基于多元线性回归模型的我国汽车消费的影响因素分析

(江苏大学 江苏 镇江 212013)

一、研究背景和意义

近年来，随着我国经济的快速发展，汽车逐渐从一种奢侈品变成了普通消费品，走进了千家万户，民用汽车产量不断增加。据我国汽车工业协会的统计数据显示，2010年国内汽车全年销量为1806万辆,，继续稳居世界前列，同比增长32.37%。但从2013年以来我国汽车市场增速开始放缓，年增长量逐年下滑。和一些发达国家相比较而言，我国汽车消费水平总体上仍然偏低，汽车制造工业还存在一些差距，国外汽车市场限制和阻碍了国内的汽车消费；从国内来看，也存在着汽车的消费水平与经济发展速度、居民的实际收入不相符合的情况。这都说明我国汽车消费市场还存在很多问题。现阶段制约我国汽车消费市场发展的问题得不到解决，汽车消费市场将不能按照市场演变的规律发展，这也将给我国社会经济的发展带来一系列负面的影响。因此需要及时对我国居民汽车消费进行调查分析，提高自身竞争力，提升我国的汽车消费。本文主要对我国汽车消费市场的现状、影响因素以及发展前景等方面作了具体的分析。

二、研究方法

(一)研究方法概述

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。设Y为因变量X1,X2…Xk为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为：

Y=b0+b1X1+…+bkXk+et

其中，b0为常数项，b1,b2…bk为回归系数，b1为X1,X2…Xk固定时，X1每增加一个单位对y的效应，即X1对Y的偏回归系数；同理b2为X1,X2…Xk固定时，X2每增加一个单位对y的效应，即，X2对Y的偏回归系数，等等。

(二)模型验证方法概述

多元回归模型的检验，首先应该进行F检验(方程显著性检验)。F检验是对模型整体回归显著性的检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断，如检验结果是接受H0，则检验到此为止，重新寻找解释变量；如检验结果是拒绝H0，那么再进行t检验(变量的显著性检验)。因为方程的总体线性关系显著不代表每个解释变量对被解释变量的影响都是显著的，因此，必须再对每个解释变量进行显著性检验从而决定是否作为解释变量被保留在模型中。

三、实证分析

(一)我国汽车消费的描述性分析

为了探究我国居民汽车消费现存问题和影响汽车消费的因素以及二者的关系，在之前经过查阅文献和理论分析之后再对我国汽车产量、汽车类成交额、私人汽车拥有量数据进行收集和分析，得出汽车消费市场正在发展但仍存在问题的结论。

目前，由我国近十年汽车消费市场的数据显示，我国汽车消费从2008年由飞速速发展进入到2010-2013年平稳行进的阶段，2013年后又进而了较快速发展阶段。从2008年到2018年我国汽车各年产量如表1所示。

表1 我国汽车各年产量

图1显示我国汽车类成交额在2008年之后增长迅速，这得益于在此期间全国各地汽车市场放开消费政策，人们生活水平的提升以及对汽车需求量的增加，以至于在此阶段汽车销量飞速上升。到2013年时，由于居民汽车需求逐渐饱和，我国汽车消费正在进入一个缓慢增长的时期。我国汽车消费市场发展进程中存在各种问题问题，在鼓励消费、提高销售量的同时，公共基础设施、环境保护等工作的落实并没有跟上，造成严重的社会问题，以至于成为汽车消费发展的绊脚石。

图1 我国汽车类成交额

汽车的消费和使用通常被看作是GDP和收入水平提高的结果，而日益升高的环境和社会成本，如交通堵塞、空气污染和能源枯竭也被看作是由全球汽车消费提升而引发的恶果。因此，我们有必要研究影响汽车消费的因素，从而找到它的发展方向。

(二)变量与数据选择

1.变量的选择

汽车消费受到多方面因素的影响，在研究过程中为了从众多因素中选择起决定作用的影响因素作为因子，舍弃关系不大的因素，需要对影响因素进行选择。本文结合定性与定量的方法，同时依据经验与常识选择与汽车消费高度相关的因子。暂不考虑市场、政策以及消费者偏好这些定性因素。最终本文选择了居民消费水平、城镇居民人均可支配收入、人均道路面积、公路里程、钢材进口量、轿车产量六个指标作为自变量作为研究汽车消费的影响因素，以私人汽车拥有量为因变量。

2.数据来源及说明

本文选用的数据来自《中国统计年鉴》，以近10年(2008-2017年)为观察期(详细数据见附录1)。各变量代表指标如下表2所示。

表2 变量所代表的指标

(三)多元线性回归模型构建及检验

根据多元线性回归模型的基本形式和上述变量的选择，利用spss软件进行回归分析，建立多元线性回归模型，找到影响我国汽车消费的因素。

1.模型的构建

将模型设定为多元线性回归模型，即：

Y=b0+b1X1+…+b6X6+et

2.模型的拟合优度及显著性检验

表3 模型综述表

表3显示模型的拟合系数为1，这6个自变量共同作用可以解释因变量100%左右的变动，说明方程拟合效果非常好。

表4 方差分析表

从表4可以看出F统计量为11827.040，对应的显著性水平小于0.05，方程总体回归效果显著。

表5 系数表

表5中显示模型中的自变量“居民消费水平”和“轿车产量”的t统计量的绝对值比较小，对应的显著性水平都大于0.10，表明这两个自变量都没有通过参数的显著性检验，由于模型通过了总体的显著性检验，模型的拟合效果非常好，那么产生这个问题的原因可能是自变量之间的多重共线性。

(四)多重共线性检验

容许度是某个自变量的方差不能被其他自变量解释的百分比，当容许度接近0时，模型中会出现高度共线性问题，方差膨胀是刻画模型中存在多重共线性时，参数估计值的方差扩大的倍数，当方差膨胀因子大于10时，就可以认为模型中可以存在较为严重的多重共线性问题。从表5中可以看出，6个自变量的容许度都比较小，说明这些自变量90%以上的方差都能被其他自变量解释；6个自变量都有很大的VIF，进一步表明模型中可能存在多重共线性问题。

(五)逐步回归

为了对模型中的多重共线性问题进行修正，选择SPSS提供的逐步回归法建立一个多元线性回归模型。

表6 模型综述表

从表6也可以看出最终模型的修正拟合系数大于第1个模型的修正拟合系数；而最终回归模型随机误差项的标准差，小于最初的模型，这表明最终模型的估计误差有所减小，拟合效果相应地有所提高。

表7 系数表

由表7可知，模型的最后一个阶段，从前一阶段被剔除的变量中选择偏相关系数最大的“公路里程”引入模型，模型中4个自变量都通过了参数的显著性检验，此时既没有自变量需要被移出模型，也没有自变量能够被引入模型，形成了最终模型。

(六)结果

经过软件分析，发现轿车产量和居民消费水平两个变量未能通过参数的显著性检验，并且原模型存在高度的多重共线问题，因此运用逐步回归的方法对模型进行修正，得到新模型：Y=-8672.474+0.817X2-1786.699X3+1.621X4+50.291X5+et

(七)结论

由模型可以得出：随着城镇居民人均可支配收入、公路里程、钢材进口量的增长，汽车消费水平增加；随人均道路面积的增长，汽车消费水平反而降低；但这并不能说明人均道路面积的扩大对汽车消费有负影响，原因可能是：我国汽车消费水平的发展速度低于我国居民总体消费水平的增速和道路扩充的速度；模型中虽然去掉了居民消费和轿车产量，但并不代表其对汽车消费无影响，只是说模型暂不考虑其影响。

四、建议

消费是拉动我国经济发展的三驾马车之一，汽车消费作为我国国民消费较为重要的组成部分，其发展关系到国民消费拉动经济的能力，我国近年来的汽车消费增长速度缓慢，国家早期实行了鼓励消费政策，推动了汽车的销售量增长，根据边际效应递减规律也可以看出，如果只是鼓励消费，不采取其他辅助措施，我国的汽车的消费水平与经济发展速度、居民的实际收入将会出现不相符的情况。因此，为确保我国汽车消费市场稳定持续发展，我国政府需要在宏观上保证经济的稳态增长，保障居民生活水平，最大限度的提高收入水平。同时，应进一步改善公路设施等基础设施的建设。从而营造良好的汽车消费环境，为消费者提供良好的消费环境和科学合理的引导。