----对我国能源消耗影响的计量分析
摘要:中国经济稳步快速增长,举世瞩目。但是中国能源发展存在的问题,如总量不足,石油紧缺,环境污染严重,人均占有量少等,已开始阻碍中国经济的发展。本文在分析我国的能源消耗问题上,首先通过定性分析得到了5个自变量,之后,使用将所有确定的变量进行线性回归后,得到了含有5个自变量的初步的模型。对模型进行检验的时候,我们首先从经济意义,统计推断进行检验,删除了方程中与经济意义相悖的变量,再在软件的辅助下进行了计量检验,修正了模型存在的多重共线性,使得模型通过了关于异方差和自相关的检验,最终得到了较满意的模型,得出了我国的能源消耗量与可供消耗的能源量和我国的人口数相关关系较强这一结论。
关键词:能源消耗 线性回归 多重共线性 异方差 自相关 节约
一、选题意义及背景
目前我国能源消耗惊人,形势严峻。根据统计显示,从1990年到2001年,我国石油消耗增长100%,天然气增长92%。2002年,全国一次能源消费量为14.8亿吨标准煤,居世界第二位;2003年上升到16.78亿吨标准煤,增长10.15%,超过GDP增长9.1%的速度。其中原油消费量2.52亿吨,增长12%;原煤15.79亿吨,增长13.6%。国家有关部门预计,到2010年,我国煤炭产量将有2.5亿吨的缺口。到2020年,缺口将达到7亿吨。
以目前的趋势计算,到2020年,我国能源消费总量将超过36亿吨标准煤,“十一五”期末的能源消费总量应在25亿吨标准煤左右。“十五”的经验证明:“十五”初期有关能源需求的预测,低于实际的需求水平,2005年我国消费的能源总量,事实上已经存在透支。
因此研究我国能源的消耗量具有切实意义,这在对于减少能源的消耗,构建节约型社会有着一定的作用。
根据经验表明,我国的能源消耗受到许多因素的影响,这些因素包括:能源的供给量,能源的需求量,还包括我国的人口数量,对外贸易总额,还有原材料的价格以及国内生产总值都会对能源的消耗产生影响。因此在模型中,将引入这些解释变量对我国的能源消耗进行回归分析。
二、模型的建立
2.1 变量的说明及模型的建立
根据以上的分析,我们引入了5个自变量分析影响我国能源的消耗:
:能源消耗总量(单位:万吨标准煤);
:可供消费的能源量(单位:万吨标准煤);
:进出口贸易总额(单位:亿元);
:国内生产总值(单位:亿元);
:我国的年底总人口数;
:主要原材料、燃料、动力购进价格分类指数(上年=100);
:待估计参数,;
根据引入的变量,设定模型为
其中为随机扰动项。
2.2 模型的估计
2.2.1 原始数据
通过数据收集和整理,我们得到了相关变量的数据:
能源消耗总量 | 可供消耗的能源量 | 进出口贸易总额 | 国内生产总值 | 我国的年底总人口数 | 购进价格分类指数 | |
1988 | 92997 | 93235 | 3821.8 | |||
19 | 96934 | 95326 | 4156 | 126.4 | ||
1990 | 98703 | 96138 | 5560.1 | 18547.9 | 114333 | 105.6 |
1991 | 103783 | 100195 | 7225.8 | 21617.8 | 115823 | 109.1 |
1992 | 109170 | 104880 | 9119.6 | 26638.1 | 117171 | 111 |
1993 | 115993 | 111620 | 11271 | 34634.4 | 118517 | 135.1 |
1994 | 122737 | 117967 | 20381.9 | 46759.4 | 119850 | 118.2 |
1995 | 131176 | 129535 | 23499.9 | 58478.1 | 121121 | 115.3 |
1996 | 1348 | 134433 | 24133.8 | 67884.6 | 1223 | 103.9 |
1997 | 137798 | 133724 | 26967.2 | 74462.6 | 123626 | 101.3 |
1998 | 132214 | 128368 | 26849.7 | 78345.2 | 124761 | 95.8 |
1999 | 130119 | 115829 | 296.2 | 82067.5 | 125786 | 96.7 |
2000 | 130297 | 115150 | 39273.2 | 468.1 | 126743 | 105.1 |
2001 | 134914 | 125310 | 42183.6 | 97314.8 | 127627 | 99.8 |
2002 | 148222 | 144319 | 51378.2 | 105172.3 | 128453 | 97.7 |
2003 | 170943 | 168487 | 70483.5 | 117390.2 | 129227 | 104.8 |
2004 | 197000 | 95539.1 | 136875.9 | 129988 | 111.4 |
2.2.2 模型的估计
将收集到的数据导入软件,估计参数,得到输出结果为:
表1:
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 09:26 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.678849 | 0.087375 | 7.769373 | 0.0001 |
X2 | -0.002876 | 0.144687 | -0.019880 | 0.9846 |
X3 | 0.101975 | 0.347771 | 0.293224 | 0.7768 |
X4 | 0.756185 | 1.731376 | 0.436754 | 0.6738 |
X5 | 69.88132 | 96.61921 | 0.723265 | 0.4901 |
C | -61513.01 | 192876.1 | -0.3125 | 0.7580 |
R-squared | 0.991616 | Mean dependent var | 1229.8 | |
Adjusted R-squared | 0.986376 | S.D. dependent var | 18632.92 | |
S.E. of regression | 2174.846 | Akaike info criterion | 18.50483 | |
Sum squared resid | 37839634 | Schwarz criterion | 18.77871 | |
Log likelihood | -123.5338 | F-statistic | 1.2439 | |
Durbin-Watson stat | 2.298592 | Prob(F-statistic) | 0.000000 | |
三、模型检验
3.1 经济意义的检验
根据以上的回归结果可以看到,我国能源消耗总量与可供消费的能源量,国内生产总值,我国的年底总人口数,主要原材料、燃料、动力购进价格分类指数呈线性正相关关系,与实际意义相符合;但是该结果同时表明能源消耗总量与进出口贸易总额呈线性负相关关系,这与实际意义不相符合,因此应该考虑将该变量删去。
3.2 统计推断检验
根据以上的回归结果得到,判定系数为,修正的判定系数为,统计量为1.2439,模型的整体拟合优度相当好;但是在给定的条件下,除了之外的所有变量的值都大于0.05,则应当接受原假设,拒绝备择假设,认为我国能源消耗总量与进出口贸易总额,国内生产总值,我国的年底总人口数,主要原材料、燃料、动力购进价格分类指数没有显著的相关关系。
3.3 计量经济学的检验以及模型的修正
3.3.1 对于多重共线性
1.检验
根据表1的输出结果,可以看到统计量显著,方程整体显著,但是变量的统计量均没有通过检验,方程存在着严重的多重共线性。
同时,结合相关系数矩阵,也可以看出各自变量之间相关系数很高,确实可能存在严重的多重共线性。
X1 | X2 | X3 | X4 | X5 | |
X1 | 1 | 0.86840 | 0.82524 | 0.77491 | -0.30486 |
X2 | 0.86840 | 1 | 0.94958 | 0.92147 | -0.44293 |
X3 | 0.82524 | 0.94958 | 1 | 0.99222 | -0.56054 |
X4 | 0.77491 | 0.92147 | 0.99222 | 1 | -0.54035 |
X5 | -0.30486 | -0.44293 | -0.56054 | -0.54035 | 1 |
对于多重共线性的修正在此选取逐步回归法。
在对模型进行经济意义检验时,由于与经济意义相悖,在修正时先将其去掉,整理得到回归结果为:
可以看到模型仍然存在严重的多重共线性。
为了修正多重共线性,我们首先将模型中的各个自变量分别与应变量进行回归,结果如下:
与进行拟合:
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:13 | ||||
Sample (adjusted): 1988 2003 | ||||
Included observations: 16 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 1.008385 | 0.056914 | 17.71762 | 0.0000 |
C | 4023.672 | 6901.113 | 0.583047 | 0.5691 |
R-squared | 0.957306 | Mean dependent var | 124684.3 | |
Adjusted R-squared | 0.954256 | S.D. dependent var | 20880.48 | |
S.E. of regression | 4465.871 | Akaike info criterion | 19.76278 | |
Sum squared resid | 2.79E+08 | Schwarz criterion | 19.85936 | |
Log likelihood | -156.1023 | F-statistic | 313.9140 | |
Durbin-Watson stat | 0.734945 | Prob(F-statistic) | 0.000000 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:14 | ||||
Sample (adjusted): 1990 2004 | ||||
Included observations: 15 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X3 | 0.3328 | 0.075525 | 8.518116 | 0.0000 |
C | 88192.23 | 5927.735 | 14.87790 | 0.0000 |
R-squared | 0.848057 | Mean dependent var | 133467.8 | |
Adjusted R-squared | 0.836369 | S.D. dependent var | 25125.49 | |
S.E. of regression | 10163.60 | Akaike info criterion | 21.41458 | |
Sum squared resid | 1.34E+09 | Schwarz criterion | 21.509 | |
Log likelihood | -158.6093 | F-statistic | 72.55829 | |
Durbin-Watson stat | 0.468700 | Prob(F-statistic) | 0.000001 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:14 | ||||
Sample (adjusted): 1990 2004 | ||||
Included observations: 15 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X4 | 4.219582 | 0.725672 | 5.814727 | 0.0001 |
C | -385657.5 | 348.14 | -4.316347 | 0.0008 |
R-squared | 0.722288 | Mean dependent var | 133467.8 | |
Adjusted R-squared | 0.700925 | S.D. dependent var | 25125.49 | |
S.E. of regression | 13740.56 | Akaike info criterion | 22.01766 | |
Sum squared resid | 2.45E+09 | Schwarz criterion | 22.11206 | |
Log likelihood | -163.1324 | F-statistic | 33.81105 | |
Durbin-Watson stat | 0.4972 | Prob(F-statistic) | 0.000060 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:14 | ||||
Sample (adjusted): 19 2004 | ||||
Included observations: 16 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X5 | -746.0181 | 603.7322 | -1.235677 | 0.2369 |
C | 212183.4 | 65859.27 | 3.221769 | 0.0061 |
R-squared | 0.098339 | Mean dependent var | 131184.4 | |
Adjusted R-squared | 0.033935 | S.D. dependent var | 25935.00 | |
S.E. of regression | 25491.16 | Akaike info criterion | 23.24652 | |
Sum squared resid | 9.10E+09 | Schwarz criterion | 23.34309 | |
Log likelihood | -183.9722 | F-statistic | 1.5268 | |
Durbin-Watson stat | 0.331306 | Prob(F-statistic) | 0.236912 | |
再将其余3个变量逐个分别加入该模型中,结果如下:
与,进行拟合
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:21 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.670550 | 0.053115 | 12.62440 | 0.0000 |
X3 | 0.205292 | 0.031432 | 6.531216 | 0.0000 |
C | 327.98 | 5014.075 | 6.539587 | 0.0000 |
R-squared | 0.9729 | Mean dependent var | 1229.8 | |
Adjusted R-squared | 0.987862 | S.D. dependent var | 18632.92 | |
S.E. of regression | 2052.875 | Akaike info criterion | 18.27928 | |
Sum squared resid | 46357262 | Schwarz criterion | 18.41622 | |
Log likelihood | -124.9550 | F-statistic | 529.9885 | |
Durbin-Watson stat | 1.931107 | Prob(F-statistic) | 0.000000 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:21 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.713078 | 0.0440 | 15.97413 | 0.0000 |
X4 | 1.229279 | 0.174450 | 7.046581 | 0.0000 |
C | -109604.4 | 17468.57 | -6.274379 | 0.0001 |
R-squared | 0.990914 | Mean dependent var | 1229.8 | |
Adjusted R-squared | 0.9262 | S.D. dependent var | 18632.92 | |
S.E. of regression | 1930.830 | Akaike info criterion | 18.15670 | |
Sum squared resid | 41009154 | Schwarz criterion | 18.293 | |
Log likelihood | -124.0969 | F-statistic | 599.8230 | |
Durbin-Watson stat | 2.246790 | Prob(F-statistic) | 0.000000 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:22 | ||||
Sample (adjusted): 19 2003 | ||||
Included observations: 15 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.939828 | 0.061397 | 15.30745 | 0.0000 |
X5 | -177.2378 | 107.2339 | -1.652814 | 0.1243 |
C | 314.21 | 16248.33 | 1.962922 | 0.0733 |
R-squared | 0.963009 | Mean dependent var | 126796.7 | |
Adjusted R-squared | 0.956844 | S.D. dependent var | 197.50 | |
S.E. of regression | 4105.868 | Akaike info criterion | 19.65508 | |
Sum squared resid | 2.02E+08 | Schwarz criterion | 19.79669 | |
Log likelihood | -144.4131 | F-statistic | 156.2033 | |
Durbin-Watson stat | 1.067578 | Prob(F-statistic) | 0.000000 | |
再将剩余的2个变量逐个分别加入该模型中,从输出结果(见下)可以看到,不管加入的变量为还是,均不能通过检验。
与,,进行拟合
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/0705 Time: 11:30 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.718624 | 0.067034 | 10.72023 | 0.0000 |
X3 | -0.023266 | 0.201392 | -0.115527 | 0.9103 |
X4 | 1.3933 | 1.188377 | 1.148570 | 0.2775 |
C | -125383.1 | 137801.8 | -0.909880 | 0.3843 |
R-squared | 0.990926 | Mean dependent var | 1229.8 | |
Adjusted R-squared | 0.988204 | S.D. dependent var | 18632.92 | |
S.E. of regression | 2023.722 | Akaike info criterion | 18.29822 | |
Sum squared resid | 40954495 | Schwarz criterion | 18.48081 | |
Log likelihood | -124.0875 | F-statistic | 3.0187 | |
Durbin-Watson stat | 2.268874 | Prob(F-statistic) | 0.000000 | |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 11:37 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
X1 | 0.705040 | 0.0436 | 15.18314 | 0.0000 |
X4 | 1.313179 | 0.205399 | 6.393301 | 0.0001 |
X5 | 51.10006 | 63.19812 | 0.808569 | 0.4376 |
C | -124366.6 | 25463.52 | -4.884108 | 0.0006 |
R-squared | 0.991472 | Mean dependent var | 1229.8 | |
Adjusted R-squared | 0.9813 | S.D. dependent var | 18632.92 | |
S.E. of regression | 1961.952 | Akaike info criterion | 18.23622 | |
Sum squared resid | 38492570 | Schwarz criterion | 18.41881 | |
Log likelihood | -123.6536 | F-statistic | 387.5140 | |
Durbin-Watson stat | 2.330483 | Prob(F-statistic) | 0.000000 | |
3.3.2 异方差的检验
1、White检验
对于异方差的检验,首先选择White检验,得到输出结果为:
White Heteroskedasticity Test: | ||||
F-statistic | 2.230259 | Probability | 0.149849 | |
Obs*R-squared | 8.151832 | Probability | 0.1480 | |
Test Equation: | ||||
Dependent Variable: RESID^2 | ||||
Method: Least Squares | ||||
Date: 12/16/05 Time: 10:16 | ||||
Sample (adjusted): 1990 2003 | ||||
Included observations: 14 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -1.73E+09 | 2.19E+09 | -0.790619 | 0.4520 |
X1 | -8308.114 | 6576.9 | -1.263227 | 0.2421 |
X1^2 | -0.009806 | 0.005714 | -1.716154 | 0.1245 |
X1*X4 | 0.086285 | 0.060804 | 1.419080 | 0.1936 |
X4 | 35696.12 | 41501.40 | 0.860119 | 0.4148 |
X4^2 | -0.184479 | 0.194738 | -0.947316 | 0.3712 |
R-squared | 0.582274 | Mean dependent var | 2929225. | |
Adjusted R-squared | 0.321195 | S.D. dependent var | 3350446. | |
S.E. of regression | 2760420. | Akaike info criterion | 32.79719 | |
Sum squared resid | 6.10E+13 | Schwarz criterion | 33.07107 | |
Log likelihood | -223.5803 | F-statistic | 2.230259 | |
Durbin-Watson stat | 2.734672 | Prob(F-statistic) | 0.149849 | |
2、ARCH检验
对经过多重共线性修正后的模型选取采用ARCH检验,选择滞后期数为3,得到输出结果为:
表2:
ARCH Test: | ||||
F-statistic | 0.588618 | Probability | 0.1651 | |
Obs*R-squared | 2.215915 | Probability | 0.528820 | |
Test Equation: | ||||
Dependent Variable: RESID^2 | ||||
Method: Least Squares | ||||
Date: 12/07/05 Time: 10:35 | ||||
Sample (adjusted): 1993 2003 | ||||
Included observations: 11 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 2415514. | 1758278. | 1.373795 | 0.2119 |
RESID^2(-1) | -0.111171 | 0.361472 | -0.307551 | 0.7674 |
RESID^2(-2) | 0.392629 | 0.377184 | 1.040948 | 0.3325 |
RESID^2(-3) | 0.240018 | 0.403634 | 0.5943 | 0.5708 |
R-squared | 0.201447 | Mean dependent var | 3653173. | |
Adjusted R-squared | -0.140790 | S.D. dependent var | 3447034. | |
S.E. of regression | 3681701. | Akaike info criterion | 33.35094 | |
Sum squared resid | 9.49E+13 | Schwarz criterion | 33.49562 | |
Log likelihood | -179.4301 | F-statistic | 0.588618 | |
Durbin-Watson stat | 2.183698 | Prob(F-statistic) | 0.1651 | |
3.3.3 自相关的检验
1、图示法:
图中可以看出和不存在系统的关系,因此可以初步断定误差项不存在自相关。
2、D—W检验法
根据修正后的模型输出结果得到,,在给定的显著性水平下,查Durbin—Watson表,,得到下限临界值为,上限临界值为,统计量,则有,落在不能拒绝原假设的区域内,因此可以判定该模型无自相关。
根据上述的结果,我们最终得到模型为:
四、结果分析及说明
在回归分析检验过程中,我们首先尽可能多地考虑了影响因素,初步确定了5个自变量,并且对所有的变量进行了序列平稳性检验,由于检验结果显示所有的自变量都是非平稳的,可能导致最后的回归结果为伪回归,但是多变量的协整无法进行,所以在此忽略其非平稳性的影响。
在拟合这6个变量时,虽然得到了整体拟合优度较好的方程,但是可以看到,有的自变量回归结果与实际意义不符合,有的自变量并没有通过检验,因此我们在删除了有悖经济意义的变量以后,对模型进行了多重共线性的修正,得到的修正后的模型也对起进行了异方差和自相关的检验,得到的结果表明修正后的模型不存在异方差和自相关,最终得到了较满意的模型。
由于得到的模型的自变量均为定量变量,因此,不再考虑引入虚拟变量进行分析;同时,最后模型中的自变量超过1个,如果再引入滞后变量将过于复杂,而且当期的能源消耗与前期的能源消耗的关系不大,因此没有再引入滞后变量。
根据最终的模型及其结果分析表明,我国的能源消耗量与可供消耗的能源量和我国的人口数有关,而与国内生产总值,主要原材料、燃料、动力购进价格分类指数等变量的相关关系不强。由于伦理、道德、自然等因素的存在,我国的人口数不可能在较短时期实现压缩,节约能源就要从节约可供消耗的能源量入手。因此,现阶段,倡导发展节约型社会,推进集约型产业的发展,将成为解决我国能源消耗问题的最佳选择。
五、参考文献
[1]庞皓,《计量经济学》,西南财经大学出版社,2004年12月。
[2] (美)J.M.伍德里奇,《计量经济学导论》,中国人民大学出版社。
[3]古扎拉蒂《计量经济学》(第三版,上、下册)中国人民大学出版社,2000年3月中译本
[4打造中国能源安全生命线,【北京日报】