“完美风暴”是否会发生在中国？计量经济学案例

1、"完美风暴是否会发生在中国？摘要 人口、粮食、淡水、能源、环境气候等问题，这些历年来都是学者研 究的热点， 这些问题如果集中在一起将引发不可预想的恶果。本文通过收集中国相关数据，运用计？量经济学软件，预测英国科学家约翰 ？贝丁顿所说的“完美风 暴”是否会在中国发生，并 提由一些合理避免这一严重恶果的发生。关键词完美风暴计量经济学淡水需求能源需求粮食需求英国科学家约翰？贝丁顿于2009年3月18日在英国卫报发表文章警告称，气候 变化和人口增长将导致食品、 水和能源短缺，进而引发大规模移民、公共骚 乱和国际冲突。 如果未来数年内没有充分准备的话，到2030年，世界将面临“完 美风暴”，曲

2、现大动荡。他说：“我们的粮食储备是 30年来最低的，到2030年，我们对粮食的需求会增加 30%, 同时，我们对能源的需求也会增加50%,淡水的需 求会增加30%。”按照贝丁顿的说法，类似的问题是否会发生在中国呢？我们假定中国与世界是一个密不可分的整体，如果粮食、能源和淡水需求量再过 20年，也就是到2030年分别增加50%、50%. 30%那么“完 美风暴”就会在中国发生。下面我们来验证这一结果是否会发生，以及提由一些避免这一恶果发生的措施。一、粮食需求预测模型表1 1990-2007粮食产量与相关影响因素年份粮食产量 （万吨）播种面积 （千公顷）农用机械总动 力（万千瓦）有效灌溉面积 （千

3、公顷）化肥施用量 （万吨）199044624. 30113465.8728707.7047403. 102590. 30199143529.30112313.6029388. 6047822.102805. 10199244265. 80110559.7030308. 4048590.102930. 20199345648. 80110508.7031816.6048727. 903151.90199444510. 10109543.7033802.5048759. 103317. 90199546661.80110060.4036118.1049281.203593. 70199650453

4、. 50112547.9238546.9050381.403827. 90199749417. 10112912.1042015. 6051238. 503980.70199851229.53113787.4045207.7052295. 604083. 70199950838. 58113160.9848996.1253158.414124.32200046217. 52108462. 5452573. 6153820.334146.41200145263. 67106080. 0355172.1054249. 394253.76200245705. 75103890. 8357929. 8

5、554354. 904339. 39200343069. 5399410. 3760386. 5454014. 234411.56200446946. 95101606. 0364027. 9154478. 424636.58200548402.19104278. 3868397. 8555029.344766. 22200649804. 23104958. 0072522. 1255750.504927. 69200750160. 2810563& 0076589. 6056518. 345107. 831 .模型的基本假设(1) 粮食产量在模型中用 Y表示，指全社会的产量。包括国有

6、经济经营的、集体统一经营的和农民家庭经营的粮食产量，还包括工矿企业办的农场和其他生产单位的产小；(2) 播种面积指粮食实际播种或移植面积，在模型中用 “示，它直接影 响粮食广电；(3) 农用机械总动力指主要用于农、林、牧、渔业的各种动力机械的动力总和，这里用农业机械总动力来替代粮食生产机械总动力，在模型中用X?表示；(4) 有效灌溉面积指具有一定的水源，地块比较平整，灌溉工程或设备已经配套，在一般年景下，当年能够进行正常灌溉的耕地面积。它是反映我国耕地抗旱能力的一个重要指标并影响粮食产量，在模型中用X3表示；(5) 化肥施用量指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥，在

7、模型中用X。表示；(6) 其他因素。我们将曲于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的政策、自然灾害等，在模型中用“表示。2 .模型的建立跟据变量之间的相关关系，我们假定粮食回归模型为匕=0o + 0l X*+02 Xy+ P 3 X 沁 04 X '化利用表1中的数据，用EViews进行最小二乘法估计，得到的结果如表2Dependent Variable: YMethod: Least SquaresDate: 12/24/09 Time: 15:45Sample: 1990 2007In eluded observatio ns: 18VariableCoeffic

8、ientStd. Errort-StatisticProb.C-8202.47614993.14-0.5470820.5936X10.6454330.0713129.0508730.0000X20.0737240.0658961.1187920.2835X3-0.8215930.343437-2.3922660.0326X46.1740081.1649715.2997100.0001R-squaredAdjusted R-squared S? E. of regression Sum squared resid0.933427Mean dependent var47041.610.912943

9、S.D? dependent var 2703.349797.6325Akaike info criterion16.431318270829.Schwarz criterion16.67863Log likelihood-142.8818F-statistic45.56883Durbin-Watson stat2.599517 Prob(F-statistic)0.000000通过表2,我们得到的粮食回归模型为2=-8202.5-0.645X +0.074/ - 0.822X 3 +6.3174X4(-0.55)(9.05)(1.12)(-2.39)(5.30)a炉=0.999/? =0.9

10、98DW=1.43F=2185.01其中括号内的数字是t值。容易知道，X?的系数不显著，而且 X3的符号不 符号实际意义，所以X?和在模型中应该略去。略去X3后对数据再次进行回归，得到的结果如Dependent Variable: Y Method: Least SquaresDate: 12/24/09 Time: 15:55Sample: 1990 2007In eluded observatio ns: 18VariableCoefficie ntC-39616.31X10.637484X44.432953Std. Error 8129.677 0.064918 0.386910t-St

11、atistic - 4.873048 9.819910 11.45734Prob.0.00020.00000.0000R-squaredAdjusted R-squared S? E. of regression Sum squared residLog likelihoodDurbin-Watson stat70.304320.0000000.903604Mean dependent var47041.610.890752 S.D? dependent var 2703.349893.5311Akaike info criterion16.5792511975967Schwarz crite

12、rion16.72765-146.2133F-statistic1.684832Prob(F-statistic)通过表3,我们可以得由粮食回归模型为y=-39616.31 +0.637X, + 4.433X4(-4.87)(9.82)(11.5)炉=0.90 R =0.89DW=1.68F=73.33 .模型的检验(1)经济意义检验A -39616.31,表示不受播种面积和化肥施用量影响下的产量，与实际经济意义毋符；A =0.637,表示当播种面积每增加1千公顷时，粮食产量增加0. 637万吨；总二4.433，表示当化肥每增加一万吨时，粮食常量将增加4.433万吨。 各回归系数的大小、符号都

13、符合实际意义。拟合优度检验：2根据表格得出炉 =0.90, 修正的 /?=0.89, 说明粮食的播种面积和化肥施用 量对粮食产量解释程度为 90%, 解释程度很高。 t 检验：给定c （=0. 05,查自由度v二n-k-l二15的t分布表，得临界值匕25 （15）二2. 13。 对几进行显著性检验，因为|/|=4.87>缶5（15）二2. 13,拒绝仇，接受0 :。严0,表明常 数项对 Y 值的有显著性影响，在模型中存在常数项；对A 进行显著性检验，因为 |/|=9.82>匕25 （15）二2. 13，接受0： 0严0,表明Q对Y值的有显著 性影响；对内进行显著性检 验，因为 t

14、= 11.5>r 0025 （l5） =2.13, 接受： 0严 0, 表明 04 对丫值的有显著性影响。 F 检验：提出检验的原假设0o二A二0=0根据表 4 得出 F=73.3, 给出显著性水平a =0. 05, 查分子自由度为 2,分 母自由度为 15的F分布上侧分位数耳 0515） =3. 68,因为F=73. 3>3. 68,所 以拒绝原假设，因此可知 总体回归方程存在显著的线性关系。通过经济意义检验和统计检验可知该回归方程拟合得很好。4. 2030 年粮食产量预测（ 1 ） 对粮食播种面积预测时间 t 和粮食播种面积的回归方程为X, =1353594-623.011（4

15、-96）（-4.57）F =0.566/? =0.539DW=0.523 F=20.85根据回归方程可知，虽然方程的解释程度一般，但系数都显著，而且F 检验 也显著，所以还是可以用来预测的。用 2030 年带代入方程计算的结果为X, =1353594 - 623.01*2030 = 88883.7 （千公顷）（ 2 ） 对化肥施用量的预测时间 t 和化肥施用的量回归方程为X4 = -269465.5 + 136.811（-22.12 ）（22.44 ）aF =0.969/? =0.967DW=0.29F503.66根据回归方程可知，方程的解释程度很高，而且系数都显著和 F 检验也显著 , 是比

16、较 好的回归方程。用 2030 年带代入方程计算的结果为X4 = -269465.5+136.81*2030=8560.33 ）2030 年粮食产量预测粮食产量的回归模型为K=-39616.31 + 0.637X, + 4.433X4=-39616.31 + 0.637*88883.7 + 4.433*8560.3=54950.41 （万吨）到2030年全国的粮食产量为 54950.41万吨，与 2007年的50160.28万吨相 比, 增加了 9.55% ,增长速度将会远不及粮食的需求。二、能源需求预测模型表4能源需求与其相关影响因素年份能源需求总量 （万吨标准煤）城镇化 水平T、IA牛产总

17、值能源生产 总量城城镇居民家庭 人均可支配收入199098703.0026.416858.00103922. 001510. 201991103783. 0026. 948087. 10104844. 001700. 601992109170. 0027. 4610284.50107256. 002026.601993115993. 0027. 9914187.97111059.002577. 401994122737. 0028.5119480. 71118729.003496. 201995131176. 0029. 0424950. 61129034.004283.00199613894

18、8. 0030. 4829447. 61132616.004838. 901997137798. 0031.9132921.39132410. 005160. 301998132214. 0033. 3534018.43124250. 005425. 101999133830. 9734. 7835861.48125934. 785854.022000138552. 5836. 2240033.59128977. 886280.002001143199. 2137. 6643580.62137445. 446859. 602002151797. 2539. 0947431.31143809.8

19、37702. 802003174990. 3040. 5354945.53163841.538472. 202004203226. 6841.7665210. 03187341.159421.602005224682. 0042. 9977230.78205876.0010493.002006246270. 0043. 9091310. 90221056.0011759.502007265583. 0044. 94107367. 20235445.0013785. 80(12.2)(-0.75)1 .模型的基本假设(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、

20、天然气和水电 4项组成；(2) 城镇化水平在一定程度上反映经济水平的发展，并最终影响能源的需求，在模型中用X表示；(3) 工业生产总值在模型中用X,表示；(4) 能源生产总量，在模型中用Xj表示，直接山各年度统计年鉴查得；(5)城镇居民家庭人均可支配收入在模型中用X4表示，因为城镇居民可支 配收入增加，将会增加对能源的需求；(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，在模型中用表示，如国家的经济结构政策、消费者偏好等。2. 模型的建立跟据变量之间的相关关系，我们假定能源回归模型为匕=0o + 0l X "+02C 中口 3 X. + 04 *4+匕利用表

21、中的数据，用EViews进行最小二乘法估计，得到的结果如下表5Dependent Variable: YMethod: Least Squares Date: 12/22/09 Time: 16:59Sample: 1990 2007Included observations: 18VariableCoefficie ntStd. Errort-StatisticProb.C10367.6612763.150.8123120.4312X1-285.8938443.8802-0.6440790.5307X20.6469980.2942632.1987080.0466X30.9486820.077

22、97412.166590.0000X4-1.7568082.346367-0.7487350.4673R-squared0.998515Mean dependent var154036.3Adjusted R-squared0.998058S? D.dependent var49161.79S? E. of regression2166.571Akaike info criterion18.42981Sum squared resid61022374Schwarz criterion18.67714Log likelihood-160.8683F-statistic2185.009Durbin

23、-Watson stat1.433854Prob(F-statistic)0.000000通过表5,我们得到能源需求的回归模型为Y =10367.7 - 285.9 X, + 0.647 X, + 0.949X、- 1.757 X 4 (0.81) (-0.64) (2.20)F=o.999/? =0.998DW=1.43 F=2185.01其中括号内的数字是t值，回归系数估计值的显著性都很低，但这些因素都存在着因果关系。查F 的临界值表得到九。 5（4， 13）=3.18, 故 F=2185.01>3.18, 回归 方程显著。3. 修正Frisch 法对多重共线性处理分别计算 /、 X

24、?、 X" X 。的两两相关系数，得r12= 0.95 r13= 0.91斤 4=0.97 尸 23=0 ? 98r24= 0.99厂 34 = 0.96可见解释变量之间是高度相关的。为了检验和处理多重共线性，采用修正 Frisch法。/ 、 X 、 兀、 Xq 作最小二乘法回归，得(1) 对 Y 分别进行关于 /=-88289.03 + 6990.603X(-3.15)(8.79)炉=0.828/? =0.818DW=0.234 F=77.2670 = 84340.22 + 1.687994 X(22.68) (22.61)DW=0.346 F=511.22炉=0.97 R =0.

25、97P=-21433.01 + 1.208352 X(-8.87)(75.281)炉=0.997/? =0.997DW=1.121F=5667.770 = 70660.67 + 13.44205 X 4(11.(22) (15.13)炉 =0.93 R =0.93DW=0.272 F=229.02其中括号内的数字是t 值。根据经济理论分析和回归方程结果，易知能源生产总量 X3 是最重要的解释变量，所以选取第三个回归方程作为基本回归方程。X3 做最小二乘回归+ 1.027X3(15.04)DW=1.234 F=3965.09(2) 加入X,对Y关于X,、 /=-5899.5 +0.263X,(0

26、.98)(2.71)川 =0.998 R =0.9978可以看出，加入兀后，拟合优度/和R均有所增加，参数估讣的符号也是正确，并且没有影响 X3 系数的显著性，且其系数也显著，所以在模型中保留 X,(3)加入对Y关于X2、X、X"做最小二乘回归Y = 3994.8+ 0.717X 2 + 0.951 X 3 - 2.852X 4(0.50)(2.68)(12.5)(-1.80)炉=0.998 /? =0.998DW=1.344 F=3040.282可以看出，在加入X 。后，拟合优度F 和只没有再增加，并且它的系数不显著，说X-(4)加入X对Y关于X|、X “X3、做最小二乘回归Y =

27、 12840.8 ? 526.7X, + 0.455 X 2 + 0.969X 3(1.06)(-1.75)(3.19)(13.43)/?2=0.998 R =0.998 DW=1.480 F=3007.55可以看由，在加入 X|后，拟合优度/和R没有再增加，并且它的系数不显著，说明存在严重的多重共线性，所以略去 X,综上所述，得到丫关于 X2、X3的回归方程为0=-5899.5 +0.263 兀 + 1.027X 3(0.98)(2.71)(15.04)炉=0.998 R =0.9978 DW=1.234 F=3965.09因为给定显著性水平下可知常数项系数不显著，略去常数项后，对丫关于 X

28、?、X3 再次回归，得到的结果如下表6Dependent Variable: Y Method: Least SquaresDate: 12/22/09 Time: 17:37Sample: 1990 2007In eluded observatio ns: 18VariableCoefficie ntStd. Error t-StatisticProb.X20.3509570.03245810.812680.0000X30.9612830.01074589.466350.0000R-squared0.997993Mean dependent var154036.3Adjusted R-squ

29、ared0.997868S.D? dependent var49161.79S? E. of regression2269.956Akaike info criterion18.39735Sum squared resid82443180Schwarz criterion18.49628Log likelihood-163.5761Durbin-Watson stat1.101518根据表6得到的回归方程为y= 0.35 X 2+0.96 X 3(10.8)(89.5)=0.998 R =0.9978DW=1.10 F=18.49该模型中系数均显著且符号正确，虽然解释变量之间仍然存在高度线性关

30、系，但多重共线性并没有造成不利后果，所以该模型是最好的能源需求方程。4. 2030年粮食产量预测(1)工业生产总值的预测工业生产总值对时间t的回归方程为X, =-10186227+ 5117.61(-12.47)(12.53)/?2=0.91 R =0.90DW=0.26 F=156.97F检验都显著，所以可以用根据回归方程可知，方程的解释程度很高，而且系数和 来预测的。用2030年带代入方程计算的结果为(亿元)X, = -10186227 + 5117.6*2030 = 202501（2）能源生产总量的预测能源生产总量对时间t回归方程为£ = ?13518862 +68372（-8

31、.10） （8.18）炉=0.807/? =0.795 DW=0.21F=66.96根据回归方程可知，方程的解释程度很高，而且系数和F检验都显著，该方程是比较好的回归方程。用2030年带代入方程计算的结果为X3=-13518862 + 6837.2*2030 = 360654（万吨）（3） 2030年能源需求预测能源需求的回归模型为y= 0.35 X 2+0.96 X 3=0.35*202501+0.96*360654 = 417103.19（万吨）到2030年全国的能源需求为 417103.19万吨，与2007年265583万吨相比，增加 了 57.05%,这样的增长速度超过了贝丁顿所说的5

32、0%。三、淡水需求预测模型表7 2000-2007用水总量与相关影响因素年份用水总量（亿 立方米）人口 （万 人）农业国内生产总 值（亿元）工业二氧化硫排放 量（万吨）20005497.59126743. 0014944.721558. 4020015567.43127627. 0015781.271632.5020025497. 28128453. 0016537. 021710. 2020035320.40129227. 0017381.721791.6020045547.80129988. 0021412.731891.4020055632. 98130756. 0022420.0021

33、68. 4020065794.97131448. 0024040. 002234.8020075818. 67132129.0028095. 002140. 001.模型的基本假设（1）用水总量，在模型中用 Y表示，指分配给各类用户的包括输水损失在内的毛用水量之和，不包括海水直接利用量；（2） 人口总量在模型中用表示；（4） 农业国内生产总值，在模型中用 X,表示，因为农业用水占用水总量比重很大，所以对模型影响比较大;（5） 工业二氧化硫排放量在模型中用X<表示，指报告期内企业在燃料燃烧和生产工艺过程中排入大气的SO：总，对大气乂直接的影响，从而影响气温和降雨量；（6） 其他因素，我们将

34、曲于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用表示。2. 模型的建立跟据变量之间的相关关系，我们假定回归模型为岭=0o + 01 X*+02 X21 + fl 3 X31 +w ；利用表中的数据，用 EViews进行最小二乘法估计，得到的结果如下Dependent Variable: Y Method: Least Squares Date: 12/24/09 Time: 17:44Sample: 2000 2007In eluded observatio ns: 8VariableC X1X2 X3R-squaredAdjusted R-squared S? E. of re

35、gression Sum squared resid Log likelihood Durbin-Watson statCoefficie nt Std. Error28650.81-0.1989610.0714420.6738600.8354050.71195887.9617330949.06-44.394132.01982611211.660.0943560.0265280.443403Mean dependent varS.D? dependent varAkaike info criterionSchwarz criterion F-statisticProb( F-statistic

36、)t-StatisticProb.2.5554480.0629-2.1086270.10262.6931460.05451.5197450.20325584.640163.895112.0985312.138256.7673380.047918通过表8,我们得到淡水需求的回归模型为0=28650.8-0.199 X + 0.071 X 2 + 0.763 X 3(2.56)(-2.11)(2.69)(1.52)F=0.835/? =0.712DW=2.01F=6.77其中括号内的数字是t值。给定a =0.05查t临界值表得小一 $ (4) =2.78，回归 系数 估计值都不显著；给定 ？=0.05，查F的临界值表得九曲3.4严6.59，因为F=6.77>6.59,回归 方程显著。3.修正Frisch法对多重共线性