《统计应用spss大作业-多因素分析》由会员分享，可在线阅读，更多相关《统计应用spss大作业-多因素分析（8页珍藏版）》请在金锄头文库上搜索。
1、影响我国居民私家车拥有量的因素分析xxx xxx xxx自我国加入世界贸易组织后，中国汽车市场大举对外开放，带动了国内汽车产业的迅速发展。国家又出台了一系列鼓励轿车进入家庭的政策，长期以公车消费为主的轿车市场转变为以私人消费为主，私人购车成为当今轿车市场消费的主流。随着私人轿车消费时代的到来，私人轿车成为拉动私家车拥有量大幅上升的主要因素。截至2011年11月，我国机动车保有量达2.23亿辆，汽车保有量达1.04亿辆。大中城市中汽车保有量达到100万辆以上的城市数量达14个。目前全球汽车保有量约为10亿辆，中国占据了其中的10%。中国的汽车保有量已经超过日本，成为仅低于美国（2010年2.4亿
2、辆）的世界第二大汽车保有国，业内预计， 2020年我国汽车保有量将突破2亿辆。中国已经成为世界第一大汽车消费市场，汽车销售业成为热门，影响汽车销量的因素越发引起人们的关注。本文就通过计量模型来分析除了汽车本身的价格外，其他因素如公路里程、全国汽车产量、人均可支配收入、财政收入等多个变量对私家车拥有量的影响。1 居民私家车拥有量影响因素的选择能够影响居民私家车拥有量的因素非常多，诸如国家财政收入、居民可支配收入、公路里程、全国汽车产量、人均粗钢产量、居民消费水平和原油价格等等。国家财政收入是政府履行其职能、实施公共政策和提供公共物品与服务需要的基础，是衡量一国政府财力的重要指标， 政府在社会经济
3、活动中提供公共物品和服务的范围和数量在很大程度上取决于财政收入的充裕状况，这一指标将影响国内经济的方方面面。所以，这一指标被选作居民私家车拥有量的影响因素。居民拥有私家车的前提是汽车消费，而收入是消费的基础，也是影响消费最重要的因素。本文考虑居民可支配收入对汽车保有量的影响。公路建设是汽车行驶的基础，所以公路里程对私家车拥有量有很重要的影响，本文将公路里程也作为影响居民汽车保有量的因素。综上所述，本研究以分析我国居民私家车拥有量的影响因素为目的，选择了19912010年的数据为样本，如表1所示。我们把居民私家车拥有量作为目标变量，即被解释的变量（Y）。把财政收入（X1）、居民可支配收入（X2）
4、、公路里程（X3）作为因变量，即解释变量。2 数据来源本次研究数据来源均来自历年中国统计年鉴。为了研究达到准确性、科学性的目的，选取了自1991年至2010年20年的数据。表1 19912010私家车拥有量与财政收入、可支配收入及公路里程的数据私家车拥有量财政收入可支配收入公路里程199196.043149.481700.60104.111992118.203483.372026.60105.671993155.774348.952577.40108.351994205.425218.103496.20111.781995249.966242.204283.00115.701996289.67
5、7407.994838.90118.581997358.368651.145160.30122.641998423.659875.955425.10127.851999533.8811444.085854.02135.172000625.3313395.236280.00167.982001770.7816386.046859.60169.802002968.9818903.647702.80176.5220031219.2321715.258472.20181.0020041481.6626396.479421.60187.1020051848.0731649.2910493.00334.5
6、220062333.3238760.2011759.50345.7020072876.2251321.7813785.80358.3720083501.3961330.3515780.76373.0220094574.9168518.3017174.65386.0820105938.7183101.5119109.44400.823模型的建立3.1 多因素分析利用SPSS软件进行分析，采用最小二乘法进行回归分析和统计检验。考虑到自变量数据的特点，我们对自变量和因变量同时分别取自然对数进行分析。由散点图观察变量之间的关系，可以看出因变量和自变量呈线性关系。因此，设定模型为：式中，为随机误差项。运
7、用最小二乘法估计模型参数，得到回归方程如下式：表1 3个自变量回归方程的可决系数R2模型汇总b模型RR 方调整 R 方标准 估计的误差1.999a.998.998.05481a. 预测变量: (常量), ln公路里程, ln可支配收入, ln财政收入。b. 因变量: ln私家车拥有量表2 3个自变量回归方程的统计量FAnovab模型平方和df均方FSig.1回归29.46239.8213269.294.000a残差.04816.003总计29.51019a. 预测变量: (常量), ln公路里程, ln可支配收入, ln财政收入。b. 因变量: ln私家车拥有量表3 3个因变量回归方程的系数系
8、数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-5.457.386-14.119.000ln财政收入1.163.130.9518.921.000ln可支配收入.134.136.074.985.339ln公路里程-.064.112-.026-.575.573a. 因变量: ln私家车拥有量图1 3个变量的标准化预计值散点图图2 3个变量的标准化残差的标准P-P图从回归结果可知：根据表1，可决系数R2=0.998，拟合优度非常高。根据表2，统计量F=3269.294，显著性水平小于0.05，模型总体较为显著。根据图1，对私家车拥有量的标准化预计值散点图也大致呈线性走势，符合预期
9、。但是，根据表3，解释变量的t统计变量和解释变量的t统计变量显著性水平均大于0.05，没有通过检验，初步判断方程中存在多重共线性。3.2 模型的修正采用逐步回归法消除多重共线性。将被解释变量分别于每一个解释变量进行回归，结果如下：，R2=0.998，F=9244.139，R2=0.976，F=719.017，R2=0.913，F=188.542在以上4个方程式中，可决系数R2从大到小依次是，。这说明对于居民私家车拥有量而言，影响程度从大到小依次是：财政收入、居民可支配收入、公路里程。具体的，财政收入在对居民私家车拥有量的影响因素中占绝对重要地位，呈正相关。为了消除回归方程的多重共线性，我们试图
10、对自变量的个数进行缩减，减掉一个对因变量影响力度最小的自变量（此处为公路里程），继续进行回归分析。因此，以财政收入为基础，加入居民可支配收入这个变量，得到方程如下：表4 2个因变量回归方程的系数系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-5.608.278-20.163.000ln财政收入1.101.072.90015.256.000ln可支配收入.181.107.1001.695.108a. 因变量: ln私家车拥有量从回归结果可以看出，在显著性水平为0.05的情况下，的t统计量依然没有通过检验，所以可以判断，方程中还存在多重共线性。重复上述的方法，再去掉一个对因变
11、量影响力度最小的自变量（此处为可支配收入），获得线性回归方程，形式如下：表5 1个自变量回归方程的可决系数R2模型汇总b模型RR 方调整 R 方标准 估计的误差1.999a.998.998.05645a. 预测变量: (常量), ln财政收入。b. 因变量: ln私家车拥有量表6 1个自变量回归方程的统计量FAnovab模型平方和df均方FSig.1回归29.452129.4529244.139.000a残差.05718.003总计29.51019a. 预测变量: (常量), ln财政收入。b. 因变量: ln私家车拥有量表7 1个因变量回归方程的系数系数a模型非标准化系数标准系数tSig.B
12、标准 误差试用版1(常量)-5.180.123-42.057.000ln财政收入1.221.013.99996.146.000a. 因变量: ln私家车拥有量图3 1个变量的标准化预计值散点图图4 3个变量的标准化残差的标准P-P图从回归结果可知：根据表5，可决系数R2=0.998，拟合优度非常高。根据表6，统计量F=9244.139，模型总体较为显著。根据图3，对私家车拥有量的标准化预计值散点图也大致呈线性走势，符合预期。根据表7，解释变量的t统计变量在=0.05时通过检验，模型有效。由数据分析可知：国家财政收入的增加对居民私家车拥有量的增长有明显的拉动作用。4 结论本文对我国私家车拥有量的影响因素进行了计量分析。结果表明，我国私家车拥有量与财政收入存在着正的相关关系。财政收入是政府购买力即财政支出的前提，财政收入的增加让政府有更多的资金可以用于基础建设的投资，比如道路的修筑，也可以给居民带来更多的红利，使居民拥有更多的可支配收入，从而对汽车购买产生积极的促进作用。随着财政收入不断增长，我国私家车拥有量将不断增加。因此，要提高我国居民私家车拥有量应该大力发展经济，使财政收入大幅增加，给居民带来更多的红利，刺激消费。在保证中高收入阶层购买力的前提下，挖掘更多潜在可实现消费。
