搜索
计量经济学实验基于EViews的中国能源消费影响因素分析学院：班级：学号：姓名：基于EViews的中国能源消费影响因素分析一、背景资料能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。在20世纪的最后二十年里，中国国内生产总值（GDP）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为0.5左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。二、影响因素设定根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。三、数据选取1．能源需求总量，在模型中用y表示，是指一次性能源消费总量,由煤炭,石油,天然气和水电4项组成(单位：万吨标准煤)。2．能源需求的影响因素：(1)能源价格，用能源产品出厂价格指数来衡量，在模型中用X1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。(2)剔除物价的工业总产值（亿元），在模型中用X2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数。(3)剔除物价的城镇居民家庭人均可支配收入（元），用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。(4)科学研究与综合技术服务业人员数（万人），用X4表示，直接由各年度统计年鉴查得。(5)能源生产总量（万吨标准煤），用X5表示，直接由各年度统计年鉴查得。(6)其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的经济结构政策、消费者偏好等。表1：年份能源消费总量(万吨标准煤)能源产品出厂价格指数剔除物价的工业总产值（亿元）剔除物价的城镇居民家庭人均可支配收入（元）科学研究与综合技术服务业人员数（万人）能源生产总量（万吨标准煤）1981571441004237343.49262770198258588109.62194302.66538710064562198360275104.94364334.283477.610563735198459447101.71324353.542491.911163227198562067101.42624346.255526.611866778198666040102.82964345.15456412171270198770904104.74894405.188651.212577855198876682114.60784628.638739.11318554619898085098.85824774.049899.613788124199086632103.08925004.9851002.214291266199192997109.34835466.2791181.414495801199296934111.10086086.6411375.7147101639199398703106.44666135.3581510.21521039221994103783114.4875947.6771700.61561048441995109170115.58246198.0462026.61591072561996115993146.03986811.242577.41661110591997122737128.38827951.1493496.21741187291998131176113.01998654.91542831781290341999138948111.93628044.7894838.91761326162000137798108.27368122.7115160.3179132410200113221496.47597673.5595425.1168124250200213011998.83047283.83458541651091262003130297110.0954232.96962801641090002004134914104.45484115.1236859.61541209002005148000107.29324040.5427703151139000四、模型设定Yt=β0+β1X1t+β2X2t+β3X2t+β4X4t+β5X5t+UtYt------能源需求总量(万吨煤)X1t-----能源产品价格指数X2t-----剔除物价的工业总产值（亿元）X3t----剔除物价的城镇居民家庭人均可支配收入（元）X4t----科学研究与综合技术服务业人员数（万人）X5t-----能源生产总量（万吨标准煤）Ut------随机扰动项β1、β2、β3、β4、β5-----待估参数五、模型检验假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数得如下结果：表2：DependentVariable:YMethod:LeastSquaresDate:12/20/10Time:16:19Sample:19812005Includedobservations:25VariableCoefficientStd.Errort-StatisticProb.C-9312.5035126.452-1.8165590.0851X1102.283652.304831.9555290.0654X2-1.8407870.497535-3.6998150.0015X327.045732.21348312.218630.0000X4181.106560.696162.9838220.0076X50.5801780.0664378.7327720.0000R-squared0.995733Meandependentvar100096.5AdjustedR-squared0.994610S.D.dependentvar30643.48S.E.ofregression2249.721Akaikeinfocriterion18.48056SumsquaredresidSchwarzcriterion18.77309Loglikelihood-225.0070F-statistic886.7535Durbin-Watsonstat1.617818Prob(F-statistic)0.000000回归方程为：Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5（5126.452）（52.30483）（0.497535）（2.213483）（60.69616）（0.066437）t=（-1.816559）（1.955529）（-3.699815）（12.21863）（2.983822）（8.732772）R2=0.995733F=886.7535一、经济意义检验由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。二、统计意义检验从估计的结果可知，可决系数R2=0.995733,F=886.7535，表明模型在整体上拟合地比较理想。系数显着性检验：给定α=0.05，X2、X3、X4、X5的t的P值小于给定的显着性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显着性影响；仅有X1的t的P值大于给定的显着性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显着。三、计量经济学检验1、多重共线性检验由表2可看出,模型整体上线性回归拟合较好，R2与F值较显着，而解释变量X1的t检验不显着,并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得到如下结果，也可以看出解释变量之间存在多重共线性。表3：X1X2X3X4X5X11X21X31X41X51用逐步回归法修正模型的多重共线。1.运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量Y对能源生产总量X5的线性关系强,拟合程度好。表4:DependentVariable:YMethod:LeastSquaresDate:12/20/10Time:16:40Sample:19812005Includedobservations:25VariableCoefficientStd.Errort-StatisticProb.C-21020.325617.857-3.7416970.0011X51.2235410.05515622.183080.0000R-squared0.955348Meandependentvar100096.5AdjustedR-squared0.953406S.D.dependentvar30643.48S.E.ofregression6614.583Akaikeinfocriterion20.50856Sumsquaredresid1.01E+09Schwarzcriterion20.60607Loglikelihood-254.3570F-statistic492.0891Durbin-Watsonstat0.582287Prob(F-statistic)0.000000由表4得：（5617.857）（0.055156）t=（-3.741697）（22.18308）R2=0.955348F=492.08912.逐步回归。将其余解释变量逐一代入上式，得到如下几个模型（结果表如下）（3802.412）（2.759851）（0.059774）t=（1.427156）（9.412475）（11.93105）R2=0.991118F=1227.394表5:DependentVariable:YMethod:LeastSquaresDate:12/20/10Time:16:43Sample:19812005Includedobservations:25VariableCoefficientStd.Errort-StatisticProb.C5426.6343802.4121.4271560.1676X325.977032.7598519.4124750.0000X50.7131620.05977411.931050.0000R-squared0.991118Meandependen