中国轿车生产量的分析

题目：中国轿车生产量的分析

作者张继平专业经济学班级一班学号1008090131

摘要：运用线性回归理论，对影响中国轿车生产量的相关因素进行关联度分析，并进行趋势因素关联度分析，为我国汽车工业与交通行业的发展提供一定的决策依据和导向作用。

关键词：中国轿车；生产产量；恩格尔系数；

正文：自90年以来，我国的经济发展一直保持高速增长的态势，轿车的消费量和生产量也高速增长。我国目前的轿车消费者主要集中于城镇居民，随着未来经济的快速发展，城镇居民可支配收入持续增加，公路设施状况大大改善等都不断刺激产生着潜在的轿车消费群体。因此，通过经济学和统计学分析影响轿车消费量的各种因素，预测未来轿车生产趋势，对我国汽车厂商研究未来市场需求，开展营销活动，规划发展战略，具有重大的经济意义。

由书上表中数据可以看出，作为最直接关联因素的私人载客汽车拥有量对我国轿车生产量影响最大。随着经济发展的不断增长、公共交通条件的大大改善，我国私人载客汽车拥有量不断攀升，从而最直接地使国内汽车市场的轿车生产量相应增加。现在我国轿车的主要消费者为经济收入水平相对较高的城镇居民，从1990年至2006年的近十年间，我国城镇居民人均可支配收入从1510.2元增长到11759.5元。居民可支配收入成倍的增加意味着人们可以更灵活地掌控自己的消费去向。进入新世纪以来，国外的现代消费观念慢慢影响到我国的消

费者，人们逐渐愿意安排部分收入用于消费更为高档的交通工具——小轿车。这也成为国内轿车消费市场火爆的重要原因之一。

进入现代化建设新时期以来，我国政府对道路交通条件改善的投入逐步加大，使我国的公路里程有了大幅度的扩张，从而也使得人民的出行更为快捷便利。在表1统计资料中，1990年至2006年，随着我国公路里程的急剧增加，我国轿车生产量出现同步的大幅度增加。由此可以看出，我国的公路交通设施的改善对国内轿车生产量有关联甚大。在未来的经济发展中，政府如果能够继续加大对公共道路交通设施的经济投入，更大范围地扩张公路建设，将会刺激促使我国轿车生产量的快速增长。国内生产总值的增加也与中国的整体消费市场及轿车消费市场息息相关。

为了接下来更好的说明问题，我们先来了解一下恩格尔系数的定义。恩格尔系数：恩格尔系数(Engel's Coefficient)是食品支出总额占个人消费支出总额的比重。19世纪德国统计学家恩格尔根据统计资料，对消费结构的变化得出一个规律：一个家庭收入越少，家庭收入中（或总支出中）用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中（或总支出中）用来购买食物的支出比例则会下降。推而广之，一个国家越穷，每个国民的平均收入中（或平均支出中）用于购买食物的支出所占比例就越大，随着国家的富裕，这个比例呈下降趋势。

城镇居民家庭恩格尔系数和车用燃料消费价格指数在序列影响因素中处于靠后的地位。1990——2006年我国城镇居民家庭恩格尔系数呈现下降态势，但波动幅度不大。统计学家研究发现，随着国民经济水平的不断提高，发达国家居民恩格尔系数较发展中国家小就是一个说明，所以其对高消费市场影响整体上较弱。在国家的政策支持下，我国轿车的消费量并没有汽车消费市场的燃油等价格上升而减少，所以这对轿车的消费市场不会产生显著的影响，故对轿车生产量的影响也不大。

参考文献：《天然花林——中国轿车生产量灰色关联分析》；《百度百科》

表1：中国轿车生产与相关因素的数据

年份轿车生

产量

（万

量）

私人载客

汽车拥有

量（万量）

城镇居民

家庭恩格

尔系数

公路里程

（万公

里）

国内生产

总值

GDP(亿元）

城镇居

民人均

可支配

收入元

1990 3.5 24.07 54.24 102.83 18667.82 1510.2 1991 6.87 30.36 53.8 104.11 21781.5 1700.6 1992 16.17 41.78 53.04445 105.67 26923.48 2026.6 1993 22.29 59.85 50.3167 108.35 35333.92 2577.4 1994 26.87 78.62 50.03928 111.78 48197.86 3496.2 1995 33.7 114.15 50.0906 115.7 60793.73 4283 1996 38.29 143.04 48.76093 118.58 71176.59 4838.9 1997 48.6 191.27 46.59502 122.64 78973.03 5160.3 1998 50.71 230.65 44.66099 127.85 84402.28 5425.1 1999 57.1 304.09 42.06798 135.17 89677.05 5854.02 2000 60.7 365.09 39.44218 140.2698 99214.55 6280 2001 70.36 469.8539 38.19902 169.8 109655.2 6859.6

2002 109.2 623.76 37.67637 176.52 120332.7 7702.8 2003 207.08 845.8739 37.1 180.98 135822.8 8472.2 2004 227.63 1069.691 37.7 187.07 159878.3 9421.6 2005 277.01 1383.925 36.7 334.52 183.867.9 10493 2006 386.94 1823.566 35.8 345.7 210871 11759.5

3.1 模型建立和回归分析

采用EXCEL软件计算得到表2：

表2：相关系数分析表

SUMMARY OUTPUT

回归统计

Multiple R 0.9966254

R Square 0.9932621

Adjusted R

Square 0.9901994

标准误差10.936208

观测值17

方差分析

df SS MS F

回归分析 5 193939.16 38787.832 324.3112 残差11 1315.6071 119.60064

总计16 195254.77

Coefficients 标准误差t Stat P-value Intercept -207.4431 89.33663 -2.322039 0.040432 X Variable 1 0.2826961 0.0366136 7.7210651 9.14E-06 X Variable 2 4.0544989 1.4702646 2.7576661 0.018633 X Variable 3 -0.282609 0.1441365 -1.960705 0.075723 X Variable 4 -0.002019 0.0015082 -1.338535 0.20773 X Variable 5 0.0388008 0.02373 1.6350966 0.130294