【摘要】本文旨在对1985-2005年我国人均收入变动，基础设施建设以及燃料产出等一系列因素对私人汽车拥有量的影响进行实证分析。首先，我收集了相关的数据。其次，建立了理论模型。然后，利用Eviews软件对计量模型进行了参数估计和检验，并加以修正。最后，我对所得的分析结果作了经济意义的分析。
【背景资料】汽车产业是国民经济的支柱产业，改革开放以来我国汽车产量呈现持续上升的趋势。入世以后，更多的外国汽车企业进军中国汽车市场，并以很大的优势占领大部分市场，我国汽车企业面临着极大地挑战。在这场战争中可以说是百姓受益，从近几年我国汽车消费的发展变化来看汽车消费有成为消费热点的发展趋势。1909年至1996年，美国个人消费支出占国内上产总值的比重保持在60%-70%，个人小汽车消费占个人消费的比重从本世纪初的2%上升至目前的10%以上，是继住房、食品之后的第三大消费支出项目。中国自1995年以来汽车登记量中的乘用车比例有所提高。1996年，汽车登记总数的40.2%为乘用车（其中62%为社会集团拥有），近60%的登记车辆用于投资和生产。近几年来，中国的个人消费支出的比重基本保持在60%左右，但个人小汽车消费占个人消费支出的比重很低。据最新统计数字显示，1998年，中国私人汽车消费支出为2.1元/人，排在食品、衣着、娱乐教育文化服务、住房、家庭设备用品及服务、医疗保险项目之后。私人小汽车支出，占个人消费总支出的0.05%。中国尚未进入汽车普及期，由于个人汽车消费支出占GDP比重不仅低，而且增长缓慢，因而对经济增长的推动作用微乎其微。然而，随着经济的发展，我国的搜人汽车拥有量也迅速的增长。自从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，居民个人汽车消费的快速增长，成为支持我国汽车工业发咋会呢的主要力量之一。
然而，随着私人汽车数量的增加，我们又将面临怎样的问题呢？油价上涨，公路交通堵塞等等，影响我国私人汽车数量的因素很多，因此，我提取了城镇家庭平均没人可支配收入，城市年末实有公共汽车总数，公路里程，外商直接投资实际利用外资金额，汽车产量，原油产量，石油消费量，这七个有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响私人汽车需求的主要原因。
1、 确定变量以及建立模型：
首先，建立一个多元线性模型：
yi=β+βx+βx+βx+βx+βx+
0
1
i1
2
i2
3
i3
4
i4
5
i5
β6xi6+β7xi7+vi
yi：私人汽车数量（万辆）;
x：城镇家庭平均每人可支配收入（元）； x：城市年末实有公共汽车总数（辆）; x：公路里程（公里）；
x：外商直接投资实际利用外资金额（亿美元）； x：汽车产量（万辆）； x：原油产量（万吨）；
x：平均每人生活消费能源【液化石油气】（千克）。 2、 数据源
i1i2i3i4i5i6i7
私人车辆城镇家庭城市年末公路里程 外商直接汽车产量 原油产量 平均每人数量 平均每人实有公共可支配收汽车总数 入 投资实际利用外资金额 （万吨）12490 13069 13414 13705 13764 13831 14099 14210 生活消费能源【液化石油气】 （万辆） 1985 1986 1987 1988 1989 1990 1991 1992 28.49 34.71 42.29 60.42 73.12 81.62 96.04 118.2 （辆）45155 49530 52504 56818 59671 62215 66093 77093 （元） 739.1 900.9 1002.1 1180.2 1373.9 1510.2 1700.6 2026.6 （亿美元）19.56 18.74 23.14 31.94 33.93 34.87 43.66 110.07 （公里） 942400 962800 982200 999600 1014300 1028300 1041100 1056700 （万辆）43.72 36.98 47.18 64.47 58.35 51.4 71.42 106.67 （千克）0.9 1.1 1.1 1.2 1.4 1.4 1.7 2 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 155.77 205.42 249.96 289.67 358.36 423.62 533.88 625.33 770.78 968.98 1219.23 1481.66 1848.07 2577.4 3496.2 4283 4838.9 5160.3 5425.1 5854 6280 6859.6 7702.8 8472.2 9421.6 10493.03 88950 108788 136821 148109 169121 189002 209884 225993 230844 246129 264338 281516 313296 1083500 1117800 1157000 1185800 1226400 1278500 1351700 1402700 1698000 1765200 1809800 1870700 1930500 275.15 337.67 375.21 417.26 452.57 454.63 403.19 407.15 468.78 527.43 535.05 606.3 603.25 129.85 136.69 145.27 147.52 158.25 163 183.2 207 234.17 325.1 444.39 509.11 570.49 14524 14608 15004.95 15733.39 16074.14 16100 16000 16300 16395.87 16700 16959.98 17587.33 18135.29 2.5 3.2 4.4 5.8 6 6.2 7.0122572 7.8275366 7.9100523 9.1303499 10.033608 10.419767 10.2 数据来源：（1）中国统计年鉴;
（2）中经统计数据网。
3、模型的估计与检验
3.1模型的估计
运用Eviews对1985-2005年的数据进行多元回归分析得到结果如下：
Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 01:00 Sample: 1985 2005 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C X1 X2 X3 X4 X5 X6 X7 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 227.9915 0.165747 0.001982 0.000144 -0.909296 1.827400 -0.045580 -70.10524 0.996597 Mean dependent var 0.994764 S.D. dependent var 37.67074 Akaike info criterion 18448.10 Schwarz criterion -100.9687 F-statistic 1.600105 Prob(F-statistic) 22477.7719 0.070866 0.001487 0.000141 0.220971 0.343092 0.033474 23.92877 0.477197 2.338879 1.332444 1.028192 -4.114992 5.326260 -1.361647 -2.929747 0.6411 0.0360 0.2056 0.3226 0.0012 0.0001 0.1964 0.0117 460.2676 520.6200 10.37798 10.77589 543.8571 0.000000 由回归结果可知，该检验的R=0.996597，¯R=0.994764，拟合优度很高，F统计量的检验值为543.8193，结果显著：各解释变量相应的t检验也很显著，初步可以看出模型的拟合结果相当好，但是，x4、x6、x7的系数为负数，与现实情况相矛盾，怀疑该模型各解释变量之间可能存在多重共线性，于是对该模型进行多重共线性的检验。
3.2模型的检验与修正 3.2.1多重共线性 3.2.1.1多重共线性的检验
各解释变量的相关系数矩阵： 1.000000 0.993718 0.963804 0.952512 0.941655 0.981565 0.989261 线性。
0.993718 1.000000 0.958432 0.943009 0.914879 0.976681 0.993392 0.963804 0.958432 1.000000 0.865182 0.953686 0.922406 0.953668 0.952512 0.943009 0.865182 1.000000 0.836523 0.955584 0.949868 0.941655 0.914879 0.953686 0.836523 1.000000 0.896126 0.904506 0.981565 0.976681 0.922406 0.955584 0.896126 1.000000 0.972934 0.989261 0.993392 0.953668 0.949868 0.904506 0.972934 1.000000 由相关系数矩阵可以看出各解释变量之间相关系数较高，证实各解释变量之间确实存在着多重共
3.2.1.2修正多重共线性
采用足部回归的方法修正变量的多重共线性；分别作y对各解释变量的回归分析，结果如下： 变量 参数估计值 T统计量 R2 12.72863 10.97689 16.56186 6.252863 29.59797 8.883442 9.665025 0.895014 0.863792 0.935219 0.672968 0.978772 0.805955 0.830980 X1 X2 X3 X4 X5 X6 X7 0.161757 0.005462 0.001519 1.948936 3.320515 0.298377 137.2512 R2 X1 0.889514 0.856623 0.931809 0.655756 0.977655 0.795742 0.822084 2由结果知，加入x5后¯R最大，以x5为基础，顺次加入其他各变量进行逐步回归：
X2 X3 X4 X5 2.917169 (8.914743) 2.862964 (11.01058) 0.000409 2.704411 2X6 X7 ¯R 0.978463 0.980434 0.983228 0.976608 0.977119 2X1 0.021920 X5 1.308978 X2 0.000876 X5 1.923403 X3 X5 X4 X5 X6 X5 X7 X5 2.487146 (7.697367) -0.057369 3.388313 -0.386883 (16.17426) 3.149691 3.041297 (11.68400) 0.018877 (12.31313) 0.745212 13.84802 0.978123 1.185944 由上述结果可知，加入x3后，¯R=0.983228，改进最大，而且t检验结果显著，而，x4的系数为负，这与实际经济现象相矛盾，提出x4，保留x3，以x3、x5为基础继续作逐步回归分析： （二）加入新变量的回归结果： X3x4x5 X1 X2 X3 5.249449 (3.365391) X1x3x5 -0.006953 (-0.350522) X2x3x5 0.000138 (0.225818) X6x3x5 0.000455 (2.233232) 0.000374 (1.700319) 0.000461 (2.576673) X7x3x5 0.000531 (2.448901) 2
X4 -0.235637 (-1.819142) X5 2.529127 (8.290408) 2.521070 (7.304553) X6 X7 ¯R 0.985135 2 0.982369 2.486416 (7.489155) 0.982295 2.514101 (7.557306) -0.014691 (-0.793966) 0.982577 2.472819 (7.562502) -11.64396 (-0.793966) 0.982875 在x3、x5基础上加入剩余的各个变量后，只有x4的修正可决系数相对增加，但是其系数为负值，与实际相矛盾，其他的解释变量的¯R都有减小的趋势，而且各个参数t检验都不是很显著，决定剔除x1 x2 x6 x7 x4
修正后的模型为：回归结果为：
yi=β+βx+βx+v
0
3
i3
5
i5
i
Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 02:28 Sample: 1985 2005 Included observations: 21
Variable C X3 X5
R-squared
Coefficient
-517.7222 0.000409 2.487158
Std. Error
139.3711 0.000151 0.323115
t-Statistic
-3.714702 2.704387 7.697443
Prob.
0.0016 0.0145 0.0000
460.2676 520.6200 11.39142 11.54064 587.2399 0.000000
0.984905 Mean dependent var 0.983228 S.D. dependent var 67.42335 Akaike info criterion 81826.34 Schwarz criterion -116.6099 F-statistic 0.793902 Prob(F-statistic)
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 回归结果：
Y=-517.7254+4.089052x3+2.487146x5 (139.3720) (1.511996) (0.323117) T=-3.714703 2.704406 7.697360
R=0.984905¯R=0.983228F=587.2333DW=0.793895
其经济解释：当我国的公路里程变动一万公里，我国私人汽车拥有量将变动4.089052万辆；当我国汽车总产量变动一单位，我国私人汽车拥有量将变动2.487146万辆，这只是一个初步的结论，由结果可以看出，该结果与现实不是很符合，将会对模型作进一步的修正。
2
2
3.2.2异方差的检验 3.2.2.1异方差的检验
（一）图形法检验
判断：由图可以看出，只有几个点随着解释变量的变动呈增大的趋势，残差平方几乎不随解释变量X的变化而变化，因此，模型很可能不存在异方差。但是是否确实存在异方差还应通过更进一步的检验。
3.2.3自相关的检验 3.2.3.1自相关的检验
（一）图示检验法
由回归残差项e的图形（如下），可知该模型存在自相关性。
（二）DW检验法
由回归分析结果，DW=0.793895，对样本量为21，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.125，dU=1.538，模型中DW （一）Cochrane-Orcutt迭代法 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 02:40 Sample （adjusted）: 1986 2005 Included observations:20 after adjusting endpoints Convergence achieved after 21iterations Variable C X3 X5 AR(1) R-squared Coefficient -581.4042 4.459779 2.567515 Std. Error t-Statistic Prob. 0.0081 0.0338 0.0000 481.8580 524.4118 11.14796 11.34711 506.0677 0.000000 192.3708 -3.022310 1.921184 2.321370 0.430897 5.958542 0.633892 0.275483 2.301022 0.0352 0.989571 Mean dependent var 0.987616 S.D. dependent var 58.35900 Akaike info criterion 54492.36 Schwarz criterion -107.4796 F-statistic 0.918412 Prob(F-statistic) .63 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots 由回归分析结果，DW=0.918412，对样本量为21，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.125，dU=1.538，模型中DW Yt=β1（1-ρ）+β2x3t-ρβ2x3t-1+β3x5t-ρβ3x5t-1+ρYt-1+vt 并估计，得 Dependent Variable: Y-0.6030525*Y(-1) Method: Least Squares Date: 06/20/10 Time: 02:55 Sample(adjusted): 1986 2005 Included observations: 20 after adusting endpoints Variable C X3-0.6030525*x3(-1) X5-0.6030525*x5(-1) R-squared Coefficient -227.9210 4.402214 2.569288 Std. Error 71.93323 1.776734 0.345182 t-Statistic -3.168507 2.477700 7.443280 Prob. 0.0056 0.0240 0.0000 246.1374 269.5530 11.04919 11.19855 206.5751 0.000000 0.960479 Mean dependent var 0.955829 S.D. dependent var 56.65144 Akaike info criterion 54559.55 Schwarz criterion -107.4919 F-statistic 0.919513 Prob(F-statistic) Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 由回归分析结果，DW=0.919513，对样本量为20，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.100，dU=1.537，模型中DW R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -6.189057 1.192495 1.203247 Std. Error 2.464329 0.706284 0.208185 t-Statistic -2.511458 1.688407 5.779690 Prob. 0.0218 0.1086 0.0000 5.449456 1.280856 0.143896 0.293113 267.7702 0.000000 0.967482 Mean dependent var 0.963869 S.D. dependent var 243467 Akaike info criterion 1.066974 Schwarz criterion 1.489097 F-statistic 0.580953 Prob(F-statistic) 由回归分析结果，DW=0.919513，对样本量为21，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.125，dU=1.538，模型中DW Dependent Variable: LY Method: Least Squares Date: 06/20/10 Time: 03:40 Sample （adjusted）: 1986 2005 Included observations:20 after adjusting endpoints Convergence achieved after 32 iterations Variable C LX3 LX5 AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots 回归分析结果： Ly=20.93985+0.172146lx3+0.156252lx5 (22.26890) (0.338562) (0.075668) t=0.940318 0.5098462 2.064975 R=0.998513 ¯R=0.998234 F=3580.256 DW=1.796813 2 2 Std. Error t-Statistic 22.26890 0.940318 0.338562 0.508462 0.075668 2.064975 Prob. 0.3610 0.6181 0.0555 Coefficient 20.93985 0.172146 0.156252 0.989380 0.012677 78.04826 0.0000 0.998513 Mean dependent var 5.554452 0.998234 S.D. dependent var 0.051185 Akaike info criterion 0.041919 Schwarz criterion 33.29882 F-statistic 1.796813 Prob(F-statistic) .99 1.217888 -2.929882 -2.730735 3580.256 0.000000 由回归分析结果，DW=1.796813，对样本量为20，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=1.100，dU=1.537，模型中du t=0.940318 0.5098462 2.064975 R=0.9985 ¯R=0.998 F=3580.256 DW=1.796813 由结果可知，模型各解释变量的t检验显著，F检验显著，而且可决系数也很高，说明修正后的模型整体上对样本数据拟合较好。 该模型的经济解释：当我国所修建的公路长度变动一单位，我国私人汽车拥有量将会变动0.1721个百分点；当我国的汽车变量变动以单位，我国私人汽车拥有量将会变动0.156252个百分点。 2 2 4、总结 由模型结果可知，我国私人汽车拥有量与公路长度和汽车产量有关，即由1985年到2005年这21个样本建立模型后得到结果是当我国所修建的公路长度变动一单位，我国私人汽车拥有量将会变动0.1721146个百分点；当我国的汽车产量变动一单位，我国私人汽车拥有量将会变动0.156252个百分点。 在建立、修正模型的整个过程中，由于与经济意义相违背，我剔除了人均消费能源和原油这两个解释变量，但是就实际经验来说，近几年的石油价格的上涨还是抑制了人们买车的冲动。我国的油价从每公升两元多，急剧上涨到现在的每升近5、6元，几乎上涨了2、3倍。在油价上升的同时，车辆的排量也在不断放大，现阶段的相同车型的平均油耗比发达国家高了20%以上，这意味着消费者付出的使用成本要远远高于人们的想象。 综上所述，私家车拥有量会逐渐增长。 因篇幅问题不能全部显示，请点此查看更多更全内容