影响全国以及东中西部私家车保有量的因素研究

《影响全国以及东中西部私家车保有量的因素研究》由会员分享，可在线阅读，更多相关《影响全国以及东中西部私家车保有量的因素研究（28页珍藏版）》请在装配图网上搜索。

1、仅供个人参考Fhue葿影响全国以及东中西部私家车保有量的因素研究薅云南大学姚琦、宋思思、刘炫璋肃目录莁摘要错误!未定义书签。羈一.问题的提出 错误!未定义书签。芅二对于模型构建前的假设 错误!未定义书签。肄三变量选取错误!未定义书签。蒀四针对全国私家车的模型建立 错误！未定义书签。莈【一确定滞后阶数 p错误！未定义书签。肆【二】多元线性回归模型的建立 ：错误！未定义书签。膆【三】进行模型检验 错误！未定义书签。袂1.异方差检验 错误！ 未定义书签。螇2.序列相关检验 错误！ 未定义书签。螆五针对东部（浙江省）私家车的模型建立 错误！未定义书签。羃【一】建立模型错误！未定义书签。羁【二】经济计量

2、检验 错误！未定义书签。蒀六针对中部（湖南省）私家车的模型建立 错误！未定义书签。薆【一】建立模型错误！未定义书签。肄【二】经济计量检验 错误！未定义书签。莃七针对西部（云南省）私家车的模型建立 错误！未定义书签。袀【一】建立模型错误！未定义书签。芇【二】经济计量检验： 错误！未定义书签。袂摘要蒁近年来，私人汽车的拥有量呈现出迅猛的增长态势。如此庞大的汽车数量在 给人们出行带来便利的同时， 也带来了诸如城市拥堵， 空气质量下降等问题， 如 何抑制汽车数量的过快增长是当前一个重要的课题。荿本文从我国现有的相关资料和数据入手，运用我国 1992年至 2009年间私人汽 车的拥有量、城镇居民可支配收

3、入、 燃料相对购进价格指数、 公共载客汽车数量、 城市建成区面积、 人口等统计数据， 通过构建时间序列模型来对影响私人汽车拥 有量的因素加以分析， 得到燃料相对购进价格指数对私人汽车拥有量最为显著的 结论，并且利用多元回归检验了结论的可靠性。 在建立模型过程中使用到的软件 是 spss 16.0羇本文最后在所得模型分析的基础上，根据实际情况和我国国情，就抑制私人 汽车数量提出了相应的对策建议。袃关键字： 私人轿车拥有量燃料相对价格指数薀 时间序列模型 多元回归分析螈一问题的提出螇汽车是近代工业最重要的成果之一，它的出现极大地改变了人类的生活面貌， 使人们生活的范围进一步扩大。 不仅如此， 汽车

4、产业的迅猛发展， 还带动了国家 经济突飞猛进的增长。 我国的汽车产业起步较晚， 建国初期全国只能生产几十辆 汽车，就在这样一个一穷二白的基础上，中国汽车产业取得了举世瞩目的成就， 据最新统计数据显示， 2011年前 8个月，我国的国内汽车销售近 1200万辆，同比 增长超过 39。中国汽车工业协会预计， 今年中国汽车销售将达到 1700万辆。这 意味着中国新车销量将达到美国历史上的最高水平。 汽车特别是私人汽车保有量 的多少，与经济发展程度、 居民收入以及道路建设等有着密切的联系。 随着居民 收入水平的不断提高和中国政府鼓励轿车进入家庭的政策， 私人汽车正在快速地进入普通家庭。羅汽车的高速增长

5、让中国快步进入了汽车社会，而这种高速增长也带来了经济和 社会问题，其中能源短缺、 交通拥堵和环境污染已成为汽车产业可持续增长的三 大制约因素。小汽车所带来的问题，从它被消费者购买那一刻起就已经产生了： 一是我国 “人多地少 ”，无法容纳这么多汽车；二是中国没有足够石油，来为这么 多汽车提供燃料；三是城市环境容量十分有限。羂美国作家莱斯特R布朗在他所著的E模式一书中说，在美国，每增加 5辆 汽车，就得有一块足球场大小的土地被铺上沥青。 如果中国有朝一日达到日本汽 车的拥有率， 汽车总量将增加到 64亿辆。假定中国每辆机动车的用地面积与欧 洲、日本相同，那么， 64亿辆汽车需要铺平的土地面积会接近

6、 1300万公顷，而 目前这些稻田年产 122亿吨大米，是中国人的主要粮食。膈据统计， 2009年，我国石油对外依存度大约 50。2010年8月，这一对外依存度 增至55。国家发展和改革委员会产业协调司司长陈斌近日介绍，“十一五 ”规划新增的 1亿吨左右炼油能力，几乎全部被新增汽车消耗。分析人士指出，石油对 外依存度超过 50是一条警戒线， 作为一个发展中的能源消费大国， 在缺乏国际 石油定价权的情况下，石油对外依存度过高显然是不安全的。蒈与此同时，机动车增长带来的交通压力成为困扰都市生活的一大难题。今年中 秋节前后，北京等城市出现了严重的交通拥堵，表明人、车、路之间的矛盾已经 达到十分尖锐的

7、程度。 此外，随着私家车在普通家庭的普及， 使得一些驾车技术 不太熟练的司机上路，同样成为安全隐患。螂因此，如何使轿车产业实现可持续发展是当前的一个重要课题。 我们通过对 1993 到2009年的数据分析发现， 影响私家车保有量的因素有很多， 包括人均国内生产 总值，全社会消费品零售总额，全社会固定资产投资总额，载客汽车总数，城市 建成区面积，城镇居民人均可支配收入，居民储蓄款余额，燃料购进相对价格， 私人汽车保有量， 人口数， 以及政府出台的相关政策等。 我们在借鉴以往研究的 成果上，发现采用时间序列模型来分析这些变量的相关性是可行的。 同时通过模 型得出相关结论，对于解决当前汽车数量过快增

8、长具有很好的现实意义。肀二.对于模型构建前的假设薇本文从现有数据和我国国情出发，提出以下假设： 芈（1）.私人汽车数量与所选取变量具有线性关系； 螃（2）.所选取的三个省份分别在东部、中部、西部中具有较强的代表性； 蒃（3）.不同地区受变量的影响各不相同； 芁（4）.经济活动中的随机变量满足均值为 0的正态分布。蚄在我国学者张正中，王华和王迎新 2008年基于时间序列分析的餐饮市场需求 预测模型中，其运用时间序列建立模型，并以 2007年到 2010年的数据进行验证， 得出正确结论。以及北京航空航天大学学者基于时间序列分析的网络流量预测模 型研究都一样仿真出了真实的现实数据，这样的学者研究还有

9、很多。袅这些研究的存在，使得我们运用时间序列以及多元分析私家车保有量有了一定 的合理性。 而在此基础上我们不仅仅限制于预测， 并结合现在存在环境问题， 指 出全国以及东中西部应采取的相对应措施， 使得我们的模型建立有了更深刻的实 际意义。薁三.变量选取螀在问题提出中，我们所提出的所有影响私家车保有量的因素中我们重点选取私 人汽车保有量，城镇居民人均可支配收入，燃料购进相对价格，载客汽车总数， 城市建成区面积，人口数，以及政府出台的相关政策。蒅据统计年鉴数据显示，全国的私家车保有量在逐年的不断增加，首先应说明，我们所研究的私家车保有量是指新的购买者加入私家车保有量的数据之中。不得用于商业用途蚂对

10、于我们所研究的课题，我们考虑到了每年私家车相对于上一年私家车的关系 曲线问题，所以我们所提出的第一个自变量就是所研究的私家车保有量。蚀私家车作为一种高消费的低拥有率的产品，我们考虑到不同年城镇居民可支配 收入不同也许会成为影响的因素之一，而考虑到农村居民的购买力远不如城镇居 民的购买力，所以我们在此基础上忽略了农村居民可支配收入的影响。腿众所周知，每年甚至几个月之内的燃油价格在不停地上升，多数人有着，“买 得起却供不起的”想法，所以燃油价格的高低是我们所确定的又一影响因素。膅许多城市，如北京，上海等一线城市，政府鼓励乘坐公共交通设施以减少燃油 消耗和所带来的环境问题。而且公共交通工具相比于私家

11、车有着便宜， 便利，无 私家车所带来的车位问题，私家车也会有着一定的影响和制约。各个城市的出租车也是有着它不可取代的作用。（此处我们所说的载客汽车就是说公共交通设 施。）蚃随着全国不同省市建设经济开发区，全国的城市建成区面积在不断的变大扩张， 伴随这样的变化，为了从城北到城南，或者从城西到城东，毋庸置疑的一定会用 到交通工具，而私家车会是较为便捷的方式之一，所以将其考虑为所选的变量。肂私家车拥有量的不断增加也与人口数不断的增加有着密切的关系。车是由人来 购买的，变化的人数会引起不同程度上的购买力变化。蕿最后是政府所出台的一系列政策的影响，在“十五”计划中，“国家鼓励汽车 进入家庭”，在中国加入

12、WT后,政府鼓励汽车的进出口数量，而且在一定程度上 削减税率，这些在一定程度上促使了人们购买私家车。羆说明：Y :第t年私家车保有量（单位：万辆）；Xi:城镇居民收入（单位：元）;X2 :燃料购进相对价格指数；X3 :载客车数（单位：万辆）；X4：城市建成区 面积（单位：平方公里）；X5 :人口数（单位：万人）；Dt :政策，当第t年有国 家鼓励汽车消费政策时，Dt=1，否则Dt=O; Y；J滞后一期私家车数量。螅数据来源中国统计年鉴（1993年到2010年的统计年鉴），选取1992年到2009年 的相关数据。膀表3.1全国私家车数量与相关因素关系表羈年份蚆私家车 数量薂城镇居民收入薃燃料购

13、进价格 指数蒇载客车 数蒆城市建 成面积蚄人口数蚁政策賺滞后一 期私家 车数量腿 1993蚅 155.77蝿2577.4薀136.7羇226.13蒂5041膂118517羀0蚈 118.20薄 1994芀205.42荿3496.2莈 118.0薅 281.12蚃5327袈119250膈0莂 155.77螁 1995芈249.96蚅4283.0蒄108.7衿303.75蚇19264莅121121蒅0节205.42莀 1996肅289.67芃4838.9莀 110.2螀344.98祎20214莄122389蚂0艿249.96薆 1997蒅358.36螁 5160.3虿 109.3莇389.29芃2

14、0791膃123626肇0肇289.67芄 1998节423.65薇5425.1袇 99.1莆424.18莀21380賺1254761薈0膃358.36螂 1999蚀533.88莈5854.0膄 100.9袁436.14聿21525螄125786芆0芃423.65葿2000薅625.33肃6280.0莁115.4羈488.64芅22439肄126743蒀1莈533.88肆2001膆770.78袂6859.6螇 100.2螆524.18羃24027羁127627蒀1薆625.33肄2002莃968.98袀7702.8芇 100.1袂578.61蒁25973荿128453羇1袃770.78薀200

15、3蒄1219.23蒃8472.2蚁 107.4蚈632.93袄28308芄129227蒈1螆968.98莃2004羄蕿9421.6腿109.7肇666.21蒀20406薁129988芇1蒆1481.661219.23賺2005莈莅袅 115.0羁748.53葿32521螈130756芅1蚂1848.0710493.01481.66蒁2006祎螄蒂111.9芈796.00艿33660膃131448膂1莀2333.3211759.51848.07莇2007袇袃蒁 104.3蒅879.09芆35470蚃132129膈1袈2876.2213785.82333.22螅2008莃芀羆120.6膅958.4

16、2膄36295莁132802荿1薄3501.3915780.82876.22袄2009膈蒇羄 89.2莁膀38107薅133474蒃1肁4574.9117174.61036.753501.39芁表3.2浙江私家车数量与相关因素关系表羈年份膆私家车 数量袁城镇居 民收入聿燃料购 进价格指 数肆载客车 数薆城市建 成面积薂人口数肀政策蒈滞后一 期私家车 数量羅 1993莂 5.3609賺 3625.99薇 141.49莄 7.0763肂 623.41罿 4313.3罿0袄 3.6947袃 1994羀 6.9683肇 5066.32芃 119.96薃 8.708肁 789.31膆 4341.2羇0芄

17、 5.3609衿 1995薈 9.61莆 6221.36肄 107.3羀 9.0736蚇 815.36螅 4369.63薀06.9683199611.196955.79109.810.19833.734400.0909.6119979.57358.72106.113.77745.294422.28011.91199811.687836.7695.815.57827.544446.8609.5199914.118427.95100.819.99868.494467.46011.68200021.189279.16110.722.41964.034501.22114.11200126.621046

18、4.6710229.551113.774519.84121.18200252.5211715.6103.927.861240.214535.98126.62200375.8713179.53105.831.713974551.58152.522004102.7914546.38114.533.451508.54577.22175.872005135.0816293.77115.540.841679.74602.111102.792006172.4118265.1109.847.341744.24629.431135.082007216.4120573.82103.9154.691851.146

19、59.341172.412008258.5522726.66120.5162.581939.14687.851216.412009332.0524610.8191.6866.272033.34716.181258.55表3.3湖南私家车数量与相关因素关系表年份私家车数量城镇居民收入燃料购进 价格指数载客车数城市建成 面积人口数政策滞后一期 私家车数 量19937.34282687.8145.546.45356426245.5805.5485199410.01693887.64117.517.70296826302.5807.3428199512.65694699.23112.188.33276

20、906392010.0169199613.785052.12109.299.56946428012.6569199716.555209.74108.49.99690.556465013.78199821.125434.2698.69.86713.086502016.55199922.945815.3798.29.94743.46532021.12200025.986218.73108.610.33799.276562.05122.94200127.956780.56101.512.11854.166595.85125.95200230.726958.56102.815.97897.636628

21、.5127.95200336.017674.2108.917.65959.46662.8130.72200441.68617.48112.9318.71002.76697.7136.01200548.199523.97118.319.8511032.96732.1141.60200658.8310504.67111.922.2210376768.1148.19200774.1812293.54104.324.421111.96805.7158.83200893.6313821.16120.627.841195.36845.2174.182009128.1715084.3189.228.4912

22、38.56900.2193.63表3.4云南私家车数量与相关因素关系表年份私家车数量城镇居民收 入燃料购进 价格指数载客车数城市建成 面积人口数政策滞后一期 私家车数 量19937.56042639.07138.17.51732083885.203.576919947.04443433.97110.39.732523939.207.560419958.81734064.93113.211.71232.553989.607.0444199611.514977.95111.314.43260.654041.508.8173199715.515558.29103.119.01284.22409401

23、1.51199818.576042.78100.721.71307.994143.8015.51199922.966178.6898.825.37318.844192.4018.57200026.536324.64101.528.28338.124240.8122.96200130.156797.7199.433.16343.844287.4126.53200236.877240.5697.638.18372.914333.1130.15200344.047643.57102.744.3410.54375.6136.87200454.488870.88109.652.31428.44415.2

24、144.04200566.849265.9106.562.49472.44450.4154.48200677.7810069.89107.674.46542.34483166.84200793.6811496.11108.289.17578.44514177.782008111.0113250.22111.6105.17623.84543193.682009143.9914423.9395133.38666.645711111.01四. 针对全国私家车的模型建立一.确定滞后阶数p模型构建，首先用SPSS对数据进行ACF分析得如下图：图4.1图4.2可见lag numbe 1时大致均为0.75,

25、故模型引入滞后一期解释变量，本文要确定 各种可能的影响因素对私家车保有量的直接影响程度【二.多元线性回归模型的建立建立模型Yt =aboYt4bXF2X24X34X40X5beDt5t=1,2,3,17一些变量的数据随着年份不断增长,而利用SPSS求得变量的相关系数超过0.9, 故它们之间存在较强的相关性，因此采用逐步回归法估计参数。首先利用SPS软件做Yt对的线性回归：Yt =-22.047 + 1.269 J(-1.088) (90.881)R2 =0.998 F=8259从上述数据看出，该线性模型拟合程度很高，对Yt的线性影响显著，反映了私家车保有量的刚性变化。接下来做Y寸Xi, X2,

26、 X3, X4, X5, Dt的各自线性回归X1 :Y =129.313+1.434 Y-0.4 X1(1.729)(17.961)(-2.088)R2=0.999F=5057X2:Yt=221.636+1.263 Y二-2.171 X2(1.471)(91.595)(-1.631)2R2=0.998F=4588X3:Yt=74.665+1.337 二-0.296X3(1.052)(26.702)(-1.418)R2=0.998F=4409X4:Yt=30.554+1.294-0.003X4(0.632)(51.938)(-1.195)R2=0.998F=4248X5：Yt =1872.821

27、+1.297-0.007X5(1.208)(48.469) (-1.239)R2 =0.998F=4278Dt：Yt =13.066+1.282 Y, 4 -37.837 X1(0.588) (67.955) (-0.992)R2=0.998F=4126由此可知X1, X2, X3, X4, X5, Dt都与Yt存在极强的线性相关性，故建立模型：Yt =1939.139+1.708 Ym-0.184 X1+1.399 X2+0.004 X3-0.011 X4-0.011 X5-2.09 6Dt(0.711) (11.895) (-4.035)(-3.807)(1.612)(1.056)( -0

28、.459)( -0.053)2R =1.000 F=4143而只有Ytj , X- X的t检验值通过了 t检验（即大于2）,故下面故用SPS进行 逐步回归表4.1Variables Entered/RemovedModelVariables EnteredVariables RemovedMethod1滞后一期私家车数量Stepwise (Criteria:Probability-of-F-to-enter = .100).a. Dependent Variable: 私家车数量仅与X相关。接下来做主成分分析，则对 X1，X2，X3，X4，X5作Z标准化后得:表4.2解释的总方差成份初始特征值

29、提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%14.04680.91880.9184.04680.91880.9183.63472.68972.6892.81316.26197.179.81316.26197.1791.16923.37296.0613.1022.03399.212.1022.03399.212.1302.60098.6614.038.76899.980.038.76899.980.0661.31999.9805.001.020100.000提取方法：主成份分析表4.3Component MatrixComponent1234Zscore（城

30、镇居民收入）.960.191-.197.048Zscore（燃油购进相对价格指数）-.518.854.053.009Zscore（载客车数）.978.182-.097-.029Zscore（城市建成区面积）.974-.001.191.125Zscore（人口数）.979.083.128-.138Extraction Method: Principal Component Analysis.a. 4 components extracted.主成分 F1 =0.477X4-0.255X2+0.487X3 +0.485X4+0.488X5F2 =0.22Xi +0.952X2+0.202X3-0.

31、001 X4+0.0822X5对R , F2 , Yt-L, Dt联立得模型:表4.4CoefficientsModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1(Constant)-165.21157.010-2.898.013-61.94923.223-.096-2.668.021-64.78218.526-.044-3.497.0041.374.0361.08137.808.000政策58.32344.008.0231.325.210a. Dependent Variable: 私家车数

32、量R2=0.999DW=2.031 F=3579.172去掉Dt后得表4.5CoefficientsModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1(Constant)-104.96135.388-2.966.011-38.92415.852-.060-2.456.029-50.10115.276-.034-3.280.0061.349.0321.06242.123.000a. Dependent Variable: 私家车数量R2=0.999DW=1.847 F=4509.272Yt =

33、-104.961+1.349 Yj-38.924 R-50.101 F2模型中所有变量的系数都通过了 t检验，同时模型拟合程度极高，接下来进行计 量经济学检验：【三】.进行模型检验1. 异方差检验图4.3由图可判断随机误差项的同方差性。2 .序列相关检验方程的DW值为1.847,查表得在17组数据下，Du =1.54,从而1.541.8474-1.54, 不存在序列相关。综上，本文得到通过各种检验且拟合程度较高的模型:Yt =-104.961+1.349 Y/-38.924 R-50.101 F2五. 针对东部（浙江省）私家车的模型建立【一】建立模型首先对方程进行一阶自回归，得Yt =2.85

34、2+1.247 Y(-0.662)(25.250)R2 =0.996 F=3411之后，分别对X1 , X2 , X , X4, X5 , Dt进行分析:Yt =-10.143+1.111 J+0.02 X1(-1.487)(15.722) (1.995)Yt =20.388+1.243 Yt v-0.158 X?(1.162) (57.339) (-1.007)Yt =-3.439+1.150 4+0.432X3(-0.705)(16.324) (1.435)Yt =-16.468+1.127 Yt4+0.022 X4(-2.123) (22.536) (2.568)R2=0.997 F=2

35、047R2=0.996 F=10782R =0.996 F=1827R2 =0.997 F=2345Yt =-223.986+1.180 Y-+0.051 X5(-1.801) (28.140) (1.825)R2 =0.996 F=1972Yt =-0.263+1.211 Ytj+9.337 Dt(-0.115) (51.795) (2.476)R2=0.997 F=2292由此可见它们均与Yt有着很高的相关关系，但 X1 , X , X3 , X4 , X5 , Dt的系数均未通过t检验，所以采用逐步回归建立模型：表5.1CoefficientsModelUnstandardized Co

36、efficientsStandardizedCoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)2.7722.2341.241.234滞后一期私家车数量1.247.022.99857.860.0001.0001.0002(Constant)-16.8477.786-2.164.048滞后一期私家车数量1.126.050.90122.405.000.1337.515城市建成面积.022.009.1042.598.021.1337.515a. Dependent Variable:私家车数量R2

37、=0.998 F=2319.036 DW=2.219即 Y, =-16.847+1.126 Yt+0.022 X4(-2.164) (22.405) (2.598)此时，方程通过了显著性检验。【二】经济计量检验1由DW值知，模型不存在序列相关。2由残差图图5.1可知，随机误差项同方差。六. 针对中部（湖南省）私家车的模型建立【一】建立模型首先对方程进行一阶自回归，得Yt =-3.468+1.132 YtJ(-2.731)(42.005)R2=0.992 F=1764之后，分别对X! , X2 , X3 , X4, X5 , Dt进行分析:Yt =7.654+1.841 Y； j-0.04 X,

38、(2.18) (11.783)(-3.3)Y； =-3.171+1.331 Ytj-0.003 X2(0.388)(38.256) (-0.037)Y； =2.378+1.603 Y-0.954 X3(1.079) (17.063)(2.997)Y； =-3.087+1.339 J-0.000 X4(-2.431)(42.685)(-1.339)Y； =210.319+1.569 Ytj-0.034 X5(5.566) (34.345) (-5.659)Y； =-2.705+1.417 Y； v-5.977 D；R2=0.995 F=1469R2 =0.992 F=823R2 =0.995 F

39、=13562R =0.993 F=929R2 =0.997 F=2723(-2.919)(45.144)(-3.931)R2 =0.996 F=1740由此可见它们均与Yt有着很高的相关关系，但 X1 , X2 , X3 , X4 , X5 , D；的系数均未通过；检验，所以建立模型：丫； =265.48+1.592 Y+0.000 X1-0.119 X2+0.373 X3-0.000 X4-0.4 X5-0.872 D；（2.567）（ 12.435）（-0.441）（-1.840）（ 0.878）（ -0.124）（-2.531）（-0.454）R2=0.999F=897.710可见Y与X

40、5的系数通过了 ；检验，于是我们采用逐步归回得:表6.1CoefficientsModelUnstandardized CoefficientsStandardizedCoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-3.4651.269-2.731.015滞后一期私家车数量1.332.032.99642.042.0001.0001.0002(Constant)210.18737.7185.573.000滞后一期私家车数量1.569.0461.17334.403.000.1576.370

41、人口数-.034.006-.193-5.666.000.1576.3703(Constant)255.44934.7427.353.000滞后一期私家车数量1.591.0381.19041.778.000.1506.654人口数-.039.005-.224-7.486.000.1367.357燃油价格指数-.096.034-.036-2.823.014.7701.299a. Dependent Variable: 私家车数量Yt =255.449+1.591 Yt-0.096 X2-0.039 X5(7.353 ) (41.778 ) (-7.486 )(-2.823 ) R2 =0.998F

42、=2723 DW=2.32此时，方程通过了显著性检验。【二】经济计量检验1.由DW值知，模型不存在序列相关。2由残差图图6.1可知，随机误差项同方差。3.多重共线性检验：计算X2和X5的相关系数为-0.442,同时由于VIF均小于10, 则认为不存在多重共线性。七. 针对西部（云南省）私家车的模型建立【一】建立模型首先对方程进行一阶自回归，得Yt =-0.498+1.234 X/(-0.463)(56.287)R2 =0.995 F=3168之后，分别对Xi , X , X3 , X4, X5 , Dt进行分析:Yt =2.474+1.312 Y-0.00 Xi(0.539) (11.007)

43、(-0.666)Yt =-1.933+1.235 Ytd+0.013X2(0.222)(52.433) (0.166)Yt =-4.269+0.024 Ytd+1.083X3(-5.388) (0.132)(6.601)Yt =20.670+1.629 Ytd-0.092 X4(3.044)(12.837)(-3.143)Yt =47.726+1.307 Yt-0.012 X5(1.670) (27.300) (-1.688)Yt =0.007+1.266 Y-2.936 Dt(0.006)(42.080)(-1.515)R2 =0.995 F=15262R =0.995 F=1481R2 =

44、0.999 F=6102R2 =0.997 F=25262R =0.996 F=1781R2 =0.996 F=1722由此可见它们均与Yt有着很高的相关关系，所以建立模型:Yt =-73.840+0.034 Yt-0.002 X1+0.091 X2+1.274 X3 -0.028 X4+0.018 X5-1.761Dt（-1.991）（ 0.111）（-2.111）（ 2.170）（ 6.710）（-0.797）（ 1.627）（-1.092） R2=1.000F=4030可见只有X1, X2与X3的系数通过了 t检验，于是我们进行逐步回归得：表7.1aCoefficientsModelUn

45、standardized CoefficientsStandardizedCoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-4.340.556-7.802.000载客车数1.105.010.999114.276.0001.0001.0002(Constant)-15.9943.019-5.297.000载客车数1.113.0071.007153.559.000.9151.093燃油价格指数.106.027.0263.894.002.9151.093a. Dependent Variabl

46、e: 私家车数量R2=0.999F=12701.967DW=1.816即Yt =-15.994+0.106 X2+1.113 X3(-5.297 ) (3.894) (153.559)此时，方程通过了显著性检验。【二】经济计量检验：1由DW值知，模型不存在序列相关。2由残差图图7.1可知，随机误差项同方差。3.由于模型中含有X2, X3故压迫进行多重共线性检验，计算它们的相关系数为 -0.291 ,较小，且VIF均小于10。从而可以认为它们不存在多重共线性。八. 结论与建议本文在时间序列分析下进行多元回归研究私家车保有量的影响因素，验证了在模型构建前的四个假设：(1 )、私家车数量与所选取的变

47、量具有线性关系：(2)、所研究的东中西部的三个省份所研究出来的结果与其区域有着必然的联 系；(3)、不同区域，不同地区所受影响不同，程度不同；(4)、其他随机变 量对于所研究的问题满足标准正态分布。对于所研究的结果进行具体的表述：第一，根据第一主成分，居民收入和 人口数占得比重比较大。根据第二主成分，燃料购进相对价格指数占得比重比较 大；第二，对于浙江省影响私家车数量影响因素较大的是城市建成区面积；第三,对于湖南省，影响私家车数量影响因素较大的是人口数和燃料购进相对价格指 数；第四，对于云南省，影响私家车数量影响因素较大的是燃料购进价格指数和 载客车数。这也就说明对于全国和东中西部不同省份要采

48、取相应的不同的措施。基于我们运用时间序列以及多元回归分析所得结论，我们提出以下建议： 对于全国的私家车数量问题，如果我们要增加私家车数量，我们可以有两种措施， 第一，增加居民收入；第二，增加人口数目；如果我们要减少私家车数量，因为 不可能经过降低居民收入达到我们所预期的目标，所以我们只能通过进行计划生 仅供个人参考育来减少人口数来实现。对于浙江省，即东部地区省份，可以通过扩大城市建成面积来增加私家车 数量，减少城市建成面积减少私家车数量。对于湖南省，即中部地区省份，如果要增加私家车数量，则要在现有基础 上采取鼓励生育政策， 与此同时也可以降低燃料购进相对价格指数。 而如果要减 少私家车数量，则

49、实施计划生育，升高燃料购进相对价格指数。对于云南省，即西部地区省份，如果要增加私家车数量，则降低燃料购进 价格指数，减少载客车数的数量；相反，要减少，则升高燃料价格相对指数，增 加载客车数。 对于这一点， 很容易理解， 云南省高校中的许多老师虽然有自己的 汽车，却更愿意乘坐学校的校车，这也就是载客车数对云南省的影响。考虑到中国现在的环境以及交通状况，我国应减少私家车的数量，因此对 不同省份地区采取相应的措施以达到我们的预期目标。 也就达到了我们所研究课 题的现实意义。九. 模型的不足和误差1.由于我们在计算全国私家车模型时只用了偏相关系数法，故严格意义上来 说对P的选择还不是非常精确，在研究东

50、、中、西部时，默认了他们的自回归系 数p=1。这些都可能使自回归系数P部精确。2. 由于时间、技术等限制，我们在研究影响私家车数量的因素时只考虑了人 均可支配收入、燃油购进相对价格指数、载客车数、城市建成区面积、人口数、 政策的影响，并把其他影响因素作为随机干扰项。3. 在做经济计量检验时，我们用残差图来判断随机误差项的同方差性，带有 主观成分。十.参考文献：1) 刘艳丽，影响北京市私家车保有量的因素研究，中国市场， 201 1年第1 5期。2) 伍德里奇，横截面与面板数据的经济计量分析，人民大学 ,2007(6)。3) 黄雪芬，私家车拥有量，金华新闻网 ,2011(2) 。4) 李志辉、罗平

51、，SPSS FOR WINDOWS,2005(2)5) 潘宏宇，时间序列分析 M. 北京: 对外经济贸易大学出版社， 2006。6) 白厚义，回归设计及多元统计分析， 2003(11)。7) 中国统计年鉴，中国统计出版社。( 1993-2010年)8) 浙江省统计年鉴，中国统计出版社。( 1993-2010年)9) 湖南省统计年鉴，中国统计出版社。( 1993-2010年)10) 云南省统计年鉴，中国统计出版社。( 1993-2010年)11) 李洁明、祁新娥，统计学原理，第五版 ,2010(6) 。12) 邓集贤、杨维权、司徒荣、邓永录，概率论与数理统计，第四版 ,2009(2) 。13)

52、中国城乡居民出行状况及车辆使用趋向研究报告，慧典市场研究报告， 200514) 2004中国私家车市场分析预测研究报告，中国市场情报中心，2007(2)。15) 私家车热潮带来的社会问题及其对策，中国行业研究网，2007(1)。16) 卢泰宏，中国消费者行为研究报告， 2005(12)。17) 张树京 ,齐立心. 时间序列分析 简明教程 M. 北京: 清华大学出版社 , 北京出 版社,2003 。佝时间序列分析：预测与控制(英文影印版)(第三版)(美)George 2005.0919) 宗刚 , 张广利 基于计量经济学模型选取与汽车保有量相关的因素 . 汽车 工业研究 2008: 2- 620

53、) 刘冉，刘传哲 汽车贷款市场的影响因素研究.金融与经济 2009: 41 -4321) 王悦琪影响我国汽车销售量因素的实证分析.实证分析 2008: 73 -7422) 龚华炜 , 靳文舟 基于计量经济学模型的汽车保有量预测 . 华南理工大学交通学院交通运输系统工程与信息 2005 ( 2 ) :74-7823) 邱杨, 丁卫东关于公交票价与私家车出行关系的研究方法 . 城市道桥与防 洪 2009 ( 4) : 126- 12824) Chen.J, Income Inequality and Economic Growth in China.Journal of Comparative E

54、conomics, 1996, 221, 41-164.25) Laurie. and R. Bhattacharya. Prediction Performance of a HedonicPricing Model for Housing J.The Appraisal Journal, 2005, 73(02).26) Koneke R. and G. Bassett, Jr., Regression Quintiles J, Econometrical, 1978, 16.27) Koneke R. and G. Bassett, Jr., Regression Quintiles J

55、, Econometrical, 1978, 16.不得用于商业用途仅供个人用于学习、研究；不得用于商业用途For personal use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r Studien, Forschung, zu kommerziellen Zwecken verwendet werden.Pour l e tude et la recherche uniquementa des fins personnelles; pasa des fins comm

56、erciales.to员bko gA.nrogeHKO TOpBieno 员 b3ymmcoi6yqeHu兄 cj egoB u HHue肉go 员冶hbiucno 员 B3OBaTbCEb KOMMepqeckux以下无正文仅供个人用于学习、研究；不得用于商业用途For personal use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r Studien, Forschung, zu kommerziellen Zwecken verwendet werden.Pour l e tude et la recherche