计量经济学实验报告 (1).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 E Views 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 能源消费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 1 多重共线性检验 多重共线性检验 5 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 t 1 427156 9 412475 11 93105 6 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 Durbin Watson stat0 929339 Prob F statistic 0 000000 7 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 RESID 2 Method Least Squares Date 12 20 10 Time 18 34 Sample adjusted 1981 2005 Included observations 22 after adjusting endpoints VariableCoefficientStd Errort StatisticProb C7197913 3420227 2 1045130 0496 8 RESID 2 1 0 0739020 233413 0 3166150 7552 RESID 2 2 0 0019850 2352130 0084390 9934 RESID 2 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 485467 20 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 244654 du 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 Method Least Squares 9 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 07