计量经济学实验报告.doc

计量经济学实验计量经济学实验 基于基于 EViews 的的 中国能源消费影响因素分析中国能源消费影响因素分析 学院：学院： 班级：班级： 学号：学号： 姓名：姓名： 2 基于基于 EViews 的中国能源消费影响因素分析的中国能源消费影响因素分析 一、背景资料一、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。 3 表 1： 年份 能源消费总量 (万吨标准煤) 能源产品出厂 价格指数 剔除物价的工 业总产值 （亿元） 剔除物价的城镇 居民家庭人均可 支配收入 （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） 1981571441004237343.49262770 198258588109.62194302.66538710064562 198360275104.94364334.283477.610563735 198459447101.71324353.542491.911163227 198562067101.42624346.255526.611866778 198666040102.82964345.15456412171270 198770904104.74894405.188651.212577855 198876682114.60784628.638739.113185546 19898085098.85824774.049899.613788124 199086632103.08925004.9851002.214291266 199192997109.34835466.2791181.414495801 199296934111.10086086.6411375.7147101639 199398703106.44666135.3581510.2152103922 1994103783114.4875947.6771700.6156104844 1995109170115.58246198.0462026.6159107256 1996115993146.03986811.242577.4166111059 1997122737128.38827951.1493496.2174118729 1998131176113.01998654.9154283178129034 1999138948111.93628044.7894838.9176132616 2000137798108.27368122.7115160.3179132410 200113221496.47597673.5595425.1168124250 200213011998.83047283.8345854165109126 2003130297110.0954232.9696280164109000 2004134914104.45484115.1236859.6154120900 2005148000107.29324040.5427703151139000 四、模型设定四、模型设定 Yt =0+1 X1t +2 X2t +3 X2t +4X4t+5X5t+ 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 1、2、3、4、5-待估参数 4 五、模型检验五、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 VariableCoefficientStd. Errort-StatisticProb. C-9312.5035126.452-1.8165590.0851 X1102.283652.304831.9555290.0654 X2-1.8407870.497535-3.6998150.0015 X327.045732.21348312.218630.0000 X4181.106560.696162.9838220.0076 X50.5801780.0664378.7327720.0000 R-squared0.995733 Mean dependent var100096.5 Adjusted R-squared0.994610 S.D. dependent var30643.48 S.E. of regression2249.721 Akaike info criterion18.48056 Sum squared resid96163651 Schwarz criterion18.77309 Log likelihood-225.0070 F-statistic886.7535 Durbin-Watson stat1.617818 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 =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、计量经济学检验三、计量经济学检验 5 1、多重共线性检验、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, 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： X1X2X3X4X5 X110.348300099365 0.129194093832 0.387168710635 0.299079945437 X20.34830009936510.577760138667 0.782426661549 0.667649490603 X30.129194093832 0.57776013866710.834560622806 0.907149867083 X40.387168710635 0.782426661549 0.83456062280610.926739884058 X50.299079945437 0.667649490603 0.907149867083 0.9267398840581 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 VariableCoefficientStd. Errort-StatisticProb. C-21020.325617.857-3.7416970.0011 X51.2235410.05515622.183080.0000 R-squared0.955348 Mean dependent var 100096.5 Adjusted R-squared0.953406 S.D. dependent var30643.48 S.E. of regression6614.583 Akaike info criterion20.50856 Sum squared resid1.01E+09 Schwarz criterion20.60607 Log likelihood-254.3570 F-statistic492.0891 Durbin-Watson stat0.582287 Prob(F-statistic)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） 6 t=（1.427156） （9.412475） （11.93105） R2=0.991118 F=1227.394 表 5: Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:43 Sample: 1981 2005 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C5426.6343802.4121.4271560.1676 X325.977032.7598519.4124750.0000 X50.7131620.05977411.931050.0000 R-squared0.991118 Mean dependent var 100096.5 Adjusted R-squared0.990310 S.D. dependent var30643.48 S.E. of regression3016.472 Akaike info criterion18.97373 Sum squared resid2.00E+08 Schwarz criterion19.12000 Log likelihood-234.1716 F-statistic1227.394 Durbin-Watson stat0.978110 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 VariableCoefficientStd. Errort-StatisticProb. C-4090.4526222.872-0.6573250.5181 X1118.303063.078781.8754790.0747 X327.832442.7952489.9570570.0000 X50.6617330.06291310.518300.0000 R-squared0.992392 Mean dependent var 100096.5 Adjusted R-squared0.991305 S.D. dependent var30643.48 S.E. of regression2857.414 Akaike info criterion18.89887 Sum squared resid1.71E+08 Schwarz criterion19.09389 Log likelihood-232.2359 F-statistic913.0676 7 Durbin-Watson stat0.929339 Prob(F-statistic)0.000000 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 VariableCoefficientStd. Errort-StatisticProb. C-4928.8795801.230-0.8496260.4056 X1141.889859.758342.3743940.0277 X2-1.0050900.485715-2.0692990.0517 X327.744162.59983810.671500.0000 X50.7025380.06174011.378910.0000 R-squared0.993734 Mean dependent var 100096.5 Adjusted R-squared0.992480 S.D. dependent var30643.48 S.E. of regression2657.300 Akaike info criterion18.78487 Sum squared resid1.41E+08 Schwarz criterion19.02864 Log likelihood-229.8108 F-statistic792.8957 Durbin-Watson stat1.244654 Prob(F-statistic)0.000000 2、异方差检验、异方差检验 此处采用 ARCH 检验： 表 8: ARCH Test: F-statistic0.135388 Probability0.937641 Obs*R-squared0.485467 Probability0.922072 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 12/20/10 Time: 18:34 Sample(adjusted): 1981 2005 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. 8 C7197913.3420227.2.1045130.0496 RESID2(-1)-0.0739020.233413-0.3166150.7552 RESID2(-2)0.0019850.2352130.0084390.9934 RESID2(-3)-0.1264110.233872-0.5405140.5955 R-squared0.022067 Mean dependent var 5999470. Adjusted R-squared-0.140922 S.D. dependent var9793751. S.E. of regression10461093 Akaike info criterion35.32719 Sum squared resid1.97E+15 Schwarz criterion35.52556 Log likelihood-384.5991 F-statistic0.135388 Durbin-Watson stat1.999805 Prob(F-statistic)0.937641 由上表，Obs*R-squared=0.48546720.05（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、自相关检验 1.由表 7 可得 DW=1.244654，给定显著性水平 =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=1.244654du=1.767,由此可判断模型存 在自相关。 2.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 VariableCoefficientStd. Errort-StatisticProb. C803.51084351.0490.1846710.8554 DX1116.297858.373041.9923200.0609 DX2-0.7253580.557107-1.3020090.2085 DX329.448853.2555009.0458740.0000 DX50.6378780.0733748.6934820.0000 R-squared0.986404 Mean dependent var 64836.26 Adjusted R-squared0.983542 S.D. dependent var18915.98 S.E. of regression2426.689 Akaike info criterion18.60950 Sum squared resid1.12E+08 Schwarz criterion18.85492 Log likelihood-218.3139 F-statistic344.6293 Durbin-Watson stat1.574741 Prob(F-statistic)0.000000 剔除，系数符号与经济意义相悖的变量 X2 表 10： Dependent Variable: Y 9 Method: Least Squares Date: 12/20/10 Time: 19:15 Sample(adjusted): 1982 2005 Included observations: 24 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C994201.2223518520.0444800.9650 X174.8207643.231921.7306830.0997 X314.397416.7120142.1450210.0451 X50.4653520.0