《能源消耗影响的计量分析.pdf》由会员分享，可在线阅读，更多相关《能源消耗影响的计量分析.pdf（12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、-计量经济学课程论文计量经济学课程论文倡导节约型社会，推进集约型发展倡导节约型社会，推进集约型发展-对我国能源消耗影响的计量分析对我国能源消耗影响的计量分析小组成员：小组成员：（研究生（研究生 20052005 级级 1 1 班班 经济学）经济学）龙楚瑜龙楚瑜武英杰武英杰钱晓烨钱晓烨易洁易洁黄瑞琦黄瑞琦指导教师：鲁万波指导教师：鲁万波日期：日期：20052005 年年 9 9 月月1212 月月-摘要：摘要：中国经济稳步快速增长，举世瞩目。但是中国能源发展存在的问题，如总量不足，石油紧缺，环境污染严重，人均占有量少等，已开始阻碍中国经济的发展。本文在分析我国的能源消耗问题上，首先通过定性分析得
2、到了 5 个自变量，之后，使用Eviews将所有确定的变量进行线性回归后，得到了含有 5 个自变量的初步的模型。对模型进行检验的时候，我们首先从经济意义，统计推断进行检验，删除了方程中与经济意义相悖的变量，再在Eviews软件的辅助下进行了计量检验，修正了模型存在的多重共线性，使得模型通过了关于异方差和自相关的检验，最终得到了较满意的模型，得出了我国的能源消耗量与可供消耗的能源量和我国的人口数相关关系较强这一结论。关键词：关键词：能源消耗 线性回归 多重共线性 异方差 自相关 节约一、一、选题意义及背景选题意义及背景目前我国能源消耗惊人，形势严峻。根据统计显示，从 1990 年到 2001 年
3、，我国石油消耗增长 100%，天然气增长 92%。2002 年，全国一次能源消费量为 14.8亿吨标准煤，居世界第二位；2003 年上升到 16.78 亿吨标准煤，增长 10.15%，超过 GDP 增长 9.1%的速度。其中原油消费量 2.52 亿吨，增长 12%；原煤 15.79亿吨，增长 13.6%。国家有关部门预计，到 2010 年，我国煤炭产量将有 2.5 亿吨的缺口。到 2020 年，缺口将达到 7 亿吨。以目前的趋势计算，到 2020 年,我国能源消费总量将超过 36 亿吨标准煤，“十一五”期末的能源消费总量应在 25 亿吨标准煤左右。“十五”的经验证明：“十五”初期有关能源需求的
4、预测,低于实际的需求水平，2005 年我国消费的能源总量，事实上已经存在透支。因此研究我国能源的消耗量具有切实意义，这在对于减少能源的消耗，构建节约型社会有着一定的作用。根据经验表明，我国的能源消耗受到许多因素的影响，这些因素包括：能源的供给量，能源的需求量，还包括我国的人口数量，对外贸易总额，还有原材料的价格以及国内生产总值都会对能源的消耗产生影响。因此在模型中，将引入这些解释变量对我国的能源消耗进行回归分析。二、二、模型的建立模型的建立2.12.1 变量的说明及模型的建立变量的说明及模型的建立根据以上的分析，我们引入了 5 个自变量分析影响我国能源的消耗：yt：能源消耗总量（单位：万吨标准
5、煤）；x1t：可供消费的能源量（单位：万吨标准煤）；x2t：进出口贸易总额（单位：亿元）；x3t：国内生产总值（单位：亿元）；x4t：我国的年底总人口数；x5t：主要原材料、燃料、动力购进价格分类指数(上年=100)；-t为年份数,t 1988 2004i：待估计参数，i 0,1,25；根据引入的变量，设定模型为yt01x1t2x2t3x3t4x4t5x5tut其中ut为随机扰动项。2.22.2 模型的估计模型的估计2.2.12.2.1 原始数据原始数据通过数据收集和整理，我们得到了相关变量的数据：198819891990199119921993199419951996199719981999
6、20002001200220032004能源消耗总量929979693498703103783109170115993122737131176138948137798132214130119130297134914148222170943197000可供消耗的能源量932359532696138100195104880111620117967129535134433133724128368115829115150125310144319168487进出口贸易总额国内生产总值我国的年底总人口数18547.921617.826638.134634.446759.458478.167884.6744
7、62.678345.282067.589468.197314.8105172.3117390.2136875.9114333115823117171118517119850121121122389123626124761125786126743127627128453129227129988购进价格分类指数126.4105.6109.1111135.1118.2115.3103.9101.395.896.7105.199.897.7104.8111.43821.841565560.17225.89119.61127120381.923499.924133.826967.226849.72989
8、6.239273.242183.651378.270483.595539.12.2.22.2.2 模型的估计模型的估计将收集到的数据导入Eviews软件，估计参数，得到输出结果为：表 1：Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:09:26Sample(adjusted):1990 2003Included observations:14 after adjustmentsVariableX1Coefficient0.678849Std.Error0.087375t-Statistic7.769373Prob.0.000
9、1数据来源：根据中国统计年鉴数据计算整理所得-X2X3X4X5CR-squared-0.0028760.1019750.75618569.88132-61513.010.1446870.3477711.73137696.61921192876.1-0.0198800.2932240.4367540.723265-0.3189250.98460.77680.67380.49010.7580128929.818632.9218.5048318.77871189.24390.0000000.991616 Mean dependent var0.986376 S.D.dependent var2174
10、.846 Akaike info criterion37839634 Schwarz criterion-123.5338 F-statistic2.298592 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat根据该结果整理得到回归方程：tyt 61513.01 0.678849x1t0.002876x2t 0.101975x3t 0.756185x4t 69.88132x5t(0.318925)(7.769373)(0.019880)(0
11、.293224)R2 0.986376DW 2.298592(0.436754)(0.723265)R2 0.991616三、三、模型检验模型检验3.13.1 经济意义的检验经济意义的检验根据以上的回归结果可以看到，我国能源消耗总量与可供消费的能源量，国内生产总值，我国的年底总人口数，主要原材料、燃料、动力购进价格分类指数呈线性正相关关系，与实际意义相符合；但是该结果同时表明能源消耗总量与进出口贸易总额呈线性负相关关系，这与实际意义不相符合，因此应该考虑将该变量删去。3.23.2 统计推断检验统计推断检验根据以上的回归结果得到，判定系数为R2 0.991616，修正的判定系数为R2 0.986
12、376，F统计量为 189.2439，模型的整体拟合优度相当好；但是在给定 0.05的条件下，除了x1t之外的所有变量的P值都大于 0.05，则应当接受原假设，拒绝备择假设，认为我国能源消耗总量与进出口贸易总额，国内生产总值，我国的年底总人口数，主要原材料、燃料、动力购进价格分类指数没有显著的相关关系。3.33.3 计量经济学的检验以及模型的修正计量经济学的检验以及模型的修正3.3.13.3.1 对于多重共线性对于多重共线性1检验根据表 1 的输出结果，可以看到F统计量显著，方程整体显著，但是变量x2t,x3t,x4t,x5t的t统计量均没有通过检验，方程存在着严重的多重共线性。同时，结合相关
13、系数矩阵，也可以看出各自变量之间相关系数很高，确实可-能存在严重的多重共线性。X1X2X3X4X5X110.868400.825240.77491-0.30486X20.8684010.949580.92147-0.44293X30.825240.9495810.99222-0.56054X40.774910.921470.992221-0.54035X5-0.30486-0.44293-0.56054-0.5403512模型的修正对于多重共线性的修正在此选取逐步回归法。在对模型进行经济意义检验时，由于x2t与经济意义相悖，在修正时先将其去掉，整理得到回归结果为：yt 63444.66 0.6
14、79002x1t 0.097443x3t 0.774370 x4t 68.96858x5tt(0.403876)(8.274438)(0.393505)(0.558716)R2 0.987889DW 2.291903(0.860451)R2 0.991616可以看到模型仍然存在严重的多重共线性。为了修正多重共线性，我们首先将模型中的各个自变量分别与应变量进行回归,结果如下：y与x1t进行拟合：Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:13Sample(adjusted):1988 2003Included obse
15、rvations:16 after adjustmentsVariableX1CR-squaredCoefficient1.0083854023.672Std.Error0.0569146901.113t-Statistic17.717620.583047Prob.0.00000.5691124684.320880.4819.7627819.85936313.91400.0000000.957306 Mean dependent var0.954256 S.D.dependent var4465.871 Akaike info criterion2.79E+08 Schwarz criteri
16、on-156.1023 F-statistic0.734945 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson staty与x3t进行拟合：Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:14Sample(adjusted):1990 2004-Included observations:15 after adjustmentsVariableX3CR-squaredCoeff
17、icient0.64332888192.23Std.Error0.0755255927.735t-Statistic8.51811614.87790Prob.0.00000.0000133467.825125.4921.4145821.5089972.558290.0000010.848057 Mean dependent var0.836369 S.D.dependent var10163.60 Akaike info criterion1.34E+09 Schwarz criterion-158.6093 F-statistic0.468700 Prob(F-statistic)Adjus
18、ted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson staty与x4t进行拟合：Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:14Sample(adjusted):1990 2004Included observations:15 after adjustmentsVariableX4CR-squaredCoefficient4.219582-385657.5Std.Error0.72567289348.14t-Stati
19、stic5.814727-4.316347Prob.0.00010.0008133467.825125.4922.0176622.1120633.811050.0000600.722288 Mean dependent var0.700925 S.D.dependent var13740.56 Akaike info criterion2.45E+09 Schwarz criterion-163.1324 F-statistic0.497642 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog li
20、kelihoodDurbin-Watson staty与x5t进行拟合：Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:14Sample(adjusted):1989 2004Included observations:16 after adjustmentsVariableX5CCoefficient-746.0181212183.4Std.Error603.732265859.27t-Statistic-1.2356773.221769Prob.0.23690.0061-R-squared0.098339 Mean
21、dependent var0.033935 S.D.dependent var25491.16 Akaike info criterion9.10E+09 Schwarz criterion-183.9722 F-statistic0.331306 Prob(F-statistic)131184.425935.0023.2465223.343091.5268980.236912Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat选出其中拟合优度最好的为：y 4023.672 1.
22、008385x1ttt(0.403876)(8.274438)R2 0.957306R2 0.954256DW 0.734945再将其余 3 个变量逐个分别加入该模型中，结果如下：y与x1t，x3t进行拟合Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:21Sample(adjusted):1990 2003Included observations:14 after adjustmentsVariableX1X3CR-squaredCoefficient0.6705500.20529232789.98Std.Error
23、0.0531150.0314325014.075t-Statistic12.624406.5312166.539587Prob.0.00000.00000.0000128929.818632.9218.2792818.41622529.98850.0000000.989729 Mean dependent var0.987862 S.D.dependent var2052.875 Akaike info criterion46357262 Schwarz criterion-124.9550 F-statistic1.931107 Prob(F-statistic)Adjusted R-squ
24、aredS.E.of regressionSum squared residLog likelihoodDurbin-Watson staty与x1t，x4t进行拟合Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:21Sample(adjusted):1990 2003Included observations:14 after adjustmentsVariableX1Coefficient0.713078Std.Error0.044640t-Statistic15.97413Prob.0.0000-X4CR-squa
25、red1.229279-109604.40.17445017468.577.046581-6.2743790.00000.0001128929.818632.9218.1567018.29364599.82300.0000000.990914 Mean dependent var0.989262 S.D.dependent var1930.830 Akaike info criterion41009154 Schwarz criterion-124.0969 F-statistic2.246790 Prob(F-statistic)Adjusted R-squaredS.E.of regres
26、sionSum squared residLog likelihoodDurbin-Watson staty与x1t，x5t进行拟合Dependent Variable:YMethod:Least SquaresDate:12/07/05Time:11:22Sample(adjusted):1989 2003Included observations:15 after adjustmentsVariableX1X5CR-squaredCoefficient0.939828-177.237831894.21Std.Error0.061397107.233916248.33t-Statistic1
27、5.30745-1.6528141.962922Prob.0.00000.12430.0733126796.719764.5019.6550819.79669156.20330.0000000.963009 Mean dependent var0.956844 S.D.dependent var4105.868 Akaike info criterion2.02E+08 Schwarz criterion-144.4131 F-statistic1.067578 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared re
28、sidLog likelihoodDurbin-Watson stat其中拟合优度最好的为：yt 109604.4 0.713078x1t1.229279x4tt(6.274379)(15.97413)(7.046581)DW 2.246790R2 0.990914R2 0.989262再将剩余的 2 个变量逐个分别加入该模型中，从输出结果（见下）可以看到，不管加入的变量为x3t还是x5t，均不能通过t检验。y与x1t，x3t，x4t进行拟合Dependent Variable:YMethod:Least SquaresDate:12/0705Time:11:30Sample(adjusted
29、):1990 2003-Included observations:14 after adjustmentsVariableX1X3X4CR-squaredCoefficient0.718624-0.0232661.364933-125383.1Std.Error0.0670340.2013921.188377137801.8t-Statistic10.72023-0.1155271.148570-0.909880Prob.0.00000.91030.27750.3843128929.818632.9218.2982218.48081364.01870.0000000.990926 Mean
30、dependent var0.988204 S.D.dependent var2023.722 Akaike info criterion40954495 Schwarz criterion-124.0875 F-statistic2.268874 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson staty与x1t，x4t，x5t进行拟合Dependent Variable:YMethod:Least SquaresDate:12/07/05Time
31、:11:37Sample(adjusted):1990 2003Std.Error0.0464360.20539963.1981225463.52t-Statistic15.183146.3933010.808569-4.884108Prob.0.00000.00010.43760.0006128929.818632.9218.2362218.41881387.51400.000000Included observations:14 after adjustmentsVariableX1X4X5CR-squaredCoefficient0.7050401.31317951.10006-1243
32、66.60.991472 Mean dependent var0.988913 S.D.dependent var1961.952 Akaike info criterion38492570 Schwarz criterion-123.6536 F-statistic2.330483 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat因此在经过多重共线性的修正以后，我们最终得到的模型为：yt 109604.4 0.713078x1t1.2292
33、79x4tt(6.274379)(15.97413)(7.046581)DW 2.246790R2 0.990914R2 0.9892623.3.23.3.2 异方差的检验异方差的检验1、White 检验对于异方差的检验，首先选择White检验，得到输出结果为：-White Heteroskedasticity Test:F-statistic2.230259 Probability8.151832 ProbabilityStd.Error2.19E+096576.8990.0057140.06080441501.400.194738t-Statistic-0.790619-1.263227-
34、1.7161541.4190800.860119-0.9473160.1498490.148064Prob.0.45200.24210.12450.19360.41480.37122929225.3350446.32.7971933.071072.2302590.149849Obs*R-squaredTest Equation:Dependent Variable:RESID2Method:Least SquaresDate:12/16/05Time:10:16Sample(adjusted):1990 2003Included observations:14 after adjustment
35、sVariableCX1X12X1*X4X4X42R-squaredCoefficient-1.73E+09-8308.114-0.0098060.08628535696.12-0.1844790.582274 Mean dependent var0.321195 S.D.dependent var2760420.Akaike info criterion6.10E+13 Schwarz criterion-223.5803 F-statistic2.734672 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared r
36、esidLog likelihoodDurbin-Watson stat表中结果显示，P值较大，明显大于显著性水平 0.05，可以初步判定模型不存在异方差。2、ARCH 检验对经过多重共线性修正后的模型选取采用 ARCH 检验，选择滞后期数为 3，得到输出结果为：表 2：ARCH Test:F-statistic0.588618 Probability2.215915 Probability0.6416510.528820Obs*R-squaredTest Equation:Dependent Variable:RESID2Method:Least SquaresDate:12/07/05Ti
37、me:10:35Sample(adjusted):1993 2003-Included observations:11 after adjustmentsVariableCRESID2(-1)RESID2(-2)RESID2(-3)R-squaredCoefficient2415514.-0.1111710.3926290.240018Std.Error1758278.0.3614720.3771840.403634t-Statistic1.373795-0.3075511.0409480.594643Prob.0.21190.76740.33250.57083653173.3447034.3
38、3.3509433.495620.5886180.6416510.201447 Mean dependent var-0.140790 S.D.dependent var3681701.Akaike info criterion9.49E+13 Schwarz criterion-179.4301 F-statistic2.183698 Prob(F-statistic)Adjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat22查表可得：0.05(3)7.81，而obs*R 2.2
39、15915 7.81，并且P值大于显著性水平 0.05，可以判定模型不存在异方差。3.3.33.3.3 自相关的检验自相关的检验1、图示法：300020001000E(-1)0-1000-2000-3000-4000-4000-2000E01000 2000 3000图中可以看出et和et1不存在系统的关系，因此可以初步断定误差项不存在自相关。2、DW 检验法根据修正后的模型输出结果得到，DW 2.246790，在给定的显著性水平-查DurbinWatson表，得到下限临界值为dL 0.905，n 14,k 2，0.05下，上限临界值为dU1.551，统计量d 2.246790，则有dU d
40、4 dU，落在不能拒绝原假设的区域内，因此可以判定该模型无自相关。根据上述的结果，我们最终得到模型为：yt 109604.40.713078x1t1.229279x4tt(6.274379)(15.97413)(7.046581)DW 2.246790R2 0.990914R2 0.989262四、四、结果分析及说明结果分析及说明在回归分析检验过程中，我们首先尽可能多地考虑了影响因素，初步确定了5 个自变量，并且对所有的变量进行了序列平稳性检验，由于检验结果显示所有的自变量都是非平稳的，可能导致最后的回归结果为伪回归，但是多变量的协整无法进行，所以在此忽略其非平稳性的影响。在拟合这 6 个变量
41、时，虽然得到了整体拟合优度较好的方程，但是可以看到，有的自变量回归结果与实际意义不符合，有的自变量并没有通过t检验，因此我们在删除了有悖经济意义的变量以后，对模型进行了多重共线性的修正，得到的修正后的模型也对起进行了异方差和自相关的检验，得到的结果表明修正后的模型不存在异方差和自相关，最终得到了较满意的模型。由于得到的模型的自变量均为定量变量，因此，不再考虑引入虚拟变量进行分析；同时，最后模型中的自变量超过 1 个，如果再引入滞后变量将过于复杂，而且当期的能源消耗与前期的能源消耗的关系不大，因此没有再引入滞后变量。根据最终的模型及其结果分析表明，我国的能源消耗量与可供消耗的能源量和我国的人口数有关，而与国内生产总值，主要原材料、燃料、动力购进价格分类指数等变量的相关关系不强。由于伦理、道德、自然等因素的存在，我国的人口数不可能在较短时期实现压缩，节约能源就要从节约可供消耗的能源量入手。因此，现阶段，倡导发展节约型社会，推进集约型产业的发展，将成为解决我国能源消耗问题的最佳选择。五、五、参考文献参考文献1庞皓，计量经济学，西南财经大学出版社，2004 年 12 月。2(美)J.M.伍德里奇，计量经济学导论，中国人民大学出版社。3古扎拉蒂计量经济学（第三版，上、下册）中国人民大学出版社，2000 年3 月中译本4 打造中国能源安全生命线，【北京日报】-