私家车拥有量的计量分析

私家车拥有量的计量分析

【摘要】本文旨在对1989-2003年我国人均收入变动，基础设施建设等一系列因素对私人汽车拥有量的影响进行实证分析。首先，我们收集了相关的数据。其次，建立了理论模型。然后，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些政策建议。

【背景资料】众所周知，汽车产业发展将带动巨大的经济链条的运转，特别是对钢铁、有色金属等原材料影响深刻，而就目前来说，中国的平均汽车保有量非常低，与中国的经济发展水平不相称，２００３年，我国每千人的轿车拥有量只不过５．１６辆。世界上有２９个国家遍及亚、非、拉美的人均ＧＤＰ低于我国，可是它们的每千人轿车拥有量却高于我国。例如位于高加索地区的格鲁吉亚，虽然人均ＧＤＰ只有７０１美元，但每千人轿车拥有量竟高出我国１６．６倍；居民数仅次于我国的印度，其人均ＧＤＰ只及我国的３９％，可是每千人轿车拥有量却只与我国相差１０％。中国汽车市场目前400多万的销量仅仅相当于美国六七十年代的水平,而中国的人口基数要比美国大得多,从收入最高的20%人口的收入水平来看,如果达到世界平均水平，中国应该有１．６亿辆汽车，是目前的８倍。可见中国的汽车市场还没有完全形成应有的规模，所以中国汽车市场潜力巨大。

数据源

Y: 私家车拥有量，（万辆）；X2：国内生产总值（亿元）；X3：居民消费水平（元）

X4:公路长度（万公里）；x5：人均生活能源消费量（液化石油气kg）；x6：海关历年进口机械及运输设备金额（亿美元）；x7:年底总人口数（万人）。（数据来源于《中国统计年鉴》）

一运用OLS法对参数估计.

(一) 参数的估计

分析：F=338.4232> F0.05(6,8)=3.58,表明模型从整体上看私人汽车拥有量与解释变量之间线性关系显著。

Y=-1337.667+0.002107X2-0.189167X3+7.617672X4+74.71374X5+0.040517X6+0.005484X7（1308.979）（0.010792）（0.271554）（1.440055）（24.50343）（0.147795）（0.011616）

t=（-1.021916）(0.195260) (-0.696610 ) (5.289848) (3.049114) (0.274143) (0.472049)

r^2=0.996076 df=8

X3是居民消费水平,系数为负号与经济变量不符，剔除x3。

(二) 解释变量之间的简单相关系数：

由上表可以看出：解释变量之间存在高度线性相关，尽管整体上回归拟合较好但X2，X3,

X6,X7变量的参数t值并不显著，X3系数符号是负的这与实际的经济意义相悖。表明模型中解释变量之间确实存在严重的多重共线性。

(三) 修正

（1）运用OLS法逐一求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一元线性回归方程。逐步回归如下：

X4系数为正,t检验值=7.803266显著,可决系数=0.931589显著.保留X4

Y=-849.3466+8.237276X4+39.09645X5

(113.868)(1.268732) (10.59728)

t=(-7.510570) (6.492524) (3.689291)

r^2=0.984654 df=12

X4与X5系数的符号为正与经济意义相符,t检验显著,可决系数=0.984654显著,保留X4与X5

Y=-690.7049-0.003628X2+6.935038X4+66.57942X5+0.134430X6

(89.86115) (0.001521) (1.051863) (19.38056) (0.074675)

t=(-7.686357) (-2.385545) (6.593097) (3.435372) (1.800200)

r^2=0.995726 df=10

X2是国内生产总值,系数符号与经济意义相悖,不能同时保留X2 X4 X5 X6

Y=418.6284+6.429052X4+42.09112X5+0.186836X6-0.009652X7

(628.5659) (1.106487) (13.64904) (0.073565) (0.005814)

t=(0.666006) (5.810327) (3.083816) (2.539751) (-1.660227)

r^2=0.994743 df=10

X7是年底总人口数,系数符号为负, 与经济意义相悖,不能同时保留X4,X5,X6,X7

Y=-613.4566+5.726536X4+23.50411X5+0.252093X6

（100．1139）（1.100981）(8.407789) (0.066964)

t=(-6.127588) (5.201305) (2.795516) (3.764609)

r^2=0.993294 df=11

如上分析可知：删除X2,X3,X7之后，模型的统计检验效果均有较大的改善，表明Y对X4,X5,X6的回归模型最优。

三异方差检验

(一)匡特检验

（1）

由表可知:F4=53894.13/109.6726=491.40925>F0.05(4,4)=6.39，则拒绝H0,表明随机误差显著的存在异方差。

(2)

由表可知:F5=30990.38/43.10704=718.91691>F0.05(4,4)=6.39，则拒绝H0,表明随机误差显著的存在异方差。

(3)

由表可知:F6=5591.736/635.7427=8.7955961>F0.05(4,4)=6.39，则拒绝H0,表明随机误差显著的存在异方差

（1）用WLS估计法对X4异方差修正如下：

（2）用WLS估计法对X5异方差修正如下：