我國(guó)汽車(chē)保有量影響因素的實(shí)證分析

課程代碼：081307學(xué)時(shí)/學(xué)分：48/3成績(jī)：北航研究生精品課程建設(shè)計(jì)量經(jīng)濟(jì)學(xué)課程案例分析案例題目：我國(guó)汽車(chē)保有量影響因素的實(shí)證分析任課老師：韓立巖〔教授〕組長(zhǎng)：霍巖〔SY0908430〕組員：羅曼〔SY0908418〕徐一航〔SY0908422〕高欣〔PT0900154〕摘要我國(guó)經(jīng)濟(jì)的快速開(kāi)展為私人汽車(chē)提供了巨大的開(kāi)展空間，同時(shí)汽車(chē)保有量的大幅增加勢(shì)必對(duì)土地、能源和環(huán)境帶來(lái)巨大壓力，這就需要對(duì)影響私人汽車(chē)開(kāi)展的主要因素進(jìn)行分析，對(duì)其保有量的開(kāi)展趨勢(shì)做出科學(xué)判斷。本文根據(jù)1985年至2008年國(guó)內(nèi)各項(xiàng)經(jīng)濟(jì)指標(biāo)，運(yùn)用EVIEWS計(jì)量軟件對(duì)各種因素進(jìn)行分析，給出了一個(gè)適用于短期預(yù)測(cè)的計(jì)量經(jīng)濟(jì)學(xué)模型及進(jìn)行各項(xiàng)檢驗(yàn)的詳細(xì)過(guò)程，并說(shuō)明了根據(jù)此模型進(jìn)行未來(lái)預(yù)測(cè)的可行性。最后，根據(jù)汽車(chē)保有量對(duì)于我國(guó)經(jīng)濟(jì)的重要作用提出了幾點(diǎn)政策建議，明確汽車(chē)產(chǎn)業(yè)開(kāi)展與國(guó)家可持續(xù)開(kāi)展之間的關(guān)系。關(guān)鍵詞：汽車(chē)保有量汽車(chē)產(chǎn)量增長(zhǎng)率影響因素實(shí)證分析

目錄摘要 21 緒論 4 研究背景 4 研究意義 42 模型的選取和變量的選擇 6 變量選取 6 單方程模型嘗試 7 初步分析 7 對(duì)數(shù)方程 13 去多重共線性 14 異方差的檢驗(yàn)及處理 15 自相關(guān)性分析 20 關(guān)于虛擬變量 23 關(guān)于分布滯后模型 25 小結(jié) 263 聯(lián)立模型 28 原始模型 28 VAR模型 29 三階段最小二乘法 32 兩階段最小二乘法 32 模型修正 34 小結(jié) 354 協(xié)整分析 37 平穩(wěn)性分析 37 E-G檢驗(yàn)兩步法與誤差修正模型 40 預(yù)測(cè)能力分析 445 總結(jié) 456 政策建議 46緒論研究背景汽車(chē)保有量指的就是一個(gè)地區(qū)擁有車(chē)輛的數(shù)量，一般是指在當(dāng)?shù)氐怯浀能?chē)輛。汽車(chē)特別是用于消費(fèi)的私人轎車(chē)保有量的多少，與經(jīng)濟(jì)開(kāi)展、經(jīng)濟(jì)活潑程度、國(guó)內(nèi)生產(chǎn)總值、人均國(guó)內(nèi)生產(chǎn)總值的增長(zhǎng)，以及道路建設(shè)的開(kāi)展有著密切的聯(lián)系。隨著中國(guó)經(jīng)濟(jì)的持續(xù)快速開(kāi)展以及人民群眾收入水平的不斷提高，將有越來(lái)越多的家庭具備購(gòu)置私人轎車(chē)的能力。國(guó)家信息中心預(yù)測(cè)，2009年前后是中國(guó)中等收入家庭具備購(gòu)車(chē)能力的時(shí)間點(diǎn)，屆時(shí)將有近1億中國(guó)人可以享用自己的家庭轎車(chē)。在此種情況下，對(duì)汽車(chē)保有量增加情況的實(shí)證分析就顯得很有意義。據(jù)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)，截至2005年底，全國(guó)民用汽車(chē)保有量為3160萬(wàn)輛，其中私人汽車(chē)到達(dá)1852萬(wàn)輛，占總量的58.6%。2006年國(guó)內(nèi)銷(xiāo)售了700多萬(wàn)輛國(guó)產(chǎn)和進(jìn)口汽車(chē)，其中60%為私人購(gòu)置。據(jù)中國(guó)汽車(chē)工業(yè)協(xié)會(huì)的專(zhuān)家估算，目前中國(guó)汽車(chē)保有量約為3800多萬(wàn)輛，私人汽車(chē)約為2200萬(wàn)輛。私車(chē)已經(jīng)占全國(guó)汽車(chē)保有量的60%左右，這標(biāo)志著中國(guó)汽車(chē)消費(fèi)進(jìn)入以私人消費(fèi)為主的開(kāi)展新階段。自我國(guó)參加世界貿(mào)易組織后，中國(guó)汽車(chē)市場(chǎng)大舉對(duì)外開(kāi)放，帶動(dòng)了國(guó)內(nèi)汽車(chē)產(chǎn)業(yè)的迅速開(kāi)展。國(guó)家又出臺(tái)了一系列鼓勵(lì)轎車(chē)進(jìn)入家庭的政策，長(zhǎng)期以公車(chē)消費(fèi)為主的轎車(chē)市場(chǎng)轉(zhuǎn)變?yōu)橐运饺讼M(fèi)為主。私人購(gòu)車(chē)成為當(dāng)今轎車(chē)市場(chǎng)消費(fèi)的主流。中國(guó)汽車(chē)技術(shù)研究中心的一份研究報(bào)告指出，2006年私人購(gòu)置轎車(chē)比例超過(guò)77%。隨著私人轎車(chē)消費(fèi)時(shí)代的到來(lái)，私人轎車(chē)成為拉動(dòng)私車(chē)保有量大幅上升的主要因素。據(jù)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)，2003年到2005年，私人載貨車(chē)僅增長(zhǎng)85萬(wàn)輛，而私人載客車(chē)那么增長(zhǎng)了633萬(wàn)輛。2006年，全國(guó)汽車(chē)銷(xiāo)量為710多萬(wàn)輛，其中轎車(chē)到達(dá)380多萬(wàn)輛，絕大局部為私人所購(gòu)置。從上面這些數(shù)據(jù)可以看出，我國(guó)的汽車(chē)保有量處于持續(xù)增長(zhǎng)的階段，并且其消費(fèi)結(jié)構(gòu)也有著明顯的轉(zhuǎn)變，所以建立適當(dāng)?shù)哪Ｐ蛠?lái)分析其增長(zhǎng)原因以及估計(jì)消費(fèi)結(jié)構(gòu)的具體形式這些都顯得尤為重要，可以為我過(guò)得汽車(chē)工業(yè)開(kāi)展前進(jìn)方向分析提供參考數(shù)據(jù)。研究意義改革開(kāi)放以來(lái)，我國(guó)的經(jīng)濟(jì)建設(shè)取得了巨大開(kāi)展，在工業(yè)化進(jìn)程不斷加快的情況下，經(jīng)濟(jì)結(jié)構(gòu)也發(fā)生了重大變化。與此同時(shí)，人民生活水平顯著提高，與人民日常生活密切相關(guān)各種根底設(shè)施也得到了長(zhǎng)足的開(kāi)展。在這一切條件下，我國(guó)的汽車(chē)工業(yè)也呈現(xiàn)出一片繁榮景象，并在逐步成為國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一。研究汽車(chē)保有量增長(zhǎng)的規(guī)律和影響因素，對(duì)于預(yù)測(cè)市場(chǎng)，配套設(shè)施的建設(shè)以及相關(guān)市場(chǎng)的開(kāi)展和相關(guān)政策的制定，都有著重要意義。汽車(chē)保有量增長(zhǎng)原因的分析、增長(zhǎng)趨勢(shì)的判斷以及消費(fèi)結(jié)構(gòu)的識(shí)別，這些都為我國(guó)未來(lái)的汽車(chē)工業(yè)、交通運(yùn)輸業(yè)以及銀行信貸機(jī)制設(shè)計(jì)都有著至關(guān)重要的意義。一個(gè)城市未來(lái)的市內(nèi)道路建設(shè)、建筑規(guī)劃、商業(yè)圈劃分等等規(guī)劃內(nèi)容都要受到汽車(chē)保有量這一指標(biāo)的干擾，只有正確的分析并預(yù)測(cè)這一指標(biāo)才能提出與城市開(kāi)展相切合的城市規(guī)劃方案，才能實(shí)現(xiàn)“城市，讓生活更美好”這一理想。本文從近些年來(lái)國(guó)內(nèi)幾項(xiàng)經(jīng)濟(jì)指標(biāo)與汽車(chē)保有量間的關(guān)系入手，分別采用多元回歸法、聯(lián)立模型和協(xié)整分析等工具對(duì)統(tǒng)計(jì)數(shù)據(jù)了技術(shù)處理，找出導(dǎo)致汽車(chē)保有量持續(xù)增長(zhǎng)的原因，并對(duì)構(gòu)成增長(zhǎng)的消費(fèi)結(jié)構(gòu)進(jìn)行了初步的分析和識(shí)別，下一步本文將對(duì)汽車(chē)保有量的預(yù)測(cè)做出更深的研究，爭(zhēng)取能夠早日得出具有實(shí)際指導(dǎo)意義的統(tǒng)計(jì)數(shù)據(jù)分析結(jié)果。模型的選取和變量的選擇變量選取Y：汽車(chē)保有量〔萬(wàn)輛〕：保有量指的是一個(gè)地區(qū)擁有車(chē)輛的數(shù)量，一般是指在當(dāng)?shù)氐怯浀能?chē)輛。汽車(chē)特別是用于消費(fèi)的私人轎車(chē)保有量的多少，與經(jīng)濟(jì)開(kāi)展、經(jīng)濟(jì)活潑程度、國(guó)內(nèi)生產(chǎn)總值、人均國(guó)內(nèi)生產(chǎn)總值的增長(zhǎng)，以及道路建設(shè)的開(kāi)展有著密切的聯(lián)系。隨著中國(guó)經(jīng)濟(jì)的持續(xù)快速開(kāi)展以及人民群眾收入水平的不斷提高，將有越來(lái)越多的家庭具備購(gòu)置私人轎車(chē)的能力。INC：城鎮(zhèn)居民可支配收入〔元〕：居民收入的上下對(duì)于私人車(chē)輛的購(gòu)置有著直接的影響，目前我國(guó)私人購(gòu)置車(chē)輛逐年增多，與居民收入的提高有著直接的關(guān)系。本文采用的指標(biāo)為統(tǒng)計(jì)年鑒中的城鎮(zhèn)居民人均可支配收入，顯然，城鎮(zhèn)居民的購(gòu)置能力要遠(yuǎn)高于農(nóng)村居民，該項(xiàng)數(shù)據(jù)與汽車(chē)保有量的相關(guān)性更高。POP:城鎮(zhèn)人口〔億人〕：城鎮(zhèn)人口是指居住于城市、集鎮(zhèn)的人口，主要依據(jù)人群的居住地和所從事的產(chǎn)業(yè)進(jìn)行歸類(lèi)。一般認(rèn)為城鎮(zhèn)人口占有率的上下反響出一個(gè)地區(qū)的工業(yè)化、城鎮(zhèn)化或城市化水平。PRO:汽車(chē)產(chǎn)量〔萬(wàn)輛〕：2009年中國(guó)汽車(chē)?yán)塾?jì)產(chǎn)銷(xiāo)突破1300萬(wàn)輛，同比增長(zhǎng)創(chuàng)歷年最高，中國(guó)成為世界第一汽車(chē)生產(chǎn)和消費(fèi)國(guó)。在汽車(chē)產(chǎn)業(yè)與國(guó)家經(jīng)濟(jì)騰飛的關(guān)系上，日本和韓國(guó)提供了成功的經(jīng)驗(yàn)。在其經(jīng)濟(jì)騰飛時(shí)期，其汽車(chē)產(chǎn)量、汽車(chē)保有量及國(guó)民收入水平有著強(qiáng)烈的正相關(guān)。WAY:公路長(zhǎng)度〔萬(wàn)公里〕：近年來(lái)，我國(guó)一直加大公路交通網(wǎng)的建設(shè)，無(wú)論是公路里程長(zhǎng)度還是公路等級(jí)都有了明顯的進(jìn)步。這也為我們駕車(chē)出行提供了可能和便利，因而也推動(dòng)了私人汽車(chē)的消費(fèi)。數(shù)據(jù)類(lèi)型：時(shí)間序列〔如表1所示〕年度區(qū)間：1985-2008表1我國(guó)近年〔1985-2008〕汽車(chē)保有量統(tǒng)計(jì)數(shù)據(jù)obsYINCPOPPROWAY198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008從表1中的數(shù)據(jù)可以看出，我國(guó)汽車(chē)保有量呈現(xiàn)出持續(xù)增長(zhǎng)的趨勢(shì)，但居民可支配收入所占的影響地位是否是汽車(chē)保有量增長(zhǎng)的主要原因，還有待進(jìn)一步檢驗(yàn)。本文將從下節(jié)開(kāi)始建立模型進(jìn)行因果關(guān)系的分析。單方程模型嘗試初步分析從我們的實(shí)際經(jīng)驗(yàn)中可以得出城鎮(zhèn)居民可支配收入、城鎮(zhèn)人口、汽車(chē)產(chǎn)量、公路長(zhǎng)度顯然對(duì)汽車(chē)保有量都有正向的作用這一結(jié)論，但由于這些變量之間有共同的增長(zhǎng)趨勢(shì)和密切的關(guān)聯(lián)度，難免引來(lái)多重共線性的后果。如以下是用Y對(duì)INC、POP、PRO、WAY進(jìn)行OLS回歸得到的結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:15Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CINCPOPPROWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)從回歸結(jié)果可以得出+INCPOP+PRO+WAYR2=,8630，DW=，F(xiàn)=查F分布表，得臨界值F〔4，19〕=，故F=>，回歸方程顯著。但是是其中POP〔城鎮(zhèn)人口〕一項(xiàng)系數(shù)為負(fù)值，顯然與經(jīng)濟(jì)意義不符，推斷必有多重共線性。從Eviews中分別計(jì)算INC、POP、PRO、WAY的兩兩回歸系數(shù)，得到下表。CorelationINCPOPPROWAYINCPOP

1.000000PROWAY從表中可以看看出解釋變量之間是高度相關(guān)的。為了檢驗(yàn)和處理多重共線性，采用逐步回歸法。對(duì)Y分別關(guān)于INC、POP、PRO、WAY作最小二乘回歸，得出以下結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:26Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CINCR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid3557246.

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)-+INCR2=,，DW=，F(xiàn)=Y對(duì)c、POP回歸，得到如下結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:27Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CPOPR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid8004544.

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)+POPR2=,，DW=，F(xiàn)=Y對(duì)c、PRO回歸，得到如下結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:29Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CPROR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)+PROR2=,，DW=，F(xiàn)=Y對(duì)c、WAY回歸，得到如下結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:31Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid4752968.

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)-+WAYR2=,，DW=，F(xiàn)=根據(jù)回歸結(jié)果，易知汽車(chē)產(chǎn)量PRO是最重要的解釋變量，所以選取第3個(gè)回歸方程為根本方程。參加下INC做最小二乘回歸。Y對(duì)c、INC、PRO回歸，得到如下結(jié)果：DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:42Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CINCPROR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)INC+PROR2=,，DW=，F(xiàn)=參加INC城鎮(zhèn)人口可支配收入后，擬合優(yōu)度增加，參數(shù)估計(jì)值的符號(hào)卻發(fā)生了變化，顯然INC與Y不可能反向變動(dòng)，而且INC顯著性較低，所以在模型中是否保存INC待定。再在方程中參加PRO做最小二乘回歸。DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:19:44Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CPROWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)+POP+PROWAYR2=,，DW=，F(xiàn)=參加WAY公路里程后，擬合優(yōu)度增加，但參數(shù)估計(jì)值的符號(hào)也不正確，所以在模型中是否保存了WAY也待定。再在方程中參加POP做最小二乘回歸。DependentVariable:YMethod:LeastSquaresDate:12/30/09Time:21:49Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

C5POPWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid3650775.

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)+INC+POP+WAYR2=,，DW=，F(xiàn)=參加POP城鎮(zhèn)人口數(shù)后，擬合優(yōu)度增加，但參數(shù)估計(jì)值的符號(hào)也不正確，所以在模型中是否保存了POP也待定。從上述嘗試中可以發(fā)現(xiàn)，由于嚴(yán)重的多重共線性，我們無(wú)法把幾個(gè)解釋變量同時(shí)放入一個(gè)模型中。對(duì)數(shù)方程鑒于對(duì)方程的回歸在參加兩個(gè)以上解釋變量后總出現(xiàn)與事實(shí)不符的參數(shù)估計(jì)值的符號(hào)，而單個(gè)解釋解釋力又缺乏，我們考察了被解釋變量和解釋變量的圖線，發(fā)現(xiàn)出城鎮(zhèn)人口外，各變量均有指數(shù)增長(zhǎng)的趨勢(shì)，所以我們考慮變更方程形式。采用對(duì)數(shù)方程。LNY對(duì)c、LNINC、LNPOP、LNPRO、LNWAY回歸，結(jié)果如下：DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:09:49Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPOPLNPROLNWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid29936

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)從回歸結(jié)果中可以看出，方程的擬合優(yōu)度較好，參數(shù)估計(jì)值的符號(hào)也正確，但LNPOP和LNWAY的顯著性不高，考慮可能存在多重共線性。去多重共線性從相關(guān)性矩陣可以看出，確實(shí)存在著高相關(guān)性。考慮到方程的經(jīng)濟(jì)意義，考慮剔除LNPOP，人口增長(zhǎng)率，保存LNINC可支配收入增長(zhǎng)率、LNPRO汽車(chē)產(chǎn)量增長(zhǎng)率、LNWAY和公路長(zhǎng)度增長(zhǎng)率。CorelationLNINCLNPOPLNPROLNWAYLNINCLNPOPLNPRO79060LNWAYLNY對(duì)c、LNINC、LNPRO、LNWAY回歸，得到如下結(jié)果：DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:10:02Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)從回歸結(jié)果可以看出，各解釋變量都都較為顯著，F(xiàn)值獲得了提升。接受該根本方程。異方差的檢驗(yàn)及處理確定了模型的根本方程后，我們對(duì)模型的異方差進(jìn)行的檢驗(yàn)和處理。從殘差圖中，由圖可知，殘差隨時(shí)間趨勢(shì)的增加，離散程度增大。由圖可知，殘差隨LNINC的增加，離散程度增大。由圖可知，殘差隨LNPRO的增加，離散程度增大。由圖可知，殘差隨LNWAY的增加，離散程度增大。從模擬圖與殘差圖也可以看出，隨機(jī)誤差存在著異方差。下面運(yùn)用懷特檢驗(yàn)，對(duì)方程進(jìn)行異方差檢驗(yàn)。HeteroskedasticitYTest:WhiteF-statistic

Prob.F(9,14)Obs*R-squared

Prob.Chi-Square(9)048ScaledexplainedSS

Prob.Chi-Square(9)TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/31/09Time:10:12Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CLNINCLNINC^2LNINC*LNPROLNINC*LNWAYLNPROLNPRO^2LNPRO*LNWAYLNWAYLNWAY^2R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)因?yàn)門(mén)R2=24×=<(9)=，證明模型不存在顯著的異方差。但于此同時(shí)，

Prob.F(9,14)=，顯著性水平并不算高。從圖示和white檢驗(yàn)得出的結(jié)論并不一致，我們?nèi)詻Q定用加權(quán)最小二乘法對(duì)異方差進(jìn)行修正。我們選擇了1/resid作為權(quán)重，加權(quán)最小二乘結(jié)果如下。DependentVariable:LNYMethod:LeastSquaresDate:01/26/10Time:10:22Sample(adjusted):19872008Includedobservations:22afteradjustmentsWeightingseries:1/RESIDVariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYWeightedStatisticsR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)UnweightedStatisticsR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidDurbin-Watsonstat通過(guò)WLS，擬合優(yōu)度提高，各解釋變量的顯著性獲得了提高，DW值發(fā)生了下降。WLS后，再次對(duì)方程進(jìn)行White檢驗(yàn)，TR2=18×=<<(4)=9.488，可以確定的說(shuō)消除了異方差。HeteroskedasticitYTest:WhiteF-statistic

Prob.F(9,14)Obs*R-squared

Prob.Chi-Square(9)ScaledexplainedSS

Prob.Chi-Square(9)TestEquation:DependentVariable:WGT_RESID^2Method:LeastSquaresDate:12/31/09Time:10:21Sample:19852008Includedobservations:24CollineartestregressorsdroppedfromspecificationVariableCoefficientStd.Errort-StatisticProb.

CWGT^2LNINC^2*WGT^2LNINC*WGT^2LNINC*LNPRO*WGT^2LNINC*LNWAY*WGT^2LNPRO^2*WGT^2LNPRO*WGT^2LNPRO*LNWAY*WGT^2LNWAY^2*WGT^2R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)方程已經(jīng)根本不存在異方差了自相關(guān)性分析從回歸結(jié)果可以直觀地看出DW檢驗(yàn)的結(jié)果。當(dāng)α=0.05，k=3，T=24時(shí)，dL=1.10，dU=1.66，方程中DW=，說(shuō)明殘差有正的自相關(guān)性。再看Q檢驗(yàn)，如下列圖所示，從Q檢驗(yàn)也可以明顯看出殘差的自相關(guān)性呈現(xiàn)正弦衰竭。再通過(guò)LM檢驗(yàn)對(duì)方程的殘差自相關(guān)性進(jìn)行檢驗(yàn)，得到如下結(jié)果。Breusch-GodfreYSerialCorrelationLMTest:F-statistic

Prob.F(2,18)Obs*R-squared

Prob.Chi-Square(2)TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:12/31/09Time:10:26Sample:19852008Includedobservations:24Presamplemissingvaluelaggedresidualssettozero.VariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYRESID(-1)RESID(-2)R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)0.072988TR2=24×=>(2)=5.991，說(shuō)明方程存在顯著的殘差自相關(guān)。從Q檢驗(yàn)和LM檢驗(yàn)中，我們可以才看出殘差RESID，與殘差的一階滯后項(xiàng)RESID(-1)高度相關(guān)。所以，利用廣義差分法對(duì)模型進(jìn)行回歸。DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:11:20Sample(adjusted):19862008Includedobservations:23afteradjustmentsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYAR(1)R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)InvertedARRoots

.55再對(duì)新的回歸模型進(jìn)行LM檢驗(yàn)，得到以下結(jié)果：Breusch-GodfreYSerialCorrelationLMTest:F-statistic

Prob.F(2,16)Obs*R-squared

Prob.Chi-Square(2)TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:12/31/09Time:11:26Sample:19862008Includedobservations:23Presamplemissingvaluelaggedresidualssettozero.VariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYAR(1)RESID(-1)RESID(-2)R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)TR2=23×=<(2)=5.991，說(shuō)明方程已經(jīng)不存在顯著的殘差自相關(guān)。同時(shí)，在此模型上關(guān)于異方差的懷特檢驗(yàn)TR2=23×=<(8)=15.507，說(shuō)明也不存在異方差，所以，不對(duì)方程進(jìn)行加權(quán)。初步回歸結(jié)果為：LNY=-9.61298+0.861551*LNINC+0.310325*LNPRO+1.371732*LNWAY+[AR(1)=0.546178]關(guān)于虛擬變量在對(duì)解釋變量數(shù)據(jù)特征的觀察中，我們可以發(fā)現(xiàn)PRO〔汽車(chē)產(chǎn)量〕在2002年度以后增長(zhǎng)速度明顯加快，據(jù)推測(cè)其原因可能是2001年12月11日，中國(guó)正式參加世界貿(mào)易組織，進(jìn)口汽車(chē)關(guān)稅下降，國(guó)內(nèi)車(chē)價(jià)下跌，帶來(lái)了較強(qiáng)的收入效應(yīng)，刺激了居民購(gòu)車(chē)行為。對(duì)此，我們引入了虛擬變量，對(duì)這一現(xiàn)象進(jìn)行了反映，其中，D2=0，〔年份<=2001〕D2=1，〔年份>2001〕參加虛擬變量后對(duì)方程進(jìn)行回歸，得到如下結(jié)果：DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:11:48Sample(adjusted):19862008Includedobservations:23afteradjustmentsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.

CD2LNINCLNPROLNPRO*D2LNWAYAR(1)R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)InvertedARRoots

.47然而，回歸結(jié)果并不十分顯著，所以，我們?cè)谀Ｐ椭蟹艞壴撎摂M變量。關(guān)于分布滯后模型采用阿爾蒙〔Almon〕多項(xiàng)式法，回歸結(jié)構(gòu)如下：DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:13:24Sample(adjusted):19902008Includedobservations:19afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

CPDL01PDL02PDL03PDL04PDL05PDL06R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodHannan-Quinncriter.F-statisticDurbin-WatsonstatProb(F-statistic)

LagDistributionofLNINCiCoefficientStd.Errort-Statistic

*.|0

.*|1

.*|2

.*|3

.*|4

.*|5SumofLags

LagDistributionofLNWAYiCoefficientStd.Errort-Statistic

*.|0

*.|1

.*|2

.*|3

.*|4SumofLags

LagDistributionofLNPROiCoefficientStd.Errort-Statistic

.*|0

.*|1

.*|2

.*|3

.*|4SumofLags由于回歸結(jié)果不顯著，放棄該模型。綜上，我們得到了單方程情況下，汽車(chē)保有量影響因素分析的最終模型：LNY=-9.61298+0.861551*LNINC+0.310325*LNPRO+1.371732*LNWAY+[AR(1)=0.546178]小結(jié)通過(guò)這一章節(jié)對(duì)統(tǒng)計(jì)數(shù)據(jù)的建模分析發(fā)現(xiàn)，絕對(duì)的統(tǒng)計(jì)數(shù)據(jù)無(wú)法直接進(jìn)行建?；貧w，因?yàn)閿?shù)據(jù)的變動(dòng)量較大，而且有較為明顯的轉(zhuǎn)折點(diǎn)存在。所以，對(duì)原始數(shù)據(jù)進(jìn)行對(duì)數(shù)處理，觀察數(shù)據(jù)的變動(dòng)量之間的關(guān)系。汽車(chē)保有量的變動(dòng)量模型經(jīng)過(guò)根本的古典假設(shè)檢驗(yàn)驗(yàn)證發(fā)現(xiàn)，這一模型有著較為良好的統(tǒng)計(jì)性質(zhì)，尤其是消除了異方差和自相關(guān)性后，模型根本可以對(duì)汽車(chē)保有量的變化量做出一定的解釋。汽車(chē)保有量的增長(zhǎng)量與我國(guó)的公路里程數(shù)的變量正相關(guān)，且屬于強(qiáng)正相關(guān)，這說(shuō)明國(guó)家對(duì)公路建設(shè)的根底性投資可以帶動(dòng)汽車(chē)工業(yè)和交通運(yùn)輸業(yè)的開(kāi)展。此外，汽車(chē)保有量的增加還與城鎮(zhèn)居民的可支配收入有很大的關(guān)系，汽車(chē)屬于耐消費(fèi)品，也可以看做是一種投資，所以居民可支配收入的提高對(duì)汽車(chē)的銷(xiāo)售和汽車(chē)工業(yè)的刺激是十分巨大的。還有一局部增長(zhǎng)的原因來(lái)自汽車(chē)產(chǎn)量的增加，這是因?yàn)槠?chē)廠家的生產(chǎn)方案會(huì)在一定程度引導(dǎo)市場(chǎng)的需求和供應(yīng)之間的平衡。模型中還參加了一期滯后項(xiàng)，這說(shuō)明汽車(chē)保有量的變化量是一個(gè)與自身前期相關(guān)的指標(biāo)，往往上一年的變化幅度會(huì)決定下一年變化幅度，這在金融數(shù)據(jù)的統(tǒng)計(jì)結(jié)果中非常常見(jiàn)，最著名的就是自相關(guān)條件異方差〔ARCH〕模型和廣義自相關(guān)條件異方差〔GARCH〕。但這一變化屬不屬于ARCH模型還需要后續(xù)的繼續(xù)分析。到此為止，本文地出了一般的關(guān)于汽車(chē)保有量的增長(zhǎng)量變化原因的單方程模型，這一模型已可以初步的解釋汽車(chē)保有量增長(zhǎng)的原因，也能刻畫(huà)一些實(shí)際的經(jīng)濟(jì)意義。在接下來(lái)的工作里本文將從更多的角度深層次挖掘汽車(chē)保有量增長(zhǎng)的原因，建立可以更加完整描述實(shí)際變化的模型，揭示更為深刻的經(jīng)濟(jì)意義。聯(lián)立模型原始模型在原有的汽車(chē)保有量模型根底上，我們又對(duì)汽車(chē)產(chǎn)量進(jìn)行回歸分析。我們用兩階段最小二乘法對(duì)以下模型進(jìn)行了回歸：LNY=a0+a1*LNINC+a2*LNPRO+a3*LNWAY+a4*AR(1)………………〔1〕LNPRO=b0+b1*LNINC+b2*LNPOP+b3*LNWAY…………〔2〕得到以下結(jié)果：SYstem:sYs01EstimationMethod:Two-StageLeastSquaresDate:12/31/09Time:14:14Sample:19862008Includedobservations:23TotalsYstem(balanced)observations46CoefficientStd.Errort-StatisticProb.

C(1)C(2)C(3)C(4)C(5)C(6)C(7)C(8)DeterminantresidualcovarianceEquation:LNY=C(1)+C(2)*LNINC+C(3)*LNPRO+C(4)*LNWAY

Instruments:INCWAYY(-1)PRO(-1)CObservations:23R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidDurbin-WatsonstatEquation:LOG(PRO)=C(5)+C(6)*LNINC+C(7)*LNPOP+C(8)*LNWAY

Instruments:INCWAYY(-1)PRO(-1)CObservations:23R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidDurbin-WatsonstatVAR模型回歸結(jié)果顯示，方程中一些解釋變量并不十分顯著，我們通過(guò)VAR檢驗(yàn)，重新尋找模型結(jié)構(gòu)。

VectorAutoregressionEstimates

Date:12/31/09Time:14:23

Sample(adjusted):19872008

Includedobservations:22afteradjustments

Standarderrorsin()&t-statisticsin[]LNYLNPROLNY(-1)

(0.26817)

(4.0E-13)[2.22176][-3.23630]LNY(-2)

(0.24698)

(3.7E-13)[-0.03360][2.37296]LNPRO(-1)

(0.22589)

(3.4E-13)[-0.00064][1.50927]LNPRO(-2)

(0.17669)

(2.7E-13)[0.70321][0.03471]C

(2.34271)

(3.5E-12)[-1.18071][-0.24878]LNINC

(0.19117)

(2.9E-13)[0.97166][0.12003]LNPRO

(0.17914)

(2.7E-13)[1.22567][3.7e+12]LNWAY

(0.43536)

(6.5E-13)[0.95094][0.00000]

R-squared

Adj.R-squared

Sumsq.resids

S.E.equation

F-statistic

1.41E+26

Loglikelihood

AkaikeAIC

SchwarzSC

Meandependent

S.D.dependent

Determinantresidcovariance(dofadj.)

Determinantresidcovariance

Loglikelihood

Akaikeinformationcriterion

Schwarzcriterion用LNY和LNPRO作為內(nèi)生變量進(jìn)行VAR檢驗(yàn)，可知，LNY與LNINC,LNPRO,LNWAY存在較為顯著的動(dòng)態(tài)關(guān)系。用LNPRO作為內(nèi)生變量進(jìn)行VAR檢驗(yàn)，可知，LNPRO與LNPRO(-1)，LNWAY和LNY(-1)存在較為顯著的動(dòng)態(tài)關(guān)系。VectorAutoregressionEstimates

Date:12/31/09Time:14:26

Sample(adjusted):19872008

Includedobservations:22after

adjustments

Standarderrorsin()&t-statisticsin[]LNPROLNPRO(-1)

(0.21037)[4.30519]LNPRO(-2)

(0.22359)[-1.85472]C

(2.97428)[-0.86811]LNINC

(0.24454)[0.30050]LNWAY

(0.54433)[1.48422]LNY(-1)

(0.25951)[0.45022]

R-squared

Adj.R-squared

Sumsq.resids

S.E.equation

F-statistic

Loglikelihood

AkaikeAIC

SchwarzSC

Meandependent

S.D.dependent但于此同時(shí)，我們通過(guò)GrangerCausalitYTests發(fā)現(xiàn)，LNPRO與LNY(-1)的因果關(guān)系，是前者是后者的原因，所以LNY(-1)不能作為L(zhǎng)NPRO的解釋變量PairwiseGrangerCausalitYTestsDate:12/31/09Time:14:26Sample:19852008Lags:3

NullHYpothesis:ObsF-StatisticProb.

LNY(-1)doesnotGrangerCauseLNPRO

20

LNPROdoesnotGrangerCauseLNY(-1)于是，我們修正模型，為以下形式：LNY=a0+a1*LNINC+a2*LNPRO+a3*LNWAY+a4*AR(1)………………〔3〕LNPRO=b0+b1*LNPRO(-1)+b2LNWAY………〔4〕三階段最小二乘法運(yùn)用三階段最小二乘法對(duì)系統(tǒng)進(jìn)行回歸，得到以下回歸結(jié)果：SYstem:SYS01EstimationMethod:Three-StageLeastSquaresDate:12/31/09Time:14:48Sample:19862008Includedobservations:23TotalsYstem(balanced)observations46Linearestimationafterone-stepweightingmatrixCoefficientStd.Errort-StatisticProb.

C(1)C(2)C(3)C(4)C(5)C(6)C(7)DeterminantresidualcovarianceEquation:LNY=C(1)+C(2)*LNINC+C(3)*LNPRO+C(4)*LNWAY

Instruments:INCWAYY(-1)PRO(-1)CObservations:23R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidDurbin-WatsonstatEquation:LOG(PRO)=C(5)+C(6)*LNPRO(-1)+C(7)*LNWAY

Instruments:INCWAYY(-1)PRO(-1)CObservations:23R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvar446S.E.ofregression

SumsquaredresidDurbin-Watsonstat兩階段最小二乘法運(yùn)用兩階段最小二乘法對(duì)方程進(jìn)行逐個(gè)回歸，得到以下回歸結(jié)果：方程〔1〕：DependentVariable:LNYMethod:Two-StageLeastSquaresDate:12/31/09Time:13:34Sample(adjusted):19862008Includedobservations:23afteradjustmentsConvergenceachievedafter8iterationsInstrumentlist:LNPROLNWAYLNPRO(-1)LNINC

Laggeddependentvariable®ressorsaddedtoinstrumentlistVariableCoefficientStd.Errort-StatisticProb.

CLNINCLNPROLNWAYAR(1)R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidF-statistic

Durbin-WatsonstatProb(F-statistic)

Second-StageSSRInvertedARRoots

.55方程〔2〕：DependentVariable:LNPROMethod:Two-StageLeastSquaresDate:12/31/09Time:13:35Sample(adjusted):19862008Includedobservations:23afteradjustmentsInstrumentlist:LNPROLNWAYLNPRO(-1)LNINCVariableCoefficientStd.Errort-StatisticProb.

CLNPRO(-1)LNWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidF-statistic

Durbin-WatsonstatProb(F-statistic)

Second-StageSSR模型修正通過(guò)對(duì)于模型殘差的檢驗(yàn)，發(fā)現(xiàn)聯(lián)立模型中的兩個(gè)方程都不存在異方差，但第二個(gè)方程的殘差存在異方差。如white檢驗(yàn)所示：HeteroskedasticityTest:WhiteF-statistic

Prob.F(5,17)Obs*R-squared

Prob.Chi-Square(5)ScaledexplainedSS

Prob.Chi-Square(5)TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:01/26/10Time:11:04Sample:19862008Includedobservations:23VariableCoefficientStd.Errort-StatisticProb.

CLNPRO(-1)LNPRO(-1)^2LNPRO(-1)*LNWAYLNWAYLNWAY^2R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)鑒于此種情況，我們使用了加權(quán)最小二乘法對(duì)模型進(jìn)行修正。根據(jù)white檢驗(yàn)結(jié)果，取1/SQR(LNWAY(-(1)*LNPRO(-1)))作為權(quán)重，再次回歸，得到以下模型。DependentVariable:LNPROMethod:Two-StageLeastSquaresDate:01/26/10Time:11:02Sample(adjusted):19882008Includedobservations:21afteradjustmentsWeightingseries:1/SQR(LNWAY(-(1)*LNPRO(-1)))Instrumentlist:LNPROLNWAYLNPRO(-1)LNINCVariableCoefficientStd.Errort-StatisticProb.

CLNPRO(-1)LNWAYWeightedStatisticsR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidF-statistic

Durbin-WatsonstatProb(F-statistic)

Second-StageSSRUnweightedStatisticsR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

SumsquaredresidDurbin-Watsonstat得出的聯(lián)立方程為：LNY=-9.612982+0.861551*LNINC+1.371732*LNPRO+a3*LNWAY+[AR(1)=]……〔3〕LNPRO=+0.746004*LNPRO(-1)+LNWAY……………〔4〕小結(jié)聯(lián)系方程模型的建立是為了能夠?qū)⒛Ｐ椭凶兞恐g的相互關(guān)系更加清楚的表示出來(lái)，從而能夠清楚的看到汽車(chē)保有量增長(zhǎng)變化的經(jīng)濟(jì)原因。本文通過(guò)VAR方法最后得出的聯(lián)立模型中，對(duì)于汽車(chē)保有量變化的解釋依然沒(méi)有發(fā)生太大的變化，和之前單方程建立的模型相類(lèi)似，這說(shuō)明本文所建立的單方程模型是可信的。第二個(gè)方程是圍繞汽車(chē)產(chǎn)量的變化量來(lái)建立的，得到的結(jié)果說(shuō)明汽車(chē)產(chǎn)量于自身的滯后一期有關(guān)，還與國(guó)家公路里程長(zhǎng)度有關(guān)。這與汽車(chē)保有量表達(dá)出的原因根本相同，而且經(jīng)濟(jì)意義也大同小異，沒(méi)有居民可支配收入這一變量在模型并不能說(shuō)明這一指標(biāo)對(duì)汽車(chē)產(chǎn)量的變化沒(méi)有作用，只能說(shuō)明作用并不顯著，或者說(shuō)不直接顯著。汽車(chē)保有量的變化量與汽車(chē)產(chǎn)量的變化量有著幾乎相同的解釋變量，但是汽車(chē)保有量變化的原因要比汽車(chē)產(chǎn)量的變化更加復(fù)雜，因?yàn)槠?chē)產(chǎn)量在表達(dá)市場(chǎng)需求之外更多反映的是汽車(chē)工業(yè)的生產(chǎn)和制造能力，不能直接反映人民生活水平的上下。而汽車(chē)保有量是針對(duì)已銷(xiāo)售的汽車(chē)建立的指標(biāo)，它可以更加準(zhǔn)確和直接的反映當(dāng)前居民對(duì)汽車(chē)的需求和購(gòu)置能力，具有更為廣泛的作用和意義。協(xié)整分析平穩(wěn)性分析通過(guò)ADF檢驗(yàn)，我們發(fā)現(xiàn)，LNY一階差分后平穩(wěn)，即LNY~I(1)。NullHYpothesis:DLNYhasaunitrootExogenous:ConstantLagLength:0(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickeY-FullerteststatisticTestcriticalvalues:1%level5%level10%level*MacKinnon(1996)one-sidedp-values.AugmentedDickeY-FullerTestEquationDependentVariable:D(DLNY)Method:LeastSquaresDate:12/31/09Time:15:17Sample(adjusted):19872008Includedobservations:22afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DLNY(-1)CR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)同樣，通過(guò)ADF檢驗(yàn)可以看出LNINC二階差分后平穩(wěn)，即LNINC~I(2)。NullHYpothesis:DDLNINChasaunitrootExogenous:ConstantLagLength:0(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickeY-FullerteststatisticTestcriticalvalues:1%level5%level10%level*MacKinnon(1996)one-sidedp-values.AugmentedDickeY-FullerTestEquationDependentVariable:D(DDLNINC)Method:LeastSquaresDate:12/31/09Time:15:22Sample(adjusted):19882008Includedobservations:21afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DDLNINC(-1)CR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)LNPRO一階差分后平穩(wěn)，即LNPRO~I(1)。NullHYpothesis:DLNPROhasaunitrootExogenous:ConstantLagLength:1(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickeY-FullerteststatisticTestcriticalvalues:1%level5%level10%level*MacKinnon(1996)one-sidedp-values.AugmentedDickeY-FullerTestEquationDependentVariable:D(DLNPRO)Method:LeastSquaresDate:12/31/09Time:15:16Sample(adjusted):19882008Includedobservations:21afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DLNPRO(-1)D(DLNPRO(-1))CR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)LNWAY一階差分后平穩(wěn)，即LNWAY~I(1)。NullHYpothesis:DLNWAYhasaunitrootExogenous:ConstantLagLength:0(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickeY-FullerteststatisticTestcriticalvalues:1%level5%level10%level*MacKinnon(1996)one-sidedp-values.AugmentedDickeY-FullerTestEquationDependentVariable:D(DLNWAY)Method:LeastSquaresDate:12/31/09Time:15:17Sample(adjusted):19872008Includedobservations:22afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DLNWAY(-1)CR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)綜上，我們發(fā)現(xiàn)，LNY,LNPRO,LNWAY同為一階單整，所以，我們可以對(duì)他們進(jìn)行下一步的分析。E-G檢驗(yàn)兩步法與誤差修正模型在LNY,LNPRO,LNWAY同階單整的情況下，用最小二乘法對(duì)模型LNY=a0+a1*LNPRO+a2*LNWAY進(jìn)行回歸，有如下結(jié)果DependentVariable:LNYMethod:LeastSquaresDate:12/31/09Time:15:31Sample:19852008Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

CLNPROLNWAYR-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.F-statistic

Durbin-WatsonstatProb(F-statistic)得到相應(yīng)的殘差序列=LNY-，經(jīng)過(guò)ADF檢驗(yàn)，發(fā)現(xiàn)平穩(wěn)，那么說(shuō)明LNY,LNPRO,LNWAY之間存在協(xié)整關(guān)系。NullHypothesis:UThasaunitrootExogenous:NoneLagLength:1(AutomaticbasedonSIC,MAXLAG=5)t-Statistic

Prob.*AugmentedDickey-FullerteststatisticTestcriticalvalues:1%level5%level10%level*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(UT)Method:LeastSquaresDate:01/26/10Time:12:41Sample(adjusted):19872008Includedobservations:22afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

UT(-1)D(UT(-1))R-squared

MeandependentvarAdjustedR-squared

S.D.dependentvarS.E.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Hannan-Quinncriter.Durbin-Watsonstat接下來(lái)，對(duì)方程進(jìn)行Johanson檢驗(yàn)。結(jié)果如下：Date:01/26/10Time:12:15Sample:19852008Includedobservations:20Series:LNYLNPROLNX4

Lagsinterval:1to3

Selected(0.05level*)NumberofCointegrating