我国汽车销售量的影响因素及其计量分析

我国汽车销售量的影响因素及其计量分析

摘要：汽车改变了人们的生活，延展了人类的脚步。本文以分析我国汽车销量数量为主要目的，并提出个人可支配收入、GDP、恩格尔系数、居民消费指数、石油消耗量、汽车产量等指标，建立线性回归模型，分析汽车销售数量变化背后的原因。汽车销售数量的上升，进一步说汽车在国民生活中普及，也说明国民生活质量和国家宏观经济发展之良好势头。

关键词：汽车销售量、影响因素、计量分析、政策提议

1. 引言

1901年，第一辆进口汽车登陆上海。从此，中国有了汽车的概念。但也有人说，慈禧乘坐过的一辆汽车是我国进口的第一辆汽车，现还有实物陈列在颐和园内。[1] 1953年，解放CA1在长春第一汽车制造厂崭新的总装线下线，这里程碑式的时刻意味着中国自主制造的第一款汽车诞生，它的诞生不仅给我国不能制造汽车的历史划上句号，也将中国的名字浓墨重彩地写入世界汽车工业史。改革开放以来，我国的汽车工业的发展取得了长足的进步。我国的汽车工业是在50年代起步，但是到了90年代汽车这一“新鲜”的事物才逐渐走入老百姓的生活中，也是从那个时候汽车工业得到快速的发展。汽车工业也逐渐成为国民经济中的主流力量，是国家工业的顶梁柱。

2001年我国汽车千人保有量仅为14台, 2008年汽车千人保有量为49台; 2001年轿车千人保有量仅为7. 8台; 至2008年上升到34台。2002年成为汽车工业发展的私车普及年, 其标志是轿车产销量占汽车市场的比例跃升到34%的高位, 结束了轿车发展连续5年徘徊在30%左右的局面。从2002年轿车占汽车比例突破30%的平台到2006年突破50%的平台仅用了四年。[2]

中国的汽车保有量增长令人刮目相看，在世界的汽车销售份额占据越来越重要的地位，中国市场向来就是各大汽车厂商的必争之地。

本文通过建立计量分析模型，分析各个提出的解释变量对汽车销售数量的影响。

2. 指标选择

2.1 影响因素概述

GDP：汽车的销售量反映了我国整体的经济走向，与经济走向具有一致性，可反映出我国宏观国民经济的情况。大多数的情况下，我们一般使用GDP来衡量某一时间段内国家的宏观经济情况。而且GDP是计算一国一年内生产的最终产品的价值，所以GDP的增长应该是与汽车销售量的增长是一致的。

恩格尔系数：恩格尔系数是食品支出总额占个人消费支出总额的比重。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。所以我们可以推断恩格尔系数越低，家庭可支配收入越高，那么汽车的购买能力越强，若有意愿，则我们可以说当恩格尔系数越低，汽车的销售数量越高，与汽车销售数量增长呈反向变动。

消费价格指数：消费物价指数英文缩写为CPI，是根据与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。我们可以推断消费价格指数与汽车销售数量的增长呈正向变动。

石油消耗量：石油是工业的血液，汽车也是，汽车赖以驱动的汽油和柴油是石油的工业制成品，而石油的消耗量也会反映出汽车的销售量，当汽车销售量越大时，石油的消耗量也越大。我们可以推断出石油的消耗量与汽车销售数量的增长呈正向变动。

汽车产量：汽车产量是汽车销售数量的重要反映指标，所有的消费品都必须先生产出来才可以拿去销售。生产是销售的前提和反映。汽车厂商也不会过量生产，以免造成库存，会根据当前的销售状况来调整当前的生产规模。所以汽车的产量与汽车的销售数量的增长呈正向变动。

2.2 相关数据及其数据来源

数据来源：中国国家统计局，2012年《中国统计年鉴》和《中国汽车产销量明细》

数据缺陷：由于中国汽车的产销量只有记录到1994年的，所以我们本篇文章收集的是1994年到2011年间的18年的数据。

3. 模型估计及检验修正

3.1 模型估计

我们在建立参数模型之前。先利用上表的数据, 先对汽车销售数量和解释变量之间做散点图，观察分布大致趋势, 以便于选择建立合适的模型。

根据上述散点图初步建立回归模型：

Date: 01/17/13 Time: 14:13

Sample: 1994 2011

Included observations: 18

Variable Coefficient Std. Error t-Statistic Prob.

C 353.3294 367.7166 0.960874 0.3556

X1 0.000259 7.93E-05 3.261235 0.0068

LOG(X2) -31.87323 38.45873 -0.828765 0.4234

LOG(X3) 11.32506 31.22668 0.362673 0.7232

LOG(X4) -29.12749 22.81531 -1.276665 0.2259

X5 0.949696 0.013632 69.66790 0.0000

R-squared 0.999934 Mean dependent var 598.6611

Adjusted R-squared 0.999907 S.D. dependent var 563.6701

S.E. of regression 5.443817 Akaike info criterion 6.488039

Sum squared resid 355.6217 Schwarz criterion 6.784830

Log likelihood -52.39236 F-statistic 36449.65

Durbin-Watson stat 1.182306 Prob(F-statistic) 0.000000

初步回归的模型为：

Y=353.3294+0.000259X1-31.87323LOG(X2)+11.32506LOG(X3)-29.12749LOG(X4)+ 0.949696X5

t (0.960874) (3.261235) (-0.828765) (0.362673) (-1.276665) (69.66790)

R^2=0.999934 R^2=0.999907

DW=1.182306 F=36449.65

3.2 模型检验

①经济意义检验：从模型中可得知，LOG(X3)和LOG(X4)和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^2=0.999934，或者是校正判定系数R^2=0.999907，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=0.960874，t2=3.261235，

t3=-0.828765，t4=0.362673，t5=-1.276665，t6=69.66790，而在5%显著性水平下自由度为n-k=18-6=12的t分布双边检验临界值为2.179，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=36449.65，在5%显著水平下自由度为