中国能源贸易与经济增长关系的实证研究刘剑锋浙江大学经济学院，杭州 (310058)E-mail：ljfzju@摘要：一国的能源贸易不仅是一国对外贸易的有机组成部分，更重要的是其涉及到一国的能源安全以及经济安全。

因此，本文从能源经济的角度出发，以计量实证的方法，通过建立经济总量与进口能源总量及出口能源总量的计量模型讨论了中国能源贸易与经济发展的关系。

对模型Granger因果检验的结果说明，相对而言，能源出口是我国经济增长的Granger 原因，而能源进口与经济增长没有必然的因果联系。

从误差修正模型（ECM）中可以看出，能源出口与经济增长的这种单向因果关系更为显著。

关键词：能源贸易，弹性系数，Ganger因果关系，误差修正1.引言能源是一国经济发展的物质基础。

能源贸易不仅是国家对外贸易的有机组成部分，更是一国参与国际能源流通与再生产的重要形式，也是各国参与世界范围内能源再分配的主要方式。

面对全球能源短缺和资源枯竭的预言，能源的输入与流出活动将关系到国家的能源安全乃至经济安全。

世界范围的经验数据表明，在经济高速发展的同时，往往伴随着高能耗与高能源贸易的现象。

伴随全球一体化的深化以及世界能源价格的频繁波动，能源贸易已摆上各国贸易谈判的重要议程。

传统的经济理论及经验数据表明，发展中国家为了获得较快的经济增长速度并在全球经济一体化中获得更多的利益，必须加快其工业化进程的步伐。

工业化发展的初期意味着能源生产与消耗的增长。

与此同时，能源的输入与输出也更为频繁。

一方面，能源的大规模生产带动了本国工业化进程，另一方面，工业化进程的人为加速也促使能源不断的流入与流出，以便发挥本国的相对资源优势，即能源禀赋。

国际化能源开发投资与跨越国界的能源合作项目正是基于资源禀赋的国际经济合作形式。

中国正处于工业化发展的中期，能源消费结构仍处于粗放型阶段，经济发展仍有赖于高投入、高消耗、高产出的能源消费模式。

定量的研究对外能源贸易对经济发展的贡献或制约机制有利于把握能源消费模式，促进能源结构的合理调整。

2.模型基础与构建以往的经济研究表明，能源投入对经济增长有明显的影响。

与劳动、资本、原材料相同，能源也是一种生产要素，因此也可以作为生产函数中的投入要素。

Hogan和Manne（1977）的研究假设了一个使用能源作为投入要素的CES型生产函数。

他们的结论是：如果能源与其他所有投入品总和的替代弹性在0.3至0.5之间，那么能源供应对经济没有太大影响；如果弹性是0.1至0.2之间，则能源投入将对经济有显著影响。

经济学家还通常把能源价格增长与经济衰退联系在一起。

例如，Eastwood（1998）就给出了一个能源价格对宏观经济冲击的模型。

同时有些研究也提出随机波动模型，认为经济波动与能源价格之间没有必然的联系。

中国学者刘强（2005）通过建立一个商业周期范式的两部门混合经济模型，探讨了石油价格波动对中国各经济变量的影响以及影响的传导机制，模型证明消费结构、相对真实石油价格和生产技术结构共同决定了GDP变化的方向。

何念如和朱润龙（2006）通过V AR的计量模型分析，得出中国国内生产总值对世界原油价格变化的弹性系数是-0.188，即世界原油价格上涨1%将引起中国国内生产总值下降0.188%，并在后续滞后时间内下降0.107%。

此外，更多学者的研究集中在能源消耗对经济增长的贡献以及二者之间的因果关系上。

Eden S. H. Yu and Been-Kwei Hwang（1984）所考察的1947年－1979年间美国的能源消耗与GNP之间的关系表明，能源消耗与经济增长间并没有必然的因果联系。

然而Dinesh Desai （1986）所建立的旨在考察发展中国家（LDC）的GDP与能源消耗关系的模型表明，发展中国家经济活动和经济结构是能源消耗的原因，并且这一关系并不单一，表现为能源弹性系数的差异。

Li Hong和Zhang Pei Dong等人（2007）把贸易因素引入了具体化的能源变量（embodied energy），考察了1996年至2004年间中国的实际能源消耗与进出口情况，从另一个角度说明了能源贸易的重要性，但另一方面却缺少能源贸易与经济之间关系的研究。

本文试图将能源贸易引入分析框架，采用经济变量时间序列建模的动态研究方法，以中国1986年至2005年进口能源总量、出口能源总量以及GDP总量的年度数据为样本，通过对GDP与能源流出及流入总量进行协整关系分析，以及构建与长期均衡相适应的反映短期波动的误差修正模型，来探讨中国国际能源贸易与经济发展之间的关系。

在假定其他经济因素不变的情况下，某一时期经济增长率与能源消耗增长率的比例称为能源弹性系数。

能源弹性系数可以表征经济增长和能源消耗之间的数量关系。

同理，进口能源弹性系数与出口能源弹性系数可以分别衡量能源进口与出口对经济发展的影响程度。

这一关系可以通过构建GDP与能源流出及流入总量的计量经济模型得以说明。

GDP与eim、eex三个变量分别代表经济总量与能源进口、出口总量。

其1986－2005的年度数据（附表1）来源于“中经专网”数据网站。

表征三者之间关系的计量模型可如下构造：lnGDP=c(1)+c(2)lneim+c(3)lneex+u其中lnGDP、lneim、lneex分别代表GDP、eim、eex的自然对数，以便于弹性分析和消除回归模型的异方差性；c(1)是常数项，c(2)、c(3)是GDP对能源进口贸易和能源出口贸易的弹性系数；u代表变量以外的随机扰动。

利用已知变量的时间序列数据，通过OLS估计方法可以方便的得出参数c(1)、c(2)、c(2)的估计值。

在随机扰动项u满足经典统计假定的前提下，OLS估计所得到的参数估计式是最佳线形无偏估计，可以很好的拟合真实值。

因此，我们将使用OLS估计法来估计模型lnGDP=c(1)+c(2)lneim+c(3)lneex+u的参数。

3.实证分析3.1 数据选取与样本空间的确定本文所选经济数据(附表1)均来源于“中经专网”数据网站，由“中经专网”依据国家发展改革委员会、国家统计局、国家信息中心公布数据整理得到。

其中，GDP为以1978年价格水平为基准所计算出的实际GDP值，以亿元人民币作为量纲，eim与eex以标准万吨煤作为量纲。

统计意义上，1986年－2005年20年间的样本容量已满足分析需要。

3.2 图形分析与单位根检验变量lnGDP、lneim、lneex的时间分布图（图1）表明，三个变量存在着时间趋势。

随着时间的推移，lnGDP、lneim、lneex都有增长的迹象。

因此，三个变量的时间序列并不平稳，可能存在着单位根。

在利用协整理论对三个经济变量进行分析之前，需要检验出变量间共同的单位根个数。

图1 lnGDP 、lneim 、lneex 的时间趋势图单位根检验的零假设与备择假设分别为H 0：被检验序列存在单位根；H 1：被检验序列不存在单位根。

ADF 单位根检验的结果及结论如表1所示。

表1 ADF 单位根检验结果临界值序列 趋势类型（c t ∗） ADF 检验的t 统计量0.01 0.05 0.10 检验 结论 lnGDP （c t 0） −2.8235 −4.8001 −3.7912 −3.3423 不平稳 lneim （c t 0） −2.5421 −4.5716 −3.6908 −3.2869 不平稳 lneex （c t 0） −3.4444 −4.7284 −3.7597 −3.3250 不平稳 ∆ lnGDP(-2) （0 0 2）−3.1232 −2.7081 −1.9628 −1.6061 平 稳 ∆ lneim(-2) （0 0 2） −3.7745 −2.7550 −1.9710 −1.6037 平 稳 ∆ lneex(-2)（0 0 2）−8.2180−2.7283 −1.9663 −1.6050平 稳注：(1)表中数据由Eviews5.0统计得到；(2)c ，t 分别表示带有常数项和趋势项，∗表示滞后阶数表中检验结果表明，lnGDP 、lneim 和lneex 本身都是非平稳序列，存在2个单位根。

经二阶差分后变为平稳序列。

所以，可以进一步对他们进行协整分析。

3.3 协整检验在三个变量都存在2阶单整的的情况下，利用Engle －Granger 两步法对lnGDP 和lneim 、lneex 进行协整检验可以避免伪回归现象。

对lnGDP 和lneim 、lneex 进行的回归结果如下： lnGDP = 0.5900∗lneim + 0.6500∗lneex t （14.9862） （16.0188） R 2＝0.9681 DW=1.3292静态回归结果表明，模型的拟合度较好，且参数都通过了显著性检验。

但需要对残差进行进一步检验，以确定残差序列是否存在异方差、自相关以及单整现象。

对静态回归所得残差序列进行的ADF 检验结果（表2）表明，残差不再具有单整现象，是平稳的序列。

表2 静态回归所得残差序列的ADF 检验结果临界值序列 趋势类型（c t ∗） ADF 检验的t 统计量0.01 0.05 0.10 检验 结论 ECM（0 0 0）−3.1512−2.6824 −1.9602 −1.6071平稳注：(1)ECM 代表静态回归的残差序列；(2)c ，t 分别表示带有常数项和趋势项，∗表示滞后阶数由于残差序列的ADF检验统计量拒绝原假设，也即证明残差序列是不带常数项和趋势项的平稳序列，因此lnGDP、lneim、lneex三个变量间存在协整关系，所得静态回归避免了伪回归现象。

3.4 异方差检验与自相关检验通过对残差序列进行的异方差检验和自相关检验，可以进一步说明残差序列的良好特性以及参数估计结果的无偏性和一致性。

White异方差检验可以帮助我们检验残差序列是否满足同方差的经典假设。

其零假设为H0：残差序列不存在异方差性；备择假设为H1：残差序列存在异方差。

检验结果如表3所示。

表3 残差序列的White异方差检验结果F-statistic 1.617646 Probability 0.219444Obs*R-squared 7.323565 Probability 0.197667注：本表是由Eviews5.0对带有交叉项的White检验生成的检验结果的F统计量和R2统计量均远小于5％水平下的临界值，因此原假设是显著的，即残差序不存在异方差性。

自相关检验可以通过LM检验来实现。

其原假设和备择假设分别为H0：在设定的滞后阶数下，残差序列不存在自相关性；备择假设为H1：残差序列存在自相关性。

这里我们设定其滞后阶数为2阶，以减少样本信息损失。

检验结果如表4所示。

表4 残差序列的LM检验结果F-statistic 0.941808 Probability 0.410504Obs*R-squared 2.105119 Probability 0.349043注：本表是由Eviews5.0对滞后两阶的LM检验生成的自相关检验结果也佐证了残差项不存在单整现象的结论。