我国能源消耗的计量经济学模型分析.doc

我国能源消耗的计量经济学模型分析.doc

《我国能源消耗的计量经济学模型分析.doc》由会员分享，可在线阅读，更多相关《我国能源消耗的计量经济学模型分析.doc（8页珍藏版）》请在冰点文库上搜索。

我国能源消耗的计量经济学模型分析

311011029134周就苗

【摘要】：

本文是对我国能源消费情况，根据数据采用两阶段最小二乘法进行估计建立一个联立方程模型，并对模型进行消费结构分析和预测。

【关键词】：

能源消费计量经济学模型预测

一．概述

能源问题一直是我国急待解决的热点问题。

我国一直以来自诩“地大物博”能源储存量就其绝对值而言是较为丰富的，能源的产量和消费量分别居于世界第3位和第2位。

1997年全国第三次煤炭资源评价：

2000米内煤炭资源总量5.57万亿吨，1000米内2.86万亿吨，探明储量6044亿吨，可采储量1145亿吨；煤炭储量中：

烟煤占75%，无烟煤12%，褐煤13%；按用途分类：

动力煤为83%，炼焦造气等原料煤为17%。

1993年全国第二次油气资源评价，石油总资源量为940亿吨，天然气总资源量为38万亿立米，专家预测可采资源量：

石油为130-150亿吨，天然气7-10万亿立米。

煤层气：

2000米内测算资源量30-35万亿立米。

水能蕴藏量为6.76亿千瓦，可开发量为3.79亿千瓦。

新能源与可再生能源：

太阳能2/3国土面积年总辐射量超过60万焦/平方厘米，风能资源量估计为2530亿瓦，地热能已探明可采储量4627亿吨标煤，生物能：

柴薪秸杆为3亿吨标煤，动物粪便等沼气原料为25亿吨；海洋能资源理论蕴藏量6.3亿千瓦，潮汐能可开发资源量218亿瓦，波浪能理论资源量129亿瓦，潮流能理论资源量140亿瓦，温差能13.2-14.8千亿瓦。

然而我国人均能源的消费水平却很低，人均能源资源占有量仅相当于世界平均水平的二分之一。

人均能源消费水平的高低直接影响到经济发展水平和人民生活水平。

有关专家估计，若按目前的开采水平，我国石油资源和东部的煤炭资源将在2030年耗尽，水力资源的开发也将达到极际。

二．能源消费模型的建立和分析

1．模型结构

建立一个能够表达能源消费和影响其消费原因的计量经济联立方程模型，共选取4各内生变量、6个外生变量和1个内生滞后变量，变量之间的关系如图1所示。

2．变量分析

能源消费总量是指一定时期内，全国物质生产部门、非物质生产部门和生活消费的各种能源的总和。

该指标是观察能源消费水平、构成和增长速度的总量指标。

能源消费总量包括原煤和原油及其制品、天然气、电力，不包括低热值燃料、生物质能和太阳能等的利用。

因此本文用石油消费总量（Y1）、煤炭消费总量（Y2）和天然气、水电、核电、风电消费量（Y3）来说明我国的能源消费总量（Y）。

现阶段我国的能源消费构成仍然以煤、石油等不可再生的传统能源为主，新兴能源和可再生能源例如天然气、风能、核能、水能、电力等等受到地域条件和技术条件的限制并没有得到广泛的应用。

2005年我国能源消费总量为223319万吨标准煤，煤炭和石油分别占能源消费总量构成的68.9%和21%，而天然气、水电、核电、风电消费量仅为10.1%。

石油消费总量（Y1）包含了煤油、汽油和柴油等消费量。

我国经济发展水平日益提高，民用汽车拥有量也直线上升，民用汽车拥有量（X3）是指在公安交通管理部门按照《机动车注册登记工作规范》，已注册登记领有民用车辆牌照的全部汽车数量，汽车是汽油的主要消费主体。

民用航空航线里程（X4）指民航运输定期班机飞行的航线长度的总和。

航线长度按机场之间的距离计算，通常有两种计算方法：

一是将每条航线长度相加称为重复计算航线里程；一是将两线或两条以上航线经过同一区段里程，只计算一次航线长度称为不重复计算航线里程。

一般常用的是后者，该指标可以确切反映民航运输网的规模，是表明民航事业为国民经济服务和方便人民生活程度的主要指标。

民用航空飞机是煤油的主要消费主体.农业机械总动力（X5）指主要用于农、林、牧、渔业的各种动力机械的动力总和。

包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械〔内燃机按引擎马力折成瓦（特）计算、电动机按功率折成瓦（特）计算〕。

不包括专门用于乡、镇、村、组办工业、基本建设、非农业运输、科学试验和教学等非农业生产方面用的动力机械与作业机械。

农业机械是消耗柴油的主要消费单位.我国石油资源需求远大于供给，为了缓解石油的进口压力，日前我国正实施一系列“煤炭代替石油”计划，煤炭消费总量（Y2）势必影响我国石油消费总量（Y1）。

因此选取民用汽车拥有量（X3）、民用航空航线里程（X4）、农业机械总动力（X5）和煤炭消费总量（Y2）来说明石油消费总量（Y1）。

煤炭一直是我国第一大能源，煤炭消费中用于工业、居民生活消费和运输业用途的消费量占总量的99%以上，其中用于火力发电达51%。

我国的铁路货运仍然以煤炭为动力，铁路货运量（X6）指在一定时期内，各种运输工具实际运送的货物数量。

同时也是反映运输业为国民经济和人民生活服务的数量指标，也是制定和检查运输生产计划、研究运输发展规模和速度的重要指标。

煤炭消费存在滞后效应，上一年的煤炭消费影响下一年的煤炭消费。

所以选取火力发电量（X1）、铁路货运量（X6）和煤炭消费的滞后变量（Y2-1）来说明煤炭消费总量（Y2）。

天然气勘探起步较晚，其他新兴能源也才处于开发阶段，仅占能源消费总量的10%左右，尚未大规模的开发利用，所以天然气、水电、核电、风电开采和开发研究成本较高，，工业企业难以承受，以至化工企业只能选择用煤、石油等其他资源来替代。

而城市用户对天然气价格的承受能力则比化工企业要高得多。

所以选用水力发电量（X2）、石油消费总量（Y1）和煤炭消费总量（Y2）来说明天然气、水电、核电、风电消费量（Y3）。

能源消费总量（Y）

石油消费总量（Y1）

天然气、水电、核电、风电消费量（Y3）

煤炭消费总量（Y2）

民用汽车拥有量（X3）

民用航空航线里程（X4）

农业机械总动力（X5）农业机械总动力（X5）

水力发电量（X2）

火力发电量（X1）

铁路货运量（X6）

Y2-1）

表示外生变量

图1模型结构图

表示内生变量

表示滞后变量

3．能源消费模型结构的建立

根据图1，建立如下联立方程模型，该联立方程模型是可识别的：

（1）Y=Y1+Y2+Y3

（2）Y1=C

（1）*X3+C

（2）*X4+C（3）*X5+C（4）*Y2

（3）Y2=C（5）*X1+C（6）*X6+C（7）*Y2（-1）

（4）LOG（Y3）=C（8）*LOG（X2）+C（9）*LOG（Y1）+C（10）*LOG（Y2）

方程

（1）是恒等式，表示能源消费总量是由煤炭消费量、石油消费量及天然气、水电、核电、风电消费量构成。

方程

（2）是表示石油消费量的构成，主要是和民用汽车拥有量、民用航空里程线路、农业机械动力和煤炭消费量相关。

方程（3）是表示煤炭消费量的构成，主要是和火力发达量、铁路运货量及前期煤炭消费量相关。

方程（4）是表示天然气、水电、核电、风电消费量的构成，主要和水力发电、石油消费量和煤炭消费量相关。

4．能源消费模型的参数估计及检验

（1）原始数据

本模型参数估计采用时间序列数据，数据来自2006年《中国统计年鉴》样本区间为1989~2005年（详细数据见表1）。

数据处理与模型计算采用的是Excel2003和Eviews5.0软件。

表1

年份

能源消费总量（万吨标准煤）

煤炭消费量（万吨标准煤）

石油消费量（万吨标准煤）

天然气、水电、核电、风电消费量（万吨标准煤）

火力发电量（亿千瓦小时）

水力发电量电（亿千瓦时

民用汽车拥有量（万辆）

民航里程（万公里）

农机动力（万千瓦）

铁路货运量（吨）

y

y2

y1

y3

x1

x2

x3

x4

x5

x6

1989

96934

73766.8

16575.7

6591.5

4665.00

1183.00

511.32

47.19

28067.0

151489

1990

98703

75211.7

16384.7

7106.6

4945.00

1267.00

551.36

50.68

28707.7

150681

1991

103783

78978.9

17746.9

7057.2

5528.00

1247.00

606.11

55.91

29388.6

152893

1992

109170

82641.7

19104.8

7423.6

6232.00

1307.00

691.74

83.66

30308.4

157627

1993

115993

86646.8

21110.7

8235.5

6877.00

1518.00

817.58

96.08

31816.6

162794

1994

122737

92052.8

21356.2

9328.0

7607.00

1674.00

941.95

104.56

33802.5

163216

1995

131176

97857.3

22955.8

10362.9

8164.53

1905.77

1040

112.90

36118.1

165982

1996

138948

103794.2

25010.6

10143.2

8933.44

1879.66

1100.08

116.65

38546.9

171024

1997

137798

98801.2

28110.8

10886.0

9395.70

1959.83

1219.09

142.50

42015.6

172149

1998

132214

92020.9

28426.0

11767.0

9681.10

1988.90

1319.3

150.58

45207.7

164309

1999

133831

92463.8

30205.6

11161.5

10427.20

1965.80

1452.94

152.22

48996.1

167554

2000

138553

93869.4

32158.1

12525.2

11331.86

2224.14

1608.91

150.29

52573.6

178581

2001

143199

95485.2

32749.7

14964.3

12033.70

2774.32

1802.04

155.36

55172.1

193189

2002

151797

100671.9

35535.7

15589.6

13660.26

2879.74

2053.17

163.77

57929.9

204955

2003

174990

119658.4

38865.3

16466.6

16268.94

2836.81

2382.93

174.95

60386.5

221178

2004

203227

138173.8

45380.5

19672.3

18497.65

3535.44

2693.71

204.94

64027.9

249017

2005

223319

153866.8

46897.0

22555.2

21032.43

3970.17

3159.66

199.85

68397.8

269296

——数据来源《2006中国统计年鉴》

（2）参数估计

本文利用Eviews5.0软件对模型采用二阶段最小平方法（2SLS）进行参数估计，参数估计结果如下：

Instrumentlist:

CX1X2X3X4X5X6Y2（-1）

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X3

3.826664

0.603155

6.344413

0.0000

X4

42.49272

13.77108

3.085650

0.0094

X5

0.255071

0.051518

4.951140

0.0003

Y2

0.061147

0.012380

4.939249

0.0003

R-squared

0.994704

    Meandependentvar

28874.90

AdjustedR-squared

0.993380

    S.D.dependentvar

9351.754

S.E.ofregression

760.8748

    Sumsquaredresid

6947166.

Durbin-Watsonstat

2.173271

=====================

EstimationEquation:

Y1=C

（1）*X3+C

（2）*X4+C（3）*X5+C（4）*Y2

=====================

SubstitutedCoefficients:

Y1=3.826663821*X3+42.49272433*X4+0.2550708442*X5+0.06114684877*Y2

Instrumentlist:

CX1X2X3X4X5X6Y2（-1） 

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X1

0.864056

0.465539

1.856032

0.0863

X6

0.211112

0.089787

2.351258

0.0351

Y2（-1）

0.548735

0.150839

3.637877

0.0030

R-squared

0.957484

    Meandependentvar

100137.2

AdjustedR-squared

0.950943

    S.D.dependentvar

20886.12

S.E.ofregression

4626.021

    Sumsquaredresid

2.78E+08

Durbin-Watsonstat

0.830088

=====================

EstimationEquation:

Y2=C（5）*X1+C（6）*X6+C（7）*Y2（-1）

=====================

SubstitutedCoefficients:

Y2=0.8640558113*X1+0.2111117519*X6+0.5487345063*Y2（-1）

Instrumentlist:

CX1X2X3X4X5X6Y2（-1）

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

LOG（X2）

0.737033

0.063453

11.61542

0.0000

LOG（Y1）

0.238913

0.082192

2.906746

0.0122

LOG（Y2）

0.111702

0.038615

2.892703

0.0126

R-squared

0.995823

    Meandependentvar

9.348881

AdjustedR-squared

0.995181

    S.D.dependentvar

0.354781

S.E.ofregression

0.024629

    Sumsquaredresid

0.007886

Durbin-Watsonstat

2.227586

=====================

EstimationEquation:

LOG（Y3）=C（8）*LOG（X2）+C（9）*LOG（Y1）+C10）*LOG（Y2）

=====================

SubstitutedCoefficients:

LOG（Y3）=0.7370329886*LOG（X2）+0.2389125542*LOG（Y1）+0.1117022392*LOG（Y2）

（3）参数检验

本模型估计出来的参数所反映的实际经济意义与经济理论及实践相符；方程

（1）和方程（3）在0.05显著性水平下参数的t检验都大于2通过显著性检验，D-W值在2附近，不存在序列相关，通过F检验，双测检验概率值也都小于0.05,拟合优度均大于0.99，说明石油消费量与民用汽车拥有量、民用航空里程线路、农业机械动力和煤炭消费量呈明显的线型关系；煤炭消费量的构成与火力发达量、铁路运货量和前期煤炭消费量呈明显的线型关系；方程

（2）拟合优度较为满意，在0.1显著性水平下参数基本上都能通过显著性检验，通过F检验，说明天然气、水电、核电、风电消费量与水力发电、石油消费量和煤炭消费量呈明显的线性关系。

通过上述结论表明，本模型的参数估计结果在经济意义和统计意义上均具有一定的可信度。

F

（4）模型的模拟和预测

为了检验所建模型用于模拟分析的可靠性，本文运用上述模型对样本期间的数据进行模拟，并进行了事后预测，通过计算所选取的三个变量1990~2005年模拟值与实际值的相对误差来考察模型的预测能力。

计算结果见表2。

表2变量模拟值及相对误差表

变量模拟值（单位：

万吨标准煤）

变量模拟值相对误差

年份

Y1

Y2

Y3

Y1

Y2

Y3

1990

16184.86

76561.674

6557.328

1.22%

-1.79%

0.52%

1991

17020.63

78325.265

6893.233

4.09%

0.83%

3.00%

1992

18986.07

82000.156

6982.121

0.62%

0.78%

1.06%

1993

20624.97

85658.191

7393.988

2.30%

1.14%

0.40%

1994

22298.34

88575.777

8500.378

-4.41%

3.78%

-3.22%

1995

23973.5

92607.908

9223.289

-4.43%

5.36%

1.12%

1996

25345.29

97521.844

10395.67

-1.34%

6.04%

-0.32%

1997

27478.6

101416.55

10572.78

2.25%

-2.65%

-4.24%

1998

28605.03

97268.199

11150.42

-0.63%

-5.70%

-2.43%

1999

30179.5

94877.344

11212.76

0.09%

-2.61%

4.71%

2000

31692.8

98229.985

11285.13

1.45%

-4.65%

-1.11%

2001

33408.88

102691.64

12567.8

-2.01%

-7.55%

-0.34%

2002

35747.82

107467.66

14884.34

-0.60%

-6.75%

0.53%

2003

39272.34

115992.69

15692.95

-1.05%

3.06%

-0.66%

2004

43796.92

134214.11

16164.84

3.49%

2.87%

1.83%

2005

47437.88

150845.48

20049.41

-1.15%

1.96%

-1.92%

从表2看，本联立方程模型模拟出来的效果比较好，其中Y1和Y3模拟的最好，相对误差均小于5％，误差平均值为－0.01%和－0.07%。

Y2模拟值一般，个别模拟值和实际值的误差在5％以上，但是均在8％以下。

模拟误差均值为－0.37%，Y2的模拟值误差较大是因为煤炭消费用途广泛无法一一取得列出。

因此该模型对历史的整体拟合效果较好，用于外推模拟分析具有一定的可信度。

（5）消费结构分析

本文用石油消费总量（Y1）、煤炭消费总量（Y2）和天然气、水电、核电、风电消费量（Y3）来说明我国的能源消费总量（Y）。

现阶段我国的能源消费构成仍然以煤、石油等不可再生的传统能源为主，新兴能源和可再生能源例如天然气、风能、核能、水能、电力等等受到地域条件和技术条件的限制并没有得到广泛的应用。

2005年我国能源消费总量为223319万吨标准煤，煤炭和石油分别占能源消费总量构成的68.9%和21%，而天然气、水电、核电、风电消费量仅为10.1%。

我国总的能源消费总量是石油消费总量（Y1）、煤炭消费总量（Y2）和天然气、水电、核电、风电消费量（Y3）之和。

石油消费函数（方程1）采用线性函数表达式。

从估计结果上看，石油消费总量（Y1）与民用汽车拥有量（X3）、民用航空航线里程（X4）、农业机械总动力（X5）和煤炭消费总量（Y2）是呈正相关关系。

假设X4、X5、Y2不变，方程

（1）对X3求导，得到的C1为边际消费倾向，即民用汽车拥有量（X3）每增加1个单位，石油消费就增加3.83个单位。

同理，当民用航空航线里程（X4）每增加1个单位，石油消费就增加42.50个单位；当农业机械总动力（X5）每增加1个单位，石油消费就增加0.26个单位；随着煤炭消费的增加，石油的消费量也随之增加，煤炭消费（Y2）每增加1个单位，石油消费就增加0.06个单位。

煤炭消费函数（方程2）采用线性函数表达式。

从估计结果上看，煤炭消费量和火力发达量（X1）、铁路运货量（X6）及前期煤炭消费量（Y2－1）呈正相关。

假设X6、Y2－1不变，方程

（2）对X1求导，得到C5为煤炭的边际消费倾向，即火力发达量（X1）每增加1个单位。

煤炭消费就会增加0.86个单位。

同理，铁路运货量（X6）每增加1个单位。

煤炭消费就会增加0.21个单位。

Y2相对Y2－1的边际消费倾向0.11,滞后内生变量Y1-1估计系数的t—统计值为3.63>2

天然气、水电、核电、风电消费函数采用双对数函数形式，估计系数表示被解释变量相对解释变量的弹性。

从估计结果来看，当期的天然气、水电、核电、风电消费量（Y3）与当期的水力发电量（X2）、当期的石油消费量（Y1）、当期的煤炭消费量（Y2）关系呈正相关.天然气、水电、核电、风电消费量（Y3）相对与石油消费量（Y1