1、关于我国能源消耗的计量经济学模型及检验课程代码： 081307学时/学分：48/3 成绩：经济管理学院研究生课 程 论 文（计量经济学）论文题目：关于我国能源消耗的计量经济学模型及检验课程教师： 韩立岩 教授学院/专业： 经济管理学院学生姓名： 付健 张灿 张曼云 吕泽明学 号： SY0908103 SY0908118 SY0908425 SY0808131年年年年2010 年 1 月 24 日目 录2 一研究目的 21.研究动机 22.理论动机 33.数据来源 3 二平稳性检验 41.单位根检验 72.协整检验 73.误差修正模型（ECM） 9 三建立模型 91.初步拟合结果 10 四模型的
2、修正以及改进 101.多重共线性检验 112.序列相关性检验 123.异方差检验 124.残差的正态性检验 13 五模型的最终形式 13 六结论 14 七附录：面板数据的案例讨论 141.案例简介 142.模型的建立 183.结论 184.数据来源 关于我国能源消耗的计量经济学模型及检验一研究目的1.研究动机自从 1978 年改革开放以来，我国经济始终保持高速发展，以 1978 年的价格指数为基准的不变价 GDP 由 3645.2 亿元增长到 2005 年的 39457.93 亿元，28年扩大了十倍以上，年平均增长率达到 8.9%，但随着我国经济的快速发展，这种问题也随之产生，近年来，我国能源
3、越来越紧张，能源问题已成为我国发展过程中越来越突出的问题之一，仅以 2002 年为例，我国当年人均煤炭资源可采量为 8815 吨，人均石油剩余资源可采量为 2 吨，天然气为 1167 立方米，分别为世界平均水平的 54.9%、7.3%和 4.6%，可见我国是个能源相对贫乏的国家。同时我国又是一个高能耗的国家，2005 年我国总能源消耗量相当于 223319 万吨标准煤，约比 2004 年增长 10%，2001 年到 2005 年的能源消耗量更是达到了11.75%，正是这种高能耗和能源相对不足之间的矛盾逐渐使得我国的能源问题越来越各方重视，正确认识能源问题，积极解决能源问题是我国的经济继续保持良
4、好增长势头的基础。本文正是基于此现实国情，结合我国以往有关数据建立模型，并对其进行多种检验，研究我国能源消耗的动因。2.理论动机一国的 GDP 反应了其经济发展的全貌，经济发展状况保持良好能够引起生产的扩大因而导致能源消耗的增加，能源生产量决定了我国能够自行提供的能源消耗总量，对我国能源消耗有着很大的影响，此外，我国总人口的变动、能源转换率的高低和前期能源消耗量的多少也都对本期能源消耗起着一定的影响，因此，选取我国 GDP、能源生产量、我国总人口数、能源转换率及前期能源消耗量作为我国能源消耗的解释变量建立计量经济学模型。3.数据来源以中国统计年鉴 2006中 1991 年到 2005 年这 1
5、5 年的相关数据作为观测样本，Y 代表我国能源消耗量（万吨标准煤） 、X1 代表我国以 1978 年价格水平为基准的不变价 GDP（亿元） 、X2 表示我国的各年年底人口数（万人） 、X3 表示能源转换率（）是能源转换产出量与投入量的比值，样本数据如下：表一：样本数据时间YX1X2X319911037839732.57311582365.90%199210917011307.6311717166.00%199311599312938.0911851767.32%199412273714217.6611985065.20%199513117615317.1412112171.05%1996138
6、94816556.5512238971.50%199713779817871.2512362669.23%199813221419252.3412476169.44%199913383120748.9712578669.19%2000138552.622860.512674369.04%2001143199.225092.7212762769.03%2002151797.327758.4112845369.04%2003174990.330960.2812922769.40%2004203226.735076.42129798870.71%200522331939457.9313075671.
7、08%数据来源：2006 年统计年鉴二平稳性检验严格来说，只有平稳的时间序列数据才可以采用经典线性回归的方法来建立模型。因为用非平稳时间序列来做回归，t 检验和 F 检验都是无效的，而且大多时间序列数据都有增长的趋势，对这样的数据进行回归可能产生虚假回归。因此在做线性回归之前，必须对时间序列数据做平稳性检验，最常用的方法是单位根检验（其中包括 DF 检验和 ADF 检验两种方法） 。对于非平稳时间序列之间的相关关系和因果关系，可以采用协整分析和误差修正模型来考察和检验。1.单位根检验图 1：lny 的单位根检验图 2：lnx1 的单位根检验图 3：lnx2 单位根检验图 4：lnx3 单位根检
8、验将检验结果列表如下：表二：各个变量的单位根检验结果变量差分次数（C,T,K）DW 值ADF 值5%临界值10%临界值lny2(0,0,1)1.53-3.34-1.98-1.60Lnx12(0,0,2)1.83-2.91-1.98-1.60Lnx20(C,T,1)2.05-3.65-3.83-3.36Lnx31(0,0,1)1.77-3.20-1.97-1.60说明：（C,T,K）表示 ADF 检验式是否包含常数项、时间趋势项以及滞后阶数；从上表可以看出，所有的变量在经过差分后，在显著性水平为 10%的情况下，均通过了 ADF 平稳性检验。2.协整检验图 5：协整关系检验结果判断变量之间是否存
9、在协整关系，主要看第三列第一个数字（Trace statistic）134.9479 和 56.61563 是否大于 5%显著水平的临界值 40.17493 和24.15921。上述协整检验结果可知，四个变量 lny,lnx1,lnx2,lnx3 存在协整关系。因此可以建立误差修正模型。3.误差修正模型（ECM）根据数据分析和经验分析，在此先对各个解释变量和被解释变量取对数，同时给出如下的模型， 其中，表示我国的能源消耗量（万吨标准煤） ，表示我国以 1978 年价格水平为基准的不变价 GDP（亿元）表示我国的各年年底人口数（万人） ，表示能源转换率（）是能源转换产出量与投入量的比值，是观察能
10、源加工转换装置和生产工艺先进与落后、管理水平高低等的重要指标。如果当期的解释变量与当期的被解释变量及前期的解释变量与当期的被解释变量均为一阶单整序列，而它们的线性组合为平稳序列，那么我们可以得出误差修正序列，并建立如下误差修正模型：， ， 这里，我们只考虑不含趋势项和常数项的形式而省略了只含趋势项或常数项及二项均有的形式。第一步，我们先对 ECM 进行单位根检验。结果如下表所示，从表中可以看出，残差序列在 5%的显著性水平下为平稳序列，该协整关系成立。图 6：残差的单位根检验第二，在检验了残差的协整关系后，建立 ECM 误差修正模型。由于常数项C 不显著，重新建立不含常数项的回归结果。如下图所
11、示：图 7：误差修正模型的 OLS 检验的回归结果从上式可以看出上式中的 T 检验值在 0.5 的水平下均显著，误差修正项的系数为-0.814,这说明长期均衡对短期波动的影响较大。（4.718） （-2.658） （2.946） （-2.966）通过上述单位根检验和协整关系检验后，所建立的模型中所有的数据序列均为平稳时间序列。因此可以对上述结果进行自相关、异方差、正态性、稳定性检验等。三建立模型其中，表示我国的能源消耗量（万吨标准煤） ，表示我国以 1978 年价格水平为基准的国内生产总值（亿元）表示的是我国各年年底的人口数（万人） ，表示的是能源转换率（） ，它是能源转换产出量与投入量的比值
12、，是观察能源加工转换装置和生产工艺先进与落后、管理水平高低等的重要指标，为随机干扰项。1.初步拟合结果图 8：模型的 OLS 回归结果通过观察初步的拟合结果，可以看出=0.978766,表明模型的拟合较好。根据 t 值来看，X1,X2,X3 在 5%的显著性水平下均能通过检验。而且，D.W 值为1.91，可以基本上判断出模型不存在序列相关性。四模型的修正以及改进1.多重共线性检验从图中的信息看，模型有着高拟合优度，变量显著的特点，但是还要对模型是否存在多重共线性进行检验。用相关系数法检验的结果见表三，从表的结果看，LNX1 和 LNX2 之间都存在着较高的相关性，而 LNX3 和他们之间的相关
13、性较弱。判断模型的多重共线性，主要是因为模型中存在相关的变量所致。为了避免因此可能带来的其他问题，暂不检验异方差和序列相关，先修正模型的具体形式。表三：各个变量之间的相关关系表四：修正模型的具体形式变量拟合优度赤迟信息准则施瓦茨准则结论C+LNX10.891505-2.290936-2.196529C+LNX1+LNX20.954400-3.024389-2.882779引入变量成功C+LNX1+LNX2+LNX30.978766-3.655381-3.466567引入变量成功上述模拟结果虽然对多重共线性进行了修正，但由于模拟并不具有任何改进，下面将对异方差和序列相关性进行检验。2.序列相关性
14、检验 图 9：残差的 Q 检验从残差的 Q 检验可以看出，概率都是大于 0.1 的，说明不能拒绝原假设，可以看出模型基本上不存在序列相关性。图 10：残差的一阶 LM 检验从图 10 可以看出一阶自相关检验项后面的伴随概率 0.90490 大于 0.05，表明此模型不存在序列相关性。3.异方差检验图 11：无交叉项的 white 检验上述检验结果显示，obs*R-squared 项后面的伴随概率 0.8460 大于 0.05，不能拒绝原假设，表明模型不存在异方差。4.残差的正态性检验因为 Jarque-Bera 项的伴随概率大于显著性水平 0.05，表明随即扰动项正态性假设成立。五模型的最终形
15、式通过上述对模型的进一步完善，我们完全消除了异方差性，序列相关性和多重共线性。最后得到的模型为：（6.87） （9.45） （-6.39） （3.55）六结论尽管我国的 GDP 增长速度在世界范围来看一枝独秀，但这并不能掩盖随着我国发展而产生的诸多问题，能源问题已成为关系到我国未来发展的一项大问题，根据我国十七大科学发展观的要求以及全世界大部分国家对于发展的共识，我国必须坚持走可持续发展的路线，盲目的追求国民生产总值的高指标而忽略其他的一系列问题是不折不扣的目光短浅的表现。根据本文对于我国能源消耗的计量经济学分析，我国的目前的主要问题在于过于追求 GDP 的增长指标，而忽略了由此带来的能源等诸
16、多问题，重复了我国一贯的先产生问题再解决问题的老路，为了解决这个问题，本文认为我国的经济发展应由盲目高速发展向科学稳健发展转变，牺牲一定的 GDP 增长速度，注重在发展过程中避免产生日后需要解决的问题，避免不必要的资源浪费。对于能源问题具体来说，前面已经提到，根据以往数据分析得出，在其他因素保持不变的情况下，我国 GDP 每增长百分之一，我国的能源消耗将平均增加 0.7752%。与此同时，我国的能源又处于相对紧张的情况当中， ，盲目的追求GDP 的高增长带来的不仅是大量能源的无效消耗，同时也会造成一系列环境问题，因此，应当合理控制 GDP 的增长，在保持 GDP 健康稳健增长的情况下降低能源问
17、题对我国未来发展的限制和不良影响。由此可见，我国很多学者提出的应在未来几年里适度降低我国 GDP 增长速度，保持在 7%到 8%的决定至少在缓解能源问题方面来看无疑是正确和科学的。七附录：面板数据的案例讨论1.案例简介为了更为直观的介绍面板数据的应用，本文将以我国各省教育经费与 GDP之间的关系来说明。因此建立我国各省教育经费与 GDP 之间的关系模型，初步选择数据的数据（见本节最后的附表）来自中国统计局的网站（.stats.gov） ，其中 Y 为各省教育经费（单位：万元） ，X 为各省年度 GDP（单位：亿元） ，总共选择了 13 个省市 11 年的数据，共 143 个样本点。2.模型的建
18、立面板数据的平稳性检验图 12：序列 Y 的 ADF 检验图 13：序列 X 的 ADF 检验本文通过检验表明接受了存在单位根的原假设，认为该序列是非平稳的，通过进一步对其差分的检验，发现序列 X 和 Y 均为不含常数项和趋势项的 2 阶单整序列，检验结果见下表。表五 各变量平稳性检验结果序列项目原序列一阶差分序列二阶段差分序列Xp 值11 0 结论非平稳非平稳 平稳Yp 值0.97340.08560结论非平稳非平稳平稳结果认为，X,Y 都是二阶单整的，符合进行协整的调整。因此可以进行协整检验。为了进一步确定模型的形式，首先对模型进行 F 检验，以确定是混合模型，变截距模型，还是变系数模型。图
19、 14：判断是否为混合模型的回归结果图 15：判断是否为变截距模型的回归结果图 16：判断是否为变系数模型的回归结果所有结果如下：EMBED Equation.3 EMBED Equation.3 EMBED Equation.3 EMBED Equation.3 进一步计算得到, 设定显著水平 1%，即置信度 99%，利用 Excel 中的 FINV 函数，计算出相应自由度和显著水平的临界值为：通过比较统计量和临界值的大小，我们既拒绝了假设 2 也拒绝了假设 1，因此判断为变系数模型，而 Hausman 检验是用来判断变截距模型的固定效应和随机效应。因此变系数模型固定效应和随机效应的具体检验
20、方法比较复杂，这里暂不给出。3.结论以我国各省教育经费与 GDP 之间的关系为例，不同省份之间的教育投入水平相差较大，这与各省 GDP 水平的差异是一致的。因此，为了我国教育事业健康有序的发展，我们要引导全社会多渠道、多层次地增加教育投入，尽快地形成以财政投入为主导、企业投人为支撑、金融支持为补充、投资渠道多元化的教育投入体系。那时，教育经费对教育的支持程度将会更强大、更稳固，教育事业积极扩大规模、加快发展速度，这样才能使所需的经费将有保障并为中国教育事业的大发展奠定坚实的基础。4.数据来源以统计年鉴中 1996 年到 2006 年这 11 年的相关数据作为观测样本，选取了13 个省市 11
21、年的数据，共 143 个样本点，样本数据如下：省份年份各省教育经费 YGDP X省份年份各省教育经费 YGDP X北京1996943060.51615.73黑龙江1996672083.22402.619971170592.61810.091997763899.72708.5199815071862011.3119988689942798.919991930682.12174.4619991044767.32897.4200025030682478.76200011751333253200131922122845.6520011426565.13561200235386864330.420021
22、5878053637.220033928773.65023.7720031882420.14057.420044492628.46060.2820042118830.84750.6200552271886886.3120052342133.45511.520063374329.17861.0420062230540.26201.5天津19963614301102.4上海1996985333.82902.21997433116.81235.2819971215717.13360.219985110641336.38199815034653688.21999579702.81450.0619991
23、744475.7403520006855001639.36200020088654551.12001859240.61840.420012320452.24950.820029757302150.7620022739674574120031118576.52578.0320033070202.26694.220041239681.83110.9720043832690.68072.820051479873.43697.6220054229481.59164.120061428991.84344.2720063707275.410366河北19961012933.63452.97江苏19961659042.66004.219971128000.83953.7819971899361.1
