关于影响我国电力消费总量的因素分析Word文档下载推荐.docx

关于影响我国电力消费总量的因素分析Word文档下载推荐.docx

《关于影响我国电力消费总量的因素分析Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《关于影响我国电力消费总量的因素分析Word文档下载推荐.docx（10页珍藏版）》请在冰豆网上搜索。

X4i：

电力出厂价格〔相对数〕

多元线性回归模型：

Yi=ß

0+ß

1X1i+ß

2X2i+ß

3X3i+ß

4X4i+ui

〔模型参考：

借鉴"

关于影响我国电力消费量因素实证分析"

〕

三、数据的收集

数据来源：

中华人民国统计年鉴〔国家统计局〕

四、模型的估计

运用最小二乘法〔OLS〕对本文模型进展回归分析：

DependentVariable:

ELECTRICITY

Method:

LeastSquares

Date:

10/06/13Time:

23:

13

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-61669.67

18917.10

-3.259996

0.0086

GDP（X1i）

0.114719

0.022860

5.018267

0.0005

INDUSTRY（X2i）

0.013619

0.005752

2.367709

0.0394

POPULATION（X3i）

0.600801

0.168381

3.568106

0.0051

PRICE（X4i）

-30.79820

3.295763

-9.344786

0.0000

R-squared

0.996221

Meandependentvar

11965.95

AdjustedR-squared

0.994710

S.D.dependentvar

4458.347

S.E.ofregression

324.2786

Akaikeinfocriterion

14.66228

Sumsquaredresid

1051566.

Schwarzcriterion

14.89830

Loglikelihood

-104.9671

F-statistic

659.0751

Durbin-Watsonstat

2.277960

Prob（F-statistic）

0.000000

根据回归分析显示的结果，方程如下：

Yi=-61669.67+0.114719X1i+0.013619X2i+0.600801X3i-30.79820X4i+ui

T=（-3.259996）（5.018267）（2.367709）（3.568106）（-9.344786）

R-squared=0.996221AdjustedR-squared=0.994710

五、模型的检验

〔1〕经济意义检验

这里所估计的参数结果说明：

〔在其他影响因素一定的条件下〕

1、国民生产总值每增加1亿元，将会导致电力消费总量平均增加0.114719亿千瓦时；

2、工业总产值每增加1亿元，将会导致电力消费总量平均增加0.013619亿千瓦时；

3、人口总量每增长1万人，将会导致电力消费总量平均增加0.600801亿千瓦时：

4、电力出厂价格每变化1%，将会导致电力消费总量平均下降30.79820亿千瓦时。

〔2〕拟合优度检验

由回归结果可知：

可决系数R-squared=0.996221，修正样本可决系数AdjustedR-squared=0.994710，与1十分接近，说明模型在整体上对数据拟合程度是非常好的。

〔3〕F检验

针对H0：

β1=β2=β3=β4=0，给定显著性水平a=0.05,在F分布表中查出自由度为4和10的临界值为3.48，由于F=659.0751>

3.48，应拒绝原假设H0，说明回归方程显著，即国民生产总值、工业总产值、人口总量、电力出厂价格对我国电力消费总量是有显著影响。

〔4〕T检验

分别针对H0：

βj=0〔j=1,2,3,4〕,给定显著性水平a=0.05,查t分布表自由度得15-4-1=10，临界值t0.025〔10〕=2.2281， 

βj=0〔j=1,2,3,4〕对应的t统计量分别是5.018267，2.367709，3.568106，-9.344786，其中t统计量的绝对值均大于临界值，故均通过显著性检验。

六、自相关性

〔一〕自相关性的检验

先对原模型进展检验

采用"

BG检验〞，滞后期为1

Breusch-GodfreySerialCorrelationLMTest:

0.223241

Probability

0.647829

Obs*R-squared

0.363063

0.546810

TestEquation:

RESID

10/16/13Time:

18:

56

Presamplemissingvaluelaggedresidualssettozero.

1019.535

19815.42

0.051452

0.9601

X1

0.002213

0.024260

0.091212

0.9293

X2

-8.46E-05

0.005992

-0.014125

0.9890

X3

-0.008818

0.176318

-0.050009

0.9612

X4

-0.263723

3.476834

-0.075851

0.9412

RESID（-1）

-0.168319

0.356243

-0.472484

0.6478

0.024204

-2.20E-11

-0.517905

274.0655

337.6576

14.77112

1026114.

15.05434

-104.7834

0.044648

2.195763

0.998403

nR2=0.363063，相伴概率P=0.546810，P的值大于0.05，可以认为是大概率事件，不拒绝无自相关的原假设，即不存在自相关性。

〔二〕自相关性的修正

因为无自相关性，所以无需修正

七、模型的多重共线性

〔一〕多重共线性的检验

根据回归分析显示的结果，我们已经得知方程如下：

F=659.0751DW=2.277960

由以上结果可见，该模型R^2=0.996221，修正可决系数为0.994710，可决系数非常高，F检验值为659.0751，明显显著，但X4i的T检验不显著，现在我们无法准确判断是否存在多重共线性，再观察解释变量之间的相关系数：

各解释变量的相关系数：

由相关系数矩阵可以看出，各解释变量相互之间的相关系数还是相对较高的，证实确实存在多重共线性。

〔二〕多重共线性的修正

为消除共线性的影响，首先分别拟合Yi对X1i、X2i、X3i、X4i的一元回归，得到4个一元回归模型的参数结果：

参数估计值

X1i

X2i

X3i

X4i

系数估计值

0.119434

0.088975

0.822721

32.21307

T统计量

15.34724

8.262727

9.398083

5.64735

0.947694

0.840045

0.871699

0.71042

0.943671

0.82774

0.861829

0.688144

F统计量

235.5377

68.27266

88.32396

31.89256

可以发现，第一个回归的变量拟合效果最正确，且整体拟合效果最好，即全国GDP总额对电力消费总量起主要作用，现在按照各个解释变量一元回归的拟合优度大小进展排序：

X1i、X3i、X2i、X4i，以X1i为根底依次参加其他解释变量进展逐步回归。

二元回归：

以X1i为根底，临界值t0.025〔12〕=2.1788

（1）参加X3i，以X1i、X3i为解释变量，重新估计方程得到回归结果为：

0.198167

0.575615

5.395811

2.18213

0.962553

AdjustedR-squ