对我国私人汽车拥有量进行因素分析

             对我国私人汽车拥有量进行因素分析

            张桂生  国贸1班 20101713310040  

引言：

    改革开放以来，我国经济高速发展，我国GDP三十多年来的平均增长速度高达9.8%。国力增强，人民有钱了，生活水平大大提高，就有能力购买所想要的物品。20世纪90年代以前我国汽车市场处于公务用车，不仅需求量少，而且70%是、事业单位的公务用车，剩下的是企业的商务用车，几乎没有私人用车，也没能力购买私家车。90年代以后公务用车与商务用车的份额发生变化，人民收入增加，私人购车开始起步。2002年以来，私家车发展迅速，进入私人购车阶段。

    有关统计资料表明，我国城镇居民中有3800万户（占城镇居民总户数的24.8％），有能力承受10万元左右的汽车消费。从近几年我国汽车消费的发展变化来看，汽车消费将成为消费热点。

    从1990年到2000年的10年间，我国民用汽车的保有量由551.36万辆增加到1608.91万辆，平均每年增长11.3％。其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆，平均每年增长22.6％。私人汽车拥有量占民用汽车的保有量比重从1990年的14.8％，上升到2000年的38.9％，平均每年上升2.4个百分点。1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重均高于57.7％，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5％。这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体。

正因为私家车逐渐占据了汽车消费市场的主导地位，私人购车成为我们越来越关注的对象，单从经济方面来说，私人汽车拥有数量是评判一个国家人民生活水平的重要指标，对它的研究分析是有比较现实的意义的。

一、研究的相关理论背景

（1）凯恩斯消费函数模型

凯恩斯消费函数模型为:C=α+β*Y,式中C为现期消费,Y为现期收入,α为收入无关的那部分消费,即自发性消费,β为边际消费倾向。

（2）莫迪利安尼的生命周期理论

莫迪利安尼的生命周期理论可以表述为:消费与生命周期有关,与财产收入有关。如下式:

C=α*A+β*Y,式中A表示财产,α是财产的边际消费倾向,β是收入的边际消费倾向,Y为收入。上式表明消费取决于财产收入和个人生命周期不同阶段劳动收入。

（3）杜森贝的相对收入理论

杜森贝的相对收入理论表述为:消费以相对收入为函数。相对别人——示范效应,向高消费看齐。我国称之“攀比效应”。相对自己过去——习惯效应,收入水平变化后消费有滞后性。在稳定的收入增长时期,平均消费倾向不取决于收入水平。从长期考虑,平均消费倾向是稳定的。从短期考察,边际消费倾向取决于现期收入与高峰收入的比例。由此使短期消费会有波动,但由于习惯效应的作用,收入减少对消费减少作用不大,而收入增加对消费增加作用较大。

凯恩斯的绝对收入假定、美国经济学家杜森贝利的相对收入假定、莫迪里安尼等的生命周期假定虽然侧重点有所不同，但都认为居民的消费和收入水平是息息相关的，私人汽车拥有量以居民的收入作为基础。

二、模型的选取和变量选择

由于非线性模型的假设检验都涉及到非常复杂的数学计算，所以本文考虑做一个线性模型(对参数线性)，这样各种检验的方法较多，对模型准确程度的分析也更可靠。

1变量的选择

（1）城镇居民可支配收入

 私家车这种高档消费品的拥有量显然与收入水平有关，因此引进解释变量城镇居民可支配收入，并先验预期此因素与私家车拥有量呈正相关关系。

（2）贷款利率

     银行的按揭贷款买车促进了私人汽车拥有量的增加，因此引进解释变量贷款利率，并先验预期此因素与私家车拥有量呈负相关关系。

（3）燃料、动力类价格指数（以1990年价格为１００的定比指数序列）

 燃料、动力价格也是影响私家车拥有量的原因之一，直接构成居民购买私家车的成本。因此引进解释变量燃料、动力价格指数，并且预期其与私家车拥有量成负相关关系。

2模型的选取

    城镇居民可支配收入、贷款利率和燃料、动力类价格指数三个解释变量对私家车拥有量的影响，可采取以下回归模型：

     Y ＝β0+β1x1+β2x2+β3x3       （1-1）    

     Y:我国私人汽车拥有量

     X1：城镇居民可支配收入

     X2：贷款利率

     X3：燃料、动力类价格指数（以1990年价格为１００的定比指数序列）

 三、数据的来源及处理

本文收集了中华人民共和国国家统计局编的《2004年中国统计年鉴》中1990年——2003年共14年相关数据并对其进行了处理：Y表示我国私人汽车拥有量（辆）；X1表示城镇居民可支配收入（元）；X2表示贷款利率（%）；X3表示燃料、动力类价格指数（以1990年价格为１００的定比指数序列）。

具体数据如下:表1我国私家车拥有量相关影响因素原始数据

   

obs	Y	X1	X2（％）	X3
1990	816200	1510.2	9.72	100
1991	960400	1700.6	8.	101.9874
1992	1182000	2026.6	8.	118.7133
1993	1557700	2577.4	10.17	162.2811
1994	2054200	3496.2	10.98	191.4916
1995	2499600	4283	11.52	208.1514
1996	26700	4838.9	10.53	229.3829
1997	3583600	5160.3	8.	250.7155
1998	4236500	5425.1	7.08	248.459
1999	5338800	5854	5.85	250.6952
2000	6253300	6280	5.85	2.3022
2001	7707800	6859.6	5.85	2.8808
2002	96800	7702.8	5.31	290.1707
2003	12192300	8472.2	5.31	311.33

4、模型的估计和检验

   本文根据表1中提供的数据，利用Eviews5计量软件对式（1-）所设定的模型进行计量分析。结果如下：

1、模型回归结果

     

Dependent Variable: Y
Method: Least Squares
Date: 06/23/12  Time: 16:43
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	3250054.	1725513.	1.883529	0.00
X1	2922.028	515.0624	5.673154	0.0002
X2	-214742.9	155673.7	-1.379442	0.1978
X3	-50492.48	14255.54	-3.541955	0.0053
R-squared	0.9556	Mean dependent var		4354921.
Adjusted R-squared	0.953922	S.D. dependent var		3498430.
S.E. of regression	750961.7	Akaike info criterion		30.13105
Sum squared resid	5.E+12	Schwarz criterion		30.313
Log likelihood	-206.9174	F-statistic		90.71108
Durbin-Watson stat	1.514620	Prob(F-statistic)		0.000000

 可得估计出回归方程：y=3250054+2922.028x1-214742.9x2-50492.48x3

  (1725513) (515.0624) (155673.7) (14255.54)

   t=(1.883529) (5.673154) (-1.379442) (-3.541955)

            Adjusted R2-=0.953922   F=90.71108

2、回归结果的检验

   （1)经济意义的检验

      从回归得出的结果来看，X1的参数为2922.028，X2的参数为-214742.9，X3的参数为-50492.48，各变量符号与预期的相一致，并且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。

  （2）拟合优度及模型估计效果检验

      从结果看，可决系数R2=0.9556，该模型的解释变量解释了1990-2003年间全国私人汽车拥有量变异的96.4556%，因此样本拟合效果较好。整个模型的F值为90.71108表明整个模型估计效果较好。

  （3）回归系数的显著性检验(t检验)

 从回归结果看，此模型中的城镇居民可支配收入和燃料、动力类价格指数的变量和参数的t值在5%的置信水平下均统计值显著 ，即在95%的置信系数下，可认为全国的私人汽车拥有量Y与城镇居民可支配收入X1、燃料及动力价格指数X3之间都存在显著的线性相关关系。

  (4)变量的多重共线性检验

 由于经济变量之间都是相互影响的，难免存在一定的共线性，但是只要共线性不严重，各自变量对因变量的解释程度还是可信的。可是X2的t检验不显著，而f统计量显著，效果很好，可以推断出解释变量可能存在多重共线性。

 （5）异方差检验（white检验）

时间序列模型也可能存在异方差。我们用WHITE检验来验证该模型是否存在异方差。在建模的过程中，我们选择含交叉项的模型进行检验。

 建立原假设H0：不存在异方差。

 因为时间序列数据，样本个数较小，所以选用ARCH检验：

Dependent Variable: E2
Method: Least Squares
Date: 06/23/12   Time: 18:31
Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	4.33E+11	1.37E+12	0.314942	0.7620
E2(-1)	3.475572	0.832087	4.176932	0.0042
E2(-2)	-3.867453	1.376776	-2.809065	0.0262
E2(-3)	1.404165	1.117624	1.256384	0.2493
R-squared	0.827082	Mean dependent var		2.96E+12
Adjusted R-squared	0.752974	S.D. dependent var		3.55E+12
S.E. of regression	1.76E+12	Akaike info criterion		59.51134
Sum squared resid	2.18E+25	Schwarz criterion		59.65603
Log likelihood	-323.3124	F-statistic		11.16052
Durbin-Watson stat	1.980794	Prob(F-statistic)		0.004656

     

  检验结果表示，在样本容量为14的条件下，进行ARCH检验，计算(n-p) R2 = 6.616656<临界值 7.81(α=0.05),所以接受Ho,表明模型中不存在异方差。

（6）自相关检验

   根据回归结果得到DW=1.980794。对于n=14,k=3,在5%的显著性水平下得到d值的界限dL=0.71和dU=1.61。4-dU=2.39，显然1.980794在0.71和2.39之间，即表明dU 5、多重共线性的修正

 我们采用逐步回归法进行修正：

   （1）运用OLS方法逐一求Y对各个解释变量的回归，结合经济意义和统计检验出拟合效果最好的一个一元线性回归方程：

方程1：

Dependent Variable: Y
Method: Least Squares
Date: 06/24/12   Time: 17:08
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-2616509.	787741.3	-3.321533	0.0061
X1	1474.612	151.6332	9.7248	0.0000
R-squared	0.887401	Mean dependent var		4354921.
Adjusted R-squared	0.878018	S.D. dependent var		3498430.
S.E. of regression	1221860.	Akaike info criterion		31.00121
Sum squared resid	1.79E+13	Schwarz criterion		31.09250
Log likelihood	-215.0085	F-statistic		94.57299
Durbin-Watson stat	0.273300	Prob(F-statistic)		0.000000

方程2：

Dependent Variable: Y
Method: Least Squares
Date: 06/24/12   Time: 17:23
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	15041904	2243778.	6.703828	0.0000
X2	-1322763.	2620.1	-4.918796	0.0004
R-squared	0.668458	Mean dependent var		4354921.
Adjusted R-squared	0.0830	S.D. dependent var		3498430.
S.E. of regression	2096637.	Akaike info criterion		32.08113
Sum squared resid	5.28E+13	Schwarz criterion		32.17243
Log likelihood	-222.5679	F-statistic		24.19456
Durbin-Watson stat	0.583287	Prob(F-statistic)		0.000355

方程3:

Dependent Variable: Y
Method: Least Squares
Date: 06/24/12   Time: 17:34
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-4659138.	1615330.	-2.884325	0.0137
X3	41472.90	7074.333	5.862447	0.0001
R-squared	0.741202	Mean dependent var		4354921.
Adjusted R-squared	0.719636	S.D. dependent var		3498430.
S.E. of regression	1852398.	Akaike info criterion		31.83342
Sum squared resid	4.12E+13	Schwarz criterion		31.92472
Log likelihood	-220.8340	F-statistic		34.36829
Durbin-Watson stat	0.332537	Prob(F-statistic)		0.000077

(2)对比分析，依据调整后可决系数最大原则，选取X1进入回归模型的第一个解释变量，形成一元回归模型:

Y=-2616509+0.887401x1

   (787741.3) (151.6332)

t=(-3.321533) (9.7248)

Adjusted R-squared=0.878018  F=94.57299

（3）逐步回归，将其余变量分别加入模型：

Dependent Variable: Y
Method: Least Squares
Date: 06/25/12  Time: 9:13
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	2354107.	2443622.	0.963368	0.3561
X1	11.618	197.8825	5.885402	0.0001
X2	-433834.9	204519.4	-2.121241	0.0574
R-squared	0.9200	Mean dependent var		4354921.
Adjusted R-squared	0.905560	S.D. dependent var		3498430.
S.E. of regression	1075105.	Akaike info criterion		30.80114
Sum squared resid	1.27E+13	Schwarz criterion		30.93808
Log likelihood	-212.6080	F-statistic		63.32690
Durbin-Watson stat	0.449924	Prob(F-statistic)		0.000001

Dependent Variable: Y
Method: Least Squares
Date: 06/25/12   Time: 10:20
Sample: 1990 2003
Included observations: 14
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	13167.	1047067.	1.257573	0.2346
X1	3323.203	442.2023	7.515119	0.0000
X3	-58306.16	13608.15	-4.284650	0.0013
R-squared	0.957811	Mean dependent var		4354921.
Adjusted R-squared	0.950141	S.D. dependent var		3498430.
S.E. of regression	781172.8	Akaike info criterion		30.16239
Sum squared resid	6.71E+12	Schwarz criterion		30.29933
Log likelihood	-208.1367	F-statistic		124.86
Durbin-Watson stat	1.457294	Prob(F-statistic)		0.000000

由上表可以看出，X3和X1构建的模型的拟合值优于X2和 X1构建的方程的拟合值，且比起y对x1的回归拟合优度更好,t检验和F检验都更显著，所以在 Y=-2616509+0.887401x1的基础上加入解释变量x3,得:

    Y=13167+3323.203x1-58306.16x3

       (1047067) (442.2023) (13608.15)

   t=(1.257573) (7.515119) (-4.284665)

    Adjusted R-squared=0.950141  F=124.86

6、计量结果的经济分析

1、收入是影响私家车拥有量的重要因素

  对于私家车的购买来说，城镇居民可支配收入的影响是很大的，随着可支配收入的增加，私家车拥有量也随之增加。在回归模型中，该变量的参数估计值为2922.028，即表示在其他解释变量保持不变的条件下，可支配收入每增加一个单位，而私家车拥有量增加2922.028辆。而随着城镇居民可支配收入从1990年的1510.2元增加到2003年的8472.2元，私家车拥有量也由1990年的816200辆增加到2003年的12192300辆。可以说明城镇居民可支配收入的提高是私家车拥有量增加的重要因素。

2、贷款利率对私家车拥有量有一定影响

  对于购车者来说，收入一定时，没有足够的金钱购买车时，可以向银行贷款来买车。所以贷款利率的高低在一定程度上影响私家车拥有量，之所以这么说，那是因为可支配收入不高，没有能力还贷款，也就不想买车。贷款利率与其他解释变量相关系数不是很突出，但也是挺高的。

3、燃料、动力价格指数影响显著

 变量的参数估计值为-50492.48，参数符号符合预期，参数的绝对值都大于其他变量，说明燃料及动力价格指数的增加对于私家车拥有量的减少影响显著。从理论和实践上说，这是合理的。俗话说“买车难，养车更难”，因为养车需要花费大量的金钱，开车出行需要消耗燃油等动力能源，购买汽油、柴油等动力能源需要支出一笔费用，这直接构成使用私家车的成本。当油价上涨时，驾驶私家车出行的成本上涨，因而人们会减少对私家车的购买，从而减少我国居民个人的私家车拥有量。

7、结论

从本文的分析可见，我国私家车拥有量与其城镇居民可支配收入、贷款利率和燃料、动力价格指数存在着一定的函数关系。城镇可支配收入对私家车的拥有量有一定的促进作用，它们保持每年持续增长，从而使得全国的私人汽车拥有量不断增多；贷款利率对私家车拥有量有一定的影响，每年的贷款利率都不同，有高有低，且银行影响贷款利率，至此可知，贷款利率的提高对私家车的拥有有作用；而全国的原材料、燃料及动力购进价格指数对私家车的拥有一定的作用，随着其价格的提高，私家车拥有量有减少的趋势。所以，可以以增加城镇居民可支配收入方式来增加私家汽车的拥有量，从而促进汽车行业的发展，同时带动其他相关行业的发展，来增加就业，促进经济的发展。汽车有理由成为最大的消费热点从现实来看，我国不但呈现了在短期内形成汽车消费热点的发展趋势，而且已经基本具备了汽车消费热点形成的条件：国民经济的发展为汽车消费的快速增长奠定了基础；我国城市的发展和城市交通的进步，能够支持汽车消费的扩大；加入WTO之后汽车的销售价格将明显下降，更加接近普通居民的购买力。但是私家车数量过多也会带来一系列负面问题。从现在的情况看来，全国许多城市出现了汽车拥挤现象，由此带来的污染等现象，所以通过本文上面的分析，一方面可以采取增加公共交通和出租车的方式来私家车拥有量的增加，另一方面可以在适当的范围内提高油价来私家车的拥有量和出行量。

参考文献：

  [1] [美]达摩达尔.N.古扎拉蒂.《计量经济学》[M].中国人民大学出版社，2004.

   [2]邝国良,曾铁城.关于广东省民用汽车拥有量的计量经济学模型及其检验和预测[J].工业技术经济，2007.

   [3]中华人民共和国国家统计局，2004年中国统计年鉴[M].中国统计出版社，2004.

   [4] 庞皓．计量经济学[M]．北京：科学出版社，2007．