关于能源消费总量的多因素分析.doc

. 计量经济学课程论文论文题目 影响能源消费总量的多因素分析 院 (系) 工商管理学院 所在班级 2012级工管（1）班 姓 名 金军霞 学 号 20122057 日 期 2015年6月 影响能源消费总量的多因素分析学院：工商管理 班级：12工管（1） 姓名：金军霞 学号20122057内容摘要：能源是国民经济发展和社会进步的重要物质基础,做好能源消费影响因素的分析, 为能源规划及政策的制订提供科学的依据,对于保持我国国民经济健康、持续、稳定的发展具有重要的现实意义。本案例通过对影响我国能源消费的国内生产总值、工业产值、产业结构、人口增长等因素进行分析，对所建模型中存在异方差、序列相关等问题进行了检验与修正。在各因素中工业是我国能源消费的主体,所占比重呈上升趋势，因而产业结构的变动率很大程度上影响能源消费，并对我国的经济增长产生影响。本文在能源消费模型分析的基础上，进一步提出了相应的政策建议。关键词：能源消费 工业生产 影响因素 计量分析一、 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速增长。十八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。能源消费括两部分，一部分是由生产技术水平所决定的能源消费，一般这部分能源消费经济增长的关系在短期内不会发生明显变化；另一部分是由管理水平、市场环境产业结构等因素决定的能源消费水平，即体制性因素决定的能源消费水平。这部分能源消费可变性较大，是引起能源消费与经济增长关系不稳定的主要因素。二、 研究目的我国国民经在向工业化和现代化发展的进程中，较长时间处于能源消费需求迅速增长而供不组的紧缺状态，20世纪末的“九五”期间发生了显著变化，能源生产和消费总量均呈降的趋势，出现了难得的源供需基本基本平衡状况，但同时也出现了新的问题，即煤炭过于求与石油的供不应求的结构性矛盾突出。本文拟从我国的能源消费和生产入手，运用计量经济学模型分析的方法，研究影响我国能源消费与生产的主要因素，探讨我国能源消费的趋势。三、 模型设定1、影响因素分析理论上认为影响能源消费需求总量的因素主要有经济发展水平、产业发展、人口增长、能源转换技术等因素。（1） 国内生产总值：生产必然就造成能源的消耗，近30年来，国民经济飞速发展，能源的消耗也在快速增加，我国从能源出口国变为能源进口国，英国石油公司预计到2035年，中国将超过欧洲成为世界上最大的能源进口国。（2） 工业总产值：工业作为能源消费最多的部分，当然与能源消费总量的增长有着密不可分的关系。（3） 产业结构：在GDP中工业的贡献率表明了国家CDP对工业的依赖程度，同时也表明了GDP对能源的依赖程度。（4） 能源转换效率：由于技术的发展，对能源利用的效率也在逐年增加，也就意味同样多的产值需要消耗的能源在下降。据统计，我国人均能源资源的拥有量低于世界平均值，能源利用率低于发达国家，随着国民经济的发展和人民生活的改善，能源的需求量还要继续增加因此，提高能源利用率、节约能源，对我国来说，是既重要又紧迫的事情（5） 人口增长，由于人口增长带来的能源消耗也是无法忽视的，随着人口的大量增多，社会需要生产更多的产品满足消费需求，也就导致消耗的能源直线上升。2、 变量的选取由于非线性模型的假设检验都涉及非常复杂的数学计算，所以本文考虑做一个线性模型(对参数线性)，这样各种检验的方法较多，对模型准确程度的分析也更可靠本文设定的我国能源消费的计量经济方程，模型共有1个内生变量，4个外生变量。（1） 内生变量：Y:能源消费总量，单位：万吨标准煤；（2） 外生变量X1:国内生产总值，单位：万元； X2:工业产值，单位: 万元； X3:产业结构，用工业对GDP的拉动百分比表示； X4：能源转换效率，单位：百分比 X5：人口数量， 单位：万人；3、数据来源及处理 针对以上因素分析，我们收集了中国能源消费标准煤总量、国内生产总值GDP、人口增长、工业产值、产业结构、能源加工转换效率等19902013年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。数据如下：年份能源消费总量（万吨标准煤）国内生产总值工业产值工业对GDP的拉动（%）能源转换总效率总人口（年末）（万人）19909870318667.868581.566.48114333199110378321781.58087.15.365.9115823199210917026923.510284.58.266117171199311599335333.9141888.367.32118517199412273748197.919480.78.265.2119850199513117660793.724950.66.471.05121121199613519271176.629447.65.970.1912238919971359097897332921.45.469.76123626199813618484402.334018.44.369.2812476119991405699677.135861.54.269.25125786200014553199214.640033.64.969.041267432001150406109655.243580.63.569.341276272002159431120332.747431.3469.041284532003183792135822.854945.55.269.41292272004213456159878,3652104.870.911299882005235997184937.477230.84.971.551307562006258676216314.491310.95.471.241314482007280508265810.3110534.96.270.771321292008291448314045.4130260.24.271.551328022009306647340902.8135239.93.772.011334502010324939401512.8160722.25.172.831340912011348002473104188470.24.272.321347352012361732519470.1199670.73.172.431354042013375000568845.2210689.43.172.481360724、 模型设定通过对影响能源消费总量的因素分析，将模型设定为：四、 模型的估计与调整1、 利用eviews软件分析数据，得到如下散点图由以上相关图分析可看出解释变量X1、X2、X5与解释变量Y呈线性变化，但是解释变量X3/X4与被解释变量Y呈非线性关系用最小二乘法，利用eviews软件可得结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/28/15 Time: 14:27Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-251510.8150090.0-1.6757330.1111X10.0097050.0097990.9903620.3351X21.1964420.09183413.028290.0000X32808.6551861.9581.5084420.1488X41457.3842678.3550.5441340.5930X51.9518971.1392711.7132870.1038R-squared0.983543Mean dependent var202707.5Adjusted R-squared0.978972S.D. dependent var91850.03S.E. of regression13319.32 Akaike info criterion22.04414Sum squared resid3.19E+09Schwarz criterion22.33865Log likelihood-258.5296 F-statistic215.1521Durbin-Watson stat0.417276Prob(F-statistic)0.000000模型拟合情况如下：报告形式：Y = -251510.8+ 0.009705*X1 - 1.196442*X2 -2808.655*X3 - 1457.384*X4 + 1.951897*X5 R2=0.983543 0.978972 F=215.1521 S.E=13319.32 D.W=0.417276统计检验：判定系数：R2=0.983543接近于1，表明模型对样本数据拟合优度较好。F检验：F=215.1521,大于临界值3.09, 其P值0.000000也明显小于,说明解释变量对被解释变量Y有显著影响，模型线性关系显著。T检验：工业产值（X2）的t值大于2 ，表明工业产值对能源消费总量（Y）有显著影响，其他各参数的t值的绝对值均小于2，表明其他各参数能源消费总量（Y）有没显著影响。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，x1的系数为0.009705，x2的系数为1.196442，x3的系数为2808.655，x4的系数为1457.384,x5的系数为1.951897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0.983543，调整后的可绝系数为0.978972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的置信水乎下只有x2统计值显著，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不佳，需要进一步的检验和调整。(4)多重共线性检验：由于选择的影响因素过多，所以估计模型之前，应先分析各个因素与被解释变量之间的关系，以及因素之间的相关程度，利用COR命令进行相关系数检验，得相关系数矩阵为：通过计算表明，除了国内生产总值和工业对GDP的拉动百分比，各解释变量都与被解释变量能源消费总量高度相关，且解释变量之间也有两两高度相关的。先按照逐步回归原理建立回归模型。建立一元回归模型根据理论分析，工业产值应是能源消费的主要影响因素，相关系数检验也表明，工业产值与能源消费总量的相关性最强。所以，以作为最基本的模型。采用逐步回归法将其余的变量逐个引入模型。Ls y c x2 x1Ls y c x2 x3Ls y c x2 x4Ls y c x2 x5估计结果如下图经比较可知，新加入X1、X3、X4、均未通过T检验，；新加入X2的回归模型Y=f(x2,x5) 不仅经济意义合理、回归系数T检验通过，而且比一元回归模型Y=f(x2) 的提高，因此，Y=f(x2,x5)估计的结果为最优的二元回归模型，以此为基础，建立三元回归模型：Ls y c x2 x5 x1Ls y c x2 x5 x3Ls y c x2 x5 x4结果如下：在X2、 X5基础上，加入X1、X4后的回归模型y=f( x2, x5, x1)或y=f( x2, x5, x4)，有所下降，X1、X4的回归系数T检验不显著；加入X3后回归模型y =f(x2, x5 ,x3)有所上升，但X3的回归系数T检验不显著。没有合适的变量加入，不需要再进行四元回归。估计结果列入下表（第二行为t检验值）。模型x1x2x3x4X5y=f(x2)0.0000(28.3967)0.973438y=f(x2,x1)0.000(1.4591）0.0000(24.9424)0.975883y=f(x2,x3)0.0000(26.36058)0.3078(1.045219)0.974752y=f(x2,x4)0.0000(16.22134)0.0725(1,89114)0.977304y=f(x2,x5)0.0000(13.04515)0.0122(2.743703)0.980047y=f(x2,x5,x1)0.3406(0.9761)0.0000(12.97622)0.0253(2.417414)0.981337y=f(x2,x5,x3)0.000(13,45252)0.1625(1.450073)0.0084(2.922518)0.982307y=f(x2,x5,x4)0.0000(12.60991)0.6760(0.42414)0.0791(1.850537)0.980622最佳线性回归模型即为二元模型：1）拟合优度检验：=0.980447拟合程度较高，被解释变量的98.04%可以用解释变量解释，模型拟合程度较高。2）F检验：F值为526.5096，伴随概率为0.000000小于0.05，回归方程显著，即两个个因素联合起来对能源消费总量有显著影响。3）t检验：x1 x2 x3 的t统计量的伴随概率分别为0.0000、0.0002和0.0015，均小于给定临界值=0.05可知，解释变量的T检验均通过，解释变量工业生产总值，人口增长对能源消费总量变动有显著影响。 (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，接受原假设，模型不存在异方差。（6）自相关检验：DW=0.308379。给定显著水平=0.05, n=24,k=2, 查DurbinWatson 表,dl=1.188,du=1.546。模型中DWdl，则误差项间存在正相关。可用科克伦-奥克特迭代法进行补救。（7）偏相关检验：在方程窗口中点击View/Residual Test/Correlogram-Q-statistics，并输入滞后期为10，则会得到残差 与 的各期相关系数和偏相关系数，如下所示。从表中可以看出该线性模型的存在偏相关系数的直方块有一个超过了虚线部分，偏自相关系数直方图在虚线外，且Q统计量P值均小于0.05，说明存在着一阶自相关。（8）BG检验: 方程窗口点击viewresidual testserial Correlation LM Test滞后期为1，得以下结果：Breusch-Godfrey Serial Correlation LM Test:F-statistic57.32417 Probability0.000000Obs*R-squared17.79237 Probability0.000025Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/29/15 Time: 20:19Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb. C-69601.7656729.00-1.2269170.2341X2-0.0813030.048627-1.6719780.1101X50.5918920.4714371.2555050.2238RESID(-1)0.9044370.1194567.5712720.0000R-squared0.741349Mean dependent var1.70E-11Adjusted R-squared0.702551S.D. dependent var12843.49S.E. of regression7004.695Akaike info criterion20.69756Sum squared resid9.81E+08Schwarz criterion20.89390Log likelihood-244.3707F-statistic19.10806Durbin-Watson stat1.338166Prob(F-statistic)0.000004由上表可以看出， prob(nR )=0.000025小于给定的显著性水平 =0.05，并且et-1回归系数的T统计量值绝对值均大于2，回归系数显著不为零,表明模型存在一阶自相关性。（9）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，x2的t检验值最显著为13.02829，这说明工业总产值对能源产出总量的影响最大，这从直观上也是容易理解的，工业产值增加必然要求产出上的提高。而x5的t检验值位居第二，其数值为1.713287，说明人口增长对能源消费总量也有一定的影响，但其影响系数远低于工业产值。五、 结论本案例对影响我国能源消费的国内生产总值、产业结构、人口增长等因素进行了分析，并对模型中异方差、序列相关等问题进行了修正，得出如下结论：在各因素中工业是我国能源消费的主体,所占比重呈上升趋势，因而产业结构的变动率很大程度上影响能源消费，高能耗行业集中度高，决定能源消费走向，能源产出大幅增长，加工转换效率明显提高对能源消费影响大。我国能源消费所面临的问题有：能源消费结构不合理，低级能源消费量比重偏高，居民节能观念淡薄，技术装备水平不高，投入经费不足影响节能工作开展。因而，加大承接产业转移力度，加快工业产业结构提升步伐，加大技术研发以及改造投入，降低单位产品能耗，加快发展第三产业等是发展经济的重点。六、 政策建议1、加大产业结构调整力度，提高能源利用效率。由模型可以看出，工业是我国能源消费的主体，是消费能源的主要部门。因此，努力转变经济增长方式，加快产业结构的升级和调整，积极发展能源消费强度低的第三产业，推动国民经济结构的轻型化和节能化，是实现节能降耗的根本途径。产业结构调整主要是将占国民经济比重过高的第二产业调下来，只有将第二产业占国民经济的比重调下来，才能从根本上降低能源消费。但现阶段中国国民经济的现实是，由于世界制造业大规模转移到中国，形成所谓“世界工厂”，第二产业的地位居高不下。此种背景下，只有严控第二产业中高耗能的重化工业，降低第二产业的能耗才符合目前的国情。2、模型表明我国能源消费增长与GDP增长基本保持同向增长，能源消费是经济持续稳定增长的重要推动力，为经济发展提供了重要的物质保障。所以要坚持以经济建设为中心，保证能源供应安全。3、能源的生产不能仅仅局限于传统的化石能源生产，要从单纯依靠一种能源向使用多种能源转变。加快太阳能、风能等新兴能源利用与开发，同时通过能源结构的调整，完成由以煤炭为主的一元型能源消费模式向天然气、电力和新能源等多元化的能源消费模式转变。4、人均能源消费经历了一个低收入、低消费，继而随着收入提高而能源需求增加，到高收入、低能源消费的过程。由模型可以得出，我国仍处于一个低消费低收入阶段。为了控制能源消费过快增长、保护环境，只能在控制经济增长的质量上下功夫，以内涵式稳步增长模式替代粗放式高速增长模式是抑制能源消费过快增长的根本途径。内涵式经济增长模式，就是要在绿色GDP核算标准指引下，避免盲目扩大城市规模，同时大力发展小城镇的建设，培育县域经济中心，只有这样才能从根本上缓解城乡收入差距进一步扩大趋势，抑制能源消费的过快增长。18 / 18