我国电力消费现状

我国电力消费、经济增长与城市化协整关系探讨——基于VAR模型和脉冲响应吉林财经大学高柯娇、文竹、杨闻丽摘要近年来我国电力消费保持了较快的增长趋势，然而，目前我国电力供需总体偏紧，从东部到中西部的多省出现持续电力负荷缺口。在经济快速增长和城市化进程加快的市场条件下，三者之间是否具有一定的联系呢？本文借助协整理论、Granger因果检验、脉冲响应及方差分解等计量方法建立了VAR模型，1990-2009年中国经济增长、城市化进程与电力消费水平在短期与长期内相互影响的动态关系进行分析。结果表明，经济增长、城市化进程与电力消费水平之间存在长期稳定的均衡关系，但其相互作用的短期效应和长期效应并不一致，且相互影响的效应存在明显的差异。针对此，本文提出相应的政策建议。关键字：电力消费经济增长城市化VAR模型协整理论Granger因果检验脉冲响应方差分解

目录一、引言 一、引言电力工业是影响国民经济发展的重要基础行业，对其他各个产业部门的发展起着不可忽视的支撑作用。而党和人民关注的焦点——经济增长，是指一个国家或地区生产的物质产品和服务的持续增加，它意味着经济规模和生产能力的扩大，可以反映一个国家或地区经济实力的增长。而电力与经济增长有着非常密切的关系。一方面，电力是经济增长的主要动力，对经济增长有拉动作用；另一方面，经济的增长又影响着电力的消费。同时，城市化是我国经济发展中一种引人注目的现象，有学者把中国城市化列为21世纪影响世界发展进程的两大因素之一。所谓城市化是指，随着经济发展、工业化进程的不断推进，农村地域不断向城市地域转化，农村人口持续不断向城市迁移的一个动态过程。其与电力消费水平之间存在着可能的双向影响关系。一方面，电力是城市化的重要支撑力量（亦为制约力量），推进城市化离不开电力工业发展，电力供给和消费水平的不足或过度都将对城市化水平产生负面影响。反过来城市化也将影响电力消费水平，而且这种影响具有两面性：一是城市化进程会推进经济增长和提高人民生活水平，存在提高电力消费水平的可能性；二是城市化将有利于提高劳动者素质，降低交易成本及提高交易效率，并能带动城市信息产业和服务业的发展，从而有利于提高电力消费利用效率、抑制电力消费增长。在电力短缺、经济快速增长和城市化进程加快的市场条件下，把握电力消费与经济增长、城市化之间的关系已成为实现电力系统管理科学化的重要内容。因此，对三者的关系做深入研究，为国民经济综合管理部门和电力管理部门领导提供决策参考有着重要的理论意义和现实意义，有利于计划用电管理、有利于合理的制定电力工业发展规划、有利于提高电力系统的经济效益和社会效益、有助于电力部门制定最佳的销售策略，促进电力和经济的可持续发展，为我国做好电源与网络规划与建设工作、做好产业结构调整提供科学依据。二、现状分析（一）我国电力消费现状随着经济的快速发展，以及城市化水平的高速提高，近年来我国电力需求保持了较快的增长趋势（见图1）。在国民经济持续强劲的拉动下，全社会用电量在2009年达到了36798.97亿千瓦时，年均电力消费保持了较快增速。需求的过快增长使供需缺口拉大，电力供需出现严重失衡。随后，受国家宏观调控的影响，全社会特别是高耗电部门节能意识的增强，以及新型、环保节能技术的应用高电耗产业的发展的到一定的控制。2008年。电力消费增速呈现放缓走势。从2007年的14.4%降到2008年的5.6%，2009年为7.2%。然而，目前我国电力供需总体偏紧。国家电网电力调度通信中心数据显示，4月以来，从东部到中西部的多省地出现持续电力负荷缺口。而且在淡季出现了“电荒”，而在高峰期的夏季电力供应缺口可能进一步扩大。图1电力消费时序图（二）我国经济增长现状改革开放以来，随着我国走向“以经济建设为中心”的正确道路上，改革和发展战略的逐步实施，我国的经济总量取得了高速发展。1978年，我国的国内生产总值仅是3645.2亿元人民币，到2009年已达371537.6亿元人民币（实际GDP），是1978年的100倍。根据2010年国际货币基金组织公布的对各国国内生产总值的排名来看，我国的经济总量超过日本，跃居世界第二位。与此同时，经济总量占世界经济的份额也有明显上升，1978年为1.8%，2008年提高到9.27%。从图2也可以看到，我国的国内生产总值从1990年—2009年一直处于上升趋势，主要是因为我国近十来年经济的快速增长使经济总量呈现加速扩张态势，国民经济连上几个大台阶，使我国综合国力和国际影响力实现了由弱到强的举世瞩目的巨大转变。图2实际GDP时序图（三）我国城市化现状分析经济的发展推动可城市化发展的步伐。改革开放以来，我国逐步放开了原有对人口流动的控制，大量农民工流向了城市，加快了城市化的进程（见图3）。2010年4月28日，国家统计局公布的第六次全国人口普查数据显示，目前居住在城镇的人口为66557万人，占总人口的49.68%，同2000年人口普查相比，城镇人口比重上升13.46个百分点。而城镇化率达到50%被视为一个国家从农业大国向工业大国迈进的重要里程碑，目前我国49.68%的城镇化率离这一里程碑仅半步之遥。突破50%分水岭，成为“十二五”图3城市化时序图（四）电力消费、经济增长、城市化之间的相关性研究电力能源是目前主要的能源之一，是经济增长的“发动机”，经济的发展需要电力能源的“加油”。电力作为高效清洁能源，已成为大部分产业的主要生产要素之一。从经济学的角度分析，电力与经济增长的关系，表现在两个方面：一方面是经济增长对电力的依赖性，即经济增长离不开电力；另一方面，电力的发展要以经济增长为前提，因为经济增长可以促进电力的高高效的生产和利用。从两者的增长速度的对比图（见图4）中可以看出，两者存在明显的正相关。而国内外的许多学者也曾论证了两者之间存在很强的相关性。图4电耗增速与GDP增速同时，城市化是我国经济发展中一种引人注目的现象。城市化是与电力消费水平之间存在着可能的双向影响关系。一方面，电力是城市化的重要支撑力量（亦为制约力量），推进城市化离不开电力工业发展，电力供给和消费水平的不足或过度都将对城市化水平产生负面影响。反过来城市化也将影响电力消费水平，而且这种影响具有两面性：一是城市化进度会推进经济增长和提高人民生活水平，存在提高电力消费水平的可能性；与此同时，城市化将有利于提高劳动者素质，降低交易成本及提高交易效率，并能带动城市信息产业和服务也的发展，从而有利于提高电力消费利用效率、抑制电力消费增长。从两者的增长速度对比图可以看出，两者存在明显的正相关，符合了学者们的理论观点。图5电耗增速和城市化增速又，从三者的相关系数（见表1），可以看出三者之间具有高度的相关性。表1电力消费、GDP与城市化相关系数表实际GDP城市化DU电力消耗EC实际GDP10.9286210.992754城市化DU0.92862110.945504电力消耗EC0.9927540.9455041（五）文献综述学术界对能源需求的研究可以说相对深入。作为能源需求的重要组成部分,针对电力进行分析预测的文献汗牛充栋。自回归法(AR)、移动平均(MR)、自回归移动平均(ARMA)、自回归整体移动平均(ARIMA)和一般指数平滑等各类方法,已被广泛应用于电力需求研究和预测。在解释经济发展与电力消费之间长期均衡和短期波动关系方面,标准Granger因果检验、协整和误差修正模型(ECM)得到大量运用。迄今，在对电力需求研究和预测的文献中，主要选择影响电力需求的主要因素相关。除了将收入水平作为最重要的解释变量，一些学者也试图纳入其它变量以增强模型的解释能力。例如，Burney(1995)认为，城市化对电力消费的影响会随人均收入及产业结构变化而变化。Lariviere和Lafrance(1999)在研究加拿大各城市人均电力消费后发现，经济运行、人口、气温是影响电力消费的重要因素。Holtedal和Joutz(2004)发现，城市化水平对发展中国家的长、短期居民电力消费都有重要影响。林伯强(2003a，2003b)在三要素生产函数框架下,用协整和误差修正技术研究并预测了中国电力消费,表明GDP、资本、人力资本及电力消费之间存在长期协整关系。但是,截止目前对电力需求的研究中,还没有文献同时将经济增长和城市化两个因素纳入。发达国家的城市化和工业化已基本完成，电力需求处于相对稳定的缓慢增长阶段,在模型中忽略这两个因素的影响无关紧要。然而，当涉及到经济处于转型时期的发展中国家特别是中国时，这一不足对研究结果的影响就尤其显著。目前，中国有着世界第一大规模的人口、第二大规模的经济，这是基本国情；经济持续高速增长、城市化加快，这是现在及今后相当一段时期内中国经济社会发展的最重要特点。对中国电力需求的研究,必须考虑到上述基本国情和特殊经济社会发展阶段中的主要特征。鉴于此，本文将经济增长和城市化进程同时引入模型，利用VAR模型研究能源消费经济增长、城市化进程的协整关系。三、实证分析（一）指标的选取与数据处理为了更好的研究电力消费、经济增长和城市化之间的关系，本文本着科学性、合理性、有向性的原则进行如下的选取。1．指标选取（1）实际GDP（下文直接用GDP表示实际GDP）本文选取1990—2009年的我国GDP来研究社会用电量与经济发展之间的关系。并且为为了消除价格因素，利用相应的国内生产总值指数计算实际GDP。（2）总人口（TP）经验表明，人口的增长必将引起电力消费增长，作为一个重要因素，本文引入1990—2009年的年末总人口数量进入运算。（3）城市化（DU）本文采用国际常用的指标算法，城市化即为城镇人口占总人口的比例。计算了我国1990—2009年的城市化水平。（4）电力消耗（EC）由于电力消耗总量的数据难以查找，本文利用每万元GDP消耗电力与GDP计算了每年的电力消耗总量。2.变量根据选取的指标，查阅国家统计局网《中国统计局年鉴（2010）》得到数据（见表2）。表2原始数据年份实际GDP(亿元)总人口TP（万人）城市化DU（%）电力消耗EC（亿千瓦时）199022608.6811433326.40976230.4199129399.9211582326.940256804199240351.4311717127.459877589.2199354945.7211851727.990088426.5199439962.7511985028.50989260.4199567420.5512112129.0403810023.4199678294.712238930.47986106954912362631.9099511211.91199890985.3612476133.3501711523.92199996492.4512578634.7797112225.662000107549.112674336.2197513472.372001118756.412762737.6597414723.462002131283.312845339.0897816465.452003149405.312922740.5302319031.62004176025.712998841.7600121971.372005202271.613075642.9924940.322006236506.113144843.9002528587.972007300365.613212944.9401732711.82008342309.513280245.6822934541.362009371537.613347446.5903536798.97（二）模型简介1.VAR模型的构造向量自回归（VAR）是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后期的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，并且在一定条件下，多元MA和ARMA模型也可转化成VAR模型。VAR(p)模型的数学表达式是(1)式中：yt是k维内生变量列向量，xt是d维外生变量列向量，p是滞后阶数，T是样本个数。k×k维矩阵Φ1，…，Φp和k×d维矩阵H是待估计的系数矩阵。εt是k维扰动列向量，它们相互之间可以同期相关，但不与自己的滞后值相关，且不与等式右边的变量相关，假设∑(2)即含有k个时间序列变量的VAR(p)模型由k个方程组成。还可以将式(2)做简单变换，表示为(3)式中yt是yt关于外生变量(4)式中，是滞后算子L的k×k的参数矩阵。冲击向量εt是白噪声向量，因为εt没有结构性的含义，被称为简化形式的冲击向量。如果式(4)的特征方程行列式det[Φ(L)由于仅仅有内生变量的滞后期出现在等式的右边，所以不存在同期相关性问题，用普通最小二乘法(OLS)能得到VAR简化式模型的一致且有效的估计量。即使扰动向量εt有同期相关，OLS仍然是有效的，因为所有的方程有相同的回归量，其与广义最小二乘法(GLS)是等价的。也就是说，由于任何序列相关都可以通过增加更多的y传统的VAR理论要求模型中每一个变量是平稳的，对于非平稳时间序列需要经过差分，得到平稳序列再建立VAR模型，这样通常会损失水平序列所包含的信息。而随着协整理论的发展，对于非平稳时间序列，只要各变量之间存在协整关系就可以直接建立VAR模型。2.VAR模型最佳滞后期数的确定VAR模型中一个重要的问题就是滞后阶数的确定，在选择滞后阶数p时，一方面想使滞后阶数足够大，以便能完整反映所构造模型的动态特征，但另一方面，滞后阶数越大，需要估计的参数就越多，模型的自由度就减少。所以通常进行选择时，需要综合考虑，既要有足够数目的滞后项，又要有足够数目的自由度。本文中用于确定滞后期的检验方法有：(1)AIC标准的计算方法为:(5)式中是被估计的参数的总数，为变量滞后期，为样本长度，d是外生变量的个数，p是滞后阶数。通过假定服从多元正态分布（高斯）分布计算对数似然值l:(6)AIC准则要求他们的数值越小越好。(2)确定滞后阶数的LR(似然比)检验提出原假设、备择假设：H0:在滞后阶数为j时，系数矩阵H1:在滞后阶数为j时，系数矩阵χ2(7)式中m是可选择的其中一个方程中的参数个数：m=d+kj，d是外生变量的个数，k是内生变量个数，(8)式中εt是k维残差列向量，可以选择是否做自由度调整，如果不做自由度调整，则式(8)不减m。从最大的滞后阶数开始，比较LR统计量和5%水平下的临界值，当LR>χ0.053.VAR模型的脉冲响应函数对于任何一个VAR模型都可以表示成为一个无限阶的向量MA(∞)过程。(9)s中第i行第j列元素表示的是，令其它误差项在任何时期都不变的条件下，当第j个变量yjt对应的误差项ujt在t期受到一个单位的冲击后，对第i个内生变量yit在t+s把s中第i行第j列元素看作是滞后期s(10)称作脉冲响应函数（impulse-responsefunction），脉冲响应函数描述了其它变量在t期以及以前各期保持不变的前提下，yi,t+s对uj,t时一次冲击的响应过程。脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，能够比较直观地刻画出变量之间的动态交互作用及其效应。4.协整关系检验协整检验既是诊断变量之间是否存在长期依存关系的一种检验方法，同时又是具体建立变量之间长期稳定方程的一种方法。协整的定义如下：K维向量时间序列yt的分量间被称为d，b阶协整，记为y(1)yt∼I(d)，要求(2)存在非零向量β，使得β‘yt简称yt是协整的，向量β检验变量之间是否存在协整关系的方法有两种:EG两步法和Johansen极大似然法。前一方法主要适用于两个变量之间的协整检验，对于多个变量之间的检验不太方便，特别是当协整向量不止一个时更是如此。故这里用Johansen的检验方法，它是由Johansen提出的一种在VAR系统下用极大似然估计来检验变量之间协整关系的方法。将式(1)改写为差分形式：(11)方程(11)中，∏代表了所有的长期均衡信息，∏yt-1也正是误差修正项，而∏的秩则决定了之间的协整向量，也就是决定变量间到底有多少个长期关系。5.Grange因果关系检验变量之间因果关系的实证检验，通常采用由Grange（1969）提出，Sims（1972）推广的如何检验变量之间因果关系的方法。Grange因果检验是基于这样的思想：如果一个事件Y是另一个事件X的原因，则事件Y应领先于事件X。因此，我们看现在的Y能够在多大程度上被过去的X解释，加入X的滞后值是否使解释程度提高。如果X在Y的预测中有帮助，或者X与Y的相关系数在统计上显著时，就可以说Y是由X的Grange引起的。Granger检验假设有一变量Y和X的预测信息包含在它们的时间序列中，因此，对于稳定变量X和Y，Granger检验采用如下变量自回归方程，即:(12)(13)此外，由于Granger检验受变量的滞后项个数m和n、变量序列的稳定性以及变量间协整关系存在的影响，因此，在进行Granger检验之前，首先要确定各变量的最佳滞后项个数，对变量序列进行稳定性检测和协整关系的检验。（三）计量分析1.模型假设结合经济学者的研究和本文的主题，作出如下合理的假设：(1)假设其他未涉及的指标对本文涉及指标的变化影响不大。(2)假设经济活动中的经济主体都是符合经济增长理论的假设的。(3)假设统计数据真实有效，误差不大。2.序列平稳性检验在进行协整分析之前，首先利用ADF检验进行时间序列的平稳性检验，本文采用ADF单位根法来检验各变量的平稳水平。结果如表3。从结果可以看出电力消耗（EC）、实际GDP（GDP）、总人口（TP）与城市化（DU）都是二阶单整的数据，符合协整的前提要求，可以进一步进行协整关系的探讨表3ADF检验结果变量检验类型（c,t,k）ADF值1%临界值5%临界值10%临界值AIC值结果结论EC(1,1,1)-1.29228-4.5743-3.692-3.285615.89589DPEC~I(2)▽EC(1,1,1)-2.01967-4.6193-3.7119-3.296416.02703DPQUOTE∇2EC(0,0,1)-2.6426-2.7275-1.9642-1.626916.13264PGDP(1,0,1)2.412695-3.8572-3.04-2.660821.956DPGDP~I(2)▽GDP(1,1,1)-2.57786-4.6193-3.7119-3.296422.08677DPGDP(0,0,1)-4.1966-2.7275-1.9642-1.626922.2272PTP(1,0,1)-1.51437-3.8572-3.04-2.660810.37195DPTP~I(2)▽TP(1,0,1)-0.70233-3.8877-3.0521-2.667210.33515DPTP(0,0,1)-2.2618-2.7275-1.9642-1.626910.34062PDU(1,1,1)-2.9078-4.5743-3.692-3.2856-0.17618DPDU~I(2)▽DU(1,0,1)-1.71242-3.8877-3.0521-2.66720.244992DPDU（0,0,1）-2.32934-2.7275-1.9642-1.62690.372749P（注：表中▽表示1阶差分,表示2阶差分；（c,t,k）中，c表示常数项，t表示趋势项，k表示滞后阶数；0表示没有常数或者趋势项；(c，t)的确定方式如下:首先检验含有趋势项和常数项情形，如果包含单位根，则进一步检验趋势项系数是否显著，如果不显著，则采取不包含趋势项的形式进行检验，接着检验常数项非零的显著性。滞后期标准选择的是AIC准则。P表示序列平稳，DP表示序列不平稳。I(2)表示变量是二阶单整。）3.Johansen协整检验协整分析把非平稳变量的长期均衡和短期动态的变化有机结合起来，是一种有效的分析方法。为了检验电力消耗（EC）、实际GDP、总人口（TP）与城市化（DU）四个变量是否保持长期均衡关系，采用Johansen检验。基于各数据生成过程特征，将选择带有截距项，没有趋势项的VAR模型（其结果见表3）。根据表3的检验结果，可以看出变量之间至少存在着四个协整关系。表4Johansen检验结果假设方程数特征根迹统计量5%临界值P值None*0.949919112.704447.856130.0000Atmost1*0.80133458.8104929.797070.0000Atmost2*0.73619429.7201315.494710.0002Atmost3*0.2728175.7343973.8414660.0166（注：*代表以5%的显著性水平拒绝原假设）由结果可以得到正规化的电力消耗（EC）、实际GDP、总人口（TP）与城市化（DU）的长期均衡的协整方程：(*)(0.00212)(0.04046)(53.4100)(*)式中协整系数下的括号内为渐进标准差，且式中的系数都是显著的。由协整方程可以看出，1990~2009年间，我国电力消费对GDP、总人口和城市化的弹性系数分别为：0.05、0.64和654.24。可以解释为：GDP每增长一个百分点，电力消费就增长0.05个百分点；总人口增长一个百分点，电力消费就增加0.64个百分点；城市化增长一个百分点，电力消费就增长654.24个百分点。4．VAR模型的建立(1)确定最大滞后阶数表5滞后阶数判断结果

LagLogLLRFPEAICSCHQ0-566.9038NA

4.16e+2263.4337563.6316163.461031-378.4034272.27832.09e+14

44.2670545.25635

44.403462-347.190831.21261*5.40e+13*42.57676*

44.35750*42.82230*由结果可以看出，根据AIC准则和滞后阶数滞后阶数的LR(似然比)检验准则，检验模型的最优滞后阶数为2阶。（2）平稳性检验检验结果如图6所示，可明显看出无特征根在单位圆外，表明模型是平稳的。图6VAR平稳性检验结果（3）参数估计利用eviews对VAR模型进行参数估计，结果如下：表6VAR模型参数估计值ECGDPTPDUEC(-1)0.7549254.7728330.015712-0.000377（-0.29324）（-5.9648）（-2.10E-02）（-9.80E-05）[2.57442][0.80017][0.74817][-3.84889]EC(-2)1.20395120.546650.0170530.000635(-0.64738)(-13.1684)(-4.64E-02)(-2.20E-04)[1.85972][1.56030][0.36782][2.93571]GDP(-1)-0.060216-0.508739-0.0003981.83E-07(-0.01939)(-0.39437)(-0.00139)(-6.50E-06)[-3.10582][-1.29000][-0.28636][0.02832]GDP(-2)-0.03095-0.289362-0.00091-2.74E-05(-0.02117)(-0.43067)(-0.00152)(-7.10E-06)[-1.46180][-0.67188][-0.60024][-3.87100]TP(-1)-6.158674-183.12750.860782-0.001162(-5.08387)(-103.411)(-0.36408)(-0.0017)[-1.21142][-1.77088][2.36429][-0.68478]TP(-2)5.769266176.97370.126450.001285(-4.91239)(-99.9226)(-0.3518)(-0.00164)[1.17443][1.77111][0.35944][0.78344]DU(-1)633.416323565.56-2.2833281.40707(-818.788)(-16654.9)(-58.6367)(-0.27341)[0.77360][1.41493][-0.03894][5.14630]DU(-2)-342.7444-31215.22-57.24344-0.491509(-942.767)(-19176.8)(-67.5154)(-0.31481)[-0.36355][-1.62776][-0.84786][-1.56127]C43252.1510605234423.816-10.63704(-32644.7)(-664024)(-2337.82)(-10.9009)[1.32494][1.59712][1.89228][-0.97580]（注：表中变量后括号中为滞后期，无括号的数为参数估计结果，方括号中为t统计量值，圆括号中为估计系数标准差）表7模型各方程的检验结果R-squared0.9991790.9970090.9999850.999808Adj.R-squared0.9984490.9943510.9999720.999637Sumsq.resids12882135.33E+086606.6960.143643S.E.equation3.78E+027695.62427.093860.126334F-statistic1369.014375.034874908.85858.644Loglikelihood-126.1464-180.3739-78.690117.93626AkaikeAIC15.0162721.041549.743344-0.992918Schwarz15.4614621.4867310.18853-0.547732Meandependent18011.16149487.8126437.136.8268S.D.dependent9606.728102388.45086.9936.6341表8VAR模型检验结果Determinantresidcovariance1.07E+13Determinantresidcovariance6.66E+11Loglikelihood-347.1908Akaikeinformationcriterion42.57676Schwarzcriterion44.3575从上述结果我们可以看出VAR模型中每个方程其R2的数值都很大，这说明方程对因变量拟合的较好。AIC与SC的值都比较小，说明滞后阶数的确定基本合理，总的来说模型的模拟效果比较好，将参数估计结果写成如下矩阵形式：根据该模型我们可以得出以下结论：=1\*GB3①电力消费的滞后一期对于自身的影响为正，滞后二期的影响也为正，且滞后一期比滞后二期的影响显著。我们可以认为，电力消费滞后一期值对电力消费产生了显著正效应。=2\*GB3②经济增长的滞后一期和滞后二期值对于电力消费的影响均为负，且滞后一期比滞后二期的影响显著。我们可以认为，经济增长滞后一期对电力消费产生了显著负效应。=3\*GB3③总人口滞后一期对于电力消费的影响为负，滞后二期对于电力消费的影响为正，T检验的显著程度差距很小。我们可以认为人口对电力消费的影响具有一定的时滞性。=4\*GB3④城市化进程滞后一期对于电力消费的影响为正，滞后二期对于电力消费的影响为负，但第一期的影响显著与二期，由此可见，城市化进程对于电力消费产生了正效应。5.脉冲响应函数脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，能够比较直观地刻画出变量之间的动态交互作用及其效应。本文的VAR模型通过了平稳性检验，它是一个平稳的系统，其脉冲响应分析具有实际的意义。为了避免正交脉冲响应的Cholesky分解的结果对模型中变量次序的依赖，本文采用广义的脉冲响应函数。结果如下：（1）电力消费对自身的脉冲响应图7电力消费对自身的脉冲响应从图中可以看出，电力消费的正冲击会给其本身带来正面的影响，但此影响并不具有较长的持续效应。7年后将会对其本身带来负面的影响。可以看出，电力消费对于其自身具有短期的正效应。（2）GDP对电力消费的脉冲响应图8实际GDP对电力消费的脉冲响应从图中可以看出，GDP的冲击对于电力消费带来的影响并不稳定，短期（1-2年）内会产生负的影响，其可能是由经济增长导致技术进步，从而使电力消费量减少。2-8年，其也会对电力消费产生正的影响，这种影响会逐渐增大，后逐渐减少，8年后又会产生负的影响。其变化周期和电力消费对自身影响的周期相符。（3）电力消费对GDO的脉冲响应图9电力消费对GDP的脉冲响应从图中可以看出，短期内，电力消费对经济增长有着负面的影响，也就是制约了经济的增长，之直到第7期以后才开始出现较小的正面影响。（4）城市化对电力消费的脉冲响应图10城市化对电力消费的脉冲响应从图可以看出，城市化将会对电力消费在1期一个正面的影响后迅速的变为负面的影响，在4期以后又会有一个短暂的正面的影响，但该影响并非很大，6期之后再次产生负面的影响。这反映出，总体而言，城市化进程对于电力消费产生负面影响。（5）电力消费对城市化的脉冲响应图11电力消费对城市化的脉冲响应从图中可以看出，电力消费对城市化基本是正面的影响，但是影响的程度不是很大。6.方差分解分析为进一步分析结构冲击对变量变化的贡献度，评价不同结构冲击的重要性，下面将运用Sims(1980)提出的方差分解法来考察我国电力消费、经济增长、总人口和城市化水平对电力消费影响的重要程度。得到结果如图11.图12方差分解结果从图中看出，不考虑电力消费自身的贡献率，实际GDP对电力消费的贡献率达到30%左右，其次是总人口，且总人口对电力消费的贡献率是逐渐增加的，到第十期达到18%左右。城市化对电力消费的贡献率最低，在10期为8%左右。7.Granger因果检验上述协整检验及VAR模型分别揭示了我国城市化进程与电力消费水平之间的长期均衡和短期动态关系，但他们之间的具体因果关系还需借助Granger因果检验进行进一步分析。结果见表9。表9Granger因果检验结果原假设滞后期FP电力消费不是城市化的原因111.4270.0038城市化不是电力消耗的原因7.615590.014电力消费不是城市化的原因20.959090.4088城市化不是电力消耗的原因8.261540.0048电力消费不是城市化的原因30.565720.6499城市化不是电力消耗的原因4.553740.0293电力消费不是城市化的原因40.452270.7688城市化不是电力消耗的原因13.94110.0019电力消费不是城市化的原因50.23090.9302城市化不是电力消耗的原因5.076420.0703电力消费不是城市化的原因66.182590.2985城市化不是电力消耗的原因2.429810.4551经济增长不是电力消费的原因115.65170.0011电力消费不是经济增长的原因34.69270.00002经济增长不是电力消费的原因23.486850.0613电力消费不是经济增长的原因16.34430.0003经济增长不是电力消费的原因32.535850.1158电力消费不是经济增长的原因15.35820.0005经济增长不是电力消费的原因44.730260.0364电力消费不是经济增长的原因17.31210.001经济增长不是电力消费的原因52.246020.2266电力消费不是经济增长的原因7.953230.0333经济增长不是电力消费的原因611.67460.2204电力消费不是经济增长的原因3.268180.3999由结果可以看出（以0.05的显著性水平）：=1\*GB3①滞后一年的时候，电力增长和城市化互为Granger原因；=2\*GB3②滞后2——4年，城市化是电力消耗的Granger原因，电力消耗不是城市化的Granger原因；=3\*GB3③滞后5年及5年以上，城市化和电力消费都不互为Granger原因。=4\*GB3④滞后1年，经济增长和电力消费互为Granger原因；=5\*GB3⑤滞后2——5年，电力消费是经济增长的Granger原因；=6\*GB3⑥滞后6年及6年以上，电力消费和经济增长都不互为Granger原因。也就是说，1-5期，城市化均是电力消费的格兰杰原因，电力消费仅在一期中是城市化的格兰杰原因。以上结果表明，城市化变动对电力消费变动的影响较其相反的影响具有长期性。而电力消费与GDP之间在1期互为彼此的格兰杰原因，但2-5期中，仅有电力消费是GDP的格兰杰原因，可见，电力消费对于GDP的增长具有促进或约束作用。四、研究结论与政策含义（一）实证研究结论（1）电力消费、经济增长、城市化之间具有长期均衡的协整关系，且经济增长、城市化的协整系数都为正，这和学者相关的研究是相符的。但是城市化的协整系数较大，主要是因为量纲的不同产生的，城市化的变化是需要较大的人口变动的，所以，城市化的变动会对电力消费有较大的影响。

（2）GDP对于电力消费的贡献率在30%左右，其效应具有一定的周期性，1-2年产生负影响，2-8年，产生正的影响，这种影响会先逐渐增大，再逐渐减少，8年后又会产生负的影响。GDP对电力消费的短期负影响是由于消化库存所引起的，例如，一个钢铁厂在前一年市场需求较高时，生产很多钢铁，导致企业库存增加，在消耗库存期间，钢铁还在继续销售，支持了GDP的增长，但是产量下降或者不生产，就不需要用电，也就是说，在短期内，库存可能使GDP增长对电力消费产生负影响。另一方面，产值的增长也可使企业改良自己的生产设备，从而降低耗电量。同时电力消费对于GDP的增长具有促进或约束作用。短期内，电力消费对经济增长有着负面的影响，即制约经济的增长，但长期而言，电力消费会促进经济增长。这可能是由于，短期内，企业不能充分的利用增加的电力资源，造成了一定的浪费，使GDP并未对增加的电力消费做出有效的反映。从而使增加的电力消费未能带来经济的增长反而抑制了经济的增长。长期以后，企业和社会提高生产技术或是调整产业结构，提高电力的利用率，从而对经济增长产生正的影响。（3）城市化进程对电力消费的贡献率在8%左右，只是滞后一年的变化对电力消费的影响是正的，2—4年的滞后期的变动都是负的。即短期而言，城市化进程对电力消费的影响为负，但从长期来看，城市化进程对电力消费的影响为正。这是由于从短期来看，城市化使经济组织结构、技术结构、产品结构等得到更合理的调整，电力配置得到优化，资源得到合理的利用，电力消费量降低。但从长期而言，城市化使人口密度增大，对电力的消费随之增加。同时，电力消费量影响着城市化进程。电力消费将会对城市化正面的影响，电力消费的增加，对城市人口的用电供给增加，能满足更多的用电量。满足城市人口的增加的消费，和日渐发展的第三产业，从而推动城市化的提高。（4）滞后1—5年，电力消费是GDP的granger原因，只有滞后1期，GDP是电力消费的granger原因，即GDP对电力消费的影响是短期性的。而电力消费对GDP的影响是较长期的。这正符合了电力能源是目前主要的能源之一，是经济增长的“发动机”，经济的发展需要电力能源的“加油”这一说法。滞后1-5期，城市化是电力消费的格兰杰原因，电力消费仅在一期中是城市化的格兰杰原因。这是因为城市化的提高，改变了城市和农村人口的比重，而城市人口对居民的消费结构具有较大的影响，从而影响电力消费。而电力消费对城市化提供了硬件设施，推动城市化，但是作用期较短。（二）政策建议对比发达国家的发展进程,中国目前还处于能源高需求阶段。当前的国际金融危机短期中会影响中国经济增长,但是中国的城市化进程将不可阻挡地向前推进。结合上述实证结论，相应提出如下政策建议：1.电力消费与区域经济及人口增长之间存在密切的联系，三者之间具有内生的关系。通过经济增长方式的转变和人口规模的控制对电力消费产生影响是一条可行但长期的途径。如何协调电力消费与区域经济增长之间的关系，控制人口增长和引导调整人们的消费方式，是未来各个区域在电力战略规划和政策制定过程中需要重点考虑的长期问题。2.GDP增长对于电力消费量的影响程度较高。短期内，电力消费对经济增长的偏离是常态，但长期而言，GDP与电力消费之间存在相互的正面影响。其中，电力对GDP的影响相对于其反作用而言具有一定的滞后性，也就是说GDP的发展相对于电力消费保持一定的超前性。因此，利用经济增长与电力消费之间的关系，可以合理判断电力消费的变化，从而调节电能供给，避免不必要的浪费。对此，应做到：（1）继续深化行业结构的改革经济的高速发展，对电力的需求将会产生持续的快速的需求拉动，将对发电能源供应产生较大的需求，而中国有限的资源又会很大程度上影响中国电源发展的速度、规模和结构。如果我国继续保持传统的电源结构以煤为主，就必然会制约经济的发展。要深化行业结构的调整，遵循“大力开发水电，优化发展煤电，积极发展核电，适度发展天然气发电，加快发展新能源发电”的产业发展方向不动摇，将中国的电源结构进一步趋于优化，高耗能、低效率机组比重逐步减少。这一目标的实现又需要经济的发展提供物质保障。（2）逐步提升发电技术水平科技的进步会带来成本的降低和效率的提高。而我国近年来发电技术取得的突破和进展，以及其所带来的效益更是充分说明了电力技术发展的重要性。所以，要电力产业能