搜索
石油需求量对石油价格的影响Xxxx2016/6/23xxxxx1石油需求量对石油价格的影响一．引言国际油价自2007年特别是2008年以后急剧攀升，2008年7月11日曾一度达到每桶147美元的历史空前高价。高企的油价一度给世界各国，尤其是给发达国家和以中国和印度为代表的新兴市场经济国家带来巨大的通货膨胀压力。然而，自2008年8月以来，随着世界性金融危机的加剧，对石油需求的预期减少，原油价格的大幅度回落，从最高点的147美元一路下跌至33美元每桶。作为新兴市场经济国家，中国的经济日益与国际经济接轨，油价的剧烈波动对我国的经济运行造成巨大冲击。因此，研究石油价格波动的原因，分析影响和决定石油价格的主要因素，并且有针对性地从微观和宏观两个层面，为我国应对国际石油价格波动提出有效政策建议和方案尤为重要。本文根据供给需求理论，国际石油价格受石油需求量的影响，研究石油需求量对石油价格的影响程度可以有效预测国际石油价格的走势，为生产生活提供指导，节约成本，具有重要意义。二．变量解释本文主要用到四个变量，解释变量price为国际石油价格，解释变量production为石油产量，support为石油供给量，demand为石油需求量，时间为1970-1999年，其中数据来源于国际能源署。三．运用Stata分析步骤1.变量的描述性统计2.散点图demand3031.354933.42450923.40437.3995VariableObsMeanStd.Dev.MinMax.sumdemandsupport3031.688373.16064424.49337.5755VariableObsMeanStd.Dev.MinMax.sumsupportproduction3028.943572.46332822.94333.48VariableObsMeanStd.Dev.MinMax.sumproductionprice3091.7531.212935.7137.8VariableObsMeanStd.Dev.MinMax.sumpricexxxxx2输入命令twoway(scatterpricedemand)(lfitpricedemand)，画出石油需求量与石油价格之间的散点图和拟合直线图。由以上散点图可以看出，石油需求量与石油价格存在线性关系，且为正相关，该图表示，石油价格随着石油需求量的增加而提高。3.线性回归OLS回归后可得知，production的系数为-5.731621，support的系数为-14.85625，demand的系数为23.50578，在显著性水平为95的条件下，_cons-8.60829552.06881-0.170.870-115.637398.42068demand23.505785.7905944.060.00011.6030535.40852support-14.8562511.02604-1.350.189-37.520617.808105production-5.7316218.818496-0.650.521-23.858312.39506priceCoef.Std.Err.tP|t|[95%Conf.Interval]Total28253.115129974.245347RootMSE=19.427AdjR-squared=0.6126Residual9812.3494826377.398057R-squared=0.6527Model18440.765636146.92186ProbF=0.0000F(3,26)=16.29SourceSSdfMSNumberofobs=30.regpriceproductionsupportdemandxxxxx3production和support的P值均大于0.05，说明这两个变量不显著，demand的P值小于0.05，是显著的。根据F检验通过，说明整个方程是显著的。根据R2和调整的R2均较接近于1，说明解释能力较强。结论：解释变量demand对被解释变量price有影响。4.异方差检验（1）作图法由图可知，可能存在异方差。（2）定量法Total16.66130.2152Kurtosis0.1210.7335Skewness2.7630.4293Heteroskedasticity13.7890.1303Sourcechi2dfpCameron&Trivedi'sdecompositionofIM-testProbchi2=0.1303chi2(9)=13.78againstHa:unrestrictedheteroskedasticityWhite'stestforHo:homoskedasticity.imtest,whitexxxxx4由检验结果，p值大于0.05可知，该数据存在异方差。5.异方差的处理predicte,rpredictyhat,xb7067_cons9.1489654.3889942.080.047.127258418.12905demand.7595972.48810181.560.132-.24371061.769443support-2.075373.9294094-2.230.034-3.985801-.1642451production1.294513.74333041.740.093-.23342412.82val]e2Coef.Std.Err.tP|t|[95%Conf.Inter6375Total102.298458293.52753304RootMSE=1.2398AdjR-squared=0.3185Residual69.7184528262.68147895R-squared=0.0173Model32.5800054310.8600018ProbF=0.4.05F(3,26)=30SourceSSdfMSNumberofobs=.rege2productionsupportdemand.gene2=ln(e^2)2319_cons-36.9633331.78967-1.160.289-114.749940.81957demand-27.849848.793894-3.170.019-49.36772-6.339208support254.798813.1275919.410.000222.6767286.9407production-239.37115.897395-40.590.000-253.8015-224.val]priceCoef.Std.Err.tP|t|[95%Conf.Inter3123Total617.607386968.6230429RootMSE=.00000AdjR-squared=1.0000Residual.0058502366.000975039R-squared=1.0000Model617.6015363205.867179ProbF=0..F(3,6)=10SourceSSdfMSNumberofobs=(sumofwgtis1.1118e+37).regpriceproductionsupportdemand[aweight=h].genh=exp(yhat)xxxxx56.异方差处理后的检验P值小于0.05，显然经过异方差处理后，已经不存在异方差，说明处理后的异方差得到了减弱。7.序列相关（1）作图法有时间序列图可以看出，变量的变动较为平稳，可以判段存在序列相关的可能性比较小。Probchi2=0.0000chi2(3)=169496.12Variables:productionsupportdemandHo:ConstantvarianceBreusch-Pagan/Cook-Weisbergtestforheteroskedasticity.estathettestproductionsupportdemand1970year1999-++---------------------------------------------------------------.009982+*********t|**********c|*i|**d|****e|r|*p||e|*h|*t||f|o||.|E|.|S|*22.9257+.ploterroryear.predicterror,stdpdelta:1unittimevariable:year,1970to1999.tssetyearxxxxx6（2）定量法可知，不存在序列相关。8.序列相关的处理H0:noserialcorrelation117.05410.0000lags(p)chi2dfProbchi2Durbin'salternativetestforautocorrelation.estatdurbinalt.9158_cons-8.60829548.06541-0.180.859-107.408290.15411demand23.505786.6884613.510.0029.75745437.22675support-14.8562512.59189-1.180.249-40.7392611.02428production-5.7316219.270558-0.620.542-24.7875313.3val]priceCoef.Std.Err.tP|t|[95%Conf.InterRobust.427RootMSE=196527R-squared=0.0000ProbF=0.1.70F(3,26)=230LinearregressionNumberofobs=.regpriceproductionsupportdemand,robust4077_cons-8.60829555.46796-0.160.878-122.6243105..383demand23.505787.2376583.250.0038.628563389468support-14.8562514.27902-1.040.308-44.2071914.40376production-5.73162110.59057-0.540.593-27.5008416.val]priceCoef.Std.Err.tP|t|[95%Conf.InterNewey-West0000ProbF=0.2.88maximumlag:1F(3,26)=230RegressionwithNewey-WeststandarderrorsNumberofobs=.neweypriceproductionsupportdemand,lag(1)xxxxx79.处理后的序列相关检验由分析结果可知，序列相关得到了减弱。10.设置虚拟变量.gend=(year1980)H0:noserialcorrelation112.16610.0005lags(p)chi2dfProbchi2Breusch-GodfreyLMtestforautocorrelation.bgodfrey,lag(1)2447_cons87.9617875.668191.160.263-73.32115249.demand(omitted)0606demand10.025712.89280.780.449-17.4546637.55543support-13.5077116.73187-0.810.432-49.1708522.11488production4.61351711.354410.410.690-19.5878428.8val]priceCoef.Std.Err.tP|t|[95%Conf.Inter.273Total2811.3770818156.187616RootMSE=131280AdjR-squared=-0