能源消费总量变化影响因素实证分析Word下载.docx

能源消费总量变化影响因素实证分析Word下载.docx

《能源消费总量变化影响因素实证分析Word下载.docx》由会员分享，可在线阅读，更多相关《能源消费总量变化影响因素实证分析Word下载.docx（25页珍藏版）》请在冰豆网上搜索。

GDP

能源消费总量

产业结构（以工业为主）

能源生产总量

国内生产总值

y

x1

x2

x

1978

57144

44.1

62770

3645.2

1979

58588

43.6

64562

4062.6

1980

60275

43.9

63735

4545.6

1981

59447

41.9

63223

4891.6

1982

61937

40.6

66772

5323.4

1983

70732

39.9

71263

5962.7

1984

70904

38.7

77847

7208.1

1985

76682

38.3

85546

9016

1986

80850

38.6

88124

10275.2

1987

86632

38

91266

12058.6

1988

92997

38.4

95801

15042.8

1989

96934

38.2

101639

16992.3

1990

98703

36.7

103922

18667.8

1991

103783

37.1

104844

21781.5

1992

109170

107256

26923.5

1993

115993

40.2

111059

35333.9

1994

122737

40.4

118729

48197.9

1995

131176

41

129034

60793.7

1996

138948

41.4

132616

71176.6

1997

137798

41.7

132410

78973

1998

132214

40.3

124250

84402.3

1999

133831

40

125935

89677.1

2000

138553

128978

99214.6

2001

143199

39.7

137445

109655.2

2002

151797

39.4

143810

120332.7

2003

174990

40.5

163842

135822.8

2004

203227

40.8

187341

159878.3

2005

224682

42.2

205876

183217.4

2006

246270

43.1

221056

211923.5

2007

265583

43

235445

249529.9

2008

291448

41.5

260552

314045.4

2009

306647

274618

340506.9

2010

325000

299000

397983

（二）模型设定

被解释变量：

能源消费总量（Y）

解释变量：

国内生产总值X，产业结构X1，能源生产总量X2

四、模型的估计与调整

（一）模型回归结果：

1、散点图

2、模型回归

DependentVariable:

Y

Method:

LeastSquares

Date:

05/19/11Time:

09:

17

Sample:

19782010

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-61016.68

14466.38

-4.217827

0.0002

X

-0.008137

0.030373

-0.267913

0.7907

X1

1057.419

315.1865

3.354900

0.0022

X2

1.186605

0.049549

23.94812

0.0000

R-squared

0.998492

Meandependentvar

138450.6

AdjustedR-squared

0.998336

S.D.dependentvar

76221.49

S.E.ofregression

3109.172

Akaikeinfocriterion

19.03531

Sumsquaredresid

2.80E+08

Schwarzcriterion

19.21671

Loglikelihood

-310.0827

F-statistic

6400.866

Durbin-Watsonstat

1.226006

Prob（F-statistic）

0.000000

模型结构为：

Y=-61016.68-0.008137X+1057.419X1+1.186605X2

t=（-4.217827）（-0.267913）（3.354900）（23.94812）

R2=0.998492F=6400.866DW=1.226006

（二）回归结果的检验

1、经济意义检验：

从回归得出的结果来看，X的系数为-0.008137，X1的系数为1057.419，X2的系数为1.186605，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0.998492，调整后的可绝系数为0.998336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％的置信水平下临界值为2.045，只有x的t统计值不显著，其他均统计值显著，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、多重共线性检验:

（1）相关系数矩阵

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。

X和X2相关系数达到了0.8以上甚至超过0.9，它们之间存在严重的共线性。

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。

（2）修正多重共线性

一元回归估计结果

变量

参数估计值

0.701499

7784.386

1.178715

t统计量

30.24492

1.109406

119.8123

R2

0.967222

0.038186

0.997845

R2*

0.966165

0.00716

0.997776

加入x2的方程R2*最大，以X2为基础，顺次加入其它变量逐步回归。

估计结果为：

加入新变量的回归结果

X2，X

1.128952

0.030598

0.997767

20.97097

0.940263

X2，X1

1.173533

1025.319

0.998388

138.05

3.572792

经比较，新加入X1的方程R2*=0.998388，改进最大，而且各参数的t检验显著，选择保留X1.

最后修正后的回归结果为：

39

-58714.98

11457.56

-5.124563

0.008501

138.0500

286.9797

0.0012

0.998488

3060.694

18.97718

2.81E+08

19.11322

-310.1234

9907.819

1.217049

模型为：

Y=-58714.98+1025.319X1+1.173533X2

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。

white检验：

WhiteHeteroskedasticityTest:

3.583656

Probability

0.012943

Obs*R-squared

13.16398

0.021890

TestEquation:

RESID^2

55

-9.34E+08

8.64E+08

-1.081152

0.2892

49613933

43077413

1.151739

0.2595

X1^2

-629590.2

535466.3

-1.175779

0.2499

X1*X2

2.834471

24.63634

0.115052

0.9093

-646.1261

1102.163

-0.586235

0.5626

X2^2

0.001774

0.000547

3.243667

0.0031

0.398908

8516223.

0.287595

13791181

11640319

35.54081

3.66E+15

35.81291

-580.4234

1.853710

从上表可以看出，nR2=13.16398,由White检验可知，a=在0.05下，查

0.05

（2）=5.99147，同时解释变量的t统计量也都不显著。

nR2<

0.05

（2）,所以不能拒绝原假设，表明模型不存在异方差。

6、时间序列分析

由于所用数据为时间序列数据，需要检验其平稳性，并用EG两步法考察它们之间是否存在协整关系。

（1）单位根检验

根据协整关系的检验，首先要检验X1，X2是否为非平稳序列，即考察其单整阶数。

1）Y序列的ADF检验结果：

NullHypothesis:

Yhasaunitroot

Exogenous:

Constant

LagLength:

1（AutomaticbasedonSIC,MAXLAG=2）

Prob.*

AugmentedDickey-Fullerteststatistic

0.924318

0.9945

Testcriticalvalues:

1%level

-3.670170

5%level

-2.963972

10%level

-2.621007

*MacKinnon（1996）one-sidedp-values.

AugmentedDickey-FullerTestEquation

D（Y）

05/17/11Time:

20:

34

Sample（adjusted）:

19802009

30afteradjustments

Y（-1）

0.023641

0.025576

0.3635

D（Y（-1））

0.673457

0.186547

3.610117

-48.73970

2491.397

-0.019563

0.9845

0.667325

8268.633

0.642682

8601.015

5141.347

20.02266

7.14E+08

20.16278

-297.3399

27.08013

1.757075

从检验结果来看，在1%，5%，10%三个显著性水平下，单位根检验的MacKinnon临界值分别为-3.670170，-2.963972，-2.621007，t检验统计量值为 

0.924318，大于相应的临界值，从而不能拒绝原假设Ho，表明Y序列存在单位根，是非平稳序列。

为得到Y序列的单整阶数，在单位根检验中，指定对二阶差分序列作单位根检验，得到估计结果为：

D（Y,2）hasaunitroot

0（AutomaticbasedonSIC,MAXLAG=2）

-5.277166

-3.679322

-2.967767

-2.622989

D（Y,3）

19812009

29afteradjustments

D（Y（-1）,2）

-1.101708

0.208769

551.5799

1028.952

0.536060

0.5963

0.507735

-376.1724

0.489503

7641.244

5459.599

20.11461

8.05E+08

20.20891

-289.6619

27.84848

1.882593

0.000014

从检验结果来看，在1%，5%，10%三个显著性水平下，单位根检验的MacKinnon临界值分别为-3.679322，-2.967767，-2.622989，t检验统计量值为-5.277166，小于相应的临界值，从而拒绝原假设Ho，表明Y序列不存在单位根，是平稳序列。

即Y序列是二阶单整，即Y~I

（2）。

2）采用同样的方法检验X1序列。

为得到X1序列的单整阶数，经多次单位根检验后，指定对二阶差分序列作单位根检验，得到估计结果为：

D（X1,2）hasaunitroot

-7.000454

Testcriticalval