我国电力消费量因素分析

计量经济学期末课程设计南京审计学院2008级审计院题目：我国电力消费量因素分析学生姓名学号专业班级2011年6月5日我国电力消费量因素分析摘要：本文用计量经济学的研究方法，拟通过GDP,人口总量，工业总产值，电力出厂价格指数等数据，建立全国电力消费总量的计量经济模型，并对模型中是否存在违反古典假设的情况〔包括多重共线性，异方差性和自相关性〕进行检验分析。然后对症下药，针对模型中所存在的问题选用适当的方法进行修正。最后应用经济学的相关知识对修正后的模型进行分析，解释其实际的经济含义，并对反映出来的问题提出几点看法和建议。关键词：我国电力消费因素计量经济学模型回归分析法多重共线性异方差性自相关性一、文献综述进入21世纪以来，中国经济继续保持了良好的开展势头，电力作为一国开展的命脉，对经济开展的影响程度日益突出。电力工业作为国民经济开展的先导产业，其供给状况需要谨慎严密的监控，估计错误或供给缺乏，不仅会造成电力企业的损失，还会扰乱城乡居民的用电秩序，进而造成严重的社会影响和损失。〔一〕、我国电力消费量的现状分析我国是仅次于美国的世界第二大电力生产国，从总体上看，我国电力工业开展迅速。但由于我国的人口基数大，人均装机量和消费量都相对较低。2001年我国人均装机量只有0.26KW，人均发电量1150KWH，仅为1998年世界平均水平2250KWH的1/2强。和世界各工业化国家相比，我国的人均电力消费仍处于很低的水平。此外，我国居民家庭电气化水平也低，我国目前的人均生活用电量还不及兴旺国家的1/10，而且我国还有约3000万农村人口没有用上电，因此随着经济的开展和人民生活水平的提高，我国有着比兴旺国家更多的电力增长需求。

从我国电源结构来看，煤电约占75％左右，水电约20％左右，油气电、核电、风电等占5％左右。这种以煤电为主的电力结构无论从原料供给还是从环境影响方面看都有着较多的弊端。从我国的电源分布来看，由于能源资源分布的不平衡，资源优化配置的能力受到约束。发电厂的分布与电力负荷中心不匹配及各大区域电网联网还没有形成规模，大区电网间电力交换受到约束等多种制约因素，导致了局部经济增长较快的地区电力供给缺乏。

近年来，伴随着国民经济的持续快速开展，我国能源消费快速增长，电力供给日趋紧张。从2002年6月起，中国电力需求快速增长，陆续有些地区拉闸限电。2003年底，全国21个省份电力供需形势紧张，其中7个省份的情况比拟严重。2004年中国电力供需矛盾依然突出，主要集中在华东、南方电网和华北、西北、华中电网的局部地区。

基于2003年出现的电力短缺，政府出台了六项推动电力供给的措施，但这并不能从根本上解决电力短缺问题。电力作为一种特殊的商品具有两大特性：电力的生产、输送与消费同时在瞬间完成的特性；电力不可储存的特性，由此决定了电力需求与经济开展的紧密相关性。由于电力这种敏感性商品的建设周期较长，至少需要3年的时间，所以为防止其对社会稳定及投资环境的影响，对其建立早期预警系统，做到“电力先行”就显得尤为重要。改革开放以来，电力体制不断改革，在实行多家办电、积极合理利用外资和多渠道筹促资金，运用多种电价和鼓励竞争等有效政策的鼓励下，电力工业开展迅速，在开展规模、建设速度和技术水平上不断刷新纪录、跨上新的台阶。发电装机容量继1987年突破1亿千瓦后，到1995年超过了2亿千瓦，2000年到达了3亿千瓦。目前，我国发电装机容量和用电量稳居世界第二位，但人均用电水平还很低，2006年，我国人均装机容量为473千瓦，人均用电量为2149千瓦时，大致相当于美国的1／7、日本的1／4和韩国的1／3，也低于2004年的世界平均水平的608千瓦和2371千瓦时。

兴旺国家历史经验说明，工业化中期经济增长的主要动力是工业化和城镇化。美日韩三国在工业化中期初的城镇化率都已达60％，期末超过了70％，而我国2005年的城镇化率只有43％。随着城镇化和工业化的进一步开展，电力需求将快速提高。〔二〕相关文献《统计与信息论坛》2006年06期近20年来,我国对电力的需求越来越大,特别是近几年来尤甚。根据国家电网公司的统计:2002年全国有12个省份轻微缺电;2003年21个省份遭遇电力短缺;到了2004年,缺电省份扩大到24个;2005年上半年约26个省面临电力短缺。解决电力短缺问题的首要问题是做好电力需求的预测。《商场现代化》2008年第11期电力工业是国民经济和社会开展的根底产业。近年来，伴随着国民经济的持续快速开展，我国能源消费快速增长，电力供给日趋紧张。从2002年6月起，中国电力需求快速增长，陆续有些地区拉闸限电。基于连年出现的电力短缺，政府出台了六项推动电力供给的措施，但这并不能从根本上解决电力短缺问题。电力作为一种特殊的商品具有两大特性：电力的生产、输送与消费同时在瞬间完成的特性；电力不可储存的特性，由此决定了电力需求与经济开展的紧密相关性。由于电力这种敏感性商品的建设周期较长，至少需要3年的时间，所以为防止其对社会稳定及投资环境的影响，对其建立早期预警系统，做到“电力先行”就显得尤为重要。《证券市场周刊》需求强劲增长，是电力行业和电力股进入景气新周期的最好注脚。但2004年的机遇不是2003年的简单复制。尽管供需缺口依旧，但电力属公用事业，由涨价带来的普遍利润空间已趋收窄。电力行业和上市公司将进入新的周期：股价上涨幅度将取决于新增发电能力产生的利润;发电能力大幅快速提高的另一个捷径是并购，新的发电资产的注入对上市公司利润大幅增长会起到事半功倍的作用;电力板块市盈率仍在25倍上下，与市场整体市盈率35倍相比仍显偏低，新的时机不容错过。《十七大报告》2020年实现人均国内生产总值比2000年翻两番。这对我国经济社会开展和全面建设小康社会提出了新的更高要求，也给为我国走中国特色新型工业化道路、实现国民经济又好又快开展提供支撑的电力工业提出了更高的要求电力工业是国民经济开展的根底产业，其开展对国民经济的其他部门的开展起着支撑作用。对于我国，“国民经济每增长1%，电力产业开展增长约为1.13%时才能为国民经济的其他部门开展提供足够动力。”因此，电力工业的开展水平在一定的程度上反映了国民经济的开展状况。二、模型设定和数据搜集〔一〕模型的设定根据经济学知识，对影响电力消费的因素做出以下选择：1.全国GDP总额：一国经济增长水平可以由这个指标明确的反映出来。在电子化，信息化高速开展的今天，经济越开展，对电力的依赖性越高，所以我们将GDP作为电力消费量的一个影响因素。2.全国人口总量：在电力的消费环节，城乡居民的用电需求不可无视，每个人的正常工作和生活都需要不断的消费电力，当年全国人口总量与当年电力消费量在一定程度上存在正相关关系。3.工业总产值：总体上来说，工业部门多数属于高密度用电部门。随着工业生产现代化的开展，工业产品的生产效率大大提高，与此同时，对于生产过程中电力的需求也大大提高，故我们把工业总产值变动的因素考虑到了影响因素当中。4.电力出厂价格指数：价格影响需求，电价的波动会导致电力消费量的变动，所以我们引入价格因素，又因为各地区电价存在差异，较难直接引用，所以我们用电力出厂价格指数来近似电价。根据我们以上分析，回归模型设立如下：Y=ß1+ß2x1+ß3x2+ß4x3+ß5x4+uiY――分别对应自1990年起至2004年全国的电力消费总量〔单位：亿千瓦时〕x1――分别对应自1990年起至2004年全国的GDP〔单位：亿元〕x2――分别对应自1990年起至2004年全国人口总量〔单位：万人〕x3――分别对应自1990年起至2004年全国工业总产值〔单位：亿元〕x4――分别对应自1990年起至2004年全国电力出厂价格指数〔单位：亿元〕ui――随机扰动项序列〔二〕数据的收集年份电力消费总量〔亿千瓦时〕GDP〔亿元〕人口总量〔万人〕工业总产值〔亿元〕电力出厂价格指数19906230.4574.46111433323924107.419916804675.0711582328248.01125.619927589.21560.25611717137066136.719938426.55073.70511851752692185.819949260.410846.44611985076909259.2199510023.49962.63112112191893.8283.8199610764.35693.30212238999595.3321199711284.42056.684123626113732.7365.9199811598.4-635.168124810119048386199912305.2-1146.754125909126111389.5200013471.4357.616126583148601.87398.3200114633.5671.531127627165557.22407.5200216331.5-838.3248128453192142.05410.8200319031.61408.6824129227246770.78414.52004217355338.160112998324736.13424.4数据来源：中华人民共和国统计年鉴〔中华人民共和国国家统计局〕〔中国经济信息网〕三、参数估计DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:18:04Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C3479.190432.58738.0427470.0000X1-0.0175330.017414-1.0067840.3378X20.0169660.0036884.6004070.0010X30.0583730.00215827.047040.0000X4-1.9735031.297944-1.5204840.1594R-squared0.998072Meandependentvar11965.95AdjustedR-squared0.997300S.D.dependentvar4458.347S.E.ofregression231.6521Akaikeinfocriterion13.98955Sumsquaredresid536626.9Schwarzcriterion14.22557Loglikelihood-99.92164F-statistic1293.913Durbin-Watsonstat1.642506Prob(F-statistic)0.000000四、模型检验1、多重共线性检验X1X2X3X4X11.000000-0.234721404635-0.0787595557876X2-0.2347214046351.000000-0.540783048388X3-0.0787595557876-0.5407830483881.0000000.825645213595X40.8256452135951.000000由相关系数矩阵可以看出，各解释变量相互之间的相关系数很高，证实确实存在严重的多重共线性。2．修正多重共线性采用逐步回归法，分别做Y对X1X2X3X4的一元回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:18:59Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C12351.491488.7278.2966770.0000X1-0.1390230.324360-0.4286090.6752R-squared0.013934Meandependentvar11965.95AdjustedR-squared-0.061917S.D.dependentvar4458.347S.E.ofregression4594.298Akaikeinfocriterion19.82659Sumsquaredresid2.74E+08Schwarzcriterion19.92099Loglikelihood-146.6994F-statistic0.183706Durbin-Watsonstat0.115309Prob(F-statistic)0.675224DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:18:59Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C20461.224501.2324.5456930.0005X2-0.0737250.037982-1.9410630.0742R-squared0.224701Meandependentvar11965.95AdjustedR-squared0.165063S.D.dependentvar4458.347S.E.ofregression4073.811Akaikeinfocriterion19.58611Sumsquaredresid2.16E+08Schwarzcriterion19.68052Loglikelihood-144.8958F-statistic3.767726Durbin-Watsonstat0.248882Prob(F-statistic)0.074246DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:01Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C5436.807200.359027.135330.0000X30.0530240.00136038.988970.0000R-squared0.991521Meandependentvar11965.95AdjustedR-squared0.990868S.D.dependentvar4458.347S.E.ofregression426.0367Akaikeinfocriterion15.07049Sumsquaredresid2359595.Schwarzcriterion15.16490Loglikelihood-111.0287F-statistic1520.140Durbin-Watsonstat1.244420Prob(F-statistic)0.000000DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:02Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C2052.0531869.4941.0976520.2923X432.213075.7041035.6473500.0001R-squared0.710420Meandependentvar11965.95AdjustedR-squared0.688144S.D.dependentvar4458.347S.E.ofregression2489.721Akaikeinfocriterion18.60129Sumsquaredresid80583249Schwarzcriterion18.69570Loglikelihood-137.5097F-statistic31.89256Durbin-Watsonstat0.260860Prob(F-statistic)0.000080其中参加X3的方程R2最大，以X3为根底，顺次参加其它变量逐步进行回归。DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:06Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C5587.602208.965126.739400.0000X30.0528570.00128141.266500.0000X1-0.0469510.028329-1.6573760.1233R-squared0.993100Meandependentvar11965.95AdjustedR-squared0.991950S.D.dependentvar4458.347S.E.ofregression400.0077Akaikeinfocriterion14.99770Sumsquaredresid1920074.Schwarzcriterion15.13931Loglikelihood-109.4828F-statistic863.5790Durbin-Watsonstat1.175646Prob(F-statistic)0.000000DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:08Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C3481.099393.54088.8455850.0000X30.0556480.00093359.637600.0000X20.0141690.0027255.1990120.0002R-squared0.997393Meandependentvar11965.95AdjustedR-squared0.996958S.D.dependentvar4458.347S.E.ofregression245.8787Akaikeinfocriterion14.02441Sumsquaredresid725476.1Schwarzcriterion14.16602Loglikelihood-102.1831F-statistic2295.463Durbin-Watsonstat1.295942Prob(F-statistic)0.000000DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:08Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C5023.432334.354915.024250.0000X30.0501610.00230121.803480.0000X42.4885971.6511821.5071610.1576R-squared0.992870Meandependentvar11965.95AdjustedR-squared0.991682S.D.dependentvar4458.347S.E.ofregression406.6150Akaikeinfocriterion15.03047Sumsquaredresid1984029.Schwarzcriterion15.17208Loglikelihood-109.7285F-statistic835.5485Durbin-Watsonstat1.274902Prob(F-statistic)0.000000经比拟，新参加X2的方程R2改良最大，而且各参数的t检验显著，选择保存X2，再参加其它变量进行逐步回归。如图DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:10Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C3678.905436.04938.4369010.0000X20.0131800.0028784.5790730.0008X30.0553970.00096157.647350.0000X1-0.0191010.018391-1.0385930.3213R-squared0.997626Meandependentvar11965.95AdjustedR-squared0.996978S.D.dependentvar4458.347S.E.ofregression245.0766Akaikeinfocriterion14.06420Sumsquaredresid660688.2Schwarzcriterion14.25301Loglikelihood-101.4815F-statistic1540.701Durbin-Watsonstat1.205189Prob(F-statistic)0.000000DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:11Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C3290.430390.08748.4351090.0000X20.0180180.0035395.0918080.0003X30.0587200.00213227.542990.0000X4-2.0509101.296467-1.5819220.1420R-squared0.997876Meandependentvar11965.95AdjustedR-squared0.997297S.D.dependentvar4458.347S.E.ofregression231.7954Akaikeinfocriterion13.95277Sumsquaredresid591020.2Schwarzcriterion14.14158Loglikelihood-100.6457F-statistic1722.747Durbin-Watsonstat1.763523Prob(F-statistic)0.000000在X2X3的根底上加X4，发现R2有所提高，而且都通过t检验。2、相关性检验从估计的结果可以看出，模型拟合较好，可决系数R²=0.997876，说明模型在整体上拟合比拟好。3、异方差检验WHITE检验结果如下：WhiteHeteroskedasticityTest:F-statistic1.407002Probability0.318898Obs*R-squared7.701624Probability0.260788TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/10/11Time:19:27Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C13588.54621263.80.0218720.9831X27.62116727.698810.2751440.7902X2^2-5.84E-050.000196-0.2977580.7735X35.2163414.0530331.2870220.2341X3^2-1.19E-059.70E-06-1.2238360.2558X4-1691.9801358.620-1.2453660.2482X4^20.9643381.9864430.4854600.6404R-squared0.513442Meandependentvar39401.35AdjustedR-squared0.148523S.D.dependentvar34461.98S.E.ofregression31799.97Akaikeinfocriterion23.87704Sumsquaredresid8.09E+09Schwarzcriterion24.20747Loglikelihood-172.0778F-statistic1.407002Durbin-Watsonstat2.567818Prob(F-statistic)0.318898从上表可以看出，Obs*R-squared所对应的P值为0.260788，大于0.05。说明模型不存在异方差性。4、显著性检验〔１〕对于ß2，t统计量为5.091808。给定α=0.05，查t分布表，在自由度为n-4=11下，得临界值t0.025(11)=2.201，因为t>t0.025(11)，所以拒绝原假设H0:ß2=0，说明全国人口总量对电力消费总量有显著性影响；〔２〕对于ß3，t统计量为27.54299。给定α=0.05，查t分布表，在自由度为n-4=11下，得临界值t0.025(11)=2.201，因为t>t0.,025(11)，所以拒绝原假设H0:ß3=0，说明全国工业总产值对电力消费总量有显著性影响。〔３〕对于ß4，计量为-1.581922。给定α=0.05查t分布表，在自由度为n-4=11下，临界值t0.025(11)=2.201，因为t的绝对值>t0.025(11)，所以拒绝原假设H0:ß3=0，说明全国电力出厂价格指数对电力消费总量有显著性影响。〔4〕对于F=1722.747>F(3,11)=3.59，说明模型从整体上看电力消费总量各解释变量之间线性关系显著。5、序列相关检验DependentVariable:YMethod:LeastSquaresDate:06/10/11Time:19:54Sample:19902004Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C3290.430390.08748.4351090.0000X20.0180180.0035395.0918080.0003X30.0587200.00213227.542990.0000X4-2.0509101.296467-1.5819220.1420R-squared0.997876Meandependentvar11965.95AdjustedR-squared0.997297S.D.dependentvar4458.347S.E.ofregression231.7954Akaikeinfocriterion13.95277Sumsquaredresid591020.2Schwarzcriterion14.14158Loglikelihood-100.6457F-statistic1722.747Durbin-Watsonstat1.763523Prob(F-statistic)0.000000给定显著性水平0.05，查DW表，当n=15，k=3时，得下限临界值dL=0.814,上限dU=1.750,4-dU=2.250.因为DW统计量为1.763523，大于dU，小于4-dU，根据判定区域知不存在自相关。6、因果关系检验PairwiseGrangerCausalityTestsDate:06/10/11Time:19:49Sample:19902004Lags:2NullHypothesis:ObsF-StatisticProbabilityX3doesnotGrangerCauseX21314.19440.00234X2doesnotGrangerCauseX31.020250.40303X4doesnotGrangerCauseX2131.541130.27155X2doesnotGrangerCauseX40.198010.82427X4doesnotGrangerCauseX3137.443480.01493X3doesnotGrangerCauseX40.029300.97123由该检验结果说明，X3对X2有影响，X4对X2有影响，X4对X3有影响。所以，本研究模型估计的最终结果为：Y=3290.430+0.018018X2+0.058720X3-2.050910X4〔8.435109)(5.091808)(27.54299)〔-1.581922〕R2=0.997876AdjustedR-squared=0.997297F=1722.747五、模型的经济学意义1．全国人口总量。从回归系数0.018018可以看出，人口数量对电力消费量的影响是比拟显著和重大的。居民生活用电，作为总体电力消费量的一个重要组成局部，与全国人口数量有着密切的联系。2．全国工业总产值。无庸置疑，工业部门多数属于高密度用电部门，它也是国民经济开展的命脉。工业部门对电力的消费变动和需求直接影响了工业产出，从而影响了GDP，因此无论从哪一方面讲，它都是一个非常重要的因素。3．电力出厂价格指数。电价的波动会导致电力消费量的变动，所以我们引入价格因素，但是由于各地的电价不同，且商业、工业、以及普通居民的电价也是不同的，比拟不适以单一价格引入模型，不仅计算复杂且数据的统计不能够很精确，不能很好的反映价格影响需求。因为工业部门是电力的主要消耗者，所以我们用电力出厂价格指数来近似电价。六、政策建议1、优化电力工业生产结构。我国目前的电源结构主要是以火电为主，其奉献率平均约为75％左右，这种以火电为主的电力结构一方面依赖不可再生资源另一方面易对环境造成污染。我国化石能源剩余探明可采储量和可开发年限均较低，其产量难以满足电力长期增长需求。此外，我国煤炭的平均含硫量为0.9％，动力煤为0.85％，高硫煤和中高硫煤储量分别占全国煤炭储量的8.89％和3.74％，平均含硫量到达1.15％。随着人民生活水平的提高，国家对电力工业的环保提出了更高的要求，煤炭发电的二氧化碳排放问题成为又一制约火电开展的重要环境因素。从长期来看，过分依赖火电的弊端十分严重，必须尽快做出调整。所以在电力开展上，应该调整火电、水电、核电和发电、输电、配电结构，优化开展火电，积极开展水电，适当开展核电，因地制宜开展风电、光电等新能源。

2、大力开展“绿色电力”。我国水能资源丰富，居世界第一位。据1993年的初步估算，经济可开发资源为装机容量2.9万kW，多年平均年发电量12600亿kWH。水电是清洁能源，优先开展水电是世界各国通行的能源政策取向。目前兴旺国家的水电开发量已到达可开发量的90％，而我国只有20.4％，开发前景广阔。但由于水电开发投资规模大，建设周期长，不确定因素多，投资风险大，所以应该积极寻求政策支持，力争在尽可能短的时间里使得水电在电源结构中所占比重有较大提高。

新能源的研究和开发，诸如核能、风能、太阳能、地热能等，是电力工业的主要开展方向。虽然我国已把促进新能源和可再生资源发电作为电力工业可持续开展的一项根本措施，但由于缺乏相应的技术，新能源和可再生能源发电本钱依然很高，所以引进和消化电力生产的先进技术，加大新能源开发课题研究力度，是今后一项艰巨而又长远的任务。

3、加快电网建设，优化资源配置，大力推进“西电东送”工程。电力工业要以“大机组、大电网、超高压”为开展方向，尽管长期以来不断开发新技术来完善电网，但是电网平安的压力非但没有降低，反而问题越发严重，事故的规模和涉及的区域也随着电网的扩大而扩大，所以要合理规划建设和管理输配电