EViews软件做的计量经济学实验关于能源消费的论文.docx
- 文档编号:26859306
- 上传时间:2023-06-23
- 格式:DOCX
- 页数:19
- 大小:99.90KB
EViews软件做的计量经济学实验关于能源消费的论文.docx
《EViews软件做的计量经济学实验关于能源消费的论文.docx》由会员分享,可在线阅读,更多相关《EViews软件做的计量经济学实验关于能源消费的论文.docx(19页珍藏版)》请在冰豆网上搜索。
EViews软件做的计量经济学实验关于能源消费的论文
我国能源消费影响因素计量分析
一、问题的提出
研究背景
能源是经济增长的战略投入要素,在经济增长初期,能源的投入能够带动经济快速增长。
18世纪第一
次工业革命,煤炭的燃烧推动蒸汽机的普及,进而带动了生产率的提高,实现了工业化的起步。
随着工业化进程的深入,石油的大量使用成为经济持续增长的推动力量。
可见,经济增长和能源投入之间形成了一定的互动关系,能源是经济增长的动力源泉,经济增长又拉动能源消费。
研究目的
我国国民经济在向工业化和现代化发展的进程中,较长时间处于能源消费需求迅速增长而供给不组的紧缺状态,20世纪末的“九五”期间发生了显著变化,能源生产和消费总量均呈下降的趋势,出现了难得的能源供需基本基本平衡状况,但同时也出现了新的问题,即煤炭供过于求与石油的供不应求的结构性矛盾突出。
本文拟从我国的能源消费和生产入手,分析影响我国能源消费与生产的主要因素,探讨我国能源消费的趋势。
1.3研究的相关理论支持及研究状况
刘凤朝等于2007年9月发表了“中国经济增长和能源消费的动态特征”一文。
文章运用基于向量自回归模型的广义预测误差方差分解和广义脉冲响应分析方法,在资本,劳动和能源三要素单部门新古典生产函数的框架内,以中国1988—2005年间的能源消费和经济增长数据为样本,考察了二者之件的动态特征。
结果显示:
在长期,除了资本增长外,经济增长是能源消费的重要增长因素,贡献度为14.92%。
能源消费
增长的冲击对经济增长有正的影响作用。
刘凤朝、孙玉涛于2008年3月在《中国人口.资源与环境》上发表了“技术创新,产业结构调整对能源消费影响的实证分析”。
指出,在产业结构调整,减少能源效率的过程中,技术创新是关键因素。
在现有的研究基础上引入技术创新要素,建立技术创新,产业结构调整对能源消费影响的分析框架。
通过假设建立了技术创新,产业结构调整对能源消费的计量经济模型,运用中国的数据进行了实证分析。
研究结果表明,专利授权量增加能够节约能源消费,产业产值增加能够减少能源消费。
研究结果认为,产业结构升级,
优化和经济增长方式转变,是经济增长和能源消费脱钩的重要途径。
再找点能源产出的理论支持
而对于产业结构的影响因素,钱纳里和赛尔奎因在《发展型式,1950-1970》一书中,设计了一个国
民生产总值的市场占有率模型,在模型中,钱纳里和赛尔奎因以人均国民生产总值和人口数量作为外生变量,用回归方程对样本国家的数据进行计算,得到产业结构演进的“标准结构”,
Xi=ln30+31lnY+32(1nY)2+33lnN
其中Xi是第i产业的粗附加价值的市场占有率,丫是人均国内生产总值,N是样本国家的人口数量。
二、模型设定
理论上认为影响能源消费需求总量的因素主要有经济发展水平、产业发展、能源生产总量、人口总数等,
三、数据的收集
年份
能源消费标准煤总量丫/万吨
国内生产总
值X2/亿元
工业增加
值X3/亿
元
建筑业增
加值X4/亿
元
交通运输邮电业增加值X5/亿元
人均电力
消费X6/
千瓦时
能源加工转换效率
X7/%
1985
76682
9016
3448.7
417.9
406.9
21.3
68.29
1986
80850
10275.2
3967
525.7
475.6
23.2
68.32
1987
86632
12058.6
4585.8
665.8
544.9
26.4
67.48
1988
92997
15042.8
5777.2
810
661
31.2
66.54
1989
96934
16092.3
6484
794
786
35.3
66.51
1990
98703
18667.8
6858
859.4
1147.5
42.4
67.2
1991
103783
21781.5
8087.1
1015.1
1409.7
46.9
65.9
1992
109170
26923.5
10284.5
1415
1681.8
54.6
66
1993:
115993
35333.9
14188
2266.5
2205.6
61.2
P67.32
1994
122737
48197.9
19480.7
2964.7
2898.3
72.7
65.2
1995
131176
60793.7
24950.6
3728.8
3424.1
83.5
71.05
1996
138948
71176.6
29447.6
4387.4
4068.5
93.1
71.5
1997
137798
78973
32921.4
4621.6
4593
101.8
69.23
1998「
132214
84402.3
34018.4
4985.8
5278.4
106.6
69.44
1999
133831
89677.1
35861.5
5172.1
5821.8
118.2
69.19
2000
138553
99214.6
4003.6
5522.3
7333.4
132.4
69.04
20011
143199
109655.2
P43580.6
5931.7
8406.1
144.6
P69.03
2002
151797
120332.7
47431.3
6465.5
93930.4
156.3
69.04
2003
174990
135822.8
54945.5
7490.8
10098.4
173.7
69.4
2004:
203227
159878.3
65210
8694.3
12147.6
190.2
:
70.71
2005
223319
183084.8
P76912.9
10133.8
10526.1
216.7
71.08
2006
246270
211923.5
91310.9
11851.1
12481.1
249.4
71.24
2007
265583
249529.9
107367.2
14014.1
14604.1
274.9
71.25
四、模型的估计与调整
(一)参数估计
1双击"Eviews”,进入主页。
输入数据:
点击主菜单中的File/Open/EVWorkfile—Excel—多重共线
性的数据.xls;
2、在EV主页界面的窗口,输入“lsycx2x3x4x5x6x7”,按“Enter”.出现OLS回归结果,图2:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
11:
34
Sample:
19852007
Ineludedobservations:
23
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
168326.2
108641.0
1.549381
0.1408
X2
-0.142290
0.763550
-0.186353
0.8545
X3
0.503108
0.248552
2.024157
0.0600
X4
8.294237
10.43112
0.795143
0.4382
X5
-0.203037
0.111019-1.828841
0.0861
X6
233.9125
388.51880.602062
0.5556
X7
-1373.376
1588.868-0.864373
0.4002
R-squared
0.980436
Meandependentvar
139364.6
AdjustedR-squared
0.973099
S.D.dependentvar
51705.05
S.E.ofregression
8480.388
Akaikeinfocriterion
21.17469
Sumsquaredresid
1.15E+09
Schwarzcriterion
21.52028
Loglikelihood
-236.5089
F-statistic
133.6365
Durbin-Watsonstat
1.380303
Prob(F-statistic)
0.000000
由此可见,该模型的可决系数为0.995,修正的可决系数为0.993,模型拟和很好,F统计量为701.47,
模型拟和很好,回归方程整体上显著。
但是当a=0.05时,怙2(n_k)=t0.025(23)=2.069,不仅X4、X5X6、X7的系数t检验不显著,而且X2、X4、X6系数的符号与预期相反,这表明很可能存在严重的多重共线性。
(即除了农业增加值X2、工业增加
值X3外,其他因素对财政收入的影响都不显著,且农业增加值X2、建筑业增加值X4、最终消费X6的
回归系数还是负数,这说明很可能存在严重的多重共线性。
)
(2)多重共线性的诊断与修正
3、计算各解释变量的相关系数:
在Workfile窗口,选择X2、X3、X4X5、X6、X7数据,点击“Quick”一GroupStatistics—Correlations
—OK,出现相关系数矩阵,如图3:
图3:
相关系数矩阵
X2
X3
X4
X5
X6
X7
0.9657320838
0.9986857898
0.3453450262
0.9972578885
0.7438164353
X2
1
86627
55332
5441
23411
40805
0.9657320838
0.9655924019
0.3239441524
0.9565951672
0.7194953713
X3
86627
1
81592
40546
02685
82113
0.9986857898
0.9655924019
0.3298546529
0.9948853467
0.7557886397
X4
55332
81592
1
73121
15234
31427
0.3453450262
0.3239441524
0.3298546529
0.3663218904
0.2055557175
X5
5441
40546
73121
1
31066
46146
0.9972578885
0.9565951672
0.9948853467
0.3663218904
0.7263423611
X6
23411
02685
15234
31066
1
4161
X7
0.7438164353
0.7194953713
0.7557886397
0.2055557175
0.7263423611
1
40805
82113
31427
46146
4161
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较高,特别是农业增加值X2、工业增加值X
建筑业增加值X4、最终消费之间X6,相关系数都在0.8以上。
这表明模型存在着多重共线性。
1采用逐步回归法,去检验和解决多重共线性问题。
分别作Y对X2、X3、X4X5、X6X7的一元回归,
结果如下图4:
在EV主页界面的窗口,输入“Isycx2”,“回车键”。
依次如上推出X3、X4、X5、X6、X7的一元回归。
综上所述,结果如下图4:
图4.一元回归估计结果
变量
X2
X3
X4
X5
X6
X7
参数估计值
0.734835
1.665481
13.19088
0.737886
678.0058
19332.30
t统计量
25.31517
18.02565
25.96363
1.294529
22.42294
4.702427
R2
0.968271
0.939293
0.969789
0.073903
0.959907
0.512906
—2
R
0.966760
0.936402
0.968350
0.029803
0.957998
0.489711
2
2、其中,加入X2的R最大,以X2为基础,顺次加入其他变量逐步回归。
结果如下图5:
图5.加入新变量的回归结果
(一)
变量
X2
X3
X4
X5
X6
X7
—2
R
X2,X3
0.532664
0.481737
0.970921
(5.092034)
(2.001247)
X2,X4
0.148765
10.52602
0.966883
(0.263146)
(1.038045)
X2,X5
0.754738
-0.20948
0.970869
(26.06504)
(-1.99037)
X2,X6
0.947069
-197.2125
0.965588
(2.373029)
(-0.533247)
X2,X7
0.754414
-951.478
0.965709
(17.10268)
(-0.596733)
(三)异方差的诊断与修正该模型样本回归估计式的书写形式为:
Y=11.44213599+0.6267829962*X
(3.629253)(0.019872)
t=3.15275231.54097
2—2
R=0.944911R=0.943961S.E.=9.158900DW=1.597946F=994.8326
※
(一)图形法
1、在"Workfile”页面:
选中x,y序列,点击鼠标右键,点击Open—asGroup—Yes
2、在"Group”页面:
点击View—Graph—Scatter—SimpleScatter,得到X,Y的散点图(图3所示):
X2
2、Goldfeld-Quandt法进行检验。
a.将样本X按递增顺序排序,去掉中间
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
11:
07
Sample:
19
Ineludedobservations:
9
C
-15.15272
0.772901-19.60500
0.0000
X
0.000210
8.01E-0626.28514
0.0000
R-squared
0.989970
Meandependentvar
5.000000
AdjustedR-squared
0.988537
S.D.dependentvar
2.738613
S.E.ofregression
0.293208
Akaikeinfocriterion
0.577264
Sumsquaredresid
0.601798
Schwarzcriterion
0.621092
Loglikelihood
-0.597687
F-statistic
690.9084
Durbin-Watsonstat
1.352108
Prob(F-statistic)
0.000000
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
11:
08
Sample:
19
Includedobservations:
9
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
8.851030
0.9919968.922445
0.0000
X
5.42E-05
5.14E-0610.53771
0.0000
R-squared
0.940700
Meandependentvar
19.00000
AdjustedR-squared
0.932228
S.D.dependentvar
2.738613
S.E.ofregression
0.712943
Akaikeinfocriterion
2.354299
Sumsquaredresid
3.558014
Schwarzcriterion
2.398127
Loglikelihood
-8.594347
F-statistic
111.0434
Durbin-Watsonstat
0.632734
Prob(F-statistic)
0.000015
b.分别对两个部分的样本求最小二乘估计,得到两个部分的残差平方和,即
c.比较临界值与
F统计量值,有F=5.912306>F(:
.)=3.79,说明该模型的随机误差项存在异方差。
修正异方差
在运用加权最小二乘法估计过程中,分别选用了权数.1t=1/Xt,-.2t=1/X/,-.3t=1/Xto
1、在"Workfile”页面:
点击"Generate”,输入"w1=1/x”一OK;同样的输入"w2=1/xA2”
“w3=1/sqr(x)”;
w1”
2、在"Equation”页面:
点击"EstimateEquation”,输入"ycx”,点击"weighted”,输入
出现如图6:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
12:
31
Sample:
19852007
Ineludedobservations:
23
Weightingseries:
W1
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
75342.48
1955.93038.52002
0.0000
X2
0.861496
0.0873089.867306
0.0000
WeightedStatistics
R-squared
0.986045
Meandependentvar
102600.2
AdjustedR-squared
0.985380
S.D.dependentvar
77372.86
S.E.ofregression
9355.386
Akaikeinfocriterion
21.20823
Sumsquaredresid
1.84E+09
Schwarzcriterion
21.30697
Loglikelihood
-241.8947
F-statistic
97.36373
Durbin-Watsonstat
0.269103
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.925702
Meandependentvar
139364.6
AdjustedR-squared
0.922164
S.D.dependentvar
51705.05
S.E.ofregression
14425.26
Sumsquaredresid
4.37E+09
Durbin-Watsonstat
0.141803
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
12:
33
Sample:
19852007
Ineludedobservations:
23
Weightingseries:
W2
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
61583.22
2022.13930.45449
0.0000
X2
1.867721
0.17376210.74873
0.0000
WeightedStatistics
R-squared
0.998194
Meandependentvar
89007.62
AdjustedR-squared
0.998108
S.D.dependentvar
134618.1
S.E.ofregression
5855.843
Akaikeinfocriterion
20.27121
Sumsquaredresid
7.20E+08
Schwarzcriterion
20.36995
Loglikelihood
-231.1189
F-statistic
115.5353
Durbin-Watsonstat
0.389451
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
-3.468653
Meandependentvar
139364.6
AdjustedR-squared
-3.681446
S.D.dependentvar
51705.05
S.E.ofregression
111872.4
Sumsquaredresid
2.63E+11
Durbin-Watsonstat
0.023839
DependentVariable:
Y
Method:
LeastSquares
Date:
11/01/10Time:
12:
34
Sample:
19852007
Ineludedobservations:
23
Weightingseries:
W3
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
79134.39
2101.45237.65700
0.0000
X2
0.741651
0.04145717.88981
0.0000
We
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- EViews 软件 计量 经济学 实验 关于 能源 消费 论文