基于EViews的國(guó)內(nèi)客車(chē)銷(xiāo)售發(fā)展趨勢(shì)分析

王艷杰，韓廣德，閆安，王國(guó)泰

山東交通學(xué)院汽車(chē)工程學(xué)院，山東濟(jì)南 250357

0 引言

我國(guó)的客車(chē)生產(chǎn)從以中外合資及技術(shù)引進(jìn)為主到自主研發(fā)生產(chǎn)為主，種類(lèi)從最初單一的柴油客車(chē)拓展到新能源、純電動(dòng)、氫能源客車(chē)等，目前已達(dá)到世界領(lǐng)先水平，產(chǎn)品遠(yuǎn)銷(xiāo)全世界60多個(gè)國(guó)家。由于近幾年飛機(jī)、高鐵、地鐵等交通方式的快速發(fā)展，人們對(duì)交通出行方式的選擇更加多樣化，長(zhǎng)途客車(chē)的需求量有所降低，節(jié)假日高速公路通行費(fèi)減免以及共享汽車(chē)、電動(dòng)汽車(chē)的大力推行，在一定程度上抑制了公路客運(yùn)的發(fā)展?？蛙?chē)行業(yè)經(jīng)歷了2008—2015年的快速發(fā)展期后，從2016年開(kāi)始客車(chē)銷(xiāo)量逐漸下滑，公路客運(yùn)量下降。

1 我國(guó)客車(chē)行業(yè)的發(fā)展現(xiàn)狀

1.1 客車(chē)銷(xiāo)售現(xiàn)狀

我國(guó)作為世界最大的客車(chē)市場(chǎng)，主要以生產(chǎn)銷(xiāo)售宇通、中通、比亞迪、金龍等品牌客車(chē)為主，其產(chǎn)品在國(guó)內(nèi)市場(chǎng)的占有率高達(dá)90%，國(guó)際市場(chǎng)占比達(dá)30%以上[1]。近幾年客車(chē)銷(xiāo)量如圖1所示。

由圖1可知：客車(chē)銷(xiāo)量在2008—2015年快速增長(zhǎng)，在2015年銷(xiāo)量達(dá)到頂峰,為57.15萬(wàn)輛;從2016年開(kāi)始連年下滑，2018年降至最低,為48.5萬(wàn)輛。

車(chē)型不同，銷(xiāo)售情況不同。大型客車(chē)降幅較大，2018年全年銷(xiāo)量?jī)H7.7萬(wàn)輛，較2017年下降18%，而中小型客車(chē)以及校車(chē)整體減幅相對(duì)較小[2-3]。

1.2 公路客運(yùn)量

近10 a的公路客運(yùn)量如圖2所示。由圖2可知：2009—2012年公路客運(yùn)量穩(wěn)步增長(zhǎng)，自2013年開(kāi)始，客運(yùn)量逐年下降。這是因?yàn)椋鹤?013年起，鐵路與民航客運(yùn)量、私家車(chē)擁有量出現(xiàn)較大增長(zhǎng)，以滴滴出行、神州租車(chē)為代表的出行平臺(tái)開(kāi)始快速推廣，使公路客運(yùn)受到影響。

圖1 2009—2018年客車(chē)銷(xiāo)量

圖2 2009—2018年公路客運(yùn)量

2 影響客車(chē)銷(xiāo)量的因素

1)國(guó)內(nèi)生產(chǎn)總值

國(guó)內(nèi)生產(chǎn)總值(GDP)是一個(gè)國(guó)家經(jīng)濟(jì)實(shí)力最重要的宏觀衡量標(biāo)準(zhǔn)。2018年中國(guó)的GDP為90萬(wàn)億元，占全世界GDP總量的1/6。國(guó)家GDP的增長(zhǎng)給國(guó)家工業(yè)帶來(lái)了發(fā)展機(jī)遇，客車(chē)行業(yè)也不例外[4-5]。

2)國(guó)家政策

國(guó)家將新能源客車(chē)的研發(fā)列入“863計(jì)劃”，從2010年起國(guó)家開(kāi)始對(duì)新能源客車(chē)實(shí)施補(bǔ)貼，對(duì)客車(chē)企業(yè)在新能源技術(shù)研發(fā)以及市場(chǎng)推廣方面投入了大量資金，促使新能源客車(chē)市場(chǎng)迅速發(fā)展，截至2018年底，新能源客車(chē)的銷(xiāo)量已達(dá)到91 642輛。但隨著新能源汽車(chē)補(bǔ)助標(biāo)準(zhǔn)的降低，客車(chē)銷(xiāo)量開(kāi)始出現(xiàn)下滑[6-8]。2019年新能源客車(chē)補(bǔ)貼額度下降幅度較大，國(guó)家政策向純電動(dòng)客車(chē)與氫能源客車(chē)傾斜[9]，加上國(guó)五排放標(biāo)準(zhǔn)汽車(chē)的禁售，這些對(duì)柴油客車(chē)市場(chǎng)都造成較大的沖擊。

3)軌道交通客運(yùn)量

輕軌、地鐵等軌道交通的快速發(fā)展，減緩了城市公交車(chē)的發(fā)展速度。城市公交車(chē)在整個(gè)客車(chē)銷(xiāo)售市場(chǎng)份額占比高達(dá)70%以上，故軌道交通客運(yùn)量是影響整體客車(chē)市場(chǎng)的重要因素[10-11]。近10 a軌道交通的客運(yùn)量如圖3所示。

圖3 2009—2018年軌道交通客運(yùn)量

4)公路里程

日益增長(zhǎng)的公路里程使交通網(wǎng)絡(luò)四通八達(dá)，為長(zhǎng)途客運(yùn)、中短途客運(yùn)、城際客運(yùn)、公路貨運(yùn)提供了保障，所以公路里程是影響客車(chē)銷(xiāo)量的主要因素。

5)鐵路營(yíng)運(yùn)里程

21世紀(jì)以來(lái)，中國(guó)的鐵路里程居世界第一，高鐵平均運(yùn)行速度居世界第一。鐵路建設(shè)的快速發(fā)展，影響了人們的出行選擇，長(zhǎng)途客運(yùn)量明顯減少，故鐵路營(yíng)運(yùn)里程是影響客車(chē)銷(xiāo)量的主要因素。

6)其他因素

輕量化設(shè)計(jì)、智能化控制等客車(chē)制造關(guān)鍵技術(shù)的應(yīng)用，發(fā)動(dòng)機(jī)、高性能車(chē)橋等客車(chē)主要零部件產(chǎn)業(yè)基礎(chǔ)的發(fā)展,客車(chē)企業(yè)的知名度與國(guó)際影響力以及車(chē)型的實(shí)用性與經(jīng)濟(jì)性等因素對(duì)客車(chē)市場(chǎng)也有較大影響[12-13]。

3 線性回歸模型的構(gòu)建

3.1 變量的選取與數(shù)據(jù)收集

客車(chē)銷(xiāo)量作為因變量y，選取國(guó)內(nèi)生產(chǎn)總值x1、軌道交通客運(yùn)量x2、公路里程x3、鐵路營(yíng)運(yùn)里程x4等影響客車(chē)銷(xiāo)量的因素作為自變量，并以表1所示2009—2017年的統(tǒng)計(jì)數(shù)據(jù)(數(shù)據(jù)來(lái)自中國(guó)國(guó)家統(tǒng)計(jì)局-數(shù)據(jù)查詢(xún))作為參考，建立多元線性回歸模型，利用EViews軟件進(jìn)行參數(shù)估計(jì)，并對(duì)模型的相關(guān)性進(jìn)行檢驗(yàn)[14]，確定擬合優(yōu)度系數(shù)較高、概率低于0.01的影響因素，建立多元線性回歸模型[15]。

表1 2009—2017客車(chē)銷(xiāo)量及影響因素

3.2 模型建立與檢驗(yàn)

3.2.1 多元線性回歸數(shù)學(xué)模型的建立

根據(jù)表1中的數(shù)據(jù)建立多元回歸模型：

y=β0+β1x1+β2x2+β3x3+β4x4+μ,

(1)

式中：β0～β4為偏回歸系數(shù),μ為隨機(jī)干擾項(xiàng)[16]。

基于EViews軟件,運(yùn)用普通最小二乘法得出模型(1)的擬合優(yōu)度系數(shù)R2=0.891 097，表明模型的擬合程度一般，且顯著性檢驗(yàn)未通過(guò)，回歸效果不好,因此，對(duì)模型(1)進(jìn)行合理調(diào)整，經(jīng)過(guò)多次建模與檢驗(yàn)分析，建立新的客車(chē)銷(xiāo)量與各影響因素間的多元線性回歸模型

lny=β0+β1lnx1+β2x2+β3x3+β4lnx4+μ。

(2)

基于表1、式(2)，借助EViews軟件，利用最小二乘法進(jìn)行參數(shù)估計(jì)[17]，線性回歸結(jié)果如表2所示。表2中的T檢驗(yàn)是對(duì)自變量的顯著性檢驗(yàn)，F(xiàn)檢驗(yàn)是對(duì)模型(2)的顯著性檢驗(yàn)。

表2 線性回歸結(jié)果

由表2可知：擬合優(yōu)度系數(shù)R2=0.995 696，F(xiàn)檢驗(yàn)值對(duì)應(yīng)的概率較小，表明該模型的擬合程度較高，lnx1、lnx3、lnx4的T檢驗(yàn)概率均較小，但x2的T檢驗(yàn)概率比較大，表明變量x2可能不適用于該模型，或者存在多重共線性[18]。

3.2.2 多重共線性檢驗(yàn)

表3 各因素間的相關(guān)系數(shù)

通過(guò)EViews軟件得到各因素之間的相關(guān)系數(shù)，分析自變量和因變量間的相關(guān)程度，如表3所示。

由表3可知：x2、x3均與lny正相關(guān)，但在表2中這兩個(gè)自變量的回歸系數(shù)為負(fù)值，即與lny為負(fù)相關(guān)，結(jié)果相互矛盾；x3與lnx4、x3與x2之間的相關(guān)系數(shù)大于0.99，呈高度相關(guān)，存在多重共線性[19]。所以需要對(duì)模型進(jìn)行進(jìn)一步檢驗(yàn)，并確定是否刪除其中的某些因素。

3.2.3 逐步回歸分析

運(yùn)用逐步回歸法解決模型(2)中的多重共線性問(wèn)題[20]。

將表1中各自變量分別代入模型(2)，在給定的顯著性水平下，分別建立一元回歸方程,對(duì)每個(gè)自變量進(jìn)行T檢驗(yàn)，并對(duì)比各自變量的擬合程度，從中選取對(duì)y影響顯著的變量所對(duì)應(yīng)的方程作為一元回歸初始模型。在一元回歸模型的基礎(chǔ)上逐步引入其他變量，建立二元回歸方程。以此類(lèi)推將變量逐一引入方程，最終建立多元回歸方程。每一步都需要對(duì)各變量進(jìn)行T檢驗(yàn)，如果因?yàn)橐肽骋蛔兞慷鼓Ｐ妥兊貌辉亠@著時(shí)，則將該引入變量刪除。直到將所有的顯著變量都引入回歸方程，剔除不顯著的變量，則逐步回歸驗(yàn)證結(jié)束。同時(shí)也要對(duì)已選定的影響因素依次進(jìn)行F 檢驗(yàn)[21]。

1)一元回歸模型檢驗(yàn)

對(duì)lny與lnx1、x2、x3、lnx4進(jìn)行回歸分析檢驗(yàn)，一元回歸模型分析結(jié)果如表4所示。

表4 一元回歸模型分析結(jié)果

由表4可知：lnx1對(duì)應(yīng)的R2最大，表明模型對(duì)因變量擬合的較好，因變量的真實(shí)值更接近擬合值。且T檢驗(yàn)的概率最小并小于0.01，因此lny受lnx1的影響最大，故綜合考慮，選擇y=f(lnx1)作為二元回歸模型檢驗(yàn)的初始回歸模型。

2)二元回歸模型檢驗(yàn)

對(duì)y=f(lnx1)與x2、x3、lnx4進(jìn)行回歸檢驗(yàn)，其回歸分析結(jié)果如表5所示。

表5 二元回歸模型分析結(jié)果

由表5可知：x2對(duì)應(yīng)的R2最大，且T檢驗(yàn)的概率最小并小于0.01，lny受x2的影響最大，因此將y=f(lnx1，x2)作為三元回歸模型檢驗(yàn)的初始回歸模型。

3)三元回歸模型檢驗(yàn)

對(duì)y=f(lnx1，x2)與x3、lnx4進(jìn)行回歸檢驗(yàn)，其回歸分析結(jié)果如表6所示。

表6 三元回歸模型分析結(jié)果

由表6可知，x3、lnx4T檢驗(yàn)的概率遠(yuǎn)大于0.01，且對(duì)應(yīng)的T檢驗(yàn)值的絕對(duì)值小于T檢驗(yàn)的臨界值4.032，所以三元回歸中的T檢驗(yàn)未通過(guò)驗(yàn)證。

經(jīng)過(guò)上述逐步回歸檢驗(yàn)，去除公路里程x3、鐵路營(yíng)業(yè)里程x42個(gè)因素，保留軌道交通客運(yùn)量、國(guó)內(nèi)生產(chǎn)總值作為自變量，建立新的線性回歸模型

lny=β0+β1lnx1+β2x2+μ。

(3)

3.2.4 相關(guān)性檢驗(yàn)

對(duì)新建模型(3)重新進(jìn)行檢驗(yàn)，利用T檢驗(yàn)、DW檢驗(yàn)(判斷模型的自相關(guān)狀態(tài))和F檢驗(yàn)方法判斷用最小二乘法估計(jì)出來(lái)的參數(shù)的優(yōu)劣程度。

基于表1、式(3)，在EViews軟件中，利用最小二乘法進(jìn)行參數(shù)估計(jì)，得到線性回歸結(jié)果，如表7所示。

表7 新建模型的線性回歸結(jié)果

由表7可知，R2=0.980 796，表明模型擬合效果很好，進(jìn)一步對(duì)該模型進(jìn)行相關(guān)性檢驗(yàn)。

1)F檢驗(yàn)。由于選取了9個(gè)樣本(2009—2017年數(shù)據(jù))，且自變量數(shù)量為2，在0.01的顯著水平下，由表7可知，F(xiàn)的統(tǒng)計(jì)值為153.215 4，遠(yuǎn)大于臨界值10.925，伴隨概率為0.000 007，遠(yuǎn)小于0.01，所以模型通過(guò)F檢驗(yàn)[22]。

2)T檢驗(yàn)。表7中自變量項(xiàng)系數(shù)對(duì)應(yīng)的概率分別為0.0001、0.0008，且對(duì)應(yīng)的T檢驗(yàn)值的絕對(duì)值大于T檢驗(yàn)的臨界值3.707，自變量均通過(guò)了顯著性檢驗(yàn)[23]。

3) DW檢驗(yàn)。在0.01的顯著水平下，依據(jù)樣本容量和自變量數(shù)由文獻(xiàn)[21]得：DW的下臨界值DL=0.408 000，上臨界值DU=1.389 000，由表7可知，該模型的DW=2.499 897，因?yàn)镈U

綜上所述，模型(3)通過(guò)了相關(guān)性檢驗(yàn)，基于表7中的數(shù)據(jù)，最終建立客車(chē)銷(xiāo)量的多元線性回歸模型

lny=-8.358 190+0.986 610lnx1-0.023 241x2。

(4)

3.2.5 實(shí)例驗(yàn)證

采用回歸模型(4)，對(duì)我國(guó)近10 a的客車(chē)銷(xiāo)量進(jìn)行實(shí)際銷(xiāo)量與預(yù)測(cè)銷(xiāo)量的對(duì)比檢驗(yàn)，結(jié)果如表8所示。

表8 客車(chē)實(shí)際銷(xiāo)量與模型預(yù)測(cè)銷(xiāo)量對(duì)比 萬(wàn)輛

2018年我國(guó)軌道交通客運(yùn)量高達(dá)2 127 659萬(wàn)人次，國(guó)民生產(chǎn)總值GDP為90.030 95萬(wàn)億元，經(jīng)模型預(yù)測(cè)2018年銷(xiāo)量為50.60萬(wàn)輛， 2018年我國(guó)客車(chē)的實(shí)際產(chǎn)、銷(xiāo)量分別為52.05、48.5萬(wàn)輛，預(yù)測(cè)結(jié)果與實(shí)際銷(xiāo)量相差較小。將2009—2017年的國(guó)民生產(chǎn)總值和軌道交通客運(yùn)量的數(shù)據(jù)分別代入模型對(duì)客車(chē)銷(xiāo)量進(jìn)行預(yù)測(cè)，與實(shí)際銷(xiāo)量相比，絕對(duì)誤差較小，準(zhǔn)確度較高。說(shuō)明多元線性回歸模型(4)的預(yù)測(cè)具有較高的準(zhǔn)確性。

4 結(jié)論

1)客車(chē)銷(xiāo)量與軌道交通客運(yùn)量正相關(guān)，隨著軌道交通客運(yùn)量的增加，客車(chē)銷(xiāo)量呈現(xiàn)上升趨勢(shì)。說(shuō)明軌道交通的發(fā)展在某種程度上激增了客車(chē)的需求量，因此要加快客運(yùn)供給側(cè)改革，運(yùn)用“互聯(lián)網(wǎng)+”，盡快實(shí)現(xiàn)客運(yùn)與傳統(tǒng)鐵路、城際軌道交通和城市軌道交通的無(wú)縫銜接，促進(jìn)客車(chē)行業(yè)的發(fā)展。

2)客車(chē)銷(xiāo)量與國(guó)內(nèi)生產(chǎn)總值負(fù)相關(guān)。GDP的提高促進(jìn)了家用汽車(chē)市場(chǎng)的發(fā)展，也促進(jìn)了人們消費(fèi)形式及出行方式的多元化發(fā)展，私家車(chē)、網(wǎng)約車(chē)、共享汽車(chē)、高鐵及飛機(jī)等便捷出行方式的發(fā)展對(duì)客車(chē)市場(chǎng)有一定的抑制作用。建議：我國(guó)客車(chē)企業(yè)注重技術(shù)創(chuàng)新，在節(jié)能與減排技術(shù)方面加大研發(fā)力度、提高客車(chē)智能化水平；擴(kuò)大海外市場(chǎng)，避免產(chǎn)能過(guò)剩；完善服務(wù)體系，提升用戶滿意度。