计量经济学论文

摘要：

对于经济高速发展的发展中国家而言，能源就是国家的命脉。随着国民经济的发展，能源供需矛盾日益尖锐，能源问题逐步成为国家间竞争和冲突的重要根源。总而言之，研究能源消费问题是迫切和必要的。本文通过计量经济学的知识，建立模型，进行检验，分析影响能源消费的因素，得出结论，提出建议，希望为制定科学的能源战略提供依据，保证我国经济优质、快速、稳定有序地向前发展。 关键词：能源消费 能源生产 计量经济学模型 能源战略 总论：

我国是一个能源大国，但是，我国人口众多，人均能源占有量不及同期发达国家的1/5。能源是任何一个国家经济发展不可缺失的物质基础。随着我国人口的继续增长，经济的快速发展，能源消费量的增加是必然的，而与年俱增的能源消费对环境造成的破坏也越来越严重。因此，怎样优化能源利用结构，开发利用清洁能源，就成为我国经济发展的当务之急。这就需要我们清楚了解能源供需形势，做好影响能源消费因素分析，为能源规划及的制定提供科学依据，保证我国国民经济又好又快地发展。 一、现有能源消费理论：

20世纪70年代的石油危机后，经济学家Cleveland实证分析了近100年来美国87个部门的经济增长，并发现了能源需求与GNP之间存在着高度的相关关系，并且两者之间的关系收到了能源结构变化的影响。Cleveland在模型中以能源需求与GNP之间存在着因果关系为基本假设，而劳动力与资本等生产要素并没有考虑进去。

20世纪80年代，Beenstock等人基于经济学的需求理论，通过分析影响能源需求的因素，建立能源需求函数来分析能源需求并预测未来能源需求，这也是目前应用较多的、较广泛的模型形式之一。

2002年Helm Dieter分析了能源在能源供应安全、可持续利用及能源竞争中的作用与意义。

就国内而言，从80年代末开始，我国能源经济的研究开始步入了一个全面发展的阶段。随着能源经济研究的内容日益充实，范围日趋广泛，与国外能源经

济的交流开始增多，我国对能源的供需问题的研究越来越重视。主要研究成果有：1994年李俊分析了中国区域能源供求及其影响因素；1997年和2003年樊杰等分别探讨了我国西北地区和东部沿海地区能源供需结构优化问题；2001年赵媛等以江苏省为例，进行了能源与社会经济协调发展的多目标决策研究。 二、中国能源供求现状分析

我国经济快速增长，必然带动能源消费量的增长。作为世界上最大的发展中国家，建国以来，我国的经济总量和能源消费总量都出现了较大幅度的增长。1953年—1978年GDP由1615亿元增长到6584亿元，再增长到2005年的183084亿元，1953年—1978年，1979年—2005年两个阶段的平均增长率分别为5.8%和9.7%；能源消费量由1953年的0.54亿吨标准煤增长到1978年的5.71亿吨标准煤，再增长到2005年的22.47亿吨标准煤。年均分别增长了9.9%和5.3%。中国的人均能源消费量也在迅速增长，1953年—1978年由0.09吨标准煤增长到0.59吨标准煤，再增长到2005年的1.70吨标准煤。2003年全国城乡生活人均年用电量为173.7千瓦时，而1980年只有10.7千瓦时。

从已收集来的数据来看，近年来，我国能源消费是处于供不应求的状态，并且供求矛盾有扩大的趋势。

从图中可看出，1996年之前能源的生产和消费均呈温和上升局势，虽然能源的生产不能满足消费的要求，但二者差距也相对平稳。但1996年之后之一差

距不断扩大，能源的生产不能满足经济发展对它的需求，到2003年能源需求大幅度增加，而能源生产却不能同步增加，能源矛盾突出。1997年—1999年中国经济在保持持续增长的同时，能源消费总量出现了下降。可能的原因是：市场出现需求疲软现象，能源产品需求减少；一些高能耗、污染大的“五小”企业被关闭；产业结构的变化等。由另外的资料表明，2002年—2004年连续三年的能源需求弹性系数都大于1，说明能源消费量增长速度已经超过经济增长速度，经济发展的能源代价在扩大。种种证据表明，我国的能源问题比较深刻，迫切需要解决。

三、影响因素设定：

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。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，带来递增的规模效应。

由于目前没有比较科学的资本价格数据，所以本文放弃对能源价格的研究。并且，消费者偏好只能用虚拟变量来表示，与本文的时间序列数据有不吻合之处，所以也不予考虑。

这里我们引入能源消费总量、能源生产总量、全国生活能源消费总量、城镇居民可支配收入、工业能源消费总量五个变量对影响能源消费的因素进行分析。 三、数据选取

1、能源消费总量，在模型中用Y来表示。是指一次性能源消费总量，由煤炭、石油、天然气等组成（单位：万吨标准煤）。 2、能源消费的影响因素：

（1）能源生产总量，在模型中用X1来表示。是指一次性能源生产总量，该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标（单位：万吨标准煤）。

（2）全国生活能源消费总量，在模型中用X2来表示，是指一次性能源在在生活方面的消费量。（单位：万吨标准煤）。

（3）城镇居民人均可支配收入，在模型中用X3来表示。指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。（单位：元）。

（4）工业能源消费总量，在模型中用X4来表示，是指工业方面的能源消费量。（单位：万吨标准煤）。

（5）其他因素，在模型中用U表示。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扰动项，如能源价格变动、消费者偏好、国家的经济结构等。 原始数据： 年份 能源消费总能源生产总全国生活能城镇居民人工业能源消量（Y） 量（X1） 源消费总量均可支配收费总量（X2） 入（X3） （X4） 60275 63735 9583 477.6 386 59447 63227 100 500.4 39806 62067 66778 10313 535.3 41786 66040 71270 10910 5.6 44571 70904 77855 11762 652.1 47865 76682 85546 13318 739.1 51068 80850 88124 13583 900.9 54441 86632 91266 14323 1002.1 58792 92997 95801 15534 1180.2 63040 96934 101639 15583 1373.9 66291 98703 103922 15800 1510.2 67578 103783 104844 15993 1700.6 71413 109170 107256 15636 2026.6 76279 115993 111059 15731 2577.4 81223 122737 118729 15413 3496.2 87855 131176 129034 15745 4283 96191 1348 132616 17714 4838.9 100322 138173 132410 16368 5160.3 100080 132214 124250 14393 5425.1 94409 130119 125935 14552 5854 90797 138553 1278 15965 6280 95443 143199 137445 15427 6859.6 92347 151797 143810 17527 7702.8 102181 174990 163842 19827 8472.2 121771 203227 187341 21281 9421.6 143244 224682 205876 23450 10493 159492 246270 221056 25388 11759.81 175137 1980 1981 1982 1983 1984 1985 1986 1987 1988 19 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 265583 235445 26790 15780.76 190167 本文所有数据来自中国统计年鉴 四、模型设定 回归模型设定如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+u Y=能源消费总量（万吨标准煤） X1=能源生产总量（万吨标准煤） X2=全国生活能源消费总量（万吨标准煤） X3=城镇居民人均可支配收入（元） X4=工业能源消费总量（万吨标准煤） u=随机扰动项 β0 β1 β2 βt=1980—2007 五、模型检验

假设模型中随机扰动项u满足古典假定，运用OLS方法估计模型的参数，利用计量经济学软件Eviews计算可得如下结果：

Dependent Variable: Y Method: Least Squares Date: 12/28/10 Time: 08:39 Sample: 1980 2007 Included observations: 28

Variable C X1 X2 X3

X4

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient

-1822.975 0.553614 0.209548 1.585396 0.568271

Std. Error

2572.371 0.107216 0.405769 0.429729 0.093726

t-Statistic

-0.708675 5.163553 0.5122 3.6293 6.063122

Prob.

0.4856 0.0000 0.6105 0.0012 0.0000

125790.9 55317.60 17.73983 17.97773 8176.418 0.000000

3 β4——待估参数

0.999297 Mean dependent var 0.999175 S.D. dependent var 1588.843 Akaike info criterion 58061714 Schwarz criterion -243.3577 F-statistic 1.3776 Prob(F-statistic)

回归方程为：

^Y=-1822.975+0.553614X1+0.209548X2+1.585396X3+0.568271X4

t=(-0.708675) (5.163553)（0.5122) (3.6293)（6.063122） R=0.999297 -R=0.999175 F=8176.418 DW=1.3776

2

2

1、 经济意义检验

由回归估计结果可以看出，能源生产总量、全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量与能源消费总量呈线性正相关，与现实经济意义理论相符。 2、 统计推断检验

从估计的结果可以看出，可决系数R2=0.999297，F=8176.418，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，X1、X3、X4的t值大于给定的显著性水平，拒绝原假设，接受备择假设，表明能源生产总量、城镇居民人均可支配收入、工业能源消费总量对能源消费总量有显著性影响；仅有X2的t值小于给定的显著性水平，接受原假设，表明全国生活能源消费总量对能源消费总量影响不显著。 3、 计量经济学检验 （1） 多重共线性检验

由下表可看出，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X2的t检验不显著，则说明该模型可能存在多重共线性。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。

用逐步回归法修正模型的多重共线性。

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合效果最好的一元线性回归方程。结果如下：

变量 参数估计值 t统计量 X1 1.205425 96.68787 X2 12.504 17.98317 X3 13.32327 22.85139 X4 1.3728 87.97252 R2 -R2 0.997227 0.997120 0.925586 0.922723 0.952571 0.950747 0.996652 0.996523 加入x1的方程-R2最大，以x1为基础，顺次加入其他变量逐步回归。

变量 X1,x2 X1,x3 X1,x4 X1 1.306361 (27.90480) 1.057581 （24.98728） 0.654737 (6.080966) X2 -1.1294 (-2.2259) X3 1.723936 （3.601698） X4 0.629503 (5.132058) -R2 0.997500 0.998028 0.998541 经比较，新加入x4的方程-R2=0.998541，改进最大，而且各参数的t检验显著，但是x2的符号不合理，选择保留x4，再加入其他新变量逐步回归。

X1,x4,x2 X1,x4,x3 X1 0.765901 (6.8540) 0.5143 (7.2751) X2 -0.815105 (-2.230921) X3 1.433497 (4.7176) X4 0.585695 (5.066001) 0.563954 (6.135601) -R2 0.998742 0.999200 在X1、X4的基础上加入X2后的方程-R2明显增大，但是X2的t检验不通过。加入X3

后不但方程的-R2明显增大，而且t检验值也通过，所以选择保留X3，继续回归。 X1,x4,x3,x2 X1 0.553614 (5.163553) X2 0.209548 (0.5122) X3 1.585396 (3.6293) X4 0.568271 (6.063122) -R2 0.999175 在x1，x4，x3的基础上，加入x2后，不仅-R2下降，而且x2参数的t检验不显著。这说明x2引起多重共线性，应予剔除。 最后修正多重共线性影响的回归结果为：

Dependent Variable: Y Method: Least Squares Date: 12/23/10 Time: 22:06 Sample: 1980 2007 Included observations: 28

Variable C X1 X3

X4

R-squared

Adjusted R-squared

Coefficient

-1771.254 0.5143 1.433497 0.563954

Std. Error

2530.847 0.080966 0.308466 0.091915

t-Statistic

-0.699866 7.2751 4.7176 6.135601

Prob.

0.4907 0.0000 0.0001 0.0000

125790.9 55317.60

0.9992 Mean dependent var 0.999200 S.D. dependent var

S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

15.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)

17.67993 17.87025 11245.40 0.000000

^Y=-1771.254+0.5143X1+1.433497X3+0.563954X4

t=(-0.699866) (7.2751) (4.7176) (6.135601)

2

R=0.9992 -R=0.999200 F=11245.40 DW=1.371751

2

（2） 异方差检验 图示法：

从上图可看出，残差e随Y的变动趋势不明显，不规律，所以，该模型可能不存在异方差。是否存在异方差还应通过更进一步的检验。 White检验

White Heteroskedasticity Test: F-statistic

1.042741 Probability 9.595539 Probability

0.445875 0.384209

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/24/10 Time: 16:45 Sample: 1980 2007

Included observations: 28

Variable C X1 X1^2 X1*X3 X1*X4 X3 X3^2 X3*X4 X4 X4^2

R-squared

Coefficient

-28787936 2823.568 -0.022387 0.262218 0.014039 2816.781 0.849792 -0.487615 -3330.526 0.023334

Std. Error

47930201 2913.608 0.046955 0.2251 0.095976 12596.90 0.990310 0.225676 3099.903 0.049458

t-Statistic

-0.600622 0.969097 -0.476773 1.145300 0.146278 0.223609 0.858107 -2.1606 -1.074397 0.471785

Prob.

0.5556 0.3453 0.6393 0.2671 0.8853 0.8256 0.4021 0.0444 0.2968 0.27

2097677. 27344. 32.73939 33.21518 1.042741 0.445875

0.342698 Mean dependent var 0.014047 S.D. dependent var 2715618. Akaike info criterion 1.33E+14 Schwarz criterion -448.3515 F-statistic 3.175863 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

222

nR=9.595539,由White检验知，在α=0.05下，查χ分布表，得临界值χ0.05（10）=18.3070。因为nR=9.595539＜χ

2

2

0.05（10）=18.3070

。所以拒绝备择假设，不拒绝原

假设，表明模型不存在异方差。

ARCH检验：

ARCH Test: F-statistic

0.731099 Probability 0.767152 Probability

Std. Error

t-Statistic

0.4008 0.381099

Prob.

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/24/10 Time: 18:38 Sample (adjusted): 1981 2007

Included observations: 27 after adjustments

Variable

Coefficient

C RESID^2(-1) R-squared

2408098. -0.168053

679705.5 0.196543

3.542855 -0.855043

0.0016 0.4006

2051841. 2776010. 32.59251 32.68850 0.731099 0.4008

0.028413 Mean dependent var -0.010450 S.D. dependent var 2790478. Akaike info criterion 1.95E+14 Schwarz criterion -437.99 F-statistic 1.850657 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

因为（n-1）R2=0.767152＜χ20.05（1）=3.84146，接受原假设，表明模型中的随机误差项不存在异方差。 （3） 自相关补救 图示法：

由上图可知，e和e（-1）散点图大部分点落在第Ⅰ、Ⅲ象限，表明随机扰动项u可能存在正自相关。

按照时间顺序绘制残差项e的图形。从图中可看出，e随t的变化逐次有规律地变化，呈现锯齿形的变化，可判断随机扰动项u可能存在正自相关。

由下表可得DW=1.371751；给定显著性水平α=0.05，n=28，K=3时，查Durbin—Watson表得下限临界值dL=1.181，上限临界值dU=1.650，可知dL＜DW＜dU，由此可判断模型可能存在自相关。

Dependent Variable: Y Method: Least Squares Date: 12/28/10 Time: 09:26 Sample: 1980 2007 Included observations: 28

Variable C X1 X3 X4

R-squared

Coefficient

-1771.254 0.5143 1.433497 0.563954

Std. Error

2530.847 0.080966 0.308466 0.091915

t-Statistic

-0.699866 7.2751 4.7176 6.135601

Prob.

0.4907 0.0000 0.0001 0.0000

125790.9 55317.60 17.67993 17.87025 11245.40 0.000000

0.9992 Mean dependent var 0.999200 S.D. dependent var 15.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

在不能确定的区域，可采取的措施是增大样本容量。但是，由于数据收集有困难，又DW接近dL值，所以，我们可假设模型有正自相关。 科克伦—奥克特迭代法：

genr e=resid genr e1=e(-1) ls e e(-1)

Dependent Variable: E Method: Least Squares Date: 12/24/10 Time: 18:56 Sample (adjusted): 1981 2007

Included observations: 27 after adjustments

Variable E(-1)

R-squared

Coefficient

0.270263

Std. Error

0.187155

t-Statistic

1.444063

Prob.

0.1607

-70.12930 1445.731 17.35224 17.40024 1.8024

0.071987 Mean dependent var 0.071987 S.D. dependent var 1392.722 Akaike info criterion 50431566 Schwarz criterion -233.2553 Durbin-Watson stat

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

^e=0.270263 e（-1）

由 可知^ρ=0.270263,对原模型进行广义差分，得到广义差分方程：

Y-0.270263Y（-1）=β0+β1(X1-0.270263*X1)+ β3(X3-0.270263*X3) + β4(X4-0.270263*X4)+u

得：

Dependent Variable: Y1 Method: Least Squares Date: 12/24/10 Time: 19:15 Sample (adjusted): 1981 2007

Included observations: 27 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C X11 X33 X44

R-squared

-2345.602 0.593210 1.183107 0.585756

2250.347 0.090324 0.362625 0.101048

-1.042329 6.567585 3.262622 5.796802

0.3081 0.0000 0.0034 0.0000

95620.07 41703.31 17.55875 17.75073 6975.326 0.000000

0.9902 Mean dependent var 0.998759 S.D. dependent var 1469.183 Akaike info criterion 495444 Schwarz criterion -233.0432 F-statistic 1.778225 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Dependent Variable: Y Method: Least Squares

ls y c x1 x3 x4 ar(1)

t-Statistic

-0.984055 6.128397 2.742671 5.537932 1.682139

Prob.

0.3358 0.0000 0.0119 0.0000 0.1067

128217.4 54831.80 17.62805 17.86802 8696.007 0.000000

2

R 、F 、t统计量也均达

Date: 12/24/10 Time: 19:48 Sample (adjusted): 1981 2007

Included observations: 27 after adjustments Convergence achieved after 9 iterations

Variable C X1 X3 X4 AR(1)

R-squared

Coefficient

-3288.221 0.585317 1.122399 0.600410 0.344368

Std. Error

3341.502 0.095509 0.409236 0.108418 0.204720

0.999368 Mean dependent var 0.999253 S.D. dependent var 1498.621 Akaike info criterion 49409060 Schwarz criterion -232.9787 F-statistic 1.850807 Prob(F-statistic) .34

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Inverted AR Roots

这时，DW＞dU，模型已无自相关。同时可见，可决系数到理想水平。 最终回归模型为：

^Y=-3288.221+0.585317X1+1.122399X3+0.600410X4

t=(-0.699866) (7.2751) (4.7176) (6.135601)

R=0.999368 -R=0.999253 F=8696.007 DW=1.850807

2

2

这说明，在其他因素不变的情况下，当能源生产总量X1、工业能源消费总量X4分别增长1万吨标准煤，能源消费总量Y分别增长0.585317、0.600410万吨标准煤。当城镇居民人均可支配收入增长1元时，能源消费总量Y增长1.122399万吨标准煤。从模型还可看出，能源生产总量X1对能源消费的影响较小。 不足之处：

①此案例存在的问题是样本容量太小，其可靠性受到影响。

②对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限性，无法对模型进行进一步调整。

③在考虑能源消费的影响因素时，我们引入了全国生活能源消费总量。按照经济学的一般观点，全国生活能源消费总量与能源消费总量存在较强的正相关关系。但是在具体回归时发现t检验值不通过，与统计意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在最后的尝试中发现，剔除全国生活能源消费总量的影响比保留时的拟合效果更好，所以，我们不得不考虑将其剔除。 ④在最初的考虑过程中，我们打算引入能源价格、资本价格、科技经费等作为一个影响因素，因为这些因素与能源消费有非常密切的关系。但是，由于无法找到1980年—2007年的比较准确的数据，所以，我们考虑放弃。 六、结论及建议 结论：

1、在多重共线性的修正过程中，可以发现，时间序列全国能源消费总量、工业能源消费量与能源消费总量具有共同变化趋势，在经济上升时期均呈现增长的趋势；在经济收缩期，又都呈现下降趋势。当这三者同时作为解释变量时，就很有可能出现多重共线性。出现多重共线性的另一原因是：抽样仅仅局限于能源消费总量影响因素的一个有限范围内。

2、在自相关的修正过程中，我们可以发现，全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量等经济数据都具有时间上的惯性，即在经济高涨的时期，能源消费在各个领域的较高增长率都会持续一段时间。另

外一方面，城镇人均可支配收入具有经济活动的滞后性，城镇居民人均可支配收入的增加，不会使居民能源消费的水平当期就达到应有的水平，而是要经过若干期才能达到。因为人的消费观念的改变存在一定的适应期。 3、虽然能源价格、能源消费结构和环境等因素未能在模型中得到量化和反映，但不是说这些因素对能源需求的影响并不重要。事实上，这些因素越是得不到量化和反映，越是暴露了当前我国在这些方面的不足和缺陷，更应该重视和解决。 建议：

1、充分发挥市场机制的作用，促进我国能源消费向高效、清洁的方向发展。在工业方面，有重点地调整产业结构，确保经济与能源消费的协调增长。在保证能源供应安全的同时，要合理的控制经济增长速度，积极推动经济增长方式由粗放型向集约型转变，严格控制高能耗产业的投资和发展，从而确保国民经济能够健康、稳定、持续发展。在人民生活方面，应该大力宣传资源节约型、环境友好型社会的建立，培养全民节能意识，倡导全社会节能降耗。

2、优化和改善能源消费结构，大力发展清洁能源的使用，加强科学技术在此类能源上的创新性。我国具有丰富的水能、风能、太阳能等可再生资源，从长远来看，我国应在中长期战略上做好大力发展可再生能源的部署。 3、加强能源统计，制定有效的能源发展战略。能源统计数据的质量，应包括数据的准确性和时效性。提高能源统计数据的准确性、时效性、国际可比性，便于有关部门及时调整战略，实现能源的有效利用。 七、参考文献

[1] 刘宏杰,邱立成.中国能源消费与经济发展关系的时间序列分析［J］.《河北经贸大学学报》， 2008，5

[2]林伯强，中国能源需求的经济计量分析[J]．统计研究，2001，(10)，34—38． [3]史丹．结构变动是影响我国能源消费的主要因素[J]．中国工业经济，1999，(11)．