中国能源消费影响因素分析.docx
《中国能源消费影响因素分析.docx》由会员分享，可在线阅读，更多相关《中国能源消费影响因素分析.docx（31页珍藏版）》请在冰点文库上搜索。
中国能源消费影响因素分析
中国能源消费影响因素分析
《计量经济学课程论文》
学生姓名：
学号：
院部：
专业：
班级：
任课教师：
一、引言
能源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。
我国是一个能源大国，但是，我国人口众多，人均能源占有量不及同期发达国家的1/5。
能源是任何一个国家经济发展不可缺失的物质基础。
随着我国人口的继续增长，经济的快速发展，能源消费量的增加是必然的，而与年俱增的能源消费对环境造成的破坏也越来越严重。
因此，怎样优化能源利用结构，开发利用清洁能源，就成为我国经济发展的当务之急。
这就需要我们清楚了解能源供需形势，做好影响能源消费因素分析，为能源规划及政策的制定提供科学依据，保证我国国民经济又好又快地发展。
二、数据选取
1、能源消费总量，在模型中用Y来表示。
是指一次性能源消费总量，由煤炭、石油、天然气等组成（单位：
万吨标准煤）。
2、能源消费的影响因素：
（1）能源生产总量，在模型中用
来表示。
是指一次性能源生产总量，该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标（单位：
万吨标准煤）。
（2）全国生活能源消费总量，在模型中用
来表示，是指一次性能源在在生活方面的消费量。
（单位：
万吨标准煤）。
（3）城镇居民人均可支配收入，在模型中用
来表示。
指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和。
它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。
（单位：
元）。
（4）工业能源消费总量，在模型中用
来表示，是指工业方面的能源消费量。
（单位：
万吨标准煤）。
（5）其他因素，在模型中用μt表示。
由于各种原因未考虑到和无法度量的因素归入随机扰动项，如能源价格变动、消费者偏好、国家的经济结构政策等。
搜集到的数据见下附表1
三、模型设定
回归模型设定如下：
Yt=β0+β1X1+β2X2+β3X3+β4X4+μt
其中，Yt——表示能源消费总量X1——表示能源生产总量
X2——表示全国生活能源消费总量
X3——表示城镇居民人均可支配收入
X4——表示工业能源消费总量μt——表示随机误差项
β0、β1、β2、β3、β4——表示待定系数
四、参数估计
表1回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
22:
31
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
862.1201
2573.216
0.335036
0.7403
X1
0.516626
0.101984
5.065763
0.0000
X2
-0.129348
0.314592
-0.411162
0.6843
X3
1.301926
0.414958
3.137493
0.0042
X4
0.664180
0.092332
7.193373
0.0000
R-squared
0.999553
Meandependentvar
143392.9
AdjustedR-squared
0.999484
S.D.dependentvar
75900.69
S.E.ofregression
1723.330
Akaikeinfocriterion
17.88859
Sumsquaredresid
77216520
Schwarzcriterion
18.11988
Loglikelihood
-272.2732
F-statistic
14541.92
Durbin-Watsonstat
1.164545
Prob（F-statistic）
0.000000
根据表1中数据，模型的估计结果为：
Yt=862.1201+0.5166X1-0.1293X2+1.3019X3+0.6642X4
t=（0.3350）（5.0658）（-0.4112）（3.1375）（7.1934）
R2=0.999553R2=0.999484F=14541.92n=31
五、模型检验
5.1经济意义检验
由回归估计结果可以看出，能源生产总量、城镇居民人均可支配收入、工业能源消费总量与能源消费总量呈线性正相关，与现实经济意义理论相符。
但是全国生活能源消费总量与能源消费总量呈线性负相关，与现实经济意义理论不相符。
5.2统计检验
1）拟合优度检验：
由表1中数据可以得到R2=0.999553，修正的可决系数为R2=0.999484，这说明模型对样本的拟合很好。
2）F检验：
在95%的置信度下，F检验值P值小于0.05，回归方程是显著的。
3）T检验：
在95%的置信度下，X1，X3，X4的t检验均值均小于0.05，表明线性作用显著，但X2的t检验均值不小于0,05，模型还需进一步完善。
5.3计量经济学检验
5.3.1多重共线性检验及其修正
（一）相关系数检验：
表2相关系数矩阵
变量
X1
X2
X3
X4
X1
1.000000
0.981932
0.985303
0.998015
X2
0.981932
1.000000
0.948429
0.977685
X3
0.985303
0.948429
1.000000
0.984869
X4
0.998015
0.977685
0.984869
1.000000
由相关系数矩阵可以看出，各解释变量相互之间的相关系数很高，证实确实存在严重多重共线性。
（二）修正多重共线性
采用逐步回归的办法，去检验和解决多重共线性问题，分别作Y对X1，X2，X3，X4的一元回归，结果如表3,表4,表5,表6所示。
表3Y对X1的一元回归估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
22:
40
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-19219.85
1426.375
-13.47461
0.0000
X1
1.185788
0.009454
125.4278
0.0000
R-squared
0.998160
Meandependentvar
143392.9
AdjustedR-squared
0.998097
S.D.dependentvar
75900.69
S.E.ofregression
3311.409
Akaikeinfocriterion
19.11048
Sumsquaredresid
3.18E+08
Schwarzcriterion
19.20299
Loglikelihood
-294.2124
F-statistic
15732.12
Durbin-Watsonstat
0.903140
Prob（F-statistic）
0.000000
表4Y对X2的一元回归估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
22:
41
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-55231.90
8437.578
-6.545943
0.0000
X2
11.23050
0.447785
25.08014
0.0000
R-squared
0.955928
Meandependentvar
143392.9
AdjustedR-squared
0.954408
S.D.dependentvar
75900.69
S.E.ofregression
16206.49
Akaikeinfocriterion
22.28655
Sumsquaredresid
7.62E+09
Schwarzcriterion
22.37907
Loglikelihood
-343.4416
F-statistic
629.0133
Durbin-Watsonstat
0.384819
Prob（F-statistic）
0.000000
表5Y对X3的一元回归估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
22:
41
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
67031.06
3069.446
21.83816
0.0000
X3
13.63344
0.394113
34.59272
0.0000
R-squared
0.976339
Meandependentvar
143392.9
AdjustedR-squared
0.975523
S.D.dependentvar
75900.69
S.E.ofregression
11874.68
Akaikeinfocriterion
21.66455
Sumsquaredresid
4.09E+09
Schwarzcriterion
21.75706
Loglikelihood
-333.8005
F-statistic
1196.656
Durbin-Watsonstat
0.688973
Prob（F-statistic）
0.000000
表6Y对X4的一元回归估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
22:
42
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
5409.626
1179.685
4.585654
0.0001
X4
1.374434
0.010337
132.9685
0.0000
R-squared
0.998362
Meandependentvar
143392.9
AdjustedR-squared
0.998306
S.D.dependentvar
75900.69
S.E.ofregression
3123.934
Akaikeinfocriterion
18.99391
Sumsquaredresid
2.83E+08
Schwarzcriterion
19.08643
Loglikelihood
-292.4057
F-statistic
17680.61
Durbin-Watsonstat
0.606171
Prob（F-statistic）
0.000000
整理表3,表4,表5,表6，结果如表7
表7一元回归估计结果
变量
X1
X2
X3
X4
参数估计值
1.185788
11.23050
13.63344
1.374434
t统计量
125.4278
25.08014
34.59272
132.9685
R2
0.998160
0.955928
0.976339
0.998362
R2
0.998097
0.954408
0.975523
0.998306
加入X4方程的R2=0.998306最大，所以以X4为基础，顺次加入其它变量逐步回归。
表8引入变量X4,X1
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
23:
12
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-6425.612
2196.539
-2.925334
0.0068
X4
0.722967
0.112622
6.419409
0.0000
X1
0.563226
0.097174
5.796046
0.0000
R-squared
0.999256
Meandependentvar
143392.9
AdjustedR-squared
0.999202
S.D.dependentvar
75900.69
S.E.ofregression
2143.538
Akaikeinfocriterion
18.27007
Sumsquaredresid
1.29E+08
Schwarzcriterion
18.40884
Loglikelihood
-280.1861
F-statistic
18793.04
Durbin-Watsonstat
0.685979
Prob（F-statistic）
0.000000
表9引入X4，X2
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
23:
12
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
4125.534
2742.448
1.504325
0.1437
X4
1.349089
0.049834
27.07154
0.0000
X2
0.216470
0.416135
0.520193
0.6070
R-squared
0.998378
Meandependentvar
143392.9
AdjustedR-squared
0.998262
S.D.dependentvar
75900.69
S.E.ofregression
3163.977
Akaikeinfocriterion
19.04881
Sumsquaredresid
2.80E+08
Schwarzcriterion
19.18759
Loglikelihood
-292.2566
F-statistic
8618.092
Durbin-Watsonstat
0.606389
Prob（F-statistic）
0.000000
表10引入X4，X3
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
23:
13
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
13302.41
2335.492
5.695763
0.0000
X4
1.192354
0.049638
24.02116
0.0000
X3
1.854428
0.497893
3.724549
0.0009
R-squared
0.998905
Meandependentvar
143392.9
AdjustedR-squared
0.998827
S.D.dependentvar
75900.69
S.E.ofregression
2599.786
Akaikeinfocriterion
18.65601
Sumsquaredresid
1.89E+08
Schwarzcriterion
18.79478
Loglikelihood
-286.1682
F-statistic
12771.20
Durbin-Watsonstat
0.862972
Prob（F-statistic）
0.000000
表11引入变量回归结果
变量
X1
X2
X3
X4
R2
X4、X1
0.563226
（5.796046）
0.722967
（6.419409）
0.999202
X4、X2
0.216470
（0.520193）
1.349089
（27.07154）
0.998262
X4、X3
1.854428
（3.724549）
1.192354
（24.02116）
0.998827
经比较，加入X1的方程R2=0.999202，改进最大，而且各参数的t检验显著，选择保留X4，再加入其它新变量逐步回归。
表12引入X4、X1、X2
DependentVariable:
Y
Method:
LeastSquares
Date:
06/08/13Time:
23:
21
Sample:
19802010
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-4641.609
2169.153
-2.139826
0.0416
X4
0.674324
0.106319
6.342437
0.0000
X1
0.676251
0.101839
6.640378
0.0000
X2
-0.701124
0.295459
-2.373003
0.0250
R-squared
0.999384
Meandependentvar
143392.9
AdjustedR-squared
0.999316
S.D.dependentvar
75900.69
S.E.ofregression
1985.610
Akaikeinfocriterion
18.14515
Sumsquaredresid
1.06E+08
Schwarzcriterion
18.33018
Loglikelihood
-277.2499
F-stat
升级会员 