我国能源消费影响因素计量分析Word下载.docx

我国能源消费影响因素计量分析Word下载.docx

《我国能源消费影响因素计量分析Word下载.docx》由会员分享，可在线阅读，更多相关《我国能源消费影响因素计量分析Word下载.docx（42页珍藏版）》请在冰豆网上搜索。

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

QT

GDP

IM

QC

1978

57144

3645.2

44.1

62770

1979

58588

4062.6

43.6

64562

1980

60275

4545.6

43.9

63735

1981

59447

4891.6

41.9

63223

1982

61937

5323.4

40.6

66772

1983

70732

5962.7

39.9

71263

1984

70904

7208.1

38.7

77847

1985

76682

9016.0

38.3

85546

1986

80850

10275.2

38.6

88124

1987

86632

12058.6

38.0

91266

1988

92997

15042.8

38.4

95801

1989

96934

16992.3

38.2

101639

1990

98703

18667.8

36.7

103922

1991

103783

21781.5

37.1

104844

1992

109170

26923.5

107256

1993

115993

35333.9

40.2

111059

1994

122737

48197.9

40.4

118729

1995

131176

60793.7

41.0

129034

1996

138948

71176.6

41.4

132616

1997

137798

78973.0

41.7

132410

1998

132214

84402.3

40.3

124250

1999

133831

89677.1

40.0

125935

2000

138553

99214.6

128978

2001

143199

109655.2

39.7

137445

2002

151797

120332.7

39.4

143810

2003

174990

135822.8

40.5

163842

2004

203227

159878.3

40.8

187341

2005

224682

183217.4

42.2

205876

2006

246270

211923.5

43.1

221056

2007

265583

249529.9

43.0

235445

表1能源消费影响因素原始数据一览表

RK

RJ

96259

0.037869

97542

0.04165

98705

0.046052

100072

0.048881

101654

0.052368

103008

0.057886

104357

0.069072

105851

0.085176

107507

0.095577

109300

0.110326

111026

0.135489

112704

0.150769

114333

0.163276

115823

0.188059

117171

0.22978

118517

0.298134

119850

0.402152

121121

0.501925

122389

0.58156

123626

0.638806

124761

0.676512

125786

0.712934

126743

0.782801

127627

0.859185

128453

0.936784

129227

1.05104

129988

1.229947

130756

1.401216

131448

1.612223

132129

1.888532

表2产业结构影响因素原始数据一览表

3.2模型设定

[1]

[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。

LNGDP

LNIM

LNQC

1

0.09052143262907246

0.869956935097916

0.08659179422369957

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

，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

，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。

（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：

（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:

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）

由上表可以看出联立方程的各个解释变量前系数的t检验值均显著，所以该联立方程是可行的。

SubstitutedCoefficients:

IM=1560.77334963+10.3905170718*LOG（RJ）-129.218695781*LOG（RK）

LOG（QT）=-0.853904137063+0.0574610991457*LOG（GDP）+0.959501505952*LOG（QC）+0.198512194389*LOG（IM）

6.能源消费总量的平稳性检验及修正

（1）1978—2007年我国能源消费总量时间序列图如下：

序列图表现出了一个持续上升的过程，即在不同的时间段上，其均值是不同的，因此可初步判断是非平稳的。

能源消费总量时间序列相关图及相关系数，QLB统计量：

从图中可以看出，样本自相关系数是缓慢下降的，表明了该序列的非平稳性。

而且Q统计量足够大，不平稳。

12期的为68.722，超过了显著性水平5%时的临界值21.03，因此进一步否定了该时间序列的自相关系数在滞后一期之后的值全部为0的假设。

1978-2007能源消费总量时间序列非平稳。

（2）建立AR模型。

当取带常数项的滞后2期模型时，的得出的结果如下图：

由于AR

（2）的t值不显著，将其删去后再进行回归可得：

特征根是1/0.84=1.19>

1所以D（QT）是一个稳定的序列。

LSD（QT）CAR

（1）

EstimationEquation:

D（QT）=C

（1）+[AR

（1）=C

（2）]

D（QT）=10708.4101049+[AR

（1）=0.838595578934]

最终模型：

D（QT）=10708.4101049+0.838595578934（D（QT（-1）-10708.4101049）+

自相关函数是拖尾的Q（12）=9.19<

Q。

（3）对QT进行单位根检验

存在特征根，QT为非平稳。

（4）对QT取对差分。

查看其时间序列图如下：

从图上看其非平稳性已得到很大的改善。

时间序列相关图及相关系数，QLB统计量：

进行ADF单位根检验，首先采用不带常数项和趋势的模型：

在10%的显著水平上已经平稳了。

再采用带常数项不带时间趋势的模型，进行检验结果如下：

ADF检验值=-3.145221，我们在5%的显著水平上可以拒绝0假设，说明经过差分后序列DLNQT已经平稳。

7.协整的检验与误差修正模型

采用对数表达式：

将lnQT与lnGDP、lnQC、lnIM分别进行协整检验:

（1）作图，进行初步观察看变量之间是否存在共同的变化趋势：

作出lnQT与lnGDP的曲线图如下：

可以看出二者之间具有共同的变化趋势，可以初步确定其不满足平稳这个条件。

作出lnQT与lnIM的曲线图如下：

可以看出二者之间不存在明显的共同变化趋势。

作出lnQT与lnQC的曲线图如下：

再用散点图作进一步的观察分析：

作出lnQT与lnQC的散点图如下：

同样可以看出二者之间具有共同的变化趋势，可以再次确定其不满足平稳这个条件。

作出lnQT与lnGDP的散点图如下：

作出lnQT与lnIM的散点图如下：

同样可以看出二者之间不存在明显的共同变化趋势。

（2）判断平稳阶数。

分别进行三种模型的实验，由于在第一种和第二种模型中的截距项和趋势项的t检验值都不显著，所以最终选择无截距项且无趋势项的模型进行ADF检验：

首先，对lnQT项进行ADF检验：

观察t检验的结果，由于-3.769545<

-2.679735由此可以判断lnQT在1%的置信水平下为二阶单整。

其次，对lnGDP项进行ADF检验：

观察t检验的结果，由于-3.621620<

-2.664853由此可以判断lnGDP在1%的置信水平下同样为二阶单整。

再次，对lnIM项进行ADF检验：

观察t检验的结果，由于-3.680246<

-2.650145由此可以判断lnIM在1%置信水平下为一阶单整，因此不能将其与其它的变量构成协整。

最后，对lnQC项进行ADF检验：

观察t检验的结果，由于-5.270025<

-2.653401由此可以判断lnQC在1%置信水平下也为二阶单整的。

（3）采用E-G两步法进行协整检验：

LnQT、lnGDP、lnQC都为二阶单整，采用最小二乘法求得残差序列。

用最小二乘法进行回归得到下面结果：

对残差进行单位根的检验，由于残差序列的均值为0，所以选择无截距项且无趋势项的ADF检验法：

观察t检验的结果，由于-3.726558<

-3.679322，由此可知残差序列为平稳序列，该协整关系成立：

（4）进行Johanson检验：

使用根迹和最大特征值两种检验方法分别进行检验：

一共分为五种情况，限于篇幅，在此只列出前两种情况的Eviews检验图：

情况一：

既无截距项，也无趋势相：

UnrestrictedCointegrationRankTest（Trace）

Hypothesized

Trace

0.05

No.ofCE（s）

Eigenvalue

Statistic

CriticalValue

Prob.**

None*

0.797719

50.08872

24.27596

0.0000

Atmost1

0.294160

10.13634

12.32090

0.1131

Atmost2

0.055488

1.427180

4.129906

0.2719

Tracetestindicates1cointegratingeqn（s）atthe0.05level

*denotesrejectionofthehypothesisatthe0.05level

**MacKinnon-Haug-Michelis（1999）p-values

UnrestrictedCointegrationRankTest（MaximumEigenvalue）

Max-Eigen

39.95238

17.79730

8.709162

11.22480

0.1340

Max-eigenvaluetestindicates1cointegratingeqn（s）atthe0.05level

UnrestrictedCointegratingCoefficients（normalizedbyb'

*S11*b=I）:

LNQT

-15.58051

1.315542

14.04788

-62.55830

4.709103

58.40865

-85.26425

4.428491

81.29735

UnrestrictedAdjustmentCoefficients（alpha）:

D（LNQT）

-0.019380

0.014409

0.000676

D（LNGDP）

-0.030835

-0.002732

0.002637

D（LNQC）

-0.017020

0.008336

-0.003358

1CointegratingEquation（s）:

Loglikelihood

186.1834

Normalizedcointegratingcoefficients（standarderrorinparentheses）

1.000000

-0.084435

-0.901632

（0.01153）

（0.01134）

Adjustmentcoefficients（s