
为随机变量。

如果b
0，b
1
，…，b
k
分别为β
，β
1
，…,β
k
的拟合值，则回归方程为
式中：
b
为常数；
b 1b
2
…b
k
称为偏回归系数。

偏回归系数的意义是，当其他自变量x
j
都固定时，自变量x
i
每变化一个单
位而使因变量y平均改变的数值。

3.4.2模型分析
以汽车保有量为Y值，运用Eviews计量经济学模型：
表三回归分析结果
Y=-581.8373+0.05597*GDP-0,074*SRG-0.0057*HFV+0.037*FAI-0.116*LTR+ 0.6570*POP-0.0119*PAI
se=(190.6243) (0.0187) (0.0314) (0.0042) (0.0149) (0.0073) (0.1312) (0.0048)
t=(-3.052281) (-1.) (-2.9949) (-2.493590) (-2.3942) (1.5998) (5.0093) (-2.4809)
R2=0.9909 DW=2.2257 S.E.=12.1438 F=140.4398
3.4.3回归模型的统计检验 (1)拟合优度检验
所谓拟“拟合优度”，即模型对样本数据的近似程度。

在多元线性回归模型中，我们也可用该统计量来衡量样本回归线对样本观测值的拟合程度。

记∑-=
2
)(Y Y TSS i
为总离差平方和，
∑-=2)ˆ(Y Y ESS i
为回归平方和，
∑-=2)ˆ(i i Y
Y RSS 为剩余平方和，则
2222)ˆ()ˆ)(ˆ(2)ˆ())ˆ()ˆ(()(Y Y Y Y Y Y Y Y Y Y Y
Y Y Y TSS i i i i i i i
i
i
i -∑+--∑+-∑=-+-∑=-∑=
由于
∑∑-=--)ˆ()ˆ)(ˆ(Y Y e Y Y Y Y i
i
i
i
∑∑∑∑++++=i
ki i k i i i e Y X e X e e βββˆˆˆ110
=0 所以有：
ESS
RSS Y Y Y Y TSS i i i +=-+-=∑∑22)ˆ()ˆ(
即总离差平方和可分解为回归平方和与剩余平方和两部分。

回归平方和反映了总离差平方和中可由样本回归线解释的部分，它越大，剩余平方和越小，表明样本回归线与样本观测值的拟合程度越高。

因此，可用回归平方和占总离差平方和的比重来衡量样本回归线对样本观测值的拟合程度：
TSS RSS TSS ESS R -
==12 该统计量越接近于1，模型的拟合优度越高。

R
2
=0.9909非常接近与1 故该模型的拟合度很高
(2)方程总体线性的显著性检验（F 检验） 方程显著性的F 检验是要检验模型
i
ki k i i i X X X Y μββββ+++++= 22110 i=1,2,…,n
中参数是否显著不为0。

按照假设检验的原理与程序，原假设与备择假设分别为
H k 012000:,,,βββ===
1H ：i β不全为零
F 检验的思想来自于总离差平方和的分解式：
TSS=ESS+RSS
由于回归平方和∑=2ˆi y
ESS 是解释变量X 的联合体对被解释变量Y 的线性作用的结果，考虑比值
∑∑=2
2ˆ/i
i e
y RSS ESS
如果这个比值较大，则X 的联合体对Y 的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。

因此可通过该比值的大小对总体线性关系进行推断。

根据数理统计学中的知识，在原假设
H 成立的条件下，统计量
)1/(/--=
k n RSS k
ESS F 服从自由度为(,)k n k --1的F 分布。

给定一个显著性水平α，可得到一个临界值F k n k α(,)
--1，根据样本
在求出F 统计量的数值后，可通过
F ＞F k n k α(,)--1 或 F ≤F k n k α(,)
--1 来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。

F=140.4398，给定显著性水平α=0.05,查F 分布表，得到F0.05(7.9)=3.37，显然有F>F α（k,n-k-1）
表明模型的线性关系在95%的置信水平下显著成立。

(3)变量的显著性检验（t 检验）
参数估计量的方差为：
12)()ˆ(-'=X X β
σCov
以c ii 表示矩阵 ()'-X X 1主对角线上的第i 个元素，于是参数估计量 βi 的方差为：
ii
i c Var 2)ˆ(σβ=
其中
2
σ为随机误差项的方差，在实际计算时，用它的估计量2ˆσ代替。

这样，
当模型参数估计完成后，就可以计算每个参数估计量的方差值。

因为
βi 服从如下正态分布
βi ～),(2ii i c N σβ 因此，可构造如下t 统计量
1ˆˆˆ--'--=k n c s t ii
i
i i
i
i
e
e βββββ～t n k ()--1
该统计量即为用于变量显著性检验的t 统计量。

给定显著性水平α=0.05，查T 分布表自由度为9的相应临界值得到t0.025(9)=2.262
根据计算公式，表明HFV ，LTR 未通过检验
解释变量HFV ，LTR 的参数t 检验不显著。

因此我们需要对其进行计量经济学检验并进行修正，从而使得模型能得到改进。

3.4.4计量经济学检验
计量经济学检验在进行计量经济学模型回归分析时，必须对所研究对象是否满足普通最小二乘法的基本假设进行检验，即检验是否存在一种或多种违背基本假设的情况，当发现出现一种或多种基本假设条件不满足时，必须采取补救措施。

(1)异方差检验
在实际经济问题中，随机扰动项往往是异方差的，但主要在截面数据分析中出现。

在时间序列数据中，变量具有相似的数量等级，由于本文所选数据是时间序列数据，不存在异方差性，所以通过异方差性检验。

(2)序列相关性
多元线性回归模型基本假设之一就是随机误差项不相关，若违背则称为存在序列相关性。

① 杜宾—沃森（DW 检验）
D-W 检验是杜宾（J.Durbin ）和瓦尔森(G.S.Watson)于1951年提出的一种检验序列自相关的方法。

由回归模型可得DW=2.225667. 在给定显著性水平α=0.05,查Durbin —Watson 表，对于n=17,k=7,得下限临界值d l =0.451，上限临界值d u =2.537。

0<=dw<=dl 残差序列正相关，du<dw<4-du 无自相关，4-dl<dw<=4负相关 ，若不在以上3个区间则检验失败，无法判断。

根据判断规则可知,这时随机误差项无法判断有无自相关性。

综上所述，可以得出回归方程中的随机误差
项u
i
无法判断是否存在序列相关性。

②图示法检验
由于杜宾—沃森检验法只适用于1阶序列相关性的检验，而对更高阶的序列相关性无法进行检验。

上面的杜宾—沃森检验无法判断是否存在序列相关性，故
采用图示法来进行序列相关性检验【6】。

做e
t -t关系图和e
t
-e
t-1
关系图,如图4、
图5示：
图4 e t-t关系图
图5 e t-e t-1关系图
从残差项与时间以及e
t -e
t-1
关系图可以看出，随机误差项不存在一阶自相关。

③高阶自相关检验
偏相关系数检验:
偏相关系数是衡量多个变量之间相关长度的重要指标，可以用它来判断自相关性的类型。

如下图六所示：
图六偏相关系数检验结果
从图中可以看出不存在一阶和二阶相关性。

（3）多重共线性
所谓多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。

一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。

从而导致参数估计是去意义。

①多重共线性检验：
相关系数检验：由图三中相关系数表可得变量间高度相关。

②多重共线性修正：
当解释变量出现共线性时，应设法消除其影响，一方面从收集数据增大样本容量考虑，另一方面改变模型形式。

运用普通最小二乘法逐一求y对各个解释变量的回归。

结合经济意义和统计意义选出拟合效果最好的一元线性回归方程
Y=23.35528+0.017371*GDP
R2=0.94090965 D-W=0.260546 F=239.0883
Y=21.74306+0.049733*SRG
R2=0.094733 D-W=0.187769 F=121.5280
Y=-358.3757+0.016659*HFV
R2=0.939983 D-W=1.206415 F=234.9299
Y=-43.46092+0.06547*FAI
R2=0.909432 D-W=0.353632 F=150.6215
Y=-60.59845+0.030750*LTR
R2=0.030750 D-W=0.725907 F=320.1049
Y=-419.5039+0.034439*POP
R2=0.975795 D-W=0.520444 F=640.7040
Y=-11.32408+0.007073*PDI
R2=0.920628 D-W=0.231077 F=173.9841
从上面回归结果可以看出，大部分变量的回归显著性较好，但D-W值距2也较远，也说明自相关程度较高。

通过上述分析，汽车保有量与人口线性关系强，拟合程度好。

首先，公路货运总量，公路运输线路长度两者具有极强的相关性，一起预测时汽车公路运输线路长度DW值偏低，故可以舍弃。

同理GDP与SRG,PDI中保留PDI.
剩余FAI,POP,LRT,PDI
逐步回归：
将剩余变量逐步引入方程Y=-419.5039+0.034439*POP中，通过分析回归分析结果最后得到：
Y=0.69*POP-0.003*LRT+0.008*PDI-851.21
R2=0.98 F=216.9 D-W=1.8
上述结果拟合度较好，模型回归效果显著，自变量间相关性不高。

尽管回归的方程存在不足之处，但可以通过检验，作为汽车保有量的预测模型。

3.5模型预测
对上述三个变量分别做一元线性回归时，发现一个相似情况，就是1996-2012年这几组数据可以分为两段，做2002年以后，每一段与实际曲线拟合较好的数据这回归曲线都与实际曲线拟合的较好。

如下图六~图八
图七人口的回归模拟图
图八公路货运总量的回归模拟图
图九居民可支配收入的回归模拟图
从2002-2012的数据，有：
POP=X *71.667+1625.8
LTR =X*1444.3+27477
PDI=X*3755.9+12916
而其中，Y=0.69*POP-0.003*LRT+0.008*PDI-851.21
取2015到2010年的数据得到下表:
表四汽车保有量预测表
年份X POP LTR PDI 预测Y
2015 19 2987.473 44554.8 84278.1 402.2572
2016 20 3059.14 45720 88034 418.1646
2017 21 3130.807 46885.2 91789.9 434.072
2018 22 3202.474 48050.4 95545.8 449.9795
2019 23 3274.141 49215.6 99301.7 465.8869
2020 24 3345.808 50380.8 103057.6 481.7943
从预测结果来看，2015—2020年上海市的汽车保有量在400万辆到500万辆之间，年平均增长率约为4%。

4.分析结论及应用价值
4.1分析结论
4.1.1经济意义分析
虽然我国民有车拥有量呈现增长趋势，但是目前我国私人汽车消费水平总体上仍然偏低，与国外相比，人均拥有量与总量都有较大差异。

下图十是上海市人均生产总值（美元）与汽车保有量（万辆）的变化图：
图十海市人均生产总值与汽车保有量的变化图
前文所述，根据世界汽车行业发展规律，当一国人均GDP达到3000美元以后，国民消费结构就会发生改变，就会进入以汽车住房为代表的改善生活质量的消费时代。

从上图可以看出，上海人均生产总值达到3000美元开始，汽车并为如经验所说有爆发式增长，而增长滞后。

目前存在着汽车消费水平与GDP水平等不相符。

根据国外汽车保有量变化趋势以及经济理论表明，本文分析几个因素各个系数的预期符号多为正数，这与回归结果部分不符。

在经过模型优化以后得出结论为，汽车保有量主要与人口有关。

此外也可说明我国存在汽车消费环境障碍问题，在人均可支配收入增长那部分并为如经验所想那样会带动汽车保有量的相应增长。

说明消费潜能有待释放。

公路运输线路总长度总体上是呈现增长趋势如图所示。

由于在汽车保有量快速增长的同时，公路运输线路总长度是基本不变，正印证了如今交通拥堵的现状。

因此在模型设定在其系数为负。