电力消费和经济增长：来自中国的证据1111.doc

电力消费和经济增长：来自中国的证据胡浩然1，张方2(1. 河南省长葛市电力公司 电力调度中心，河南 长葛 4615002；2.沈阳师范大学 国际商学院，沈阳 110034)作者简介胡浩然(1979-)，男，河南长葛人，工学学士，工程师；张方(1990-)，男，河南长葛人，沈阳师范大学国际商学院硕士研究生，研究方向：能源经济。摘要对1971-2009年中国人均实际GDP和人均耗电量的Zivot Andrews单位根检验表明，两序列都是带有结构突变的趋势平稳过程，所以，采用两种方法检验两者间的因果关系：基于VAR的DoladoLtkepo检验，和基于去势数据的Granger因果检验。两种检验都取得了从人均耗电量到人均实际GDP的单向因果关系的有力证据。这意味着电力供应对满足日益增长的用电量，从而维持中国经济增长是至关重要的。关键词电力消费；经济增长；因果关系中图分类号F407.61；X773文献标识码A一、绪论虽然没有经济理论明确地说明能源消费和经济增长间的关系，但对这方面的的实证研究却是近几十年来能源经济学文献中最有吸引力的区域。自从Kraft 和Kraft (1978)开创性的文献1 Kraft J, Kraft A. On the relationship between energy and GNPJ. Journal of Energy and Development, 1978, 3: 401403.以来，许多研究考查了经济增长和能源消费间的因果关系。在分类水平上，电力消费不仅关系到社会财富，而且是社会经济发展水平的一个指标。例如，Ferguson等(2000)分析了一百多个国家用电量和经济发展水平的相关关系发现，对于全球经济整体而言，用电量和财富创造间有很强的相关性2 Ferguson R, Wilkinson W, Hill R. Electricity use and economic developmentJ. Energy Policy, 2000 28: 923934.。但由于相关分析不涉及因果关系，最近的研究专注于电力消费和经济增长间的因果关系。Jiahai等(2008)在分类水平上研究了中国能源消费和经济增长间的因果关系3 Jiahai Y, Jiangang K, Changhong Z. Energy consumption and economic growth: Evidence from China at both aggregated and disaggregated levelsJ. Energy Economics, 2008, 30: 30773094.，侯建朝等在总体水平上研究了中国能源消费和经济增长间的因果关系4 侯建朝, 谭忠富, 谢品杰. 中国能源消费与经济发展的动态关系研究J. 技术经济, 2008, 27(12): 76-80.，这类信息对推断能源政策的影响是非常有用的。和其他发展中国家一样，中国也面临着不断增加的电力需求。例如，在1979到2009年间，中国人均电力消费的年均增长率为7.6%，而此期间的人均GDP年均增长率为8.4%。人均用电量也从1980年的281.6kWh/人稳步增长到2009年的2631.4kWh/人，但和发达国家相比仍有差距。中国在上世纪八十年代和九十年代经历了几次和当时的经济发展状况相对应的电力供应短缺，公共资金不足和国有电力垄断的表现不佳导致了2002年开始的电力体制改革5 杜立民, 尤超英. 煤电关系与电力“软短缺”：一个产量约束模型J. 技术经济, 2007, 26(7): 28-32.5。分析收入和能源消费之间的因果关系的实证研究方法有两种：二元法和多元法。自从Stern(1993)使用含四个变量的向量自回归(VAR)模型6 Stern D I. Energy use and economic growth in the USA: a multivariate approachJ. Energy Economics, 1993, 15: 137150.开始，Masih和Masih (1998)，Stern (2000)，Narayan和Smyth (2005)都运用了含多个向量的生产函数模型来研究GDP和能源之间的关系，因此这些模型自然包含了GDP，能源，劳动，资本和技术创新等变量7 Masih A M M, Masih R. A multivariate cointegrated modeling approach in testing temporal causality between energy consumption, real income and prices with an application to two Asian LDCsJ. Applied Economics,1998, 30: 12871298.8 Stern D I. A multivariate cointegration analysis of the role of energy in the U.S macroeconomyJ. Energy Economics, 2000, 22: 267283.9 Narayan P K, Smyth R, Electricity consumption, employment and real income in Australia: evidence from multivariate Granger causality testsJ. Energy Policy 2005, 33: 11091116.。另一方面，一些研究使用二元模型检测GDP和能源之间的因果关系，例如Ghosh(2002)，Soytas和Sari(2003)，Yoo (2005)等等只注重因果关系的方向性10 Ghosh S. Electricity consumption and economic growth in IndiaJ. Energy Policy, 2002, 30: 125129.11 Soytas U, Sari R. Energy consumption and GDP: causality relationship in G-7 countries and emerging marketsJ. Energy Economics, 2003, 25: 3337.12 Yoo S H. Electricity consumption and economic growth: evidence from KoreaJ. Energy Policy, 2005,33: 16271632.。在中国，电力消费虽然逐年增长，但目前只构成总能源消费的一小部分。另一方面，工业用电量正在减少，而家庭用电量在增加。因此一个完整的生产函数模型应该包括所有类型的能源和其他生产要素。但为了简化分析，可采用双变量方法考察中国总电力消费和实际GDP之间的因果关系方向。由于排除变量可能会发生设定偏误，可用不同的方法来检验因果关系的稳健性。二、理论背景Granger因果关系检验通过估计向量自回归(VAR)模型来进行。根据Granger(1988)的表示定理，如果一对I(1)序列是协整的，它们之间必定至少有一个单向的因果关系，不论是哪种指向13 Granger C W J. Some recent developments in a concept of causalityJ. Journal of Econometrics, 1988, 39: 199212.。因此，一个检验两时间序列有无因果关系的方法通常涉及单位根检验和协整检验。在实证中，通常进行ADF(Augmented Dickey-Fuller)单位根检验，然后根据单位根检验的结果，进行EngleGranger或Johansen协整检验。如果存在协整关系，就可以用整合的数据估计双变量自回归模型来进行因果检验。如果数据是单整而不是协整的，可用一阶差分实现数据的平稳性来进行因果检验。在一个非限制性VAR模型中，Granger非因果关系检验可简单地通过检验一些参数是否共同显著为0来实现，通常使用标准(Wald)F检验。Sims等(1990)和Toda等 (1993)在单整和协整系统中审查了这种方法，指出在单整或协整的非限制性VAR模型中，这种Granger非因果关系的Wald检验会有非标准极限分布14 Sims C, Stock J, Watson M.Inference in linear time series models with unit rootsJ. Econometrica, 1990, 58: 113144.15 Toda H Y, Phillips P C B. Vector autoregressions and causalityJ. Econometrica, 1993, 61: 13671393.。Toda的研究还给出了替代检验程序，但需要序贯的检验且计算繁琐。Toda (1995)指出基于误差修正机制(ECM)的因果关系推断会有严重的偏差16 Toda H Y. Finite sample performance of likelihood ratio tests for cointegrating ranks in vector autoregressionsJ. Econometric Theory, 1995, 11: 10151032.。Toda 和Yamamoto (1995)，Dolado和Ltkepohl (1996)等提出了理论上和计算上相对简单的因果检验，涉及到在一个扩展VAR模型中的修正Wald检验，不需要对VAR系统的协整性进行序贯检验17 Toda H Y, Yamamoto T. Statistical inference in vector autoregression with possibly integrated processesJ. Journal of Econometrics, 1995, 66: 225250.18 Dolado J J, Ltkepohl H. Making Wald test work for cointegrated VAR systemsJ. Econometric Theory, 1996, 15: 369386.。这种思想下的TodaYamamoto (TY) 检验通过最大单整阶数(dmax)人为地增加了VAR模型的真实的滞后长度(p)，因此，扩展VAR模型的最大阶数为(p+d max)。另一方面，Dolado-Ltkepohl(DL)检验也用扩展的VAR模型，但是只在真实滞后长度加上1而成为 (p+1)阶，只对前p阶执行Wald检验。Toda 和Yamamoto证明，无论序列是平稳的还是非平稳的，扩展VAR模型中的修正Wald检验使用的Wald统计量都服从2分布。DL检验不需要前期的单位根检验和协整检验，因为DL检验程序对序列的单整和协整性质具有很好的稳健性。考虑如下VAR(p)模型： (1)其中yt,和t(0,)，都是k维向量，Aq是kk系数矩阵。为实施TY因果检验，需要估计下面的扩展VAR(p+d)模型： (2)上述两模型假设实际滞后长度p已知，d是变量单整的最大阶数。但实践中实际滞后长度p很少情况下是已知的，它可以用一般的滞后长度选择准则来产生。可以看到，如果最大单整阶数d为1，TY检验就和DL检验极为相似。对模型(2)用一种修正的Wald检验来检验下面的零假设：H0: 对所有的q=1, 2,p, Aq的第i行, 第j列的元素对于零.如果这个假设H0不被拒绝，yt的第j个元素就不是yt的第i个元素的Granger原因。三、实证分析所用数据是1971年到2009年的年度数据，来自世界银行数据库，人均实际GDP以2000年固定价格衡量且以美元计，人均电力消费数据以千瓦时计。将有数据作对数处理后描点，如图1所示。4.55.05.56.06.57.07.58.075808590950005年份Y：人均实际GDP(对数)4.85.25.66.06.46.87.27.68.075808590950005年份E：人均用电量(对数)图1 中国的人均实际GDP和人均用电量(1971-2009)图1显示人均用电量可能有一个结构性突变点。所以有理由怀疑，这些序列在一个有突变点的趋势周围是平稳的，而不是单整序列。因此，使用Zivot和Andrews(1992)提出的内生结构突变单位根检验19 Zivot E, Andrews D W K. Further evidence on the great crash, the oil price shock, and the unit root hypothesisJ. Journal of Business & Economic Statistics, 1992, 10: 251270.。3.1Zivot- Andrews单位根检验为检验截距和斜率都有结构性突变点的趋势平稳过程是否存在单位根，需要用到如下回归： (4)其中DUt和DTt是虚拟变量，分别代表发生在时点TB的均值突变和趋势突变，即，。突变点由期的普通最小二乘估计(OLS)得出，因此需要做(T-2)个回归。滞后长度用Perron (1989)给出的方法20 Perron P. The great crash, the oil price shock, and the unit root hypothesisJ. Econometrica, 1989, 57: 13611401.Electricity Consumption and Economic Growth: Evidence from ChinaHU Hao-ran1, ZHANG Fang 2(1. Electric Power of Changge, Changge Henan 461500, China; 2. College of International Business, Shenyang Normal University, Shenyang 110034, China)Abstract: Both of the series of electricity consumption per capita and real GDP per capita in China were found to be a stationary process around a structural break during the period of 19792009 by the Zivot and Andrews test. Thus, two different methodologies have been employed to test the Granger causality between the two series: the DoladoLtkepohl test using the VARs in levels, and the standard Granger causality test using the detrended data. Both of the results have yielded a strong evidence for unidirectional causality running from the electricity consumption to the income. This indicates that the supply of electricity is vitally important to meet the growing electricity consumption, hence to sustain the economic growth in China.Keywords: Electricity consumption; Economic growth; Causality来决定。表1 Zivot- Andrews单位根检验结果序列TTB滞后长度Y37197912.010737(3.207698)-0.027758(-1.164326)0.018874(2.660177)0.016504(1.689692)-0.418641(-3.213986)*E36199822.384962(4.400136)-0.053473(-1.989204)0.007484(4.338252)0.032466(3.669430)-0.479473(-4.318364)*注：括号内是t统计量。的t统计量是检验=1的虚拟假设。*表示利用Zivot和Andrews (1992)给出的临界值表4A在1%显著水平上拒绝原假设。根据表1给出的ZA检验的结果，在1%显著水平上拒绝原序列有单位根的假设。人均实际GDP的突变点是1979年，与中国20世纪70年代后期改革开放的经济状况吻合；人均用电量的突变点是1998年，与20世纪90年代后期亚洲金融危机和我国初步电力体制改革吻合。在能源消费和GDP之间的因果关系分析中，常见的做法是对单整序列进行协整检验。但中国人均实际GDP和人均用电量序列都不是单整的，相反，这些序列在一个有突变点的趋势周围是平稳的，这种情况下协整检验不适用，且不能对数据进行差分。为了进一步检验两序列间的因果关系，可用去势方法得到平稳数据后进行标准的Granger因果检验。另一方面，也可采用DL检验，而不管序列的性质如何，即不管序列是单整的，还是平稳的，还是在有突变点的趋势周围是平稳的。为检查两种程序所得结果的稳健性，下面使用这两种程序检验中国人均实际GDP和人均用电量之间的因果关系。3.2DoladoLtkepo检验为使用DL检验，首先要确定非限制性双变量VAR模型(1)的滞后长度，因为它不是先验的。根据赤池信息量(AIC)和施瓦兹信息量(SC)，最适滞后长度应为1。因此用OLS法估计滞后长度为2的方程(2)，即 (5)双变量VAR模型(5)的估计结果如表2所示。表2 VAR模型的估计结果变量截距Et-1Et-2Yt-1Yt-2E-0.026767(-0.35581)1.345203(7.17348)-0.346085(-1.79492)0.007764 (0.116223)0.342534(1.66163)Y-0.111980(-1.76069)0.139888 (2.268343)0.245459(1.50582)1.246463(6.63724)-0.351275(-2.01562)括号内为t统计量。建立人均实际GDP不Granger导致人均耗电量的虚拟假设： H0: (6)而人均耗电量不Granger导致人均实际GDP的虚拟假设