浅析江苏省经济发展与能源消耗内在关联
最后更新时间：2024-03-25
作者：用户投稿
本站原创
点赞:16793
浏览:71913
本站原创
点赞:16793
浏览:71913
论文导读：
【摘要】 社会经济发展过程中能源扮演着极其重要的角色，起到推动作用的同时也会产生致命的负面影响，如何利用好能源已经成为国家或地区社会发展过程中亟需解决的关键理由。本文通过构建协整性与格兰杰因果关系检验模型来对江苏省经济发展与能源消耗的时间序列进行定量分析，发现两者之间存在着长期的协整性，并且存在着单向的从经济发展到能源消耗的因果关系。
【关键词】 经济发展 能源消耗 协整 格兰杰因果关系
一、引言
实践证明，人类的发展史便是一部能源利用的演变史。拥有了能源，人们的生产生活便有了保障，社会经济才有了发展的动力。然而，能源的使用其实是一把“双刃剑”，在形成推动作用的同时，又因自身供给短缺以及产生的环境理由而给人们生产生活、社会经济发展带来了巨大的负面影响。由此，如何合理利用能源已成为国家或地区社会经济可持续发展过程中亟待解决的理由。正处于社会经济发展快速期的江苏省，工业化、城镇化水平不断提高，对于能源的需求旺盛，一味地从国外省外购买能源不能从根本上解决江苏经济发展与能源消耗间的矛盾。1969年，美国经济学家Granger提出的因果关系分析策略，成为了研究国家或地区经济增长和能源消耗两者之间关系的重要研究策略。Kraft J和Kraft A（1978）利用此种策略对美国1947—1974年间能源消耗总量与GNP数据进行分析，第一次发现了两者之间存在着显著的从GNP到能源消耗总量的单向因果关系。此后，各国学者陆续应用格兰杰因果关系分析法对经济数据进行定量研究，如Yu和Choi（1985）发现了韩国存在着从GDP到能源消费的单向因果关系。同时，也有学者开始利用格兰杰因果关系分析与其他计量模型进行结合，以期获得更为具体深入的结果，Asafu-Adjaye（2000）基于协整性检验和误差修正模型，研究发现了印度和印度尼西亚两国存在从能源消费到GDP的单向因果关系，以及菲律宾和泰国两国存在能源消费和GDP之间的双向因果关系。国内学者林伯强（2003）采用生产函数、协整分析与误差修正模型对我国电力消费与经济增长相关数据进行研究，发现两者之间存在着长期均衡关系以及从电力消费到GDP的单向因果关系。基于此，本文借助协整性检验、格兰杰因果关系分析策略构建一套衡量经济发展与能源消耗指标间内在关联的模型，以进行更为细化的定量研究，为区域节能降耗工作提供些许参考。
具体操作是建立某一时间序列X的回归方程：
△xt=？茁xt-1+■？姿j△xt-j+？着t （1）
ADF单位根检验法的关键是对方程（1）中的系数β进行检验。当β=0时，说明该时间序列X包含单位根，是不稳定的；当β显著小于0时，说明该时间序列X拒绝了存在单位根的可能，是稳定的。假如某一时间序列本身的水平序列ADF检验是非平稳的，而其n阶差分序列检验出来是平稳的，那么此n阶差分序列可称为n阶单整序列，记作I（n）。在确定两时间序列是同阶单整的基础上便可进行协整性检验。此处，以经济增长量（GDP）代表经济发展程度，以能源消费量（EC）代表能源消耗程度，采用E-G两步法对GDP与EC的时间序列进行协整性检验。
第一步，建立GDP与EC的回归方程。同时，为了消除变量存在异方差，各变量均取对数：
lnEt=？琢+？茁lnt+？着t（2）
其中，Gt表示第t年国民（地区）生产总值GDP，为解释变量；Et表示第t年国家（地区）能源消费总量EC，为被解释变量；？着为随机扰动项。采用普通最小二乘法（ordinary least square，OLS）估算方程（2），得：
ln■t=？琢+？茁ln■t+■t （3）
第二步，通过对回归残差■t序列的平稳性进行检验来判定lnEt和lnGt的协整关系。如果■t的序列具有平稳性，那么lnEt和lnGt之间存在协整关系。
格兰杰因果关系检验可以在确定协整关系的基础上对序列内在联系进行更进一步的剖析。基本思路：先对时间序列的平稳性进行检验，在具有平稳性的基础上进行分析，如果包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰理由。建立回归方程：
lnEt=■？琢ilnGt-i+■？茁jlnEt-j+？着1t （4）
lnGt=■？琢ilnGt-i+■？茁jlnEt-j+？着2t （5）
假设1：随机扰动项？着1t、？着2t互不相关；
假设2：方程（4）中当前lnG与lnG自身以及lnE的过去值有关，即原假设为？琢1=？琢2=……=？琢m=0；
假设3：方程（5）中当前lnE与lnE自身以及lnG的过去值有关，即原假设为？茁1=？茁2=……=？茁n=0。
那么，检验结果存在四种可能情况（见表1）。
【摘要】 社会经济发展过程中能源扮演着极其重要的角色，起到推动作用的同时也会产生致命的负面影响，如何利用好能源已经成为国家或地区社会发展过程中亟需解决的关键理由。本文通过构建协整性与格兰杰因果关系检验模型来对江苏省经济发展与能源消耗的时间序列进行定量分析，发现两者之间存在着长期的协整性，并且存在着单向的从经济发展到能源消耗的因果关系。
【关键词】 经济发展 能源消耗 协整 格兰杰因果关系
一、引言
实践证明，人类的发展史便是一部能源利用的演变史。拥有了能源，人们的生产生活便有了保障，社会经济才有了发展的动力。然而，能源的使用其实是一把“双刃剑”，在形成推动作用的同时，又因自身供给短缺以及产生的环境理由而给人们生产生活、社会经济发展带来了巨大的负面影响。由此，如何合理利用能源已成为国家或地区社会经济可持续发展过程中亟待解决的理由。正处于社会经济发展快速期的江苏省，工业化、城镇化水平不断提高，对于能源的需求旺盛，一味地从国外省外购买能源不能从根本上解决江苏经济发展与能源消耗间的矛盾。1969年，美国经济学家Granger提出的因果关系分析策略，成为了研究国家或地区经济增长和能源消耗两者之间关系的重要研究策略。Kraft J和Kraft A（1978）利用此种策略对美国1947—1974年间能源消耗总量与GNP数据进行分析，第一次发现了两者之间存在着显著的从GNP到能源消耗总量的单向因果关系。此后，各国学者陆续应用格兰杰因果关系分析法对经济数据进行定量研究，如Yu和Choi（1985）发现了韩国存在着从GDP到能源消费的单向因果关系。同时，也有学者开始利用格兰杰因果关系分析与其他计量模型进行结合，以期获得更为具体深入的结果，Asafu-Adjaye（2000）基于协整性检验和误差修正模型，研究发现了印度和印度尼西亚两国存在从能源消费到GDP的单向因果关系，以及菲律宾和泰国两国存在能源消费和GDP之间的双向因果关系。国内学者林伯强（2003）采用生产函数、协整分析与误差修正模型对我国电力消费与经济增长相关数据进行研究，发现两者之间存在着长期均衡关系以及从电力消费到GDP的单向因果关系。基于此，本文借助协整性检验、格兰杰因果关系分析策略构建一套衡量经济发展与能源消耗指标间内在关联的模型，以进行更为细化的定量研究，为区域节能降耗工作提供些许参考。
二、模型构建
协整指的是对于两个都是随机游走的变量序列，如果这两个序列的某个线性组合是稳定的，则称这两个序列为协整的。进行协整检验的前提是同阶单整，需对各变量的时间序列平稳性进行检验。序列的平稳性是指一个序列的均值、方差以及自协方差是否稳定，如果一个时间序列具有稳定的均值、方差和自协方差，则这个序列就是稳定的，否则就是非稳定。通常情况下，时间序列都是非稳定的，需要采用ADF单位根检验分别对时间序列的水平序列、一阶差分序列以及二阶差分序列进行检验，以判断这些序列是否具有稳定性。具体操作是建立某一时间序列X的回归方程：
△xt=？茁xt-1+■？姿j△xt-j+？着t （1）
ADF单位根检验法的关键是对方程（1）中的系数β进行检验。当β=0时，说明该时间序列X包含单位根，是不稳定的；当β显著小于0时，说明该时间序列X拒绝了存在单位根的可能，是稳定的。假如某一时间序列本身的水平序列ADF检验是非平稳的，而其n阶差分序列检验出来是平稳的，那么此n阶差分序列可称为n阶单整序列，记作I（n）。在确定两时间序列是同阶单整的基础上便可进行协整性检验。此处，以经济增长量（GDP）代表经济发展程度，以能源消费量（EC）代表能源消耗程度，采用E-G两步法对GDP与EC的时间序列进行协整性检验。
第一步，建立GDP与EC的回归方程。同时，为了消除变量存在异方差，各变量均取对数：
lnEt=？琢+？茁lnt+？着t（2）
其中，Gt表示第t年国民（地区）生产总值GDP，为解释变量；Et表示第t年国家（地区）能源消费总量EC，为被解释变量；？着为随机扰动项。采用普通最小二乘法（ordinary least square，OLS）估算方程（2），得：
ln■t=？琢+？茁ln■t+■t （3）
第二步，通过对回归残差■t序列的平稳性进行检验来判定lnEt和lnGt的协整关系。如果■t的序列具有平稳性，那么lnEt和lnGt之间存在协整关系。
格兰杰因果关系检验可以在确定协整关系的基础上对序列内在联系进行更进一步的剖析。基本思路：先对时间序列的平稳性进行检验，在具有平稳性的基础上进行分析，如果包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰理由。建立回归方程：
lnEt=■？琢ilnGt-i+■？茁jlnEt-j+？着1t （4）
lnGt=■？琢ilnGt-i+■？茁jlnEt-j+？着2t （5）
假设1：随机扰动项？着1t、？着2t互不相关；
假设2：方程（4）中当前lnG与lnG自身以及lnE的过去值有关，即原假设为？琢1=？琢2=……=？琢m=0；
假设3：方程（5）中当前lnE与lnE自身以及lnG的过去值有关，即原假设为？茁1=？茁2=……=？茁n=0。
那么，检验结果存在四种可能情况（见表1）。