计量经济学论文-能源问题

1、 计量经济学课程设计 第25页 共25页目 录1 引言 21.1 当下能源消耗情况简介 21.2 课题内容及意义 21.3 理论知识 22 样本数据的采集与理论模型的设计 32.1 数据来源 32.2 符号说明 42.3 理论模型的设计 43 模型的估计与检验 73.1 模型估计 73.2 统计检验 73.3 计量经济学检验与修正 83.3.1 多重共线性的检验与修正 83.3.2 异方差的检验 113.3.3 序列相关性的检验与修正 163.3.4 分布滞后模型的讨论 194 修正后模型的检验、估计与预测 204.1 模型检验 204.2 模型估计 214.3 模型预测 225 几个需要重视

2、并进行认真研究的问题 23结论 24参考文献 24附页 251 引言1.1 当下能源消耗情况简介能源是人类社会赖以存在和发展的基础，是实现我国经济社会可持续发展的物质基础，是中国崛起的动力。随着经济全球化进程的加快，能源供应国际化所面临的地域政治控制威胁也在加剧。尤其近几年，在国民经济快速增长的拉动下，我国能源需求增长较快，一些地区发生了不同程度的能源紧张局面。再加上我国正处于工业化建设的中期阶段，是世界第二位能源消费大国，能源供应的保障是经济与社会发展的基础条件。1.2 课题内容及意义目前我国能源消费现状呈现出节节攀升的趋势，其中煤炭的消费已经占76% ,而且在未来相当长的时期内，我国仍将是

3、以煤为主的能源结构.同时石油和天然气所占能源的消费比例也开始慢慢上升，出现了石油、天然气对外依存度逐步加大。我国正处在工业化过程中，经济社会发展对能源的依赖比发达国家大得多。从世界范围的能源生产与消费情况来看，一次能源的储量和生产量可以满足需要，但由于能源的生产分布并不均衡，能源价格正日益成为改变世界财富分配的重要因素，资源控制导致的能源危机是主要的表现形式。我国能源资源可利用总量比较丰富，结构以煤炭为主，一次能源的生产能力在20世纪80年代以来有了长足发展，基本满足和支持了我国经济与社会发展的能源需求。从能源总量来看，我国是世界第二大能源生产国和第二能源消费国，能源消费主要靠国内供应，能源自

4、给率为94%。煤炭是我国的一个主要能源供应，其次是石油，虽然我国的水利资源丰富，但水电也只占到6%，炭、石油是不可再生资源，一旦能源枯竭，势必影响我国的国民经济的运行,因此必须加强对能源危机的认识和应对策略研究。而本课题采用计量经济的方法，并借助于计量经济学软件Eviews，通过对19902009国内能源消费标准煤总量(标准煤亦称煤当量，具有统一的热值标准。我国规定每千克标准煤的热值为7000千卡。将不同品种、不同含量的能源按各自不同的热值换算成每千克热值为7000千卡的标准煤。)的主要影响因素的探究，对当下能源消费情况进行估计和预测。1.3 理论知识本课题主要用到最小二乘估计的相关内容，在进

5、行最小二乘估计时，模型应首先满足以下假设条件：随机误差项的期望为0，即。不同的随机误差项之间是相互独立的， 即。随机误差项的方差与无关，为一个常数，即。误差项与解释变量无关，即。通常假设为非随机变量，这个假设自动成立。随机误差项为服从正态分布的随机变量，即。解释变量之间不存在多共线性，即假定个随机变量之间不存在线性关系。即不存在多重共线性。2 样本数据的采集与理论模型的设计2.1 数据来源本课题所用教育统计资料均来自中国统计年鉴2010，主要包括（也是主要研究指标）1990年到2009年国内能源消费标准煤总量、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值以及人均生活电力消

6、费等资料。如表2.1.1所示：表2.1.1 能源消费量及其影响因素年份能源消费标准煤总量(万吨)国内生产总值GDP （万亿元）工业增加值 （亿元）建筑业增加值（亿元）交通运输邮电业增加值 （亿元）人均生活电力消费（千瓦时）1990766820.8793448.7417.9406.921.31991808501.0133967525.7475.623.21992866321.1784585.8665.8544.926.41993929971.475777.281066131.21994969341.646648479478635.31995987031.8316858859.41147.542.

7、419961037832.1288087.11015.11409.746.919971091702.58610284.514151681.854.619981159933.4514143.82284.72123.261.219991227374.66919359.63012.62685.972.720001311765.85124718.33819.63054.783.520011349486.83329082.64530.5349491.120021367987.48932412.14810.63797.2101.820031392147.99933387.95231.44121.3106.

8、620041401198.26735087.25470.64460.3118.120051432978.93439047.358885408.6132.420061469149.85942374.66375.45968.3144.6200714832210.78945975.270056420.3156.3200815093512.17349372.67945.17275.2168.9200915272816.02854731.88527.68098.5182.52.2 符号说明:表示被解释变量能源消费标准煤总量；:表示解释变量国内生产总值GDP；:表示解释变量工业增加值；:表示解释变量建筑业

9、增加值；:表示解释变量交通运输邮电业增加值；:表示解释变量人均生活电力消费。综上所述，原始模型设定为:2.3 理论模型的设计为得到较好的拟合回归方程，先通过Eviews软件，得到上述模型的散点图（图2.3.1）。图2.3.1 不同能源消耗量下各影响因素的散点图由于各解释变量间数据范围差距比较大，除工业增加值变量外，其他变量变化趋势无法观测，因此下面分别对各个解释变量作关于被解释变量的散点图进行分析。图2.3.2 GDP与能源消费标准煤总量的散点图图2.3.3 工业增加值与能源消费标准煤总量的散点图图2.3.4 建筑业增加值与能源消费标准煤总量的散点图图2.3.5 交通运输邮电业增加值与能源消费

10、标准煤总量的散点图图2.3.6 人均生活电力消费与能源消费标准煤总量的散点图由图2.3.2至2.3.6所示，各解释变量与被解释变量均呈指数关系，因此对上述模型两边取对，再通过Eviews软件，得到该模型的散点图（图2.3.7）。图3.2.7 取对后不同能源消耗量下各影响因素的散点图 由图可见各解释变量与被解释变量均呈线性关系，因此得出如下理论回归模型:3 模型的估计与检验3.1 模型估计利用Eviews对上述所得模型进行OLS估计，所得结果如图3.1.1所示:图3.1.1理论回归模型的OLS回归结果即3.2 统计检验3.2.1 拟合优度检验 从Eviews回归结果可以看出，=0.992366，

11、模型的拟和优度非常好。 3.2.2 对方程进行F检验 从Eviews回归结果可以看出，F=364.0033，假定显著水平=0.05,查自由度为5和14的F分布表,得临界值=2.96，显然,364.00332.92,故F统计量的值在给定显著性水平=0.05的情况下显著。 3.2.3 对回归系数进行t检验 原假设：=0，备择假设：0。检验统计量=-0.80742，=1.343684，；=0.019869，=2.098622，=-0.572075。假定显著水平=0.05,查自由度为14的分布表,得临界值=2.145，显然值均小于临界值，故当=1,2,3,4,5时接受原假设,拒绝，即变量,对的影响不显

12、著。当然，造成此种现象的原因也有可能是解释变量之间存在严重的多重共线性。3.3 计量经济学检验与修正3.3.1 多重共线性的检验与修正1)产生多重共线性的原因有：经济变量之间往往存在同方向的变化趋势。经济变量之间往往存在着密切的关联度。在模型中采用滞后变量也容易产生多重共线性。在建模过程中由于解释时变量选择不当引起了变量之间的多重共线性。2）多重共线性产生的影响：增大最小二乘估计的方差。可能导致在假设检验中舍去重要的解释变量，检验的可靠性降低。回归模型缺乏稳定性。3）多重共线性的检验：方法一：从模型OLS估计结果看 由于较大且接近于1，而且 =364.0033=2.96，故认为内能源消费标准与

13、各解释变量间总体线性关系显著。但=2.145，由于各解释变量前参数估计值未能通过检验，而且，的经济意义也不合理，故认为解释变量间可能存在多重共线性。方法二：简单相关系数检验法,的相关系数如图3.3.1所示：图3.3.1 各解释变量间的相关系数由表中数据可以发现解释变量间存在严重多重共线性。4）多重共线性的修正找出最简单的线性关系分别作与,间的回归： e) 各回归方程的由大到小排序为：因此选b）为初始回归模型。逐步回归将其他解释变量分别导入初始回归模型，寻找最佳回归方程（表3.3.1 ）表3.3.1 逐步回归C 第一步，在初始模型中引入，模型拟合优度有所提高，变量也通过了检验，且参数符号符合合理

14、；第二步，引入，模型拟合优度有所提高，但的参数未能通过检验，且符号不合理；第三步，去掉，引入，模型拟合优度有所提高，但，的参数未能通过检验；第四步，去掉，引入，尽管模型拟合优度有所提高，但的参数未能通过检验，且符号不合理，故去掉；因此，最终的模型应以为最优，拟合结果如下(图3.3.2)：图3.3.2 的Eviews回归结果即同时，可以看出本模型有较好的拟合优度，且变量的值显著，而且通过了检验，回归系数的符号也符合经济意义。3.3.2 异方差性的检验1）异方差性产生的原因：模型中遗漏了某些解释变量。模型函数形式的设定误差。样本数据的测量误差。随机因素的影响。2）异方差性产生的影响：对模型参数估计

15、值的无偏性无影响。对模型参数估计值有效性有影响，不再是有效的。使模型参数估计值的显著性检验失效。当模型不能满足同方差假定时，普通最小二乘法是不适用的。3）异方差性的检验方法一：图示检验法消除多重共线性后的回归模型为分别作于残差平方的散点与连续图像图3.3.3 ，与的散点图与连续图图3.3.4 ，与的散点图与连续图从图中无法判定随机干扰项是否存在异方差性。方法二：GQ检验a）将原始数据按排成升序，去掉中间6个数据，得到两个容量为7的子样本。对两个子样本分别作OLS回归，求各自的残差平方和：子样本1：样本取值较小的Eviews输出结果见图3.3.5 ，可以得到残差平方和为0.00234。图3.3.

16、5 子样本一的Eviews结果子样本2：样本取值较小的Eviews输出结果见图3.3.6 ，可以得到残差平方和为0.0000769。图3.3.6 子样本二的Eviews结果因此，检验统计量为：在5%的显著性水平下，查分布表得=6.39,由于0.0328636.39，因此接受原假设，认为原模型中不存在异方差。b）将原始数据按排成升序，去掉中间6个数据，得到两个容量为7的子样本。对两个子样本分别作OLS回归，求各自的残差平方和:子样本1：样本取值较小的Eviews输出结果见图3.3.7 ，可以得到残差平方和为0.00234。图3.3.7 子样本一的Eviews结果子样本2：样本取值较小的Eview

17、s输出结果见图3.3.8 ，可以得到残差平方和为0.0000769。图3.3.8 子样本二的Eviews结果因此，检验统计量为：因此，由GQ检验知，原模型随机干扰项间不存在异方差性。方法三：White检验有交叉项与无交叉项的White检验结果分别如图3.3.9和3.3.10。图3.3.9 有交叉项的White检验结果图3.3.10 无交叉项的White检验结果显然，检验统计量的值为10.36876和8.3663，查分布表可得，10.3687611.07, 8.36639.49,，因此接受原假设，认为模型不存在异方差，与GQ检验结果是一致的。综上所述，认为模型随机误差项不存在异方差。3.3.3

18、序列相关性的检验与修正1）自相关性产生的原因：经济变量惯性的作用引起随机误差项自相关。经济行为的滞后性引起随机误差项自相关。一些随机因素的干扰或影响引起随机误差项自相关。模型设定误差引起随机误差项自相关。观测数据处理引起随机误差项序列相关。2）自相关性产生的影响：参数估计值仍旧是无偏的。参数估计值不在具有最小方差性。3）序列相关性检验方法一：图示法从残差项与时间以及与的关系图（图3.3.11）看，随机干扰项呈现正序列相关性。图3.3.11 残差相关图方法二：DW检验由图3.3.2可知，该回归方程的DW统计量的值为0.512682。在5%显著性水平下，样本容量为20，解释变量个数为2的DW分布的

19、下限临界值为=1.20，=1.41。0.512682=1.69,已不存在一阶序列相关。图3.3.14 修正后相关系数及偏相关系数由模型的相关系数及偏相关系数图3.3.14显示模型不存在一阶及一阶以上序列相关。因而广义最小二乘估计结果为：对修正的结果进行异方差检验：White检验（如图3.3.15，图3.3.16所示）：图3.3.15 无交叉项的White检验结果图3.3.16 有交叉项的White检验结果显然，检验统计量的值为3.7915961和3.790871，查分布表可得，3.79087111.07, 3.7915961，说明工业增加值的对数和交通运输邮电业增加值的对数对能源消费标准煤总量

20、的总体影响是显著的。4.1.4 单个回归系数的显著性检验从单个因素的影响看，在的显著性水平，:=6.768639=2.11 ，:=3.043632=2.11。说明工业增加值的对数对能源消费标准煤总量的影响是显著的；交通运输邮电业增加值的对数对能源消费标准煤总量的影响也是显著的。4.2 模型估计4.2.1 点估计由最小二乘估计结果知，的点估计值，=10.29945，=0.181679，=0.036373。4.2.2 区间估计的置信区间：在的显著性水平上查自由度为17的分布表，得临界值，从而置信度为95%的的置信区间是：即：0.1256775,0.2376805的置信区间：在的显著性水平上查自由度

21、为17的分布表，得临界值，从而置信度为95%的的置信区间是：即：-0.37163,0.10990864.3 模型预测预测是计量经济模型的主要用途之一。对于简单线性回归模型来说，预测就是利用所估计的样本回归方程，用解释变量期的已知值或预测值，对预测期或样本以外的因变量数值作出定量的估计。预测是回归分析应用一个重要方面。预测可以分为点预测和区间预测两种。所谓预测就是给定时,利用样本回归方程，求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。由于抽样波动的影响，以及随机项的零均值假定不完全与实际相符，因此，点预测值与因变量实际值和其均值的估计值都存在误差。我们希望在一定概率度下把握这个误差

22、的范围，从而确定和可能取值的范围，这就是区间预测。预测区间公式为: 其中 1, 8.145753, 6.008567; 1, 8.285765, 6.164577; 1, 8.430720, 6.300602; 1, 8.661674, 6.493754; 1, 8.777093, 6.666957; 1, 8.833171, 7.045341; 1, 8.998025, 7.251132; 1, 9.238393, 7.427620; 1, 9.557032, 7.660680; 1, 9.870944, 7.895771; 1, 10.11530, 8.024437; 1, 10.2779

23、0, 8.158802; 1, 10.38629, 8.242019; 1, 10.41595, 8.323924; 1, 10.46559, 8.402971; 1, 10.57253, 8.595746; 1, 10.65430, 8.694217; 1, 10.73586, 8.767220; 1, 10.80715, 8.892227; 1, 10.91020, 8.999434 1 10.1153,8.242019 =0.1094(用数学软件MatlaB算得，程序代码见附页1)于是的95%的置信区间为:=12.44613,12.44674 即的95%的置信区间为：254264.412

24、8,254419.5615 而=254376.3138刚好落到的置信区间内。5 几个需要重视并进行认真研究的问题当对模型进行计量经济学检验时，不同的检验方法可能得到不同的检验结果，因此，许多用几种方法进行检验。当对数据进行采集时，需要考虑其具体是哪一期的。比如，对于人均生活电力消费，应为本年的统计工作结束后所统计的数字。结 论运用计量经济学知识，我们分别对选定的模型，即能源消费标准煤总量与工业增加值、交通运输邮电业增加值的关系模型，基于1990年到2009年的数据，首先进行了最小二乘估计，估计出该模型，然后对所得到的模型进行一系列的计量经济学检验，包括模型的解释变量之间的多重共线性检验，模型的随机误差型之间的异方差性和序列相关性检验，以及随机解释变量问题和分布滞后问题的讨论，并且针对存