能源消耗与经济发展1.docx

1、能源消耗与经济发展1一、研究的背景及意义（一）研究背景 人类社会进入工业化时代以后，能源开始广泛而深刻的影响人们的生活和社会的发展。长期以来，经济的增长同能源消费之间有着密切的关系。如图1，为大家展现的是1985年到2009年能源消费情况与经济增长的关系,可以从线性图上大致可以看出，能源消费与经济增长的变化趋势大体相同，故他们的关系是相互促进，彼此制约的。一方面，能源是经济增长的主要动力，对经济增长有拉动作用;另一方面，经济的增长又影响着能源的消费。我国作为世界上一个重要的经济体，随着经济的发展，对能源的依赖性会越来越高，能源消费与经济发展之间的关系,已经影响到我国可持续发展战略的制定。因而,

2、能源消费与经济增长之间的关系便成为值得研究并引起高度重视的问题. 图1 中国能源与经济增长的关系(二)选题意义能源消耗增加时社会发展的客观必然，能源是生产的源动力,能源的消费也对我国经济的发展有很大的影响，但是依赖大量的能源使用的确会推动我们经济的快速增长,然而过渡地和不合理地能源消耗则会产生人类的生存的严重问题-环境问题.根据相关统计，我国的GDP在2004年占世界经济总量的5%，但却是以12%以上的能源为代价的（国家统计局，2005）。由于我国的能源结构以煤炭为主，因而这种低效率的能源给被消耗的中国环境保护带来了巨大的压力.如我国在2005年时SO2排放量比2002年的美国高出1000万t

3、,我国成了全球大气污染最为严重的国家之一。（中国环境公报2006）能源的消耗在保障经济增长的同时不可避免的加剧了环境的压力,当人类遭受由环境恶化带给困难的时候，能源、经济发展与环境成了矛盾体,我们不得不面对如何应对能源的消耗与环境双赢的问题,并进一步解决如何高效的利用能源,达到低消耗、高生产、低环境损害目标的问题。图2为我们展现的是中国近几年能源消费情况，可以看出随着时间的推移，科技的不断提高,生活水平的不断提高，我们的能源消费水平也出现逐年递增的趋势，可见能源节约型社会便成为了急需解决的重要课题。 图2 中国近几年的能源消费情况二、理论综述 长期以来，由于新古典经济学家认为人力资本和自然资本

4、之间存在着近乎完全的替代性，作为重要的生产要素和投入因子，能源一直没有能够纳入到经济理论和模型的相关研究体系中，这使导致长期以来对能源使用的超浪费。直到上世纪7年代初，丹尼斯L多梅斯等人以整个世界为研究总体,通过研究世界人口工业发展、污染、粮食生产和资源消耗五种因素之间的变动和相互联系，建立了“世界末日模型”首次对能源问题进行了系统的研究，最终提出了“如果维持现有的人口增长率和资源消耗率速度不变，世界资源终将枯竭的结论,这一发现引起了世界各国对能源的广泛关注，同时也提醒人们，能源的生产水平和消费水平是衡量一个国家经济发展状况和人民生活水平高低的重要标志。至此，在有关能源与经济增长关系的研究也日

5、益成为经济学界的热点问题.三、实证(一)指标的选择 根据影响中国能源的消费情况，选择国民总收入、GDP、工业消费情况、建筑业消费情况、交通运输邮电业的消费情况、人均生活的电力消费及能源的加工转换率作为解释变量。令能源的消费作为被解释变量.(二）数据的搜集与整理年份能源消费国民工业建筑业交通运输邮电人均生活电力消费能源加工转换效率总收入yX1X2X3X4X5X6X71987766829040。790163448。7417.9406.921.368.2919888085010274.410275.23967525.7475.623.268。3219898663212050。612058。64585

6、.8665。8544.926.467.4819909299715036.815042。85777.281066131.266。5419919693417000.916992。3648479478635.366.5119929870318718.318667。86858859。41147.542.467。2199310378321826.221781。58087.11015.11409.746。965.9199410917026937。326923。510284。514151681。854。66619951159933526035333。9141882266.52205.661。267。3219

7、9612273748108。548197.919480.72694.72898.372.765。2199713117659810.560793.724950.63728。83424.183.571。05199813894870142。571176。629447.64387。44068。593。171。5199913779877653.17897332921。44621.64593101。869。23200013221483024.384402.334018.44985.85178.4106。669.4420011338318818989677.135861。55172。15821.8118。2

8、69。19200213855398000。599214。64003。65522.37333。4132.469.042003143199108068。2109655。243580.65391.78406.1144.669。032004151797119095.7120332.747431.36465。59393。4156。369.042005174990135174135822。854945。57490。810098.4173。769.42006203227159586。7159878.3652108694.312147.6190。270。712007223319183956。1183084.8

9、76912.910133。810526.1216.771。082008246270213131.7211923.591310.911851.112481。1249.471。242009265583251483.2249529。9107367。214014.114604.1274.971.25资料来源：中国统计年鉴2008。中国统计出版社（三)模型的估计与调整 (1） 其中为第t年能源消费标准煤总量(Y/万吨),为国民总收入（亿元)，为国内生产总值（亿元),为工业增加值（亿元)，为建筑业增加值(亿元），为交通运输邮电业增加值(亿元)，为人均生活电力消费（千瓦小时），为能源加工转换效率(）Evie

10、ws的最小二乘计算结果见表1。 表1 OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 10/15/11 Time： 10:20Sample： 1987 2009Included observations: 23VariableCoefficientStd。 Errort-StatisticProb. C20208.8597746.770.2067470。8390X18.5825992。6119503.2858970。0050X2-9.9579143。039874-3。2757660.0051X30。3215630.1922051.6

11、730220.1150X417.553767.8701672。2304170。0414X50.0144452.6963340。0053570。9958X6883.0286344.06192.5664820。0215X7725。02671425.0360.5087780。6183R-squared0。989830 Mean dependent var139364。6Adjusted Rsquared0.985084 S。D. dependent var51705。05S。E。 of regression6314.833 Akaike info criterion20。60740Sum squar

12、ed resid5.98E+08 Schwarz criterion21.00235Log likelihood-228.9851 F-statistic208.5583Durbin-Watson stat1。444326 Prob(F-statistic）0。000000 t=（97746。77） (2。611950） （3。039874） （0.192205） （7。870167） （2.696334) (344。0619) (1425。036） =0。989830 F=208.5583 n=32 dw=1.444326 图3所示以上所有变量对能源的消费情况分析，可以看出工业对能源的消费较

13、为显著. 图3 各个变量对能源消费情况分析1。多重共线性检验与修正 由此可见,该模型，可决系数很高,F检验值208。5583，明显显著。但是当时,，不仅的系数t检验不显著，而且系数的符号与预期相反，这表明可能存在严重的多重共线性.(1）检验 表2 相关系数矩阵变量X7X6X5X4X3X2X1X710.7263423611420.7165533521670.7608139999520.7194953713820.7435533452920。74063462949X60。72634236114210。9865691717480.9935666554490。9565951672030.9972430

14、61140.996754188982X50。7165533521670。98656917174810.9723441188490.9286707353460.9808035009340。979294400974X40。7608139999520。9935666554490.97234411884910。9648338935940。9980183427620。997937973472X30.7194953713820.9565951672030。9286707353460。96483389359410.9657684601910。966836760988X20.7435533452920.997

15、243061140.9808035009340.9980183427620。96576846019110。999924291613X10.740634629490。9967541889820。9792944009740.9979379734720。9668367609880.9999242916131由相关系数矩阵可以看出，各个解释变量相互之间的相关系数较高，证实存在多重共线性。 （2）修正 采用逐步回归的方法，去检验和解决多重共线性问题。分别作Y对、的一元回归，结果如表3所示. 表3 一元回归估计结果变量X1X2X3X4X5X6X7参数估计值80014.4379622.5986422。427

16、9675。8882366。366947。71188647t统计量27。3310025.9727821。5930927。5349814。9524517。10862-4。2073790.9709000。9683890.9392930。9717470.8968810。9599070.5129060。9695140.9668810。364020。9704010.8919700.9579980.489711其中，加入的方程最大，以为基础，顺次加入其他变量逐步回归,结果如表4所示。 表4 加入新变量X4的回归结果X1X2X3X4X5X6X7X1、X40.2895（0。6719)8。00616(1。0317

17、）0.9696X2、X40。046707（0。104681）12。37409（1.54631)0。9689X3、X40。449289（2。00361)9.8297（5.6213)0。97412X5、X415。951(7。7338)2。42015（-1.3665）0。97158X6、X412.8797(2。896)17.1760（0.0748）0。96893X7、X414.0287(19.0122)2167。31(1。4581)0。97191经比较，新加入X3的方程,改进最大，而且各参数的t检验显著，选择保留X3，再加入其他新变量逐步回归,结果如表5所示。 表5 加入新变量X4、X3的结果 X1

18、X2X3X4X5X6X7X1、X3、X40.1071（0。25)0.4350(1。8403）8.0138（1。0926）0。9729X2、X3、X40.096599(-0.2280)0.458441(1.9656）11。48990（1。5324）0.9728X5、X3、X40。40947（1.8181)12。33013（4.4208）-1。9436(-1.1451)0。9745X6、X3、X40.4527（1。9653)8.9184（1。9296)46。0507(0.2139）0.9728X7、X3、X40。4233(1.9233）10.7571（5.8568）-1937.385（1。3836

19、)0.9752在X3、X4基础上加入X1、X2、X5、X6、X7后的方程均有所改善，但各个参数的t检验不显著，故均予以剔除.故最后修正严重多重共线性影响后的结果为 （2) t=（29.32470）（2。003611）(5。621314） F=414.9858 DW=0.674393括号中为t统计量.2。异方差的检验和修正(1)检验-GoldfeldQuanadt检验 在模型中，样本容量为23,删除中间的观测值，即大约有5个观测值,余下的部分平分得两个样本空间：19871995，20012009,它们的样本个数均是9个，即.在Sample菜单里，将区间定义为1987-1995，然后用OLS方法求

20、的如下结果，见表6。 表6 样本区间为1987-1995的回归估计结果Dependent Variable： YMethod： Least SquaresDate： 10/15/11 Time： 12：48Sample: 1987 1995Included observations： 9VariableCoefficientStd。 ErrortStatisticProb. C64177。123096.71120.724280。0000X39。0897211.8403754。9390580.0026X4-33.6039211.12688-3。0200660.0234Rsquared0。9615

21、09 Mean dependent var95749.33Adjusted Rsquared0.948679 S。D. dependent var12946。25S。E. of regression2932.860 Akaike info criterion19.06655Sum squared resid51610000 Schwarz criterion19.13229Log likelihood-82.79945 Fstatistic74.94083Durbin-Watson stat0.868674 Prob(Fstatistic)0。000057在Sample菜单里，将区间定义为20

22、012009,再用OLS方法求得如下结果，见表7. 表7 样本区间为2001-2009 的回归结果Dependent Variable: YMethod: Least SquaresDate: 10/15/11 Time: 12:50Sample：2001 2009Included observations: 9VariableCoefficientStd。 ErrortStatisticProb. C59526.588544。2506。9668590.0004X30.1713360.2298910。7452940。4843X414。113742。2714526.2135290。0008R-s

23、quared0。982501 Mean dependent var186752.1Adjusted R-squared0.976667 S。D。 dependent var49681。64S.E。 of regression7588。883 Akaike info criterion20。96796Sum squared resid3。46E+08 Schwarz criterion21。03370Log likelihood91。35581 F-statistic168。4337DurbinWatson stat1。270734 Prob(Fstatistic）0.000005由于=6.7

24、(3）表明该模型存在异方差。（2）修正-加权最小二乘法在运用加权最小二乘法（WLS）估计过程中，我们分别选用了权数、.权数的生成过程如下，分别键入、，经估计检验发现用权数W2的效果最好.下面给出使用权数W2的结果。表8 使用权数W2的结果Dependent Variable: YMethod： Least SquaresDate: 10/15/11 Time： 13：17Sample: 1987 2009Included observations: 23Weighting series： W2VariableCoefficientStd。 ErrortStatisticProb。 C80933

25、。222799.52528.909630。0000X30.3951460。0503137.8537700.0000X410.147510.52229519。428700.0000Weighted StatisticsR-squared0。999993 Mean dependent var138572.4Adjusted R-squared0.999992 S.D. dependent var541132。5S。E。 of regression1543。228 Akaike info criterion17.64225Sum squared resid47631037 Schwarz crite

26、rion17。79036Log likelihood-199.8858 Fstatistic357。4327DurbinWatson stat0。622916 Prob(Fstatistic）0.000000Unweighted StatisticsR-squared0.976356 Mean dependent var139364.6Adjusted Rsquared0.973992 S.D. dependent var51705。05S.E。 of regression8338。469 Sum squared resid1。39E+09DurbinWatson stat0.601890表8的估计结果如下: （4） (28.91） （7。854） （19。429） F=357。4327 DW=0。601890 括号中数据为t统计量.可以看出运用加权最小二乘法消除了异方差性后，参数t检验均显著，F检验也显著。3.自相关的检验与修正(1)检验-DW检验及图示法 由表1得出的模型可知，在n=23，2个解释变量的模型5的显著水平,查DW统计表可知,，模型中DW=0.60189，显示能源消费模型中的误差项存在正相关。这一点从残差图中也可以看出，点击Eviews方程输出窗口的按钮Resids可得到残差图，如图3所示.图3中，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶正自相