发展中国家未来乘用车需求量预测研究.docVIP

发展中国家未来乘用车需求量预测研究 　　影响一国私人乘用车需求规模的两个基本要素是:该国的人口总量和国民的富裕程度。在其他因素保持一致的情况下,人口总量大的国家销售的汽车会比人口总量小的国家更多。类似的,在所有其他因素都相等的情况下,富裕的国家会比穷的国家卖出更多的汽车。本文所要研究的是,在24个发展中国家世界里,如何借用人口总量和国民富裕程度来预测这些国家未来的汽车需求规模。通过收集到的24个发展中国家2006年的相关数据,本文建立了汽车需求量的预测模型,并从该模型中获取了对预测值的修正方法。借助建立的模型和修正方法,我们分别预测了这24个发展中国家2014年和2020年的汽车销量。 　　一、模型的实证分析及检验 　　(一)指标的选取与说明 　　引入模型中的24个样本国家 　　模型中分析的24个发展中国家包括:阿尔及利亚,阿根廷,巴西,中国,智利,哥伦比亚,埃及,匈牙利,印度,印度尼西亚,伊朗,马来西亚,墨西哥,秘鲁,菲律宾,波兰,罗马尼亚,俄罗斯,南非,泰国,土耳其,乌克兰,委内瑞拉和越南。 　　选取的这24个国家在2006年的时候,均满足以下两个标准:(1)不在2007年世界银行公布的60个高收入国家范围内。(2)按照2006年购买力平价统计计算的人均GDP不低于2500美元。因此,本文在选取发展中国家时除了参照均富国际会计师事务所在2008年发布的《国际商业报告2008》中对世界新兴市场的选取标准外,我们还同时增加了最低人均GDP标准。 　　最终,我们选取的国家包括了“金砖四国”中国、巴西、俄罗斯和印度,同时还有近年来新兴的“Next Eleven(N11)”中的9个国家。(N11中,剩下的两个国家孟加拉国和尼日利亚由于没有满足最低人均GDP标准,故没被选入模型中) 　　变量的选取 　　* 2006年乘用车的销量。 　　* 2006年的人口总数以及预测的2014年和2020年的人口总数(人口总量数据均来源于美国人口普查局网站)。 　　* 国民的富裕程度(该变量由经过购买力平价法调整的GDP即GDP purchasing power parity来衡量)。2006年的数据来源于世界银行,2014年和2020年的数据是在2006年的基础上按照Grant Thornton (2008)预测的各国2008到2014年的平均GDP增长率计算得出的。 　　(二) 建立预测模型 　　Y=■ 其中Y为乘用车的销量,■分别为回归常数和偏回归系数,■为随机误差项,■分别为人口总数(百万)和GDP(PPP)(十亿美元) 　　第一步,首先我们用2006年Y、■的观测值来建立多元回归模型。第 　　二步,将实际销量与预测值的偏离进行量化,计算出偏离的具体指数。第三步,使用第一步建立的模型和第二步的偏离指数对2014年和2020年的乘用车销量进行预测。 　　(三)实证分析结果 　　用统计分析软件进行多元回归分析得到如下结果: 　　结果显示调整后的R2=0.974,说明在回归模型中,乘用车销量总离差中,由人口总数和GDP(PPP)解释的部分占97.4%,模型的拟合优度较高。D.W.检验结果表明,在5%的显著水平下,n=24,k=3(包含常数项),■,则有■,说明模型中不存在序列自相关问题。F统计量为426.947,在显著性水平0.01下显著,充分说明该回归方程有很好的解释能力。t统计量在显著性水平0.05下显著,从而否定模型中各偏相关系数为零的原假设。综上,本文得到预测模型如下: 　　乘用车销量=8879+819×GDP(PPP)-2279×总人口数 　　模型中,GDP(PPP)以10亿美元作为计量单位,总人口数以百万人数作为计量单位。 　　从模型中,我们看到一个很有趣的现象是:一国总人口数与汽车销量为负相关。这其中暗含的信息是当GDP(PPP)给定时,人口总数越???,汽车销量就越少。这其实是因为,在此种情况下,国民的人均财富降低了,能买得起汽车的人数就相应减少了。 　　二、实际销量和预测销量的偏离分析 　　下表是通过计算得到的实际销量与预测销量的比率来把这些差异具体化。该比率大于1说明实际的销量比预测的销量要多,反之亦然。比率大于1的国家包括(降序列举):委内瑞拉、越南、马来西亚、巴西、罗马尼亚、匈牙利、南非、俄罗斯和印度。对于这些国家而言,仅仅借助人口总数和GDP总量会低估其国内的汽车需求规模。(如表所示) 　　三、未来需求量的预测 　　预测数据和实际观测值的不一致,说明除了GDP总量和人口规模外,还有其他的变量会影响一国对汽车的消费需求,例如汽油的价格、使用公共交通的成本和便利性、国家的地理状况、公路的密度、收入的分配、人口的年龄结构、人口的密度等等。 　　在本文的研究中,一个关键的假设是