北京市电力消费影响因素的计量经济分析

1、2012-06-0908信计信计 周周 璇璇指导教师：杨寿渊指导教师：杨寿渊2012-06-09主要内容主要内容背景及意义背景及意义影响因素影响因素数据的选择数据的选择模型的处理模型的处理u 主成分分析主成分分析u 多重共线性多重共线性 u 自相关性自相关性u 异方差性异方差性结论结论 2012-06-09背景及意义背景及意义 过去，研究电力消费和经济变量过去，研究电力消费和经济变量( (如如GDPGDP、GNPGNP、收入、就业、电力价格等、收入、就业、电力价格等) )之间的因果关之间的因果关系，探索究竟是经济发展领先于电力消费还是系，探索究竟是经济发展领先于电力消费还是电力消费促进经济增长

2、，一直是经济学家和政电力消费促进经济增长，一直是经济学家和政策分析家感兴趣的问题。策分析家感兴趣的问题。 建立电力消费模型来分析电力消费的制约建立电力消费模型来分析电力消费的制约因素，也有助于政府实行宏观调控，实现能源因素，也有助于政府实行宏观调控，实现能源的有效利用。的有效利用。2012-06-09影响因素影响因素 本文选择电力消费量为被解释变量，选取本文选择电力消费量为被解释变量，选取地区生产总值、人口数量、人均可支配收入、地区生产总值、人口数量、人均可支配收入、人均消费性支出、消费价格指数、固定资产投人均消费性支出、消费价格指数、固定资产投资、电器拥有量、能源消费总量这资、电器拥有量、能

3、源消费总量这8 8个解释变个解释变量作为电力消费的主要影响因素。量作为电力消费的主要影响因素。2012-06-09 数据来源于北京数据来源于北京2009年统计年鉴，选取的年统计年鉴，选取的是是19782008这这31年各影响因素的年各影响因素的相关数据相关数据。 数据的选择数据的选择2012-06-09模型的处理模型的处理l 主成分分析主成分分析l 多重共线性多重共线性l 自相关性自相关性l 异方差性异方差性 2012-06-09主成分分析主成分分析 主成分分析是一种通过降维技术把多个变主成分分析是一种通过降维技术把多个变量化为少数几个主成分的多元统计方法，这些量化为少数几个主成分的多元统计方

4、法，这些主成分能够反映原始变量的大部分信息，通常主成分能够反映原始变量的大部分信息，通常表示为原始变量的线性组合。表示为原始变量的线性组合。2012-06-09主成分分析主成分分析 用用matlab调用调用princomp函数进行主成分分函数进行主成分分析，得出如下主成分贡献率表。析，得出如下主成分贡献率表。成分成分贡献率贡献率(%)成分成分贡献率贡献率(%)187.06450.107211.48560.05631.13270.03540.13680.003 第第6到第到第8主成分的贡献率都明显接近于零，主成分的贡献率都明显接近于零，也就是说它们的特征根都比较小，可以大致判断也就是说它们的特征

5、根都比较小，可以大致判断至少可以从原来的至少可以从原来的8个指标中剔除个指标中剔除3个指标。个指标。 2012-06-09主成分分析主成分分析 项目项目678地区生产总值地区生产总值x13.590-6.95724.067人口数量人口数量x2-0.3056.4560.283人均可支配收入人均可支配收入x30.833-6.41948.831人均消费性支出人均消费性支出x44.0751.42925.647消费价格指数消费价格指数x50.9010.2440.098固定资产投资固定资产投资x6-2.32713.568-11.264电器拥有量电器拥有量x76.547-2.070-11.479能源消费总量能

6、源消费总量x812.056-5.92011.781第第6到第到第8主成分的得分主成分的得分 剔除的因素有能源消费总量剔除的因素有能源消费总量x8、 固定资产投资固定资产投资x6和人和人均可支配收入均可支配收入x3。2012-06-09多重共线性多重共线性 用主成分分析剔除了部分变量，鉴于完全符合用主成分分析剔除了部分变量，鉴于完全符合理论模型的数据比较难收集，况且数据的收集范围理论模型的数据比较难收集，况且数据的收集范围过窄，造成变量间的多重共线性也不可避免。过窄，造成变量间的多重共线性也不可避免。 在多元线性回归模型经典假设中，其重要假定在多元线性回归模型经典假设中，其重要假定之一是解释变量

7、中的任何一个都不能是其他解释变之一是解释变量中的任何一个都不能是其他解释变量的线性组合。如果违背这一假定，就称线性回归量的线性组合。如果违背这一假定，就称线性回归模型中存在多重共线性。模型中存在多重共线性。 2012-06-09多重共线性的检验多重共线性的检验相关系数矩阵表相关系数矩阵表 从从上表看出，解释变量上表看出，解释变量x1,x2,x4,x7之间高度相之间高度相关，也就是存在比较严重的多重共线性，因此，需关，也就是存在比较严重的多重共线性，因此，需要通过要通过Frisch综合分析法消除多重共线性。综合分析法消除多重共线性。 变量变量X1X2X4X5X7X110.9455470.9727

8、03-0.3573730.937545X20.94554710.983166-0.2474930.991579X40.9727030.9831661-0.3467730.979183X5-0.357372-0.247493-0.3467731-0.237200X70.9375450.9915780.979183-0.23720012012-06-09Frisch综合分析法综合分析法 通过通过Frisch综合分析法，又剔除综合分析法，又剔除x3人均可支人均可支配收入和配收入和x7电器拥有量，剩下电器拥有量，剩下x1地区生产总值、地区生产总值、x2人口数量和人口数量和x4人均消费性支出就是北京市电

9、力人均消费性支出就是北京市电力消费最主要的影响因素。消费最主要的影响因素。 2012-06-09自相关性自相关性 在时间序列的数据中，经济系统的经济行为在时间序列的数据中，经济系统的经济行为都具有时间上的惯性。例如，地区生产总值会随都具有时间上的惯性。例如，地区生产总值会随经济系统周期的波动而波动，这种情况下经济数经济系统周期的波动而波动，这种情况下经济数据很可能表现出自相关性。据很可能表现出自相关性。 2012-06-09自相关性检验自相关性检验DW检验和拉格朗日乘数检验得出，影响北检验和拉格朗日乘数检验得出，影响北京市电力消费的线性回归模型的随机干扰项存在京市电力消费的线性回归模型的随机干

10、扰项存在一阶正自相关。所以，要进行自相关修正。一阶正自相关。所以，要进行自相关修正。2012-06-09 广义差分法的自相关修正广义差分法的自相关修正 y 对对x1,x2,x4的回归结果的回归结果2012-06-092/1DW 广义差分法的自相关修正广义差分法的自相关修正 DW564357. 0 4 , 2 , 1),1(*564357. 01e iXiXiXinrG)1(*564357.01eYYYnrG y 对对x1,x2,x4的回归结果中的回归结果中 =0.871287,又又 ，那么，那么， 。根据。根据生成新的序列，重新进行生成新的序列，重新进行OLS估计，再检验得估计，再检验得随机干

11、扰项的自相关性被消除随机干扰项的自相关性被消除 。2012-06-09广义差分法的自相关修正广义差分法的自相关修正 广义差分法的自相关修正结果广义差分法的自相关修正结果 2012-06-09自相关修正结果自相关修正结果通过自相关修正得到的北京市电力消费模通过自相关修正得到的北京市电力消费模型为：型为： )441716. 2()926756. 3()07413. 3()354271. 1(733.20536649.2128041.1485 .4846132111411 XXXY2012-06-09异方差性异方差性异方差性是指模型违反了经典假设中的同方差性。异方差性是指模型违反了经典假设中的同方差

12、性。 2012-06-09异方差性检验异方差性检验 通过通过Park和和White检验，得出该模型存在异方检验，得出该模型存在异方差性。差性。2012-06-09调整异方差性调整异方差性 用加权最小二乘法对模型的异方差性进行调整，用加权最小二乘法对模型的异方差性进行调整，选择的权数是选择的权数是 。2/15RESIDWGENR 电力消费量回归结果电力消费量回归结果 2012-06-09最终的北京市电力消费模型：最终的北京市电力消费模型：) 1(564357. 0) 1(1048.1470) 1(9678.53) 1(6298.1080920.26046271.954842.1924 .7522

13、98214214 YXXXXXXY)14306.28()84747.14()87275.49()99502.17(092.260462709.954842.1924 .7522982111411 XXXY消除异方差性的回归模型：消除异方差性的回归模型： 又因为进行自相关修正的时候已经对数据进行了如下又因为进行自相关修正的时候已经对数据进行了如下广义差分变换：广义差分变换：4 , 2 , 1),1(*564357. 01e iXiXiXinrG)1(*564357.01eYYYnrG2012-06-09 北京市的地区生产总值每增加北京市的地区生产总值每增加1亿元，电力消费将增加亿元，电力消费将增

14、加96.6271万千瓦时；北京市常住人口数量每增加万千瓦时；北京市常住人口数量每增加1万人，电力万人，电力消费将增加消费将增加2604.0920万千瓦时；北京市人均消费性支出每万千瓦时；北京市人均消费性支出每增加增加1元，电力消费将增加元，电力消费将增加192.4842万千瓦时。万千瓦时。 同时，北京市电力消费还与地区生产总值、常住人口数同时，北京市电力消费还与地区生产总值、常住人口数量、人均消费性支出等因素前一年的值有关，如去年北京市量、人均消费性支出等因素前一年的值有关，如去年北京市地区生产总值每增加地区生产总值每增加1亿元，今年电力消费将减少亿元，今年电力消费将减少53.9678万万千瓦

15、时；去年北京市常住人口数量每增加千瓦时；去年北京市常住人口数量每增加1万人，今年电力万人，今年电力消费将减少消费将减少1470.1048万千瓦时；去年北京市人均消费性支万千瓦时；去年北京市人均消费性支出每增加出每增加1元，今年电力消费将减少元，今年电力消费将减少108.6298万千瓦时。万千瓦时。 结论结论2012-06-09结论结论 从本模型中可以看出，电力消费主要是由北京市的地从本模型中可以看出，电力消费主要是由北京市的地区生产总值、常住人口数量和人均消费性支出决定的。区生产总值、常住人口数量和人均消费性支出决定的。 电力部门首先要从科学规划电网入手，优化网架结构，电力部门首先要从科学规划电网入手，优化网架结构，努力降低线路损耗；加强有序用电，增加低谷用电，提高努力降低线路损耗；加强有序用电，增加低谷用电，提高用电负荷率；改变电源结构，大力发展新能源发电，关停用电负荷率；改变电源结构，大力发展新能源发电，关停小火电机组，采取措施降低供电煤耗。小火电机组，采