《计量经济学课程设计论文.pdf》由会员分享，可在线阅读，更多相关《计量经济学课程设计论文.pdf（15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、计量经济学课程设计论文计量经济学课程设计论文-对我国能源消耗影响的计量经济分析对我国能源消耗影响的计量经济分析对我国能源消耗影响的计量经济分析对我国能源消耗影响的计量经济分析摘要：摘要：基于对中国能源消耗的基本分析，本文运用 1990-2007 年的能源消耗与GDP 等相关数据进行计量分析，建立中国经济增长与能源消耗的计量模型，得出能源资消耗的总量的不断增加是由于经济的粗放式发展的结论。同时通过对经济粗放式增长增长拉动能源消费的分析也可以看出中国的能源消耗和经济增长是相互影响的关系，因此在走新型工业化道路的过程中制定好能源政策与经济政策使二者协调发展从而最终促进中国经济的稳健成长具有长远的意义
2、。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 能源生产1.引言引言：随着能源危机的出现，能源消耗问题成为一个世界性的热点问题。本文主要分析影响能源消耗量的经济变量与能源消耗之间的相关关系。目前我国是世界上第二大能源生产和消费国。长期以来，中国以煤为主的能源结构和粗放型的能源生产和消费方式使能源发展与环境保护之间的矛盾日益尖锐，并影响经济的可持续发展。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，实现经济的可持续发展有重要意义。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，还有原材料的价格以及国
3、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。2.2.理论分析与研究思路理论分析与研究思路：能源主要包括原煤原油、天然气、水电、核电、风电等。近年来我国经济快速发展，国内生产总值 GDP 稳定增长，人民生活水平显著提高。但我们也应该看到，随着经济的增长，能源消耗的总量也越来越多，越来越快。石油危机、淡水资源匮乏、臭氧层空洞、植被减少、稀有物种灭绝等现象频频出现。有的国家甚至连续多年都出现了能源危机。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
4、析我国的能源消耗问题上，影响能源消耗总量的主要因素，除了能源生产总量外，还可能与经济发展的快慢、人口数量、生活习惯、人们的生活水平息息相关。因此这里考虑到的影响能源消耗总量的因素主要有：能源生产总量，国内生产总值（GDP），国内人口数量，能源价格。2首先通过定性分析得到了 4 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 4 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，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，模型通过了关于异方差的检验，并修正了模型的序列自相关，最终得到了较满意的模型，得出了我国的
5、能源消耗量主要受能源生产总量和 GDP 得影响。3.3.计量经济模型与估计方法计量经济模型与估计方法：3.13.1 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 4 自变量分析影响我国能源的消耗：yt：能源消费总量（单位：万吨标准煤）；x1t：能源生产总量（单位：万吨标准煤）；x2t：国内生产总值（单位：亿元）；x3t：我国的年底总人口数；x4t：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 1990 2007i：待估计参数，i 0,1,24；根据引入的变量，设定模型为：yt01x1t2x2t3x3t4x4tut，其中ut为随机扰动项。3.2
6、3.2 模型的估计模型的估计3.2.13.2.1 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：年份199019911992199319941995199619971998199920002001能源消费总量能源生产总量国内生产总值我国的年底总人口数购进价格分类指数9870310378310917011599312273713117613894813779813221413383113855314319910392210484410725611105911872912903413261613241012425012593512897813744518667.821781.526
7、923.535333.948197.960793.771176.678973.084402.389677.199214.6109655.2114333115823117171118517119850121121122389123626124761125786126743127627105.6109.1111.0135.1118.2115.3103.9101.395.896.7105.199.8数据来源：根据中国统计年鉴数据。32002200320042005200620071517971749902032272246822462702655831438101638421873412058762
8、21056235445120332.7135822.8159878.3183217.4211923.5249529.912845312922712998813075613144813212997.7104.8111.4108.3106.0104.43.2.23.2.2 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，根据该结果整理得到回归方程为：t 28021y.030.923632x1t0.208601x2t0.365044x3t152.8986x4t4.4.数据的处理数据的处理：4.14.1 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
9、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全国年底总人口数呈线性负相关关，与主要原材料、能源、动力购进价格指数呈线性正相关关系，这与实际意义不相符合，因此应该考虑将这两个变量删去。4.24.2 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 0.998457，修正的判定系数为R2 0.997982，F统计量为 2103.25，模型的整体拟合优度相当好；但是在给定 0.05的条件下，t(13)=2.16，变量x3t,x4t的t统计量均没有通过检验，认为
10、2我国能源消耗总量与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。4.34.3 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4.3.14.3.1 对于多重共线性对于多重共线性一检验根据表 1 的输出结果，可以看到R2 0.998457，F很大，x3t,x4t的符号与经济意义不符，某些 t 统计量不显著，变量x3t,x4t的t统计量均没有通过检验，方程可能存在着严重的多重共线性。同时，结合相关系数矩阵见表2，也可以看4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。二模型的修正对于多重共线性的修正在此选取逐步回归法。我们首先将模型中的各个
11、自变量分别与应变量进行回归,y与x1t，x2t，x3t，x4t进行拟合，结果见表 4-6，得出x1t的R2最大。因此引入x1t作基本方程，在逐步引入x2t，x3t，x4t，在引入变量时x3t，使其系数与经济意义相悖见表 8，删掉x3t，再引入x4t，其系数与经济意义相悖见表 9，删掉x4t，最终结果见表 10，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：t10004y.091.069609x1t0.086918x2tt(1.791403)(16.67905)R2 0.997881,R2 0.9975994.3.24.3.2 异方差的检验异方差的检验一White 检验最已不存在多重共线
12、性的模型，对于异方差的检验，首先选择White检验，2得到输出结果见表11，nR2=4.632807(5)=11.07,可以初步判定模型不存在异(2.220048)DW 1.185443方差。二ARCH 检验：模 型 选 取 采 用 ARCH 检 验，选 择 滞 后 期 数 为 3，结 果 见 表 12，222p 3,(n p)R21.690691,给定 0.05，0（3）7.81,(n p)R.05(p),可 以判定模型不存在异方差。4.3.34.3.3 自相关的检验自相关的检验一图示法：图中可以看出et和et1图和残差时序图见表 13，因此可以初步断定误差项存在在自相关。二DW 检验法根据
13、修正后的模型输出结果得到，DW 1.185443，在给定的显著性水平 0.05下，查 DurbinWatson 表，n 18,k 2，得到下限临界值为5dL1.046，上限临界值为dU1.535，统计量d1.185443，则有dUddU，落在不能判定区域，。结合残差时序图见表 13，判断模型存在自相关。3.用 Cochrane-Orcutt 迭代法进行修正：结果见表 14，此时，DW1.733434，dUd4-dU，所以此时模型已不存在自相关。R20.998379很大，F=2699.39很大，通过 t检验。根据上述的结果，我们最终得到模型为：t10058y.941.081211x1t0.075
14、036x2tt(1.525476)(13.92633)R20.998379,R20.9980275.5.结果分析及结论结果分析及结论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4 个自变量，在拟合这 4 个变量时，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和修正，最终得到了较满意的模型。根据最终的模型及其结果分析表明，我国的能源消耗量与能源生产量相关。能源生产总量的增加是导致能源消耗总量增加的直接原因。能源产量由能源需求
15、量决定，高耗能产业是拉动能源需求增长的主力，近几年我国的耗能工业增长极其迅速，远比全国 GDP增长快得多。2007 年前 3 个季度，全国六大能耗行业的增长速度为 22.6%，比全国 GDP增长速度大一倍多。我国目前 GDP总量约占全世界 GDP总量的 5%，却消耗全世界 30%的钢铁，47%的水泥，40%左右的铝。对比其它发展迅速且人口相对众多的国家，国家一再采取措施限制耗能产业，但这些产业这几年来仍“涨势”不减。其根源是有巨大的需求，加上银行、证券出自本身的利益，对这种需求不断进行助推。这些需求主要来自于房地产业持续高速发展，规模极为巨大的城市建设和遍布全国的基础设施建设，这些项目推动对电
16、力、钢铁、水泥、铝、玻璃等耗能工业产品的需求，拉动了能源需求，又成为电力、钢铁、水泥、电解铝等耗能工业新上大项目的巨大动力，从而又推动收入增加、GDP增长。这样形成了一个不可抑制的全国总能耗快速增长的“恶性”循环。6(2.548187)DW1.733434要实现经济的的可持续发展，就必须要放弃经济高速增长呈资源消耗式的粗放型模式。转变经济增长方式，调整经济结构，完善产业发展政策，降低高耗能行业和高能耗产品的比例，走依赖较少的能源消费量实现经济高速发展之路，这很大程度上取决于产业结构是否轻型化。因此，发展高科技产品和第三产业应是我国产品结构和产业结构调整的主流方向。还应看到，通过精细化、集约化的
17、清洁生产，发展循环经济，促进生产、生活、建筑等方面的节能措施，抑制我国能源需求过快增长还有一定的空间，必须继续实施产业结构调整，控制高耗能产业发展。只有这样，才能从根本上解决能源问题，实现经济的可持续发展。6.6.总结：总结：本次分析一开始选择了比较多的变量作为分析依据，但是通过各种检验和调整，最终结果体现，影响能源消耗总量的主要因素有能源生产总量与 GDP。能源生产总量是消耗总量的直接制约因素。所以最终确定的模型为经过科克伦奥科特迭代法之后，得到的模型t10058y.941.081211x1t0.075036x2tt(1.525476)(13.92633)R2 0.998379,R2 0.9
18、98027(2.548187)DW 1.733434由以上数据可以看出：可决系数R=0.998397，表明样本数据与回归方程拟合优度很好。能源生产总量系数的 t 值为 13.92633，表明我国能源生产总量对能源消费总量由显著性影响。能源产量由能源需求量决定，高耗能产业是拉动能源需求增长的主力，要解决不断膨胀能源消费问题，必须从拉动能源需求的源头着手，转变经济增长方式，不断调整经济结构，完善产业发展政策。当前提高能源效率主要是靠转变经济增长方式，进行产业结构的提升和调整，从而促进科技进步和创新，重点发展循环经济。不断调整经济结构，降低高耗能行业和高能耗产品的比例，是提高能源效率的前提，也是实现
19、可持续发展的先决条件。在市场经济条件下，社会终端消费的发展方向决定了经济结构的调整方向，将极大地影响今后能源需求总量和结构调整。同时完善产业发展政策，在产业发展政策中强化节能概念，推动产业技术水平向有利于可持续发展的方向发展。【参考文献】【参考文献】1计量经济学，西南财经大学出版社，第二版。2中国统计年鉴 20073中国日报7【附录】数据表：年份y19909870319911037831992109170199311599319941227371995131176199613894819971377981998132214199913383120001385532001143199200215
20、179720031749902004203227200522468220062462702007265583表 1：Dependent Variable:YMethod:Least Squaresx1103922104844107256111059118729129034132616132410124250125935128978137445143810163842187341205876221056235445X218667.821781.526923.535333.948197.960793.771176.67897384402.389677.199214.6109655.2120332.
21、7135822.8159878.3183217.4211923.5249529.9X3114333115823117171118517119850121121122389123626124761125786126743127627128453129227129988130756131448132129X4105.6109.1111135.1118.2115.3103.9101.395.896.7105.199.897.7104.8111.4108.3106104.4Date:01/04/10Time:10:30Sample:1990 2007Included observations:18Va
22、riableCX1X2X3X4R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat8Coefficient28021.030.9236320.208601-0.365044152.8986Std.Error48855.890.0967920.0817290.37352574.65808t-Statistic0.5735459.5424732.552356-0.9772932.047985Prob.0.57610.00000.02410.34630.0613491
23、61.8018.4678918.715222103.2500.0000000.998457Mean dependent var154036.30.997982S.D.dependent var2208.216Akaike info criterion63390829Schwarz criterion-161.2110F-statistic1.334173Prob(F-statistic)表 2：X110.9745286602330.846798501 0.929784102996033698051572X22331X39966981X433051-0.40110768157210.974528
24、660 0.846798501-0.1583007300.929784102-0.290596900-0.15830073-0.290596900-0.401107681表 3：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:35Sample:1990 2007Included observations:18VariableCX1R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoef
25、ficient-21433.051.208352Std.Error2415.3790.016051t-Statistic-8.87357775.28414Prob.0.00000.000049161.8018.7359218.834855667.7020.0000000.997185Mean dependent var154036.30.997009S.D.dependent var2688.664Akaike info criterion1.16E+08Schwarz criterion-166.6232F-statistic1.121345Prob(F-statistic)表 4：Depe
26、ndent Variable:YMethod:Least SquaresDate:01/04/10Time:10:36Sample:1990 2007Included observations:18VariableCX2R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoefficient81485.530.723297Std.Error4485.7310.037586t-Statistic18.1655019.24395Prob.0.00000.00000
27、.958585Mean dependent var154036.30.955996S.D.dependent var10312.72Akaike info criterion1.70E+09Schwarz criterion-190.8212F-statistic0.304848Prob(F-statistic)49161.8021.4245821.52351370.32980.0000009表 5：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:36Sample:1990 2007Included observatio
28、ns:18VariableCX3R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat表 6：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:36Sample:1990 2007Included observations:18VariableCX4R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likeliho
29、odDurbin-Watson stat10Coefficient-777619.37.487361Std.Error141022.61.132255t-Statistic-5.5141486.612786Prob.0.00000.000049161.8023.2914623.3903943.728950.0000060.732123Mean dependent var154036.30.715381S.D.dependent var26227.68Akaike info criterion1.10E+10Schwarz criterion-207.6231F-statistic0.17916
30、3Prob(F-statistic)Coefficient243690.1-836.3656Std.Error141133.91312.010t-Statistic1.726659-0.637469Prob.0.10350.53280.024769Mean dependent var154036.3-0.036183S.D.dependent var50043.31Akaike info criterion4.01E+10Schwarz criterion-219.2524F-statistic0.107152Prob(F-statistic)49161.8024.5836024.682530
31、.4063670.532836表 7：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:38Sample:1990 2007Included observations:18VariableCX1X2R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat表 8：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:38Sampl
32、e:1990 2007Included observations:18VariableCX1X2X3R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat11Coefficient-10004.091.0696090.086918Std.Error5584.4990.0641290.039152t-Statistic-1.79140316.679052.220048Prob.0.09340.00000.042249161.8018.5629218.71132353
33、2.1340.0000000.997881Mean dependent var154036.30.997599S.D.dependent var2409.118Akaike info criterion87057749Schwarz criterion-164.0663F-statistic1.185443Prob(F-statistic)Coefficient29443.121.0203230.139969-0.302269Std.Error54137.790.0936410.0826090.412554t-Statistic0.54385510.896171.694345-0.732678
34、Prob.0.59510.00000.11230.47580.997959Mean dependent var154036.30.997522S.D.dependent var2447.198Akaike info criterion83842872Schwarz criterion-163.7276F-statistic1.194850Prob(F-statistic)49161.8018.6364018.834272282.2220.000000表 9：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:10:39Sample
35、:1990 2007Included observations:18VariableCX1X2X4R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat表 10：Dependent Variable:YMethod:Least SquaresDate:01/04/10Time:14:48Sample:1990 2007Included observations:18VariableCX1X2R-squaredAdjusted R-squaredS.E.of reg
36、ressionSum squared residLog likelihoodDurbin-Watson stat12Coefficient-19242.000.9865390.142277146.9112Std.Error6923.7540.0721700.04546874.28687t-Statistic-2.77912813.669593.1291951.977620Prob.0.01480.00000.00740.068049161.8018.4276818.625542813.0360.0000000.998344Mean dependent var154036.30.997989S.
37、D.dependent var2204.672Akaike info criterion68048108Schwarz criterion-161.8491F-statistic1.271608Prob(F-statistic)Coefficient-10004.091.0696090.086918Std.Error5584.4990.0641290.039152t-Statistic-1.79140316.679052.220048Prob.0.09340.00000.04220.997881Mean dependent var154036.30.997599S.D.dependent va
38、r2409.118Akaike info criterion87057749Schwarz criterion-164.0663F-statistic1.185443Prob(F-statistic)49161.8018.5629218.711323532.1340.000000表 11：White Heteroskedasticity Test:F-statisticObs*R-squaredTest Equation:Dependent Variable:RESID2Method:Least SquaresDate:01/04/10Time:14:51Sample:1990 2007Inc
39、luded observations:18VariableCX1X12X1*X2X2X22R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat表 12：ARCH Test:F-statisticObs*R-squaredTest Equation:130.831793Probability4.632807Probability0.5513210.462313Coefficient1.32E+08-3655.7680.025360-0.0362072627.305
40、0.012844Std.Error1.75E+084499.6480.0291390.0384212960.9470.012670t-Statistic0.756920-0.8124560.870309-0.9423790.8873191.013727Prob.0.46370.43240.40120.36460.39230.33075059566.34.0234034.320190.8317930.5513210.257378Mean dependent var4836542.-0.052048S.D.dependent var5189565.Akaike info criterion3.23
41、E+14Schwarz criterion-300.2106F-statistic2.459745Prob(F-statistic)0.551348Probability1.960691Probability0.6576700.580605Dependent Variable:RESID2Method:Least SquaresDate:01/04/10Time:14:53Sample(adjusted):1993 2007Included observations:15 after adjusting endpointsVariableCRESID2(-1)RESID2(-2)RESID2(
42、-3)R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat表 13：Coefficient3245810.0.113700-0.1523640.248185Std.Error2560794.0.2846940.2769520.231177t-Statistic1.2675020.399378-0.5501471.073572Prob.0.23120.69730.59320.30604403926.33.7581533.946960.5513480.6576700
43、.130713Mean dependent var4397292.-0.106366S.D.dependent var4632222.Akaike info criterion2.36E+14Schwarz criterion-249.1861F-statistic1.585671Prob(F-statistic)40002000RESID0-2000-4000-4000-20000RESID(-1)2000400014400020000-2000-4000909294969800020406Y Residuals表 14：Dependent Variable:YMethod:Least Sq
44、uaresDate:01/04/10Time:15:01Sample(adjusted):1991 2007Included observations:17 after adjusting endpointsConvergence achieved after 16 iterationsVariableCX1X2AR(1)R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statInverted AR RootsCoefficient-10058.941.081211
45、0.0750360.281630Std.Error6593.9640.0776380.0484670.246359t-Statistic-1.52547613.926332.5481871.143167Prob.0.15110.00000.14560.273648634.5618.3959718.592022699.3900.0000000.998397Mean dependent var157291.20.998027S.D.dependent var2160.047Akaike info criterion60655432Schwarz criterion-152.3658F-statistic1.733434Prob(F-statistic).2815