中国能源需求影响因素实证分析

中国能源需求影响因素实证分析 中国能源需求影响因素实证分析本文针对近年来愈演愈烈的能源问题，引入1978年到2002年统计数据，建立能源需求模型，运用计量经济学的方法，对影响中国能源需求的各种因素进行实证分析，以加深对能源问题的认识，进而从我国的实际情况出发，分析其产生的内在原因,为我国的能源安全提出一些可行性建议。希望能够对我国能源的可持续发展出一份薄力。需要指出的是，我们在模型分析中发现西方经济学中关于“需求曲线向下倾斜”的结论不适合我国的能源需求分析。能源需求能源问题可持续发展一、问题的提出及经济理论阐述去年以来，我国先后有22个省份拉闸限电，西南地区、东南沿海及其他地区成品油告急，用电高峰时电煤频频告急。由于我国一些地区先后出现“电荒”“油荒”“煤荒”，能源一下子成为热点问题受到人们的普遍关注。告别短缺经济已多年，能源紧张到底是为什么？去年，我国人均GDP超过了1000美元，在一些城市包括北京、上海、广东、深圳、宁波、南京，人均GDP已经超过了2000美元甚至3000美元。按照经济发展规律，人均GDP超过了1000美元以后，经济、社会将随之发生许多变化：比如开始进入工业化中期即重化工业阶段，机械、汽车、钢铁等重化行业快速发展。比如城乡二元经济结构将逐步改变，使城市化水平不断提高、农村人口大量向城市转移。比如随着收入增加，居民消费升级到新的结构，住房、家电和轿车成为消费热点。而在新一轮全球产业布局中，我国正成为一个规模庞大的世界加工制造基地。所有这些，都将增强我国经济社会发展对能源增长的预期，使能源消费继续保持强劲增长：因为重工业单位增加值的能耗明显高于轻工业，重化工业的发展，会使能源消耗大幅增加；城镇人口的增加，意味着能源消耗水平的提高，因为城镇人口年均消耗能源是农村的3.5倍；住房、家电和轿车等消费增加会使人均能源消耗增长；世界加工制造业向我国转移中，也转来了一些高耗能制造业。能源是支持经济增长的重要物质基础和生产要素。能源经济学认为，能源消费量越大，产品产量越多，社会产量越多，社会也越富足，人们才能享有更多的物质文明和精神文明。能源消费量的不断增长，是现代化建设的重要条件。因此，一个国家的能源消费水平是衡量其现代化水平的重要标志。能源短缺，供求关系严重失调，就会突出地影响经济发展和人民生活水平的提高。所以，保持能源的稳定供应，不断提高能源消费水平，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而能源供给一般在较短的时间内难以有很大改变，因为能源尤其像石油，煤炭等具有不可再生性，很大程度上是由该国的资源禀赋决定的。而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。所以，我们主要从此处着手对影响中国能源需求的各种因素进行研究。根据西方经济学消费需求理论，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期因数据难找。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。另外，资本的价格也对需求有一定影响。资本价格提高对能源需求量的影响来自两个方面：一是资本价格提高，企业将使用相对便宜的机器设备替代劳动力，更多的机器设备必然增加能源需求，这种效应通常称为替代效应；二是资本价格提高，企业生产成本增加，将导致产品价格提高，产品需求量减少，企业对所有生产要素需求均下降，这种效应通常称为规模效应。替代效应与规模效应同时发生，但作用方向相反。资本价格提高对能源需求的影响是两种效应综合作用的结果，如果替代效应大于规模效应，则资本价格提高，能源需求增加；如果替代效应大于规模效应，则资本价格降低，能源需求减少。由于目前没有比较科学合理的资本价格数据，只能放弃对资本价格的估计。故这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。二、数据选取及模型设定1.能源需求总量，在模型中用y表示，是指一次性能源消费总量,由煤炭,石油,天然气和水电4项组成(单位：万t标准煤)。2能源需求的影响因素：（1）能源价格，用能源产品出厂价格指数来衡量，在模型中用x1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。、为了使价格具有可比性,具体如下1978年煤炭、石油、电力行业出厂价格指数为100,其他年份以1978年为准进行换算得到各年能源行业出厂价格指数；根据各年煤炭、石油、电力在总能源中所占比重确定权数。（具体数具参见原始数据一）（2）剔除物价的工业总产值（亿元），在模型中用x2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数（假定基期=1978）。（3）剔除物价的城镇居民家庭人均可支配收入（元），用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。（4）科学研究与综合技术服务业人员数（万人），用x4表示，直接由各年度统计年鉴查得。关于科技进步的衡量因素没有一个定论，也没有相关理论支撑，所以我们只能凭借经验与数据收集的便利，决定以科学研究与综合技术服务业人员数来替代科技因素。（5）能源生产总量（万吨标准煤），用X5表示，直接由各年度统计年鉴查得。能源供给总量其实应包括国内能源生产总量与进口量，但因为进口能源量存在统计口径等各方面原因，资料难以收集，实际来看，国内能源生产总量占能源供给的绝大部分，故在此我们选取国内能源生产总量代表能源供给量。（6）其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的经济结构政策、消费者偏好等。表1、原始数据一年份能源消费总量(万吨煤)电力工业产品出厂价格指数石油工业产品出厂价格指数煤炭工业出厂价格指数水电比重原油(含天然气)比重原煤比重1978571441001001003.1103.170.3197958588101.7100.6113.43.3116.770.219806027598.4102.1106.43.8110.269.4198159447101.699.3102.64.2106.870.219826206798.9100.5101.94.5106.471.3198366040105.6106.3101.54.8106.371.6198470904102.1112102.64.5107.172.4198576682103.4107.2117.64.3121.972.8198680850102.4104.696.84.3101.172.4198786632103.1104102.84.4107.272.6198892997101.7106.8110.64.5115.173.1*96934105.9108.4112.24.6116.874.1199098703107.4107.1106.24.811174.21991103783116.9118.8113.14.7117.874.11992109170108.8115.3116.14.8120.974.31993115993135.9171.3139.75.3145741994122737139.5148.7122.25.9128.174.61995131176109.5121.2111.36.2117.575.31996138948113.1104.6113.75.8119.575.21997137798114107.41086.5114.574.11998132214105.59396.67.1103.771.91999130119100.9109.694.87.6102.468.32000130297102.4144.398.18.2106.366.62001134914102.399.1106.58.7115.268.62002148000100.895.2111.68.9120.570.7表2 原始数据二年份工业总产值（亿元）工业总产值价格指数城镇居民家庭人均可支配收入 （元）指数 (1978=100)科学研究与综合技术服务业人员数（万人）能源生产总量（万吨标准煤）19784237113.5343.4100926277019794681.3108.8387112.71006456219805154.26109.3477.61271056373519815399.78104.3491.9127.61116322719825811.22107.8526.6133.91186677819836460.44111.2564140.61217127019847617.3116.3651.2158.11257785519859716.47121.4739.1160.413185546198611194.26111.7899.6182.513788124198713812.99117.71002.2186.914291266198818224120.81181.4182.514495801*22017.06108.51375.7182.8147101639199023924.36107.81510.2198.1152103922199126625114.81700.6212.4156104844199234599124.72026.6232.9159107256199348402127.32577.4255.1166111059199470176124.23496.2276.8174118729199591894120.34283290.3178129034199699595116.64838.9301.61761326161997113733113.15160.3311.91791324101998119048110.85425.1329.91681242501999126110111.65854360.6165109126200085674116.96280383.7164109000200195449114.66859.6416.31541209002002110776118.27703472.1151139000表3 计算、调整后的最终数据年份能源消费总量(万吨煤)能源产品出厂价格指数剔除物价的工业总产值（亿元）科学研究与综合技术服务业人员数（万人）能源生产总量（万吨标准煤）19785714410042379262770197958588109.62194302.66510064562198060275104.94364334.28310563735198159447101.71324353.54211163227198262067101.42624346.25511866778198366040102.82964345.15412171270198470904104.74894405.18812577855198576682114.60784628.6381318554619868085098.85824774.04913788124198786632103.08925004.98514291266198892997109.34835466.27914495801*96934111.10086086.641147101639199098703106.44666135.3581521039221991103783114.4875947.6771561048441992109170115.58246198.0461591072561993115993146.03986811.241661110591994122737128.38827951.1491741187291995131176113.01998654.9151781290341996138948111.93628044.7891761326161997137798108.27368122.711179132410199813221496.47597673.559168124250199913011998.83047283.8341651091262000130297110.0954232.9691641090002001134914104.45484115.1231541209002002148000107.29324040.542151139000以上数据来自：各年度中国统计年鉴中国统计出版社中华人民共和国国家统计局网中国工业经济统计年鉴回归模型设立如下：Yt =0+1 X1t +2 X2t +3 X2t +4X4t+5X5t+ UtYt -能源需求总量(万吨煤)X1t -能源产品出厂价格指数（加权计算煤炭、石油、电力工业出厂价格指数）X2t -剔除物价的工业总产值（亿元）X3t -剔除物价的城镇居民家庭人均可支配收入 （元）X4t -科学研究与综合技术服务业人员数（万人）X5t -能源生产总量（万吨标准煤）Ut-随机扰动项1、2、3、4、5-待估参数t=1978-2002三、模型检验假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数，利用计量经济计算机软件Eviews计算可得如下结果：表4Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 12:48Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-9312.5035126.452-1.8165590.0851X1102.283652.304831.9555290.0654X2-1.8407870.497535-3.6998150.0015X327.045732.21348312.218630.0000X4181.106560.696162.9838220.0076X50.5801780.0664378.7327720.0000R-squared0.995733Mean dependent var100096.5Adjusted R-squared0.994610S.D. dependent var30643.48S.E. of regression2249.721Akaike info criterion18.48056Sum squared resid96163651Schwarz criterion18.77309Log likelihood-225.0070F-statistic886.7535Durbin-Watson stat1.617818Prob(F-statistic)0.000000回归方程为：Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5（5126.452）（52.30483）（0.497535） （2.213483）（60.69616） （0.066437）t=（-1.816559） （1.955529）（-3.699815） （12.21863）（2.983822）（8.732772）R2=0.995733F=886.7535（一）经济意义检验由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。（二）统计推断检验从估计的结果可以看出，可决系数R2=0.995733, F=886.7535，表明模型在整体上拟合地比较理想。系数显著性检验：给定=0.05，X2、X3、X4、X5的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显著性影响；仅有X1的t的P值大于给定的显著性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显著。（三）计量经济学检验1、多重共线性检验由表4可看出,模型整体上线性回归拟合较好，R2与F值较显著，而解释变量X1的t检验不显著,并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。表5X1X2X3X4X5X110.3483000993650.1291940938320.3871687106350.299079945437X20.34830009936510.5777601386670.7824266615490.667649490603X30.1291940938320.57776013866710.8345606228060.907149867083X40.3871687106350.7824266615490.83456062280610.926739884058X50.2990799454370.6676494906030.9071498670830.9267398840581用逐步回归法修正模型的多重共线。运用ols方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量y对能源生产总量x5的线性关系强,拟合程度好。表6Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 12:54Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-21020.325617.857-3.7416970.0011X51.2235410.05515622.183080.0000R-squared0.955348Mean dependent var100096.5Adjusted R-squared0.953406S.D. dependent var30643.48S.E. of regression6614.583Akaike info criterion20.50856Sum squared resid1.01E+09Schwarz criterion20.60607Log likelihood-254.3570F-statistic492.0891Durbin-Watson stat0.582287Prob(F-statistic)0.000000由表6得：Y = -21020.32092 + 1.223540945*X5（5617.857）（0.055156）t=（-3.741697）（22.18308）R2=0.955348F=492.0891逐步回归。将其余解释变量逐一代入上式，得如下几个模型（结果表如下）Y = 5426.633658 + 25.97702896*X3 + 0.7131621687*X5（3802.412）（2.759851）（0.059774）t=（1.427156）（9.412475）（11.93105）R2=0.991118F=1227.394Y = -4090.451555 + 118.3029597*X1 + 27.83244134*X3 + 0.6617330059*X5（6222.872）（63.07878）（2.795248）（0.062913）t=（-0.657325）（1.875479）（9.957057）（10.51830）R2=0.992392F=913.0676x4对y的影响并不显著，故将x4删去，得如下模型：Y = -4928.878753 + 141.8898316*X1 -1.005090487*X2+27.74415632*X3+0.702538287*X5（5801.230）（59.75834）（0.485715）（2.599838）（0.061740）t=（-0.849626）（2.374394）（-2.069299）（10.67150）（11.37891）R2=0.993734F=792.8957Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 12:58Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C5426.6343802.4121.4271560.1676X325.977032.7598519.4124750.0000X50.7131620.05977411.931050.0000R-squared0.991118Mean dependent var100096.5Adjusted R-squared0.990310S.D. dependent var30643.48S.E. of regression3016.472Akaike info criterion18.97373Sum squared resid2.00E+08Schwarz criterion19.12000Log likelihood-234.1716F-statistic1227.394Durbin-Watson stat0.978110Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 13:07Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-4090.4526222.872-0.6573250.5181X1118.303063.078781.8754790.0747X327.832442.7952489.9570570.0000X50.6617330.06291310.518300.0000R-squared0.992392Mean dependent var100096.5Adjusted R-squared0.991305S.D. dependent var30643.48S.E. of regression2857.414Akaike info criterion18.89887Sum squared resid1.71E+08Schwarz criterion19.09389Log likelihood-232.2359F-statistic913.0676Durbin-Watson stat0.929339Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 13:11Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-4928.8795801.230-0.8496260.4056X1141.889859.758342.3743940.0277X2-1.0050900.485715-2.0692990.0517X327.744162.59983810.671500.0000X50.7025380.06174011.378910.0000R-squared0.993734Mean dependent var100096.5Adjusted R-squared0.992480S.D. dependent var30643.48S.E. of regression2657.300Akaike info criterion18.78487Sum squared resid1.41E+08Schwarz criterion19.02864Log likelihood-229.8108F-statistic792.8957Durbin-Watson stat1.244654Prob(F-statistic)0.0000002异方差检验:（采用ARCH检验）图示法ARCH Test:F-statistic0.135388Probability0.937641Obs*R-squared0.485467Probability0.922072Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/29/04Time: 13:34Sample(adjusted): 1981 2002Included observations: 22 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.C7197913.3420227.2.1045130.0496RESID2(-1)-0.0739020.233413-0.3166150.7552RESID2(-2)0.0019850.2352130.0084390.9934RESID2(-3)-0.1264110.233872-0.5405140.5955R-squared0.022067Mean dependent var5999470.Adjusted R-squared-0.140922S.D. dependent var9793751.S.E. of regression10461093Akaike info criterion35.32719Sum squared resid1.97E+15Schwarz criterion35.52556Log likelihood-384.5991F-statistic0.135388Durbin-Watson stat1.999805Prob(F-statistic)0.937641由上表，Obs*R-squared=0.48546720.05（3）=7.81473，所以接受H0，表明模型中随机扰动项不存在异方差。3自相关检验由上表可得DW=1.244654，给定显著性水平=0.05，n=25, k=4时，查Durbin-Waston表得下限临界值dL=1.038，上限临界值du=1.767,可见DW统计量 DW=1.244654C-O 迭代法Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 13:59Sample(adjusted): 1979 2002Included observations: 24 after adjusting endpointsConvergence not achieved after 100 iterationsVariableCoefficientStd. Errort-StatisticProb.C1364329.408579200.0333920.9737X178.2839444.952641.7414760.0987X20.3354690.7816260.4291940.6729X312.988257.8496511.6546280.1153X50.4585060.0751896.0980340.0000AR(1)0.9987980.04232123.600500.0000R-squared0.996011Mean dependent var101886.2Adjusted R-squared0.994903S.D. dependent var29938.17S.E. of regression2137.291Akaike info criterion18.38478Sum squared resid82224222Schwarz criterion18.67930Log likelihood-214.6174F-statistic898.9703Durbin-Watson stat2.180051Prob(F-statistic)0.000000Inverted AR Roots1.00取对数Dependent Variable: LYMethod: Least SquaresDate: 12/29/04Time: 14:02Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C2.0199920.4838044.1752230.0005LX10.0880830.0603311.4599840.1598LX2-0.0496670.024853-1.9984770.0594LX30.2622480.02391710.965030.0000LX50.6723940.05899911.396630.0000R-squared0.995731Mean dependent var11.46505Adjusted R-squared0.994877S.D. dependent var0.325795S.E. of regression0.023318Akaike info criterion-4.502306Sum squared resid0.010875Schwarz criterion-4.258531Log likelihood61.27883F-statistic1166.247Durbin-Watson stat1.247301Prob(F-statistic)0.000000在取对数基础上迭代Dependent Variable: LYMethod: Least SquaresDate: 12/29/04Time: 14:03Sample(adjusted): 1979 2002Included observations: 24 after adjusting endpointsConvergence achieved after 28 iterationsVariableCoefficientStd. Errort-StatisticProb.C3.3224750.9286633.5776990.0022LX10.0713370.0696251.0245890.3191LX2-0.0310270.034262-0.9055980.3771LX30.2966020.0391397.5781180.0000LX50.5323020.0861926.1757600.0000AR(1)0.6381050.2370612.6917390.0149R-squared0.996341Mean dependent var11.48637Adjusted R-squared0.995325S.D. dependent var0.314480S.E. of regression0.021503Akaike info criterion-4.628946Sum squared resid0.008323Schwarz criterion-4.334432Log likelihood61.54735F-statistic980.3042Durbin-Watson stat1.802317Prob(F-statistic)0.000000Inverted AR Roots.64在广义差分基础上迭代Dependent Variable: DYMethod: Least SquaresDate: 12/29/04Time: 14:05Sample(adjusted): 1980 2002Included observations: 23 after adjusting endpointsConvergence not achieved after 100 iterationsVariableCoefficientStd. Errort-StatisticProb.C3724.2506188.3670.6018150.5552DX1108.188675.526611.4324570.1701DX2-0.5557620.661063-0.8407110.4122DX330.527554.0256057.5833450.0000DX50.5844310.0869716.7198110.0000AR(1)0.2708340.3110010.8708460.3960R-squared0.986704Mean dependent var66046.26Adjusted R-squared0.982794S.D. dependent var18366.90S.E. of regression2409.239Akaike info criterion18.63147Sum squared resid98675375Schwarz criterion18.92768Log likelihood-208.2619F-statistic252.3199Durbin-Watson stat1.877865Prob(F-statistic)0.000000Inverted AR Roots.27考虑剔除，系数符号与经济意义相悖的变量X2，在取对数基础上迭代Dependent Variable: LYMethod: Least SquaresDate: 12/29/04Time: 14:14Sample(adjusted): 1979 2002Included observations: 24 after adjusting endpointsConvergence achieved after 21 iterationsVariableCoefficientStd. Errort-StatisticProb.C5.8042721.2863604.5121670.0002LX10.0733370.0461031.5907290.1282LX30.1427000.0626702.2770210.0345LX50.4326890.0743035.8233310.0000AR(1)0.9737820.03248029.980960.0000R-squared0.997038Mean dependent var11.48637Adjusted R-squared0.996414S.D. dependent var0.314480S.E. of regression0.018832Akaike info criterion-4.923516Sum squared resid0.006738Schwarz criterion-4.678088Log likelihood64.08219F-statistic1598.801Durbin-Watson stat2.032109Prob(F-statistic)0.000000Inverted AR Roots.97考虑剔除，系数符号与经济意义相悖的变量X2，直接用迭代法Dependent Variable: YMethod: Least SquaresDate: 12/29/04Time: 14:15Sample(adjusted): 1979 2002Included observations: 24 after adjusting endpointsConvergence not achieved after 100 iterationsVariableCoefficientStd. Errort-StatisticProb.C994201.2223518520.0444800.9650X174.8207643.231921.7306830.0997X314.397416.7120142.1450210.0451X50.4653520.0722576.4402730.0000AR(1)0.9984300.03846625.956140.0000R-squared0.995959Mean dependent var101886.2Adjusted R-squared0.995108S.D. dependent var29938.17S.E. of regression2093.894Akaike info criterion18.31449Sum squared resid83303461Schwarz criterion18.55992Log likelihood-214.7739F-statistic1170.713Durbin-Watson stat2.200889Prob(F-statistic)0.000000Inverted AR Roots1.00综合以上分析，我们得出最终模型如下：Y = 994201.2023 + 74.82076324*X1 + 14.39740948*X3 + 0.4653517734*X5（22351852）（43.23192）（6.712014）（0.072257）t=（0.044480）（1.730683）（2.145021）（6.440273）R2=0.995959F=1170.713四、模型结果分析从模型可以看出：1、R2很大，F值也很显著，说明模型在整体上拟合的较好。能源需求仅与能源产品出厂价格指数、城镇居民家庭人均可支配收入、能源生产总量有明显的相关关系。能源产品的出厂价格指数对能源需求的影响最大。当价格指数每降低1个单位时,能源需求总量将降低74.82076324个单位。2但是X1不符合经济意义的检验。因为从经济意义上讲，能源出厂价格指数越高，能源的需求量越小，X1的系数应为负值。即使考虑能源在现实生活中的状况，也应该是需求弹性较小。可以看出,我国能能源需求曲线是向上倾斜的。这明显与传统经济学“向下倾斜的需求曲线”理论相违背。原因可能是：93年以前我国对能源价格实行管制，长期使市场信号失灵。国际市场能源价格一般由能源期货交易价格决定，而我国没有成体系的能源期货交易市场，买卖价格由海外价格控制，往往我国大量购买能源时，国际投机家伺机哄抬价格，谋取利益。此外，根据凯恩斯的心理预期理论，当能源价格上升时，为了规避风险，往往不会减少甚至会增加购买。3模型表明：从模型还可以看出，能源的生产总量对能源需求的影响相对较小。五、政策建议中国已经确定了本世纪头二十年的奋斗目标，力争在2020年基本实现工业化，人均GDP达到3000美元以上，进入中等发达国家的行列。但中国的矿产资源人均占有量低于世界的平均水平，中国尽管矿产资源总量比较丰富，但是石油探明储量只有世界的8，人均占有量仅为世界平均水平的8，铝只有平均水平的10，铜为26，铁是45。中国的石油和铁矿现在对外依存度都已经超过三分之一。为此，中国实现工业化必须走一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化道路。应该对未来能源消费产品结构变化、耗能产业调整对能源工业的影响足够重视。建国以来的大部分时间是能源供不应求，能源政策主要以如何刺激供给为主，但是从1992年以后能源需求开始发生变化，成为影响能源工业发展的主要因素。可以预见随着原油产品不断开放、电力工业改革步伐加快，能源价格作为一种信号，对能源产品的配置作用将会越来越重要，我国能源消费产品结构、耗能工业必然发生重大变化，从而对能源工业的发展带来重大影响。目前能源工业依然实行调整供给为主的政策，正在实行的西电东送工程、西气东输工程成功与否，将受到能源市场需求变化的强烈影响。充分发挥市场机制的作用，促进我国能源消费向高效、清洁方向发展。今后政府可以通过采用征收各种税收的方式，调整人们对不同能源的使用量和能源使用总量，达到减少污染、提高能源使用效率等目的。改变过去以行业来分工业区的特点，考虑循环经济，物流相互利用，零排放的生产方式。启动节约资源、降低消耗活动，推动循环经济发展。同时加强地区间的合作，实现资源互补。要建立节能基金，加大资金扶持力度，开展各种节能示范项目，扶持和鼓励企业提高能源利用效率，使节能产业成为我国的经济增长点。.转变经济增长方式；增加高耗能产品的进口、杜绝高耗能产品的一般商业性出口；减缓经济发展对能源的依赖程度。在今天世界经济发展一体化的进程中，我国进一步的经济发展不应以生产能力的继续扩张为目标，应进一步转变经济增长的模式，逐步调整第一、二、三产业的结构，特别是传统工业的发展应依靠信息、电子技术的发展逐步提高其产品的附加值，此外，应该充分利用世界各种资源，积极地参与世界经济发展的资源配置和分工，逐步减缓经济发展对能源的依赖程度。鉴于我国是一个发展中的人口大国，从长远来看各种资源和物质的需求不可能完全依赖自身来解决，特别是像钢铁、化肥等高耗能产品不可能完全立足于自身资源条件来解决，应逐步提高进口的比例，而像水泥以及其他一些消耗高耗能原材料的机电产品的出口应该适当控制规模，特别是像水泥这种能源消耗高、污染重附加价值低的产品应杜绝一般的商业出口。今后我国可以进一步增加高耗能产品的进口数量，这样不仅可以减少依靠自己生产所产生的环境污染排放，而且可以间接的作为能源进口多样化的一种选择，从而保证能源供应的安全。六、存在的问题由于我们忽略了对影响模型的资本价格因素的考虑，使模型设定不是很完善。这也可能是模型产生自相关的一个重要原因。对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限，无法对模型做进一步协整。对于可能出现的伪回归，我们也无法确定。在考虑能源需求的影响因素时，我们引入了工业总产值。按照经济学的一般观点，工业总产值与能源需求存在较强的正相关关系。但是在具体回归时发现变量前的系数是负值，与经济意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在后面的尝试当中发现，剔除工业总产值的影响比保留时的拟合效果更好，所以我们不得不考虑将其剔除。众所周知，我国在1993年之前对能源价格实行较大范围管制，1993年之后能源价格由市场供给决定。我们本想以1993年为界分两阶段进行分析，但由于样本数量的有限不得不放弃。两阶段的数据糅合在一起得出的模型可能不能很好的解释现实。在最初考虑时，我们打算引入国家在能源方面科技经费的支出来作为一个影响因素，因为科技的发展进步可能导致能源需求的相对减少。但由于无法找到专门用于能源科技支出的数据，所以我们考虑用科学研究与综合技术服务业人员数来代替，事实上，这个代替不是很合理的。七 参考书目计量经济学庞皓主编2001年版西南财经大学出版社能源经济徐寿波著1994年版人民出版社能源经济学华泽澎主编1991年版石油大学出版社发展经济学黄卫平 彭刚主编2003年版四川人民出版社