论文部分内容阅读
摘要：本文基于武汉市私家车保有量的历史数据以及对私家车保有量影响因素的分析，建立了两种模型对私家车保有量进行预测，以期得到更优的预测结果。模型一运用时间序列分析方法对私家车保有量进行时间序列的建模和预测；模型二则从私家车保有量的众多影响因素入手，首先运用主成分分析提取出私家车保有量的主要影响因素，接着对私家车保有量序列和主要影响序列进行协整分析，建立协整模型实现预测。实证结果表明，模型二的预测结果要远优于模型一，且根据模型二预计武汉市 2015 年的私家车保有量将达到 196.88 万辆。最后基于实证结论提出政策建议。
关键词：私家车保有量；时间序列预测；协整分析
1.引言
1.1研究背景
近3年来，武汉汽车工业飞速发展。2011年后，上海通用、东风雷诺相继落户，武汉汽车产能进入新一轮产能扩张期。"截至去年11月份，武汉市汽车 保有量已达151万辆，其中轿车为130万辆，其他车型21万辆。"武汉市车管所相关负责人透露，预计武汉2013年全年新增汽车数量为27万辆，比 2012年的23万辆增长17.4%。武汉私家车保有量的飞速增长对道路交通造成的影响不容小觑。汽车作为陆上交通运输的主要方式之一，是我国交通运输体系的重要主体，对我国经济社会的发展起着举足轻重的作用。尤其是近几年，汽车产业的增长速度已逐渐国民经济，为国民经济的增长提供了长足的动力，促进了国家工业现代化进程。因此准确预测未来近期的私家车保有量对武汉市交通以及其他方面都有很大帮助，所以我们的问题是如何准确预测武汉私未来几年家车保有量。
1.1.2研究意义
社会在进步，人类在发展，自汽车走进人们生活以来，对社会的发展、人类的进步产生了深远的影响。汽车行业的發展给人类带来进步的同时，也给人类生活带来不好的影响，汽车行业的发展带动的是相关行业的进步，人们生活和消费水平明显提高，从而促进经济发展，与此同时也带来了资源环境问题，能源消耗，环境污染和一定的交通问题都是不可忽视的。
当前，社会各界对于汽车消费及其引发的交通问题产生了极大地关注。如何认识武汉市汽车工业的发展前景，如何认识汽车对于经济发展及社会产生的有利和不利影响，是目前的热点问题之一。一方面私家车保有量的快速增长给人们带来便捷、快速的出行，但同时也引发一系列问题：城市道路交通供需矛盾突出、道路交通安全严重、道路交通环境污染、交通能源消耗过大等，城市交通成为城市发展所关注的焦点问题。
总之，汽车行业相关问题的研究是社会热点之一，汽车行业对于现在的中国政策拉动内需也是很有帮助。对汽车保有量的影响因素并在此基础上进行预测的研究也是重要的现实和理论意义。
1.1.3本文的主要研究方法和内容
1.1.3.1研究内容
本文主要运用经济学、统计学方面的知识，对武汉市私家车保有量的影响因素分析并在此基础上进行预测和研究。由于私家车保有量的影响因素涉及面广，所以在影响因素上我们是考虑前人对私家车保有量的因素研究和目前我国经济形势等特征选取可能多的因素，进一步用主成分分析法提取直接影响因素。在此基础进行实证分析，首先进行平稳性和协整检验消除伪回归现象，接着建立私家车保有量同提取后的主成分因素之间的回归模型，采用定量分析方法进行预测。最后就是实证分析的结果以及给出的相关政策及建议。
1.1.3.2研究方法
本文采用了两种预测方法，模型一是直接用私家车保有量的原始数据做时间序列预测分析，而模型二则是通过主成分分析提取出影响私家车保有量的主要因素，即选出对其有直接影响的因素，最后在此基础上建立因变量私家车保有量和各变量之间的多元回归模型，进行预测研究与分析，即基于主成分分析和协整回归模型，对武汉市私家车保有量影响因素和预测进行研究。由于我们采用了对比分析，所以比前人直接用保有量分析以及直接用影响因素分析均更具有说服力些。
3.模型的建立
3.1根据武汉市统计年鉴我们获得武汉市1999-2014年的私家车保有量的数据，并将原始数据分成1999-2013年数据和2014年数据两个部分。其中1999-2013年武汉市私家车保有量数据用于时间序列的分析和模型的拟合，2014年数据则用于对已建立的模型的预测能力进行检验以比较不同模型间的预测能力。
3.1.1 时间序列分析方法的理论阐述
趋势分析：
3.1.2 武汉市汽车保有量的时序分析
（1）将我们从武汉市统计年鉴获取的数据进行清洁和提取成时间序列动态数据。并用R软件画出私家车保有量的时序图
由得出的私家车保有量的时序图可以看出它有明显的长期趋势，接下来我们对长期趋势进行模型拟合。
（2）长期趋势拟合
通过时序图，发现该序列呈现出显著的曲线递增趋势，考虑采用二次型模型来拟合趋势，曲线拟合模型为：
且F检验的F值为140.5和P值为1.575e-09检验显著，表明该拟合模型显著有效。残差检验为白噪声序列，说明所有有用信息都完全提取。分析结束，从而这个序列确定性信息很强劲，确定性分析就完全可以把信息提取完全了，不需要再进行随机分析了。
接下来基于这个曲线趋势就可以预测了。
（4）模型的预测
当t=16即时间为2014年时的私家车保有量为119.7152万辆
当t=17即时间为2015年时的私家车保有量为138.6607万辆。
3.1.3模型预测能力的检验
由于2014年私家车保有量的真实值为141万，而模型一的预测值为119.7152万辆，两者明显偏差过大，预测误差为15.1%。
3.2 武汉市汽车保有量的协整分析 3.2.2 私家车保有量的协整分析
3.2.2.1第一步：影响私家车保有量的可能因素
我们从影响武汉市私家车保有量的有可能因素入手，选取了武汉市的人口，GDP，第一产业，第二产业，第三产业，人均储蓄，人均可支配收入，职工平均工资，社会消费品零售总额，金融保险，财政支出以及对外贸易等12项指标进行分析，以上数据均来自武汉市1999年至2013年的统计年鉴。基于原始数据不统一，从而对这些数据进行处理，把绝对数均除以人口变为相对数，并且其单位统一化，一方面避免人口对其干扰，另一方面方便建模。处理后的指标体系分别为：
人均GDP，人均第一产业，人均第二产业，人均第三产业，人均储蓄，人均可支配收入，职工平均工资，人均社会消费品零售总额，人均金融保险，人均财政支出这11项指标。
3.2.2.2第二步：主成分分析
用SPSS软件中的因子分析提取主成分，提取一个主成分其累计贡献率也即解释变量程度为99.439%，明显大于85%，从而该因子足够解释因变量。由表2知，提取出来的因子中各项指标系数分别为0.997，0.949，0.995，0.996，0.979，0.997，0.991，0.998，0.956，0.999，0.992，從而计算出提取出来的因子fact。
残差序列的ADF检验：
结果可看出检验统计量为t=-2.746486 3.2.2.3.4误差修正
可见，ecm反应了变量在短期波动中偏离他们长期均衡关系的程度，称为均衡误差，模型可简记为
3.2.2.3.5建立模型
由以上结果我们可以建立线性拟合方程式，待估参数用C（1），
C（2）……C（n）表示，则拟合方程式可写成如下：
3.6私家车保有量的预测
提取出来主成分因子取对数的时序图呈现明显的长期趋势，接下来我们对长期趋势进行模型拟合
（2）长期趋势拟合
通过时序图， 发现该序列呈现出显著的曲线递增趋势，考虑采用二次型模型来拟合趋势，并画出其拟合图形，结果如下：
模型为：
且F检验和t检验显著，表明该拟合模型显著有效。通过白噪声检验得p=0.4291>0.05，即不能拒绝原假设，表明残差为白噪声序列。说明所有有用信息都完全提取，分析结束，从而说明这个序列确定性信息很强劲，确定性分析就完全可以把信息提取完全了，不需要再进行随机分析了。接下来基于这个曲线趋势就可以预测了。
（3）对私家车保有量进行预测
（4）模型预测的能力检验
由于2014年的真实值为141万辆，而模型二2014年的预测值为148.75359万辆，预测误差为5.4%，明显小于模型一的预测误差，从而模型二更准确些！
4.结论
由模型一预测出来的2014年的汽车保有量为119.7152万辆，明显低于2014年汽车保有量真实值141万辆，且预测误差大约为15%，而模型二预测出来的2014年的值为148.75359万辆，跟真实值很接近，预测误差约为5%，比较两模型的预测误差大小，得出模型二的预测更准确，从而2015年的武汉市私家车保有量为196.8799万辆。所以单单就私家车保有量做时间序列预测分析误差会很大，因为它忽略了好多因素，相反，考虑影响私家车保有量的众多因素对其影响的权重不同从而提取主成分，进而用协整模型分析预测更有效。
参考文献
[1]：中国汽车工业年鉴/中国汽车工业协会.中国汽车工业研究中心
[2]：金赛男， 苏良军. 我国轿车保有量的预测研究[ J] . 统计与决策
[3]：赵霖.城市交通缓堵措施有效性评价方法研究[J]
[4]：胡润州.我国准私家车时代的城市病及其治愈规制[J]/上海城市管理
[5]：林坦.发达国家和地区治理交通拥堵的经验借鉴与启示[J]/城市
关键词：私家车保有量；时间序列预测；协整分析
1.引言
1.1研究背景
近3年来，武汉汽车工业飞速发展。2011年后，上海通用、东风雷诺相继落户，武汉汽车产能进入新一轮产能扩张期。"截至去年11月份，武汉市汽车 保有量已达151万辆，其中轿车为130万辆，其他车型21万辆。"武汉市车管所相关负责人透露，预计武汉2013年全年新增汽车数量为27万辆，比 2012年的23万辆增长17.4%。武汉私家车保有量的飞速增长对道路交通造成的影响不容小觑。汽车作为陆上交通运输的主要方式之一，是我国交通运输体系的重要主体，对我国经济社会的发展起着举足轻重的作用。尤其是近几年，汽车产业的增长速度已逐渐国民经济，为国民经济的增长提供了长足的动力，促进了国家工业现代化进程。因此准确预测未来近期的私家车保有量对武汉市交通以及其他方面都有很大帮助，所以我们的问题是如何准确预测武汉私未来几年家车保有量。
1.1.2研究意义
社会在进步，人类在发展，自汽车走进人们生活以来，对社会的发展、人类的进步产生了深远的影响。汽车行业的發展给人类带来进步的同时，也给人类生活带来不好的影响，汽车行业的发展带动的是相关行业的进步，人们生活和消费水平明显提高，从而促进经济发展，与此同时也带来了资源环境问题，能源消耗，环境污染和一定的交通问题都是不可忽视的。
当前，社会各界对于汽车消费及其引发的交通问题产生了极大地关注。如何认识武汉市汽车工业的发展前景，如何认识汽车对于经济发展及社会产生的有利和不利影响，是目前的热点问题之一。一方面私家车保有量的快速增长给人们带来便捷、快速的出行，但同时也引发一系列问题：城市道路交通供需矛盾突出、道路交通安全严重、道路交通环境污染、交通能源消耗过大等，城市交通成为城市发展所关注的焦点问题。
总之，汽车行业相关问题的研究是社会热点之一，汽车行业对于现在的中国政策拉动内需也是很有帮助。对汽车保有量的影响因素并在此基础上进行预测的研究也是重要的现实和理论意义。
1.1.3本文的主要研究方法和内容
1.1.3.1研究内容
本文主要运用经济学、统计学方面的知识，对武汉市私家车保有量的影响因素分析并在此基础上进行预测和研究。由于私家车保有量的影响因素涉及面广，所以在影响因素上我们是考虑前人对私家车保有量的因素研究和目前我国经济形势等特征选取可能多的因素，进一步用主成分分析法提取直接影响因素。在此基础进行实证分析，首先进行平稳性和协整检验消除伪回归现象，接着建立私家车保有量同提取后的主成分因素之间的回归模型，采用定量分析方法进行预测。最后就是实证分析的结果以及给出的相关政策及建议。
1.1.3.2研究方法
本文采用了两种预测方法，模型一是直接用私家车保有量的原始数据做时间序列预测分析，而模型二则是通过主成分分析提取出影响私家车保有量的主要因素，即选出对其有直接影响的因素，最后在此基础上建立因变量私家车保有量和各变量之间的多元回归模型，进行预测研究与分析，即基于主成分分析和协整回归模型，对武汉市私家车保有量影响因素和预测进行研究。由于我们采用了对比分析，所以比前人直接用保有量分析以及直接用影响因素分析均更具有说服力些。
3.模型的建立
3.1根据武汉市统计年鉴我们获得武汉市1999-2014年的私家车保有量的数据，并将原始数据分成1999-2013年数据和2014年数据两个部分。其中1999-2013年武汉市私家车保有量数据用于时间序列的分析和模型的拟合，2014年数据则用于对已建立的模型的预测能力进行检验以比较不同模型间的预测能力。
3.1.1 时间序列分析方法的理论阐述
趋势分析：
3.1.2 武汉市汽车保有量的时序分析
（1）将我们从武汉市统计年鉴获取的数据进行清洁和提取成时间序列动态数据。并用R软件画出私家车保有量的时序图
由得出的私家车保有量的时序图可以看出它有明显的长期趋势，接下来我们对长期趋势进行模型拟合。
（2）长期趋势拟合
通过时序图，发现该序列呈现出显著的曲线递增趋势，考虑采用二次型模型来拟合趋势，曲线拟合模型为：
且F检验的F值为140.5和P值为1.575e-09检验显著，表明该拟合模型显著有效。残差检验为白噪声序列，说明所有有用信息都完全提取。分析结束，从而这个序列确定性信息很强劲，确定性分析就完全可以把信息提取完全了，不需要再进行随机分析了。
接下来基于这个曲线趋势就可以预测了。
（4）模型的预测
当t=16即时间为2014年时的私家车保有量为119.7152万辆
当t=17即时间为2015年时的私家车保有量为138.6607万辆。
3.1.3模型预测能力的检验
由于2014年私家车保有量的真实值为141万，而模型一的预测值为119.7152万辆，两者明显偏差过大，预测误差为15.1%。
3.2 武汉市汽车保有量的协整分析 3.2.2 私家车保有量的协整分析
3.2.2.1第一步：影响私家车保有量的可能因素
我们从影响武汉市私家车保有量的有可能因素入手，选取了武汉市的人口，GDP，第一产业，第二产业，第三产业，人均储蓄，人均可支配收入，职工平均工资，社会消费品零售总额，金融保险，财政支出以及对外贸易等12项指标进行分析，以上数据均来自武汉市1999年至2013年的统计年鉴。基于原始数据不统一，从而对这些数据进行处理，把绝对数均除以人口变为相对数，并且其单位统一化，一方面避免人口对其干扰，另一方面方便建模。处理后的指标体系分别为：
人均GDP，人均第一产业，人均第二产业，人均第三产业，人均储蓄，人均可支配收入，职工平均工资，人均社会消费品零售总额，人均金融保险，人均财政支出这11项指标。
3.2.2.2第二步：主成分分析
用SPSS软件中的因子分析提取主成分，提取一个主成分其累计贡献率也即解释变量程度为99.439%，明显大于85%，从而该因子足够解释因变量。由表2知，提取出来的因子中各项指标系数分别为0.997，0.949，0.995，0.996，0.979，0.997，0.991，0.998，0.956，0.999，0.992，從而计算出提取出来的因子fact。
残差序列的ADF检验：
结果可看出检验统计量为t=-2.746486
可见，ecm反应了变量在短期波动中偏离他们长期均衡关系的程度，称为均衡误差，模型可简记为
3.2.2.3.5建立模型
由以上结果我们可以建立线性拟合方程式，待估参数用C（1），
C（2）……C（n）表示，则拟合方程式可写成如下：
3.6私家车保有量的预测
提取出来主成分因子取对数的时序图呈现明显的长期趋势，接下来我们对长期趋势进行模型拟合
（2）长期趋势拟合
通过时序图， 发现该序列呈现出显著的曲线递增趋势，考虑采用二次型模型来拟合趋势，并画出其拟合图形，结果如下：
模型为：
且F检验和t检验显著，表明该拟合模型显著有效。通过白噪声检验得p=0.4291>0.05，即不能拒绝原假设，表明残差为白噪声序列。说明所有有用信息都完全提取，分析结束，从而说明这个序列确定性信息很强劲，确定性分析就完全可以把信息提取完全了，不需要再进行随机分析了。接下来基于这个曲线趋势就可以预测了。
（3）对私家车保有量进行预测
（4）模型预测的能力检验
由于2014年的真实值为141万辆，而模型二2014年的预测值为148.75359万辆，预测误差为5.4%，明显小于模型一的预测误差，从而模型二更准确些！
4.结论
由模型一预测出来的2014年的汽车保有量为119.7152万辆，明显低于2014年汽车保有量真实值141万辆，且预测误差大约为15%，而模型二预测出来的2014年的值为148.75359万辆，跟真实值很接近，预测误差约为5%，比较两模型的预测误差大小，得出模型二的预测更准确，从而2015年的武汉市私家车保有量为196.8799万辆。所以单单就私家车保有量做时间序列预测分析误差会很大，因为它忽略了好多因素，相反，考虑影响私家车保有量的众多因素对其影响的权重不同从而提取主成分，进而用协整模型分析预测更有效。
参考文献
[1]：中国汽车工业年鉴/中国汽车工业协会.中国汽车工业研究中心
[2]：金赛男， 苏良军. 我国轿车保有量的预测研究[ J] . 统计与决策
[3]：赵霖.城市交通缓堵措施有效性评价方法研究[J]
[4]：胡润州.我国准私家车时代的城市病及其治愈规制[J]/上海城市管理
[5]：林坦.发达国家和地区治理交通拥堵的经验借鉴与启示[J]/城市