民⽤汽车拥有量和私⼈汽车拥有量的动态分析与预测
⽬录
1 绪论 (1)
1.1研究背景 (1)
1.1.1问题的提出 (1)
1.1.2 问题的分析 (1)
1.2研究意义及研究思路 (1)
1.2.1研究意义 (1)
1.2.2研究思路 (2)
2 模型建⽴与求解 (3)
2.1相关性分析 (3)
2.2平稳性分析 (5)
2.3模型建⽴与分析 (6)
3 评价建议 (16)
3.1结果分析 (16)
3.2对平顶⼭汽车⾏业的政策性建议 (16)
4 结束语 (18)
附录 (19)
参考⽂献 (22)
1绪论
1.1 研究背景
1.1.1问题的提出
汽车产业由于具有产业关联度⾼、产业链条长等特点，被作为我国国民经济的⽀柱产业⽽得到扶持[1].近年来，汽车消费⼜成为了拉动内需的⼀个重要“引擎”.对汽车消费需求的动态分析及对未来汽车消费需求的预测，是极其有意义的，能够明确看出主要影响汽车消费需求的因素及其变化趋势，为汽车⾏业提供了有效的参考.在此，以平顶⼭市为例，来对汽车消费需求进⾏动态分析，并对未来汽车消费需求情况进⾏预测.
1.1.2问题的分析
本题主要⽬的是对平顶⼭市的汽车消费需求进⾏动态分析并对未来汽车消费需求进⾏预测.⾸先，平顶⼭市汽车消费需求的影响因素有很多，我们先通过相关性分析来筛选出与平顶⼭汽车消费需求的相关性较⼤的⼏个因素来进⾏分析；其次，对建⽴的模型进⾏平稳性检验[2]，以检验汽车消费需求与其影响因素的协整性；接着，建⽴线性回归模型来得出回归模型⽅程并对结果进⾏分析；最后，建⽴预测模型，通过已有数据对未来五年的数据进⾏预测.
1.2 研究意义及研究思路
1.2.1研究意义
针对平顶⼭市汽车消费需求的动态分析与预测，到⽬前为⽌没有相关学者进⾏分析讨论，但是这⼀问
题已经逐渐成为公众关注的⼀个热点问题，本⽂针对汽车消费需求的动态分析及对未来汽车消费需求的预测，能够明确看出主要影响汽
车消费需求的因素及其变化趋势，为汽车⾏业提供了有效的参考；通过本⽂的预测数据，也可以为有关政府部门提供参考，使之对调控汽车⾏业及道路状况有⼀定的帮助.
1.2.2研究思路
本⽂按照“提出问题”、“分析问题”、“解决问题”、“预测分析”的路径，通过建⽴平顶⼭市汽车消费需求与其影响因素之间的回归模型，并对未来汽车需求进⾏预测.合理运⽤SPSS软件，分析出平顶⼭市汽车消费需求的影响因素及其相关模型[3]，得出平顶⼭市汽车消费需求的发展趋势，并通过观察其发展趋势为有关部门提出有意义的参考建议.
2 模型建⽴与求解
本⽂在分析平顶⼭的汽车消费需求的影响因素的基础上，通过建⽴多元线性回归动态模型，着重研究了地区⼈均GDP、城市居民⼈均可⽀配收⼊、税收、以及公路运输客运量对平顶⼭的汽车拥有量、私⼈汽车拥有量的弹性作⽤，并给出了平顶⼭市汽车消费需求的趋势预测.
通过查阅了解发现：地区⼈均⽣产总值、地区⼈均可⽀配收⼊、公路客运量、税收、汽车存量、汽车
销售价格与售后服务、汽车消费信贷政策等都将影响汽车消费需求的变化[4].为量化分析平顶⼭汽车消费需求与各影响因素的统计关系,
根据现有的统计数据，以1990—2011年的数据为样本，选取变量: 平顶⼭民⽤汽车拥有量(QL)(单位：辆)、私⼈汽车拥有量(SQ)(单位：辆)以反映平顶⼭汽车消费需求;
地区⽣产总值(GDP)(单位：万元)、⼈均⽣产总值(RGDP)(单位：元)、城市居民家庭⼈均可⽀配收⼊(Y)(单位：元)以反映地区经济发展与居民收⼊指标，并⽤零售物价指数分别对⼈均GDP和⼈均可⽀配收⼊进⾏调整，使其具有可⽐性;
税收(SS)(单位：元)反映了地⽅经济利益;
汽车动态
公路客运量(KL)(单位：万⼈)以反映平顶⼭对外公路运输需求;
随机误差(e1,e2)代表除影响因素之外的⼀些不可控变量引起的误差.
2.1相关性分析
先通过SPSS软件⽤相关性分析得出平顶⼭汽车拥有量、私⼈汽车拥有量与其影响因素之间的相关系数[5].
表2-1平顶⼭民⽤汽车拥有量、私⼈汽车拥有量与其影响因素的相关系数
汽车消费影响因素民⽤汽车拥有量私⼈汽车拥有量
地区GDP
⼈均可⽀配收⼊
税收
公路客运量0.980
0.960
0.990
0.925
0.951
0.926
0.968
0.882
(注：详见附录⼆)
通过表2-1中所得的数据，可以看出平顶⼭民⽤汽车拥有量与地区GDP、⼈均可⽀配收⼊、税收及公路客运量这四个变量的相关系数都⼤于0.9，即平顶⼭民⽤汽车拥有量与这四个变量⾼度正相关；⽽私⼈汽车拥有量则与地区GDP、⼈均可⽀配收⼊、税收这三个变量的相关系数⼤于0.9，即与这三个变量⾼度正相关，⽽与公路客运量之间的相关系数在0.8--0.9之间，即私⼈汽车拥有量与公路客运量具有相关性，但相关性不是特别⼤
.
图2-11990-2011年的民⽤汽车拥有量的折线图
图2-2 1990-2011年的私⼈汽车拥有量的折线图
通过图2-1和图2-2中显⽰的数据及查阅相关⽂献，观察发现平顶⼭汽车销售量在2000年以前增长的⽐较缓慢,⽽从2000年起汽车销售开始逐渐进⼊快速增长期.正是由于平顶⼭地区⽣产总值、⼈均可⽀配收⼊、税收与公路客运量的增长，才会引起平顶⼭汽车销售量的增加，即平顶⼭地区⽣产总值、⼈均可⽀配收⼊、税收与公路客运量这⼏个因素是影响平顶⼭汽车消费的主要因素.
2.2 平稳性分析
为了确定平顶⼭汽车拥有量、私⼈汽车拥有量与其影响因素的协整作⽤，需要检验时间序列的平稳性与协整性.为此，考虑平顶⼭汽车拥有辆、私⼈汽车拥有量以及它们线性相关的序列的平稳性，并讨论它们与其影响因素之间的协整关系.
表2-2时间序列平稳性的ADF检验结果
时间序列平稳性
QL t SL t GDP t Y t SS t KL t 1阶单整1阶单整1阶单整1阶单整1阶单整1阶单整
时间序列的平稳性检验(⼜称单位根检验)的常⽤⽅法是ADF 检验⽅法.根据上述定义的变量，利⽤1990—2011年的统计数
据,ADF 检验结果(见表2-2)显⽰：时间序列的绝对量的单整阶数相同，都是1 阶单整序列.由协整的特性，只有单整阶数相同的时间序列才可能存在长期的协整关系.因此，平顶⼭民⽤汽车拥有量、私⼈汽车拥有量与其影响因素之间满⾜协整性的必要条件.
2.3 模型建⽴与分析
2.3.1 模型建⽴
建⽴平顶⼭汽车消费需求的多元线性回归模型
14433221101e x a x a x a x a a Y +++++=和24433221102e x b x b x b x b b Y +++++=，将平顶⼭
市民⽤汽车拥有量作为被解释变量1Y ，私⼈汽车拥有量作为被解释变量2Y ，平顶⼭市⽣产总值作为解释变量1x ,⼈均可⽀配收⼊作为解释变量2x ，税收作为解释变量3x ，公路客运量作为解释变量4x .
在此采⽤平顶⼭民⽤汽车拥有量、私⼈汽车拥有量与地区GDP 、⼈均GDP 、⼈均可⽀配收⼊以及公路客运量的协整关系，建⽴多元线性回归动态模型，以反映地区GDP 、⼈均可⽀配收⼊、税收与公路客运量对平顶⼭民⽤汽车拥有量、私⼈汽车拥有量的弹性影响作⽤.
1.以民⽤汽车拥有量为例，运⽤统计分析软件SPSS ，将相应的变量数据输⼊界⾯，进⾏回归分析，所得结果如下表2-3:
表2-3(a) 民⽤汽车拥有量与影响因素的多元线性回归结果(⼀)
模型汇总b
模型 R R ⽅调整 R ⽅标准估计的误差
1
.992a
.984
.980
641.03722
a. 预测变量: (常量), 公路客运量, ⼈均可⽀配收⼊, 税收, 地区GDP 。
b. 因变量: 民⽤汽车拥有量
表2-3(a)中各列数据项的含义依次为：被解释变量和解释变量的复相关系数、
判定系数2
R、调整的判定系数2R、回归⽅程的估计标准误差.依据该表可进⾏拟合优度检验，由于该⽅程中有多个解释变量，因此应参考调整的判定系数.由于调整的判定系数(0.980)较接近于1，因此认为拟合优度较⾼，被解释变量可以被模型解释的部分较多，未能被解释的部分较少.
表2-3(b) 民⽤汽车拥有量与影响因素的多元线性回归结果(⼆)
Anova b
模型平⽅和df 均⽅ F Sig.
1 回归7.048E10 6 1.762E10 235.968 .000a 残差 1.120E9 15 7.467E7
总计7.160E10 21
a. 预测变量: (常量), 公路客运量, ⼈均可⽀配收⼊, 税收, 地区GDP。
b. 因变量: 民⽤汽车拥有量
表2-3(b)各列数据项的含义依次为：被解释变量的变差来源、离差平⽅和、⾃由度、均⽅、回归⽅程显
著性检验中F统计量的观测值和概率p值.依据该表可进⾏回归⽅程的显著性检验.如果显著性⽔平a为0.05，由于概率p值⼩于显著性⽔平a，应拒绝回归⽅程显著性检验的零假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可建⽴线性模型.
表2-3(c) 民⽤汽车拥有量与影响因素的多元线性回归结果(三)
系数a
模型
⾮标准化系数标准系数
t Sig.
B 标准误差试⽤版
1 (常量) 7420.300 10359.566 .041 .968
地区GDP -.011 .006 -.620 -2.773 .027 ⼈均可⽀配收⼊ 2.776 1.706 .239 2.027 .045 税收 5.081 1.060 1.444 4.792 .000 公路客运量-2.905 3.944 -.073 -2.736 .033 a. 因变量: 民⽤汽车拥有量
表2-3(c)中各列数据项的含义依次为：偏回归系数、偏回归系数的标准误差、标准化偏回归系数、回归系数显著性检验中t 统计量的观测值、对应的概率p .依据该表可以进⾏回归系数显著性检验，可以看出，如果显著性⽔平a 为0.05，则解释变量的检验p 值都⼩于显著性⽔平a ，因此拒绝零假设，认为这些解释变量与被解释变量是线性相关的.
所以得出：300.74200=a ,011.01-=a ,766.22=a , 5.0813=a ,-2.9054=a . 且四个解释变量的检验P 值都⼩于0.05，说明这四个变量都通过检验，与民⽤汽车拥有量显著性相关.因此，我们可得该回归模型为:
143211905.2081.5766.2011.0300.7420e x x x x Y +-++-=
2.以私⼈汽车拥有量为例，运⽤统计分析软件SPSS ，将相应的变量数据输⼊界⾯，进⾏回归分析，所得结果如下表2-4:
表2-4(a) 私⼈汽车拥有量与影响因素的多元线性回归结果(⼀)
模型汇总b
模型 R R ⽅调整 R ⽅标准估计的误差 1
.977a
.954
.941
11455.72156
a. 预测变量: (常量), 公路客运量, ⼈均可⽀配收⼊, 税收, 地区GDP 。
b. 因变量: 私⼈汽车拥有量
表2-4(a)中各列数据项的含义依次为：被解释变量和解释变量的复相关系数、判定系数2R 、调整的判定系数2R 、回归⽅程的估计标准误差.依据该表可进⾏拟合优度检验，由于该⽅程中有多个解释变量，因此应参考调整的判定系数.由于调整的判定系数(0.941)较接近于1，因此认为拟合优度较⾼，被解释变量可以被模型解释的部分较多，未能被解释的部分较少.
表2-4(b) 私⼈汽车拥有量与影响因素的多元线性回归结果(⼆)
Anova b
模型平⽅和 df 均⽅ F Sig. 1
回归
4.056E10
6
1.014E10
77.275
.000a
残差 1.969E9 15 1.312E8
总计 4.253E10 21
a. 预测变量: (常量), 公路客运量, ⼈均可⽀配收⼊, 税收, 地区GDP。
b. 因变量: 私⼈汽车拥有量
表2-4(b)各列数据项的含义依次为：被解释变量的变差来源、离差平⽅和、⾃由度、均⽅、回归⽅程显
著性检验中F统计量的观测值和概率p值.依据该表可进⾏回归⽅程的显著性检验.如果显著性⽔平a为0.05，由于概率p值⼩于显著性⽔平a，应拒绝回归⽅程显著性检验的零假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可建⽴线性模型.
表2-4(c)私⼈汽车拥有量与影响因素的多元线性回归结果(三)
系数a
模型
⾮标准化系数标准系数
t Sig.
B 标准误差试⽤版
1
(常量) 10904.755 13734.035 .794 .440
地区GDP -.014 .008 -1.011 -2.680 .014 ⼈均可⽀配收⼊ 1.619 2.261 .181 2.176 .048 税收 5.479 1.40
6 2.021 3.898 .001 公路客运量-7.255 5.229 -.236 -1.387 .086
a. 因变量: 私⼈汽车拥有量
表2-4(c)中各列数据项的含义依次为：偏回归系数、偏回归系数的标准误差、
标准化偏回归系数、回归系数显著性检验中t统计量的观测值、对应的概率p.依据该表可以进⾏回归系数显著性检验，可以看出，如果显著性⽔平a为0.05，则除了公路客运量之外，其他的解释变量的检验p值都⼩于显著性⽔平a，因此应剔除与被解释变量的线性关系不显著的变量公路客运量，并重新建⽴模型.
结果如下表2-5:
表2-5(a)私⼈汽车拥有量与影响因素的多元线性回归结果(⼀)
模型汇总b
模型R R ⽅调整R ⽅标准估计的误差
1 .974a.948 .938 11782.24706
a. 预测变量: (常量), 税收, ⼈均可⽀配收⼊, 地区GDP。
b. 因变量: 私⼈汽车拥有量
表2-5(a)中各列数据项的含义依次为：被解释变量和解释变量的复相关系数、判定系数2R、调整的判定系数2R、回归⽅程的估计标准误差.依据该表可进⾏拟合优度检验，由于该⽅程中有多个解释变量，因此应参考调整的判定系数.由于调整的判定系数(0.938)较接近于1，因此认为拟合优度较⾼.