中国能源的经济计量探析

前言：本站为你精心整理了中国能源的经济计量探析范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

一、中国能源需求预测

世纪之交,中国已实现了现代化建设的前两步战略目标。从新世纪开始,中国将努力实现第三步战略目标,2010年的GDP比2000年翻一番。但实践表明:能源短缺是经济发展的主要障碍之一。基于能源在国民经济中的重要地位,中国政府对诸如能源等基础设施建设始终予以高度重视。

在学术研究方面,文献[1]总结了经济学家给出的2000年中国能源需求预测的7种结果:最小的是13·9亿吨标准煤,最大的是24亿吨标准煤。这些研究主要使用两类方法:密度分析和回归分析。但几种使用密度法的预测结果都高估了80年代初期的能源需求水平。如果考虑到改革开放以来中国的能源密度(单位GDP的能源消费量)显著下降,而早期的密度分析没有预测到这一变化的基本情况,密度法预测的高估结果就不令人吃惊了。文献[2]使用密度分析和回归分析的组合预测法,得出了20世纪末中国的能源消费在[14·5,16·8]亿吨标准煤范围内的结论,而具体的数值则取决于所假设的能源利用效率。可见,基于能源预测在经济计划和决策中的重要地位,有关中国能源消费预测问题是一个值得深入研究的重要课题。

本文应用学术界目前广泛关注的经济计量学方法———协整和误差修正模型[3,4],建立中国能源需求模型。应用该方法的原因首先在于以前的能源需求计量研究很可能受到由非平稳变量引起的伪回归的影响,使用协整方法可有效解决这一问题;其次,协整方法可分辨出能源需求模型中的变量(例如GDP和价格等)之间的长期均衡关系、短期波动以及长期均衡对短期波动的影响,从而可得出能源需求的长期均衡关系,并可进行短期预测。

二、经济计量方法及数据

协整是指变量之间的长期均衡关系。两种最常用的协整检验方法是Engle和Granger(EG)的两步法[3]以及Johansen和Juselius(JJ)的极大似然法[4,5]。EG的两步法适应于单方程的协整检验,而JJ法不仅能检验出变量之间是否存在协整关系,而且可准确确定出协整向量个数。鉴此,本文使用JJ法研究变量之间的协整关系。

定义向量Xt为n个潜在内生变量组成的向量,并将Xt界定为无约束的滞后k阶向量自回归(VAR):XT=A1Xt-1+,…,AkXt-k+εtεt~IN(0,Ω)(1)其中Ai是(n×n)参数矩阵。可将方程(1)改写为如下形式:ΔXt=ΠXt-k+∑k-1i=1ΓiΔXt-i+εt(2)其中Γi=-I+∑ij=1Aj(i=1,…,k-1),Π=-I+∑kj=1Aj。Granger表现定理说明,如果系数矩阵Π的秩r<n,则存在秩为r的n×r矩阵α和β,使得Π=αβ′和β′Xt是平稳的,r是协整关系个数,矩阵β的每列代表一个协整向量,矩阵α中的元素被称为误差修正模型的调整参数。JJ法是估计无约束矩阵Π,然后再检验是否能拒绝矩阵Π具有缩减轶的假设。

文献[4]给出的方法是,通过解如下的特征值方程得出向量β:|λSkk-Sk0S-100S0k|=0其中S00是来自于ΔXt对ΔXt-1,…,ΔXt-k+1的OLS回归的残差的矩量矩阵,其中Skk是来自于ΔXt-k对ΔXt-1,…,ΔXt-k+1的OLS回归的残差的矩量矩阵,S0k是交叉矩矩量矩阵。使用“最大特征值”统计量和“迹”统计量可求出协整向量β。“最大特征值”法通过计算如下极大似然统计量LRmax=-Tln(1-λr+1)(3)检验原假设“系统中存在r个协整向量”对备择假设“系统中存在r+1个协整向量”。其中T是样本量,λr+1是估计的特征值。“迹”统计量通过计算如下似然检验统计量LRtrace=-T∑ni=r+1ln(1-λi)r=0,1,2,…,n-1(4)λ1,…,λn按由大到小顺序排列。该统计量检验假设“至多存在r个协整向量”。上述两个检验统计量的分布参考文献[6]。本文中的向量由Qt、Yt、Pt和Mt等4个变量构成,其中Qt是中国t年的能源消费量,Yt是t年GPD,Pt是能源价格,Mt是一个反映结构变化的指标。本文使用重工业在GDP中的份额表示结构变迁。在构造中国能源消费需求行为模型时,需要处理一些方法论方面的问题,例如,能源汇总有两种主要方法:Btu法和Divisia法,这两种方法各有其优缺点。由于中国没有公布各种能源的价格数据,因此本文不采用Divisia法。

根据需求理论,我们将收入变量(GDP)和价格变量包括在向量Xt中。除此之外,本文将变量Mt包括在向量Xt中主要因为:我们考虑到重工业是中国传统的主要能源消费行业。例如在1985—1993年期间,重工业的能源消费量占全国能源消费总量的53%。尤其是在计划经济时代,中国采取重工业优先发展战略,因此重工业则更是能源消费大户。尽管改革开放后重工业在GDP中的份额下降了,但在80年代后期它又上升了。发生这种情况的原因是:在改革的初期,配置给重工业的资源不足,从而导致了生产资料(如原材料、钢铁和电力)的短缺。因此,80年代后期国家又对重工业进行大量投资。总之,我们在模型中使用变量Mt反映上述变化。

数据来源如下:本文使用的所有数据都来自各期《中国统计年鉴》。显然,总能源消费量和GDP可直接取自统计年鉴。总能源消费量由4种能源消费组成:煤、原油、电力和天然气。为了使用Btu方法,我们应用年鉴给出的标准煤(单位:万吨标准煤》。为了计算能源价格,我们文献[7]提出的方法,即能源销售量(货币单位)除以总热量。但由于中国未报告能源销售量数据,因此我们使用能源部门的总产出替代能源销售量,其隐含假设是此两变量各期之比固定。Mt的数据按以下方法得到:在GDP的构成序列中,已知工业增加值的份额,我们又可得到工业总产值中重工业的份额,将这两组数据相乘得出GDP中重工业的份额。

三、能源需求模型的实证分析

为了检验数据的性质,我们使用augmentedDick-ey-Fuller(ADF)和Phillips-Person(PP)单位根检验法检验变量的平稳性。即对变量zt,检验zt~1(1)的原假设,即检验Δzt是否平稳。ADF单位根检验程序基于如下的OLS回归:Δzt=β0+α0t+α1zt-1+∑mi=1βiΔzt-i+εt(5)其中t是线性时间趋势,选择滞后阶数m使残差εt为白噪声。检验zt中出现单位根(即zt~l(1))的原假设,等价于检验方程(5)中α1=0的原假设。如果α1显著小于零,则拒绝单位根的原假设。PP检验类似于ADF,但PP检验法对残差的异方差和自相关性不敏感。应用此两种检验法的检验结果见表1①。两种检验结果都表明:我们不能拒绝所有变量都是l(1)的原假设。其中LY表示变量Y的自然对数。只有当变量之间存在协整关系时,才存在误差修正模型。因此,我们下一步要检验变量之间的协整关系。在协整检验中,如果系统中的变量个数多于两个,则JJ法明显优于EG法。我们应用JJ“迹”检验来确定模型中的协整向量个数,首先应用Schwarz信息准则确定VAR的最优滞后阶数为2。协整检验结果。

检验结果表明,系统中存在唯一的协整向量,即变量之间存在唯一的长期均衡关系:LQt=3.3506+0.8828LYt-0.4645LPt+0.8469LMt(38.28)(-11.51)(18.45)(6)协整检验及方程(6)的估计的样本区间为1953—1994,括号内数值是t检验值。协整检验结果表明:能源总需求、GDP、价格及Mt之间存在长期均衡关系(6),能源需求的长期收入弹性是0·8828、长期价格弹性是-0·4645、长期结构变化弹性是0·8469。与其他国家相比[8],中国的收入弹性低,而价格弹性相对较高。文献[8]提供的结果表明:许多国家的收入弹性大于1,而价格弹性相当低。我国的低收入弹性的估计结果并不令人吃惊。这是因为在改革开放前,政府对能源实行低定价来刺激工业发展。但改革开放后,能源部门要自负盈亏,因此在出现巨大亏损后,这一政策无法继续执行。而能源价格的上升以及其他改革,刺激消费者提高了能源利用效率,从而导致了能源密度大幅度下降。所以,能源需求的收入弹性较小。对于较高的价格弹性,我们提供两种解释:首先由于改革前中国制造业的许多设备相当老化,这些设备的能源利用效率很低。改革开放后,制造业逐渐淘汰这些老化设备。在这一条件下,相当大程度地存在着资本对能源的替代。其次,由于中国劳动力人口众多,劳动力对能源的替代空间很大。廉价劳动力对相对昂贵的能源的替代便是一个自然的经济现象。

四、中国能源需求的短期行为:误差修正模型(ECM)

为了研究中国能源需求的短期行为,应用En-gle-Granger表现定理[3],可估计出如下形式的误差修正模型:ΔLQt=β0+∑ni=1β1iΔLQt-i+∑ni=0β2iΔLYt-i+∑ni=0β3iΔLQt-i+∑ni=0β4iΔLMt-i+β5ΔECt-1+εt(7)其中ECt-1是来自于协整向量的一阶滞后误差。在估计出协整关系(6)的基础上,我们可通过估计误差修正模型来确定中国能源需求的短期行为。根据Hendry[9]一般的特定的建模方法,我们首先选定3阶滞后变量及误差修正项,然后逐渐删除不显著的变量。最后得出误差修正模型(表3)。表3也给出了诊断检验结果。其中包括用于检验残差一阶自相关的DW检验、检验残差高阶相关的LM检验、条件异方差(ARCH)的LM检验、White的异方差检验、BJ正态性检验,以及函数设定形式的RESET检验。检验结果表明,各检验统计量都不显著。这表明误差修正模型的界定正确,并且残差是白噪声的。反映出模型的良好的拟合效果。而参数稳定性检验CUSUM表明模型参数的稳健性。在误差修正模型中,GDP、能源价格及结构变化都是能源短期需求的决定因素。误差修正系数为-0·702并在1%水平显著,这表明我国能源需求的短期波动较大,平均每年对上年偏离长期均衡水平的短期调整幅度为70%。

为了研究模型的预测性能,我们增加1995到1999的5个样本点检验模型的预测效果。表4给出预测及预测评价结果。诊断结果表明:我们的模型对中国能源需求具有优良的预测能力,我们的模型不仅能准确地预测能源需求的变化方向,而且预测精度很高。

五、结论

本文应用协整和误差修正模型技术深入研究了中国能源需求的决定因素。实证分析结果表明:(1)能源总消费、GDP、能源价格及结构变化之间存在长期均衡关系;(2)不仅价格和收入是能源需求的重要决定因素,而且,用来反映结构变化的GDP中的重工业份额也是一个显著的需求决定因素。我们的研究还发现,与其他国家相比,中国能源需求的收入弹性较低,而价格弹性较高。用来反映能源需求的短期行为的误差修正模型不仅具有良好的拟合效果和稳定性,而且具有较高的预测精度。