王明銳

摘 要：本文根據(jù)武漢市統(tǒng)計(jì)數(shù)據(jù)，應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)方法，建立了汽車保有量預(yù)測(cè)模型，模型特別將上一年汽車保有量作為表征消費(fèi)者購(gòu)車心理的變量納入了分析。通過(guò)MATLAB軟件計(jì)算出回歸系數(shù)和相關(guān)統(tǒng)計(jì)參數(shù)，并對(duì)模型進(jìn)行了各項(xiàng)檢驗(yàn)，最終根據(jù)修正后的模型計(jì)算了武漢市2016年的汽車保有量，結(jié)果較為準(zhǔn)確，表明該方法是一種較為嚴(yán)謹(jǐn)?shù)亩唐陬A(yù)測(cè)方法。本文亦對(duì)武漢市2017年的汽車保有量進(jìn)行了預(yù)測(cè)。

關(guān)鍵詞：計(jì)量經(jīng)濟(jì)學(xué)；武漢市；汽車保有量；預(yù)測(cè)

中圖分類號(hào)：F064.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(duì)于汽車行業(yè)從業(yè)者來(lái)說(shuō)，準(zhǔn)確預(yù)測(cè)汽車保有量是準(zhǔn)確規(guī)劃產(chǎn)能和調(diào)整未來(lái)發(fā)展戰(zhàn)略的一項(xiàng)重要工作。不僅如此，它還是城市建設(shè)部門(mén)、交通管理部門(mén)合理分配公共泊車資源，有效規(guī)劃交通路網(wǎng)時(shí)需要參考的重要指標(biāo)。因此，準(zhǔn)確預(yù)測(cè)汽車保有量不論是對(duì)于汽車行業(yè)，還是對(duì)社會(huì)整體經(jīng)濟(jì)的發(fā)展來(lái)說(shuō)都意義重大。

通常用來(lái)預(yù)測(cè)汽車保有量的方法有：時(shí)間序列法、神經(jīng)網(wǎng)絡(luò)法、灰度預(yù)測(cè)法等。這些方法各有局限性。例如，時(shí)間序列法的優(yōu)點(diǎn)是所需的數(shù)據(jù)較少，預(yù)測(cè)方法較為簡(jiǎn)單；其缺點(diǎn)是僅將汽車保有量作為隨時(shí)間單一變化的統(tǒng)計(jì)量，忽略了可能影響汽車保有量的其他因素特別是經(jīng)濟(jì)政策等。神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是預(yù)測(cè)精度高，但缺點(diǎn)是訓(xùn)練耗時(shí)較長(zhǎng)等。[1]

計(jì)量經(jīng)濟(jì)學(xué)模型與以上介紹的方法相比，優(yōu)勢(shì)是在引入了相關(guān)經(jīng)濟(jì)因素作為解釋變量，提升了預(yù)測(cè)精度，計(jì)算方法相對(duì)簡(jiǎn)單，便于操作。因此，本文應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)模型來(lái)預(yù)測(cè)汽車保有量。

2 計(jì)量經(jīng)濟(jì)學(xué)模型

計(jì)量經(jīng)濟(jì)學(xué)（Econometrics）產(chǎn)生于上世紀(jì)30年代，是一門(mén)經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)交叉產(chǎn)生的學(xué)科。它以數(shù)學(xué)和統(tǒng)計(jì)學(xué)為方法論基礎(chǔ)，對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析研究，建立模型以探索、驗(yàn)證經(jīng)濟(jì)規(guī)律。經(jīng)歷了大半個(gè)世紀(jì)的發(fā)展后，計(jì)量經(jīng)濟(jì)學(xué)在各領(lǐng)域內(nèi)的應(yīng)用也越來(lái)越廣泛。

2.1 計(jì)量經(jīng)濟(jì)學(xué)建立模型的步驟

使用計(jì)量經(jīng)濟(jì)學(xué)建立汽車保有量預(yù)測(cè)模型的步驟如下：

（1）理論模型的設(shè)計(jì)。針對(duì)研究對(duì)象，選擇合適的變量。本文的研究對(duì)象是武漢市汽車保有量，選擇的變量見(jiàn)下文3.1。

（2）樣本數(shù)據(jù)的收集。確定研究的變量后，收集相關(guān)的統(tǒng)計(jì)數(shù)據(jù)。

（3）建立數(shù)學(xué)模型。本文使用的是多元線性回歸模型，其表達(dá)式為[2]：

其中，β是模型的回歸參數(shù)，u是誤差干擾項(xiàng)。

（4）模型參數(shù)的估計(jì)。本文使用MATLAB軟件對(duì)模型參數(shù)進(jìn)行求解。

（5）模型的檢驗(yàn)。該步驟的工作介紹見(jiàn)下文2.2。

（6）運(yùn)用模型進(jìn)行預(yù)測(cè)。

2.2 模型檢驗(yàn)

建立模型之后，還需對(duì)其進(jìn)行檢驗(yàn)確定其是否可以付諸使用。本文主要使用的是針對(duì)參數(shù)的R2檢驗(yàn)、F檢驗(yàn)、t 檢驗(yàn)以及針對(duì)假設(shè)條件的多重共線性檢驗(yàn)。

（1） R2 檢驗(yàn)即擬合優(yōu)度檢驗(yàn)。在多元線性回歸模型中，可決系數(shù) 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(yàn)是對(duì)回歸方程總體線性的顯著性檢驗(yàn)。它檢驗(yàn)的是解釋變量對(duì)被解釋變量的影響是否顯著成立。

（3） t 檢驗(yàn)是對(duì)回歸參數(shù)的檢驗(yàn)。其目的是用于判斷每個(gè)參數(shù)對(duì)被解釋變量的影響是否顯著。

（4）多重共線性檢驗(yàn)。該檢驗(yàn)的其目的是判斷各變量之間是否存在線性關(guān)系，并將多重共線性程度較強(qiáng)的變量刪去，從而保證各解釋變量都是獨(dú)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(jié)合經(jīng)濟(jì)學(xué)理論以及武漢市經(jīng)濟(jì)發(fā)展的實(shí)際情況，本文選擇如下指標(biāo)作為模型的解釋變量：

（1）國(guó)內(nèi)生產(chǎn)總值 x1。國(guó)內(nèi)生產(chǎn)總值是衡量一個(gè)國(guó)家或地區(qū)總體經(jīng)濟(jì)狀況的重要指標(biāo)，其增長(zhǎng)情況直接影響汽車保有量。

（2）工業(yè)生產(chǎn)總值 x2。工業(yè)生產(chǎn)總值是一個(gè)國(guó)家或地區(qū)工業(yè)實(shí)力的體現(xiàn)，也是國(guó)民經(jīng)濟(jì)的基礎(chǔ)。武漢是中部地區(qū)中心城市，全國(guó)重要的工業(yè)——特別是汽車工業(yè)——基地。因此，工業(yè)生產(chǎn)總值與汽車保有量之間也存在十分密切的聯(lián)系。