计量经济学实验报告

计量经济学实验

基于EViews的 中国能源消费影响因素分析

学院： 班级： 学号： 姓名：

基于EViews的中国能源消费影响因素分析

一、背景资料

能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。

在20世纪的最后二十年里，中国国内生产总值（GDP）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为0.5左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。

二、影响因素设定

根据西方经济学消费需求理论可知，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。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。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，带来递增的规模收益。

这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。

三、数据选取

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,由煤炭,石油,天然气和水电4项组成(单位：万吨标准煤)。

2．能源需求的影响因素：

(1)能源价格，用能源产品出厂价格指数来衡量，在模型中用X1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。

(2)剔除物价的工业总产值（亿元），在模型中用X2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数。

(3)剔除物价的城镇居民家庭人均可支配收入（元），用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。

(4)科学研究与综合技术服务业人员数（万人），用X4表示，直接由各年度统计年鉴查得。 (5)能源生产总量（万吨标准煤），用X5表示，直接由各年度统计年鉴查得。

(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，如国家的经济结构政策、消费者偏好等。

2

表1：

能源消费总量能源产品出厂年份 (万吨标准煤) 价格指数 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

57144 58588 60275 59447 62067 66040 70904 76682 80850 86632 92997 96934 98703 103783 109170 115993 122737 131176 138948 137798 132214 130119 130297 134914 148000 100 109.6219 104.9436 101.7132 101.4262 102.8296 104.7489 114.6078 98.8582 103.0892 109.3483 111.1008 106.4466 114.487 115.5824 146.0398 128.3882 113.0199 111.9362 108.2736 96.4759 98.8304 110.095 104.4548 107.2932 剔除物价的工剔除物价的城镇科学研究与综能源生产总量业总产值 居民家庭人均可合技术服务业（万吨标准煤） （亿元） 支配收入 （元） 人员数（万人） 4237 4302.665 4334.283 4353.542 4346.255 4345.154 4405.188 4628.638 4774.049 5004.985 5466.279 6086.641 6135.358 5947.677 6198.046 6811.24 7951.149 8654.915 8044.789 8122.711 7673.559 7283.834 4232.969 4115.123 4040.542 343.4 387 477.6 491.9 526.6 564 651.2 739.1 899.6 1002.2 1181.4 1375.7 1510.2 1700.6 2026.6 2577.4 3496.2 4283 4838.9 5160.3 5425.1 5854 6280 6859.6 7703 92 100 105 111 118 121 125 131 137 142 144 147 152 156 159 166 174 178 176 179 168 165 164 154 151 62770 64562 63735 63227 66778 71270 77855 85546 88124 91266 95801 101639 103922 104844 107256 111059 118729 129034 132616 132410 124250 109126 109000 120900 139000 四、模型设定

Yt =β0+β1 X1t +β2 X2t +β3 X2t +β4X4t+β5X5t+ Ut

Yt ------能源需求总量(万吨煤) X1t -----能源产品价格指数

X2t -----剔除物价的工业总产值（亿元）

X3t ----剔除物价的城镇居民家庭人均可支配收入 （元） X4t ----科学研究与综合技术服务业人员数（万人） X5t -----能源生产总量（万吨标准煤） Ut------随机扰动项

β1、β2、β3、β4、β5-----待估参数

3

五、模型检验

假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数得如下结果： 表2： Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:19 Sample: 1981 2005 Included observations: 25 Variable C X1 X2 X3 X4 X5 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -9312.503 102.2836 -1.840787 27.04573 181.1065 0.580178 Std. Error 5126.452 52.30483 0.497535 2.213483 60.69616 0.066437 t-Statistic -1.816559 1.955529 -3.699815 12.21863 2.983822 8.732772 Prob. 0.0851 0.0654 0.0015 0.0000 0.0076 0.0000 30643.48 18.48056 18.77309 886.7535 0.000000 0.995733 Mean dependent var 100096.5 0.994610 S.D. dependent var 2249.721 Akaike info criterion 96163651 Schwarz criterion -225.0070 F-statistic 1.617818 Prob(F-statistic) 回归方程为：

Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5 （5126.452）（52.30483）（0.497535） （2.213483）（60.69616） （0.066437） t=（-1.816559） （1.955529）（-3.699815） （12.21863）（2.983822）（8.732772） R2=0.995733 F=886.7535

一、经济意义检验

由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。

二、统计意义检验

从估计的结果可知，可决系数R2=0.995733, F=886.7535，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，X2、X3、X4、X5的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显著性影响；仅有X1的t的P值大于给定的显著性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显著。

三、计量经济学检验

1、多重共线性检验

由表2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X1的t检验不显著,

4

并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得到如下结果，也可以看出解释变量之间存在多重共线性。

表3： X1 X2 X3 X4 X5 X1 1 0.348300099365 X2 1 X3 X4 X5 0.348300099365 0.129194093832 0.387168710635 0.299079945437 0.577760138667 0.782426661549 0.667649490603 1 0.834560622806 0.907149867083 1 0.926739884058 1 0.129194093832 0.577760138667 0.387168710635 0.782426661549 0.834560622806 0.299079945437 0.667649490603 0.907149867083 0.926739884058 用逐步回归法修正模型的多重共线。

1.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和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量Y对能源生产总量X5的线性关系强,拟合程度好。

表4:

Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:40 Sample: 1981 2005 Included observations: 25 Variable C X5 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -21020.32 1.223541 Std. Error 0.055156 t-Statistic 22.18308 Prob. 0.0011 0.0000 100096.5 5617.857 -3.741697 0.955348 Mean dependent var 0.953406 S.D. dependent var 30643.48 6614.583 Akaike info criterion 20.50856 1.01E+09 Schwarz criterion -254.3570 F-statistic 0.582287 Prob(F-statistic) 20.60607 492.0891 0.000000

由表4得：

Y = -21020.32092 + 1.223540945*X5 （5617.857） （0.055156） t=（-3.741697） （22.18308） R2=0.955348 F=492.0891

2.逐步回归。将其余解释变量逐一代入上式，得到如下几个模型（结果表如下）

Y = 5426.633658 + 25.97702896*X3 + 0.7131621687*X5

（3802.412） （2.759851） （0.059774） t=（1.427156） （9.412475） （11.93105） R2=0.991118 F=1227.394

5

表5: Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:43 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C 5426.634 3802.412 1.427156 0.1676 X3 25.97703 2.759851 9.412475 0.0000 X5 0.713162 0.059774 11.93105 0.0000 R-squared 0.991118 Mean dependent 100096.5 var Adjusted R-squared 0.990310 S.D. dependent var 30643.48 S.E. of regression 3016.472 Akaike info criterion 18.97373 Sum squared resid 2.00E+08 Schwarz criterion 19.12000 Log likelihood -234.1716 F-statistic 1227.394 Durbin-Watson stat 0.978110 Prob(F-statistic) 0.000000 Y = -4090.451555 + 118.3029597*X1 + 27.83244134*X3 + 0.6617330059*X5

（6222.872） （63.07878） （2.795248） （0.062913） t=（-0.657325） （1.875479） （9.957057） （10.51830）R2=0.992392 F=913.0676

表6 Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 17:07 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -4090.452 6222.872 -0.657325 0.5181 X1 118.3030 63.07878 1.875479 0.0747 X3 27.83244 2.795248 9.957057 0.0000 X5 0.661733 0.062913 10.51830 0.0000 R-squared 0.992392 Mean dependent 100096.5 var Adjusted R-squared 0.991305 S.D. dependent var 30643.48 S.E. of regression 2857.414 Akaike info criterion 18.89887 Sum squared resid 1.71E+08 Schwarz criterion 19.09389 Log likelihood -232.2359 F-statistic 913.0676 Durbin-Watson stat 0.929339 Prob(F-statistic) 0.000000 6

X4对Y的影响并不显著，故将X4删去，得到如下模型：

Y = -4928.878753 + 141.8898316*X1 -1.005090487*X2+27.74415632*X3+0.702538287*X5 （5801.230） （59.75834） （0.485715） （2.599838） （0.061740） t=（-0.849626） （2.374394） （-2.069299） （10.67150） （11.37891）

R2=0.993734 F=792.8957 表7 Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 17:11 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -4928.879 5801.230 -0.849626 0.4056 X1 141.8898 59.75834 2.374394 0.0277 X2 -1.005090 0.485715 -2.069299 0.0517 X3 27.74416 2.599838 10.67150 0.0000 X5 0.702538 0.061740 11.37891 0.0000 R-squared 0.993734 Mean dependent 100096.5 var Adjusted R-squared 0.992480 S.D. dependent var 30643.48 S.E. of regression 2657.300 Akaike info criterion 18.78487 Sum squared resid 1.41E+08 Schwarz criterion 19.02864 Log likelihood -229.8108 F-statistic 792.8957 Durbin-Watson stat 1.244654 Prob(F-statistic) 0.000000 2、异方差检验

此处采用ARCH检验： 表8: ARCH Test: F-statistic 0.135388 Probability 0.937641 Obs*R-squared 0.485467 Probability 0.922072 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/10 Time: 18:34 Sample(adjusted): 1981 2005 Included observations: 22 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 7197913. 3420227. 2.104513 0.0496 RESID^2(-1) -0.073902 0.233413 -0.316615 0.7552 RESID^2(-2) 0.001985 0.235213 0.008439 0.9934 RESID^2(-3) -0.126411 0.233872 -0.540514 0.5955

7

R-squared 0.022067 Mean dependent var 5999470. Adjusted R-squared -0.140922 S.D. dependent var 9793751. S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 10461093 Akaike info criterion 35.32719 1.97E+15 Schwarz criterion -384.5991 F-statistic 1.999805 Prob(F-statistic) 35.52556 0.135388 0.937641 由上表，Obs*R-squared=0.485467＜χ20.05（3）=7.81473，所以接受H0，表明模型中随机扰动项不存在异方差。

3、自相关检验

1.由表7可得DW=1.244654，给定显著性水平α=0.05，n=25, k’=4时，查Durbin-Waston表得下限临界值dL=1.038，上限临界值du=1.767,可见DW统计量 DW=1.2446542.运用广义差分法修正自相关 表9：

Dependent Variable: DY Method: Least Squares Date: 12/20/10 Time: 18:57 Sample(adjusted): 1982 2005 Included observations: 24 after adjusting endpoints Variable C DX1 DX2 DX3 DX5 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

剔除，系数符号与经济意义相悖的变量X2 表10：

Coefficient 803.5108 116.2978 -0.725358 29.44885 0.637878 Std. Error t-Statistic Prob. 0.8554 0.0609 0.2085 0.0000 0.0000 64836.26 4351.049 0.184671 58.37304 1.992320 0.557107 -1.302009 3.255500 9.045874 0.073374 8.693482 0.986404 Mean dependent var 0.983542 S.D. dependent var 18915.98 2426.689 Akaike info criterion 18.60950 1.12E+08 Schwarz criterion -218.3139 F-statistic 1.574741 Prob(F-statistic) 18.85492 344.6293 0.000000 Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 19:15 Sample(adjusted): 1982 2005 Included observations: 24 after adjusting endpoints

8

Convergence not achieved after 100 iterations Variable C X1 X3 X5 AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots

Coefficient 74.82076 14.39741 0.465352 0.998430 Std. Error 43.23192 6.712014 0.072257 0.038466 t-Statistic 0.044480 1.730683 2.145021 6.440273 25.95614 Prob. 0.9650 0.0997 0.0451 0.0000 0.0000 101886.2 994201.2 22351852 0.995959 Mean dependent var 0.995108 S.D. dependent var 29938.17 2093.894 Akaike info criterion 18.31449 83303461 Schwarz criterion -214.7739 F-statistic 2.200889 Prob(F-statistic) 1.00 18.55992 1170.713 0.000000 综合以上分析，我们得出最终模型如下：

Y = 994201.2023 + 74.82076324*X1 + 14.39740948*X3 + 0.4653517734*X5 （22351852） （43.23192） （6.712014） （0.072257） t=（0.044480） （1.730683） （2.145021） （6.440273） R2=0.995959 F=1170.713

六、模型结果分析

1、R2很大，F值也很显著，说明模型在整体上拟合的较好。能源需求仅与能源产品出厂价格指数、城镇居民家庭人均可支配收入、能源生产总量有明显的相关关系。能源产品的出厂价格指数对能源需求的影响最大。当价格指数每降低1个单位时,能源需求总量将降低74.82076324个单位。

2、X1不符合经济意义的检验。因为从经济意义上讲，能源出厂价格指数越高，能源的需求量越小，X1的系数应为负值。即使考虑能源在现实生活中的状况，也应该是需求弹性较小。可以看出,我国能能源需求曲线是向上倾斜的。这明显与传统经济学的理论相违背。原因可能是：①我国对能源价格实行管制，长期使市场信号失灵。②国际市场能源价格一般由能源期货交易价格决定，而我国没有成体系的能源期货交易市场，买卖价格由海外价格控制，往往我国大量购买能源时，国际投机家伺机哄抬价格，谋取利益。③根据人们的心理预期，当能源价格上升时，为了规避风险，往往不会减少甚至会增加购买。

3、从模型还可以看出，能源的生产总量对能源需求的影响相对较小。即能源消费对于能源生产的变化不敏感，供求决定关系不显著。

9