中国私人轿车拥有量与其影响因素分析毕业论文.doc

《中国私人轿车拥有量与其影响因素分析毕业论文.doc》由会员分享，可在线阅读，更多相关《中国私人轿车拥有量与其影响因素分析毕业论文.doc（10页珍藏版）》请在三一办公上搜索。

1、 计量经济学 论文题目：中国私人轿车拥有量与其影响因素分析 任课老师： 姓 名： 学 号： 班 级：统计081 论文题目摘要：. 轿车进入家庭不是单一因素的结果。通过对影响中国私人轿车拥有量的因素，即 GDP、居民消费价格指数、工业品出厂价格指数等三个方面的定量分析，估计出了这三个因素对中国私人轿车拥有量的影响程度。此项研究可对我国私人轿车拥有量的准确预测及交通规划和管理提供理论依据。关键字：私人轿车拥有量 GDP 居民消费价格指数 工业品出厂价格指数 汽车产量研究主题：随着国内经济的高速发展，人们的物质生活水平不断提高，越来越多的家庭拥有了自己的私人轿车。拥有私人轿车为人们的出行带来了方便，

2、但同时私人轿车数量的增多也带来了一些社会问题。除了看得见的交通拥挤、城市交通环境恶化，还有看不见的空气污染、土壤污染等自然环境恶化。这给城市交通、城市环境、城市空间结构的可持续发展都带来不利影响。但与此同时，私人轿车大规模的拥有和使用同样创造了巨大的社会效益。因此，研究中国私人轿车拥有量的影响因素，并对其进行定量分析将有重大的意义。本文通过对影响中国私人轿车拥有量的因素，即 GDP、居民消费价格指数、工业品出厂价格指数、汽车产量等四个方面的定量分析，估计出了这三个因素对中国私人轿车拥有量的影响程度。此项研究可对我国私人轿车拥有量的准确预测及交通规划和管理提供理论依据。数据类型： 时间序列数据数

3、据频度：年起止时间： 1995-2009主要研究方法：使用多元线形回归模型建模,再用普通最小二乘估计进行参数估计.，通过基础的检验最终确定模型结构。模型设定研究中国私人轿车拥有量的影响因素，需要考虑以下几个因素：1居民消费价格指数 2.工业品出厂价格指数 3 汽车的产量 4.国内生产总值，我们定义模型的变量如下面所示：Y: 中国私家车拥有量(万辆)X1: 居民消费价格指数X2: 工业品出厂价格指数X3: 汽车产量(万辆)X4: GDP（亿元）数据的收集数据质量直接决定着模型的质量。本文收集了中华人民共和国国家统计局编的2010 中国统计年鉴中 1995年到 2009年共 15年的相关数据。如表

4、 1 所示。表 1 1990 年到 2008 年的时间序列数据年份中国私人汽车拥有量（万辆）居民消费价格指数工业品出厂价格指数汽车产量（万辆）国内生产总值（亿元）1995249.96117.1114.9 145.27 60793.7 1996289.67108.3102.9 待添加的隐藏文字内容3147.52 71176.6 1997358.36102.899.7 158.25 78973.0 1998423.6599.295.9 163.00 84402.3 1999533.8898.697.6 183.20 89677.1 2000625.33100.4102.8 207.00 99214

5、.6 2001770.78100.798.7 234.17 109655.2 2002968.9899.297.8 325.10 120332.7 20031219.23101.2102.3 444.39 135822.8 20041481.66103.9106.1 509.11 159878.3 20051848.07101.8104.9 570.49 184937.4 20062333.32101.5103.0 727.89 216314.4 20072876.22104.8103.1 888.89 265810.3 20083501.39105.9106.9 930.59 314045.

6、4 20094574.9199.394.6 1379.53 340506.9 对上述序列进行单位根（ADF）的检验：Null Hypothesis: D(X1,2) has a unit rootExogenous: ConstantLag Length: 3 (Automatic based on SIC, MAXLAG=3)t-StatisticProb.*Augmented Dickey-Fuller test statistic-3.3361340.0449Test critical values:1% level-4.4205955% level-3.25980810% level-

7、2.771129*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical values calculated for 20 observationsand may not be accurate for a sample size of 9Augmented Dickey-Fuller Test EquationDependent Variable: D(X1,3)Method: Least SquaresDate: 12/12/11 Time: 12:36Sample (adjusted): 2001 2

8、009Included observations: 9 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.D(X1(-1),2)-2.1186470.635060-3.3361340.0289D(X1(-1),3)0.1341820.4397750.3051160.7755D(X1(-2),3)-0.5512680.307343-1.7936570.1473D(X1(-3),3)-1.0371070.329320-3.1492360.0345C-0.7132290.576052-1.2381330.2834R-squar

9、ed0.954429Mean dependent var-1.122222Adjusted R-squared0.908859S.D. dependent var4.754413S.E. of regression1.435340Akaike info criterion3.860861Sum squared resid8.240803Schwarz criterion3.970431Log likelihood-12.37388Hannan-Quinn criter.3.624411F-statistic20.94393Durbin-Watson stat2.489522Prob(F-sta

10、tistic)0.006041表（1）对X1进行二阶差分ADF检验，从上面表（1）看，检验t统计量是-3.336134，比显著性水平为10%的临界值都小，所以拒绝原假设，序列不存在单位根，是平稳的。Null Hypothesis: D(X2,2) has a unit rootExogenous: Constant, Linear TrendLag Length: 3 (Automatic based on SIC, MAXLAG=3)t-StatisticProb.*Augmented Dickey-Fuller test statistic-4.4044010.0355Test criti

11、cal values:1% level-5.5218605% level-4.10783310% level-3.515047*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical values calculated for 20 observationsand may not be accurate for a sample size of 9Augmented Dickey-Fuller Test EquationDependent Variable: D(X2,3)Method: Least Squ

12、aresDate: 12/12/11 Time: 12:39Sample (adjusted): 2001 2009Included observations: 9 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.D(X2(-1),2)-5.8512191.328494-4.4044010.0217D(X2(-1),3)3.4310351.0542533.2544690.0473D(X2(-2),3)1.8951180.7367232.5723600.0823D(X2(-3),3)0.4976930.3825991.3

13、008210.2842C17.576318.2065682.1417370.1217TREND(1995)-1.7724740.761576-2.3273740.1024R-squared0.936837Mean dependent var-2.177778Adjusted R-squared0.831566S.D. dependent var9.738169S.E. of regression3.996612Akaike info criterion5.843492Sum squared resid47.91872Schwarz criterion5.974975Log likelihood

14、-20.29571Hannan-Quinn criter.5.559752F-statistic8.899280Durbin-Watson stat2.505434Prob(F-statistic)0.050869表（2）对X2进行二阶差分ADF检验，从上面表（2）看，检验t统计量是-4.404401，比显著性水平为10%的临界值都小，所以拒绝原假设，序列不存在单位根，是平稳的。同理可以进行X3，X4，以及Y的单位根的检验均验证得出序列不存在单位，即所给出的序列是平稳的。为使模型的设定更合理，并减少潜在的异方差问题 ，采用双对数函数形式，并把时间序列表格列出如下：5.5213009050000

15、014.7630282709999994.7440621854.9785940811.015241445.6687423444.6849051544.6337576434.9939637611.172919395.8815380684.6327853534.6021656770000015.06417606100000111.27686136.0489076434.5971380140000014.5633059825.09375020111.343349936.2801710954.5910712624.5808774935.21057845211.403970726.438279514.6

16、091622074.6327853535.33271879311.505040466.6474029894.6121458000000014.5920849465.45604734711.605096186.8762439724.5971380140000014.5829245775.78413282711.698015697.1059747914.6170987574.6279096729999996.09670255511.819106377.300918364.6434288984.6643820466.23266410311.982168187.521897134.6230101039

17、999994.6530075149999996.34649564112.127772677.7550474254.6200587979999994.6347289886.59014993812.284488187.9642322114.6520537720000014.6356993916.78997349312.490538188.1609153114.6624952530000014.6718938186.83581879412.657292848.4283423049999994.5981455714.5496574767.2294981412.73819067将回归方程形式设定为： L

18、NY = C(1) + C(2)*LNX1 + C(3)*LNX2 + C(4)*LNX3 + C(5)*LNX4运用eviews的进行参数估计，采用最小二乘法的回归计算结果如下：Dependent Variable: LNYMethod: Least SquaresDate: 12/05/11 Time: 13:19Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb.C1.4424092.6423270.5458860.5971LNX1-3.7694210.694776-

19、5.4253770.0003LNX22.0591620.6160293.3426380.0075LNX30.5522580.1294604.2658580.0016LNX40.8609510.1823314.7219020.0008R-squared0.997313Mean dependent var6.906661Adjusted R-squared0.996238S.D. dependent var0.934225S.E. of regression0.057299Akaike info criterion-2.619880Sum squared resid0.032831Schwarz

20、criterion-2.383864Log likelihood24.64910Hannan-Quinn criter.-2.622394F-statistic927.9284Durbin-Watson stat1.402194Prob(F-statistic)0.000000同时可以给我一个模型如下：LNY = 1.44240888558 - 3.76942116485*LNX1 + 2.05916193668*LNX2 + 0.552257806105*LNX3 + 0.86095108653*LNX4从回归结果可以看出，所估计的参数Lnx1的回归系数为-3.769421，说明物价每上涨

21、1%，平均来看可导致私人汽车拥有量将减少-3.769421% ，这与经济学中的弹性概念的意义相符。Lnx2的回归系数为2.059162，这说明汽车价格每增加 1%，可导致私人汽车拥有量将平均增加2.059162%，Lnx3的回归系数为0.552258%，即汽车的产量增加1%，可导致私人汽车的拥有量将平均增加0.552258%；同时Lnx4的回归系数为0.860951%，即GDP增加1%，可导致私人汽车拥有量平均增加0.860951%。这四个回归系数的值与理论预期比较接近，其大小在经济理论上解释得通，因此该模型通过经济意义检验。从统计推断检验的中，我们看到该数据的可决系数R2=0.996238

22、，说明该模型对这些样本的模拟效果还是比较好的，即四个变量对该模型的显著性还是体现的。 回归方程显著性检验（F 检验）：=给定显著性水平=0.05，在 F 分布表中查出自由度为 4和 10的临界值（4，10）=3.48，由于 F=927.9284（4，10）=3.48，说明回归方程是显著的，即列入模型的四个解释变量联合起来对被解释变量有显著影响。系数显著性检验（t 检验）：给定=0.1，由于各 p 值均小于 0.1，认为三个解释变量的回归系数都显著地不等于0，即四个解释变量对被解释变量均有显著的影响。为了使得模型更具有可信度，我对模型进行了进一步的协方差的检验，通过white检验输出结果如下：H

23、eteroskedasticity Test: WhiteF-statistic2.344271Prob. F(10,4)0.2136Obs*R-squared12.81363Prob. Chi-Square(10)0.2343Scaled explained SS10.75298Prob. Chi-Square(10)0.3771Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/05/11 Time: 16:51Sample: 1995 2009Included observations: 15Coll

24、inear test regressors dropped from specificationVariableCoefficientStd. Errort-StatisticProb.C-59.2759636.79999-1.6107600.1825LNX123.8284815.938111.4950630.2092LNX12-1.7043561.324702-1.2865960.2676LNX1*LNX2-0.0041790.090131-0.0463640.9652LNX1*LNX30.4506990.3416421.3192140.2575LNX1*LNX4-0.8858380.519

25、583-1.7049010.1634LNX2*LNX3-0.0311980.070558-0.4421560.6812LNX31.2931790.4450532.9056770.0439LNX320.1325900.0706001.8780290.1336LNX3*LNX4-0.4098040.202672-2.0220050.1132LNX420.2786950.1507211.8490760.1381R-squared0.854242Mean dependent var0.002189Adjusted R-squared0.489846S.D. dependent var0.004403S

26、.E. of regression0.003145Akaike info criterion-8.541360Sum squared resid3.96E-05Schwarz criterion-8.022123Log likelihood75.06020Hannan-Quinn criter.-8.546891F-statistic2.344271Durbin-Watson stat3.367852Prob(F-statistic)0.213594从上面的结果可以得出伴随概率为0.2343，因为假如Prob. Chi-Square(1) = 0.0000表示拒绝“不存在异方差”的原假设，所以

27、可推断该模型不存在协方差同样的原理进行ARCH 检验可以得出结果如下：Heteroskedasticity Test: ARCHF-statistic0.024315Prob. F(1,12)0.8787Obs*R-squared0.028311Prob. Chi-Square(1)0.8664Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/05/11 Time: 17:06Sample (adjusted): 1996 2009Included observations: 14 after adjus

28、tmentsVariableCoefficientStd. Errort-StatisticProb.C0.0021710.0014361.5118360.1565RESID2(-1)0.0452270.2900390.1559340.8787R-squared0.002022Mean dependent var0.002277Adjusted R-squared-0.081143S.D. dependent var0.004555S.E. of regression0.004736Akaike info criterion-7.735562Sum squared resid0.000269S

29、chwarz criterion-7.644268Log likelihood56.14894Hannan-Quinn criter.-7.744013F-statistic0.024315Durbin-Watson stat1.969489Prob(F-statistic)0.878677从上面可以看出伴随概率为0.8664，因为假如Prob. Chi-Square(1) = 0.0000表示拒绝“不存在异方差”的原假设，所以可推断该模型不存在协方差 ！实验小结：从以上分析可见，私人轿车拥有量与居民消费价格指数、工业品出厂价格指数、汽车产量和 GDP 之间存在着一定的函数关系。1 稳定物价可

30、以促进我国私人汽车拥有量的提高，在物价提高1%后相应的私人汽车拥有量会相应的减缓。从之前的最小二乘法的模拟看，其影响效果还是比较显著的。2 汽车的产量的增加，在一定程度上会加速汽车行业的竞争，降低价格，顺应了私人汽车拥有量的提高，在经济学理论也比较符合.3 GDP的提升，同时也提高了国民的可支出消费，根据经济理论，收入水平是影响私人汽车拥有量的关键因素。收入增长是人们对私人轿车需求增长的前提，收入增长缓慢必然制约着人们对私人汽车车的需求。从模型的结果来看，其弹性系数接近1，随着收入的增加，对车的需求也会相应的增加。4 汽车的出厂价格系数的增加，从弹性系数可以看到对汽车的需求量竟然增加了，这当中也存在一定的人为因素。政策建议：1，要稳定物价，促进汽车行业的合理有效发展 。督促政府加大经济政策的调控2，要控制汽车行业的泡沫发展，对中国经济的发展要采取各行各业统筹兼顾的原则，避免金融危机导致的工业的下降，从而滞后第二产业的发展。3，在稳步提高GDP水平 的基础上，加大对环境污染的控制力度，同时也督促政府加大对诚实交通的规划，控制私人汽车的拥有量，使其得到一个合理，有效，健康的发展。4，深刻认知研究汽车产业的优势和负面影响，通过对私人汽车拥有量的控制和导致的影响因素分析，解决在该行业出现甚至引起的连锁反应影响。