完整版我国私人汽车拥有量分析情况毕业论文.docx
- 文档编号:3317607
- 上传时间:2022-11-21
- 格式:DOCX
- 页数:12
- 大小:139.25KB
完整版我国私人汽车拥有量分析情况毕业论文.docx
《完整版我国私人汽车拥有量分析情况毕业论文.docx》由会员分享,可在线阅读,更多相关《完整版我国私人汽车拥有量分析情况毕业论文.docx(12页珍藏版)》请在冰豆网上搜索。
完整版我国私人汽车拥有量分析情况毕业论文
我国私人汽车拥有量分析
E3UEE1LI]我国私人汽车拥有量分析
前言:
国家统计局最新公布的数据显示,国内大城市的私家车拥有量继续保持大幅增长的
趋势。
截止到2001年底,在全国十大城市的私家车拥有量排名中,北京私家车的拥有量以多出第二名近40万辆的绝对优势排在了第一位。
这十个城市的具体排名分别是:
有关统计资料表明,我国城镇居民中有3800万户(占城镇居民总户数的24.8%),
有能力承受10万元左右的汽车消费。
从近几年我国汽车消费的发展变化来看,汽车消费将成为消费热点。
从1990年到2000年的10年间,我国民用汽车的保有
量由551.36万辆增加到1608.91万辆,平均每年增长11.3%。
其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆,平均每年增长22.6%。
私人汽车拥有量占民用汽车的保有量比重从1990年的14.8%,上升到2000年的38.9%,
平均每年上升2.4个百分点。
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均高于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。
随着我国经济突飞猛进的发展,人民群众的收入水平不断提高,特别是城镇居民的
收入不断提高,私人汽车拥有量不断增加,同时银行的按揭贷款买车等等的一系列推动措施,也促进了私人汽车拥有俩的增加。
单从经济方面来说,私人汽车拥有数量是评判一个国家人民生活水平的重要指标,对它的研究分析是有比较现实的意义的。
我国私人汽车拥有量随时间变化图如下:
数据收集:
Y:
:
我国私人汽车拥有量
X1:
城镇居民可支配收入
X2:
贷款利率
具体数据如下
obsYX1X2(%)X3
19919604001700.68.64
101.9874普通的多元线性方程形式:
19908162001510.29.72100
30+31x1+32x2+33x3
先对各个变量做平稳性检验:
对Y
ADFTestStatistic1.082163
1%CriticalValue*
-4.3260
5%
CriticalValue
-3.2195
10%CriticalValue
-2.7557
*MacKinnoncriticalvaluesforrejectionof
DependentVariable:
D(ADFY)
Method:
LeastSquares
Date:
061405Time:
09:
21
Sample(adjusted):
19942003
Includedobservations:
10afteradjustingendpoints
VariableCoefficientStd.Errort-StatisticProb.
ADFY(-1)0.3341530.3087821.0821630.3286
Loglikelihood
-133.5882
F-statistic
22.95874
D(ADFY(-1))
-0.121060
0.697271
-0.173620
0.8690
D(ADFY(-2))
-0.054606
0.945213
-0.057772
0.9562
D(ADFY(-3))
-0.409407
0.879632
-0.465430
0.6612
10%CriticalValue
-2.7557
对X1
*MacKinnoncriticalvaluesforrejectionof
DependentVariable:
D(ADFX1)
Method:
LeastSquares
Date:
061405Time:
09:
26
Sample(adjusted):
19942003
Includedobservations:
10afteradjustingendpoints
VariableCoefficientStd.Errort-StatisticProb.
ADFX1(-1)-0.0054770.034465-0.1589120.8800
D(ADFX1(-1))0.6644450.4065961.6341620.1632
D(ADFX1(-2))-0.3316050.522131-0.6351000.5533
D(ADFX1(-3))-0.4146580.416042-0.9966740.3647
C609.9278275.29102.2155750.0776
Durbin-Watsonstat
2.031160
Prob(F-statistic)
0.092741
对X2
ADFTestStatistic
-0.529198
1%
CriticalValue*
-4.3260
5%
CriticalValue
-3.2195
10%CriticalValue
-2.7557
*MacKinnoncriticalvaluesforrejectionof
DependentVariable:
D(ADFX2)
Method:
LeastSquares
Date:
061405Time:
09:
27
Sample(adjusted):
19942003
Includedobservations:
10afteradjustingendpoints
0.6193
ADFX2(-1)-0.0699820.132242-0.529198
D(ADFX2(-1))
0.543426
0.321159
1.692075
0.1514
D(ADFX2(-2))
0.140535
0.368364
0.381510
0.7185
D(ADFX2(-3))
-0.391387
0.347038
-1.127794
0.3106
C0.155018
1.219842
0.127080
0.9038
R-squared0.768917
Meandependentvar-0.486000
Durbin-Watsonstat
2.443814
Prob(F-statistic)0.075014
对X3
ADFTestStatistic
-2.501558
1%CriticalValue*-4.3260
5%
CriticalValue
-3.2195
10%CriticalValue
-2.7557
*MacKinnoncriticalvaluesforrejectionof
DependentVariable:
D(ADFX3)
Method:
LeastSquares
Date:
061405Time:
09:
27
Sample(adjusted):
19942003
Includedobservations:
10afteradjustingendpoints
VariableCoefficientStd.Errort-StatisticProb.
ADFX3(-1)-0.2963260.118457-2.5015580.0544
D(ADFX3(-1))
-0.332083
0.323046
-1.027973
0.3511
D(ADFX3(-2))
-0.592595
0.256861
-2.307066
0.0692
D(ADFX3(-3))
0.079195
0.290428
0.272684
0.7960
C101.6956
38.34296
2.652262
0.0453
14.01521
R-squared0.684768Meandependentvar14.93622
AdjustedR-squared0.432582S.D.dependentvar
S.E.ofregression
10.55726
Akaikeinfocriterion
7.858358
Sumsquaredresid
557.2788
Schwarzcriterion
8.009650
Loglikelihood-34.29179F-statistic2.715332
Durbin-Watsonstat1.902782Prob(F-statistic)0.151305由此可见,各个变量的随时间变化是平稳的,可以对其直接进行最小二乘估计。
对其作普通最小二乘估计:
DependentVariable:
Y
Method:
LeastSquares
Date:
060305Time:
16:
43
Sample:
19902003
Includedobservations:
14
VariableCoefficientStd.Errort-StatisticProb.
X12922.028515.06245.6731540.0002
X3-50492.4814255.54-3.5419550.0053
S.E.ofregression750961.7Akaikeinfocriterion30.13105
Loglikelihood
-206.9174
F-statistic
90.71108
Sumsquaredresid5.64E+12Schwarzcriterion30.31364
Durbin-Watsonstat
1.514620
Prob(F-statistic)
0.000000
t=(1.883529)(5.673154)(-1.379442)(-3.541955)
AdjustedR2-=0.953922F=90.71108经观察:
各个系数符合经济意义;
从可决系数看拟合优度较好;
X2的T检验不显著,而F统计量显著,效果很好,可以推断解释变量可能存在多重
共线性。
一、多重共线性的检验与修正:
下面是x1x2x3的简单相关系数矩阵:
x1x2x3
x11-0.738510.975673
x2-0.738511-0.66181
x30.975673-0.661811
可见,各个变量相关系数很高,x1x3尤为突出.我们采用逐步回归法进行修正:
(1)运用OLS方法逐一求Y对各个解释变量的回归,结合经济意义和统计检验出拟合效果最好的一个一元线性回归方程:
方程1:
DependentVariable:
Y
Method:
LeastSquares
Date:
060305Time:
17:
08
Sample:
19902003
Includedobservations:
14
VariableCoefficientStd.Errort-StatisticProb.
X11474.612151.63329.7248640.0000
Durbin-Watsonstat0.273300
Prob(F-statistic)
0.000000
方程2:
DependentVariable:
Y
Method:
LeastSquares
Date:
060305Time:
17:
08
Sample:
19902003
Includedobservations:
14
VariableCoefficientStd.Error
t-Statistic
Prob.
Sumsquaredresid5.28E+13
Schwarzcriterion
32.17243
Loglikelihood-222.5679
F-statistic
24.19456
Durbin-Watsonstat0.583287
Prob(F-statistic)
0.000355
方程3:
DependentVariable:
Y
Method:
LeastSquares
Date:
060305Time:
17:
09
Sample:
19902003
Includedobservations:
14
VariableCoefficientStd.Error
t-Statistic
Prob.
X341472.907074.3335.862447
0.0001
Sumsquaredresid4.12E+13
Schwarzcriterion
31.92472
Loglikelihood-220.8340
F-statistic
34.36829
Durbin-Watsonstat0.332537
Prob(F-statistic)
0.000077
(2)对比分析,依据调整后可决系数最大原则,选取X1进入回归模型的第一个解释变量,形成一元回归模型:
(787741.3)(151.6332)
t=(-3.321533)(9.724864)
AdjustedR-squared=0.878018F=94.57299
(3)逐步回归,将其余变量分别加入模型:
DependentVariable:
Y
Method:
LeastSquares
Date:
060305Time:
17:
13
Sample:
19902003
Includedobservations:
14
Prob.
VariableCoefficientStd.Errort-Statistic
X11164.618197.88255.8854020.0001
Durbin-Watsonstat
0.449924
Prob(F-statistic)
0.000001
DependentVariable:
Y
Method:
LeastSquares
Sample:
19902003
Includedobservations:
14
Durbin-Watsonstat
1.457294
Prob(F-statistic)
0.000000
由上表可以看出,
X3和X1构建的模型的拟合值优于X2和X1构建的方程的拟合值,
且比起t=(1.257573)(7.515119)(-4.284665)
AdjustedR-squared=0.950141F=124.8664
二、异方差的检验与修正
DependentVariable:
E2
Method:
LeastSquares
Date:
060305Time:
18:
31
Sample(adjusted):
19932003
Includedobservations:
11afteradjustingendpoints
VariableCoefficientStd.Errort-StatisticProb.
C4.33E+111.37E+120.3149420.7620
E2(-1)
3.475572
0.832087
4.176932
0.0042
E2(-2)
-3.867453
1.376776
-2.809065
0.0262
E2(-3)
1.404165
1.117624
1.256384
0.2493
R-squared0.827082
Meandependentvar2.96E+12
Sumsquaredresid2.18E+25
Schwarzcriterion59.65603
Loglikelihood
-323.3124
F-statistic
11.16052
Durbin-Watsonstat
1.980794
Prob(F-statistic)
0.004656
计算(n-p)R2=6.616656<临界值7.81(a=0.05),所以接受Ho,表明模型中不存在
异方差。
三、自相关的检验和修正
(1)下面是e与e(-1)的坐标图:
(2)DW检验:
结论:
我们的模型说明我国私人汽车拥有量主要受城镇居民可支配收入的影响,这也是符
合经济检验的。
从发展来看,我国汽车消费的热点正在逐步形成,汽车有望在未来的5年左右的时间形成我国居民最大的消费热点,在未来的10年左右的时间成为我国最大的经济增
长点。
近10年来,我国私人汽车的拥有量以20%以上的速度增长,即使在经济收缩
的1995-2000年之间,在各地各种限制汽车消费政策的作用之下,我国私人汽车的拥有量仍以20%以上的速度增长,这充分说明我国汽车消费增长的巨大潜力。
随着经济的发展和居民收入水平的提高,人们对汽车需求的欲望日益增强,在未来的5年甚至10年之内,我国私人汽车的拥有量有望继续以20%左右的速度增长。
若
以2000年625.33万辆的私人汽车保有辆为基数,以20%的增长率计算,则到2005
年,我国私人汽车的拥有量将达1556.02万辆,2005年当年新增私人汽车259.3万辆,若以每辆车售价10万元计算,则当年居民用于汽车的购买费用就达2593亿元,
成为我国居民的最大消费热点;即使每辆汽车按8万元计算,当年仅居民的汽车消费也将达2074.4亿元。
汽车有理由成为最大的消费热点从现实来看,我国不但呈现了在短期内形成汽车消费热点的发展趋势,而且已经基本具备了汽车消费热点形成的条件:
国民经济的发展为汽车消费的快速增长奠定了基础;我国城市的发展和城市交通的进步,能够支持汽车消费的扩大;加入WTC之后汽车的销售价格将明显下降,更加接近普通居民的购买
力。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 完整版 我国 私人 汽车 拥有 分析 情况 毕业论文