李炳炎 李世龍 廖月彬 羅子龍

摘 要：本文以江蘇省為例，根據(jù)《江蘇統(tǒng)計(jì)年鑒》2002～2021年的有關(guān)資料，通過(guò)計(jì)量經(jīng)濟(jì)學(xué)的方法，利用EVIEWS統(tǒng)計(jì)軟件，建立了江蘇省私人汽車擁有量與城鎮(zhèn)居民可支配收入、人均GDP、年末總?cè)丝?、公路里程的多元線性回歸模型并進(jìn)行修正。并通過(guò)VAR模型預(yù)測(cè)2022年和2023江蘇省私人汽車擁有量。得出結(jié)論為：地區(qū)GDP與私人汽車擁有量大致存在正相關(guān)關(guān)系。人均GDP、年末總?cè)丝?、公路里程?duì)江蘇省私人汽車擁有量有正向影響，其中年末總?cè)丝跀?shù)對(duì)私人汽車擁有量的拉動(dòng)效果最大。2022年以后江蘇省私人汽車擁有量有望突破2000萬(wàn)輛。最后根據(jù)結(jié)論，本文提出相應(yīng)的建議。

關(guān)鍵詞：私人汽車擁有量 影響因素 多元線性回歸 VAR模型 區(qū)間預(yù)測(cè)

Abstract：This paper takes Jiangsu Province as an example， according to the "Jiangsu Statistical Yearbook" from 2002 to 2021 relevant data， through the econometrics method， using the statistical software EVIEWS， established the Jiangsu Province private car ownership and urban disposable income， per capita GDP， the total population at the end of the year， road mileage multiple linear regression model and correction. The distribution lag model is used to predict the private car ownership in Jiangsu Province in 2022 and 2023. The conclusion is that there is a positive correlation between regional GDP and private car ownership. Per capita GDP， total population at the end of the year and highway mileage have a positive impact on private car ownership in Jiangsu Province， among which the total population at the end of the year has the greatest effect on private car ownership. Private car ownership in Jiangsu Province is expected to exceed 20 million after 2022. Finally， according to the conclusion， this paper puts forward the corresponding suggestions.

Key words：Private car ownership; Influencing factors; Multiple linear regression; VAR model; Prediction of interval

1 引言

自21世紀(jì)以來(lái)，我國(guó)私人汽車的購(gòu)買率逐年上升，中國(guó)在未來(lái)將會(huì)是全球最大的汽車銷量國(guó)。由于私人汽車擁有量的快速增長(zhǎng)已成為不可逆趨勢(shì)，并且直接帶動(dòng)了汽車行業(yè)就業(yè)以及GDP的發(fā)展。所以本文以江蘇省為例研究了私人汽車擁有量的影響因素，建立“最優(yōu)”回歸模型并分析其經(jīng)濟(jì)學(xué)意義。其次預(yù)測(cè)了江蘇省私人汽車擁有量的發(fā)展前景，最后根據(jù)發(fā)展過(guò)程中存在的環(huán)保和交通問(wèn)題提出了相應(yīng)的建議。

2 文獻(xiàn)綜述

近年來(lái)，有諸多學(xué)者通過(guò)統(tǒng)計(jì)數(shù)據(jù)，大量分析和調(diào)查我國(guó)私人汽車的擁有量的影響因素。

孫藝航[1]（2022）統(tǒng)計(jì)往年私人汽車擁有量數(shù)據(jù)，通過(guò)ARIMA預(yù)測(cè)模型以及灰色預(yù)測(cè)模型，預(yù)測(cè)未來(lái)數(shù)據(jù)的變化趨勢(shì)，得出結(jié)論：私人汽車擁有量的快速增長(zhǎng)會(huì)給城市造成嚴(yán)重的危害。閆超和劉金全[2]（2015）通過(guò)分析吉林省汽車產(chǎn)量增長(zhǎng)率和GDP增長(zhǎng)率數(shù)據(jù)，發(fā)現(xiàn)GDP增長(zhǎng)率對(duì)汽車產(chǎn)業(yè)的影響雖然滯后，但其影響程度卻遠(yuǎn)大于汽車產(chǎn)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。陳潔[3]（2016）建立面板數(shù)據(jù)回歸模型，通過(guò)成分分解時(shí)間序列，認(rèn)為私人汽車擁有量在不同成分中主導(dǎo)因素不同。王語(yǔ)涵等[4]（2019）構(gòu)建私人汽車擁有量的回歸模型，總結(jié)出私人汽車擁有量太多太少都會(huì)影響社會(huì)發(fā)展的結(jié)論。

3 私人汽車擁有量的描述性分析

根據(jù)江蘇省各地級(jí)市2021年GDP統(tǒng)計(jì)分析：前三位地級(jí)市依次是是蘇州、南京、無(wú)錫，后三位地級(jí)市依次是是淮安、連云港、宿遷。

根據(jù)江蘇省各地級(jí)市2021年私人汽車擁有量分析，前三位地級(jí)市依次是是蘇州、南京、無(wú)錫，后三位地級(jí)市依次是連云港、淮安、鎮(zhèn)江。

將江蘇省2021年度GDP按地區(qū)分布繪制成圖1。由圖可見：GDP在蘇南地區(qū)（蘇州、南京、無(wú)錫、常州、鎮(zhèn)江）所占全國(guó)比重最高。至2021年年底，蘇南地區(qū)的GDP總量已經(jīng)高達(dá)66647.91億元，是全江蘇水平的57.0%。其次是蘇北地區(qū)（徐州、宿遷、淮安、鹽城、連云港），GDP總量為26731.89億元，占比為23%。最后是蘇中地區(qū)（南通、泰州、揚(yáng)州），GDP總量為23748.63億元，占比20%。

將江蘇省2021年度私人汽車擁有量按地區(qū)分布繪制成圖2。由圖可見：私人汽車擁有量在蘇南地區(qū)占比最高。至2021年底，蘇南地區(qū)的私人汽車擁有量已經(jīng)高達(dá)998.27萬(wàn)輛，占比全省私人汽車擁有量的54.0%。其次是蘇北地區(qū)，私人汽車擁有量為513.93萬(wàn)輛，占比為28%。最后是蘇中地區(qū)，數(shù)量為346.62萬(wàn)輛，占比18%。

將江蘇省各市2021年GDP和的私人汽車擁有量關(guān)系按遞減趨勢(shì)排列，并繪制成圖3。由圖可見：GDP總量大的地級(jí)市一般私人汽車擁有量也大，各市的GDP水平與私人汽車擁有量之間存在一定的正相關(guān)性。蘇南地區(qū)的經(jīng)濟(jì)發(fā)展水平高于蘇中和蘇北地區(qū)，這也說(shuō)明了在經(jīng)濟(jì)發(fā)達(dá)地區(qū)私人汽車擁有量的比例較高，經(jīng)濟(jì)相對(duì)欠發(fā)達(dá)區(qū)域則較低。

4 影響因素分析

4.1 數(shù)據(jù)來(lái)源

本文將江蘇省私人汽車擁有量看作因變量（萬(wàn)輛），將城鎮(zhèn)居民可支配收入（元）、人均GDP（元）、年末總?cè)丝冢ò偃f(wàn)人）、公路里程（萬(wàn)公里）看作解釋變量進(jìn)行研究。本文選擇江蘇人民政府網(wǎng)中《2021年江蘇統(tǒng)計(jì)年鑒》，并選擇2002～2021年的相關(guān)數(shù)據(jù)。

4.2 模型設(shè)定

在參考其他文獻(xiàn)的基礎(chǔ)上，本文將采用線性模型。由于模型取對(duì)數(shù)后可以避免偽回歸并且消除異方差，于是考慮使用對(duì)數(shù)線性模型。

綜上所述，采用的模型為：lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+μ

其中，Y=江蘇省私人汽車擁有量（萬(wàn)輛）；

X1=江蘇省城鎮(zhèn)居民可支配收入（元）；

X2=江蘇省人均GDP（元）；

X3=江蘇省年末總?cè)丝冢ㄈf(wàn)人）；

X4=江蘇省公里里程（萬(wàn)公里）；

4.3 模型的估計(jì)和檢驗(yàn)

4.3.1 相關(guān)性檢驗(yàn)

從圖4可以看出，lnY、lnXi（i=1，2，3，4）之間存在同增的趨勢(shì)，也就說(shuō)明這幾個(gè)變量之間大致存在伴隨狀態(tài)且存在趨勢(shì)項(xiàng)。為了進(jìn)一步分析回歸模型，本文作出lnXi（i=1，2，3，4）與lnY的散點(diǎn)圖和擬合直線。由圖5看出，lnY和lnXi（i=1，2，3，4）用直線擬合效果較好，圖5中大致體現(xiàn)出這些時(shí)間序列數(shù)據(jù)的線性相關(guān)關(guān)系，證明線性模型假設(shè)無(wú)誤，繼續(xù)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)。

利用pearson相關(guān)性檢驗(yàn)，從圖6中可以看出，私人汽車擁有量分別與城鎮(zhèn)居民可支配收入、人均GDP、年末總?cè)丝凇⒐防锍滔鄬?duì)應(yīng)的P值都小于0.01。可見在1%的顯著性水平下，每個(gè)解釋變量可以很好的反映私人汽車擁有量情況。對(duì)應(yīng)的相關(guān)系數(shù)都大于0，說(shuō)明私人汽車擁有量與城鎮(zhèn)居民可支配收入、人均GDP、年末總?cè)丝跀?shù)和公路里程均為正相關(guān)關(guān)系。各解釋變量的相關(guān)系數(shù)均大于0.8，說(shuō)明回歸方程可能存在多重共線性，需要在后續(xù)步驟中進(jìn)一步驗(yàn)證。

4.3.2 單位根檢驗(yàn)

在現(xiàn)實(shí)研究中，若不經(jīng)過(guò)平穩(wěn)性檢驗(yàn)就直接將非平穩(wěn)時(shí)間序列進(jìn)行回歸分析，就容易出現(xiàn)“偽回歸”問(wèn)題。在進(jìn)行協(xié)整分析前，必須先對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)，以確?；貧w后的無(wú)偏性、有效性和一致性。其中原假設(shè)為在n%的水平下存在單位根，下表是對(duì)各變量做的ADF單位根檢驗(yàn)結(jié)果。

由表1的結(jié)果得到，變量lnX1、lnX2、lnX3、lnY的ADF檢驗(yàn)值均大于5%顯著水平的臨界值，因此接受原假設(shè)，即時(shí)間序列l(wèi)nX1、lnX2、lnX4、lnY是非平穩(wěn)序列。對(duì)lnX1、lnX2、lnX3、lnY時(shí)間序列先進(jìn)行一階差分，再做ADF檢驗(yàn)分析，結(jié)果發(fā)現(xiàn)DlnX1、DlnX2拒絕原假設(shè)，時(shí)間序列中不存在單位根，DlnX3、DlnY接受原假設(shè)，因此還需要對(duì)這組數(shù)據(jù)再做二階差分的ADF單位根檢驗(yàn)。檢驗(yàn)結(jié)果發(fā)現(xiàn)D2lnY、D2lnX1、D2lnX2、D2lnX3、D2lnX4的ADF統(tǒng)計(jì)量均小于10%顯著水平的臨界值，表明D2lnY、D2lnX1、D2lnX2、D2lnX3、D2lnX4經(jīng)過(guò)二階差分平穩(wěn)。綜上所述這組時(shí)間序列數(shù)據(jù)二階單整，并且發(fā)現(xiàn)殘差序列一階差分后平穩(wěn)，則滿足協(xié)整分析條件。

4.3.3 協(xié)整檢驗(yàn)

協(xié)整是指即使時(shí)間序列自身非平穩(wěn)，但是其某種線性關(guān)系卻平穩(wěn)。協(xié)整關(guān)系解釋了各變量間長(zhǎng)期穩(wěn)定的比例關(guān)系。必須先驗(yàn)證各變量間的協(xié)整關(guān)系，否則線性回歸模型是偽回歸。本文通過(guò)Johansen協(xié)整檢驗(yàn)變量間是否協(xié)整關(guān)系。

經(jīng)Johansen協(xié)整檢驗(yàn)發(fā)現(xiàn)跡統(tǒng)計(jì)值和最大特征根統(tǒng)計(jì)值對(duì)應(yīng)的P值都小于0.05，表示五個(gè)變量間存在協(xié)整關(guān)系，因此可以直接用最小二乘估計(jì)法進(jìn)行回歸分析。對(duì)參數(shù)模型使用最小二乘估計(jì)法進(jìn)行線性回歸后，得到初始參數(shù)模型為：

lnY=-0.383722lnX1+1.357456lnX2+7.718296lnX3+0.480268 lnX4-79.83585

SE值=（0.554655）（0.464607）（2.436095）（0.124095）（20.18152）

t統(tǒng)計(jì)值=（-0.691820）（2.921732）（3.168307）（3.870168）（-3.955888）

P值=（0.4996）（0.0105）（0.0064）（0.0015）（0.0013）

R2=0.998638；adj R2=0.998275；F=2749.111；D.W.=2.412498

回歸結(jié)果顯示，該模型可決系數(shù)R2=0.998638，修正后的R2=0.998275，接近于1。這說(shuō)明方程的擬合程度較好，各變量能夠很好地解釋私人汽車擁有量。F值統(tǒng)計(jì)量為2749.111，說(shuō)明各變量之間關(guān)系顯著。從協(xié)整方程來(lái)看，人均GDP、年末總?cè)丝跀?shù)和公路里程對(duì)私人汽車擁有量都有正向影響，但是影響能力存在差異。其中人均GDP、年末總?cè)丝跀?shù)和公路里程的系數(shù)分別為1.357456、7.718296和0.480268。說(shuō)明各變量每增長(zhǎng)一個(gè)單位，江蘇省私人汽車擁有量分別增長(zhǎng)1.357456、7.718296和0.480268個(gè)單位。城鎮(zhèn)居民可支配收入系數(shù)為負(fù)，與統(tǒng)計(jì)經(jīng)驗(yàn)不符，需要對(duì)模型進(jìn)一步修正。

從各變量系數(shù)進(jìn)行分析看出，年末總?cè)丝跀?shù)對(duì)私人汽車擁有量的貢獻(xiàn)率最高，江蘇省年末總?cè)丝跀?shù)不斷增加、人口規(guī)模巨大的特點(diǎn)將持續(xù)為汽車市場(chǎng)的需求提供需求保障，因此對(duì)私人汽車擁有量正向影響最大。公路里程以及營(yíng)運(yùn)汽車擁有量對(duì)私人汽車擁有量的拉動(dòng)作用相對(duì)較小。

4.3.4 多重共線性檢驗(yàn)和模型修正

從上述檢驗(yàn)結(jié)果可以看出，盡管模型的擬合程度很好，但是解釋變量lnX1的t檢驗(yàn)不顯著，這可能是由模型存在多重共線性引起的。經(jīng)檢驗(yàn)所有解釋變量的VIF值均大于10，說(shuō)明原線性回歸模型存在多重共線性。利用逐步回歸法修正模型，得到誤差修正模型為：

lnY=1.059054lnX2+6.846262lnX3+0.526472lnX4-73.16995

SE值=（0.169833）（2.050392）（0.102872）（17.44156）

t統(tǒng)計(jì)值=（6.235871）（3.339002）（5.117721）（-4.195149）

P值=（0）（0.0042）（0.0001）（0.0007）

R2=0.998594；adj R2=0.998331；F=3788.785；D.W.=2.378465

消除多重共線性后模型中最終保留lnX2、lnX3、lnX4三個(gè)變量，參數(shù)符號(hào)與經(jīng)濟(jì)意義相符，并且均通過(guò)了顯著性水平為5%的t檢驗(yàn)。修正后可決系數(shù)R2=0.998331，因變量由解釋變量的解釋程度達(dá)到99.8331%，模型擬合程度理想;并且方程SE值為0.049942，說(shuō)明變量的實(shí)際值與估計(jì)值的平均誤差很小。因此，最終的江蘇省私人汽車擁有量函數(shù)以lnY=f（lnX2、lnX3、lnX4）為“最優(yōu)”。

4.3.5 異方差性的檢驗(yàn)

如果變量間存在異方差性，則最小二乘估計(jì)法失效。為了確保模型的精確度，需要對(duì)模型進(jìn)行異方差檢驗(yàn)。本文利用懷特檢驗(yàn)異方差性，其中原假設(shè)為不存在異方差。經(jīng)檢驗(yàn)發(fā)現(xiàn)，在0.05的顯著水平下，nR2值以及SS值對(duì)應(yīng)的P值均大于0.05，接受原假設(shè)。但是F值對(duì)應(yīng)的P值均小于0.05，拒絕原假設(shè)，說(shuō)明該模型存在異方差，需要繼續(xù)修正模型。

利用加權(quán)最小二乘法修正模型，其中設(shè)權(quán)重為殘差絕對(duì)值的倒數(shù)，得到的模型為：

lnY=1.012514lnX2+7.609333lnX3+0.499383lnX4-79.20162

SE值=（0.067753）（0.912972）（0.028253）（7.636924）

t統(tǒng)計(jì)值=（14.94426）（8.334684）（17.67537）（-10.37088）

P值=（0）（0）（0）（0）

R2=0.999795；adj R2=0.999757；F=26053.65；D.W.=2.291978

修正后模型的可決系數(shù)大于修正前，且各變量均通過(guò)1%的t檢驗(yàn)，說(shuō)明模型修正合理。對(duì)修正后的回歸模型再次進(jìn)行異方差檢驗(yàn)。發(fā)現(xiàn)在0.05的顯著水平下，F(xiàn)值、nR2值以及SS值對(duì)應(yīng)的P值均大于0.05，接受原假設(shè)。因此修正后的模型不存在異方差。

4.3.6 自相關(guān)檢驗(yàn)

經(jīng)過(guò)異方差修正后得到的模型中：在樣本容量為20，存在3個(gè)解釋變量的條件下，得到DW值為2.291978，接近于2。原假設(shè)為模型不存在自相關(guān)，由圖7得觀察值對(duì)應(yīng)的P值均大于0.05顯著水平，接受原假設(shè)，說(shuō)明模型中不存在自相關(guān)。

因此最后決定“最優(yōu)”模型為：lnY =1.012514lnX2+7.609333lnX3+0.499383lnX4-79.20162

根據(jù)修正后的線性回歸模型得到：促進(jìn)江蘇省私人汽車擁有量增長(zhǎng)的最主要因素是江蘇年末總?cè)丝诘脑黾?，但是人均GDP和公路里程數(shù)對(duì)江蘇省私人汽車擁有量的增長(zhǎng)有不可或缺的作用。其中，lnX2和lnX4的系數(shù)分別為1.012514和0.499383，表明人均GDP和公路里程數(shù)分別每增加1%，江蘇省私人汽車擁有量分別增加1.012514%和0.499383%?？梢钥闯龆邔?duì)江蘇省私人汽車擁有量的影響相對(duì)較小。而年末總?cè)丝趌nX3的系數(shù)為7.609333，大于lnX2和lnX4的系數(shù)，表明年末總?cè)丝跀?shù)對(duì)私人汽車擁有量的拉動(dòng)作用最大。

5 VAR模型建立及其預(yù)測(cè)

上文利用最小二乘估計(jì)法進(jìn)行多元線性回歸，分析出“最優(yōu)”回歸模型并解釋其經(jīng)濟(jì)學(xué)意義。為綜合考慮未來(lái)各種情況（如突發(fā)事件）引起的私人汽車擁有量影響因素的變化，現(xiàn)在利用上文提及的變量作為內(nèi)生變量構(gòu)造VAR模型。建立多元時(shí)間序列變量組成的VAR模型，以實(shí)現(xiàn)對(duì)突發(fā)情況下的江蘇省私人汽車擁有量變化的預(yù)測(cè)。

5.1 模型滯后階數(shù)確定

根據(jù)AIC（赤池信息準(zhǔn)則值）、SC（施瓦茲準(zhǔn)則值）對(duì)應(yīng)的數(shù)據(jù)判定最優(yōu)滯后期。AIC或SC最小時(shí)滯后期為3，經(jīng)檢驗(yàn)此時(shí)AR根沒(méi)有全部落在單位圓內(nèi)。則檢驗(yàn)滯后階期為2的AR根如圖8，經(jīng)檢驗(yàn)所有AR根都落在單位圓內(nèi)，故選擇最優(yōu)滯后期為2。

5.2 參數(shù)估計(jì)與預(yù)測(cè)

建立VAR（2）模型，對(duì)模型的參數(shù)進(jìn)行估計(jì)，根據(jù)估計(jì)的參數(shù)得到預(yù)測(cè)方程。得到私人汽車擁有量的滯后2期VAR模型為：lnY（T）=83.40438+1.173594lnY（T-1）+0.719973lnY（T-2）-1.377875lnX2（T-1）+0.339203lnX2（T-2）-0.160742 lnX3（T-1）-7.955626lnX3（T-2）+0.227888lnX4（T-1）-0.593439lnX4（T-2）

利用VAR模型進(jìn)行預(yù)測(cè)，得到2002年到2023年江蘇省私人汽車擁有量的區(qū)間預(yù)測(cè)和點(diǎn)預(yù)測(cè)的擬合值如圖9，并將擬合值和真實(shí)值作比較得圖10，其中LNY為真實(shí)值，LNY（VARSCEN）為擬合值，S.E.為預(yù)測(cè)區(qū)間?？梢园l(fā)現(xiàn)擬合情況良好且擬合值大致符合真實(shí)值，并且2022年后江蘇省私人汽車擁有量有望突破2000萬(wàn)輛。在已知第T年解釋變量的情況下，可以利用本文所提及的VAR模型去預(yù)測(cè)第T+m年的江蘇省私人汽車擁有量。

本研究的預(yù)測(cè)方法仍有一定的局限性，由于國(guó)家政策的改變以及其他因素的影響可能導(dǎo)致江蘇省私人汽車擁有量真實(shí)值與預(yù)測(cè)值存在偏差，故未來(lái)的模型可能需要更進(jìn)一步優(yōu)化。未來(lái)對(duì)江蘇省私人汽車擁有量進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)，可考慮將基于歷史數(shù)據(jù)的定量分析與政策等定性分析結(jié)合，或根據(jù)不同的增長(zhǎng)階段提出更詳細(xì)的模型，從而更好地捕捉影響私人汽車擁有量的因素，實(shí)現(xiàn)更科學(xué)準(zhǔn)確的預(yù)測(cè)。

6 結(jié)論與建議

首先，本文對(duì)比分析了江蘇省13個(gè)地級(jí)市的2021年底私人汽車擁有量數(shù)據(jù)，其次對(duì)2002-2021年江蘇省私人汽車擁有量的時(shí)間序列進(jìn)行整理，并通過(guò)相關(guān)性檢驗(yàn)、單位根檢驗(yàn)、協(xié)整檢驗(yàn)、多重共線性檢驗(yàn)和修正、異方差檢驗(yàn)、自相關(guān)檢驗(yàn)、區(qū)間預(yù)測(cè)和點(diǎn)預(yù)測(cè)、VAR模型，得出了以下結(jié)論：

第一，通過(guò)私人汽車在各市的擁有量情況來(lái)看，各市的私人汽車擁有量與經(jīng)濟(jì)發(fā)展存在一定的正相關(guān)關(guān)系，即經(jīng)濟(jì)越發(fā)達(dá)的城市，私人汽車擁有量一般越高。若按地區(qū)劃分，則私人汽車擁有量在經(jīng)濟(jì)較發(fā)達(dá)的蘇南地區(qū)占比最高，而蘇中和蘇北地區(qū)占比相對(duì)較低。

第二，根據(jù)修正后的線性回歸模型得到：促進(jìn)江蘇省私人汽車擁有量增長(zhǎng)的最主要因素是江蘇年末總?cè)丝诘脑黾?，但是人均GDP和公路里程數(shù)對(duì)江蘇省私人汽車擁有量的增長(zhǎng)有不可或缺的作用。

第三，通過(guò)VAR模型進(jìn)行預(yù)測(cè)，得到2022年江蘇省私人汽車擁有量預(yù)測(cè)值將達(dá)到2000萬(wàn)輛，私人汽車擁有量的增加間接性影響GDP總量的增加。

基于以上結(jié)論，本文提出了如下建議：

第一，增強(qiáng)江蘇省內(nèi)城市的綜合實(shí)力和經(jīng)濟(jì)發(fā)展水平，擴(kuò)大其對(duì)外的影響力和競(jìng)爭(zhēng)力，從而縮小城市或地區(qū)之間的經(jīng)濟(jì)發(fā)展差距。

第二，根據(jù)江蘇省年末總?cè)丝跀?shù)對(duì)私人汽車擁有量影響最大的結(jié)論，可以通過(guò)合理地實(shí)施三胎政策，擴(kuò)大江蘇省年末總?cè)丝跀?shù)，進(jìn)而有效地提高江蘇省私人汽車擁有量以及促進(jìn)江蘇省GDP的增長(zhǎng)。

第三，根據(jù)人均GDP和公路里程數(shù)的增加對(duì)汽車擁有量的影響相對(duì)較小的結(jié)論，這表明隨著人民生活水平的提高、公路建設(shè)和各種交通設(shè)施的不斷完善，人們出行變得越來(lái)越方便。越來(lái)越多的人選擇自駕出行，所以對(duì)私人汽車的需求量也在逐年增長(zhǎng)。與此同時(shí)，我們意識(shí)到由于私人汽車擁有量對(duì)交通產(chǎn)生的壓力增大促使江蘇省加快各項(xiàng)交通設(shè)施的完善，從而緩解交通問(wèn)題。

第四，在江蘇省私人汽車擁有量快速增長(zhǎng)不可逆的趨勢(shì)下，應(yīng)該從環(huán)境保護(hù)和生態(tài)可持續(xù)角度考慮，汽車制造業(yè)及相關(guān)行業(yè)應(yīng)當(dāng)在增加汽車數(shù)量的同時(shí)，加大發(fā)展新能源汽車的發(fā)展力度，增大新能源電車占私人汽車擁有量的比例。

參考文獻(xiàn)：

[1]孫藝航.我國(guó)私人汽車擁有量的預(yù)測(cè)[J].交流與探討2022，（15）：181-183．

[2]閆超，劉金全.吉林省汽車產(chǎn)業(yè)發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的影響研究[J]. 現(xiàn)代管理科學(xué)2015，（6）：43-45．

[3]陳潔.影響全國(guó)私人汽車擁有量的因素分析[J].商業(yè)研究2014，（18）：36-37．

[4]王語(yǔ)涵，耿國(guó)強(qiáng)，朱家明.我國(guó)私人汽車擁有量的計(jì)量經(jīng)濟(jì)分析[J].高師理科學(xué)刊2019，（39）：40-43．

[5]游越越，張青梅.洛陽(yáng)市私人汽車擁有量發(fā)展?fàn)顩r及影響因素研究[J].內(nèi)蒙古科技與經(jīng)濟(jì)2021，（15）：56-57．

[6]王鑫，賈志梅，張美玲.灰色系統(tǒng)預(yù)測(cè)方法在我國(guó)私人汽車擁有量預(yù)測(cè)中的應(yīng)用[J].甘肅科技 2019，（35）：35-37．

[7]鄭雪晴.我國(guó)私人汽車擁有量及其經(jīng)濟(jì)影響因素的實(shí)證分析[J].市場(chǎng)周刊 2017，（8）：52-54．

[8]李學(xué)成.人均 GDP 增長(zhǎng)對(duì)我國(guó)私人汽車未來(lái)需求的影響[J].特區(qū)經(jīng)濟(jì)2010，（15）：283-285．