能源消费总量变化影响因素实证分析.docx

能源消费总量变化影响因素实证分析.docx

《能源消费总量变化影响因素实证分析.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.docx（25页珍藏版）》请在冰豆网上搜索。

能源消费总量变化影响因素实证分析

**科学技术学院2010—2011学年第二学期

《计量经济学》课程论文

班级：

**姓名：

**学号：

&&成绩：

我国能源消费的影响因素实证分析

一、问题的提出

能源是经济增长的战略投入要素，在经济增长初期，能源的投入能够带动经济快速增长。

18世纪第一次工业革命，煤炭的燃烧推动蒸汽机的普及，进而带动了生产率的提高，实现了工业化的起步。

随着工业化进程的深入，石油的大量使用成为经济持续增长的推动力量。

可见，经济增长和能源投入之间形成了一定的互动关系，能源是经济增长的动力源泉，经济增长又拉动能源消费。

能源与我们的生活息息相关，每一个人都离不开能源。

就从我们现在汽车动力和做饭用的煤气等等，不一而足。

所以，我选择了能源消费总量变化的影响因素这一话题来展开我的研究。

二、模型设定

研究能源消费总量变化的影响因素，需要从以下几个方面去考虑：

（一）用什么数据来表现能源消费总量变化呢？

能源的消费受能源生产的影响。

能源的生产总量制约了能源消费的规模。

同时，能源的消费总量的变化还可能与国内生产总值有关联。

当然，我国能源“消费大户”工业对我国能源消费的影响也是显著的。

（二）数据性质的选择。

考虑到我国改革开放以前和以后的不同，本文选取了改革开放以后的数据进行分析。

由于截面数据不能反映能源消费总量在时间上的变化，所以本文选取了时间序列数据，共33个样本进行分析进行分析。

（三）影响因素的分析。

各个影响能源消费的因素是一个宏观的概念，在统计学上难以用统计学的方法准确表示。

因此，对影响能源消费的各因素确定一些具体的指标，通过这些具体的指标反映各个影响因素对能源消费的影响。

　1、产业结构（X1）的变化采用工业占国内生产总值的比重来衡量，因为第二产业既是国内生产总值的重要部门，也是能源消费大户，工业是第二产业中的比重占到60%以上，工业总量占国民经济的比重的变化既反映了产业结构的变化，也放映了能源消费的变化。

　2、能源生产总量（X2）能够影响能源消费总量的变化

　3、经济增长采用国内生产总值（X）来表示。

（四）模型形式的设定

为了简化模型，本文采用多元线性模型来进行实证分析，所以，首先对被解释变量能源消费总量（Y）和解释变量X进行回归分析，并将方程形式设定为一次线性函数

Y=

然后，把解释变量国内生产总值X，产业结构X1，能源生产总量X2引入模型。

三、数据收集

（一）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1978-2010共33年的相关数据进行了处理：

Y表示能源消耗（万吨标准煤）；X表示国内生产总值（万元）；X1表示产业结构（工业所占百分比）;X2表示能源生产总量（万吨标准煤）

年份

QT

IM

QC

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

38.2

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

40.4

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

39.7

274618

340506.9

2010

325000

40.5

299000

397983

（二）模型设定

Y=

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

x

x1

x2

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

X1

R2*

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：

DependentVariable:

Y

Method:

LeastSquares

Date:

05/19/11Time:

09:

39

Sample:

19782010

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-58714.98

11457.56

-5.124563

0.0000

X2

1.173533

0.008501

138.0500

0.0000

X1

1025.319

286.9797

3.572792

0.0012

R-squared

0.998488

    Meandependentvar

138450.6

AdjustedR-squared

0.998388

    S.D.dependentvar

76221.49

S.E.ofregression

3060.694

    Akaikeinfocriterion

18.97718

Sumsquaredresid

2.81E+08

    Schwarzcriterion

19.11322

Loglikelihood

-310.1234

    F-statistic

9907.819

Durbin-Watsonstat

1.217049

    Prob（F-statistic）

0.000000

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:

F-statistic

3.583656

    Probability

0.012943

Obs*R-squared

13.16398

    Probability

0.021890

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

05/19/11Time:

09:

55

Sample:

19782010

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-9.34E+08

8.64E+08

-1.081152

0.2892

X1

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

X2

-646.1261

1102.163

-0.586235

0.5626

X2^2

0.001774

0.000547

3.243667

0.0031

R-squared

0.398908

    Meandependentvar

8516223.

AdjustedR-squared

0.287595

    S.D.dependentvar

13791181

S.E.ofregression

11640319

    Akaikeinfocriterion

35.54081

Sumsquaredresid

3.66E+15

    Schwarzcriterion

35.81291

Loglikelihood

-580.4234

    F-statistic

3.583656

Durbin-Watsonstat

1.853710

    Prob（F-statistic）

0.012943

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）

t-Statistic

  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

DependentVariable:

D（Y）

Method:

LeastSquares

Date:

05/17/11Time:

20:

34

Sample（adjusted）:

19802009

Includedobservations:

30afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

Y（-1）

0.023641

0.025576

0.924318

0.3635

D（Y（-1））

0.673457

0.186547

3.610117

0.0012

C

-48.73970

2491.397

-0.019563

0.9845

R-squared

0.667325

    Meandependentvar

8268.633

AdjustedR-squared

0.642682

    S.D.dependentvar

8601.015

S.E.ofregression

5141.347

    Akaikeinfocriterion

20.02266

Sumsquaredresid

7.14E+08

    Schwarzcriterion

20.16278

Loglikelihood

-297.3399

    F-statistic

27.08013

Durbin-Watsonstat

1.757075

    Prob（F-statistic）

0.000000

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：

NullHypothesis:

D（Y,2）hasaunitroot

Exogenous:

Constant

LagLength:

0（AutomaticbasedonSIC,MAXLAG=2）

t-Statistic

  Prob.*

AugmentedDickey-Fullerteststatistic

-5.277166

 0.0002

Testcriticalvalues:

1%level

-3.679322

5%level

-2.967767

10%level

-2.622989

*MacKinnon（1996）one-sidedp-values.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（Y,3）

Method:

LeastSquares

Date:

05/17/11Time:

20:

38

Sample（adjusted）:

19812009

Includedobservations:

29afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

D（Y（-1）,2）

-1.101708

0.208769

-5.277166

0.0000

C

551.5799

1028.952

0.536060

0.5963

R-squared

0.507735

    Meandependentvar

-376.1724

AdjustedR-squared

0.489503

    S.D.dependentvar

7641.244

S.E.ofregression

5459.599

    Akaikeinfocriterion

20.11461

Sumsquaredresid

8.05E+08

    Schwarzcriterion

20.20891

Loglikelihood

-289.6619

    F-statistic

27.84848

Durbin-Watsonstat

1.882593

    Prob（F-statistic）

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：

NullHypothesis:

D（X1,2）hasaunitroot

Exogenous:

Constant

LagLength:

0（AutomaticbasedonSIC,MAXLAG=2）

t-Statistic

  Prob.*

AugmentedDickey-Fullerteststatistic

-7.000454

 0.0000

Testcriticalval