计量经济学课程论文论文题目影响能源消费总量的多因素分析院 (系) 工商管理学院所在班级2012级工管（1）班姓名金军霞学号 ********日期2015年6月影响能源消费总量的多因素分析学院：工商管理班级：12工管（1）姓名：金军霞学号20122057 内容摘要：能源是国民经济发展和社会进步的重要物质基础,做好能源消费影响因素的分析, 为能源规划及政策的制订提供科学的依据,对于保持我国国民经济健康、持续、稳定的发展具有重要的现实意义。
本案例通过对影响我国能源消费的国内生产总值、工业产值、产业结构、人口增长等因素进行分析，对所建模型中存在异方差、序列相关等问题进行了检验与修正。
在各因素中工业是我国能源消费的主体,所占比重呈上升趋势，因而产业结构的变动率很大程度上影响能源消费，并对我国的经济增长产生影响。
本文在能源消费模型分析的基础上，进一步提出了相应的政策建议。
关键词：能源消费工业生产影响因素计量分析一、问题的提出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速增长。
十八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。
能源消费括两部分，一部分是由生产技术水平所决定的能源消费，一般这部分能源消费经济增长的关系在短期内不会发生明显变化；另一部分是由管理水平、市场环境产业结构等因素决定的能源消费水平，即体制性因素决定的能源消费水平。
这部分能源消费可变性较大，是引起能源消费与经济增长关系不稳定的主要因素。
二、研究目的我国国民经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降的趋势，出现了难得的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，运用计量经济学模型分析的方法，研究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。
三、模型设定1、影响因素分析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、人口增长、能源转换技术等因素。
（1）国内生产总值：生产必然就造成能源的消耗，近30年来，国民经济飞速发展，能源的消耗也在快速增加，我国从能源出口国变为能源进口国，英国石油公司预计到2035年，中国将超过欧洲成为世界上最大的能源进口国。
（2）工业总产值：工业作为能源消费最多的部分，当然与能源消费总量的增长有着密不可分的关系。
（3）产业结构：在GDP中工业的贡献率表明了国家CDP对工业的依赖程度，同时也表明了GDP对能源的依赖程度。
（4）能源转换效率：由于技术的发展，对能源利用的效率也在逐年增加，也就意味同样多的产值需要消耗的能源在下降。
据统计，我国人均能源资源的拥有量低于世界平均值，能源利用率低于发达国家，随着国民经济的发展和人民生活的改善，能源的需求量还要继续增加．因此，提高能源利用率、节约能源，对我国来说，是既重要又紧迫的事情．（5）人口增长，由于人口增长带来的能源消耗也是无法忽视的，随着人口的大量增多，社会需要生产更多的产品满足消费需求，也就导致消耗的能源直线上升。
2、变量的选取由于非线性模型的假设检验都涉及非常复杂的数学计算，所以本文考虑做一个线性模型(对参数线性)，这样各种检验的方法较多，对模型准确程度的分析也更可靠本文设定的我国能源消费的计量经济方程，模型共有1个内生变量，4个外生变量。
（1）内生变量：Y: 能源消费总量，单位：万吨标准煤；（2）外生变量 X1:国内生产总值，单位：万元；X2:工业产值，单位: 万元；X3: 产业结构，用工业对GDP的拉动百分比表示；X4：能源转换效率，单位：百分比X5：人口数量，单位：万人；3、数据来源及处理针对以上因素分析，我们收集了中国能源消费标准煤总量、国内生产总值GDP、人口增长、工业产值、产业结构、能源加工转换效率等1990——2013年的统计数据。
本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。
数据如下：4、模型设定通过对影响能源消费总量的因素分析，将模型设定为：ε++++++=55443322110x b x b x b x b x b b y四、模型的估计与调整1、利用eviews 软件分析数据，得到如下散点图由以上相关图分析可看出解释变量X1、X2、X5与解释变量Y呈线性变化，但是解释变量X3/X4与被解释变量Y呈非线性关系用最小二乘法，利用eviews软件可得结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/28/15 Time: 14:27Sample: 1990 2013Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C -251510.8 150090.0 -1.675733 0.1111X1 0.009705 0.009799 0.990362 0.3351X2 1.196442 0.091834 13.02829 0.0000X3 2808.655 1861.958 1.508442 0.1488X4 1457.384 2678.355 0.544134 0.5930X5 1.951897 1.139271 1.713287 0.1038R-squared 0.983543 Mean dependent var 202707.5 Adjusted R-squared 0.978972 S.D. dependent var 91850.03S.E. of regression 13319.32 Akaike info criterion 22.04414Sum squared resid 3.19E+09 Schwarz criterion 22.33865Log likelihood -258.5296 F-statistic 215.1521Durbin-Watson stat 0.417276 Prob(F-statistic) 0.000000模型拟合情况如下：报告形式：Y = -251510.8+ 0.009705*X1 - 1.196442*X2 -2808.655*X3 - 1457.384*X4 + 1.951897*X5R 2=0.983543=2R 0.978972 F=215.1521 S.E=13319.32 D.W=0.417276统计检验：判定系数：R2=0.983543接近于1，表明模型对样本数据拟合优度较好。
F 检验：F=215.1521,大于临界值3.09, 其P 值0.000000也明显小于0.05α=,说明解释变量对被解释变量Y 有显著影响，模型线性关系显著。
T 检验：工业产值（X2）的t 值大于2 ，表明工业产值对能源消费总量（Y ）有显著影响，其他各参数的t 值的绝对值均小于2，表明其他各参数能源消费总量（Y ）有没显著影响。
2、回归结果的检验：(1)经济意义检验：从回归得出的结果来看，x1的系数为0.009705，x2的系数为1.196442，x3的系数为2808.655，x4的系数为1457.384,x5的系数为1.951897各变量的正负符号与预期的相一致，并且其大小在经济理论上解释得通，因此该模型通过经济意义检验。
(2)拟合优度及模型估计效果检验：从上表可以看出可绝系数为0.983543，调整后的可绝系数为0.978972均很高，说明模型的拟合优度极佳。
(3)回归系数的显著性检验(t 检验)：从回归结果看，此模型中的变量和参数的t 值在5％的置信水乎下只有x2统计值显著，而F 检验值也是较高的，这说明方程整体对被解释变量的解释效果也不佳，需要进一步的检验和调整。
(4)多重共线性检验：由于选择的影响因素过多，所以估计模型之前，应先分析各个因素与被解释变量之间的关系，以及因素之间的相关程度，利用COR 命令进行相关系数检验，得相关系数矩阵为：通过计算表明，除了国内生产总值和工业对GDP 的拉动百分比，各解释变量都与被解释变量能源消费总量高度相关，且解释变量之间也有两两高度相关的。
先按照逐步回归原理建立回归模型。
建立一元回归模型根据理论分析，工业产值应是能源消费的主要影响因素，相关系数检验也表明，工业产值与能源消费总量的相关性最强。
所以，以εβα++=x y 作为最基本的模型。
采用逐步回归法将其余的变量逐个引入模型。
Ls y c x2 x1 Ls y c x2 x3 Ls y c x2 x4 Ls y c x2 x5 估计结果如下图经比较可知，新加入X1、X3、X4、均未通过T检验，；新加入X2的回归模R比一元回归模型Y=f(x2,x5) 不仅经济意义合理、回归系数T检验通过，而且2R提高，因此，Y=f(x2,x5)估计的结果为最优的二元回归模型，以此型Y=f(x2) 的2为基础，建立三元回归模型：Ls y c x2 x5 x1Ls y c x2 x5 x3Ls y c x2 x5 x4结果如下：在X2、X5基础上，加入X1、X4后的回归模型y=f( x2, x5, x1)或y=f( x2, x5, x4)，2R有所下降，X1、X4的回归系数T检验不显著；加入X3后回归模型y =f(x2, x5 ,x3)2R有所上升，但X3的回归系数T检验不显著。
没有合适的变量加入，不需要再进行四元回归。
估计结果列入下表（第二行为t检验值）。
模型x1 x2 x3 x4 X5 2Ry=f(x2) 0.0000(28.3967)0.973438y=f(x2,x1) 0.000(1.4591）0.0000(24.9424)0.975883y=f(x2,x3) 0.0000(26.36058) 0.3078(1.045219)0.974752y=f(x2,x4) 0.0000(16.22134) 0.0725(1,89114)0.977304y=f(x2,x5) 0.0000(13.04515) 0.0122(2.743703)0.980047y=f(x2,x5,x1) 0.3406(0.9761) 0.0000(12.97622)0.0253(2.417414)0.981337y=f(x2,x5,x3) 0.000(13,45252) 0.1625(1.450073)0.0084(2.922518)0.982307y=f(x2,x5,x4) 0.0000(12.60991) 0.6760(0.42414)0.0791(1.850537)0.980622最佳线性回归模型即为二元模型：ε++=524477.21872.1x x y1）拟合优度检验：2R =0.980447拟合程度较高，被解释变量的98.04%可以用解释变量解释，模型拟合程度较高。