|
基于VAR模型的辽宁省能源消耗影响因素分析# 董琨，谭飞* 基金项目：高等学校博士学科点专项科研基金（20090041120045）；辽宁省社会科学规划基金（L11BJY025） 作者简介：董琨（1980-），男，讲师，主要研究方向：产业结构优化，能源经济. E-mail: dongkun@dlut.edu.cn （大连理工大学经济学院，大连 116024） 5 摘要：本文构建了辽宁省能源消耗影响因素的VAR模型，并应用辽宁省1978-2010年间的时间序列数据进行了实证检验。结果表明，辽宁省能源消耗与各类因素之间存在长期均衡的稳定关系，其中重工业比重的变动对能源消耗的长期影响最为显著；第三产业比重的调整对能源消耗的短期波动具有显著影响；从脉冲响应函数和方差分解中都可以看出人口因素对能10 源消耗的扰动与其他因素相比是最不显著的。 关键词：工业经济学；能源消耗；向量自回归模型 中图分类号：F062.1 Impact Factor Analysis of the Energy Consumption of 15 Liaoning Province Based on VAR Model Dong Kun, Tan Fei (School of Economics, Dalian University of Technology, Dalian 116024) Abstract: This paper built the influence factors of the energy consumption of Liaoning Province VAR model and an empirical test application of time-series data in Liaoning Province between 20 1978-2010 years. The results show a stable long-run equilibrium relationship between the energy consumption and the impact factors in Liaoning Province. Heavy industry is the most significant impact of the energy consumption in long-term, and the tertiary industry has a significant impact in short-term. Disturbance of demographic factors on the consumption for energy is the least significant according to the results of impulse response function and variance decomposition. 25 Key words: Industrial Economics; Energy Consumption; Vector auto regression (VAR) model 0 引言 一直以来，世界各国的能源消耗均以化石燃料为主，经济的持续增长需要依靠能源的消耗来维持，随着人口的增长和工业化水平的不断提高，不可再生能源的存量正不断减少并变30 得越来越昂贵。根据世界资源研究所（WRI）的研究报告，61.4%的温室气体排放来自于能源消耗。因此，为了解决经济快速发展与环境不断恶化之间的矛盾，必须从能源问题着手。探究能源消耗背后的产业驱动因素，明晰能源消耗的影响因素，不仅有利于相关部门更好地把握能源消耗特征，制定合理可行的节能降耗政策，促进能源及相关产业的发展，并且对于提高能源利用效率、减少不合理的能源消耗、降低环境污染等都具有重要的现实意义。 35 辽宁省作为我国传统的老工业基地，也是全国能源生产与消耗大省，受重工业比重过高的影响，原油消费量一直居于全国第一位，焦炭、汽油、柴油等的消费量也位于全国前列。本文应用辽宁省1978-2010年间的时间序列数据，建立一个非限制性向量自回归模型来考察辽宁省能源消耗与各影响因素之间的关系，并进行脉冲响应分析和方差分解，进一步分析各影响因素的冲击对辽宁省能源消耗的响应以及贡献度，从长期均衡角度来考察各变量之间的40 动态变化规律，从短期波动角度分析各变量对能源消耗总量的影响和作用。 1 文献综述 国外文献对能源消耗的研究从定量方面最早可以追溯到Kraft. J和Kraft. A（1978），通过对美国1947-1974年间的数据分析发现，GDP对能源消耗具有单向因果关系。随后，这种计量方法被学者们广泛应用于各个国家：Cheng和Lai通过对韩国和新加坡的研究，也验45 证了两国均存在从GDP到能源消耗的单向因果关系[1]；A.阿基尔针对巴基斯坦的能源消耗与经济增长以及劳动力之间的因果关系进行考察，结果显示经济增长可以促进能源消耗总量及其部分构成的增加[2]；Stern采用美国1947-1990年间的数据，对Divisia能源指数、实际GDP、就业和资本四个变量进行Granger因果关系检验，发现了美国具有从能源消耗到经济增长的单向因果关系[3]；在后期的研究中，Stern又运用了Johansen-Juselius协整检验对美国50 1948-1994年间的数据进行分析，得到了同样的结果[4]；Apergis和Payne研究了独联体11个国家1991-2005年间的数据，运用多变量面板数据模型探讨了能源消耗与经济增长之间的关系，发现实际GDP、能源消耗、固定总资本投资和劳动力之间的系数是正相关的，并且误差修正模型揭示了短期存在能源消耗到经济增长的单向因果关系，而在长期二者具有双向因果关系[5]。 55 影响能源消耗的因素不仅仅是GDP，人口数量、经济结构、产业政策、能源价格和能源利用效率等也是不可忽略的因素，国内学者对这方面的研究比较丰富，史丹通过产出水平、经济结构对能源消耗的影响回归分析，发现结构变动对能源消耗的影响大于经济增长对能源消耗的影响[6]；王火根和沈利生利用空间邻近性矩阵和空间自相关系数检验中国省级能源消耗与经济增长之间的空间相关性，得出中国30个省级城市GDP和能源消耗都有显著的空间60 相关特性[7]；林伯强将GDP、煤炭价格、经济结构、运输成本作为解释变量，分析了这些因素对煤炭消耗的影响[8][9]；此后，林伯强等利用投入产出结构分解法，分析了国内能源消耗、进出口贸易和技术进步对中国能源部门和非能源部门电力消费的影响[10]；周建建立了向量自回归模型和脉冲响应函数来分析能源消耗和经济增长、效率改进之间的作用机理，研究结果表明，在我国能源消耗的众多影响因素中，经济增长方式的转变和重工业比例在经济结构65 中的调整对能源消耗具有决定性的作用[11]。 综上所述，国内外学者对能源消耗的研究方法和角度都在不断深入，越来越多的因素被考虑到研究范围内，本文在借鉴了以往研究的基础之上，综合考察辽宁省地区生产总值、人口总量、服务业比重和重工业比重对能源消耗的影响，原因如下：首先，GDP是影响能源消耗的最主要因素，大量文献已验证了这一点；其次，由于我国处于一个转型时期，经济结70 构的变化，尤其是能耗巨大的重工业的变化会对能源消耗产生较大的影响，同时，第三产业比重的增加对于降低能源消耗有一定的正向作用；最后，生活用能源对能源消耗总量的影响也不容忽视。 2 变量与数据 75 2.1 经济总量GDP 大量的经验研究表明，经济总量和能源消耗量之间存在着显著的正相关关系，经济总量一般用国内生产总值来衡量，本文去除了价格因素的影响，均以1978年为基期。 2.2 人口数量pop 能源消耗分为生产消耗和生活消耗，人口数量是决定了生活能源消耗量的最主要因素。80 近年来，随着社会的进步和生活水平的提高，生活能源消耗总量稳定增长，人均能耗也存在着一定的上升趋势，但并不明显。因此，本文仅考虑了人口数量对于生活能源消耗的影响。 2.3 服务业比重stru 产业结构是影响能源消耗的另一个重要因素，不同产业的能源消耗强度是不同的。总体来看，服务业能源消耗水平普遍较低，能源能耗强度较小，因此，增加服务业在国民经济中85 的比重对于改善能源利用效率、降低能源消耗总量具有促进作用。本文应用服务业增加值占GDP的比重来描述区域产业结构，假定服务业比重与能源消耗之间具有负向关系。 2.4 重工业比重ind 重工业一直是辽宁省最主要的能源消耗行业，本文应用重工业总产值占全部工业总产值的比重来衡量工业内部结构的变化，将其作为能源消耗的一个解释变量。 90 数据均直接来源于各年度辽宁省统计年鉴。根据以往文献，本文将辽宁省能源消耗函数表示为： )(indβstruβββepopGDPener4321 为消除数据的剧烈变动和异方差性，对模型左右两边各变量取对数处理，可得： indβstruβpopβGDPββener43210lnlnln 95 1、2分别为辽宁省能源消耗对经济增长和人口的弹性反应，3、4分别表示第三产业增加值比重、重工业比例每变动一个单位，辽宁省能源消耗平均变动单位。 3 模型与实证分析 3.1 VAR模型构建 100 向量自回归模型（VAR）最初由希姆斯（C.A.Smis，1980）引入到经济学研究中，与其他经济模型相比，VAR模型更加关注随机扰动项对多变量时间序列的动态影响。一般情况下，VAR模型中的变量必须具有平稳性，因此首先对变量进行平稳性检验。 3.1.1 单位根检验 检查序列平稳性的标准方法是单位根检验，常用的检验方法有六种：ADF检验、DF-GLS105 检验、PP检验、KPSS检验、ERS检验和NP检验。在小样本情况下，ADF检验对于含有时间趋势的退势平稳序列的检验是失效的，因此本文使用经改进的DF-GLS检验，原假设为时间序列是非平稳的，备择假设是平稳的。检验过程为： tditpiidtdtyyy111 检验结果如表1所示，原始时间序列在10%的显著性水平下均无法通过DF-GLS检验，110 因此这5个序列都包含单位根，即时间序列为非平稳的，而对这些变量进行一阶差分之后，检验统计量的显著性水平均小于5%，因此差分序列不包含单位根，从而表明enerΔln、GDPΔln、popΔln、Δstru和Δind序列是平稳序列，具有一阶单整性)1(I。 表1 单位根检验 115 Tab. 1 Unit Root Test 变量 检验类型 （c, T, d） DF-GLS值 显著性水平下的检验结果 结论 1% 5% 10% enerln (c,0,0) 1.28 -2.64 -1.95 -1.61 非平稳 enerΔln (c,0,0) -6.11 -2.64 -1.95 -1.61 平稳 GDPln (c,0,1) -0.41 -2.64 -1.95 -1.61 非平稳 GDPΔln (c,0,0) -2.63 -2.64 -1.95 -1.61 平稳 popln (c,0,1) -0.59 -2.64 -1.95 -1.61 非平稳 popΔln (c,T,1) -3.96 -3.77 -3.19 -2.89 平稳 stru (c,0,1) -0.78 -2.64 -1.95 -1.61 非平稳 Δstru (c,0,0) -3.84 -2.64 -1.95 -1.61 平稳 ind (c,0,0) -0.92 -2.64 -1.95 -1.61 非平稳 Δind (c,0,0) -5.58 -2.64 -1.95 -1.61 平稳 注： （c, T, d）分别代表所检验的方程中含有截距项、趋势项和滞后阶数；滞后阶数按照AIC和SC最小准则确定。 3.1.2 最优滞后期的确定 120 在对变量进行协整检验之前，需要确定VAR模型的最优滞后阶数，在选择滞后阶数p时，一方面想使滞后阶数足够大，以便较好地反映模型的动态特征；另一方面，滞后阶数越大，需要估计的参数越多，模型的自由度越少。本文运用LR检验、AIC和SC准则来确定滞后阶数，结果见表2。由5个评价指标的检验结果可知，最优滞后阶数为1阶。 125 表2 向量自回归模型的滞后期 学术论文网Tag：代写硕士论文 代写论文 代写代发论文 代发论文 |
