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