论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
影响成都市机动车总数因素的定量分析
【摘 要】:汽车产业当前是我国经济发展的支柱,另一方面,我国各大城市的机动车数量趋近饱和。我们经过分析认为人均可支配收入和车辆主要替代品——住房价格是购买者的角度影响机动车数量的重要方面,我们以成都为一个样本利用计量经济学的基本知识对其作实证分析,分别检验当年以及滞后几年的人均可支配收入和住房价格对成都机动车数量的影响,分析汽车产业的腾飞和城市市政和人居环境可持续发展的协调促进关系。
【关键词】 人均可支配收入 住宅投资情况 滞后
本文结构概要:
一 概述:
二 问题提出:
(一)问题提出的背景:
⒈ 环境问题:
⒉ 能源问题:
⒊ 汽车行业增长迅速
(二)研究的意义:
三 理论分析与模型建立
(一)影响因素的选择:
(二)数据取得:
(三)模型建立与分析:
1.初步模型分析
2.滞后模型的建立
3.异方差检验:
四 结论
五 不足之处
一 概述:
作为中国西部重镇,成都历史悠久,早在2300多年前,蜀王开明九世就在此建都,取“一年成邑,二年成都”之意而名成都。自公元前310年建城以来,成都一直是四川地区政治、经济、文化中心,历史上曾6次成为封建割据王朝都城,自古就是商贾通衢之地,车水马龙,民生富足。新中国成立后,成都是四川省省会,1993年国务院进一步要求"充分发挥成都市作为西南地区科技中心、商贸中心、金融中心和交通通信枢纽的作用"。在西部大开发政策的支持,成都近经济发展迅速,全市现有总人口1029万,是西南地区特大中心城市之一。近年来,成都的国内生产总值每年均以13%以上的速度发展,2002年,全市国内生产总值达1663亿元人民币,在全国15个副省级城市中居第四位,居西部各大城市之首。在这样的条件下,成都的机动车辆数量也连年处于高速增长状态,总量位居全国各大城市前列,这也为成都的市政的建设和生态环境的治理带来了沉重的压力。在此,我们希望能简单实践计量经济学的知识对影响成都市机动车总数的因素进行定量的分析,找到有效控制机动车增长过热的手段,促进经济、市政和环境三者的协调发展。
(转载自http://www.NSEAC.com中国科教评价网)
表一:
obs Y(单位:辆) X1(单位:元) X2(单位:万元)
1993 138061.0 2624.200 172211.0
1994 165182.0 3940.470 226016.0
1995 207210.0 4708.990 319019.0
1996 280495.0 5265.640 372952.0
1997 382659.0 6018.740 349139.0
1998 478784.0 6446.440 455224.0
1999 561944.0 7098.010 554029.0
2000 613236.0 7649.090 867561.0
2001 715241.0 8128.390 1228045.
2002 1037603. 8971.910 1488834.
(三)模型建立与分析:
1.初步模型分析
由于我们不知道如何将两个滞后变量放在一个模型里面,所以我们将利用EViews软件,分别建立人均可支配收入X1和住宅投资情况X2的模型,采用最小二乘法对所得数据进行回归分析,最后再比较两个模型得出结论。
需要注意的是,经过我们的调查,X1和X2对Y的影响均有一定的滞后性,我们需要建立分布滞后模型进行检验。
利用EViews输入X1的数据,我们先得到人均可支配收入影响机动车总量的模型。 (科教范文网http://fw.ΝsΕΑc.com编辑)
Dependent Variable: Y
Method: Least Squares
Sample: 1993 2002
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C -367840.2 104655.6 -3.514769 0.0079
X1 135.7200 16.43382 8.258581 0.0000
R-squared 0.895019 Mean dependent var 458041.5
Adjusted R-squared 0.881896 S.D. dependent var 283946.5
S.E. of regression 97581.71 Akaike info criterion 25.99162
Sum squared resid 7.62E+10 Schwarz criterion 26.05214
Log likelihood -127.9581 F-statistic 68.20415
Durbin-Watson stat 0.964223 Prob(F-statistic) 0.000035
Ŷ= -367840.2 + 135.72X1
(-3.514769) (8.258581)
0.895019 DW=0.964223 F=68.20415
从输出结果看,T检验值、F检验值、值都很高,但在0.05显著水平下,DW值偏低,说明模型中存在自相关。
2.滞后模型的建立
实际上,从定性方面来分析,影响购买机动车数量除了本期的可支配收入外,还受以前各期可支配收入的影响,因此必须对该模型进行分布滞后的修正。
① 假设滞后影响期数为无限,我们采用库伊克变换法估计模型:
Dependent Variable: Y
Method: Least Squares
Sample(adjusted): 1994 2002
从结果看,我们发现T检验值偏低,且由于该模型为自回归模型,我们求其H统计量计算结果小于在显著水平上的临界值。
② 阿尔蒙法:上面的数据说明将此模型设定为无限分布滞后模型不是很理想,我们觉得经济学上滞后期为3到5年,我们用阿尔蒙法分别计算得到三个不同滞后期数所对应的模型,经过比较可见当滞后期数为4的时候,有一个相对理想的模型。
滞后期数为4的结果如下:
Dependent Variable: Y
Method: Least Squares
Sample(adjusted): 1997 2002
Included observations: 6 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -1416501. 295767.4 -4.789241 0.0409
PDL01 -672.4102 247.4055 -2.717847 0.1129
PDL02 -197.9734 42.44699 -4.664015 0.0430
PDL03 350.9851 120.2321 2.919229 0.1000
(科教范文网 fw.nseac.com编辑发布)
Ŷ= -1416501+1127.48X1-123.452X1(-1)-672.410X1(-2) -519.399X1(-3)+ 335.583X1(-4)
(-4.789241) (3.70981) (-1.23757) (-2.71785) (-3.22004) (1.90014)
0.989534 DW=2.412506 F=63.03365
另一方面,我们通过定性分析认为房产和住宅是一般居民最大的两笔固定资产购买,两者存在较为明显的相互替代关系。而且,一般的居民都是先购房再购车,所以,除了本期住宅投资的影响外,机动车数量在很大程度上受过去投资额的影响。同上法,我们通过比较,得到滞后期数为3时有相对理想的模型: (转载自http://zw.NSEAC.com科教作文网)
Variable Coefficient Std. Error t-Statistic Prob.
C -22051.74 47806.38 -0.461272 0.6760
PDL01 0.123378 0.111841 1.103160 0.3505
PDL02 0.263961 0.116611 2.263607 0.1086
PDL03 0.090258 0.108343 0.833075 0.4659
R-squared 0.990962 Mean dependent var 581423.1
Adjusted R-squared 0.981925 S.D. dependent var 247655.2
S.E. of regression 33296.02 Akaike info criterion 23.95982
Sum squared resid 3.33E+09 Schwarz criterion 23.92891
Log likelihood -79.85938 F-statistic 109.6471
Durbin-Watson stat 2.743157 Prob(F-statistic) 0.001455
Lag Distribution of X2 i Coefficient Std. Error T-Statistic
*. | 0 -0.05032 0.11596 -0.43400
. * | 1 0.12338 0.11184 1.10316
. * | 2 0.47760 0.11861 4.02678
. *| 3 1.01233 0.25552 3.96177
Sum of Lags 1.56298 0.19752 7.91294
Ŷ= -22051.74- 0.05032X2 +0.12338X2(-1)+ 0.47760X2(-2) +1.01233X2(-3)
(-0.461272) (-0.43400) (1.10316) (4.02678) (3.96177)
0.990962 DW=2.743157 F=109.6471
3.异方差检验:
最后,我们对模型进行异方差的检验,由于我们取得的是小样本,而且样本资料为时间序列数据,所以我们采用ARCH检验分别对两个模型进行异方差检验,结果如下:
ARCH Test:
Obs*R-squared 4.000000 Probability 0.261464
在α=0.05时,自由度P=3,查表得=7.81473,从上表可以得:
Obs*R-squared=4<=7.81473,这表明模型随机误差项不存在异方差。
四 结论
通过对影响成都市机动车总量的因素建立计量经济模型,并进行了上述分析之后,我们可以得出这样的结论:
成都市人均可支配收入和住宅投入确实对机动车总量有一定的影响,这点我们可以从模型的分析结果可以看出,但是需要说明的是这两种因素的影响存在一定的问题。因为通过对模型的检验,我们发现得出的结果与我们当初设想的情况存在一定的出入。
比如,我们当初设想的是成都市人均可支配收入和住宅投资应该对成都市机动车总量有较为显著的影响,可是结果我们发现这一影响并不是很显著,而且模型经过修正之后还存在比较严重的自相关,之所以出现这种情况,是因为我们得到的数据十分的有限,数据量明显不足应该是最主要的问题,但是限于客观情况,在这一点,我们没有很好的方法进行数据的收集与整理。
尽管如此,我们还是可以看出,我们所选择的因素确实也能够说明其对机动车总量的作用,从经济意义上讲,人均可支配收入对于个人够买汽车是起着决定性因素的,因为从目前的情况来看,我国居民的消费意识还是以量入为出为基本的消费观念的,尽管近几年出现了消费信贷,但是由于我们目前这方面的发展和管理都不是很完善,因此大众消费仍以个人的可支配收入量为依据进行消费,而且在汽车消费上的投入存在着一定的滞后。
内容来自www.nseac.com
五 不足之处
前面我们分析了对汽车销量影响的因素,因现在所学尚浅不能取得有效的数据,且不能对某些数据进行正确的整理,故采用的进行分析的自变量较少。若能加入再多点自变量可能能够得到不同的结论,可能与我们得到的结论有差入。
对于自变量采用的数据也有不足之处:
成都市机动车总量数据取得时由于私家车的数量难以得到,采用的数据包括了公家车的数量,公家车的数量较大对我们得到的数据有一定的影响从而对建立的模型有一定的影响。