下载文档原格式
2024国内成品油市场影响因素总结2024年国内成品油市场的影响因素有很多，以下是对这些因素的总结。
1. 全球经济形势：全球经济的增长水平将直接影响到成品油的需求。
如果全球经济持续增长，需求将增加，进而推动成品油价格上涨；相反，如果全球经济放缓，需求将减少，成品油价格可能下降。
2. 原油价格：原油价格是成品油价格的一个主要驱动因素。
原油价格的上涨将导致成品油价格上涨，原油价格的下跌将导致成品油价格下跌。
原油价格受到全球供需关系、地缘政治因素、金融市场波动等多种因素的影响。
3. 政府政策：政府的宏观调控政策和监管政策对成品油市场影响巨大。
政府可能通过调整成品油价格、征收税费和补贴等方式来影响市场供需状况和价格水平。
政府还可以提供扶持政策，促进成品油市场的发展和创新。
4. 环保限制：国内对环境保护要求的提高将对成品油市场产生影响。
政府可能加强对高耗能、高污染的成品油生产和使用的限制，推动清洁能源的发展和普及。
环保限制可能导致部分成品油企业生产受限或淘汰，同时也有可能推动新能源汽车的发展和成品油市场结构的调整。
5. 新能源汽车的发展：新能源汽车的普及将对成品油需求产生冲击。
随着新能源汽车技术的进步和政府对新能源汽车的支持力度加大，新能源汽车的销量有望迅速增长。
这将导致传统燃油汽车的销量下降，成品油需求减少。
6. 渠道变革：随着电子商务和在线销售的发展，成品油市场销售渠道可能发生变革。
消费者可能更倾向于在电商平台上购买成品油，这可能会对传统的加油站销售方式产生冲击，也会对成品油市场格局产生影响。
7. 汇率波动：国内成品油市场受汇率波动的影响比较大。
如果人民币贬值，进口成品油的价格将上涨，国内成品油价格也有可能上涨；相反，如果人民币升值，进口成品油价格将下降，国内成品油价格有可能下跌。
8. 供给结构：国内成品油供应结构的调整也会对成品油市场产生影响。
随着国内炼油产能的增加和提质升级，国内成品油供应将逐渐增加，这可能会对成品油价格形成一定的压力。
汽油降量原因分析报告
本报告旨在对汽油降量原因进行详细分析，以下是对降量原因的准确而简明的解释。
市场需求下降:降低汽油销量的主要原因之一是市场需求的下降。
可能由于经济放缓、消费者购买力减弱或者更多人选择购买燃料效率更高的车辆，汽油需求量出现下降。
替代能源的普及:随着替代能源技术的进步和普及，越来越多的消费者转向电动车、混合动力车或其他使用非石油能源的交通工具。
这种趋势导致汽油需求减少，从而降低了汽油销量。
价格上涨:当汽油价格上涨时，消费者往往会减少其使用量。
高昂的油价可能使消费者采取一些节省燃料的措施，例如减少驾车频率、选择更经济高效的交通方式，或者购买燃油效率更高的车辆。
环保法规的推动:许多国家和地区实施了严格的环保法规，旨在减少尾气排放和环境污染。
这些法规要求汽车制造商生产更环保、燃油效率更高的车辆。
由于这些法规的实施，消费者更倾向于购买符合标准的车辆，从而减少了对传统汽油的需求。
可再生能源的发展:随着可再生能源技术的不断发展，包括太阳能和风能在内的可再生能源在交通领域的应用越来越广泛。
一些地区正在推动使用可再生能源作为交通燃料的项目，例如生物燃料和氢燃料电池。
这些替代能源的出现使得消费者对传统汽油的需求减少。
综上所述，汽油降量的原因主要包括市场需求下降、替代能源的普及、价格上涨、环保法规的推动以及可再生能源的发展。
这些因素
共同作用导致了汽油销量的下降。
我国能源消耗总量影响因素的计量分析摘要：文章运用计量经济学的方法，利用我国1980～2011年的能源消耗总量及其影响因素的有关数据，经过回归分析，得到拟合优度较好的中国能源消耗总量预测模型，由计量经济学分析，得到结果：影响我国能源消耗总量的主要因素是能源生产总量、年底总人口数和进出口总额，并据此提出了一点建议。
关键词：计量；能源；回归；Eviews3.1随着我国改革开放的进一步发展，能源经济的发展格局也在不断改进。
在1990年以前我国能源的主要供给方式为自给自足，但是在1990年以后我国经济进入快速发展阶段，自给自足的模式已经不再适合经济发展需要，同时从1990年开始我国的能源对外依存度不断增高。
而且，我国面临的能源消耗问题也不断突出：能源利用效率低下、能源结构不合理及环境代价巨大等。
我国的煤炭剩余总量可供开采不足百年，石油仅剩储量可供开采十几年，天然气仅剩可供开采三十几年的储量，能源安全问题面临严峻的挑战。
因此研究能源消耗的影响因素有助于了解我国能源消耗各影响因素的影响大小以及怎样合理地调整各因素达到以较少的能源消耗换取较快的经济增长的目的。
1 能源消耗总量的影响因素①能源生产总量。
能源是经济增长的根本动力，消耗源自于生产，虽然我国的能源消耗可以来源于进口，但是主要还是依赖于国内的能源生产总量。
两次石油危机之后，能源问题成为全球性问题，能源安全直接关系到国家的安全，我国是能源消耗大国，消耗总量更是非常依赖与国内的生产总量。
②GDP。
改革开放以来，我国的经济呈高速增长状态，作为全球最大的发展中国家，我国正处于工业化、城镇化发展的阶段，发展经济是我国的主要任务之一，而GDP的增长必然会引起能源消耗总量的变化。
③我国的年底总人口数。
能源是人们赖以生存的必要物质，人人都需要能源，对于人口大国的中国来说，能源消耗总量随着人口的增长也在不断的增加。
④进出口总额。
我国不仅是进口大国，也是出口大国，但是对比与进口的高价值、低能耗的商品而言，我国出口的商品大都是低价值、高能耗。
汽油需求影响因素及未来消费需求预测汇报人：日期:•引言•汽油需求影响因素分析•未来消费需求预测目录•汽油需求与未来消费需求关系探讨•结论与建议01引言汽油作为全球能源消费的重要组成部分，其需求受到多种因素的影响。
汽油需求影响因素未来消费需求预测包括经济、政策、技术、环境等多个方面。
基于现有数据和趋势，对未来汽油消费需求进行预测和分析。
030201主题介绍研究目的和意义通过分析汽油需求的影响因素，预测未来消费需求，为政策制定者、企业和投资者提供决策参考。
研究意义有助于提高能源利用效率，促进可持续发展，推动经济社会的绿色转型。
02汽油需求影响因素分析经济增长推动汽车保有量增加，从而带动汽油需求增长。
经济增长产业结构变化影响运输需求，进而影响汽油消费。
产业结构经济发展水平提高，居民消费水平提升，出行需求增加。
消费水平经济发展水平人口数量增加导致汽车保有量增加，进而推动汽油需求增长。
人口数量人口年龄结构、性别结构等变化影响出行需求和出行方式。
人口结构人口数量及结构人们更倾向于选择汽车作为出行方式，导致汽油需求增加。
出行距离增加，汽油消耗量相应增加。
交通出行方式出行距离交通方式选择政府能源政策对汽油生产和消费产生直接影响。
能源政策环保政策推动清洁能源汽车发展，减少汽油消费。
环保政策交通拥堵、停车难等问题促使人们选择更节能、环保的出行方式。
交通政策政策法规影响03未来消费需求预测经济增长与消费升级随着全球经济的复苏和新兴市场的崛起，预计未来几年全球经济将持续增长，消费者购买力增强，对汽油的需求将进一步增加。
技术进步与产业升级随着技术的不断进步，新兴产业如新能源汽车、智能交通等的发展将加速，对传统汽油的需求将逐渐减少，但同时也会带来新的汽油消费领域。
经济发展趋势预测人口数量及结构变化预测人口增长与城市化随着全球人口的增长和城市化进程的加速，预计未来几年全球汽车保有量将持续增加，从而推动汽油需求的增长。
人口老龄化与出行习惯变化随着人口老龄化的加剧，老年人的出行习惯可能发生变化，对汽油的需求也将受到影响。
2024年国内成品油市场影响因素总结____年国内成品油市场受到多种因素的影响，包括供需关系、政策调整、国际油价、环保压力等。
以下将对这些影响因素进行总结，详细介绍其对国内成品油市场的影响。
首先，供需关系是影响国内成品油市场的一个重要因素。
随着国内经济的快速发展，汽车普及率不断提高，对燃油的需求也在增加。
同时，国内炼油能力的提升以及进口量的增加，也为市场供应提供了充足的保障。
然而，由于国内成品油需求的波动性较大，供需关系可能会发生变化。
如果需求增加速度超过供应能力的增长，可能会导致成品油供应不足，进而引发价格上涨；相反，如果需求增长放缓，供应过剩的情况也可能出现，造成成品油价格的下降。
其次，政策调整对成品油市场的影响也不可忽视。
政府的能源政策和环保政策对成品油市场的发展起着重要作用。
政府可能会采取调整价格、税收政策、管制政策等措施来引导成品油市场的稳定发展。
例如，政府调整成品油价格来影响消费者的用油行为；政府提高石油消费税以抑制过度消费等。
政策的变化可能会产生积极或消极的影响，直接影响价格和市场供需关系的平衡。
第三，国际油价是影响国内成品油市场的重要因素之一。
国内成品油价格与国际油价紧密相关。
国际油价的波动性对国内市场价格起到至关重要的影响。
如果国际油价上涨，国内成品油价格将受到推动；如果国际油价下跌，国内成品油价格也会相应下调。
对于国内成品油市场来说，国际油价的变化意味着市场价格的变动，可能对消费者的购买意愿产生直接影响。
第四，环保压力也是影响国内成品油市场的一个重要因素。
随着环保意识的日益增强，对排放的要求也越来越严格。
政府可能会采取环保税收、减少高污染燃料销售等措施来引导市场向清洁能源转型。
这种转型可能会对传统成品油市场带来不小的冲击。
例如，政府可能会限制柴油车辆的销售，并鼓励电动汽车的发展。
这将直接影响柴油等成品油的需求量和市场价格。
除了以上几个因素外，还有其他一些因素也会对国内成品油市场产生影响。
中国成品油消费需求变化与影响因素分析作者：李新晟来源：《中国民商》2020年第07期摘要：把握成品油的消费需求以及消费需求变化的影响因素，对我国成品油稳步发展至关重要。
以我国成品油的消费市场为前提，对我国成品油的消费需求及对导致我国成品油消费需求量变化的主要因素进行了分析，最后得出影响我国成品油消费需求变化的因素。
关键词：中国成品油;成品油需求变化;影响因素从国家的角度来说，能源资源是特别重要的物质基础，是国家长治久安的战略资源。
成品油是能源资源消费的主要产品之一，并且随着经济快速发展人们对成品油的需求也在持续增长。
在一定程度上，成品油的需求情况反应出国民经济发展情况是否正常健康，在市场中经济运行是否平稳。
所以，分析我国成品油的需求以及影响其变化的因素，对国民经济的稳步发展具有重要意义。
一、当前形势近年来，我国经济由高速发展向高质量发展回归，而且随着安全环保、油品质量升级等政策的实施，国内成品油市场增速呈现从高速增长区间到中低速增长区间的回落。
按照国家发改委口径，2010-2019年，我国成品油（汽柴煤）表观消费量总体逐年上升，从2010年的2.4515亿吨增长至2019年的3.2961亿吨，涨幅达34.452%，年均增长率3.828%。
分品种而言，2019年国内成品油市场维持了“汽油趋稳、柴油趋冷、煤油趋增”的特点。
根据发改委的数据，2020年一季度成品油消费量6439万吨，同比下降12.9%。
国际货币基金组织最新预测，2020年全球经济将萎缩4.9%。
全球经济增长大幅放缓、商业活动减少，将持续压抑石油需求，需求短期内恢复去年水平的可能性很小。
二、成品油需求变化分析（一）汽油消费增速趋于下降。
我国汽油需求的增长受居民消费升级带来的需求持续拉动。
2017年，我国全民汽车保有量达到了2.17亿量，同比增长11.8%。
虽然短期内新能源汽车数量的增长和其他替代能源对汽油消费的影响有限，但中长期来看，我国汽油消费的替代效应将越来越明显，汽油消费增速将进一步趋缓。
历年来能源总量的走势叶灵咪11计算计科科学与技术（2）班摘要：本文通过一元线性回归模型分析历年来能源消耗的走势情况关键词：能源消耗，年份，一元线性回归1.引言：随着能源危机的出现，能源消耗问题成为了一个世界性的热点问题。
本文主要分析影响能源消耗量的年份与能源消耗总量之间的相关关系。
现将1978年以来能源消耗的情况列于下表，以供参考。
2.一元线性回归模型假设年份和能源消耗总量存在统计关系，为此构建一元线性回归模型，对他们的关系进行分析，另能源消耗总量位Y作为模型中的响应量，年份为X作为模型中的解释变量，回归模型如下：Y i = a + bX i + εi其中Xi表示自变量X第i年试验下的观测值；A与b均为参数，称为回归系数；Yi表示因变量Y第i年试验下的观测值；为i此试验的随机误差项，满足Gauss-Markov假设，及均值为0，互不相关且方差相等3. 最小乘法估计回归系数对于给定直线Y=aX+b，考虑第i年观测值（Xi,Yi）,当年份Xi时，能源消耗总量Yi，如果用直线进行预测，预测能源消耗总量为aXi+b,偏差为di=Yi-a-bXi.作为预测或者说拟和实际数据用的回归直线，我们希望对每个实际观测数据的偏差尽可能的小，为此，引入偏差平方和来度量回归直线对所有样本数据的好坏于是，所谓的而回归直线，就是偏差平方和的最小的直线，因此找回归直线等价于——找一对（a,b），其中a,b分别表示回归直线的截距和斜率，使其对应的偏差平方和最小，即通过求驻点的方式求Q（a,b）的最小值，令Q（a，b）的偏导数为0，得方程解得方程组得到回归直线方程截距与斜率其中4.试验结果及讨论年份与能源消耗总量的散点图即相关直线回归统计Multiple R 0.912844R Square 0.833283Adjusted 0.825705标准误差3.635001观测值24 方差分析df SS MS F Significance F回归分析 1 1452.9341452.934109.9605 5.05E-10残差22 290.691113.21323总计23 1743.625Coefficients 标准误差t Stat P-value Lower95%Upper95%下限95.0%Intercept 1980.89 1.759992 1125.51 7.29E-54 1977.24 1984.54 1977.24 1X Variable1 0.000101 9.64E-06 10.48621 5.05E-108.11E-05 0.0001218.11E-05 0.该图是从1978，1980,1985,1990-2010年间能源消耗总量的趋势图，其中不同时期因为不同的社会形势及社会的经济情况，每个年份能源消耗总量是不一样的，其中有主管能源价格因素的增加，但是客观因素是因为社会不同时段经济增长快慢不是很定不变的。
我国石油消耗量与相关因素的分析摘要：一国石油消费总量与社会经济发展有着密切的关系，通过建立计量经济模型寻求石油消费总量与社会经济有关指标的函数关系，可以对宏观调控起到更好的指导作用。
本文利用中国统计年鉴上的数据，建立石油消费量计量经济学模型方法和进行各项检验的详细过程。
关键字：石油消耗量民用汽车拥有量城镇居民可支配收入经济计量模型1文献综述2石油消耗量相关影响因素的分析2.1理论假说及相关因素的选取2.2数据的收集和整理根据上述分析，我们选取1989年—2005年我国石油消耗量（Y）、民用汽车拥有量（X1）、国内总产值（X2）、工业总产值（X3）、城镇居民可支配收入（X4）的数据作为实证，进行分析表一我国1983—2005年相关指标数据统计表年份石油消耗量（万t标准煤）民用汽车拥有量（万辆）国内总产值（亿元）工业总产值（亿元）城镇居民人均可支配收入（元）1989 16575.71 511.32 15677 21880 1373 1990 16384.7 551.36 18667.82 23851 1510 1991 17746.89 606.11 21781.5 28225 1700 1992 19104.75 691.74 26923.48 37066 2026 1993 21110.73 817.58 34634 52692 2577.4 1994 21356.24 941.95 46759.4 76909 3496.2 1995 22955.8 1040 58478.1 91893 4283 1996 25010.64 1100.08 67884.6 99595.6 4836.9 1997 28110.79 1219.09 74462 113732.7 5160.3 1998 28426.01 1319.3 78345 119048 5254.1 1999 30205.65 1452.94 82067 126110 5854 2000 32158.05 1608.91 89442 85673.7 6280 2001 32749.66 1802.04 97315 95449 6859 2002 35535.74 2053.17 105172 110776 7702 2003 38865.35 2382.93 117251 142231 8472 2004 45380.52 2693.71 159878.34 201722.19 9420 2005 46896.99 3159.66 183868 251619.5 10493 资料来源：中国统计年鉴（1989—2005）3模型的回归根据前面的分析，我们可以设回归模型为Y t=B0+B1X1t+B2X2t+B3X3t+B4X4t+εt (εt为随机误差项)用OLS法估计模型，下面给出Eviews输出结果Dependent Variable: YMethod: Least SquaresDate: 12/10/12 Time: 13:38Sample: 1989 2005Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 12091.91 855.5881 14.13287 0.0000X1 3.446906 2.475808 1.392235 0.1891X2 0.109649 0.066604 1.646281 0.1256X3 -0.019757 0.019402 -1.018320 0.3286X4 0.955543 0.600066 1.592397 0.1373R-squared 0.991269 Mean dependent var 28151.42Adjusted R-squared 0.988359 S.D. dependent var 9533.502S.E. of regression 1028.613 Akaike info criterion 16.94974Sum squared resid 12696533 Schwarz criterion 17.19480Log likelihood -139.0728 F-statistic 340.6062Durbin-Watson stat 1.683234 Prob(F-statistic) 0.000000得到估计模型为Y t = 12091.91475 + 3.446905674X1t+ 0.1096489408X2t - 0.0197572507X3t + 0.9555433156X4t+εt（14.13*）（1.3922）（1.6463）（-1.0183）（1.592397）【*号表示通过5%的t检验】R2=0.991269 F=340.6062 DW=1.683234由于R2较大（接近1），而且F值>>F0.05(4,12)=5.41故认为石油消耗量与上述解释变量间总体线性关系显著，但是，由于所有解释变量的系数都未能通过t检验，故认为解释变量间存在多重共线性。
____年国内成品油市场影响因素总结____年国内成品油市场的影响因素包括宏观经济因素、能源政策因素、环境因素、技术发展因素、国际原油市场因素等。
以下是对这些因素的分析和总结：一、宏观经济因素1. 经济增长水平：国内经济增长水平直接影响成品油市场的消费需求。
如果经济保持较高速度增长，人们的汽车购买能力和用车需求都会增加，从而推动成品油市场需求增长。
2. 人口增长和城镇化：随着人口持续增长和城镇化进程的推进，人们对汽车和成品油的需求也会增加。
特别是在一、二线城市以及经济发展较快的地区，汽车保有量和成品油需求增长较快。
3. 收入水平和消费能力：随着居民收入水平的提高，人们的消费能力也相应提高，从而带动汽车购买和成品油消费需求的增加。
二、能源政策因素1. 成品油价格政策：成品油价格是影响国内市场供需关系的重要因素。
如果政府适度提高成品油价格，既能有效控制成品油过度消费，又能推动节能减排和石油产业发展。
2. 新能源车推广政策：随着新能源汽车技术的发展和成熟，政府对新能源汽车的政策支持力度将会增加，并鼓励消费者购买和使用新能源汽车，从而对传统燃油汽车的需求产生一定冲击。
三、环境因素1. 环保意识增强：随着人们环保意识的提高，对高污染的燃料产生的需求将逐渐减少，这将催生绿色能源的发展，成品油市场需求可能会受到一定程度的影响。
2. 环保政策加强：政府加大环保政策力度，通过限制高污染排放的车辆上路以及加大尾气排放治理力度，对传统燃油车的限制可能会进一步加强，从而影响成品油市场需求。
四、技术发展因素1. 汽车技术进步：汽车制造商不断推出高效节能的汽车产品，例如油电混合动力、纯电动汽车等，这些新技术的应用也将影响成品油需求。
2. 炼油技术进步：随着炼油技术的不断创新，炼油设备的效率提高，石油资源的利用效率也将提高，从而影响成品油市场供应和价格。
五、国际原油市场因素1. 国际原油价格：国际原油市场价格的波动对国内成品油市场价格和供应有重要影响。
我国汽油消费总量影响因素回归分析一、问题设计改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的对汽油的消费量越来越大。
为了研究中国汽油消费量增长的主要因素，分析汽油消耗量的变动规律，预测中国汽油消费增长趋势，需要建立计量经济学模型。
二、理论基础影响汽油消费量增长的因素很多，本文主要针对1996—2012年间，我国汽油消费支出的变化及其影响因素进行分析，通过收集我国经济活动人口总量、人均国民收入、居民消费价格指数、我国石油消耗总量的数据，建立统计模型。
相关概念解析1居民消费价格指数：消费者物价指数(Consumer Price Index)，英文缩写为CPI，是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
2 经济活动人口总数：指在一定年龄以上，有劳动能力，参加或要求参加社会经济活动的人口。
包括就业人员和失业人员。
就业人员指16岁及以上以上，有劳动能力，从事一定社会劳动并取得劳动报酬或经营收入的人员，一般对石油的消费主要还是依靠经济活动人口数, 而不是总人口数。
3 人均国民收入：人均国民收入是一国在一定时期内（通常为一年）按人口平均的国民收入占有量，反映国民收入总量与人口数量的对比关系。
三、数理经济学方程Y = C(1) + C(2)*XY i=β0+β2X2+β3X3+β4X4四、计量经济学方程设定线性回归模型为：Y i=β0+β1X1β2X2+β3X3+β4X4+μ五、数据收集从《国家统计局》获取以下数据：全国城镇居民1996—2011汽油消费量、经济活动人口总量、人均国民收入、居民消费价格指数、石油消耗总量的数据.Obs 年份汽油消费总量经济活动人口人均国民收入消费价格指数石油总消耗量1 2012 7495.95 78894 38459.41 102.6 20747.82 2011 6886.21 78579 35197.79 105.4 20287.553 2010 6172.69 78388 30015.05 103.3 20241.44 2009 6145.52 77510 25607.53 99.3 18948.965 2008 5519.09 77046 23707.71 105.9 19043.066 2007 5242.55 76531 20169.46 104.8 18631.827 2006 4854.91 76315 16499.7 101.5 18476.578 2005 4695.72 76120 14185.36 101.8 18135.299 2004 4072.02 75290 12335.58 103.9 17587.3310 2003 3749.32 74911 10541.97 101.3 16959.9811 2002 3597.57 74492 9398.05 99.2 16700.0012 2001 3504.56 73884 8621.71 100.7 16395.8713 2000 3478.32 73992 7857.68 100.4 16300.3314 1999 3366.56 72791 7158.5 98.6 1610002215 1998 3100.38 72087 6796.03 99.2 16000.5616 1997 2987.97 70800 6420.18 102.8 15809.2417 1996 2765.56 69765 5845.89 108.3 15300.78六、使用最小二乘法（OLS）估计回归模型（1）分析对象为上表1996-2012的时间序列数据。
其中被解释变量Y为汽油消费量，引进四个解释变量分别为X1经济活动总人口数、X2人均国民收入、X3消费价格指数、X4石油消耗总量。
（2）Sas数据显示Obs year y x1 x2 x3 x42 2011 6886.21 78579 35197.79 105.4 20287.553 2010 6172.69 78388 30015.05 103.3 20241.404 2009 6145.52 77510 25607.53 99.3 18948.965 2008 5519.09 77046 23707.71 105.9 19043.066 2007 5242.55 76531 20169.46 104.8 18631.827 2006 4854.91 76315 16499.70 101.5 18476.578 2005 4695.72 76120 14185.36 101.8 18135.299 2004 4072.02 75290 12335.58 103.9 17587.3310 2003 3749.32 74911 10541.97 101.3 16959.9811 2002 3597.57 74492 9398.05 99.2 16700.0012 2001 3504.56 73884 8621.71 100.7 16395.8713 2000 3478.32 73992 7857.68 100.4 16300.3314 1999 3366.56 72791 7158.50 98.6 16100.2215 1998 3100.38 72087 6796.03 99.2 16040.5616 1997 2987.97 70800 6420.18 102.8 15890.2417 1996 2765.56 69765 5845.89 108.3 15300.78（3）汽油消费量、经济活动人口总量、人均国民收入、居民消费价格指数、我国石油消耗总量分别作散点图。
Y遇X1的散点关系图Y与X2散点关系图Y与X3散点关系图Y与X4散点关系图综上所述，我们认为人均消费支出、人均可支配收入与居民消费价格指数之间存在线性关系，并建立多元回归模型：Y=β+β1X1+β2X2+β3X3+β4X4+μt其中Y——汽油消费量；β1、β2、β3、β4——回归方程的待定系数；X1——经济活动人口总量；X2——人均国民收入；X3——居民消费价格指数;X4——石油消耗总量;μt——随机误差项。
（4）影响汽油消费量的因素分析利用Sas输出结果如下:方差分析源自由度平方均方 F 值Pr > F和模型 4 24568045 6142011 222.80 <.0001 误差11 303241 27567校正合计15 24871287均方根误差166.03423 R 方0.9878因变量均值4383.68437 调整 R 方0.9834变异系数 3.78755参数估计值变量自由度参数估计值标准误差t 值Pr > |t|Intercept 1 -3902.13091 4787.31217 -0.82 0.4323 x1 1 0.08318 0.07299 1.14 0.2786 x2 1 0.09685 0.01993 4.86 0.0005 x3 1 -16.05813 20.47531 -0.78 0.4494 x4 1 0.12767 0.19078 0.67 0.5172根据上面模型，R2=0.0.9879，可决系数高，拟合度较好。
且在0.05的显著水平下通过了F检验，由此可以得出该回归曲线具有很好的拟合程度。
1、拟合优度：R2=0.9870，修正的可决系数为R2=0.9849这说明模型对样本拟合的很好。
2、F检验：针对H0: β1 =β2=β3=β4=0,给定的显著性水平α=0.05，在F分布表中查出自由度为K-1=3和n-k=13的临界值Fα（3，16）=8.53.由Sas得到F=222.80>8.53,应拒绝原假设H0,说明回归方程显著有显著影响。
得回归曲线：Y=-3902.13091+0.08318X1+0.09685X2+-16.05813X3+0.12767X4（5）参数检验1、T检验针对H0: β0=0给定的显著性水平α=0.05,在t分布表中查出自由度为16的临界值为2.105由Sas得到|t|=0.82<2.105,应接受原假设H0,说明回归方程显著有显著影响。
同理β1接受原假设β2接受原假设β3拒接原假设β4接受原假设。
由于解释变量并没有全部通过T检验。
需要对解释变量之间的共线性检验2、多重共线性检验参数估计值变量自由度参数估计值标准误差t 值Pr > |t|方差膨胀Intercept 1 -3902.13091 4787.31217 -0.82 0.4323 0 x1 1 0.08318 0.07299 1.14 0.2786 19.51373 x2 1 0.09685 0.01993 4.86 0.0005 18.54420 x3 1 -16.05813 20.47531 -0.78 0.4494 1.80349 x4 1 0.12767 0.19078 0.67 0.5172 49.52656 由图表可得方差膨胀系数存在大于10的项因此解释变量之间存在共线性。
共线性修正（逐步回归法）方差分析源自由度平方和均方 F 值Pr > F模型 2 24546851 12273426 491.79 <.0001 误差13 324435 24957校正合计15 24871287变量参数估计值标准误差II 型 SS F 值Pr > FIntercept -7324.85947 2389.99156 234418 9.39 0.0090 x1 0.13558 0.03355 407426 16.33 0.0014 x2 0.10338 0.00940 3020430 121.03 <.0001条件数字的边界: 4.5559, 18.224留在模型中的所有变量的显著性水平都为 0.1000。
没有其他变量满足 0.1000 显著性水平，无法输入该模型。
“逐步选择”的汇总步变量已输入变量已删除数字Vars In偏R 方模型R 方C(p) F 值Pr > F1 x2 1 0.9706 0.9706 14.5481 461.77 <.00012 x1 2 0.0164 0.9870 1.7688 16.33 0.0014REG 过程模型: MODEL1因变量: y方差分析源自由度平方和均方 F 值Pr > F模型 2 24546851 12273426 491.79 <.0001误差13 324435 24957 校正合计15 24871287均方根误差157.97642 R 方0.9870因变量均值4383.68437 调整 R 方0.9849 变异系数 3.60374参数估计值变量自由度参数估计值标准误差t 值Pr > |t|方差膨胀Intercept 1 -7324.85947 2389.99156 -3.06 0.0090 0 x1 1 0.13558 0.03355 4.04 0.0014 4.55588 x2 1 0.10338 0.00940 11.00 <.0001 4.55588共线性诊断数字特征值条件指数偏差比例Intercept x1 x21 2.82235 1.00000 0.00003316 0.00003025 0.006362 0.17752 3.98737 0.00028234 0.00017960 0.223363 0.00012940 147.68808 0.99968 0.99979 0.77028由上表可以得出方差膨胀系数小于10，切t值在0.05的显著水平下都通过了显著性检验，且方差膨胀系数都小于10，从而此时消除了共线性。
