1、我国汽车消费影响因素的回归分析【摘要】随着我国经济的快速发展和人民生活水平的逐步提高，以及 80、90 后的结婚浪潮的兴起，汽车成为了人民生活中所必不可少的东西并且需求逐渐增加。因此本文欲研究哪些因素影响人们对汽车的需求和购买。本文运用 Eviews 软件，采取多元回归分析方法，选取国民生产总值、全国人口数量、城镇居民人均可支配收入、居民消费水平四个指标作为自变量，以全国汽车产量为因变量，建立模型进行分析，研究发现城镇居民的人均可支配收入对汽车需求影响最大。 【关键词】汽车消费 影响因素 多元回归 一、引言 汽车和住房是支撑我国近年经济增长的重要力量，同时也是现在年轻人结婚所必须的两大件。目前
2、我国已经进入了汽车的普及阶段，汽车需求呈持续增长趋势，并且这种趋势仍将持续较长时间，在未来 5-10 年内汽车仍然具有增长空间。在区域范围内，随着二三线城市的经济发展速度加快，汽车需求逐渐向二三线城市延伸，二三线城市成为了汽车需求增加的强劲动力。 汽车的需求受到诸多因素的影响，如经济发展、居民收入水平、消费者偏好及国家政策等，这些因素之间相互作用共同推动汽车行业的发展。现阶段我国经济的快速发展、人民生活水平的提高、消费观念的转变以及“丈母娘效应”的产生都在促进我国汽车需求的增加。另一方面，节能减排、倡导公共交通出行，以及部分城市限制出行的政策也在一定程度上限制了汽车的需求。但是总体上我国汽车的
3、需求仍然保持持续增长态势。 苏晖（2009）研究了政府政策对汽车消费的长远影响。田晟（2009）研究了当前我国汽车消费环境存在的问题，并提出改善措施。陈向怀，路霞（2011）研究了我国成品油价格变动对汽车消费的影响。除此之外，也有一些学者从汽车消费信贷、家庭汽车消费意向等不同角度对我国汽车消费进行研究。 二、研究方法概述 多元线性回归分析预测法是从多个经济变量之间的相互关系出发，通过对与预测对象有联系的因子变动趋势的分析，推算预测对象未来数量表现的一种预测方法。多元线性回归模型的基本形式为： 其中， 我国汽车产品的消费受到多种因素的影响，包括宏观因素（如市场环境、国内生产总值、人口增长、国家政
4、策等）和微观因素（消费者的收入水平、消费水平、消费者偏好、相关商品的价格等） ，运用多元回归分析模型可以将汽车消费与各影响因素之间的关系量化，明确各因素的影响权重，进而有利于针对性提出促进我国汽车消费的措施。 三、模型构建及检验 （一）变量选择及数据来源 汽车产品消费受到多方面因素的影响， 在研究过程中为了从众多因素中选择起决定作用的影响因素作为因子， 舍弃关系不大的因素，需要对影响因素进行选择。本文结合定性与定量的方法，同时依据经验与常识选择与汽车消费高度相关的因子，如居民收入水平。对于市场环境、政府政策以及消费者偏好这些不可量化的因素暂不考虑。最终本文选择了国内生产总值、全国人口数量、居民
5、消费水平及城镇居民的人均可支配收入 4 个经济变量作为研究汽车消费变化规律的影响因素。 本文以我国汽车消费为研究对象，以连续 21 年（1990-2010 年） 为观察期， 使用的数据来自 2011 年的中国统计年鉴 。另外，鉴于我国汽车消费量的数据难以全部找出，本文选取了统计年鉴中的全国汽车生产量的数据代替汽车消费量。 （二）模型的构建 按照上述多元线性回归模型的基本形式，以汽车消费为因变量，国内生产总值、全国人口数量、居民消费水平和城镇居民的人均可支配收入为自变量，分别为，确定观察期为 21 年（1990-2010） ，利用 Eviews软件得到汽车产品需求的多元线性回归模型。经过软件分析
6、，发现全国人口数量和居民消费水平两个变量未能通过显著性检验，运用“逐步进入变量”的方法，得到新模型： （三）模型的检验 对上述模型进行经济理论检验、统计检验和计量经济学检验，只有通过检验，模型才能成立。 1.经济理论检验，即检查回归参数的关系与经济理论是否相符。从经济学角度来看，通常国内生产总值和城镇居民的人均可支配收入与消费之间呈现同方向变化的关系，其对应系数为正值。 2.统计检验，通过 t 检验、F 检验及确定性系数三个途径进行。采用t 检验法检验各影响因子与汽车消费相关程度是否显著。由 F 检验对回归显著性及可靠性进行检验，即预测模型是否能有效地反映未来汽车产品需求的变化规律。确定性系数
7、是回归误差平方和与总误差平方和之比，该比值越接近于 1，说明模型拟合效果越好。上述建立的模型统计检验结果如下： 表 1 模型统计意义检验结果 变量 回归系数 t 值 检验结果 F 值 检验结果 确定性系数 拟合效果 X1 0.0109 5.666 显著 265.83 显著 0.9672 很好 X4 0.2465 -3.545 显著 由表 1 可知，t 检验和 F 检验的结果均为“显著” ，模型拟合效果为“很好” 。说明模型通过检验。 3.计量经济学检验包括异方差检验、自相关检验和多重共线性检验。检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式” 。进行自相关
8、检验的原因是模型设计时，将对自变量有影响的因素并入到随机误差项之中，这些随机误差项会产生出系统性的、一贯性的作用，从而造成随机误差项前后期之间存在相关性。多重共线性检验是检验自变量之间的相关性，自变量之间的相关性会影响到模型回归参数的准确性以及回归效果。 （1）异方差检验 表 2 模型异方差检验结果 Heteroskedasticity Test F 值 4.9405 Prob.F（2，18） 0.0195 Obs*R-squared 7.4423 Prob.Chi-Squared（2） 0.0242 SS 15.292 Prob.Chi-Squared（2） 0.0005 （2）自相关检验
9、图 1 模型自相关检验结果 （3）多重共线性检验 图 2 模型多重共线性检验结果 从表 2、图 1 和图 2 可以看出，模型不存在异方差性，而且自相关检验的值均位于两条虚线之内，说明模型不存在自相关性。多重共线性检验的图形不接近于直线，说明自变量之间不存在相关性。 因此，最终的汽车消费模型为：。可见，我国城镇居民的人均可支配收入对汽车消费影响较大，人均可支配收入每增长 1%，汽车消费增长14.6%。 参考文献 1苏晖.政策如何影响了汽车消费J.中国汽车，2009（03）. 2田晟.制约我国汽车消费的原因分析及对策J.企业经济，2009（05）. 3陈向怀，路霞.我国成品油价格变动对汽车消费的影响J.中国市场，2011（32）. 作者简介：韩海勇（1989-） ，女，山西洪洞人，研究生，研究方向：知识产权管理。 （编辑：陈岑）
