影响我国汽车销量因素的计量分析
影响我国汽车销量因素的计量分析
摘要
我国当今已然成为汽车产业大国，汽车销量无论对于研究产业发展还是消费变化都有着重大的意义，因此，本文在依据数据及以往理论分析的基础上，利用我国1994到2004年间的数据，探讨了影响汽车销量的五个因素，分别为：汽车产量、汽车进口量、原油价格、工业品出厂价格指数和人均国生产总值，通过数据筛选，建立模型和模型修正，最终得到以下结论：汽车销量受汽车产量和原油价影响，且与汽车产量呈正相关，与原油价格呈负相关。
关键词：汽车产业，计量模型，政策建议
一、引言
近一百二十年前，第一辆进口汽车驶入，自此，汽车逐渐成为中国百姓生活中的一部分。十九世纪六十年我国自主研发了第一辆汽车——解放CA1，它的诞生有着里程碑式的意义，我国的汽车工业也正是在这一时期起步，直到上世纪九十年代汽车才开始步入寻常百姓家中，直到今天，汽车已经成为居民生活不可或缺的一部分，汽车工业也成为我国的支付型产业之一。2001年我国汽车千人保有量仅为14台, 2008年汽车千人保有量为49台; 2001年轿车千人保有量仅为7. 8台; 至2008年上升到34台。2002年成为汽车工业发展的私车普及年, 其标志是轿车产销量占汽车市场的比例跃升到34%的高位, 结束了轿车发展连续5年徘徊在30%左右的局面。从2002年轿车占汽车比例突破30%的平台到2006年突破50%的平台仅用了四年。
中国作为一个汽车大国，其市场在全世界围都有着举足轻重的地位，而对国经济来说，汽车产业又是我国工业行业围的支柱性产业之一。因此，对于汽车销量的分析成为进一步认识我国汽车产业的必然，本文通过建立多元回归的模型，运用计量的方法来分析影响我国汽车销量的各个因素。
二、理论背景与研究假说
（一）汽车销量与产量
在诸多影响汽车销量的因素中，本文首先选择的是汽车产量这个变量。随着我国经济的发展和人民生活水平的提高，我国人均汽车量有了飞速的提高，但拥有量还远远落后于世界平均水平，市场空间依然很大，我国汽车市场目前400多万的销量仅仅相当于上世纪美国六七十年代的水平，并且我国的人口基数要比美国大得多，从收入最高的20%人口的收入水平来看，中国的汽车消费还远
远未达到应有的水平，市场潜力依然存在；在经历了高速增长、价格大战等几次沉浮之后，中国汽车市场无论是厂商还是消费者都逐渐成熟，这种成熟会推动市场的稳定和平衡发展。综合考虑这些因素，中国汽车市场会保持一个较大的增长势头稳步上升，因此，无论是国产车产量还是进口量都会保持增长态势。由此，本文提出如下假说：
假说1：汽车销量与产量显著相关。随着汽车产量的增长，汽车销量必然随之上升。
（二）汽车销量与原油价格
汽车原油是典型的互补商品关系，原油价格必定会影响消费者心理进一步影响汽车销量，所以本文将原油价格作为变量引入。随着国际油价的日益高涨，成品油价格对汽车销售的影响程度越来越大，同时国家及部分地区相继出台了有关限制汽车，尤其是家用车购买的政策，这对汽车销售市场造成了很大的冲击，考虑到上诉几个因素，预计在外来的一段时期，小排量经济型轿车仍然会是汽车销售的主力车型，同时节能型与新能源汽车将日益抢占汽车销售市场。由此，本文提出如下假说：
假说2：汽车销量与原油价格显著相关。汽车销量随原油价格上升而下降。
（三）汽车销量与进口量和人均国上产总值
当前我国工业基础相比发达国家还有一定差距，因此，进口车在性能、油耗和价格方面都有着国产车无法比拟的优势，与此同时，随着我国经济水平的发展，人民收入的提高，过去昂贵的奢侈型进口车已然受到国中资产阶层地青睐，所以，选择汽车进口量和国人均生产总值作为变量。近年来，我国购车数量有了大步的提高，但是纵观所有汽车市场，近几年车市的热销车型还是集中在经济型轿车, 中高档轿车的受关注程度有所增加, 但不会马上成为车市的主导车型。由此，本文提出如下假说：
假说3：汽车销量与进口量和人均国生产总值相关。汽车销量随进口量和人均国生产总值的上升而上升。
（四）汽车销量和工业品出厂价格指数
如今汽车已成为家庭和企业重要的生活生产必需品，再加之金融体制的健全和金融创新，各种汽车信贷的发展，汽车的价格对消费者的影响减小，但价格因素仍是不可或缺的重要变量之一。由此，本文提出如下假说:
假说4：汽车销量与工业平出厂价格指数相关。工业品出厂价格指数越高则汽车销量越低。
三、研究方法与数据说明
（一）研究方法
对于研究方法，本文采用多元回归的方法，先根据经验选择可能影响汽车销量的五个解释变量，Y表示被解释变量汽车销量，X1表示汽车产量，X2表示汽车进口量，X3表示原油价格，X4表示工业品出厂价格指数，X5表示人均国生产总值，B0表示常数项，U表示随机干扰项；之后利用上述五个变量建立多元线性回归模型，如下：
Y=B0+B1*X1+B2*LOG(X2)+B3*LOG(X3)+B4*LOG(X4)+B5*LOG(X5)+U
之后带入数据，进行模型检验分别进行经济意义检验、判定系数检验，T检验和F检验，然后通过计算各个变量之间两两相关系数来看是否存在多重共线性，最后利用逐步回归的方法来修正多重共线性。
（二）数据说明
依据上述分析，本文采用1990-2004年间的数据，汽车销量作为因变量。选择汽车产量和汽车进口量作为自变量之一，体现汽车生产对销售的影响，选用工业品出厂价格指数，体现汽车价格对汽车销量的影响，选用原油价格，表现燃料价格对其的影响，选用人均GDP表示宏观经济状况对其影响。基于上述分析，汽车销售中各方面的因素已经考虑较周全。
（三）样本描述
197 202 10.3016 107.4 97 9,111
232.65 231.63 11.6085 109.7 99.4 10,561
注：样本数据均来自中国国家统计局数据库
四、模型估计结果分析
（一）模型估计
根据样本数据，输入eviews
（二）确定
模型类型在建立参数模型之前，我们需要利用上表的数据，先对被解释变量sale和各个解释变量之间做趋势图和相关图，观察期总体趋势以确定我们需要的参数模型。
汽车销量
和汽车产量的
趋势图和相关
图
汽车销量
和原油价格的
趋势图和相关
图
汽车销量
和工业平出厂
价格指数的趋
势图和相关图
汽车销量
和人均国内生
产总值的趋势
图和相关图
（三）建立模型
根据上述趋势图与相关图我们建立如下初步方程：
Y=B0+B1*X1+B2*LOG(X2)+B3*LOG(X3)+B4*LOG(X4)+B5*LOG(X5)+U
根据数据用Eviews对模型进行OLS估计，得到回归方程。结果如下：
初步回归的模型为：
Y=276.1547+0.987229*X1+2.823362*LOG(X2)+ -5.457658*LOG(X3)+ -42.26176*LOG(X4)+ -6.732185*LOG(X5)
T (3.140570) (36.92210) (1.328352) (-0.276084) (-1.462354) (-2.774852)
R-squared=0.998757 Adjusted R-squared=0.998066
DW=2.510635 F=1446.047
①经济意义检验：从模型中可得知，LOG(X3)、LOG(X4)和LOG(X5)系数符号没有通过经济意义的检验。
②R^2检验：无论是模型中判定系数R-squared=0.998757 ，或者是校正判定系数Adjusted R-squared=0.998066，其值都比较高，表明该模型拟合度较高。
③t检验：从六个参数的t检验值看，六个t检验值分别为t1=3.140570, t2=36.92210, t3=1.328352, t4= -0.276084, t5 =-1.462354, t6=-2.774852，而在5%显著性水平下自由度为n-k=15-6=9的t分布双边检验临界值为2.262，则得知某些解释变量的系数t检验值不显著，不能通过检验。
④F检验：该初步回归的模型的F值为F=1446.047，在5%显著水平下自由度为
k-1=5,n-k=9的F临界值F（5,9）=3.48，模型中的F值远大于F的临界值，说明模型在整体上是高度显著的。
（四）模型的修正与检验
1、多重共线性的检验
回归模型中解释变量的两两相关系数
注：从此处开始令：x2=log(x2), x3=log(x3), x4=log(x4), x5=log(x5),
从上图中，我们可以看出某些解释变量之间存在高度线性相关，例如X1和X5，x3和x4之间。
2、多重共线性的修正
逐步回归处理：
运用OLS方法分别求y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的线性回归方程。用Eviews进行处理：
①Y对X1进行回归
y=2.534747+0.978165x1
t (1.769337) (62.90683)
R-squared=0.99672
F=3957.269 DW=0.910222
②Y对X2进行回归
Y=-35.36250+71.76556X2
T (-0.980196) (3.039705)
R-squared=0.415463 F=9.239809 DW=0.716387
③Y对X3回归
Y=1191.453-239.3595X3
T (1.195056) (-1.128716)
R-squared=0.089253 F=1.273999 DW=0.349101
④Y对X4回归
Y=2357.121-495.6333X4 T (1.916832) (-1.863067)
R-squared=0.210735 F=3.471018 DW=0.378803
⑤Y对X5进行回归
Y=-632.6304+82.22983X5
T (-3.471734) (3.844073)
R-squared=0.531985 F=14.77690 DW=0.305128
由上面数表中可得，Y对X1的线性相关最强：
R-squared=0.99672>0.531985>0.415463>0.210735>0.089253，也即X1> X5> X2> X4> X3 所以用X1时拟合的程度最高，得回归方程：
y=2.534747+0.978165x1
Adjusted R -squared=0.996474
逐步回归，将其余解释变量逐一代入
①引入X2
②引入X3
③引入X4
④引入X5
从图中数据可以看出，在初步模型：
y=2.534747+0.978165x1
中，在加入X3和X5时能够显著提高Adjusted R –squared的值（Adjusted R –squared123=0.996782> Adjusted R –squared12=0.996557, Adjusted R –squared12345=0.998006> Adjusted R –squared1234=0.996770）;
同时，在加入变量X2和X4时只会降低Adjusted R –squared的值（Adjusted R –squared12=0.996557< Adjusted R –squared1=0.996474，Adjusted R –squared1234=0.996770< Adjusted R –squared123=0.996782）;
另外，变量x5为人均国生产总值，其系数符号为负，未能通过经济意义检验，从模型中剔除
X5。
所以，在模型中应加入变量X1和X3，而应当舍弃你变量X2、X4和X5。
最终经过逐步回归修正多重共线性后所的模型为：
Y=37.00691+0.975569X1-7.297448X3
T (0.572874) (58.35247) (-0.533774)
Adjusted R-squared=0.996269 F=1869.939 DW=0.919413
五、研究结论及启示
在设立的初始模型中，
Y=B0+B1*X1+B2*LOG(X2)+B3*LOG(X3)+B4*LOG(X4)+B5*X5+U
B0表示了截距项，它表示了人们的自发汽车销售数量，不受外界因素影响的自发汽车销售数量，B1度量了当汽车产量每变动一个单位时，汽车销售数量的变动；B2度量了汽车进口量每变动一个
单位，汽车销售数量的变动；B3度量了原油价格每变动一个单位，汽车销售数量的变动；B4度量了工业平出厂价格指数每变动一个单位，汽车销售数量的变动；B5度量了当人均国生产总值每变动一个单位时，汽车销售数量的变动。U表示随机误差项。
从最终模型，
Y=37.00691+0.975569X1-7.297448X3
T (0.572874) (58.35247) (-0.533774)
Adjusted R-squared=0.996269 F=1869.939 DW=0.919413
可得知：影响汽车销售数量的主要因素是汽车产量和原油价格，其中，汽车产量与汽车销量成正相关，原油价格与汽车销量呈负相关，符合一般经验，因此，在此次分析中，假说1和假说2得到了验证，假说3和假说4没有得到验证。
本文研究结论的政策启示有：
①我国经济飞速发展，人均消费水平不断提高的同时，各级政府部门和相关厂商需要密切关注汽车产量的往年数据，要根据以前和现在的宏观经济数据，制定修改汽车生产计划，避免资源浪费和厂商亏损。
②从模型中我们看到，原油价格与汽车销量存在很强的负相关性，在我国多次上调成品油价格的情况下，汽车的使用成本越来越成为购车人考虑的一个重要因素之一。面对石油资源日益短缺的问题，研发高效节能型汽车成为各厂商的重点，低油耗将日益成为新型汽车的一大重要卖点，同时，随着我国节能减排政策的深入，对大排量汽车的购买限制政策将对此类型汽车的销售产生重大影响，在减少用油量的同时，减少为其排除，增加自身绿色优势也是个厂商关心的主要因素。
对于燃油价格上升，新能源汽车的研发至关重要，尤其是电力驱动型汽车的研发。新型能源最为汽车销售的卖点，势必成为未来汽车市场的关键，同时国家对新能源汽车的扶植政策，也有利于其发展，由于新能源汽车尚处在起步阶段，我国汽车厂商，应利用其在近几年金融危机背景下，全球汽车市场疲软，而中国市场为不发展的优势，开发和吸收新技术，争取在现阶段树立新能源汽车的技术优势与品牌影响力，而各级地方政府也应当开展相关工作，除了促进产业优化升级外还可以带动新能源产业的发展，创造地方经济新的增长点。
参考文献
1、（美）古扎拉蒂：《经济计量学精要》（第4版）；
2、艳冬吴杰：《基于计量理论的我国汽车销量分析》，经营之道，2009年第3期；
3、王悦琪：《影响我国汽车销售量因素的实证分析》；
4、钱文荣、卢海阳：《农民工人力资本与工资关系的性别差异及户籍地差异》，中国农村经济，2012年第8期。