安明明 陶白丁

[摘 要]我國是汽車消費(fèi)大國，當(dāng)前國內(nèi)自主車輛品牌眾多，車型豐富，基本能夠滿足國內(nèi)大眾的需求。但受消費(fèi)者需求多樣化影響，國內(nèi)市場(chǎng)上仍然有部分汽車屬于整裝進(jìn)口狀態(tài);另外，長安福特、東風(fēng)標(biāo)致等合資汽車品牌，仍需要進(jìn)口零配件。利用2009-2019年我國汽車整車及零配件進(jìn)口數(shù)據(jù)，通過ADF及二階差分檢驗(yàn)，匹配適合的ARIMA模型，利用ARIMA對(duì)2020年我國整車及汽車零配件進(jìn)口總額進(jìn)行回歸分析。

[關(guān)鍵詞]整車及零配件;進(jìn)口;ADF檢驗(yàn);ARIMA模型;進(jìn)口預(yù)測(cè)

[中圖分類號(hào)] F740.2? ? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? ? [文章編號(hào)] 2095-3283（2020）06-0064-04

Forecast of China's Automobile and Auto Parts Imports in 2020 Based on ARIMA Model

An Mingming? ? Tao Baiding

（Huali College，Guangdong University of Technology， Guangzhou Guangdong 511325）

Abstract： China is a big car consumer. At present， there are many vehicle brands domestic car companies， and there area wide range of vehicle models， which not only meet the basic needs of the domestic public， but also are best-selling brands in some countries， such as BYD's public transportation vehicles of new energy， Haval SUV family cars and so on. However， due to diversified needs of consumers， some cars are still imported in the domestic market. In addition， some cars produced by domestically-owned joint ventures， such as Changan Ford and Dongfeng Peugeot， still need imported spare parts to complete their assembly works in domestic. Therefore， On the premise of collecting data on total vehicle and auto parts imports from 2009 to 2019， this paper uses ADF and second-order difference tests to match the appropriate ARIMA model， and applies ARIMA to perform a regression analysis of total vehicle and auto parts imports in 2020.

Key Words： Vehicle and Spare Parts; Import; ADF Inspection; ARIMA Model; Import Forecast

一、前言

2018年7月1日實(shí)施的新《汽車銷售管理辦法》，用汽車銷售“三多模式”打破了汽車4S店品牌壟斷的傳統(tǒng)模式，即供應(yīng)商可以通過多種方式、渠道進(jìn)行銷售，經(jīng)銷商可以同時(shí)經(jīng)營多個(gè)品牌產(chǎn)品、為多個(gè)品牌汽車提供售后服務(wù)，消費(fèi)者可以從多種渠道購買汽車、享受服務(wù)[1]。

平行進(jìn)口車，是指部分國內(nèi)汽車貿(mào)易商直接到海外市場(chǎng)進(jìn)行購買，并引入中國銷售的汽車，由于這些車輛進(jìn)口渠道與國內(nèi)授權(quán)的經(jīng)銷商進(jìn)貨渠道相“平行”，因此被形象地稱為平行進(jìn)口車;自2014年國家明確釋放為平行進(jìn)口正名政策信號(hào)以來，平行進(jìn)口汽車銷售正式進(jìn)入了我國汽車銷售行列[2]。

畢禛在其文章中分析，我國汽車消費(fèi)的影響因素，并用多元線性回歸模型分析影響汽車消費(fèi)的變量關(guān)系，為本文分析汽車整車及零配件進(jìn)口提供一定的思路[3]。

孟思聰在其畢業(yè)論文中通過構(gòu)建多元回歸分析模型，本文依據(jù)1994-2012年的數(shù)據(jù)樣本，分析了中國轎車進(jìn)出口貿(mào)易對(duì)人民幣升值和貶值的反應(yīng);通過ADF平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)以及格蘭杰因果關(guān)系檢驗(yàn)，得出了在進(jìn)出口回歸方程

中的變量在一階時(shí)間序列上是平穩(wěn)的，并且存在長期的協(xié)整關(guān)系，所以可以進(jìn)行多元回歸方程。分析人民幣匯率變動(dòng)對(duì)我國轎車進(jìn)出口貿(mào)易的影響以及策略。為我國進(jìn)口汽車提供一些經(jīng)驗(yàn)[4]。該時(shí)間序列有可能存在非平穩(wěn)性，故進(jìn)行ADF檢驗(yàn)。

二、應(yīng)用模型

⒈平穩(wěn)性檢驗(yàn)

該時(shí)間序列有可能存在非平穩(wěn)性，故進(jìn)行ADF檢驗(yàn)。首先要對(duì)所研究的數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，即ADF單位根檢驗(yàn)，然后建立非平穩(wěn)時(shí)間序列的回歸模型[5]。利用ADF方法對(duì)有關(guān)變量進(jìn)行單位根檢驗(yàn)，先對(duì)有關(guān)數(shù)據(jù)進(jìn)行水平值數(shù)據(jù)檢驗(yàn)，如果檢驗(yàn)結(jié)果顯示該數(shù)據(jù)為非平穩(wěn)數(shù)列，在存在單位根的條件下，再對(duì)數(shù)據(jù)的一階差分進(jìn)行檢驗(yàn)，如果仍存在不平穩(wěn)數(shù)列，對(duì)其進(jìn)行二階差分檢驗(yàn)[6]。

⒉ARIMA模型

ARIMA（auto regressiveintegrate dmovingaverage）模型的全稱是自回歸求和移動(dòng)平均模型，南美國學(xué)者喬治·博克斯（GeorgeBox）和英國統(tǒng)計(jì)學(xué)家格威利姆·詹金斯（GwilymJenkins）于20世紀(jì)70年代共同建立的博克斯—詹金斯（Box-Jenkins，B-J）系列方法中的重要模型之一;B-J法是一類分析隨機(jī)時(shí)間序列并進(jìn)行預(yù)測(cè)的方法，該方法是利用序列自身的滯后數(shù)值或誤差項(xiàng)的滯后值作為解釋變量，亦即探尋序列受其以前數(shù)值與其誤差項(xiàng)的影響形式，來預(yù)測(cè)序列未來的表現(xiàn)。該方法將序列看作一個(gè)隨機(jī)過程，比較適合于短期預(yù)測(cè)[7]。

國內(nèi)ARIMA模型預(yù)測(cè)應(yīng)用范圍較廣，如基于ARIMA模型的河南省GDP指數(shù)分析[8]、基于ARIMA模型的水果價(jià)格預(yù)測(cè)與分析[9]、基于ARIMA的網(wǎng)絡(luò)流量建模及預(yù)測(cè)研究[10]、在臨床環(huán)境中進(jìn)行連續(xù)張力監(jiān)測(cè)的嘗試[11]、基于ARIMA模型的語言分布預(yù)測(cè)研究[12]。

三、我國整車及配件進(jìn)口數(shù)據(jù)分析

（一）數(shù)據(jù)采集及錄入

本文通過EPS網(wǎng)站搜集獲得2009年3月至2019年12月的數(shù)據(jù)。其中包括汽車（包括整套散件）進(jìn)口額（美元），小轎車（含整套散件）進(jìn)口額（美元），四輪驅(qū)動(dòng)輕型越野車（含整套散件）進(jìn)口額（美元），30座以上的客車（含整套散件）進(jìn)口額（美元），中輕型客車（10≤座位≤29座）進(jìn)口額（美元），小客車（含整套散件）進(jìn)口額（美元），卡車（含整套散件）進(jìn)口額（美元），裝有引擎的汽車底盤進(jìn)口額（美元），專用車進(jìn)口額（美元），非公路用自卸車進(jìn)口額（美元），汽車零配件進(jìn)口額（美元）以及汽車（包括整套散件）進(jìn)口量。分別將其設(shè)為total， car， ORV， bus_L， bus_M， bus_S， trunk，chassis， SV， dumper，parts以及n_total。本文中我們將運(yùn)用ARIMA模型來進(jìn)行回歸。

（二）數(shù)據(jù)分析

首先，使用augmented Dickey-Fuller （ADF） 檢驗(yàn)來檢測(cè)模型數(shù)據(jù)中是否包含單位根。其次，根據(jù)eviews所輸出的結(jié)果觀察SACF或SPACF來為變量total匹配適合的ARIMA模型，檢驗(yàn)后運(yùn)用于預(yù)測(cè)2020年我國汽車總進(jìn)口額。于此同時(shí)，也運(yùn)用OLS進(jìn)行回歸，討論各變量間的關(guān)聯(lián)性及顯著性程度。

結(jié)果表明，在ADF檢驗(yàn)中，僅有包含截距項(xiàng)的檢驗(yàn)結(jié)果p值小于0.05，拒絕原假設(shè)，即變量total中不包含單位根，時(shí)間序列呈現(xiàn)平穩(wěn)狀態(tài)。

而包含截距項(xiàng)與時(shí)間趨勢(shì)的檢驗(yàn)結(jié)果和無截距項(xiàng)與時(shí)間趨勢(shì)中檢驗(yàn)結(jié)果的p值均大于0.05。如圖2最后一列顯示，但經(jīng)過兩階差分后呈現(xiàn)平穩(wěn)狀態(tài)，其p值小于0.05，如圖2所示，0.0141<0.05。故認(rèn)為該時(shí)間序列數(shù)據(jù)可進(jìn)行自回歸模型分析。

通過觀察該時(shí)間序列的自相關(guān)函數(shù)及偏自相關(guān)函數(shù)，在圖3中發(fā)現(xiàn)均存在一定的拖尾性，故采用ARMA進(jìn)行建模分析。

且AC及PAC的數(shù)據(jù)顯示建模存在ARMA（1，1），ARMA（1，2），ARMA（2，1），ARMA（2，2）的可能性，因此將所有模型形式進(jìn)行建模并將數(shù)據(jù)匯總于表1。通過表格的數(shù)據(jù)匯總可以直觀地發(fā)現(xiàn)建立ARMA（1，2）模型最為合適。

于是對(duì)其進(jìn)行殘差序列自回歸診斷與異方差診斷，其結(jié)果表明二階差分所處理后的時(shí)間序列無殘差序列相關(guān)且在ARCH1的檢驗(yàn)下不拒絕原假設(shè)，即擾動(dòng)項(xiàng)不具有ARCH1形式的異方差，如圖4所示：

故最終建立無截距項(xiàng)模型：

ARIMA（1，2，2）。其方程表達(dá)式如下：

通過已有數(shù)據(jù)靜態(tài)預(yù)測(cè)與樣本數(shù)據(jù)外動(dòng)態(tài)預(yù)測(cè)的方式，得出以下預(yù)測(cè)數(shù)據(jù)，如圖5所示：

由于該時(shí)間序列數(shù)據(jù)是經(jīng)過二階差分所形成的穩(wěn)定狀態(tài)，其預(yù)測(cè)準(zhǔn)確度適合運(yùn)用于風(fēng)險(xiǎn)管理而不適用于投資指導(dǎo)。另就不同進(jìn)口汽車種類及進(jìn)口零部件對(duì)進(jìn)口總量的影響程度，進(jìn)行了ols回歸，如圖6所示，其結(jié)果發(fā)現(xiàn)零部件及地盤對(duì)與汽車進(jìn)口總量的影響不顯著。

四、結(jié)論

從上述分析來看，我國進(jìn)口整車及零部件數(shù)量呈現(xiàn)出節(jié)日特征，這是受我國節(jié)假日消費(fèi)情況影響，5、6月階段及9、0月階段的數(shù)據(jù)顯示為整年的高峰期，11、12月為進(jìn)口的低谷期，具體內(nèi)容如下：

因?yàn)槲逡粸槟旰蟮牡谝粋€(gè)促銷大節(jié)——“五一勞動(dòng)節(jié)”，在這個(gè)節(jié)日里，客戶有充足的假期可以開車出行，而6月因5月訂單過多，引發(fā)無現(xiàn)車出售現(xiàn)象，使訂單延續(xù)到6月。

因10月有“十一國慶”假期，許多國內(nèi)進(jìn)口商為準(zhǔn)備該階段促銷，9月份的進(jìn)口量比10月份要多，且延續(xù)到10月。

12月為年中進(jìn)口量最少的時(shí)候，年末受西方主要節(jié)日“圣誕節(jié)”影響，導(dǎo)致很多供貨商放假，從而11、12月的進(jìn)口數(shù)量相對(duì)減少。

通過歷年數(shù)據(jù)分析來看，我國對(duì)汽車整車及配件進(jìn)口總額呈現(xiàn)出緩慢上升的態(tài)勢(shì)，主要由于我國自主研發(fā)汽車的銷量逐年上升，而中低端收入群體選擇國產(chǎn)或國產(chǎn)合資汽車數(shù)量增加，因零配件及底盤等合資汽車的必需配件，其進(jìn)口量無明顯變化。而整車進(jìn)口呈現(xiàn)出小幅緩慢上升態(tài)勢(shì)。綜上所述，我國國產(chǎn)汽車發(fā)展勢(shì)頭較好，自主研發(fā)能力逐漸增強(qiáng)，未來將呈現(xiàn)進(jìn)口下降趨勢(shì)。

[參考文獻(xiàn)]

[1]余明輝.進(jìn)口汽車關(guān)稅下調(diào)釋放市場(chǎng)需求活力[N].中國商報(bào)，2018-05-29（01）.

[2]李海楠.汽車平行進(jìn)口將更趨規(guī)范[N].中國經(jīng)濟(jì)時(shí)報(bào)，2015-01-14（002）.

[3]畢禛.基于多元線性回歸模型的我國汽車消費(fèi)的影響因素分析[J].福建質(zhì)量管理，2019（20）.

[4]孟思聰.匯率變動(dòng)對(duì)我國轎車進(jìn)出口貿(mào)易影響與策略研究[D].東北林業(yè)大學(xué)，2014.

[5]劉艷玲，董力.工程保險(xiǎn)消費(fèi)行為影響因素實(shí)證研究[M].中國經(jīng)濟(jì)文庫，2015.

[6]劉西濤，王煒.現(xiàn)代農(nóng)業(yè)發(fā)展政策研究[M]. 中國財(cái)富出版社，2016.

[7]仇麗霞，醫(yī)學(xué)統(tǒng)計(jì)學(xué)第3版[M]，中國協(xié)和醫(yī)科大學(xué)出版社，2018.

[8]張文韜，李瑛琪. 基于ARIMA模型的河南省GDP指數(shù)分析[J].洛陽師范學(xué)院學(xué)報(bào)，2019（2）.

[9]周可鑫.基于ARIMA模型的水果價(jià)格預(yù)測(cè)與分析[J].消費(fèi)導(dǎo)刊，2019（31）.

[10]盛虎，張玉雪.基于ARIMA的網(wǎng)絡(luò)流量建模及預(yù)測(cè)研究[J].通信技術(shù)，2019（4）.

[11]Yoshitaka.Trial of continuous tension monitoring in a clinical setting[J].Proceedings of 2016 International Conference of the World Federation of Acupuncture-Moxibustion Societies，2016.

[12]Yaling Ma，Hui Li，Zhexi Liu，Xia Wu. Research on Language Distribution Prediction Based on ARIMA Model[J]. Proceedings of 2019 6th International Conference on Machinery，Mechanics，Materials，and Computer Engineering，2019.

（責(zé)任編輯：顧曉濱 馬 琳）