我国私人汽车拥有量的影响因素分析

冯泽坤

[摘要]本文以“我国私人汽车拥有量的影响因素”为研究对象，将国民总收入、钢铁产量、汽油消费量、载客车数量、公路里程等因素作为可能的解释变量，采用“双对数回归模型”进行问题分析。在初步回归结果的基础上，对模型进行一系列改进，包括：多重共线性的识别与修正；时间序列的平稳性检验；异方差的识别；自相关的识别与修正。最终得到回归结果，并将此结果与中国实际情况进行了比较分析。

[关键词]私人汽车；线性回归；多重共线性；平稳性；协整；异方差；自相关

[中图分类号]F426[文献标识码]A[文章编号]1005-6432（2014）31-0135-05

1选题背景

汽车工业向来有“火车头工业”之称。作为我国的支柱产业之一汽车工业，其迅猛发展使中国成为世界第一汽车产销国，极大地改变了中国人的生活方式。

在20世纪90年代以前，我国汽车市场处于公务车阶段，不仅需求量少，而且大部分是政府、事业单位的公务用车，剩下的多是企业的商务用车。1990—2000年，公务用车的份额下降，商务用车的份额加大，私人购车开始起步。而从2002年开始，我国汽车行业进入了爆发式增长阶段。私人消费的兴起，使得私家车需求量迅速攀升，私人汽车消费逐渐占领汽车消费市场。基于对该重要行业的兴趣，笔者用所学的经济学与计量统计学方面的知识，对“我国私人汽车拥有量的影响因素”做了初步探索，并建立了相关分析模型。

2文献回顾

对于作为中国国民经济支柱产业的汽车业，许多专家、学者都已经作过很深入的研究分析，虽然研究侧重点各不相同，但都涉及了汽车业的发展走向。

（1）山崎修嗣出版的《中国汽车产业》一书，该书将“陷入严重衰退的日本经济”与“仍然保持着较快步伐的中国经济”作了鲜明对比，着重突出了对中国经济起了大力推动作用的汽车产业。此书的参考意义在于，通过对比日本产业，结合对中国汽车产业的实际考察，从宏观的“产业政策”到中观的“产业链、上下游产业供销情况”再到微观的“企业自主创新”，进行了全方位的研究，是对中国汽车业实际发展状况的全面概括。

（2）宇泽弘文出版的《汽车的社会性费用》一书，剖析了“汽车社会性消费”、“社会性毒害”给日本带来的灾难。此书的参考意义有：它提到了汽车业对社会造成的负面影响，包括环境污染，生活质量影响，对城市的压力等。这符合我国现阶段面临“汽车产业结构升级”问题。同时它涉及了汽车业与资本主义制度“双向促进”的问题，这对于坚持走社会主义路线，但资本化率越来越高的中国有现实意义。

（3）由我国国务院发展研究中心产业经济研究部编写的《汽车蓝皮书——中国汽车产业发展报告2011》一书，以“入世十年发展回顾与展望”为主题，全面论述了入世十年来中国汽车产业的发展历程、发展成就和发展经验，包括了发展模式选择与评价、消费政策与市场需求、市场环境与竞争机制等，系统分析了2010年中国汽车产业的发展态势、景气状况、国际竞争力，对我国乘用车小型化和轻型化的节能潜力进行了专项研究，并对下一个十年中国汽车产业的发展趋势、影响因素等进行了展望。

3理论依据及分析方法

3.1经济理论

根据西方经济学的基本理论，“汽车销售量”是由“汽车供给曲线S”与“汽车需求曲线D”的交点决定的。如图1所示，图中只考察了价格P对汽车需求和汽车供给的影响，属于简单模型。而实际上，“需求曲线D”综合表示了“汽车需求数量”与各种影响因素之间的关系。价格因素只是其中之一，其他因素有：消费者收入水平、替代品价格（载客车等）、消费者偏好等。同样，“供给曲线S”也综合表示了“汽车供给数量”与各种因素之间的关系。除P之外，影响供给的因素还有：经济发展景气状况、生产成本变化、原材料供给等。

实际的“汽车销售量”由上面各种因素综合决定，本文选取其中几个可能的因素，做线性回归模型考察其对汽车销售的影响。这些选取的因素有：国民总收入（衡量购买力，影响需求方）、钢铁产量（影响汽车供给方）、汽油消费量（互补品影响）、载客车数量（替代品影响）、公路里程（硬件设施对汽车饱和量影响）。

3.2计量理论

非线性模型的假设检验涉及复杂的数学计算，因此考虑利用“线性回归模型”简化对市场的研究。此外，线性模型存在多种检验方法和修正方法，便于对模型进行改进。

对于国民总收入和钢材产量这些国民经济指标，我们更关心其相对数变化对私人汽车拥有量的影响，因此本文采用体现相对数的“对数模型”。

5回归及其处理

5.1基本结果分析

对各组数据取对数后，录入Eviews。对①作OLS估计，结果如下：

5.1.1拟合优度检验

可绝系数R2=0.998359，修正后的R—2=0.997927，拟合优度很高，解释了私人汽车拥有量变化的近99.8%，可认为被解释变量与解释变量之间强力相关。

5.1.2回归系数的显著性检验（t检验）

当t的绝对值大于2时，可粗略判断系数通过t检验。由表可知，除β3、β5外，其余估计参数都显著，根据它们的p值，拒绝0假设。

求实际β3、β5的置信区间，得：β3：[-0.31630.9623]；β5：[-0.17700.6074]，两者都接受0假设，故理论上变量X3、X5应予以剔除。也可以通过t统计量的p值直接判定，β3对应的p值为0.3036，β5对应的p值为0.2651，均大于α的值0.05，接受0假设。