基于計量經濟學模型的武漢市汽車保有量預測

王明銳

摘 要：本文根據武漢市統計數據，應用計量經濟學方法，建立了汽車保有量預測模型，模型特別將上一年汽車保有量作為表征消費者購車心理的變量納入了分析。通過MATLAB軟件計算出回歸系數和相關統計參數，并對模型進行了各項檢驗，最終根據修正后的模型計算了武漢市2016年的汽車保有量，結果較為準確，表明該方法是一種較為嚴謹的短期預測方法。本文亦對武漢市2017年的汽車保有量進行了預測。

關鍵詞：計量經濟學；武漢市；汽車保有量；預測

中圖分類號：F064.1 文獻標識碼：A 文章編號：1005-2550（2017）04-0045-04

Abstract： According to the statistics of Wuhan， the forecasting model of vehicle population based on econometrics is established， the vehicle population of last year is especially considered in this model as a variable of representation of consumer psychology， and therewith regression coefficients and related statistic parameters are calculated through MATLAB in this paper， solid tests on the model are conducted as well. After model adjusted， the vehicle population of Wuhan in 2016 is eventually calculated. The result is comparatively accurate indicating it is a technically feasible method. The vehicle population of Wuhan in 2017 is predicted in this paper as well.

Key Words： econometrics； Wuhan； vehicle population； forecast

1 引言

對于汽車行業從業者來說，準確預測汽車保有量是準確規劃產能和調整未來發展戰略的一項重要工作。不僅如此，它還是城市建設部門、交通管理部門合理分配公共泊車資源，有效規劃交通路網時需要參考的重要指標。因此，準確預測汽車保有量不論是對于汽車行業，還是對社會整體經濟的發展來說都意義重大。

通常用來預測汽車保有量的方法有：時間序列法、神經網絡法、灰度預測法等。這些方法各有局限性。例如，時間序列法的優點是所需的數據較少，預測方法較為簡單；其缺點是僅將汽車保有量作為隨時間單一變化的統計量，忽略了可能影響汽車保有量的其他因素特別是經濟政策等。神經網絡法的優點是預測精度高，但缺點是訓練耗時較長等。[1]

計量經濟學模型與以上介紹的方法相比，優勢是在引入了相關經濟因素作為解釋變量，提升了預測精度，計算方法相對簡單，便于操作。因此，本文應用計量經濟學模型來預測汽車保有量。

2 計量經濟學模型

計量經濟學（Econometrics）產生于上世紀30年代，是一門經濟學、統計學和數學交叉產生的學科。它以數學和統計學為方法論基礎，對統計數據進行分析研究，建立模型以探索、驗證經濟規律。經歷了大半個世紀的發展后，計量經濟學在各領域內的應用也越來越廣泛。

2.1 計量經濟學建立模型的步驟

使用計量經濟學建立汽車保有量預測模型的步驟如下：

（1）理論模型的設計。針對研究對象，選擇合適的變量。本文的研究對象是武漢市汽車保有量，選擇的變量見下文3.1。

（2）樣本數據的收集。確定研究的變量后，收集相關的統計數據。

（3）建立數學模型。本文使用的是多元線性回歸模型，其表達式為[2]：

其中，β是模型的回歸參數，u是誤差干擾項。

（4）模型參數的估計。本文使用MATLAB軟件對模型參數進行求解。

（5）模型的檢驗。該步驟的工作介紹見下文2.2。

（6）運用模型進行預測。

2.2 模型檢驗

建立模型之后，還需對其進行檢驗確定其是否可以付諸使用。本文主要使用的是針對參數的R2檢驗、F檢驗、t 檢驗以及針對假設條件的多重共線性檢驗。

（1） R2 檢驗即擬合優度檢驗。在多元線性回歸模型中，可決系數 R2 衡量的是模型的擬合程度，其值介于0至1之間，越接近1，則擬合程度越好。

（2） F 檢驗是對回歸方程總體線性的顯著性檢驗。它檢驗的是解釋變量對被解釋變量的影響是否顯著成立。

（3） t 檢驗是對回歸參數的檢驗。其目的是用于判斷每個參數對被解釋變量的影響是否顯著。

（4）多重共線性檢驗。該檢驗的其目的是判斷各變量之間是否存在線性關系，并將多重共線性程度較強的變量刪去，從而保證各解釋變量都是獨立影響被解釋變量。

3 建立模型

3.1 變量選擇

被解釋變量的選擇。本文選取的被解釋變量為汽車保有量。

解釋變量的選擇。結合經濟學理論以及武漢市經濟發展的實際情況，本文選擇如下指標作為模型的解釋變量：

（1）國內生產總值 x1。國內生產總值是衡量一個國家或地區總體經濟狀況的重要指標，其增長情況直接影響汽車保有量。

（2）工業生產總值 x2。工業生產總值是一個國家或地區工業實力的體現，也是國民經濟的基礎。武漢是中部地區中心城市，全國重要的工業——特別是汽車工業——基地。因此，工業生產總值與汽車保有量之間也存在十分密切的聯系。