中国能源需求影响因素实证分析.doc

中国能源需求影响因素实证分析

【内容摘要】本文针对近年来愈演愈烈的能源问题，引入1978年到2002年统计数据，建立能源需求模型，运用计量经济学的方法，对影响中国能源需求的各种因素进行实证分析，以加深对能源问题的认识，进而从我国的实际情况出发，分析其产生的内在原因,为我国的能源安全提出一些可行性建议。希望能够对我国能源的可持续发展出一份薄力。需要指出的是，我们在模型分析中发现西方经济学中关于“需求曲线向下倾斜”的结论不适合我国的能源需求分析。
【关键词】能源需求 能源问题 可持续发展

一、问题的提出及经济理论阐述
去年以来，我国先后有22个省份拉闸限电，西南地区、东南沿海及其他地区成品油告急，用电高峰时电煤频频告急。由于我国一些地区先后出现“电荒”“油荒”“煤荒”，能源一下子成为热点问题受到人们的普遍关注。告别短缺经济已多年，能源紧张到底是为什么？
去年，我国人均GDP超过了1000美元，在一些城市包括北京、上海、广东、深圳、宁波、南京，人均GDP已经超过了2000美元甚至3000美元。按照经济发展规律，人均GDP超过了1000美元以后，经济、社会将随之发生许多变化：比如开始进入工业化中期即重化工业阶段，机械、汽车、钢铁等重化行业快速发展。比如城乡二元经济结构将逐步改变，使城市化水平不断提高、农村人口大量向城市转移。比如随着收入增加，居民消费升级到新的结构，住房、家电和轿车成为消费热点。而在新一轮全球产业布局中，我国正成为一个规模庞大的世界加工制造基地。所有这些，都将增强我国经济社会发展对能源增长的预期，使能源消费继续保持强劲增长：因为重工业单位增加值的能耗明显高于轻工业，重化工业的发展，会使能源消耗大幅增加；城镇人口的增加，意味着能源消耗水平的提高，因为城镇人口年均消耗能源是农村的3.5倍；住房、家电和轿车等消费增加会使人均能源消耗增长；世界加工制造业向我国转移中，也转来了一些高耗能制造业。
能源是支持经济增长的重要物质基础和生产要素。能源经济学认为，能源消费量越大，产品产量越多，社会产量越多，社会也越富足，人们才能享有更多的物质文明和精神文明。能源消费量的不断增长，是现代化建设的重要条件。因此，一个国家的能源消费水平是衡量其现代化水平的重要标志。能源短缺，供求关系严重失调，就会突出地影响经济发展和人民生活水平的提高。所以，保持能源的稳定供应，不断提高能源消费水平，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。
鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而能源供给一般在较短的时间内难以有很大改变，因为能源尤其像石油，煤炭等具有不可再生性，很大程度上是由该国的资源禀赋决定的。而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。所以，我们主要从此处着手对影响中国能源需求的各种因素进行研究。

根据西方经济学消费需求理论，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期因数据难找。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。
另外，资本的价格也对需求有一定影响。资本价格提高对能源需求量的影响来自两个方面：一是资本价格提高，企业将使用相对便宜的机器设备替代劳动力，更多的机器设备必然增加能源需求，这种效应通常称为替代效应；二是资本价格提高，企业生产成本增加，将导致产品价格提高，产品需求量减少，企业对所有生产要素需求均下降，这种效应通常称为规模效应。替代效应与规模效应同时发生，但作用方向相反。资本价格提高对能源需求的影响是两种效应综合作用的结果，如果替代效应大于规模效应，则资本价格提高，能源需求增加；如果替代效应大于规模效应，则资本价格降低，能源需求减少。由于目前没有比较科学合理的资本价格数据，只能放弃对资本价格的估计。
故这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。
二、数据选取及模型设定
1.能源需求总量，在模型中用y表示，是指一次性能源消费总量,由煤炭,石油,天然气和水电4项组成(单位：万t标准煤)。
2能源需求的影响因素：
（1）能源价格，用能源产品出厂价格指数来衡量，在模型中用X1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。、为了使价格具有可比性,具体如下①1978年煤炭、石油、电力行业出厂价格指数为100,其他年份以1978年为准进行换算得到各年能源行业出厂价格指数；②根据各年煤炭、石油、电力在总能源中所占比重确定权数。（具体数具参见原始数据一）
（2）剔除物价的工业总产值（亿元），在模型中用X2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数（假定基期=1978）。
（3）剔除物价的城镇居民家庭人均可支配收入（元），用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。
（4）科学研究与综合技术服务业人员数（万人），用X4表示，直接由各年度统计年鉴查得。关于科技进步的衡量因素没有一个定论，也没有相关理论支撑，所以我们只能凭借经验与数据收集的便利，决定以科学研究与综合技术服务业人员数来替代科技因素。
（5）能源生产总量（万吨标准煤），用X5表示，直接由各年度统计年鉴查得。能源供给总量其实应包括国内能源生产总量与进口量，但因为进口能源量存在统计口径等各方面原因，资料难以收集，实际来看，国内能源生产总量占能源供给的绝大部分，故在此我们选取国内能源生产总量代表能源供给量。
（6）其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的经济结构政策、消费者偏好等。
表1、原始数据一
年份
能源消费总量(万吨煤)
电力工业产品出厂价格指数
石油工业产品出厂价格指数
煤炭工业出厂价格指数
水电比重
原油(含天然气)比重
原煤比重
1978
57144
100
100
100
3.1
103.1
70.3
1979
58588
101.7
100.6
113.4
3.3
116.7
70.2
1980
60275
98.4
102.1
106.4
3.8
110.2
69.4
1981
59447
101.6
99.3
102.6
4.2
106.8
70.2
1982
62067
98.9
100.5
101.9
4.5
106.4
71.3
1983
66040
105.6
106.3
101.5
4.8
106.3
71.6
1984
70904
102.1
112
102.6
4.5
107.1
72.4
1985
76682
103.4
107.2
117.6
4.3
121.9
72.8
1986
80850
102.4
104.6
96.8
4.3
101.1
72.4
1987
86632
103.1
104
102.8
4.4
107.2
72.6
1988
92997
101.7
106.8
110.6
4.5
115.1
73.1
1989
96934
105.9
108.4
112.2
4.6
116.8
74.1
1990
98703
107.4
107.1
106.2
4.8
111
74.2
1991
103783
116.9
118.8
113.1
4.7
117.8
74.1
1992
109170
108.8
115.3
116.1
4.8
120.9
74.3
1993
115993
135.9
171.3
139.7
5.3
145
74
1994
122737
139.5
148.7
122.2
5.9
128.1
74.6
1995
131176
109.5
121.2
111.3
6.2
117.5
75.3
1996
138948
113.1
104.6
113.7
5.8
119.5
75.2
1997
137798
114
107.4
108
6.5
114.5
74.1
1998
132214
105.5
93
96.6
7.1
103.7
71.9
1999
130119
100.9
109.6
94.8
7.6
102.4
68.3
2000
130297
102.4
144.3
98.1
8.2
106.3
66.6
2001
134914
102.3
99.1
106.5
8.7
115.2
68.6
2002
148000
100.8
95.2
111.6
8.9
120.5
70.7

表2 原始数据二
年份
工业总产值（亿元）
工业总产值价格指数
城镇居民家庭人均可支配收入 （元）
指数 (1978=100)
科学研究与综合技术服务业人员数（万人）
能源生产总量（万吨标准煤）
1978
4237
113.5
343.4
100
92
62770
1979
4681.3
108.8
387
112.7
100
64562
1980
5154.26
109.3
477.6
127
105
63735
1981
5399.78
104.3
491.9
127.6
111
63227
1982
5811.22
107.8
526.6
133.9
118
66778
1983
6460.44
111.2
564
140.6
121
71270
1984
7617.3
116.3
651.2
158.1
125
77855
1985
9716.47
121.4
739.1
160.4
131
85546
1986
11194.26
111.7
899.6
182.5
137
88124
1987
13812.99
117.7
1002.2
186.9
142
91266
1988
18224
120.8
1181.4
182.5
144
95801
1989
22017.06
108.5
1375.7
182.8
147
101639
1990
23924.36
107.8
1510.2
198.1
152
103922
1991
26625
114.8
1700.6
212.4
156
104844
1992
34599
124.7
2026.6
232.9
159
107256
1993
48402
127.3
2577.4
255.1
166
111059
1994
70176
124.2
3496.2
276.8
174
118729
1995
91894
120.3
4283
290.3
178
129034
1996
99595
116.6
4838.9
301.6
176
132616
1997
113733
113.1
5160.3
311.9
179
132410
1998
119048
110.8
5425.1
329.9
168
124250
1999
126110
111.6
5854
360.6
165
109126
2000
85674
116.9
6280
383.7
164
109000
2001
95449
114.6
6859.6
416.3
154
120900
2002
110776
118.2
7703
472.1
151
139000

表3 计算、调整后的最终数据
年份
能源消费总量(万吨煤)
能源产品出厂价格指数
剔除物价的工业总产值（亿元）
科学研究与综合技术服务业人员数（万人）
能源生产总量（万吨标准煤）
1978
57144
100
4237
92
62770
1979
58588
109.6219
4302.665
100
64562
1980
60275
104.9436
4334.283
105
63735
1981
59447
101.7132
4353.542
111
63227
1982
62067
101.4262
4346.255
118
66778
1983
66040
102.8296
4345.154
121
71270
1984
70904
104.7489
4405.188
125
77855
1985
76682
114.6078
4628.638
131
85546
1986
80850
98.8582
4774.049
137
88124
1987
86632
103.0892
5004.985
142
91266
1988
92997
109.3483
5466.279
144
95801
1989
96934
111.1008
6086.641
147
101639
1990
98703
106.4466
6135.358
152
103922
1991
103783
114.487
5947.677
156
104844
1992
109170
115.5824
6198.046
159
107256
1993
115993
146.0398
6811.24
166
111059
1994
122737
128.3882
7951.149
174
118729
1995
131176
113.0199
8654.915
178
129034
1996
138948
111.9362
8044.789
176
132616
1997
137798
108.2736
8122.711
179
132410
1998
132214
96.4759
7673.559
168
124250
1999
130119
98.8304
7283.834
165
109126
2000
130297
110.095
4232.969
164
109000
2001
134914
104.4548
4115.123
154
120900
2002
148000
107.2932
4040.542
151
139000

以上数据来自：各年度《中国统计年鉴》中国统计出版社
中华人民共和国国家统计局网
《中国工业经济统计年鉴》

回归模型设立如下：

Yt =β0 +β1 X1t +β2 X2t +β3 X2t +β4X4t+β5X5t+ Ut
Yt ------能源需求总量(万吨煤)
X1t -----能源产品出厂价格指数（加权计算煤炭、石油、电力工业出厂价格指数）
X2t -----剔除物价的工业总产值（亿元）
X3t ----剔除物价的城镇居民家庭人均可支配收入 （元）
X4t ----科学研究与综合技术服务业人员数（万人）
X5t -----能源生产总量（万吨标准煤）
Ut------随机扰动项
β1、、β2、、β3、、β4、、、β5-----待估参数
t=1978-----2002

三、模型检验
假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数，利用计量经济计算机软件Eviews计算可得如下结果：
表4
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 12:48
Sample: 1978 2002
Included observations: 25
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-9312.503
5126.452
-1.816559
0.0851
X1
102.2836
52.30483
1.955529
0.0654
X2
-1.840787
0.497535
-3.699815
0.0015
X3
27.04573
2.213483
12.21863
0.0000
X4
181.1065
60.69616
2.983822
0.0076
X5
0.580178
0.066437
8.732772
0.0000
R-squared
0.995733
Mean dependent var
100096.5
Adjusted R-squared
0.994610
S.D. dependent var
30643.48
S.E. of regression
2249.721
Akaike info criterion
18.48056
Sum squared resid
96163651
Schwarz criterion
18.77309
Log likelihood
-225.0070
F-statistic
886.7535
Durbin-Watson stat
1.617818
Prob(F-statistic)
0.000000

回归方程为：
Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5
（5126.452）（52.30483）（0.497535） （2.213483）（60.69616） （0.066437）
t=（-1.816559） （1.955529）（-3.699815） （12.21863）（2.983822）（8.732772）
R2=0.995733 F=886.7535

（一）经济意义检验
由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。
（二）统计推断检验
从估计的结果可以看出，可决系数R2=0.995733, F=886.7535，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X2、X3、X4、X5的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显著性影响；仅有X1的t的P值大于给定的显著性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显著。
（三）计量经济学检验
1、多重共线性检验
由表4可看出,模型整体上线性回归拟合较好，R2与F值较显著，而解释变量X1的t检验不显著,并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。
表5

X1
X2
X3
X4
X5
X1
1
0.348300099365
0.129194093832
0.387168710635
0.299079945437
X2
0.348300099365
1
0.577760138667
0.782426661549
0.667649490603
X3
0.129194093832
0.577760138667
1
0.834560622806
0.907149867083
X4
0.387168710635
0.782426661549
0.834560622806
1
0.926739884058
X5
0.299079945437
0.667649490603
0.907149867083
0.926739884058
1
用逐步回归法修正模型的多重共线。

①运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量Y对能源生产总量X5的线性关系强,拟合程度好。
表6
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 12:54
Sample: 1978 2002
Included observations: 25
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-21020.32
5617.857
-3.741697
0.0011
X5
1.223541
0.055156
22.18308
0.0000
R-squared
0.955348
Mean dependent var
100096.5
Adjusted R-squared
0.953406
S.D. dependent var
30643.48
S.E. of regression
6614.583
Akaike info criterion
20.50856
Sum squared resid
1.01E+09
Schwarz criterion
20.60607
Log likelihood
-254.3570
F-statistic
492.0891
Durbin-Watson stat
0.582287
Prob(F-statistic)
0.000000
由表6得：
Y = -21020.32092 + 1.223540945*X5
（5617.857） （0.055156）
t=（-3.741697） （22.18308）
R2=0.955348 F=492.0891
②逐步回归。将其余解释变量逐一代入上式，得如下几个模型（结果表如下）
Y = 5426.633658 + 25.97702896*X3 + 0.7131621687*X5
（3802.412） （2.759851） （0.059774）
t=（1.427156） （9.412475） （11.93105）
R2=0.991118 F=1227.394

Y = -4090.451555 + 118.3029597*X1 + 27.83244134*X3 + 0.6617330059*X5
（6222.872） （63.07878） （2.795248） （0.062913）
t=（-0.657325） （1.875479） （9.957057） （10.51830）
R2=0.992392 F=913.0676

X4对Y的影响并不显著，故将X4删去，得如下模型：
Y = -4928.878753 + 141.8898316*X1 -1.005090487*X2+27.74415632*X3+0.702538287*X5
（5801.230） （59.75834） （0.485715） （2.599838） （0.061740）
t=（-0.849626） （2.374394） （-2.069299） （10.67150） （11.37891）
R2=0.993734 F=792.8957

Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 12:58
Sample: 1978 2002
Included observations: 25
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
5426.634
3802.412
1.427156
0.1676
X3
25.97703
2.759851
9.412475
0.0000
X5
0.713162
0.059774
11.93105
0.0000
R-squared
0.991118
Mean dependent var
100096.5
Adjusted R-squared
0.990310
S.D. dependent var
30643.48
S.E. of regression
3016.472
Akaike info criterion
18.97373
Sum squared resid
2.00E+08
Schwarz criterion
19.12000
Log likelihood
-234.1716
F-statistic
1227.394
Durbin-Watson stat
0.978110
Prob(F-statistic)
0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 13:07
Sample: 1978 2002
Included observations: 25
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-4090.452
6222.872
-0.657325
0.5181
X1
118.3030
63.07878
1.875479
0.0747
X3
27.83244
2.795248
9.957057
0.0000
X5
0.661733
0.062913
10.51830
0.0000
R-squared
0.992392
Mean dependent var
100096.5
Adjusted R-squared
0.991305
S.D. dependent var
30643.48
S.E. of regression
2857.414
Akaike info criterion
18.89887
Sum squared resid
1.71E+08
Schwarz criterion
19.09389
Log likelihood
-232.2359
F-statistic
913.0676
Durbin-Watson stat
0.929339
Prob(F-statistic)
0.000000

Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 13:11
Sample: 1978 2002
Included observations: 25
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-4928.879
5801.230
-0.849626
0.4056
X1
141.8898
59.75834
2.374394
0.0277
X2
-1.005090
0.485715
-2.069299
0.0517
X3
27.74416
2.599838
10.67150
0.0000
X5
0.702538
0.061740
11.37891
0.0000
R-squared
0.993734
Mean dependent var
100096.5
Adjusted R-squared
0.992480
S.D. dependent var
30643.48
S.E. of regression
2657.300
Akaike info criterion
18.78487
Sum squared resid
1.41E+08
Schwarz criterion
19.02864
Log likelihood
-229.8108
F-statistic
792.8957
Durbin-Watson stat
1.244654
Prob(F-statistic)
0.000000

2．异方差检验:（采用ARCH检验）
图示法

ARCH Test:
F-statistic
0.135388
Probability
0.937641
Obs*R-squared
0.485467
Probability
0.922072

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/29/04 Time: 13:34
Sample(adjusted): 1981 2002
Included observations: 22 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
7197913.
3420227.
2.104513
0.0496
RESID^2(-1)
-0.073902
0.233413
-0.316615
0.7552
RESID^2(-2)
0.001985
0.235213
0.008439
0.9934
RESID^2(-3)
-0.126411
0.233872
-0.540514
0.5955
R-squared
0.022067
Mean dependent var
5999470.
Adjusted R-squared
-0.140922
S.D. dependent var
9793751.
S.E. of regression
10461093
Akaike info criterion
35.32719
Sum squared resid
1.97E+15
Schwarz criterion
35.52556
Log likelihood
-384.5991
F-statistic
0.135388
Durbin-Watson stat
1.999805
Prob(F-statistic)
0.937641

由上表，Obs*R-squared=0.485467＜χ20.05（3）=7.81473，所以接受H0，表明模型中随机扰动项不存在异方差。

3．自相关检验
①由上表可得DW=1.244654，给定显著性水平α=0.05，n=25, k’=4时，查Durbin-Waston表得下限临界值dL=1.038，上限临界值du=1.767,可见DW统计量 DW=1.244654<du=1.767,由此可判断模型存在自相关。
②分别运用广义差分法、C-O迭代法、取对数改善模型修正自相关
广义差分法
Dependent Variable: DY
Method: Least Squares
Date: 12/29/04 Time: 13:57
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
803.5108
4351.049
0.184671
0.8554
DX1
116.2978
58.37304
1.992320
0.0609
DX2
-0.725358
0.557107
-1.302009
0.2085
DX3
29.44885
3.255500
9.045874
0.0000
DX5
0.637878
0.073374
8.693482
0.0000
R-squared
0.986404
Mean dependent var
64836.26
Adjusted R-squared
0.983542
S.D. dependent var
18915.98
S.E. of regression
2426.689
Akaike info criterion
18.60950
Sum squared resid
1.12E+08
Schwarz criterion
18.85492
Log likelihood
-218.3139
F-statistic
344.6293
Durbin-Watson stat
1.574741
Prob(F-statistic)
0.000000

C-O 迭代法
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04 Time: 13:59
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable
Coefficient
Std. Error
t-Stati