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obs Y X1 X2（％）X31990 816200 1510.2 9.72 1003 0+ 3 1x1+ 3 2x2+ 3 3x3先对各个变量做平稳性检验: 对YADF Test Statistic 1.082163 1% Critical Value* -4.32605% CriticalValue -3.2195X3:燃料、动力类价格指数（以1990年价格为10 0的定比指数序列）1991 960400 1700.6 8.64 101.9874 普通的多元线性方程形式:*MacKinnon critical values for rejection ofDependent Variable: D(ADFY)Method: Least SquaresDate: 061405 Time: 09:21Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFY(-1) 0.334153 0.308782 1.082163 0.3286D(ADFY(-1)) -0.121060 0.697271 -0.173620 0.8690D(ADFY(-2)) -0.054606 0.945213 -0.057772 0.9562D(ADFY(-3)) -0.4094070.879632 -0.465430 0.661210% Critical Value -2.7557Adjusted R-squared 0.907058 S.D. dependent var S.E. of regression 216741.3 Akaike info criterionSum squared resid 2.35E+11 Schwarz criterion710945.927.7176527.86894Log likelihood -133.5882 F-statistic22.95874Durbin-Watson stat 2.080638 Prob(F-statistic) 0.002042对X1ADF Test Statistic -0.158912 1% Critical Value -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFX1)Method: Least SquaresDate: 061405 Time: 09:26Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX1(-1) -0.005477 0.034465 -0.158912 0.8800D(ADFX1(-1)) 0.664445 0.406596 1.634162 0.1632D(ADFX1(-2)) -0.331605 0.522131 -0.635100 0.5533D(ADFX1(-3)) -0.414658 0.416042 -0.996674 0.3647C 609.9278 275.2910 2.215575 0.0776对 X2*MacKinnon critical values for rejection ofDependent Variable: D(ADFX2)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003ADF Test Statistic -0.529198 1%CriticalValue*-4.32605%Critical Value-3.219510% Critical Value -2.7557R-squared 0.746497 Mean dependent var 589.4800Adjusted R-squared 0.543694 S.D. dependent var 229.7711S.E. of regression 155.2114 Akaike info criterion 13.23431Sum squared resid 120452.9 Schwarz criterion 13.38560Log likelihood -61.17153 F-statistic 3.680899Durbin-Watson stat2.031160 Prob(F-statistic) 0.092741Included observations: 10 after adjusting endpointsADFX2(-1) -0.069982 0.132242 -0.529198D(ADFX2(-1)) 0.543426 0.321159 1.692075 0.1514D(ADFX2(-2)) 0.140535 0.368364 0.381510 0.7185D(ADFX2(-3)) -0.391387 0.347038 -1.127794 0.3106C 0.155018 1.219842 0.127080 0.9038Mean dependent var -0.486000对X3ADF TestStatistic-2.501558 1% Critical Value* -4.32605% CriticalValue -3.2195Variable Coefficient Std. Error t-Statistic Prob.0.6193R-squared 0.768917Adjusted R-squared 0.584050 S.D. dependent var 0.905296S.E. of regression 0.583863 Akaike info criterion 2.068551 Sum squared resid 1.704478 Schwarz criterion 2.219843Log likelihood -5.342754 F-statistic 4.159310Durbin-Watson stat 2.443814 Prob(F-statistic) 0.075014*MacKinnon critical values for rejection ofDependent Variable: D(ADFX3)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX3(-1) -0.296326 0.118457 -2.501558 0.0544D(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 0.7960C 101.6956 38.34296 2.652262 0.0453R-squared 0.684768 Mean dependent var 14.93622Adjusted R-squared 0.432582 S.D. dependent var10% Critical Value -2.7557S.E. of regression 10.55726 Akaike infocriterion7.85835814.01521Sum squared resid 557.2788 Schwarz criterion 8.009650Log likelihood -34.29179 F-statistic 2.715332Durbin-Watson stat 1.902782 Prob(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：Dependent Variable: YMethod: Least SquaresDate: 060305 Time: 16:43Sample: 1990 2003Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.X1 2922.028 515.0624 5.673154 0.0002X3 -50492.48 14255.54 -3.541955 0.0053S.E. of regression 750961.7 Akaike info criterion 30.13105Sum squared resid 5.64E+12 Schwarz criterion 30.31364Log likelihood -206.9174 F-statistic 90.71108Durbin-Watson stat 1.514620 Prob(F-statistic) 0.000000t=(1.883529) (5.673154) (-1.379442) (-3.541955)Adjusted R2-=0.953922 F=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。