论文部分内容阅读
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，汽车工业带动了经济的持续发展，在我国经济发展中有着不可撼动的位置。关于汽车销量影响因素的研究中，可知其销量的变化来自诸多因素，其中城镇居民可支配收入与钢铁产量对其影响相对较大。本文运用Stata软件，采取向量自回归（VAR）模型，选取钢铁产量与城镇居民的可支配收入来进行分析，运用VAR模型拟合该因素与汽车销量的动态关系，深入的研究该因素对我国汽车销量的影响机制。
关键词：汽车销量 影响因素 VAR模型
一、研究背景与意义
2008年，金融危机的爆发使得全球汽车制造也遭受到一些冲击。但两年后，全球经济的全面复苏，汽车的销量也稳步回暖。随着全球经济一体化，我国逐步由汽车生产大国向生产强国转变。总体上全球汽车行业的发展呈稳步增长的趋势。然而在汽车产业高速发展、销量急剧增长的同时，对人类社会和环境带来了许多出乎意料的负面效果。譬如，汽车尾气的排放中含有大量的有害物质：一氧化碳、二氧化碳、氮氧化物以及对人体产生不良影响的其他的固体细微颗粒物质。这些尾气的排放不仅威胁着人类的健康，也引发了相关的社会问题。另外，为汽车运输石油的油船的泄露也给海洋环境带来了直接的污染危害。
汽车数量的多少也我们的生活息息相关。如果将汽车的数量控制在一定的范围之内，就能提升我们的生活质量，促进国家经济的发展。也就是说，对汽车销量影响因素做出必要的分析，可以更好地认识汽车产业所面临的现实问题，从而为经济的稳健增长提供了合理的建议。
二、VAR模型下的汽车销量的实证分析
（一）数据来源与变量说明
我国汽车市场的宏观调控政策相对频繁，采用跨度较小的年度数据可能会造成市场某些信息的缺失。为了保证数据的准确性和可靠性，考虑到变量的代表性。以连续27年（1990-2016年）为观察期，使用的数据均来自《中国统计年鉴》。对汽车销量进行定量分析，并揭示其影响因素的内在运行方式。
本文在查阅有关于汽车销量的相关资料、文献以及征询相关专家建议的基础上，遵循客观、独立、准确、可取等原则的基础，构造了汽车销量（y）影响因素的评价指标体系。本文只考虑经济和社会两个方面的因素，具体指标如下：（1）城镇居民人均可支配收入（x1）可作为本文经济影响因素的评价指标.（2）选取大多数研究者在汽车销量影响因素中所共有的社会因素——钢材产量（x2），作为本文社会影响因素的评价指标。由于数据可能会出现由数据统计口径不一致所引起的干扰，降低数据的波动性。对响应变量和自变量数据进行对数化处理，处理后的数据分别用LNy，LNx1，LNx2表示。
（二）时序数据的相关性分析
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量变量因素之间的相关程度。两变量间的相关系数的取值范围为[-1，1]，其相关系数的绝对值越大，表明两者之间的相关性越强。只有变量之间存在显著的相关性，那么该实证研究才会有实际意义。实证结果表明：汽车销量（y）与城镇居民人均可支配收入（x1）的相关系数为0.9424，与钢材产量（x2）的相关系数为0.9859;对数化后的汽车销量（LNy）与对数化后的城镇居民人均可支配收入（LNx1）的相关系数为0.9104，对数化后的汽车销量（LNy）与对数化后的钢材产量（LNx2）的相关系数为0.9784。各变量之间的相关系数均在0.9以上，即各变量间存在高度的相关性，可做实证分析。
（三）VAR模型实证分析
建立VAR模型要求时间序列必须为平稳的或是序列之间存在协整关系，本文首先检验其平稳性，同时利用AIC最小值准则来确定滞后阶数。利用Stata对进行过对数化处理的时间序列作ADF检验。在5%的置信水平下，当P值小于0.05时，表明该序列通过了ADF检验，为平稳性序列。原始数据中，LNy与LNx1的P值大于0.05。故需要对原始数据进行差分处理。在一阶差分的情况下，三组时序数据均通过了ADF检验，为同阶单整。在已知同阶单整的情况下，选用EG检验来说明各变量之间是否存在协整关系。
为了进一步确定各变量间的因果关系，利用格兰杰因果对变量因果关系进行检验。检验结果如表1：
由表 1 表明，当结论为拒绝时，则表明拒绝原假设。即城镇居民人均可支配收入和钢材产量是汽车销售量的格兰杰原因。在确定汽车销售量为果，城镇居民人均可支配收入和钢材产量为因的情况下，构建 VAR 模型还需明确最优滞后阶数。在确定最优滞后阶数时，主要使用AIC准则、HQ准则或者SC准则进行定阶。通过Stata作滞后阶数的确定，最终选择2阶，根据以上检验以及最佳滞后阶数，进行向量自回归模型的建立，得出汽车销售量与其影响因素之间的 VAR（2）模型实证结果如下：
我们可以根据已经建立起的模型，在各个影响因素变化的情况下有效的预测出来年汽车销量的数据，也可以对每一个因素的变化对汽车销量影响进行剖析，这样可以合理的控制我国汽车汽车销量过多而造成的相关环境、社会问题或过少引发的经济危机等问题。
三、结论与建议
（一）结论
本文通过VAR模型的建立，得到汽车销量与城镇居民人均可支配收入与钢材产量之间的相关关系，由联立方程（2）可知，汽车销量的前一期对当期销量会产生正向影响。当汽车销量的前一期每变动一个单位，当期汽车销量就会变化1.12706个单位;城镇居民人均可支配收入的滞后一期对汽车销量的影响要高于居民可支配收入的滞后二期，且居民的可支配收入对汽车销量呈负向影响;钢材产量的滞后一期对汽车销量产生正向影响，每变动一个单位，就会引起汽车产量同向变动0.121788个单位。
（二）建议
在当今社会，汽车和我们的生活息息相关，已经成为我们生活正不可或缺的一部分。汽车的使用给我们带来了无穷的便利，但汽车数量的急剧增加，不仅对我们环境造成了不可忽视的影响，也给我们的生活带来了诸多困扰，交通拥堵、车辆事故。对汽车销售数量必须给予一定程度的关注。汽车数量实际效应和对汽车销量影响因素的研究可知，应改进汽车质量，控制汽车销量。在结合本文的结论上，提出如下建议：
（1）促进新能源汽车的发展。虽然我国已经在政策上给予新能源汽车的诸多优惠条件，新能源汽车更换蓄电池的成本较高，充电桩数量的缺乏等原因，都阻碍了人们购买新能源汽车。故我国的汽车销售行业应当针对国家的环保政策，加强对汽车排放量的控制，并有意识的发发展环保型汽车，通过对人们消费水平的充分考虑，合理制定价格，从而进行对环保型汽车销售领域的开发。
（2）加强政府的宏观调控，提高居民人均可支配收入。宽松的货币政策会使大量的资金流入市场，这样就刺激了汽车产业的发展，会造成汽车的销量增高。要调整资金的流动，可以限制购买燃油车的贷款额度，调控贷款利率，对汽车信用贷数量的控制，让货币对汽车产业的影响更为合理。
（3）调整和完善经济结构，合理控制钢材产量。近年来汽车产业被视为我国经济发展的朝阳产业。汽车产业有效的推动了我国国民经济的增加，它的地位不能撼动。不能因为控制汽车的销量而抑制汽车产业的发展。但是钢材作为汽车生产的原材料，政府可以通过合理控制钢材产量的生产对汽车产量加以调控。所以进行有效的调整和完善经济模式，可以推动经济健全的向前发展。
参考文献：
[1]SyedShahabuddin.Forecastingautomobilesales[J].ManagementResearchNews，2009，32（7）：78-82.
[2]Chi-JieLu，Tian-ShyugLee，Chia-MeiLian.Salesforecastingforcomputerwholesalers：AcomparisonofmultivariateadaptiveregressionsplinesandartificiaLNeuraLNetworks[J].DecisionSupportSystems，2012，54（1）：13-21.
[3]危高潮.我国汽车销量主要影響因素的分析[J].西安财经学院学报，2009，22（06）：88-92.
[4]韩海勇.我国汽车消费影响因素的回归分析[J].时代金融，2013，（10）：205-206.
关键词：汽车销量 影响因素 VAR模型
一、研究背景与意义
2008年，金融危机的爆发使得全球汽车制造也遭受到一些冲击。但两年后，全球经济的全面复苏，汽车的销量也稳步回暖。随着全球经济一体化，我国逐步由汽车生产大国向生产强国转变。总体上全球汽车行业的发展呈稳步增长的趋势。然而在汽车产业高速发展、销量急剧增长的同时，对人类社会和环境带来了许多出乎意料的负面效果。譬如，汽车尾气的排放中含有大量的有害物质：一氧化碳、二氧化碳、氮氧化物以及对人体产生不良影响的其他的固体细微颗粒物质。这些尾气的排放不仅威胁着人类的健康，也引发了相关的社会问题。另外，为汽车运输石油的油船的泄露也给海洋环境带来了直接的污染危害。
汽车数量的多少也我们的生活息息相关。如果将汽车的数量控制在一定的范围之内，就能提升我们的生活质量，促进国家经济的发展。也就是说，对汽车销量影响因素做出必要的分析，可以更好地认识汽车产业所面临的现实问题，从而为经济的稳健增长提供了合理的建议。
二、VAR模型下的汽车销量的实证分析
（一）数据来源与变量说明
我国汽车市场的宏观调控政策相对频繁，采用跨度较小的年度数据可能会造成市场某些信息的缺失。为了保证数据的准确性和可靠性，考虑到变量的代表性。以连续27年（1990-2016年）为观察期，使用的数据均来自《中国统计年鉴》。对汽车销量进行定量分析，并揭示其影响因素的内在运行方式。
本文在查阅有关于汽车销量的相关资料、文献以及征询相关专家建议的基础上，遵循客观、独立、准确、可取等原则的基础，构造了汽车销量（y）影响因素的评价指标体系。本文只考虑经济和社会两个方面的因素，具体指标如下：（1）城镇居民人均可支配收入（x1）可作为本文经济影响因素的评价指标.（2）选取大多数研究者在汽车销量影响因素中所共有的社会因素——钢材产量（x2），作为本文社会影响因素的评价指标。由于数据可能会出现由数据统计口径不一致所引起的干扰，降低数据的波动性。对响应变量和自变量数据进行对数化处理，处理后的数据分别用LNy，LNx1，LNx2表示。
（二）时序数据的相关性分析
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量变量因素之间的相关程度。两变量间的相关系数的取值范围为[-1，1]，其相关系数的绝对值越大，表明两者之间的相关性越强。只有变量之间存在显著的相关性，那么该实证研究才会有实际意义。实证结果表明：汽车销量（y）与城镇居民人均可支配收入（x1）的相关系数为0.9424，与钢材产量（x2）的相关系数为0.9859;对数化后的汽车销量（LNy）与对数化后的城镇居民人均可支配收入（LNx1）的相关系数为0.9104，对数化后的汽车销量（LNy）与对数化后的钢材产量（LNx2）的相关系数为0.9784。各变量之间的相关系数均在0.9以上，即各变量间存在高度的相关性，可做实证分析。
（三）VAR模型实证分析
建立VAR模型要求时间序列必须为平稳的或是序列之间存在协整关系，本文首先检验其平稳性，同时利用AIC最小值准则来确定滞后阶数。利用Stata对进行过对数化处理的时间序列作ADF检验。在5%的置信水平下，当P值小于0.05时，表明该序列通过了ADF检验，为平稳性序列。原始数据中，LNy与LNx1的P值大于0.05。故需要对原始数据进行差分处理。在一阶差分的情况下，三组时序数据均通过了ADF检验，为同阶单整。在已知同阶单整的情况下，选用EG检验来说明各变量之间是否存在协整关系。
为了进一步确定各变量间的因果关系，利用格兰杰因果对变量因果关系进行检验。检验结果如表1：
由表 1 表明，当结论为拒绝时，则表明拒绝原假设。即城镇居民人均可支配收入和钢材产量是汽车销售量的格兰杰原因。在确定汽车销售量为果，城镇居民人均可支配收入和钢材产量为因的情况下，构建 VAR 模型还需明确最优滞后阶数。在确定最优滞后阶数时，主要使用AIC准则、HQ准则或者SC准则进行定阶。通过Stata作滞后阶数的确定，最终选择2阶，根据以上检验以及最佳滞后阶数，进行向量自回归模型的建立，得出汽车销售量与其影响因素之间的 VAR（2）模型实证结果如下：
我们可以根据已经建立起的模型，在各个影响因素变化的情况下有效的预测出来年汽车销量的数据，也可以对每一个因素的变化对汽车销量影响进行剖析，这样可以合理的控制我国汽车汽车销量过多而造成的相关环境、社会问题或过少引发的经济危机等问题。
三、结论与建议
（一）结论
本文通过VAR模型的建立，得到汽车销量与城镇居民人均可支配收入与钢材产量之间的相关关系，由联立方程（2）可知，汽车销量的前一期对当期销量会产生正向影响。当汽车销量的前一期每变动一个单位，当期汽车销量就会变化1.12706个单位;城镇居民人均可支配收入的滞后一期对汽车销量的影响要高于居民可支配收入的滞后二期，且居民的可支配收入对汽车销量呈负向影响;钢材产量的滞后一期对汽车销量产生正向影响，每变动一个单位，就会引起汽车产量同向变动0.121788个单位。
（二）建议
在当今社会，汽车和我们的生活息息相关，已经成为我们生活正不可或缺的一部分。汽车的使用给我们带来了无穷的便利，但汽车数量的急剧增加，不仅对我们环境造成了不可忽视的影响，也给我们的生活带来了诸多困扰，交通拥堵、车辆事故。对汽车销售数量必须给予一定程度的关注。汽车数量实际效应和对汽车销量影响因素的研究可知，应改进汽车质量，控制汽车销量。在结合本文的结论上，提出如下建议：
（1）促进新能源汽车的发展。虽然我国已经在政策上给予新能源汽车的诸多优惠条件，新能源汽车更换蓄电池的成本较高，充电桩数量的缺乏等原因，都阻碍了人们购买新能源汽车。故我国的汽车销售行业应当针对国家的环保政策，加强对汽车排放量的控制，并有意识的发发展环保型汽车，通过对人们消费水平的充分考虑，合理制定价格，从而进行对环保型汽车销售领域的开发。
（2）加强政府的宏观调控，提高居民人均可支配收入。宽松的货币政策会使大量的资金流入市场，这样就刺激了汽车产业的发展，会造成汽车的销量增高。要调整资金的流动，可以限制购买燃油车的贷款额度，调控贷款利率，对汽车信用贷数量的控制，让货币对汽车产业的影响更为合理。
（3）调整和完善经济结构，合理控制钢材产量。近年来汽车产业被视为我国经济发展的朝阳产业。汽车产业有效的推动了我国国民经济的增加，它的地位不能撼动。不能因为控制汽车的销量而抑制汽车产业的发展。但是钢材作为汽车生产的原材料，政府可以通过合理控制钢材产量的生产对汽车产量加以调控。所以进行有效的调整和完善经济模式，可以推动经济健全的向前发展。
参考文献：
[1]SyedShahabuddin.Forecastingautomobilesales[J].ManagementResearchNews，2009，32（7）：78-82.
[2]Chi-JieLu，Tian-ShyugLee，Chia-MeiLian.Salesforecastingforcomputerwholesalers：AcomparisonofmultivariateadaptiveregressionsplinesandartificiaLNeuraLNetworks[J].DecisionSupportSystems，2012，54（1）：13-21.
[3]危高潮.我国汽车销量主要影響因素的分析[J].西安财经学院学报，2009，22（06）：88-92.
[4]韩海勇.我国汽车消费影响因素的回归分析[J].时代金融，2013，（10）：205-206.