中级计量经济学课程论文论文题目：用计量方法验证我国私人汽车消费的主要影响因素姓名：崔玉成学号：11104051033班级：计量三班专业：11级投资学学院：金融学院指导教师：孟祥兰用计量方法验证我国私人汽车消费的主要影响因素摘要：随着我国经济的发展，人民的生活水平有了很大提高，人均可支配收入逐年提高，对私人汽车的消费正变为新的消费热点。本文选取了影响我国私人汽车消费的几个因素进行了简单的计量分析，并加以验证，最终确定了城镇居民可支配收入以及公里里程等对我国私人汽车的消费影响较为明显。关键词：私家车 影响因素 计量经济模型 Abstract:With the development of our national economy, peoples living standards have been greatly improved, and the per capita disposable income increased year by year, so the consumption of private cars is growing fast. In this paper, we did a simple measurement analysis about the effect on our countrys private car consumption with several factors. Finally, we found town residents disposable income, and the highway mileage is obvious on the influence of private car consumption.Key words: factors affecting private cars econometric model一、 问题的提出改革开发以来，中国的汽车产业人经过不断的努力，中国的汽车产业从无到有，从大到强，百花齐放的局面已经形成 。早在2003年,我国的汽车消费市场就排在了世界的第三名,同时我国的汽车生产能力也成为世界第四。到2005年时,我国的汽车产量在世界上的排名虽然没有变化,但是却大幅度的缩小了与第三名的产量。到2008年,我国汽车产量已突破900万辆,跃居成为世界第一大汽车生产国和汽车消费市场。现今，据中汽协会统计，截止到2010年年末全国汽车产销1826.47万辆和1806.19万辆，同比分别增长32.44%和32.37%。中国汽车产销连续第二年全球第一。我国的汽车消费始终保持着稳步的发展。汽车市场的消费结构也已经从公款买车向个人买车为主转变。得益于我国经济迅速的发展、城市化进程的加快，人均可支配收入得到逐步提高，人民对家用汽车的需求逐年增加，甚至出现有些车型供不应求的局面。汽车消费已经成为城镇居民消费的重要部分，也是一个国家和地区综合经济实力的重要标志。早在“十一五”规划时期，提出“把扩大内需的重点由投资转向消费，将经济增长方式由投资拉动转为消费与投资双轮驱动、内需与外需共同拉动的新模式”，关注汽车消费具有较为积极的现实意义。二、文献综述： 目前，已经有一些学者从较多角度对这一问题进行了研究，比如GDP与私人汽车消费的影响、城市化建设对汽车的消费影响的等，从这些文献中均可以得知影响我国目前私人汽车消费的影响因素是多方面的，比如汽车价格、替代品如火车，飞机等的发展、偏好、环境、居民可支配收入、燃油价格指数、公路里程等。这里，虽然汽车整体价格便宜，买的人就多，但汽车价格本身是个太宽泛概念，不同汽车品牌之间有不同的价格，相同品牌汽车不同型号价格也差别较大，因此不宜作为选取对象；关于替代品的因素，由于汽车这种奢侈产品本身所具有的特殊性，其替代品对人们对私车消费的影响较小，也不好度量，所以我们在进行计量模型的建立时，也不选择这个因素作为解释变量。而偏好、环境等虽然能够解释为什么人们会去购买汽车，但这些因素是基于超越了经济学范围的历史和心理因素，难以测算和量化，所以在计量模型的建立过程中并不采用这方面的数据。国内生产总值反映是宏观经济环境，对汽车市场的供给和需求都有很大的影响，但是由于汽车行业只是国民经济当中的一小部分，因此虽有影响但是居民直接的可支配收入因素显著。因为汽车是一种耐用消费品，因此有消费门槛，再考虑到我国贫富差距扩大的因素，能够消费私家汽车的主要为城镇里家庭收入相对富裕的群体，而且他们的生活环境促使他们有这个消费需求，因此认为选取我国城镇居民可支配收入作为解释变量可能会更好的解释私车消费情况。而燃油价格指数的变化我们认为也会一定程度的影响汽车消费需求。此外，以公路里程为代表的基础设施建设是较好的发展汽车市场的前提条件，尤其是在我国交通条件不是很发达的中西部地区，因此这里也选取它作为解释变量加以研究。三模型构建与计量检验基于以上认识，选取的解释变量有：Y 汽车产量（年度，单位：每千辆）X1 城镇居民可支配收入（年度，单位：元）X2 燃料、动力类价格指数（年度）X3 全国公路里程（年度，单位：每千公里）(一) 数据收集与模型构建：年份私人汽车拥有量Y城镇居民可支配收入X1燃料、动力类价格指数X2公路总里程X31994205.423496.2118.2111.781995249.964283115.3115.71996289.674838.9103.9118.581997358.365160.3101.3122.641998423.655425.195.8127.851999533.88585496.7135.172000625.336280105.1140.272001770.786859.699.8169.82002968.987702.897.7176.5220031219.238472.2104.8180.9820041481.669421.6111.4187.0720051848.0710493108.3234.5220062333.3210759.5106255.720072876.2211785.8104.4268.3720083501.3913780.8110.5293.0220094574.9114174.6592.1386.0820105938.7119109.44109.6400.82数据来源：中经网-2011经济年鉴建立常见的多元线性方程形式：Y0+1x1+2x2+3x3+ut（二）散点图依次对各个解释变量做散点图如下：发现Y与城镇居民可支配收入有近似的线性关系。 Y 与燃料动力类价格指数线性关系不明显，函数关系很难判断。 Y与公路里程有近似的线性关系。（三）多元线性回归现在我们用线性模型对以上三个变量进行线性回归，如下：表1 Eviews的最小二乘计算结果Dependent Variable: YMethod: Least SquaresDate: 12/26/11 Time: 10:14Sample: 1994 2010Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-3177.298995.2332-3.1925170.0071X10.1173830.0654731.7928610.0963X211.605069.1983411.2616470.2292X312.901373.0215144.2698360.0009R-squared0.982772 Mean dependent var1658.796Adjusted R-squared0.978796 S.D. dependent var1680.779S.E. of regression244.7455 Akaike info criterion14.04064Sum squared resid778704.5 Schwarz criterion14.23669Log likelihood-115.3454 F-statistic247.1973Durbin-Watson stat0.609553 Prob(F-statistic)0.000000可以看出:燃料动力类价格指数的参数不显著，p值较大，这里还考虑了以1994年为100基准的逐年累积的燃料动力类价格指数的线性回归模型（据中经网数据：118 128.3 141.3 154.5 153.1 154.5 178.3 178.6 178.8 192 210.7 242.3 271.1 282.8 341 304.2 353.8）,都发现燃料价格指数不好拟和,同时它在模型中的分量很小,从经济意义上来说,一般能买得起私家车的人一般不会太在意油价高低,不会在买车前主要去考虑燃料费用,所以这里最后决定舍弃X2这个解释变量.此时我们的模型变为只含有收入和公路里程的模型:Y0+1x1+2x2+ut重新做关于只有城镇居民可支配收入和公路里程的新的回归(这里以x3公路里程取代原来的x2燃油价格指数作为新的x2)。（四）单位根和协整性检验本文在研究经济增长问题时大量运用了时间序列数据。由于在实际中遇到的时间序列数据很可能是非平稳序列，而平稳性在计量经济建模中又具有重要地位，因此有必要对观测值的时间序列数据进行平稳性检验。现对城镇居民可支配收入X1进行单位根检验，结果如下：表2 X1的单位根检验结果ADF Test Statistic 2.821993 1% Critical Value*-4.0113 5% Critical Value-3.1003 10% Critical Value-2.6927*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(X1)Method: Least SquaresDate: 12/27/11 Time: 19:12Sample(adjusted): 1997 2010Included observations: 14 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. X1(-1)0.3263960.1156612.8219930.0181D(X1(-1)-1.6622540.584577-2.843514