【摘要】本文选择了《2011年中国统计年鉴》中1991年——2010年共20年的相关数据，选择城镇居民人均可支配收入，全国公路里程，原材料、燃料及动力购进价格指数，居民消费价格指数，我国GDP作为解释变量构建模型，对我国私人汽车拥有量得影响因素进行实证分析。并利用EVIEWS软件对模型进行参数估计和检验，并加以校正。对最后的结果进行经济意义分析，然后提出自己的看法。【关键词】私人汽车拥有量影响因素实证分析计量经济学模型检验模型的选取和变量选择由于非线性模型的假设检验都涉及到非常复杂的数学计算，所以本文考虑做一个线性模型（对参数线性），这样各种检验的方法较多，对模型准确程度的分析也更可靠。变量选择人均可支配收入私家车这种高档消费品的拥有量显然与收入水平有关，因此引进解释变量人均可支配收入，并先预期此二因素与私家车拥有量呈正相关。公路里程本文预计私家车的拥有量与全国公路里程有关，因此引入解释变量公路里程，并预期其与私人汽车拥有量成正相关。（3）原材料、燃料及动力购进价的指数燃料及动力价格也是影响私家拥有量的原因之一，直接构成居民购买私家车的成本。为此本文引用以上一年为基期的原材料、燃料及动力购进价格指数作为解释变量，并且预期其与私家车拥有量成负相关。居民消费价格指数本文预计私家车的拥有量与居民消费价格指数有关，居民消费促进汽车销售，因此引入解释变量居民消费价格指数，并预期其与私人汽车拥有量成正相关。模型选取对于人均可支配收入、公路里程和其他交通运营数这些指标，我们更关心其相对数变化对私人汽车拥有量得影响，而且对数变换后能够减少异方差对模型的影响，所以采用对数模型。数据的来源及模型设定1、数据的来源及处理本文选择了《2011年中国统计年鉴》中1991年至2010年共20年的相关数据，并对其进行了处理：Y表示私人汽车拥有量（万辆）；表示人均可支配收入（元）；表示公路里程（万公里）；表示原材料、燃料及动力购进价格指数（%）；表示居民消费价格指数（%）；为随机扰动项。然后，把上述数据进行对数变换得到各变量的增量：lnY、ln、ln、ln、ln。表1我国私家车拥有量相关影响因素原始数据一览表(以1990年为基年）年份Y199119921993199419951996199719981999200020012002200320042005200620072008200920102、模型设定基于以上数据，建立的多元线性回归模型可表示为：度量了截距项，它表示在没有其它因素影响的时候私人汽车拥有量。度量了当城镇居民人均可支配收入变动一个单位时，私人汽车拥有量的变动。度量了当公路里程变动一个单位时，私人汽车拥有量的变动。度量了当原材料、燃料及动力购进价格变动一个单位时，私人汽车拥有量的变动。度量了当居民消费价格指数变动一个单位时，私人汽车拥有量的变动。模型的估计和检验1、模型回归结果根据表1中提供的数据，利用统计软件EVIEWS6对上述所设定的模型进行最小二乘估计。结果如下：回归结果的检验经济意义检验从回归得出的结果来看，ln的系数为2.460461，,ln的系数为0.094778，ln的系数为-0.784577，这三个变量符号与预期的相一致，并且其大小在经济理论上解释得通，只有ln这个解释变量符号与预期相反。因此该模型基本上通过经济意义检验。拟合优度及模型估计效果检验从回归得出的结果来看，该模型可决系数=0.998810，该模型的解释变量解释了1991到2010年间全国私人汽车拥有量变异的99.9。因此样本拟合效果较好，整个F值为3148.799，表明整个模型估计效果显著。回归系数的显著检验（t检验）从回归结果来看，此模型中的变量和参数的t值在5%的置信水平下，时，2.12，ln、ln的统计值显著，即在95%的置信系数下，可认为全国的私人汽车拥有量的增量lnY与全国的人均可支配收入的增量ln，还有原材料、燃料及动力购进价格指数的增量ln之间都存在显著的线性相关关系。但是ln的t值不显著，而且X4这个解释变量符号与预期相反，这表明很可能存在严重的多重共线性。（4）变量的多重共线性检验用EVIEWS计算解释变量之间的简单相关系数由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。同时也证明了，虽然整体上拟合较好，但不能分解出各个解释变量对Y独立影响。利用逐步回归法进行修正。运用OLS方法逐一求Y对各解释变量的回归，结合经济意义和统计检验选出拟合效果最好的一元线性回归方程，EVIEWS过程如下：变量X1X2X3X4参数估计t统计量从上述结果可以看出Y对X1的线性关系强，拟合程度好，即：逐步回归，将其余解释变量逐一代入上