一、研究的背景及意义（一）研究背景人类社会进入工业化时代以后，能源开始广泛而深刻的影响人们的生活和社会的发展。
长期以来，经济的增长同能源消费之间有着密切的关系。
如图1，为大家展现的是1985年到2009年能源消费情况与经济增长的关系，可以从线性图上大致可以看出，能源消费与经济增长的变化趋势大体相同，故他们的关系是相互促进，彼此制约的。
一方面，能源是经济增长的主要动力，对经济增长有拉动作用;另一方面，经济的增长又影响着能源的消费。
我国作为世界上一个重要的经济体，随着经济的发展，对能源的依赖性会越来越高，能源消费与经济发展之间的关系，已经影响到我国可持续发展战略的制定。
因而，能源消费与经济增长之间的关系便成为值得研究并引起高度重视的问题。
图1 中国能源与经济增长的关系（二）选题意义能源消耗增加时社会发展的客观必然，能源是生产的源动力，能源的消费也对我国经济的发展有很大的影响，但是依赖大量的能源使用的确会推动我们经济的快速增长，然而过渡地和不合理地能源消耗则会产生人类的生存的严重问题——环境问题。
根据相关统计，我国的GDP在2004年占世界经济总量的5%，但却是以12%以上的能源为代价的（国家统计局，2005）。
由于我国的能源结构以煤炭为主，因而这种低效率的能源给被消耗的中国环境保护带来了巨大的压力。
如我国在2005年时SO2排放量比2002年的美国高出1000万t，我国成了全球大气污染最为严重的国家之一。
（中国环境公报2006）能源的消耗在保障经济增长的同时不可避免的加剧了环境的压力，当人类遭受由环境恶化带给困难的时候，能源、经济发展与环境成了矛盾体，我们不得不面对如何应对能源的消耗与环境双赢的问题，并进一步解决如何高效的利用能源，达到低消耗、高生产、低环境损害目标的问题。
图2为我们展现的是中国近几年能源消费情况，可以看出随着时间的推移，科技的不断提高，生活水平的不断提高，我们的能源消费水平也出现逐年递增的趋势，可见能源节约型社会便成为了急需解决的重要课题。
图2 中国近几年的能源消费情况二、理论综述长期以来，由于新古典经济学家认为人力资本和自然资本之间存在着近乎完全的替代性，作为重要的生产要素和投入因子，能源一直没有能够纳入到经济理论和模型的相关研究体系中，这使导致长期以来对能源使用的超浪费。
直到上世纪7年代初，丹尼斯L多梅斯等人以整个世界为研究总体，通过研究世界人口工业发展、污染、粮食生产和资源消耗五种因素之间的变动和相互联系，建立了“世界末日模型”首次对能源问题进行了系统的研究，最终提出了“如果维持现有的人口增长率和资源消耗率速度不变，世界资源终将枯竭”的结论，这一发现引起了世界各国对能源的广泛关注，同时也提醒人们，能源的生产水平和消费水平是衡量一个国家经济发展状况和人民生活水平高低的重要标志。
至此，在有关能源与经济增长关系的研究也日益成为经济学界的热点问题。
三、实证(一)指标的选择根据影响中国能源的消费情况，选择国民总收入、GDP、工业消费情况、建筑业消费情况、交通运输邮电业的消费情况、人均生活的电力消费及能源的加工转换率作为解释变量。
令能源的消费作为被解释变量。
(二)数据的搜集与整理资料来源：中国统计年鉴2008.中国统计出版社(三)模型的估计与调整t t u X X X X X X X Y ++++++++=776655443322110ββββββββ （1） 其中t Y 为第t 年能源消费标准煤总量(Y/万吨)，1X 为国民总收入(亿元)，2X 为国内生产总值(亿元)，3X 为工业增加值(亿元)，4X 为建筑业增加值(亿元)，5X 为交通运输邮电业增加值(亿元)，6X 为人均生活电力消费(千瓦小时)，7X 为能源加工转换效率(%)Eviews 的最小二乘计算结果见表1。
表1 OLS 回归结果Dependent Variable: Y Method: Least SquaresDate: 10/15/11 Time: 10:20 Sample: 1987 2009C 20208.85 97746.77 0.206747 0.8390 X1 8.582599 2.611950 3.285897 0.0050 X2 -9.957914 3.039874 -3.275766 0.0051 X3 0.321563 0.192205 1.673022 0.1150 X4 17.55376 7.870167 2.230417 0.0414 X5 -0.014445 2.696334 -0.005357 0.9958 X6 883.0286 344.0619 2.566482 0.0215 R-squared0.989830 Mean dependent var 139364.6 Adjusted R-squared 0.985084 S.D. dependent var 51705.05 S.E. of regression 6314.833 Akaike info criterion 20.60740 Sum squared resid 5.98E+08 Schwarz criterion 21.00235 Log likelihood -228.9851 F-statistic208.5583 Durbin-Watson stat1.444326Prob(F-statistic)0.000000t t u X X X X X X X Y +++-++-+=76543210267.7250286.883014445.055376.17321563.0957914.9582599.885.20208t=(97746.77) (2.611950) (3.039874) (0.192205) (7.870167)(2.696334) (344.0619) (1425.036) 2R =0.989830 F=208.5583 n=32 dw=1.444326图3所示以上所有变量对能源的消费情况分析，可以看出工业对能源的消费较为显 著。
图3 各个变量对能源消费情况分析1.多重共线性检验与修正由此可见，该模型9898.02=R ，985.02=R 可决系数很高，F 检验值208.5583，明显显著。
但是当05.0=α时，131.2)8,23(),(05.02==t k n t α，不仅73X 、X 的系数t 检验不显著，而且52X 、X 系数的符号与预期相反，这表明可能存在严重的多重共线性。
(1)检验表2 相关系数矩阵变量X7 X6 X5 X4 X3 X2 X1 X7 1 0.7263423611420.716553352167 0.760813999952 0.719495371382 0.743553345292 0.74063462949 X6 0.726342361142 1 0.9865691717480.993566655449 0.956595167203 0.99724306114 0.996754188982 X5 0.716553352167 0.986569171748 1 0.9723441188490.928670735346 0.980803500934 0.979294400974 X4 0.760813999952 0.993566655449 0.972344118849 1 0.9648338935940.998018342762 0.997937973472 X3 0.719495371382 0.956595167203 0.928670735346 0.964833893594 1 0.9657684601910.966836760988 X2 0.743553345292 0.99724306114 0.980803500934 0.998018342762 0.965768460191 1 0.999924291613X10.740634629490.9967541889820.9792944009740.9979379734720.9668367609880.9999242916131由相关系数矩阵可以看出，各个解释变量相互之间的相关系数较高，证实存在多重共线性。
(2)修正采用逐步回归的方法，去检验和解决多重共线性问题。
分别作Y 对1X 、2X 、3X 、4X 、5X 、6X 、7X 的一元回归，结果如表3所示。
表3 一元回归估计结果 变量X1X2X3X4X5X6X7参数估计值80014.43 79622.59 86422.42 79675.88 82366.366947.7-1188647t 统计量 27.33100 25.97278 21.59309 27.53498 14.95245 17.10862 -4.2073792R 0.970900 0.968389 0.939293 0.971747 0.896881 0.959907 0.512906 2R0.969514 0.9668810.364020.970401 0.891970 0.9579980.489711其中，加入4X 的方程2R 最大，以4X 为基础，顺次加入其他变量逐步回归，结果如表4所示。
表4 加入新变量X4的回归结果X1 X2 X3 X4 X5 X6 X72RX1、X4 0.2895 (0.6719) 8.00616 (1.0317) 0.9696 X2、X4 0.046707 (0.104681) 12.37409 (1.54631) 0.9689 X3、X4 0.449289 (2.00361) 9.8297 (5.6213) 0.97412 X5、X415.951 (7.7338)-2.42015 (-1.3665)0.97158X6、X412.8797 (2.896) 17.1760 (0.0748) 0.96893 X7、X414.0287 (19.0122)-2167.31 (-1.4581)0.97191经比较，新加入X3的方程97412.02 R ，改进最大，而且各参数的t 检验显著，选择保留X3，再加入其他新变量逐步回归，结果如表5所示。
表5 加入新变量X4、X3的结果X1 X2 X3 X4 X5 X6 X72RX1、X3、X4 0.1071 0.4350 8.01380.9729变量变量变量 变量在X3、X4基础上加入X1、X2、X5、X6、X7后的方程2R 均有所改善，但各个参数的t 检验不显著，故均予以剔除。
故最后修正严重多重共线性影响后的结果为=t Y ˆt t X X 43829714.9449289.099.80667++ （2） t=（29.32470）（2.003611）（5.621314）97647.02=R 974117.02=R F=414.9858 DW=0.674393 括号中为t 统计量。