Giáo trình Phương pháp phân tích phổ nguyên tử - Phạm Luận - Trường Đại Học Quốc Tế Hồng Bàng

<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>

FOREIGN TRADE UNIVERSITY

INTERNATIONAL ECONOMICS FACULTY
…………..o0o…………..

ECONOMETRICS FINAL EXAM

TOPIC: FACTORS AFFECTING QUANTITY OF NEW CARS SOLD
FOREIGN TRADE UNIVERSITY STUDENTS

Class : K57 JIB

Lecturer : Ms. Tu Thuy Anh
Ms. Chu Mai Phuong
Group  : 16

</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>

HaNoi – 10/2019
Introduction

The market of car in US remains fiercely competitive from the beginning in 
the late 1890s until now. Beginning in the 1970s, a combination of high oil prices 
and increased competition from foreign auto manufacturers severely affected the car 
companies in US. Therefore, it is necessary to investigate the car industry in the 
period of time in 1970s to understand not only the car market but also the market 
operation as a whole. In this research we want to investigate the six variables which 
seem to have impact on the number of car in US from 1975 to 1990. This result can 
contribute to the judgement on the car industry in US. Moreover, it helps to strength 
the theory of the relationship between macroeconomic and microeconomic factors 
and the quality of product sold. 

The research has use the quantitative method and has the following structure:

Part 1: Data description

</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>

TABLE OF CONTENT

The research has shown the relationship between the six economic variables 

and the quantity of car sold in US in the period of 1975 to 1990. From the 

analysis results, it can see that only four variables including prime interest 

rate, income, population and price has relationship with number of new cars 

sold. The unemployment and number of cars on the road do not hold effect. 

The income has the most impact on the number of car sold in a positive way. 

Together with the price, income variable has the positive relationship with the 

dependent variable. In contrast, the  prime interest rate and the population has 

a negative relationship with the number of car sold. ...29

However, when applying the result into reality, we found that population 

variable does has impact on the number of new cars sold but the scale impact 

did not as much as the result numbers told. This could come from the 

</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4>

I. Abstract

This   research   investigates   the   relationship   between   microeconomic, 
macroeconomic variables and number of cars sold in US. The main objective is to 
determine the factors that affecting the number of car sold in US. This research 
covers the time period from 1975 to 1990. The analysis methods that have been 
applied in this study include descriptive statistics, linear regression and correlation 
analysis. The findings show that price, income have positive relationship with the 
number  of   car  sales   in   US,   while   the   prime   interest   rate   and   population   have 
negative relationship with the number of car sales in US. The income has the most 
influence on the quantity of car sold while the population has unreliable effect on it. 
However, the gap in impact on number of cars sold among four factors is not huge. 
The findings were consistent with the previous findings done by other researcher.

</div>
<span class='text_page_counter'>(5)</span><div class='page_container' data-page=5>

II. Literature Review

There are many researches that investigated the relationship between quantity 
of car sold and its determined factors all around the world. Our research focuses on 
the relation between number of car sold in US and   six variables including Price 
index, Prime interest rate, Income, Unemployment rate, Stock, Population. In the 
research process, there are some studies which share the same common with objects 
to our studies’. We present them here below.

In   2010,   Faculty   of   Mechanical   Engineering,   Industrial   Engineering   and 
Computer Sciences in School of Engineering and Natural Sciences University of 
Iceland performed a study called The Effects of Changes in Prices and Income on 
Car and Fuel Demand in Iceland. It examined the elasticities of demand for fuel and 
cars in Iceland will be examined, both with a common classical reversible demand 
model and also with an irreversible model, in order to examine asymmetric effects 
from variables influencing the demands.

It constructed both reversible and reversible models for the demand of new cars 
and   then   used   regression   analysis   on   these   models.   The   econometrics   results 
showed that income has a great impact on the demand for new cars in Iceland. 
Increase in income has much more effect on the purchase of new cars than the size 
of the car fleet, which means that more new cars come into the fleet and more old 
ones go out when income increases. So that the car fleet changes with increasing 
income and consists more of newer and better cars that use less energy and are 
better for the environment. 

In   2012,   Education   University   of   Sultan   Idris   Malaysia   did   a   research   on 
Automobile Sales and Macroeconomic Variables: A Pooled Mean Group Analysis 
for Asean Countries. This paper analysed the impact of economic variables on 

automobile   sales   in   five   ASEAN   countries   involving   Malaysia,   Singapore, 
Thailand, Philippines and Thailand collecting annual  data from 1996 to  2010. The 
long term and short term correlation between these variables are implemented using 

</div>
<span class='text_page_counter'>(6)</span><div class='page_container' data-page=6>

the panel error­correction model. Two methods are implemented specifically the 
Mean Group (MG) and Pooled Mean Group (PMG). These two methods were 
introduced by Pesaran dan Smith (1995) and Pesaran et al. (1999). Result  from the 
test shows that  gross domestic product  (GDP), inflation (CPI), unemployment rate 
(UNEMP)   and   loan   rate   (LR)   have   significant   long   term   correlation   with 
automobile sales in these ASEAN countries. The GDP variable is found to have 
positive relationship with car sales. This proves that national income level is an 
important determinant for the automotive industry. In contrast, spikes of  inflation, 
unemployment  rate and  interest rate are found to  inflict negative  impact on car 
sales. Besides, each country is influenced by different variables in the short term 
period.

In 2013 Joseph Chisasa and Winnie Dlamini from University of South Africa, 
South Africa did a research on An Empirical Analysis Of The Interest Rate­Vehicle 
Purchase Decision Nexus In South Africa. This paper empirically examines the link 
between interest rates and the borrowers’ decision to purchase a passenger vehicle 
in South Africa. 

They used monthly time series data of passenger vehicles purchased, household 
income, fuel prices, prime interest rates and producer price index for manufacturers 
from January 1995 to December 2011. With passenger vehicle unit purchases as the 
dependent variable, they obtained OLS estimates of the passenger vehicle purchase 
function.   Results   show   that   there   is   a   negative,   but   insignificant,   relationship 
between interest rates and passenger vehicle purchases in South Africa. Holding 
other factors constant, a 1% increase in interest rate results in a 0.9% decrease in 
passenger   vehicle   purchases.   Household   income,   fuel   price   and   producer   price 

index are observed to have a positive and insignificant impact on the decision to 
purchase a passenger vehicle.

In 2014, Vaal University of Technology University of KwaZulu did a research 
on The Impact of Inflation on the Automobile Sales in South Africa. This paper 

</div>
<span class='text_page_counter'>(7)</span><div class='page_container' data-page=7>

analysed the relationship between inflation (INF) and Automobile sales in South 
Africa   by   using   the   co­integration   and   causality   tests.   The   analysis   has   been 
conducted   using   monthly   data   over   the   period   1960:1   through   2013:9.   The 
empirical results show that there is a long­run relationship between new vehicle 
sales and inflation over the sample period of 1969 to 2013.

Other    factors   that   have     been   analysed   were   income     level,   interest   rate, 
financial   aggregate   and   unemployment   rate.   These   include   in   the   research   by 
Shahabudin (2009) on domestic and foreign cars sales. In this research, it   was 
discovered  that all  variables could  significantly influence car  sales. However, this 
regression model suffered from heteroscedasticity that   affected the efficiency to 
gauge domestic and foreign car sales. In this research, it  is proven  that all variables 
could significantly influence car sales. However, the  problem of heteroscedasticity 
had impaired the efficiency of the model as a whole.

Dargay (2001) using Family Expenditure Survey from 1970 t0 1995, it was found 
out that the statistics of  vehicle  ownership recorded  a positive  upward trend  with 
income   increase.   However,   there is   a   negative correlation when   there is   an 
income   reduction.   This is associated   with the personal habit   of   individual 
consumers as vehicle is seen as an important necessity in the present context of 
everyday life.

All the researches we mentioned above just focused on  the effect of one or 
some factors of the 6 factors we chose and  none of them described the effect of all 

the 6 factors on the quantity of new cars sold, especially in the US market.

  Considering  that there  is no  specific research  conducted to  analyse the 
relationship  between  these economic variables in the context of US thus far, we 
decided to conduct a study on “Factors affecting quantity of new cars sold in the 
US”. We will examine the effect of 6 factors (Price index, Prime interest rate, 
Income, Unemployment rate, Stock, Population) on quantity of new cars sold with 
the help of regression analysis, and then draw some conclusions through the result. 
Our research will focus on the US market.

</div>
<span class='text_page_counter'>(8)</span><div class='page_container' data-page=8>

III.  Methodology

We carry out this research by using 15 years’ time periods from 1975 till 
1990 as the sample of analysis. Consequently, time series analyses were used in the 
study of car sales in  US and each factor throughout 15 years. To  analyze the 
relationship between dependent variables and independent variables in this study, 
linear regression will be used. 

The   software   that   chosen   for   analyze   and   work   with   these   data   is   the 
software Gretl. The data we use in the research is taken from Gretl as well: It is the 
data 9.7 in Ramathan category in Gretl.

</div>
<span class='text_page_counter'>(9)</span><div class='page_container' data-page=9>

IV.

 Theoretical background

In many countries car is one of the most expensive goods and is considered 
as a luxury good. However, in this research we want to examine the number of cars 
sold in US generally, which means that car is considered as a normal good. The 
theory   we   based   on   is   the   theory   of   principle   of   microeconomics   and 
macroeconomics formulated by N. Gregory Mankiw. The detail application of this 
theory will be presented in order of the relationship between the dependent variable 

and four independent variables in our research.

Price index

A   price   index   (also   known   as   "price   indices"   or   "price   indexes")   is   a 
normalized average (typically a weighted average) of price relatives for a given 
class of goods or services in a given region, during a given interval of time. It is a 
statistic designed to help to compare how these price relatives, taken as a whole, 
differ between time periods or geographical locations.

In the research, we will analyze the effect of consumer price index (CPI) on 
the quantity of goods sold. The CPI is the measure of overall cost of the goods and 
services bought by a typical consumer. It is also a helpful means to measure the 
inflation rate.

Because   the   CPI   indicates   prices   changes—both   up   and   down—for   the 
average consumer, the index is used as a way to adjust income payments for certain 
groups of people. For instance, more than 2 million U.S. workers are covered by 
collective bargaining agreements, which tie wages to the CPI. If the CPI goes up, so 
do   their   wages.   The   CPI  also   affects   many   of   those   on   Social   Security—47.8 

</div>
<span class='text_page_counter'>(10)</span><div class='page_container' data-page=10>

million Social Security beneficiaries receive adjusted increases in income tied to the 
CPI. And when their incomes increase, the demand for goods and services also 
increases, which raises the quantity of goods sold, in our case is quantity of new 
cars sold.

Income

According   to   the   theory   of   market   forces   of   supply   and   demand   in 
microeconomics   of   Mankiw,   income   is   one   of  the   main   factors   that   shifts   the 

demand curve, which contributes to the change in the number of product sold.

When being considered as a normal good, the income and the price goes in 
the same direction, which means an increase in income leads to an increase in 
demand. In the model, the demand curve shifts to the right. As a result, when the 
demand rises, it raises the quantity of car sold. 

Prime interest rate

The prime rate is the interest rate that commercial banks charge their most 
creditworthy corporate customers. ese are the businesses and individuals with the 
highest credit ratings. They received this rate because they are the least likely to 
default. Banks have little risk with these loans The prime interest rate, or prime 
lending rate, is largely determined by the federal funds rate, which is the overnight 
rate that banks use to lend to one another. Prime forms the basis of or starting point 
for most other interest rates—including rates for mortgages, small business loans, or 
personal loans—even though prime might not be specifically cited as a component 
of the rate ultimately charged.

Banks base most interest rates on prime. That includes adjustable­rate loans, 
interest­only mortgages, and credit card rates. Their rates are a little higher than 
prime to cover banks' bigger risk of default. They've got to cover their losses for the 
loans that never get repaid. The riskiest loans are credit cards. That's why those 

</div>

<!--links-->