关于杭州市客运量变化的计量分析

关于杭州市客运量变化的计量分析 计量经济学报告 12电商1班  2012333570024  雷全期 一、 前言 杭州是开放程度最高的城市之一，改革开放至今，杭州的各个方面的得到了快速发展，特别是在经济方面，以开放性经济吸引了许多人的注目，大中小企业数量不断增加，各地的人才资金都不断涌向杭州城，在这过程中为适应越来越多人流的涌入以及为了建设更加美好杭州城，杭州市在公共交通方面做了很大的改进，从公交汽车到公共自行车到地铁，从火车到动车到飞机，公共交通随着客运量的不断变化而变化，一个城市的客运量的变化量不仅反映该城市的人口密度，也能从中显现出经济发展、科技发展等各个方面的潜力，对研究一个城市的经济发展状况也是有一定的作用的。本报告选取杭州市全市的客运量变化作为报告的论题，建立计量经济模型，对影响客运量变化的主要因素（杭州市户籍人口自然增长率，杭州市高等院校在校学生数，杭州市生产总值指数，杭州市就业人员平均年工资，杭州市境外旅游者人数）做计量分析，从中找出影响力最大的因素，通过对这些数据的分析以及实践，使更多的人能重视客运量变化对城市发展的影响，从而更好的促进杭州城市交通、经济等发展，更好为建立美丽杭州城。 二、理论背景 单方程计量经济学模型是相对于联立方程模型而言的，它以单一的经济现象为研究对象，模型中只包括一个方程，是应用最为普遍的计量经济学模型。单方程计量经济学模型 分为线性模型和非线性模型。线性模型中，变量之间关系呈线性关系；非线性模型中，变量之间关系呈非线性关系。线性回归模型是一类最为普遍的计量经济学模型。在本次分析中，就是采用的这种分析方法。这次是要对杭州客运量变化进行分析，客运量是被解释变量。按此模型，我们先假设它可以用解释变量的线性方程表示出，然后在所可以确定的方程中，通过各种检验方式并结合经济意义的解释寻求最可以对被解释变量进行解释的方程。这就是本次计量分析的总体依据和思路。 三、模型的选择与建立 本模型是研究1978年到2013年36年以来，杭州市客运量变化与主要影响因素之间的定量关系。 1.       变量的选择与解释 客运量：客运量指在一定时期内，各种运输工具实际运送的旅客数量。它是反映运输业为国民经济和人民生活服务的数量指标，也是制定和检查运输生产计划、研究运输发展规模和速度的重要指标。客运量按人计算，旅客不论行程远近或票价多少，均按一人一次客运量统计；半价票、小孩票也按一人统计，杭州市客运量量包括铁路、公路、水路、民航等四个方面。 铁路：主要包括火车、动车以及地铁等轨道交通工具，铁路主要是用于长途客运的。 水路：包括各类水上交通工具如轮船、水上巴士等的客运数量，杭州中水路发展情况也是不错的，有水上巴士，水上轮船等。 公路：公路涉及较广，包括各类陆上交通工具：汽车、出租车、公交车等，是一个城市的主要客运量的来源。 民航：民航是以飞机为主的，是较为先进的一种交通工具，经年来也是深受大众喜爱，但是民航由于价格较高，在一些落后的城市还是发展的比较慢的。 在校学生人数（高等院校）：指按照国家规定的设置标准和审批程序批准举办，通过普通高等学校、成人高等学校招生全国统一考试，招收普通高中毕业生为主要培养对象，实施高等教育的全日制大学、独立学院和职业技术学院、高等专科学校、广播电视大学、职工大学、业余大学、职工医学院、管理干部学院、教育学院、普通高校的继续教育学院等。杭州市高等院校共计20余个，高等院校在校生每年都有会发生一定的变化，在校学生人数众多对客运量也是有一定的影响的。 生产总值指数（GDP指数）：目前已知的生产总值指数有两种算法，一种是以某一年为基期计算的（即价格水平）国内生产总值，一种是以上年为基期计算的国内生产总值，但GDP指数与实际GDP是同幅度变化的，只不过第一种指数是将某一年的国内生产总值看做100，然后通过计算所得的实际GDP同比例折算为GDP指数。而第二种时将上一年的GDP看做100，然后通过这种价格水平计算的实际GDP折算为GDP指数。本次计算采用第二种方法计算生产总值指数。 就业人员平均年工资：指杭州市所有就业人员平均的年工资，统计时主要以国有企业为主，可以反映杭州市整体居民生活水平的变化情况。 户籍人口自然增长率：自然增长率是指一年内人口自然增长数与年平均总人数之比，通常用千分率表示。用于说明人口自然增长的水平和速度的综合性指标。本次分析主要是统计户籍所在地位杭州的人口的数量。 计算方法： 出生率=(出生人口数/总人口数)*100%。 死亡率=(死亡人口数/总人口数)*100%。 自然增长率=出生率-死亡率。 境外旅游者人数：指杭州市户籍人口到境外旅游的人数，人数的变化会对客运量有一定的影响，也可以反映杭州居民的生活水平情况进而与经济发展相联系。 2. 初步建立模型的数学形式 Y= α 0+α1x1+ α2x2+ α3x3+ α4x4+α5x5 ……+U      (含有截距项) Y=α1x1+ α2x2+ α3x3+ α4x4+α5x5 ……+U          (剔除了截距项) 解释变量个数从1到5，根据实际情况选择最优：αi (i=1、2、3、4、5)为回归系数，α0 为截距项，x1表示在校学生人数，x2表示生产总值指数，x1表示就业人员人均年工资，x4表示户籍人口自然增长率，x5表示境外旅游者人数，U为随机误差项，描述变量外的因素对模型的干扰。当截距项的模型等变量不显著的情况下，即可采用剔除了截距项的模型。 四、数据的来源与分析 1、 本模型采用时间序列数据（1987-2013），样本数据列表如下： 表1  1987-2013年杭州市客运量及其影响因素数据表 年份 客运量 在校学生数 生产总值指数 就业人员平均年工资 户籍人口自然增长率 境外旅游者人数   Y X1 X2 X3 X4 X5 1978 2878 13319 120.2 597 8.68 53475 1979 3122 17518 113.3 643 8.24 84914 1980 3905 23545 119.7 777 4.17 124960 1981 4484 28936 113.6 783 8.04 154745 1982 5263 25821 107.2 791 9.94 152897 1983 5451 27443 111.2 813 6.85 160564 1984 6056 31384 122.7 1036 5.05 179200 1985 6724 36996 119.4 1266 6.12 238385 1986 6765 40051 111.5 1469 9.35 266370 1987 6905 39922 112.8 1616 11 300603 1988 6593 40787 107.4 1986 8.93 349246 1989 7493 40330 96.9 2173 8.28 248502 1990 8119 39866 105.8 2382 7.26 388345 1991 10701 42192 118.1 2586 5.66 390197 1992 13358 43787 122.9 3071 4.66 489578 1993 13070 51063 130.1 4220 4.84 459620 1994 13373 59109 126.3 6118 4.83 337362 1995 16620 63124 119.9 7156 4.43 441262 1996 16714 66023 113 7966 4.7 462313 1997 17034 69391 113.1 9108 3.93 504276 1998 17395 76546 111.2 10555 2.57 507243 1999 17882 89109 110.2 12187 3.62 591853 2000 18607 122386 112 14257 3.57 707148 2001 20342 174894 112.2 18319 2.92 819438 2002 21089 224048 113.2 21418 2.72 1056266 2003 21348 269798 115.2 24668 2.31 861163 2004 22833 313599 115 28891 3.99 1234063 2005 24124 351918 113 31069 3.33 1513585 2006 25810 373563 114.3 32791 2.85 1820171 2007 28026 392770 114.6 36496 3.36 2085997 2008 29084 409559 111 40193 2.77 2213329 2009 30116 429774 110 43947 3.42 2304045 2010 33772 434811 112 48772 3.41 2757147 2011 34778 446721 110.1 54408 4.64 3063140 2012 35819 459181 109 56417 3.95 3311225 2013 36409 471820 108 63664 4.73 3160058               注： 1．本表有关数字引自《杭州统计年鉴2014》电子版。发布机构 杭州市统计局 2．其中境外旅游者人数1995年起为全市数；高等院校在校生人数包括在校研究生人数。 3．其中就业人员平均年工资主要选取非私营单位数据，非私营单位1997年及以前为全市全部职工，1998－2012为在岗职工，2013年为就业人员。 2、数据分析 根据以上数据，作出散点图如下： 由散点图可知，如果采用表中的全部变量可能会存在多重共线性，经过对模型的分析，得出该模型的原始方程如如下： Y=22368.26624-0.008406837305*X1-57.80886705*X2+0.3259022055*X3-1256.412681*X4+ 0.003448347139*X5 t=        （2.529697）      （-0.730375）    （-0.820540） （1.896481）      （-5.476498）  （1.383107） 0.961548    0.955140，可决系数很高，F=150.0396明显显著  DW=0.807837 但是当 ，可以看出t检验不显著，而且X1、X2、X4系数的符号与预期相反，这表明可能存在严重的多重共线性。 五、模型的估计与分析 1、模型的估计 在基本假设条件下，以含有截距项的线性回归模型为理论依据，分别对各元进行估计，检验，如下： 表2   一元线性回归模型分析 Variable Coefficient t-Statistic Prob. R-squared F-statistic Durbin-Watson stat C 6916.725 8.240466 0.0000 0.884239 259.7085 0.124189 X1 0.058732 16.11547 0.0000       C 52820.52 1.634219 0.1114 0.036011 1.270094 0.048229 X2 -319.6886 -1.126984 0.2676       C 7835.622 11.69685 0.0000 0.917540 378.3220 0.146502 X3 0.521317 19.45050 0.0000       C 32406.92 10.54409 0.0000 0.487547 32.34753 0.408535 X4 -3038.215 -5.687489 0.0000       C 7132.427 8.490094 0.0000 0.881577 253.1069 0.115114 X5 0.009922 15.90933 0.0000                     表3   二元线性回归模型分析 Variable Coefficient t-Statistic Prob. R-squared F-statistic Durbin-Watson stat C -1424.552 -0.120708 0.9047 0.885974 128.2038 0.133496 X1 0.059389 15.68394 0.0000       X2 72.37371 0.708613 0.4835       C 7788.653 10.28318 0.0000 0.917590 183.7173 0.144515 X1 0.002218 0.140595 0.8890       X3 0.502371 3.654412 0.0009       C 13716.72 7.460043 0.0000 0.922022 195.0990 0.421501 X1 0.050240 13.55984 0.0000       X4 -1032.144 -3.998731 0.0003       C 6840.230 8.623348 0.0000 0.899838 148.2332 0.092994 X1 0.031083 2.452820 0.0196       X5 0.004861 2.267017 0.0301       C -5700.429 -0.581341 0.5650 0.922061 195.2049 0.178062 X2 117.5018 1.383581 0.1758       X3 0.531406 19.36912 0.0000       C 99154.05 4.459832 0.0001 0.598833 24.62996 0.513712 X2 -573.1880 -3.025616 0.0048       X4 -3329.359 -6.804241 0.0000       C -4927.571 -0.413675 0.6818 0.885162 127.1808 0.144155 X2 104.5669 1.014975 0.3175       X5 0.010095 15.62094 0.0000       C 14550.35 11.26515 0.0000 0.957806 374.5513 0.670044 X3 0.448523 19.17788 0.0000       X4 -1049.316 -5.611777 0.0000       C 8043.697 10.79764 0.0000 0.918622 186.2582 0.201932 X3 0.626966 3.875873 0.0005       X5 -0.002081 -0.662428 0.5123       C 15736.22 12.07836 0.0000 0.954173 343.5530 0.957590 X4 -1348.564 -7.230281 0.0000       X5 0.008304 18.33086 0.0000                     表4   三元线性回归模型分析