基于主成分分析的汽車產業競爭力研究

李詠徽

【摘? 要】本文主要針對汽車產業的競爭力水平將對中國整體經濟產生影響的研究。利用經濟全球化和貿易自由化的發展，做了汽車產業日趨激烈的經濟競爭，包括國內和國際兩個市場，面對本國和國外的競爭對手。首先競爭的結果取決于汽車產業自身的競爭力。其次本文選取了一些有代表性且具有操作性的指標進行分析和綜合評價，最后并結合中國汽車產業特殊的發展背景和現狀，分析總結得出了評價汽車競爭力的主要指標為總資產、總產值、專利、產業總產量、總利潤、總銷量、占有率、財政政策補貼，并分析新能源汽車產業對我國汽車產業的影響，預測未來我國汽車產業的發展趨勢。

【關鍵詞】競爭力;主成分分析;因子分析

引言

目前中國的千人汽車保有量約為120 輛，而美國的這一數字為800輛，日本為600輛，歐洲為550輛，世界千人平均保有量160輛。根據世界各主要國家汽車保有量的發展規律看，未來15年中國汽車的千人保有量將超過300輛，屆時汽車將年產4200萬輛，由此可見中國的汽車產業仍有較大的發展空間。此外，目前中國車市的現狀是一二線城市升級換購的需求仍較大，三四線城市的市場潛力也在逐步釋放，這些都為中國乘用車市場的發展提供了有效支撐。同時，近年來我國新能源汽車的發展趨勢逐年上升，我國也在2016年調整完善了新能源汽車的補貼政策。

1.問題分析

如今汽車已經非常普遍，幾乎是每個家庭必備的交通工具，汽車產業的競爭力也逐漸提高。但我國汽車產業是一個發展不均衡，國際競爭力較差的產業。一方面產業利潤率和生產率均高于全國工業平均值，甚至高于國際上同行業的競爭對手，而另一方面，技術落后，自主知識產權數量少，質量低下，導致這種狀況的原因是多方面的。汽車產業競爭力也成為了衡量一個城市工業發展的重要部分，因此對汽車產業競爭力進行分析，給出合理的評價。問題需要比較各個省的汽車產業競爭力，并做出評價。所以首先要收集影響汽車產業競爭力的因素，我們收集了汽車產業總資產、汽車產業總產值、專利數、產業總產量、產業總利潤、產業總銷量、產業占有率、政府政策。

2.模型的建立

汽車產業發展迅速，行業之間競爭激烈，汽車產業對于很多地區有重要影響的發展，而汽車產業的競爭力的影響因素來自各個方面，通過各個指標來衡量一個省市的汽車產業競爭力，主要競爭力因素有經濟發展競爭力、科技競爭力、銷售競爭力、政府支持力度競爭力等。由于指標的多樣，所以從中挑選幾個具有代表性的競爭力因素對問題進行分析。

根據問題建立汽車產業的評價模型，并作出相應的評價，根據調查和分析，挑選出幾個對汽車產業影響較多的指標，分別為：產業總資產、產業總產值、專利數、產業總產量、產業總利潤、產業總銷量、產業占有率、政府政策。如下表：

我們在實際的計量經濟模型中，絕對異方差幾乎是不存在的，只能使得異方差盡可能的小。這是因為，在現實中，經濟現象變化多端，并且還會受隨機因素的影響。模型中的隨機誤差項的異方差性，有時候是不會影響模型的參數估計的無偏性的，但它可能會影響參數的最小二乘估計值的有效性，并且用t檢驗來判斷解釋變量影響的顯著性將失去意義，在這種情況下，回歸模型估計式對真實總體關系式的代表性也會相應降低。多元線性回歸模型的經典假設之一是解釋變量之 間不存在多重共線性，也就說對于任意某個解釋變量，都不能用其他解釋變量的線性組合來表示。然而，在我們實際的問題中，解釋變量大多數存在程度不同的線性相關，很難滿足經典假設。在一個線性回歸模型中，如果某一個解釋變量與其他解釋變量存在線性關系（即某個解釋變量可以寫成其他解釋變量的線性組合），則稱這個回歸模型存在多重共線性。

3.模型的求解

利用離散數據序列建立近似的微分方程，求解微分方程可得到時間的相應序列為：

其中是值觀察預測值。根據上述預測方法，預測出了調查的各個省市2018-2019年的汽車產業競爭力的綜合評價的分，從近年來新能源汽車的發展來看，純電動乘用車一直占據市場主力，其次純電動車商用車市場份額也持續增長。近年來，我國新能源汽車產業從無到有，在短短幾年內，發展迅速，新能源汽車產業的發展帶動了我國多個行業的快速發展。在我們的日常生活行為、經濟活動、科學研究中，存在著普遍的不確定性現象。比如，在某種商品的銷售活動中，即使商品的價格、用途等都是確定的，但是消費者的偏好、市場行情、經濟承受能力等信息都是不確定的，所以還是很難比較準確的預測該商品的銷售量。這些問題促進了不確定理論的誕生及其發展。灰色理論的重要成果之一就是灰色關聯，它是灰色模型、灰色預測和灰色控制的基礎。灰色關聯度分析，是通過對系統內時間序列的發展態勢，來判斷各因素之間關聯程度的的方法。一般的，是在兩個系統或者一個系統的若千個因素（一個是參考因子，剩下的都是相關因子）隨時間變化時，各因素曲線幾何形狀變化的相似程度，在系統中，用關聯度來分析各因子對主因子的影響大小，關聯度大的表示主因子受該因子影響比較大，關聯度小的表示主因子受該因子的影響程度很小或者幾乎不受影響。

4.結語

本文收集數據后，先進行了標準化處理，對不同量綱的數據歸一化，使文章更加嚴謹。本文主要采用主成分分析及因子分析進行數據分析。通過降維將8個指標歸為兩大主因子，不僅化簡數據，減少信息的丟失，而且通過旋轉使因子變量更具有可解釋性。本文采用了灰度預測模型，不僅不需要大量樣本，計算工作量小，而且對不確定因素的復雜預測系統效果較好，準確度相對較高。

參考文獻

[1]姜啟源.數學模型（第五版）.北京：高等教育出版社，2003。

[2]吳翊，吳孟達，成禮智.數學建模的理論與實踐.長沙：國防科技大學出版社，1999