多元线性回归分析中国能源消耗的影响因素

1、多元线性回归分析中国能源消耗的影响因素【摘要】能源是国民经济发展和人民生活水平提高的重要物质基础。我国是一个资源大国，但由于 人口基数大且正处于工业化和城镇化快速发展的重要时期，使得能源需求具有刚性增长特征。能源 消费的快速增长使得在当前制定科学合理的能源发展战略尤为重要，未来能源的供给能否支撑我国 经济的可持续增长，已成为目前国内关注的话题。本文通过多 元线性回归模型研究能源消耗的四个主要影响因素。【关键词】 能源消耗；能源需求；多元线性回归模型前言1 对中国能源消耗现状的分析 作为发展中国家，经济产出的增长是满足我国国民生存与发展基本需求的必要条 件，能源消费作为维持经济系统运行的一项基本

2、投入，在一定程度上反映了国家经济活 动的强度和满足国民生活需要的能力。我国的经济增长方式以“高投入、高消耗、高排 放、难循环、低效率”为特征。不难看出，近几年我国正大力发展高新技术产业和现代 服务业，不断提高第三产业在国民经济中的比重，尽快使我国经济完成从外延粗放型向 内涵集约型的转变。1 影响能源消耗的因素2.1 中国经济增长与能源消耗的关系自 1978 年改革开放以来，中国进入了经济增长的快车道，国内生产总值和能源消费量增长迅速。在1979年至2005年GDP增长的9.6%中，有5.3个百分点来自第二产业 （工业）的贡献。从三次产业的能源强度（国内一次能源使用总量或最终能源使用与国 内生产

3、总值之比）来看，第二产业的能源强度最高。中国工业化取得的成就带动了经济 的迅速发展，同时也对合理的能源生产与消费提出了更高要求。近几年，国内已有学者 从经济学角度分析了能源与经济发展的关系，证明能源消费与经济发展正相关，能源消 费增长速度与经济增长速度正向依存。2.2 总人口作为世界上人口最多的发展中国家， 我国人口总量在未来二三十年间仍会以年均增 加几百万人口的绝对规模增长。能源总量丰富，但是人均总量小于世界水平的特点决定 了能源总体供给不足。随着人民生活水平的不断提高，在未来相当长一段时间内中国的 能源需求量仍将不可避免地继续增加能源消费结构不合理。2.3 交通运输业对能源消耗的影响 交通

4、运输是国民经济重要的基础产业领域，随着经济社会快速发展，交通运输需求的不断增加，以及机动化水平的快速提高， 交通运输领域的能源消费呈现快速增长态势。 严峻的能源形势要求高度重视交通节能降耗已经成为提高整个交通运输业能源利用效 率、降低能耗增 幅、减轻对石油依赖度的一个重要手段。2.4 能源生产总量 我国能源工业固定资产投资逐年增加使得能源供给总量持续提升。 社会需求决定社会供给，而社会供给对社会需求起引导作用。所以，能源消耗也在增加。深入了解我国“富煤、贫油、少气”状况是研究我国能源结构特征乃至能源供给需求状况的前提，也 是制定政策以实现我国能源可持续发展的基础。二、理论模型有关对能源消耗影响

5、因素研究的文献非常丰富，以下是利用多元回归模型定量分析 经济增长、总人口、交通运输业和能源供给总量对能源消耗的影响。1数据本文数据来源于2012中国统计年鉴1998年至2011年的国民经济核算、人口、 能源及运输和邮电的部分数据。总共抽取了14个样本作为研究对象。年份能源消耗总 量（万吨标 准煤）Y人均国内生 产总值（元）X1总人口（年末）X2交通工具总 数（万辆）X3能源生产总 量（万吨标 准煤）X4199813618467961247611319.30129834199914056971591257861452.94131935200014553178581267431608.911350

6、48200115040686221276271802.04143875200215943193981284532053.171506562003183792105421292272382.931719062004213456123361299882693.711966482005235997141851307563159.662162192006258676165001314483697.352321672007280508201691321294358.362472792008291448237081328025099.612605522009306647256081334506280.61

7、2746192010 :324939300151340917801.832969162011348002351811347359356.323179872数学模型：多元线性回归模型yi 能源消耗总量（万吨标准煤）X1i人均国内生产总值（元）X2i总人口x3i交通工具总数（万辆）x4i 能源生产总量（万吨标准煤）ei残差3变量y与Xi之间关系的散点图40000040000030000030000020000020000010000010000040000010000 200003000040000124000126000128000130000132000134000136000X1X23000

8、00200000100000X3YX4散点图说明人均国内生产总值、总人口、能源生产总量与能源消耗总量存在一定的 正相关关系。4以下是SPSS11.5的分析结果4.1利用以上14组样本数据得到样本回归函数为：y：=54578. 992 2x49 1X）. 1 7 为 1P. 0 0 1 R2 =.02 越 9F=3050.873t： (0.425) (2.453) (-0.571) (-3.651) (13.371)4.2回归模型的检验4.2.1多元线性回归模型的优度ANOVAbModelSum ofSquaresdfMean SquareFSig.RegressionResidualTotal

9、7.346E+F0541771747352B+1045131.837E+105019636.09050.873a, Predictor： tConstant）,能源生严总量交通工具总计，总人CL人均U內生严总值b. Dependent Variable:能源消住总:i：22由方差分析表得，R （多重可决系数）=0.999 , R （修正的多重可决系数）=0.999 , R2非常接近1,说明自变量（Xi）与因变量（丫i ）的相关程度很高，模型对数据的拟 合程度很好。A4.2.2回归参数（卩）的显著性检验（t-检验）从回归结果看，只有总人口（X2）的t统计量小于临界值t（10）=2.2281 ，说

10、明人均国 内生产总值（XI）、交通工具总数（X3）、能源生产总量（X4）对能源消耗总量（Y）的影 响都是显著的，总人数（X2）对能源消耗总量（Y）的影响不显著。4.2.3回归方程的显著性检验（F检验）在显著性水平二、 时，临界值 Fa（3,10）=2.73， F=3050.873 Fa（3,10）=2.73，说明 回归方程中所有自变量联合起来对因变量有显著影响。4.3利用P值进行决策在显著性水平为二、时，P=0.0000.05，说明检测结果很显著。4.4多重共线性检验4.4.1相关系数矩阵Coefficient Correlations*Model能源生严总垦交逼工具总计总人口人均国內 生产总

11、值1Correlations能溥生严佬童1.000.325-.782-.583交通工具总计,3251.00C.011-S39总人口-.782.0111.000.129人均H时生严总值-583-.9331.000由相关系数矩阵可以看出总人口和能源生产总量、人均国内生产总值和交通工具总数之间存在严重的共线性。4.4.2容忍度（Toleranee ）和方差膨胀因子（VIF）ModelCollinearity StatisticsTolera neeVIF1 ( Constant)人均国内生产总值0.005189.397总人数0.04025.270交通工具总数0.010102.459能源生产总量0.0

12、1374.662四个解释变量的Toleranee都小于0.1且VIF都大于10,说明这四个解释变量之间 存在严重的多重共线性。4.4.3消除多重共线性消除多重共线性的方法有剔除法、定义新变量法、逐步回归法。这里采用逐步回归 法。SPSS软件最终得：yi 二18646.221 1.164x9.983x2 2.566X3R2=0.999 R2 = 0. 9 99t:(-3.983) (21.470) (-3.774) (2.639)F=4361.791此三元回归函数通过了 t检验和F检验。三、结论综上所述，一个国家能源消耗在很大程度上与该国工业化进程密切相关且成正相关 关系。中国经济的增长主要靠能

13、源消费拉动，中国能源消费与经济增长存在双向的因果 关系。通过定性分析可知，中国工业能源消耗占比偏高，近年来交通能源消耗和生活能 源消耗明显提高。从中国能源消耗影响因素的多元回归分析可得，中国能源消耗与国家 人口数量、GDP和交通工具总数呈显著正相关。我国是一个发展中大国，经济不断加速增长，人民生活水平不断提升，交通工具总 数也在逐渐增多，虽然实行了计划生育政策但总人口还是处在正增长水平，因此对能源 消耗还在日益增加。要想少消耗能源就要全面增强自主创新能力，努力掌握核心技术和 关键技术，增强科技成果转化能力，以自主创新提升产业整体技术水平。合理配置能源 消耗结构，坚持以煤为主的能源消耗结构。通过开展煤的洗选加工，推广水煤浆制备新 技术，加大煤炭气化研究力度，加强煤炭燃烧过程中的净化，搞好烟气处理等综合技术 措施，提高煤炭的有效利用率，减少对环境的污染，降低生产成中国应当在煤炭资源合 理利用方面做出有益的贡献。坚持能源优质高效的开发原则。因为本文并没有对统计模型进行自相关的检验与修正和异方差的检验与修正，所以得到的回归方程还有很大缺陷，有待读者进一步研究。本文仅使用了多元回