我国能源消费影响因素计量分析

我国能源消费影响因素计量分析1.引言1.1研究背景能源是经济增长的战略投入要素，在经济增长初期，能源的投入能够带动经济快速增长。18世纪第一次工业革命，煤炭的燃烧推动蒸汽机的普及，进而带动了生产率的提高，实现了工业化的起步。随着工业化进程的深入，石油的大量使用成为经济持续增长的推动力量。可见，经济增长和能源投入之间形成了一定的互动关系，能源是经济增长的动力源泉，经济增长又拉动能源消费。1.2研究目的我国国民经济在向工业化和现代化发展的进程中，较长时间处于能源消费需求迅速增长而供给不组的紧缺状态，20世纪末的“九五”期间发生了显著变化，能源生产和消费总量均呈下降的趋势，出现了难得的能源供需基本基本平衡状况，但同时也出现了新的问题，即煤炭供过于求与石油的供不应求的结构性矛盾突出。本文拟从我国的能源消费和生产入手，分析影响我国能源消费与生产的主要因素，探讨我国能源消费的趋势。1.3研究的相关理论支持及研究状况刘凤朝等于2007年9月发表了“中国经济增长和能源消费的动态特征”一文。文章运用基于向量自回归模型的广义预测误差方差分解和广义脉冲响应分析方法，在资本，劳动和能源三要素单部门新古典生产函数的框架内，以中国1988—2005年间的能源消费和经济增长数据为样本，考察了二者之件的动态特征。结果显示：在长期，除了资本增长外，经济增长是能源消费的重要增长因素，贡献度为14.92%。能源消费增长的冲击对经济增长有正的影响作用。刘凤朝、孙玉涛于2008年3月在《中国人口.资源与环境》上发表了“技术创新，产业结构调整对能源消费影响的实证分析”。指出，在产业结构调整，减少能源效率的过程中，技术创新是关键因素。在现有的研究基础上引入技术创新要素，建立技术创新，产业结构调整对能源消费影响的分析框架。通过假设建立了技术创新，产业结构调整对能源消费的计量经济模型，运用中国的数据进行了实证分析。研究结果表明，专利授权量增加能够节约能源消费，产业产值增加能够减少能源消费。研究结果认为，产业结构升级，优化和经济增长方式转变，是经济增长和能源消费脱钩的重要途径。再找点能源产出的理论支持而对于产业结构的影响因素，钱纳里和赛尔奎因在《发展型式，1950-1970》一书中，设计了一个国民生产总值的市场占有率模型，在模型中，钱纳里和赛尔奎因以人均国民生产总值和人口数量作为外生变量，用回归方程对样本国家的数据进行计算，得到产业结构演进的“标准结构”,Xi=lnβ0+β1lnY+β2(lnY)2+β3lnN其中Xi是第i产业的粗附加价值的市场占有率，Y是人均国内生产总值，N是样本国家的人口数量。1.4研究方法2.模型的选取和变量的选择由于非线性模型的假设检验都涉及非常复杂的数学计算，所以本文考虑做一个线性模型(对参数线性)，这样各种检验的方法较多，对模型准确程度的分析也更可靠。2.1变量的选取本文设定的我国能源消费的计量经济联立方程，模型共有2个内生变量，4个外生变量。(1)内生变量：QT:能源消费总量，单位：万吨标准煤；IM:产业结构，用工业产值占GDP的比重所表示。(2)外生变量GDP:国内生产总值，单位：万元；QC:能源生产总量，单位：万吨标准煤；RK:人口总数，单位：千人；RJ:人均国内生产总值，为了与人口总数的单位相一致，采用单位：万元/千人。2.2模型的选取对于国内生产总值、我国的能源生产总量以及产业结构这些变量，我们更关心其相对数变化对能源消费总量的影响，而且对数变换后能够减少多重共线性和异方差对模型的影响，所以采用对数模型。对于第二个方程参考钱纳里和赛尔奎因所建立的产业结构演进的“标准结构”以人均国内生产总值和人口的对数作为解释变量对产业结构进行回归。3.数据来源及模型的设定3.1数据来源及处理本文收集了中华人民共和国国家统计局编纂的《中国统计年鉴》中1978-2007共30年的相关数据进行了处理：QT表示能源消耗（万吨标准煤）；GDP表示国内生产总值(万元)；IM表示产业结构(第二产业所占百分比);QC表示能源生产(万吨标准煤)；RK表示人口总数(千人)。年份QTGDPIMQC1978571443645.244.1627701979585884062.643.6645621980602754545.643.9637351981594474891.641.9632231982619375323.440.6667721983707325962.739.9712631984709047208.138.7778471985766829016.038.38554619868085010275.238.68812419878663212058.638.09126619889299715042.838.49580119899693416992.338.210163919909870318667.836.7103922199110378321781.537.1104844199210917026923.538.2107256199311599335333.940.2111059199412273748197.940.4118729199513117660793.741.0129034199613894871176.641.4132616199713779878973.041.7132410199813221484402.340.3124250199913383189677.140.0125935200013855399214.640.41289782001143199109655.239.71374452002151797120332.739.41438102003174990135822.840.51638422004203227159878.340.81873412005224682183217.442.22058762006246270211923.543.12210562007265583249529.943.0235445表1能源消费影响因素原始数据一览表年份IMRKRJ197844.1962590.037869197943.6975420.04165198043.9987050.046052198141.91000720.048881198240.61016540.052368198339.91030080.057886198438.71043570.069072198538.31058510.085176198638.61075070.095577198738.01093000.110326198838.41110260.135489198938.21127040.150769199036.71143330.163276199137.11158230.188059199238.21171710.22978199340.21185170.298134199440.41198500.402152199541.01211210.501925199641.41223890.58156199741.71236260.638806199840.31247610.676512199940.01257860.712934200040.41267430.782801200139.71276270.859185200239.41284530.936784200340.51292271.05104200440.81299881.229947200542.21307561.401216200643.11314481.612223200743.01321291.888532表2产业结构影响因素原始数据一览表3.2模型设定tttttIMQCGDPQTlnlnlnln3210[1]ttttRKRJIMlnln[2]方程[1]反映能源消费的影响因素，它与国内生产总值，我国的能源生产总量已经产业结构有关系；方程[2]反映了影响产业结构的因素，它与人均国内生产总值和我国的人口总数有关系。4.单方程回归的计量分析4.1模型回归结果：应用EVIEWS，采用最小二乘法进行初步回归的结果如下：4.2回归结果的检验(1)经济意义检验：从回归得出的结果来看，lnGDP的系数为0.057461，lnQC的系数为0.959502，lnIM的系数为0.198512，各变量的正负符号与预期的相一致，并且其大小在经济理论上解释得通，因此该模型通过经济意义检验。(2)拟合优度及模型估计效果检验：从上表可以看出可绝系数为0.997627，调整后的可绝系数为0.997353均很高，说明模型的拟合优度极佳。(3)回归系数的显著性检验(t检验)：从回归结果看，此模型中的变量和参数的t值在5％的置信水乎下均统计值显著，即各个解释变量对被解释变量的解释效果都很好；而F检验值也是较高的，这说明方程整体对被解释变量的解释效果也很好。(4)变量的多重共线性检验。LNGDPLNIMLNQCLNGDP10.090521432629072460.869956935097916LNIM0.0905214326290724610.08659179422369957LNQC0.8699569350979160.086591794223699571由于经济变量之间都是相互影响的，难免存在一定的共线性，但是只要共线性不严重，各自变量对因变量的解释程度还是可信的。由于整个模型的残差不存在严重多重共线性，则变量之间一定的相关程度不影响该模型的解释能力。由于题目研究需要，保留三个变量。(5)异方差检验(white检验)：时间序列模型也可能存在异方差。我们用white检验来验证该模型是否存在异方差。在建模的过程中，我们选择含交叉项的模型进行检验。建立原假设H0：不存在异方差。由)(22nTR，接收H0，模型不存在异方差。数值(6)自相关检验：DW=1.55不能确定是否存在异方差。采用其他方法对序列相关进行检验。由Q检验图可看出，不存在序列相关。LM检验)(22nTR，接收H0，由LM检验进一步验证了不存在序列相关性。Ar(1)不显著，说明不存在序列相关。（7）计量结果的经济意义分析：由上述回归模型各变量系数的经济意义来看，lnQC的t检验值最显著为20.95125，这说明能源消费总量对能源产出总量的影响最大，这从直观上也是容易理解的，消费需求的增加必然要求产出上的提高。而lnGDP的t检验值位居第二，其数值为4.535650，说明国内生产总值对能源产出总量也有一定的影响，但其影响系数远低于能源消费总量。最后，产业结构lnIM的t值为2.321285，为三个主要解释变量中对能源产出总量影响最小的。5.联立方程5.1IM单方程分析采用最小二乘法进行初步回归的结果如下：由上表可以看出无论是常数项还是两个解释变量其t值均是显著的（P值很小），说明它们能够很好地对被解释变量分别进行解释。而F检验值也较大，说明方程整体对被解释变量的解释效果也较好。（1）进行异方差性的检验：不存在异方差性。数值（2）下面进行序列相关性的检验与修正：进行序列相关性的检验：由上表可以看出模型是存在序列相关性的，我们选择对残差建立AR(1)模型，从而消除序列相关性：对AR(1)模型用最小二乘法进行回归得到结果如下：再次对模型进行序列相关性的检验：由上表可以看出序列相关性得到了消除。5.2联立方程（1）模型基本内容：tttttIMQCGDPQTlnlnlnln3210ttttRKRJIMlnln（2）模型的识别（3）模型的估计采用两阶段最小二乘法联立方程如下：im=c(1)+c(3)*log(rj)+c(4)*log(rk)log(qt)=c(5)+c(6)*log(gdp)+c(7)*log(qc)+c(8)*log(im)instlog(rj)log(rk)log(gdp)log(qc)log(im)EstimationCommand:TSLS(DERIV=AA)EstimatedEquations