《“完美风暴”是否会发生在中国？ 计量经济学案例(27页).doc》由会员分享，可在线阅读，更多相关《“完美风暴”是否会发生在中国？ 计量经济学案例(27页).doc（27页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、-“完美风暴”是否会发生在中国？摘要 人口、粮食、淡水、能源、环境气候等问题，这些历年来都是学者研究的热点，这些问题如果集中在一起将引发不可预想的恶果。本文通过收集中国相关数据，运用计量经济学软件，预测英国科学家约翰 贝丁顿所说的“完美风暴”是否会在中国发生，并提出一些合理避免这一严重恶果的发生。关键词 完美风暴 计量经济学 淡水需求 能源需求 粮食需求 英国科学家约翰 贝丁顿于2009年3月18日在英国卫报发表文章警告称，气候变化和人口增长将导致食品、水和能源短缺，进而引发大规模移民、公共骚乱和国际冲突。如果未来数年内没有充分准备的话，到2030年，世界将面临“完美风暴”，出现大动荡。他说：
2、“我们的粮食储备是50年来最低的，到2030年，我们对粮食的需求会增加50%，同时，我们对能源的需求也会增加50%，淡水的需求会增加30%。”按照贝丁顿的说法，类似的问题是否会发生在中国呢？我们假定中国与世界是一个密不可分的整体，如果粮食、能源和淡水需求量再过20年，也就是到2030年分别增加50%、50%、30%那么“完美风暴”就会在中国发生。下面我们来验证这一结果是否会发生，以及提出一些避免这一恶果发生的措施。一、粮食需求预测模型表1 1990-2007粮食产量与相关影响因素年 份粮食产量（万吨）播种面积（千公顷）农用机械总动力（万千瓦）有效灌溉面积（千公顷）化肥施用量(万吨)199044
3、624.30113465.8728707.7047403.102590.30199143529.30112313.6029388.6047822.102805.10199244265.80110559.7030308.4048590.102930.20199345648.80110508.7031816.6048727.903151.90199444510.10109543.7033802.5048759.103317.90199546661.80110060.4036118.1049281.203593.70199650453.50112547.9238546.9050381.403827.
4、90199749417.10112912.1042015.6051238.503980.70199851229.53113787.4045207.7052295.604083.70199950838.58113160.9848996.1253158.414124.32200046217.52108462.5452573.6153820.334146.41200145263.67106080.0355172.1054249.394253.76200245705.75103890.8357929.8554354.904339.39200343069.5399410.3760386.5454014.
5、234411.56200446946.95 101606.03 64027.91 54478.42 4636.58 200548402.19 104278.38 68397.85 55029.34 4766.22 200649804.23 104958.00 72522.12 55750.50 4927.69 200750160.28 105638.00 76589.60 56518.34 5107.83 1.模型的基本假设（1）粮食产量在模型中用Y表示，指全社会的产量。包括国有经济经营的、集体统一经营的和农民家庭经营的粮食产量，还包括工矿企业办的农场和其他生产单位的产量；（2）播种面积指粮食
6、实际播种或移植面积，在模型中用表示，它直接影响粮食产量；（3）农用机械总动力指主要用于农、林、牧、渔业的各种动力机械的动力总和，这里用农业机械总动力来替代粮食生产机械总动力，在模型中用表示；（4）有效灌溉面积指具有一定的水源，地块比较平整，灌溉工程或设备已经配套，在一般年景下，当年能够进行正常灌溉的耕地面积。它是反映我国耕地抗旱能力的一个重要指标并影响粮食产量，在模型中用表示； （5）化肥施用量指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥，在模型中用表示；（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，如国家的政策、自然灾害等，在模型中用表示。2.
7、模型的建立跟据变量之间的相关关系，我们假定粮食回归模型为=+利用表1中的数据，用EViews进行最小二乘法估计，得到的结果如表2Dependent Variable: YMethod: Least SquaresDate: 12/24/09 Time: 15:45Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-8202.47614993.14-0.5470820.5936X10.6454330.0713129.0508730.0000X20.0737240.065
8、8961.1187920.2835X3-0.8215930.343437-2.3922660.0326X46.1740081.1649715.2997100.0001R-squared0.933427 Mean dependent var47041.61Adjusted R-squared0.912943 S.D. dependent var2703.349S.E. of regression797.6325 Akaike info criterion16.43131Sum squared resid8270829. Schwarz criterion16.67863Log likelihoo
9、d-142.8818 F-statistic45.56883Durbin-Watson stat2.599517 Prob(F-statistic)0.000000通过表2，我们得到的粮食回归模型为= - 8202.5 - 0.645+ 0.074 - 0.822 + 6.3174 (-0.55) (9.05) （1.12） （-2.39） （5.30）=0.999 =0.998 DW=1.43 F=2185.01其中括号内的数字是t值。容易知道，的系数不显著，而且的符号不符号实际意义，所以和在模型中应该略去。略去、后对数据再次进行回归，得到的结果如下表3Dependent Variable:
10、 YMethod: Least SquaresDate: 12/24/09 Time: 15:55Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-39616.318129.677-4.8730480.0002X10.6374840.0649189.8199100.0000X44.4329530.38691011.457340.0000R-squared0.903604 Mean dependent var47041.61Adjusted R-squared0.89
11、0752 S.D. dependent var2703.349S.E. of regression893.5311 Akaike info criterion16.57925Sum squared resid11975967 Schwarz criterion16.72765Log likelihood-146.2133 F-statistic70.30432Durbin-Watson stat1.684832 Prob(F-statistic)0.000000通过表3，我们可以得出粮食回归模型为= - 39616.31 + 0.637 + 4.433 (-4.87) （9.82） （11.5
12、）=0.90 =0.89 DW=1.68 F=73.33.模型的检验（1）经济意义检验=-39616.31，表示不受播种面积和化肥施用量影响下的产量，与实际经济意义相符；=0.637，表示当播种面积每增加1千公顷时，粮食产量增加0.637万吨；=4.433，表示当化肥每增加一万吨时，粮食常量将增加4.433万吨。各回归系数的大小、符号都符合实际意义。（2）统计检验拟合优度检验：根据表格得出=0.90，修正的=0.89，说明粮食的播种面积和化肥施用量对粮食产量解释程度为90%，解释程度很高。 t检验：给定=0.05，查自由度v=n-k-1=15的t分布表，得临界值=2.13。对进行显著性检验，因
13、为4.87=2.13，拒绝,接受:0，表明常数项对Y值的有显著性影响，在模型中存在常数项；对进行显著性检验，因为 9.82=2.13，接受：，表明对Y值的有显著性影响；对进行显著性检验，因为t11.5=2.13，接受：0，表明对Y值的有显著性影响。F检验：提出检验的原假设：=0根据表4得出F=73.3，给出显著性水平=0.05，查分子自由度为2，分母自由度为15的F分布上侧分位数=3.68，因为F73.33.68，所以拒绝原假设，因此可知总体回归方程存在显著的线性关系。通过经济意义检验和统计检验可知该回归方程拟合得很好。4.2030年粮食产量预测（1）对粮食播种面积预测时间t和粮食播种面积的回
14、归方程为=1353594 - 623.01t (4.96) (-4.57)=0.566 =0.539 DW=0.523 F=20.85根据回归方程可知，虽然方程的解释程度一般，但系数都显著，而且F检验也显著，所以还是可以用来预测的。用2030年带代入方程计算的结果为 =1353594 - 623.01*2030 = 88883.7（千公顷）（2）对化肥施用量的预测时间t和化肥施用的量回归方程为= -269465.5 + 136.81t （-22.12） （22.44）=0.969 =0.967 DW=0.29 F503.66根据回归方程可知，方程的解释程度很高，而且系数都显著和F检验也显著，是
15、比较好的回归方程。用2030年带代入方程计算的结果为= -269465.5+136.81*2030=8560.3（万吨）（3）2030年粮食产量预测粮食产量的回归模型为 = - 39616.31 + 0.637 + 4.433 = - 39616.31 + 0.637*88883.7 + 4.433*8560.3 = 54950.41（万吨）到2030年全国的粮食产量为54950.41万吨，与2007年的50160.28万吨相比，增加了9.55%，增长速度将会远不及粮食的需求。二、能源需求预测模型表4 能源需求与其相关影响因素年 份能源需求总量(万吨标准煤)城镇化水平工业生产总值能源生产总量城
16、城镇居民家庭人均可支配收入199098703.00 26.41 6858.00 103922.00 1510.20 1991103783.00 26.94 8087.10 104844.00 1700.60 1992109170.00 27.46 10284.50 107256.00 2026.60 1993115993.00 27.99 14187.97 111059.00 2577.40 1994122737.00 28.51 19480.71 118729.00 3496.20 1995131176.00 29.04 24950.61 129034.00 4283.00 19961389
17、48.00 30.48 29447.61 132616.00 4838.90 1997137798.00 31.91 32921.39 132410.00 5160.30 1998132214.00 33.35 34018.43 124250.00 5425.10 1999133830.97 34.78 35861.48 125934.78 5854.02 2000138552.58 36.22 40033.59 128977.88 6280.00 2001143199.21 37.66 43580.62 137445.44 6859.60 2002151797.25 39.09 47431.
18、31 143809.83 7702.80 2003174990.30 40.53 54945.53 163841.53 8472.20 2004203226.68 41.76 65210.03 187341.15 9421.60 2005224682.00 42.99 77230.78 205876.00 10493.00 2006246270.00 43.90 91310.90 221056.00 11759.50 2007265583.00 44.94 107367.20 235445.00 13785.80 1.模型的基本假设（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，
19、由煤炭、石油、天然气和水电4项组成；（2）城镇化水平在一定程度上反映经济水平的发展，并最终影响能源的需求，在模型中用表示；（3）工业生产总值在模型中用表示；（4）能源生产总量，在模型中用表示，直接由各年度统计年鉴查得；（5）城镇居民家庭人均可支配收入在模型中用表示，因为城镇居民可支配收入增加，将会增加对能源的需求；（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，在模型中用表示，如国家的经济结构政策、消费者偏好等。2.模型的建立跟据变量之间的相关关系，我们假定能源回归模型为=+利用表中的数据，用EViews进行最小二乘法估计，得到的结果如下表5Dependent Var
20、iable: YMethod: Least SquaresDate: 12/22/09 Time: 16:59Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C10367.6612763.150.8123120.4312X1-285.8938443.8802-0.6440790.5307X20.6469980.2942632.1987080.0466X30.9486820.07797412.166590.0000X4-1.7568082.346367-0.748735
21、0.4673R-squared0.998515 Mean dependent var154036.3Adjusted R-squared0.998058 S.D. dependent var49161.79S.E. of regression2166.571 Akaike info criterion18.42981Sum squared resid61022374 Schwarz criterion18.67714Log likelihood-160.8683 F-statistic2185.009Durbin-Watson stat1.433854 Prob(F-statistic)0.0
22、00000通过表5，我们得到能源需求的回归模型为=10367.7 - 285.9+ 0.647+ 0.949 - 1.757 (0.81) (-0.64) （2.20） （12.2） （-0.75）=0.999 =0.998 DW=1.43 F=2185.01其中括号内的数字是t值,回归系数估计值的显著性都很低，但这些因素都存在着因果关系。查F的临界值表得到=3.18,故F=2185.013.18，回归方程显著。3.修正Frisch法对多重共线性处理分别计算、的两两相关系数，得= 0.95 = 0.91=0.97 = 0.98= 0.99 = 0.96可见解释变量之间是高度相关的。为了检验和处
23、理多重共线性，采用修正Frisch法。（1）对Y分别进行关于、作最小二乘法回归，得 = -88289.03 + 6990.603 (-3.15) (8.79)=0.828 =0.818 DW=0.234 F=77.267 = 84340.22 + 1.687994 (22.68) (22.61)=0.97 =0.97 DW=0.346 F=511.22 = -21433.01 + 1.208352 (-8.87) (75.281)=0.997 =0.997 DW=1.121 F=5667.77 = 70660.67 + 13.44205 (11.22) (15.13)=0.93 =0.93 D
24、W=0.272 F=229.02其中括号内的数字是t值。根据经济理论分析和回归方程结果，易知能源生产总量是最重要的解释变量，所以选取第三个回归方程作为基本回归方程。（2）加入对Y关于、做最小二乘回归= - 5899.5 + 0.263 + 1.027 (0.98) (2.71) （15.04）=0.998 =0.9978 DW=1.234 F=3965.09可以看出，加入后，拟合优度和均有所增加，参数估计的符号也是正确，并且没有影响系数的显著性，且其系数也显著，所以在模型中保留。（3）加入对Y关于、做最小二乘回归= 3994.8+ 0.717+ 0.951 - 2.852 (0.50) (2.
25、68) （12.5） （-1.80）=0.998 =0.998 DW=1.344 F=3040.28可以看出，在加入后，拟合优度和没有再增加，并且它的系数不显著，说明存在严重的多重共线性，所以略去。 （4）加入对Y关于、做最小二乘回归= 12840.8 - 526.7+ 0.455+ 0.969 (1.06) (-1.75) （3.19） （13.43）=0.998 =0.998 DW=1.480 F=3007.55可以看出，在加入后，拟合优度和没有再增加，并且它的系数不显著，说明存在严重的多重共线性，所以略去。综上所述，得到Y关于、的回归方程为= - 5899.5 + 0.263 + 1.0
26、27 (0.98) (2.71) （15.04）=0.998 =0.9978 DW=1.234 F=3965.09因为给定显著性水平下可知常数项系数不显著，略去常数项后，对Y关于、再次回归，得到的结果如下表6Dependent Variable: YMethod: Least SquaresDate: 12/22/09 Time: 17:37Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. X20.3509570.03245810.812680.0000X30.9612
27、830.01074589.466350.0000R-squared0.997993 Mean dependent var154036.3Adjusted R-squared0.997868 S.D. dependent var49161.79S.E. of regression2269.956 Akaike info criterion18.39735Sum squared resid82443180 Schwarz criterion18.49628Log likelihood-163.5761 Durbin-Watson stat1.101518根据表6得到的回归方程为= 0.35+0.9
28、6 (10.8) (89.5)=0.998 =0.9978 DW=1.10 F=18.49该模型中系数均显著且符号正确，虽然解释变量之间仍然存在高度线性关系，但多重共线性并没有造成不利后果，所以该模型是最好的能源需求方程。4.2030年粮食产量预测（1）工业生产总值的预测工业生产总值对时间t的回归方程为= -10186227 + 5117.6t (-12.47) (12.53)=0.91 =0.90 DW=0.26 F=156.97根据回归方程可知，方程的解释程度很高，而且系数和F检验都显著，所以可以用来预测的。用2030年带代入方程计算的结果为= -10186227 + 5117.6*203
29、0 = 202501（亿元）（2）能源生产总量的预测能源生产总量对时间t回归方程为= -13518862 + 6837.2t （-8.10） （8.18）=0.807 =0.795 DW=0.21 F=66.96根据回归方程可知，方程的解释程度很高，而且系数和F检验都显著，该方程是比较好的回归方程。用2030年带代入方程计算的结果为= -13518862 + 6837.2*2030 = 360654（万吨）（3）2030年能源需求预测能源需求的回归模型为= 0.35+0.96 = 0.35*202501+0.96*360654 = 417103.19（万吨）到2030年全国的能源需求为4171
30、03.19万吨，与2007年265583万吨相比，增加了57.05%，这样的增长速度超过了贝丁顿所说的50%。三、淡水需求预测模型表7 2000-2007用水总量与相关影响因素年 份用水总量(亿立方米)人口（万人）农业国内生产 总值（ 亿元）工业二氧化硫排放量(万吨)20005497.59126743.0014944.721558.4020015567.43127627.0015781.271632.5020025497.28128453.0016537.021710.2020035320.40129227.0017381.721791.6020045547.80129988.0021412.
31、731891.4020055632.98130756.0022420.002168.4020065794.97131448.0024040.002234.8020075818.67132129.0028095.002140.001.模型的基本假设（1）用水总量，在模型中用Y表示，指分配给各类用户的包括输水损失在内的毛用水量之和，不包括海水直接利用量；（2）人口总量在模型中用表示；（3）农业国内生产总值，在模型中用表示，因为农业用水占用水总量比重很大，所以对模型影响比较大；（4）工业二氧化硫排放量在模型中用表示，指报告期内企业在燃料燃烧和生产工艺过程中排入大气的SO2总，对大气又直接的影响，从而
32、影响气温和降雨量；（5）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，在模型中用表示。2.模型的建立跟据变量之间的相关关系，我们假定回归模型为=+利用表中的数据，用EViews进行最小二乘法估计，得到的结果如下表8Dependent Variable: YMethod: Least SquaresDate: 12/24/09 Time: 17:44Sample: 2000 2007Included observations: 8VariableCoefficientStd. Errort-StatisticProb. C28650.8111211.662.5554480.
33、0629X1-0.1989610.094356-2.1086270.1026X20.0714420.0265282.6931460.0545X30.6738600.4434031.5197450.2032R-squared0.835405 Mean dependent var5584.640Adjusted R-squared0.711958 S.D. dependent var163.8951S.E. of regression87.96173 Akaike info criterion12.09853Sum squared resid30949.06 Schwarz criterion12
34、.13825Log likelihood-44.39413 F-statistic6.767338Durbin-Watson stat2.019826 Prob(F-statistic)0.047918通过表8，我们得到淡水需求的回归模型为=28650.8 0.199 + 0.071 + 0.763 (2.56) (-2.11) （2.69） （1.52） =0.835 =0.712 DW=2.01 F=6.77其中括号内的数字是t值。给定=0.05查 t 临界值表得=2.78，回归系数估计值都不显著；给定=0.05，查F的临界值表得=6.59，因为F=6.776.59，回归方程显著。3.修正
35、Frisch法对多重共线性处理分别计算、的两两相关系数，得= 0.96 = 0.96 = 0.91可见解释变量之间是高度相关的。为了检验和处理多重共线性，采用修正Frisch法。（1）对Y分别进行关于、作最小二乘法回归，得 = -2274.3 + 0.061 (-0.07) (2.3)=0.485 =0.399 DW=1.18 F=5.65 = 5014.01 + 0.028 (28.82) (3.36)=0.65 =0.59 DW=1.36 F=11.26 = 4715.03 + 0.46 （14.2) (2.64)=0.536 =04597 DW=1.32 F=6.95其中括号内的数字是t
36、值。根据经济理论分析和回归方程结果，易知农业国内生产总值是最重要的解释变量，所以选取第三个回归方程作为基本回归方程。（2）加入对Y关于、做最小二乘回归= 5018.2 + 0.029 - 0.005 (12.76 (1.29) （-0.01）=0.652 =0.513 DW=1.36 F=4.69可以看出，加入后，拟合优度增加，但却减少了，并且影响系数的显著性，而所以在模型中应略去。（3）加入对Y关于、做最小二乘回归= 16563.4 - 0.095 + 0.65 (1.87) (-1.30) （2.22） =0.740 =0.637 DW=1.89 F=7.12可以看出，在加入后，拟合优度和
37、均有所增加，但系数都不显著，所以略去。综上所述，得到Y关于的回归方程为= 5014.01+ 0.028 (28.82) (3.36)=0.65 =0.59 DW=1.36 F=11.26该模型中系数均显著且符号正确，虽然解释变量之间仍然存在高度线性关系，但多重共线性并没有造成不利后果，所以该模型是最好的能源需求方程。模型的拟合优度一般，但是系数和F检验都显著，方程的拟合得还是比较好的。4.2030年淡水需求预测（1）对农业国内生产总值预测农业国内生产总值对时间t回归方程为= - 3677468 +1845 t (-9.8) (9.9)=0.94 =0.93 DW=1.55 F=97.49根据回归方程可知，方程的解释程度很高，而且系数和F检验都显著，所以可以用来预测。 用2030年带代入方程计算的结果为=-3677468 +1845*2030 = 67882（亿元）（2）2030年淡水需求预测淡水需求的回归模型为= 5014.01+ 0.028 =5014.01+ 0.028*67882 =6914.706（万吨）到2030年全国的淡水需求为6914.706万吨，与2007年5818.67 万吨相比，增加了18.83%。第 27 页-