评价网 > 科教论文 > 经济学毕业论文 > 经济论文 > 正文

中国能源需求影响因素实证分析毕业论文

2013-10-28 01:25

中国能源需求影响因素实证分析
 【内容摘要】本文针对近年来愈演愈烈的能源问题，引入1978年到2002年统计数据，建立能源需求模型，运用计量经济学的方法，对影响中国能源需求的各种因素进行实证分析，以加深对能源问题的认识，进而从我国的实际情况出发，分析其产生的内在原因,为我国的能源安全提出一些可行性建议。希望能够对我国能源的可持续发展出一份薄力。需要指出的是，我们在模型分析中发现西方经济学中关于“需求曲线向下倾斜”的结论不适合我国的能源需求分析。
【关键词】能源需求  能源问题  可持续发展

一、问题的提出及经济理论阐述
 去年以来，我国先后有22个省份拉闸限电，西南地区、东南沿海及其他地区成品油告急，用电高峰时电煤频频告急。由于我国一些地区先后出现“电荒”“油荒”“煤荒”，能源一下子成为热点问题受到人们的普遍关注。告别短缺经济已多年，能源紧张到底是为什么？
 去年，我国人均GDP超过了1000美元，在一些城市包括北京、上海、广东、深圳、宁波、南京，人均GDP已经超过了2000美元甚至3000美元。按照经济发展规律，人均GDP超过了1000美元以后，经济、社会将随之发生许多变化：比如开始进入工业化中期即重化工业阶段，机械、汽车、钢铁等重化行业快速发展。比如城乡二元经济结构将逐步改变，使城市化水平不断提高、农村人口大量向城市转移。比如随着收入增加，居民消费升级到新的结构，住房、家电和轿车成为消费热点。而在新一轮全球产业布局中，我国正成为一个规模庞大的世界加工制造基地。所有这些，都将增强我国经济社会发展对能源增长的预期，使能源消费继续保持强劲增长：因为重工业单位增加值的能耗明显高于轻工业，重化工业的发展，会使能源消耗大幅增加；城镇人口的增加，意味着能源消耗水平的提高，因为城镇人口年均消耗能源是农村的3.5倍；住房、家电和轿车等消费增加会使人均能源消耗增长；世界加工制造业向我国转移中，也转来了一些高耗能制造业。

 能源是支持经济增长的重要物质基础和生产要素。能源经济学认为，能源消费量越大，产品产量越多，社会产量越多，社会也越富足，人们才能享有更多的物质文明和精神文明。能源消费量的不断增长，是现代化建设的重要条件。因此，一个的能源消费水平是衡量其现代化水平的重要标志。能源短缺，供求关系严重失调，就会突出地影响经济发展和人民生活水平的提高。所以，保持能源的稳定供应，不断提高能源消费水平，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。
 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，而能源供给一般在较短的时间内难以有很大改变，因为能源尤其像石油，煤炭等具有不可再生性，很大程度上是由该国的资源禀赋决定的。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。所以，我们主要从此处着手对影响中国能源需求的各种因素进行研究。
 
根据西方经济学消费需求理论，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因数据难找。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。 （科教论文网 lw.NsEac.com编辑整理）
 另外，资本的价格也对需求有一定影响。资本价格提高对能源需求量的影响来自两个方面：一是资本价格提高，企业将使用相对便宜的机器设备替代劳动力，更多的机器设备必然增加能源需求，这种效应通常称为替代效应；二是资本价格提高，企业生产成本增加，将导致产品价格提高，产品需求量减少，企业对所有生产要素需求均下降，这种效应通常称为规模效应。替代效应与规模效应同时发生，但作用方向相反。资本价格提高对能源需求的影响是两种效应综合作用的结果，如果替代效应大于规模效应，则资本价格提高，能源需求增加；如果替代效应大于规模效应，则资本价格降低，能源需求减少。由于目前没有比较科学合理的资本价格数据，只能放弃对资本价格的估计。
 故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。
二、数据选取及模型设定
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t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。、为了使价格具有可比性,具体如下①1978年煤炭、石油、电力行业出厂价格指数为100,其他年份以1978年为准进行换算得到各年能源行业出厂价格指数；②根据各年煤炭、石油、电力在总能源中所占比重确定权数。（具体数具参见原始数据一）
 （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（假定基期=1978）。
 （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。关于科技进步的衡量因素没有一个定论，也没有相关理论支撑，所以我们只能凭借经验与数据收集的便利，决定以科学研究与综合技术服务业人员数来替代科技因素。
 （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。能源供给总量其实应包括国内能源生产总量与进口量，但因为进口能源量存在统计口径等各方面原因，资料难以收集，实际来看，国内能源生产总量占能源供给的绝大部分，故在此我们选取国内能源生产总量代表能源供给量。
（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。
表1、原始数据一
年份 能源消费总量(万吨煤) 电力工业产品出厂价格指数 石油工业产品出厂价格指数 煤炭工业出厂价格指数 水电比重 原油(含天然气)比重 原煤比重
1978 57144 100 100 100 3.1 103.1 70.3
1979 58588 101.7 100.6 113.4 3.3 116.7 70.2
1980 60275 98.4 102.1 106.4 3.8 110.2 69.4
1981 59447 101.6 99.3 102.6 4.2 106.8 70.2
1982 62067 98.9 100.5 101.9 4.5 106.4 71.3
1983 66040 105.6 106.3 101.5 4.8 106.3 71.6
1984 70904 102.1 112 102.6 4.5 107.1 72.4
1985 76682 103.4 107.2 117.6 4.3 121.9 72.8
1986 80850 102.4 104.6 96.8 4.3 101.1 72.4
1987 86632 103.1 104 102.8 4.4 107.2 72.6
1988 92997 101.7 106.8 110.6 4.5 115.1 73.1
1989 96934 105.9 108.4 112.2 4.6 116.8 74.1
1990 98703 107.4 107.1 106.2 4.8 111 74.2
1991 103783 116.9 118.8 113.1 4.7 117.8 74.1
1992 109170 108.8 115.3 116.1 4.8 120.9 74.3
1993 115993 135.9 171.3 139.7 5.3 145 74
1994 122737 139.5 148.7 122.2 5.9 128.1 74.6
1995 131176 109.5 121.2 111.3 6.2 117.5 75.3
1996 138948 113.1 104.6 113.7 5.8 119.5 75.2
1997 137798 114 107.4 108 6.5 114.5 74.1
1998 132214 105.5 93 96.6 7.1 103.7 71.9
1999 130119 100.9 109.6 94.8 7.6 102.4 68.3
2000 130297 102.4 144.3 98.1 8.2 106.3 66.6
2001 134914 102.3 99.1 106.5 8.7 115.2 68.6
2002 148000 100.8 95.2 111.6 8.9 120.5 70.7

表2 原始数据二
年份 工业总产值（亿元） 工业总产值价格指数 城镇居民家庭人均可支配收入 （元） 指数 (1978=100) 科学研究与综合技术服务业人员数（万人） 能源生产总量（万吨标准煤）
1978 4237 113.5 343.4 100 92 62770
1979 4681.3 108.8 387 112.7 100 64562
1980 5154.26 109.3 477.6 127 105 63735
1981 5399.78 104.3 491.9 127.6 111 63227
1982 5811.22 107.8 526.6 133.9 118 66778
1983 6460.44 111.2 564 140.6 121 71270
1984 7617.3 116.3 651.2 158.1 125 77855 （科教作文网http://zw.nseAc.com）
1985 9716.47 121.4 739.1 160.4 131 85546
1986 11194.26 111.7 899.6 182.5 137 88124
1987 13812.99 117.7 1002.2 186.9 142 91266
1988 18224 120.8 1181.4 182.5 144 95801
1989 22017.06 108.5 1375.7 182.8 147 101639
1990 23924.36 107.8 1510.2 198.1 152 103922
1991 26625 114.8 1700.6 212.4 156 104844
1992 34599 124.7 2026.6 232.9 159 107256
1993 48402 127.3 2577.4 255.1 166 111059
1994 70176 124.2 3496.2 276.8 174 118729
1995 91894 120.3 4283 290.3 178 129034
1996 99595 116.6 4838.9 301.6 176 132616
1997 113733 113.1 5160.3 311.9 179 132410
1998 119048 110.8 5425.1 329.9 168 124250
1999 126110 111.6 5854 360.6 165 109126
2000 85674 116.9 6280 383.7 164 109000
2001 95449 114.6 6859.6 416.3 154 120900
2002 110776 118.2 7703 472.1 151 139000

表3 计算、调整后的最终数据
年份 能源消费总量(万吨煤) 能源产品出厂价格指数 剔除物价的工业总产值（亿元） 科学研究与综合技术服务业人员数（万人） 能源生产总量（万吨标准煤）
1978 57144 100 4237 92 62770
1979 58588 109.6219 4302.665 100 64562
1980 60275 104.9436 4334.283 105 63735
1981 59447 101.7132 4353.542 111 63227
1982 62067 101.4262 4346.255 118 66778
1983 66040 102.8296 4345.154 121 71270

1984 70904 104.7489 4405.188 125 77855
1985 76682 114.6078 4628.638 131 85546
1986 80850 98.8582 4774.049 137 88124
1987 86632 103.0892 5004.985 142 91266
1988 92997 109.3483 5466.279 144 95801
1989 96934 111.1008 6086.641 147 101639
1990 98703 106.4466 6135.358 152 103922
1991 103783 114.487 5947.677 156 104844
1992 109170 115.5824 6198.046 159 107256
1993 115993 146.0398 6811.24 166 111059
1994 122737 128.3882 7951.149 174 118729
1995 131176 113.0199 8654.915 178 129034
1996 138948 111.9362 8044.789 176 132616
1997 137798 108.2736 8122.711 179 132410
1998 132214 96.4759 7673.559 168 124250
1999 130119 98.8304 7283.834 165 109126
2000 130297 110.095 4232.969 164 109000
2001 134914 104.4548 4115.123 154 120900
2002 148000 107.2932 4040.542 151 139000

以上数据来自：各年度《中国统计年鉴》中国统计出版社
 中华人民共和国国家统计局网
 《中国工业经济统计年鉴》
 
 回归模型设立如下：
 
Yt =β0  +β1 X1t +β2 X2t +β3 X2t +β4X4t+β5X5t+ Ut
 Yt ------能源需求总量(万吨煤)
 X1t -----能源产品出厂价格指数（加权计算煤炭、石油、电力工业出厂价格指数）
 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） 大学排名
 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   
 t=1978-----2002
 
三、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，利用计量经济计算机软件Eviews计算可得如下结果：
表4
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 12:48
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. 
C -9312.503 5126.452 -1.816559 0.0851
X1 102.2836 52.30483 1.955529 0.0654
X2 -1.840787 0.497535 -3.699815 0.0015
X3 27.04573 2.213483 12.21863 0.0000
X4 181.1065 60.69616 2.983822 0.0076
X5 0.580178 0.066437 8.732772 0.0000
R-squared 0.995733     Mean dependent var 100096.5
Adjusted R-squared 0.994610     S.D. dependent var 30643.48
S.E. of regression 2249.721     Akaike info criterion 18.48056
Sum squared resid 96163651     Schwarz criterion 18.77309
Log likelihood -225.0070     F-statistic 886.7535
Durbin-Watson stat 1.617818     Prob(F-statistic) 0.000000

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。 （科教作文网http://zw.nseAc.com）
（二）统计推断检验
 从估计的结果可以看出，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4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,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，得如下结果，也可以看出解释变量之间存在多重共线性。
表5
 X1 X2 X3 X4 X5
X1 1 0.348300099365 0.129194093832 0.387168710635 0.299079945437
X2 0.348300099365 1 0.577760138667 0.782426661549 0.667649490603
X3 0.129194093832 0.577760138667 1 0.834560622806 0.907149867083
X4 0.387168710635 0.782426661549 0.834560622806 1 0.926739884058
X5 0.299079945437 0.667649490603 0.907149867083 0.926739884058 1
 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6
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 12:54 （转载自中国科教评价网www.nseac.com ）
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. 
C -21020.32 5617.857 -3.741697 0.0011
X5 1.223541 0.055156 22.18308 0.0000
R-squared 0.955348     Mean dependent var 100096.5
Adjusted R-squared 0.953406     S.D. dependent var 30643.48
S.E. of regression 6614.583     Akaike info criterion 20.50856
Sum squared resid 1.01E+09     Schwarz criterion 20.60607
Log likelihood -254.3570     F-statistic 492.0891
Durbin-Watson stat 0.582287     Prob(F-statistic) 0.000000
 由表6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
 
 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
  （科教作文网http://zw.ΝsΕAc.com发布）
 x4对y的影响并不显著，故将x4删去，得如下模型：
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
 
   
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 12:58
Sample: 1978 2002
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 var 100096.5
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
 
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 13:07
Sample: 1978 2002
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 var 100096.5
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

Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 13:11
Sample: 1978 2002
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 var 100096.5
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:（采用ARCH检验）
图示法

ARCH Test:
F-statistic 0.135388     Probability 0.937641
Obs*R-squared 0.485467     Probability 0.922072
     （科教作文网http://zw.NSEaC.com编辑发布）
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/29/04   Time: 13:34
Sample(adjusted): 1981 2002
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
R-squared 0.022067     Mean dependent var 5999470.
Adjusted R-squared -0.140922     S.D. dependent var 9793751.
S.E. of regression 10461093     Akaike info criterion 35.32719
Sum squared resid 1.97E+15     Schwarz criterion 35.52556
Log likelihood -384.5991     F-statistic 0.135388
Durbin-Watson stat 1.999805     Prob(F-statistic) 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由上表可得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=1.244654<du=1.767,由此可判断模型存在自相关。
 ②分别运用广义差分法、C-O迭代法、取对数改善模型修正自相关
广义差分法
Dependent Variable: DY
Method: Least Squares
Date: 12/29/04   Time: 13:57
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 803.5108 4351.049 0.184671 0.8554
DX1 116.2978 58.37304 1.992320 0.0609

DX2 -0.725358 0.557107 -1.302009 0.2085
DX3 29.44885 3.255500 9.045874 0.0000
DX5 0.637878 0.073374 8.693482 0.0000
R-squared 0.986404     Mean dependent var 64836.26
Adjusted R-squared 0.983542     S.D. dependent var 18915.98
S.E. of regression 2426.689     Akaike info criterion 18.60950
Sum squared resid 1.12E+08     Schwarz criterion 18.85492
Log likelihood -218.3139     F-statistic 344.6293
Durbin-Watson stat 1.574741     Prob(F-statistic) 0.000000

C-O 迭代法
Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 13:59
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 1364329. 40857920 0.033392 0.9737
X1 78.28394 44.95264 1.741476 0.0987
X2 0.335469 0.781626 0.429194 0.6729
X3 12.98825 7.849651 1.654628 0.1153
X5 0.458506 0.075189 6.098034 0.0000
AR(1) 0.998798 0.042321 23.60050 0.0000
R-squared 0.996011     Mean dependent var 101886.2
Adjusted R-squared 0.994903     S.D. dependent var 29938.17
S.E. of regression 2137.291     Akaike info criterion 18.38478
Sum squared resid 82224222     Schwarz criterion 18.67930
Log likelihood -214.6174     F-statistic 898.9703
Durbin-Watson stat 2.180051     Prob(F-statistic) 0.000000 内容来自www.nseac.com
Inverted AR Roots        1.00

取对数
Dependent Variable: LY
Method: Least Squares
Date: 12/29/04   Time: 14:02
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. 
C 2.019992 0.483804 4.175223 0.0005
LX1 0.088083 0.060331 1.459984 0.1598
LX2 -0.049667 0.024853 -1.998477 0.0594
LX3 0.262248 0.023917 10.96503 0.0000
LX5 0.672394 0.058999 11.39663 0.0000
R-squared 0.995731     Mean dependent var 11.46505
Adjusted R-squared 0.994877     S.D. dependent var 0.325795
S.E. of regression 0.023318     Akaike info criterion -4.502306
Sum squared resid 0.010875     Schwarz criterion -4.258531
Log likelihood 61.27883     F-statistic 1166.247
Durbin-Watson stat 1.247301     Prob(F-statistic) 0.000000
在取对数基础上迭代   
Dependent Variable: LY
Method: Least Squares
Date: 12/29/04   Time: 14:03
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Convergence achieved after 28 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 3.322475 0.928663 3.577699 0.0022
LX1 0.071337 0.069625 1.024589 0.3191
LX2 -0.031027 0.034262 -0.905598 0.3771
LX3 0.296602 0.039139 7.578118 0.0000
LX5 0.532302 0.086192 6.175760 0.0000
AR(1) 0.638105 0.237061 2.691739 0.0149
R-squared 0.996341     Mean dependent var 11.48637 （科教作文网http://zw.ΝsΕAc.com发布）
Adjusted R-squared 0.995325     S.D. dependent var 0.314480
S.E. of regression 0.021503     Akaike info criterion -4.628946
Sum squared resid 0.008323     Schwarz criterion -4.334432
Log likelihood 61.54735     F-statistic 980.3042
Durbin-Watson stat 1.802317     Prob(F-statistic) 0.000000
Inverted AR Roots        .64

在广义差分基础上迭代
Dependent Variable: DY
Method: Least Squares
Date: 12/29/04   Time: 14:05
Sample(adjusted): 1980 2002
Included observations: 23 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 3724.250 6188.367 0.601815 0.5552
DX1 108.1886 75.52661 1.432457 0.1701
DX2 -0.555762 0.661063 -0.840711 0.4122
DX3 30.52755 4.025605 7.583345 0.0000
DX5 0.584431 0.086971 6.719811 0.0000
AR(1) 0.270834 0.311001 0.870846 0.3960
R-squared 0.986704     Mean dependent var 66046.26
Adjusted R-squared 0.982794     S.D. dependent var 18366.90
S.E. of regression 2409.239     Akaike info criterion 18.63147
Sum squared resid 98675375     Schwarz criterion 18.92768
Log likelihood -208.2619     F-statistic 252.3199
Durbin-Watson stat 1.877865     Prob(F-statistic) 0.000000
Inverted AR Roots        .27

考虑剔除，系数符号与经济意义相悖的变量X2，在取对数基础上迭代
Dependent Variable: LY

Method: Least Squares
Date: 12/29/04   Time: 14:14
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Convergence achieved after 21 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 5.804272 1.286360 4.512167 0.0002
LX1 0.073337 0.046103 1.590729 0.1282
LX3 0.142700 0.062670 2.277021 0.0345
LX5 0.432689 0.074303 5.823331 0.0000
AR(1) 0.973782 0.032480 29.98096 0.0000
R-squared 0.997038     Mean dependent var 11.48637
Adjusted R-squared 0.996414     S.D. dependent var 0.314480
S.E. of regression 0.018832     Akaike info criterion -4.923516
Sum squared resid 0.006738     Schwarz criterion -4.678088
Log likelihood 64.08219     F-statistic 1598.801
Durbin-Watson stat 2.032109     Prob(F-statistic) 0.000000
Inverted AR Roots        .97

考虑剔除，系数符号与经济意义相悖的变量X2，直接用迭代法

Dependent Variable: Y
Method: Least Squares
Date: 12/29/04   Time: 14:15
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 994201.2 22351852 0.044480 0.9650
X1 74.82076 43.23192 1.730683 0.0997
X3 14.39741 6.712014 2.145021 0.0451
X5 0.465352 0.072257 6.440273 0.0000
AR(1) 0.998430 0.038466 25.95614 0.0000
R-squared 0.995959     Mean dependent var 101886.2 （转载自中国科教评价网http://www.nseac.com）
Adjusted R-squared 0.995108     S.D. dependent var 29938.17
S.E. of regression 2093.894     Akaike info criterion 18.31449
Sum squared resid 83303461     Schwarz criterion 18.55992
Log likelihood -214.7739     F-statistic 1170.713
Durbin-Watson stat 2.200889     Prob(F-statistic) 0.000000
Inverted AR Roots        1.00
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

四、模型结果分析
从模型可以看出：
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但是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“向下倾斜的需求曲线”理论相违背。原因可能是：①93年以前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此外，根据凯恩斯的心理预期理论，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。

（科教论文网 lw.NsEac.com编辑整理）

3模型表明：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。

五、政策建议
中国已经确定了本世纪头二十年的奋斗目标，力争在2020年基本实现工业化，人均GDP达到3000美元以上，进入中等发达国家的行列。但中国的矿产资源人均占有量低于世界的平均水平，中国尽管矿产资源总量比较丰富，但是石油探明储量只有世界的8％，人均占有量仅为世界平均水平的8％，铝只有平均水平的10％，铜为26％，铁是45％。中国的石油和铁矿现在对外依存度都已经超过三分之一。为此，中国实现工业化必须走一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化道路。
应该对未来能源消费产品结构变化、耗能产业调整对能源工业的影响足够重视。建国以来的大部分时间是能源供不应求，能源政策主要以如何刺激供给为主，但是从1992年以后能源需求开始发生变化，成为影响能源工业发展的主要因素。可以预见随着原油产品不断开放、电力工业改革步伐加快，能源价格作为一种信号，对能源产品的配置作用将会越来越重要，我国能源消费产品结构、耗能工业必然发生重大变化，从而对能源工业的发展带来重大影响。目前能源工业依然实行调整供给为主的政策，正在实行的西电东送工程、西气东输工程成功与否，将受到能源市场需求变化的强烈影响。
充分发挥市场机制的作用，促进我国能源消费向高效、清洁方向发展。今后政府可以通过采用征收各种税收的方式，调整人们对不同能源的使用量和能源使用总量，达到减少污染、提高能源使用效率等目的。
改变过去以行业来分工业区的特点，考虑循环经济，物流相互利用，零排放的生产方式。启动节约资源、降低消耗活动，推动循环经济发展。同时加强地区间的合作，实现资源互补。要建立节能基金，加大资金扶持力度，开展各种节能示范项目，扶持和鼓励企业提高能源利用效率，使节能产业成为我国的经济增长点。 （科教作文网http://zw.NSEaC.com编辑发布）
.转变经济增长方式；增加高耗能产品的进口、杜绝高耗能产品的一般商业性出口；减缓经济发展对能源的依赖程度。在今天世界经济发展一体化的进程中，我国进一步的经济发展不应以生产能力的继续扩张为目标，应进一步转变经济增长的模式，逐步调整第一、二、三产业的结构，特别是传统工业的发展应依靠信息、电子技术的发展逐步提高其产品的附加值，此外，应该充分利用世界各种资源，积极地参与世界经济发展的资源配置和分工，逐步减缓经济发展对能源的依赖程度。鉴于我国是一个发展中的人口大国，从长远来看各种资源和物质的需求不可能完全依赖自身来解决，特别是像钢铁、化肥等高耗能产品不可能完全立足于自身资源条件来解决，应逐步提高进口的比例，而像水泥以及其他一些消耗高耗能原材料的机电产品的出口应该适当控制规模，特别是像水泥这种能源消耗高、污染重附加价值低的产品应杜绝一般的商业出口。今后我国可以进一步增加高耗能产品的进口数量，这样不仅可以减少依靠自己生产所产生的环境污染排放，而且可以间接的作为能源进口多样化的一种选择，从而保证能源供应的安全。
六、存在的问题
由于我们忽略了对影响模型的资本价格因素的考虑，使模型设定不是很完善。这也可能是模型产生自相关的一个重要原因。
对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限，无法对模型做进一步协整。对于可能出现的伪回归，我们也无法确定。
在考虑能源需求的影响因素时，我们引入了工业总产值。按照经济学的一般观点，工业总产值与能源需求存在较强的正相关关系。但是在具体回归时发现变量前的系数是负值，与经济意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在后面的尝试当中发现，剔除工业总产值的影响比保留时的拟合效果更好，所以我们不得不考虑将其剔除。 （科教论文网 lw.nSeAc.com编辑发布）
众所周知，我国在1993年之前对能源价格实行较大范围管制，1993年之后能源价格由市场供给决定。我们本想以1993年为界分两阶段进行分析，但由于样本数量的有限不得不放弃。两阶段的数据糅合在一起得出的模型可能不能很好的解释现实。
在最初考虑时，我们打算引入国家在能源方面科技经费的支出来作为一个影响因素，因为科技的发展进步可能导致能源需求的相对减少。但由于无法找到专门用于能源科技支出的数据，所以我们考虑用科学研究与综合技术服务业人员数来代替，事实上，这个代替不是很合理的。
七 参考书目
《计量经济学》庞皓主编         2001年版   西南财经大学出版社
《能源经济》  徐寿波著         1994年版   人民出版社
《能源经济学》华泽澎主编       1991年版   石油大学出版社
《发展经济学》黄卫平 彭刚主编  2003年版   四川人民出版社