北京市能源消费与气象因子的协整与因果关系分析

On the Cointegration and Causality between Meteorological Factors and Energy Consumption of Beijing CityZaiwu Gong, Yue Zhao, Xinming Ge, Caiqin Chen, Minlan ShaoCollege of Economics & Management, Nanjing University of Information Science & Technology, Nanjing 210044, China北京市能源消费与气象因子的协整与因果关系 分析巩在武，赵玥，葛昕明，陈彩芹，邵敏兰南京信息工程大学，经济管理学院，南京 210044，中国 摘要 Abstract The paper analyzes the relationship between 本文研究了北京市气象因子与能源消费之间的关联关 系。

以 1980~2010 年北京市能源消费和主要气象因子 （平均气温、降水量、日照时数和平均气压等）作为 研究指标， 采用计量经济学方法， 分别检验 1980~2010 年北京市能源消费与经济增长、气象要素的协整关系 与 Granger 因果关系。

研究表明，1980~2010 年能源消 费与经济增长之间不存在协整关系，而北京市主要气 象因子与能源消费之间存在协整关系；在接近 10%的 置信水平下，平均气温是能源消费的格兰杰成因。

特 别地，北京市日照时数与能源消费的关系最为密切。

最后，本文提出视气象因子为一段长期的影响因素， 纳入北京市节能减排政策中加以考虑的建议。

关键词：能源消费；气象因子；协整检验；Granger 因 果关系检验meteorological factors and energy consumption of Beijing City. The sample spans the period 1980-2010, including energy consumption factor and meteorological factors (average temperature, precipitation, sunshine duration and average atmospheric pressure etc.). In the period of 1980-2010, we utilize Econometric methods to test the cointegration and Granger causality among economic growth, meteorological factors and energy consumption of Beijing city. Finally, there is non-cointegration running from energy consumption to economic growth, but both energy consumption and meteorological factor are cointegrate. Moreover, at the 10% confidence level approaching, average temperature is the Granger causation of energy consumption factor. Specially, we detects that the Beijing sunshine duration and energy consumption have a substantial connection. In the conclusion, considering the lower energy consumption policy, we regard Beijing meteorological as a long-term effect factor. Keywords: energy consumption; meteorological factor; cointegration test; granger causality test1. 引言 近年来，众多国内外学者认为气候变化与能源消费之 间存在着重要的关联关系，人类活动导致能源的过度 消耗，是引起气候变化的重要影响因素之一。

然而， 越来越多的事实及研究表明，气候变化也是引起能源 消费波动的重要因素，短期气象要素与能源消费的关 联关系将为政府制定节能降耗政策提供合理的科学依据。

20世纪70年代以来，国外学者通过对现实生产、 生活中的能源消费及经济活动相关数据，运用计量经 济学的方法，实证研究了能源消费与经济增长之间关 系[1,2]。

Kraft J和Kraft A[1]在研究中，开拓性地发现 了美国能源消费与经济增长之间的相关关系，并采用 1947～1974年美国的能源消费和经济增长数据进行因 果分析；Yu和Choi[2]证实了美国、英国和波兰的能源 消费与经济增长之间存在相互促进的因果关系。

而后， 国外一些学者研究得出，能源消费与经济增长存在着 一种长期均衡关系[3,4]。

Stern[3]表示，不仅能源消费 能够促进经济的增长，而且资本、劳动投入与能源消 费之间也存在协整关系；Soytas和Sari[4]分析出，在工 业化发达国家中，能源消费对促进经济增长具有显著 的影响。

随着世界各国对气候问题的关注，越来越多 的国内学者开始逐渐注重“经济—能源—环境”问题 的研究[5,6,7,8]。

例如，袁顺全，千怀遂[5]运用统计分 析的方法，探讨了气候耗能量与气候因子之间的关系 及其变化。

郑艳，潘家华，吴向阳[6]进行了影响北京 城市增温的主要社会经济因子的分析，选取1951～ 2003 年 的 社 会 经 济 因 子 与 气 候 因 子 数 据 ， 采 用 Engle-Granger两步法进行协整分析，证实了城市增温 对能源消费的显著性影响，特别地发现，年平均气温 是能源消费总量的格兰杰成因。

张海东，孙照渤，郑 艳[7]应用Granger因果关系检验方法，分析了温度变化 对于南京用电量和电力负荷的关系，以及通过气温与 电力负荷的敏感性分析，揭示了气温变化对社会经济 和能源需求的季节性影响。

牛强，李玲，林峰等[8]针 对我国各省能源消费与其省会城市年平均温度的相关 性做出研究。

研究表明,能源消费量和平均温度呈现较 强相关性，并且这种相关性的强弱受样本各省能源消 费量的影响。

日常生活经验表明，能源消费与气候变化是息息 相关的，而具体将两者进行实证分析，需要用气象要 素研究能源消费量的变化趋势，即研究能源消费与气 象要素之间的关联性。

目前，国内外学者对于这方面 的相关研究较少。

由于协整关系及Granger因果关系检 验在验证时间序列之间的线性组合及因果关系方面有 很多优势，也被相当多的国内外学者推崇，本文试图 利用协整检验及Granger因果关系检验来计量这种关联 性。

本文的主要研究内容包括：对北京市能源经济与 气象因子序列进行平稳性检验，并将通过平稳性检验 的北京市能源经济与气象因子序列进行协整和Granger因果检验。

最后，本文将从气象因子角度，提出北京 市节能减排政策建议。

2. 协整性与因果关系的检验方法 2.1. 时间序列的平稳性检验 在判断时间序列之间是否存在协整或因果关系之前， 应当首先进行各个序列的平稳性检验。

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 是平稳的, 否则就是非平稳的。

美国学者 Nelson 与 Plosser[9]指出,多数的时间序 列都是不平稳的,而 Stock 与 Watson 的研究明确了协整 关系和因果性检验对序列平稳性的要求[10]。

因此，利 用 ADF 检验方法[11,12]（Augmented Dickey-Fuller） 对序列进行单位根检验来判断其平稳性。

即根据 t 统 计值判断，如果在序列无差分情况下的 t 统计值小于 临界值，则该时间序列无单位根，因此是稳定的 I（0） 序列；如果一个非平稳序列经过一次差分后成为平稳 序列，则称为一阶单整序列，记为 I(1)过程。

类似地, 如果其经过 d 次差分后成为平稳序列,则称为 d 阶单 整序列,记为 I(d)过程。

特别强调一点，这一过程的意 义在于通过差分的方法来消除非平稳序列中的单位 根，从而得到平稳序列，而后就可以应用有关平稳时 间序列的方法来进行相应的研究了。

2.2. 时间序列的协整性分析 根据Engle和Granger在1978年提出的协整理论[13],对 于两个都是随机游走的变量序列而言,如果这两个序列 的某个线性组合是平稳的,则称为协整关系。

需要注意 的是，两个序列具有协整关系的必要条件是它们之间 要具有相同的单整阶数。

更近一步来说， 如果两个d 阶 序列是协整的，那么它们之间存在着一个长期稳定的 比例关系。

如果已经判断两个序列 xt 和yt 是非平稳的,但其(1)都是d 阶单整序列, 则可以利用对OLS回归方程：xt = α +β y t +ε t如果 xt 和其中，检验残差 ε t 的平稳性来判断 xt 和 yt 的协整性。

yt 不是协整的,则它们的任意一个线性组合 yt都是非平稳的,因此， 残差 ε t 也必然是非平稳的。

但是， 如果残差 ε t 的检验结果是平稳的,则可以认为 xt 和 之间存在协整关系。

2.3. 时间序列的格兰杰因果性检验 1969年Granger提出了使用因果关系检验方法来判断时 间序列的因果性，称为Granger因果性检验方法。

总体 思路如下：设{ xt }与{ yt }为两个随机的时间序列，先 估计Y的当前值被其自身解释的程度，然后引入序列X 的滞后期，并验证此时是否可以提高Y的被解释程度。

如果可以，则称{ xt }是{和最高气温距平计算亦然。

年均气温距平绝对值用公 式表示为：Δti = ti − tEVIEWS 6.0完成的。

3.2. 北京市能源经济图例分析(4)本文涉及的回归与检验过程是借助计量经济软件yt }的格兰杰成因（Granger图1描述了北京市1980年至2010年以来， 能源消费率与 GDP增长率的变化趋势。

总体来说，北京市能源消费 率与GDP增长率变动趋势基本相同，百分比的数值大 体落在同一区域中。

其中，1985年到1994年北京市能 源消费率与GDP增长率的变动相似度最高，数值几乎Cause） ，表示为X→Y，反之亦然。