能源价格上涨对中国第三产业能源效率的冲击_基于VAR模型的实证分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

张宗益
呙小明


(重庆大学经济与工商管理学院,重庆400044)
摘要:
本文在一国经济子部门非均质化的假定下,利用中国1980-2007年的时间序列数据,采用VAR 模型和基于该模型的误差修正,格兰杰因果检验,脉冲响应函数以及方差分解的实证方法,得出结论表明:就直接冲击而言,能源价格上涨短期内并不能提高第三产业的能源效率,但长期内对提高第三产业的能源效率有积极作用;就间接冲击而言,能源价格上涨有助于降低交通行业在第三产业中占比,优化产业内的行业结构;有助于降低煤炭比例,优化能源消耗结构,从而提高能源效率;也可通过技术进步作用于能源效率。

关键词:
第三产业;能源效率;能源价格;行业结构;能源结构;技术进步能源价格上涨对中国第三产业能源效率的冲击
———基于VAR模型的实证分析
收稿日期:2010-03
基金项目:
国家专项基金项目/科学部主任基金资助(70941029)。

作者简介:
张宗益,重庆大学经济与工商管理学院教授,博士生导师,博士;呙小明,重庆大学经济与工商管理学院博士研究生;汪锋,重庆大学经济与工商管理学院讲师,博士。

引言
我国新一轮能源价格上涨的大幕已经拉开,2009年,由于电力供应紧张,天然气供应短缺,终端销售电价
已经被迫上调,天然气价格涨幅平均已超过两成,而且涨势目前仍在持续,而成品油价已经创出历史新高。

究其原因,一是因为我国能源消费需求在持续快速增加,2009年BP 世界能源统计显示,中国是世界上仅次于美国的世界第二大能源消费国,也是今后若干年内能源需求增长速度最快的国家,而我国国内能源探明量不足,能源对外依存度不断增加,政府“人为压低价格”的能源政策终究难以持久;二是近年国际市场能源交易价格大幅上扬,国际市场上最主要的能源交易品种石油价格已经连续第7年增长,达到扣除通胀因素后的历史新高。

价格是市场经济中最有效的调节手段之一。

这一轮能源价格的上涨,对于中国能源消费需求,尤其是影响能源消费需求的能源效率指标究竟有何影响?在多大程度上能够有助于或者有害于我国能源效率的提高呢?面对中国能源消费需求的迅速增加,要实现经济稳定持续增长,必须节能降耗,除了大力发展新能源和清洁能源,唯一的出路就是提高传统能源使用效率。

但是我国的三次产业经济结构特点迥异,三次产业的能源消耗特征更不尽相同,此番能源价格的上涨对于各个产业的能源效率变动必将具有不同的影响,一刀切的政策可能对于提高整体能源效率有负面的影响。

我国的第三产业为经济增长做出了巨大的贡献,不仅第三产业的增加值对GDP 增长的贡献率在年年攀升,大有超过其他产业的趋势,并且它所吸纳的大量劳动力对于继续提升我国的现代化和城市化水平也是至关重要的。

与之形成鲜明对比的是,第三产业的能源消耗的增长速度远低于其产业增加值增长速度,而第二产业仍然没有摆脱高能耗的增长方式,其能源消耗量占比高于其产值占GDP 的比重。

我国经济现阶段这种重点
依赖第二产业高增长高能耗的模式不可持续,必须要用适当的宏观调控政策来引导其改变这种粗放型的增长方式;已经完成工业化的发达国家,其总能源消耗增长速度远低于中国,最主要的一个原因就是其第三产业比重很高,譬如美国高达70%。

因此,本文研究第三产业的能耗现状,探索影响第三产业能源效率的各种因素尤其是价格因素,对于纠正第二产业高能耗的发展模式,加大第三产业的比重,提高第三产业的能源消耗效率,走一条可持续发展的经济道路具有积极的意义。

文献综述
衡量能源效率的一个量化指标是能源强度,即能源强度(EI)=能源消费量/国内生产总值。

根据中国统计局历年统计数据,中国的能源效率在逐年提高,即,能源强度在下降。

然而,能源效率是一个相对笼统的概念,在实际经济生活中,各个产业的能源消耗及其效率的变动都有不同的特征。

当前的大多数相关研究主要停留在整个国家层面,得出的结论以及政策建议也是针对整个国家而言的,特别是对于价格这一敏感因素的讨论。

各种结论表明,除了能源价格,技术因素、结构变化是非常重要的一国能源效率的影响因素(Garbaccio等,1999;韩智勇等,2004;王群伟等,2008;王玉潜,2003)。

就价格这一敏感因素而言,Birol(2000)利用经济学的相关理论分析认为,通过经济手段提高能源价格能够改善能源效率;Cornillie(2004)对中东欧和前苏联一些转型经济国家的比较研究得到了相同的结论。

胡宗义等(2008)的研究表明,在“十一五”期间提高能源价格在短期和长期均能显著降低中国的能源强度,其原因是能源价格提高优化了中国经济的产业结构,第二产业尤其是重工业在GDP中所占比重下降,减少了总体的能源消费。

Hang(2007)分析了中国在1985-2004年之间对能源价格撤销管制引起的能源价格变化对总能源效率和煤、石油、电力这三类能源利用效率的影响,发现各类能源的高价格都会导致能源利用效率的提高。

以上研究视角隐含了子部门均质化的假定,即这些研究将整个经济体的子部门(行业和区域)视为具有相同结构和特征的个体,忽略了子部门之间的异质性。

实际上,不同的行业以及不同的地区都具有不同的能源消耗特点,相同的政策调整会对不同的行业不同的地区产生截然不同的效果,因此本文认为有必要从具体行业的层面进行研究,以获取更深入的了解。

近几年有部分研究开始关注工业行业或者制造业的能源强度,探讨各种影响第二产业能源强度的因素。

如Fisher-Vanden(2004)对中国2500多家能源密集型大中型工业企业大量的数据研究表明,上调能源价格、加大研发投入和变动企业所有制结构是导致中国工业能源强度下降的主要原因,其中,能源相对价格的上升是中国能源强度下降的主要动力,这一贡献的比例达54.4%;杭雷鸣等(2006)运用1985-2003年的时间序列数据,对我国制造业能源价格、FDI、所有制改革、一次能源结构变化、中国三大产业结构和能源强度之间的关系作了实证研究,计量检验的结果表明,能源价格的相对上升对于降低能源强度具有积极的作用,这一结论也支持了Birol(2000)的理论观点。

然而,迄今还没有人研究过中国第三产业能源效率变化的影响因素,尤其是能源价格对其的作用,本研究试图填补这一空白。

同时,从以上文献可以了解,要研究能源价格对于能源强度的冲击影响,无论是全国的还是各个行业的,都应不局限于仅仅研究能源价格这一个变量,实际上,影响能源强度的各种因素是相互关联、相互影响的。

能源价格不仅对能源强度产生直接的影响,也会通过能源消费结构、企业技术创新等要素的渠道间接的作用于能源强度,孔婷等(2008)即是借鉴调节效应模型,引入价格作为调节变量,研究其对于技术进步和能源消费结构对制造业行业能源强度影响的调节效应。

然而,这种单纯采用层级回归的方法存在技术问题,没有考虑时间序列数据的平稳性问题。

模型方法与数据
Fisher-Vanden(2004)在Cobb-Douglas成本函数的基础上研究微观层面能源效率影响因素。

本文将在此基础上建立计量模型:
C(P K,P L,P E,P M,Q)=A-1P坠K K P坠L L P坠E E P坠M M Q(1)其中,P表示价格;K,L,E,M分别表示资本、劳动、能源和原材料四种投入要素;αi表示要素i的弹性;Q 表示产出;A表示全要素生产率。

得:
E=坠E A-1P坠K K P坠L L P坠E E P坠M M Q
E
(2)假设
P Q=P坠K K P坠L L P坠E E P坠M M(3)其中Σαi=1,再将(3)式代入(2)式可得:
E=坠E A-1P Q Q
E 或者E=坠E A-1P Q
E
(4)
取对数可得:
ln(E
Q )=α+ηln A+βln(P E
P Q
)+ε(5)
其中E
Q
为能源强度(EI=Energy Intensity),可以用来衡量一国或各产业的衡量能源效率,就具体行业而言,即是单位行业增加值的能源消耗量。

能源消耗强度越小,则能源效率(1/EI)越高,反之亦然。

实际上,能源价格作为一种影响能源强度的有效手段往往不是单独起作用的(Hang,2007),价格可以通过作用于别的因素来调节能源强度的水平,这些别的因素便可以用(5)式中的A来集中体现,根据前人研究成果和理论经验,以及数据的可得性,本文认为技术进步因素和结构调整因素是比较重要的影响因素,其中结构因素可分为产业结构和能源结构(杭雷鸣等,2006;史丹,2002;孙海,2009),那么A可以表示为:
A=exp(θln(TECH)+δCOAL+λTRAN)(6)其中TECH是技术进步的变量,COAL是能源结构变量,TRAN是产业结构变量。

技术水平是能源强度的一个重要影响因素,新技术的应用能够在提高生产率的同时降低能耗,技术进步是促进中国能源效率提高和工业部门能源强度下降最重要的原因(Garbaccio,1999;吴巧生,2006a;吴巧生,2006b)。

技术进步对降低能源强度有积极的影响,但是这种影响受能源价格高低制约,如果能源价格高于行业实现技术进步的成本或能源消耗从低效向高效提升的成本,该行业必然会大力促进术进步,以加大高效率能源消耗,降低能源强度,从而降低其生产营运成本,但如果能源价格比较低,还不足以对行业推进技术进步或能源消费结构优化所需要的成本造成威胁,该行业就会继续维持其高能耗水平,而不采取任何改进措施。

所以,技术进步这个因素对能源强度的影响程度受能源价格变动的影响。

能源价格越高,推进技术进步对降低能源强度的影响越显著。

本文的技术进步(TECH)用第三产业劳动生产率(第三产业增加值/第三产业全部从业人员平均人数)来表示,现有很多文献讨论技术进步指标时,采用的是R&D研发经费投入数据指标(冯泰文等,2008;刘畅等,2008;龙如银等,2009;滕玉华,2009),本文认为,研发投入反映的技术进步只是一种狭义的技术进步,广义的技术进步应该也包括管理创新、制度创新以及员工素质提高等“软”的技术进步,这些不能仅仅靠R&D研发经费投入来反映,因此,本文采用劳动生产率指标反映技术进步(孔婷等,2008),第三产业偏重于提供服务,其技术设备投入以及技能知识的培训都是为了最终劳动生产率的提高。

此外,能源消费结构调整也是能源消费的重要影响因素(梁巧梅等,2004)。

中国能源消费结构的主要问题是煤炭所占比例过大(陈准,2000),不仅能源效率不高,并且污染严重。

Fisher-Vanden(2004)认为,由于高效能源对低效能源的替代,20世纪90年代以来中国的能源强度有了明显的下降。

本文的第三产业能源消耗结构(COAL)则用第三产业消耗煤炭实物量(折算成标煤,系数为0.71)占第三产业总消耗能源的比重表示,因为煤炭在今后的几十年内还将继续作为我们主要的能源品种而存在。

关于产业结构对于能源强度的影响在众多文献里均被提及(韩智勇等,2004;史丹,2007),近年来,第二产业及工业对经济增长贡献率呈现平滑下降的趋势,贡献率保持在50%以下,同一时期,第三产业对经济增长的贡献率持续稳定上升,由不到30%上升到40%以上。

但工业依然是中国最主要的能源消耗部门,工业中高能耗行业的单位工业增加值的能源消耗是其他工业部门的5倍。

因此,工业及工业中高耗能行业在国民经济
中比重的变动对能源消耗有着重要影响。

本文深入研究我国三大产业里的第三产业,所以研究内部行业结构(TRAN ),用交通运输行业产值占第三产业总产值比重表示,因为该行业属于第三产业内能源消费比例最高的一个行业,类似于第二产业里的工业。

中国将其第三产业具体划分为14个产业,但在各年统计年鉴中,为了统计产值方便将第三产业划分为6个大的类别:交通运输、
仓储和邮政业;批发和零售业;住宿和餐饮业;金融业;房地产业;其他。

而在能源统计年鉴中,则分为3大类:交通运输、仓储及邮电通讯业;批发和零售贸易业、餐饮业;
其他。

本文按照这3大类的分法来进行研究。

综上得出本文的计量实证模型:
ln(E Q )=坠+θ′ln TECH +δ′COAL +λ′TRAN +βln(P E P Q
)+εi (7)其中实际能源价格(P =P E P Q
)用燃料、动力价格购进指数代
替,所有检验结果均使用Eviews6.0计量经济分析软件进行分析。

本文选取数据的期间是1980-2007年,数据来源于各期《中国统计年鉴》,《中国能源统计年鉴》,《中国能源五十年》,和《中国第三产业统计资料汇编》。

为了消除物价因素的影响,以1978年作为基期对现价数据进行平减。

关于能源价格对于各个经济因素尤其是能源效率的影响,由于使用的数据不同,方法不同,尚无定论(Fisher-Vanden ,2004;冯泰文等,2008;刘畅等,2008;吴巧生等,2005;杨洋等,2008)。

基于前人的研究视角,本文认为,要充分分析价格这一因素的影响,向量自回归VAR 模型以及基于该模型的脉冲响应函数具有非常大的优势。

普通的简单线性回归和协整关系分析虽然能够较好地揭示几种因素之间的的相互影响关系,但都只是从静态或比较静态角度进行分析的,并且必须先验的假设一个外生变量。

而VAR 模型是基于系统中每一个内生变量作为系统中所有内生变量滞后值函数构造的非结构化多方程模型,用于预测相关时间序列系统及分析随机扰动对变量系统的动态冲击。

VAR 方法不需要关于变量间相互关系的先验理论假设。

Hamilton (1983)运用VAR 的方法检验了经济衰退和名义石油价格变化之间关系稳定性问题,Burbidge (1984)也使用VAR 方法研究石油价格对几个宏观经济变量的影响。

其后VAR 方法成为研究能源价格对经济影响最广泛的方法之一。

因此,本文采用VAR 方法建模,并运用基于VAR 模型的格兰杰因果检验分析能源价格和能源结构,行业结构以及技术进步的因果关系,然后采用脉冲响应函数和方差分解来动态分析这些关系的发生轨迹,比较能源价格通过这些渠道来冲击能源效率的程度强弱。

能源价格对能源效率的直接冲击
常用的单位根检验方法有ADF 检验、PP 检验和KPSS 检验,表1给出了检验结果。

检验结果证明5个时间序列都是一阶单整的。

见表1。

协整关系描述的是两个或多个非平稳时间序列的均衡关系。

虽然两个或多个变量的时间序列是非平稳的,但是它们的某种线性组合却是平稳的,那么这种线性关系就体现了变量之间的长期均衡关系。

短期内,随机冲击将使系统偏离均衡关系;但长期内,系统中经济变量的共同变化将使系统恢复这种稳定关系。

在无约束VAR 模型条件下,可依据LR ,AIC ,SC 等多种检验准则,通过测试不同VAR (P )模型对应的值,得出VAR (P

图12007年中国第三产业各部门的能源消耗比例表1单位根检验
序列水平统计量
一阶差分统计量
KPSS ADF
PP
KPSS ADF PP L EI 0.167903(不平稳)-1.394619(不平稳)-1.481185(不平稳)0.046456(平稳)
-4.713932(平稳)-4.729186(平稳)Tran 0.071152(平稳)-2.619668(不平稳)-2.667068(不平稳)0.070442(平稳)-4.753656(平稳)-4.756042(平稳)L Tech 0.126509(平稳)-0.758680(不平稳)-0.758680(不平稳)0.122039(平稳)-4.137710(平稳)-4.112928(平稳)Coal 0.098207(不平稳)-0.962499(不平稳)-1.770369(不平稳)0.155022(平稳)-4.164540(平稳)-4.261904(平稳)L P
0.154954
(不平稳)-1.364262(不平稳)-1.299701
(不平稳)
0.112368(平稳)
-4.872204(平稳)
-5.265775
(平稳)
注:
趋势假设:检验方程包含趋势项和截距项。

阶。

本文采用JJ 方法估计协整向量。

Monte Carlo 模拟方法发现Johansen 方法既有最小的均方差,并且它们所代表的有限样本性质也与渐近结果一致。

Johansen 协整关系的检验统计量主要有迹(Trace )统计量和最大特征根(Max-Eigen )统计量。

根据表3的协整检验结果,基于Trace 统计量和Max-Eigen 统计量判断,拟检验的5个变量在5%显著水平上可以有2个协整关系。

既然所分析的5个变量具有协整关系,根
据Eviews 6软件可以得出协整方程(括号中是标准差的值):
LEI=-0.808757LP+0.812186LTECH+9.064027TRAN+0.696492COAL (8)
(0.06482)(0.08724)(0.52119)(0.13799)
这是一个长期均衡方程,各系数反映了各因素与第三产业能源强度的长期关系,回归系数都比较显著。

其中,价格对第三产业能源强度的弹性为-0.8,表明长期来看,价格的提高能够有助于能源强度的下降,即能源使用效率的提高;而煤炭占能源比重和交通行业产值占第三产业比重都对于能源效率具有反向的影响力,即煤炭占比提高1%,能源强度上升0.7%,交通行业占比提高1%,能源强度上升9%,这些符号都与预期的一致,长期意义上来说,降低煤炭在能源消耗结构中的比例,以及逐步减少第三产业中交通运输行业的比值,加大其它行业如商贸服务业、金融业等的发展,可以比较大幅度的提高能源效率。

但是劳动生产率每提高1%,能源强度却上升0.8%,即劳动生产率的提高对于能源效率并没有正面的影响,这和大多数研究者的结论不大一致。

可能的原因是本文关注的仅仅是第三产业,而大多数已有的研究是针对全国的或者是第二产业的技术进步。

我国第三产业在国民经济中的占有比例在不断增大,而其中餐饮、酒店、交通运输、商业等传统第三产业占据大部分比例。

第三产业增加值在不断迅速增加,但其方式是粗放型的增加,即缺乏高科技研发,大多是简单的人力投入,人员的素质相对比较低,大多为吸收农村临时工作人员或者城市下岗人员,节约能源的观念也比较淡薄,因此人均产出的增加,带来的是人均能耗的更大的增加。

从这个意义上说,劳动生产率的提高,长期来看仅仅是粗放的提高产出,却不能提高能源效率。

接下来对VAR 模型差分处理并化简得出VCEM 模型。

在VECM 中,长期调节和短期调节的过程均被考虑进去,因而它提供了揭示长期关系和短期调节的途径。

根据Eviews 得出的误差修正模型见表4。

Lag
Log L LR FPE AIC SC HQ 0153.1739NA 4.89e-12-11.85391-11.61014-11.786301304.7197230.3496* 2.06e-16-21.97758-20.51493*-21.571902324.654222.32665 4.06e-16-21.57234-18.89081-20.828603
371.840333.97396 1.63e-16*
-23.34722*
-19.44682
-22.26542*
表3Johansen 协整检验
协整向量个数原假设Trace 统计量5%临界值Prob.**Max-Eigen 统计量5%临界值Prob.**没有**130.576569.818890.000071.7654333.876870.0000最多1个*58.8111147.856130.003430.6189427.584340.0197最多2个28.1921729.797070.075717.1987021.131620.1628最多3个10.9934715.494710.211910.9644514.264600.1560最多4个
0.029014
3.841466
0.8647
0.029014
3.841466
0.8647
注:趋势假设:时间序列数据存在线性确定性趋势,CE 有截距项和趋势;滞后
间隔:1到2。

误差修正:D(LNEI)D(LNP)D(COAL)D(LNTECH)D(TRAN)CointEq1-0.2303160.1161260.012172-0.3529100.067940[-1.26441][0.30145][0.31853][-2.88448][1.75056]D(LNEI(-1))0.176579-0.206283-0.000932-0.2295880.117853[0.54348][-0.30021][-0.01367][-1.05204][1.70243]D(LNEI(-2))0.034807-0.3682030.102125-0.1401190.056320[0.11394][-0.56990][1.59348][-0.68285][0.86525]D(LNP(-1))0.193180-0.0471030.0113140.160128-0.052587[0.80658][-0.09299][0.22518][0.99540][-1.03051]D(LNP(-2))0.014490-0.3178560.0147200.0393590.014241[0.07313][-0.75857][0.35414][0.29575][0.33735]D(COAL(-1))-1.3498180.979080-0.039534-0.6052210.024315[-1.34322][0.46069][-0.18753][-0.89666][0.11356]D(COAL(-2))-0.3543590.6956290.387476-1.1621090.446932[-0.34187][0.31734][1.78193][-1.66921][2.02371]D(LNTECH(-1))
-0.579747
0.287008
0.199523
-0.145913
0.141188
表4VECM 模型
基于篇幅原因,本文略去向量表达式。

该向量误差修正模型显示,短期内我国第三产业的能源强度没有很大的波动,误差修正系数并不显著。

具体来说,内部行业结构和技术进步都是第三产业能源强度短期变动的重要影响因素。

价格对能源强度短期来看是正向关系,说明提高能源价格并不能立即提高第三产业能源效率;内部行业结构和能源消耗结构在长短期内都和能源强度是正向关系,说明短期内改善这两项因素会显著提高效率,并且也可以持续作用。

而技术进步在短期内依然对降低能源强度,提高能源效率贡献不大。

能源价格对能源效率的间接冲击
接下来,本文继续检验能源价格与能源消耗结构、行业结构和技术进步的关系,以得出价格对于能源强度的间接影响渠道。

表5列出了Granger 因果检验的结果。

从表中可以看出,能源价格(P )对行业结构(TRAN ),能源结构(COAL )和技术进步(TECH )都具有显著的单向因果关系,对于技术进步(TECH )则不够显著。

脉冲响应函数(IRF )用来衡量随机扰动项的一个标准差冲击对系统中各变量当前和未来取值的影响轨迹,它能够比较直观地刻画出变量之间的动态交互作用及效应。

根据表6可知本文的VAR 模型是稳定的,可以进行脉冲响应函数分析。

本文基于VAR 模型,采用广义脉冲响应函数,可以不必考虑变量的排序问题而考察行业结构,能源消耗结构,技术进步3个因素在能源价格变动冲击下的反应情况,以识别出能源价格的影响渠道。

结果如图2所示。

先给能源价格一个标准差的冲击,短期之内第三产业中的交通运输行业比重(TRAN )依然会上升,说明短期内能源价格并不会对高能耗的交通运输行业起到显著的纠正作用,不能达到快速优化产业结构的效果。

但是3期之后,反应开始逆转,甚至到第9期左右最低的负值,然后才开始收敛,说明中长期来看,能源价格的上涨会促使高能耗的交通运输行业缩减,第三产业中其他低能耗的行业比如金融,酒店餐饮等会因为其低能耗低成本的优势得以扩张,长期来看能够起到优化产业结构的作用。

在本期给能源价格一个标准差的冲击后,经过经济系统传递给能源消费结构(COAL ),能源消费结构在短期的2年之内会有一个正向的响应,但是从第3年开始便急速回落,一直为负向的效应,直到10期左右才逐渐收敛。

说明在极短期内能源价格的提高会使得煤炭在能源消费中的比例提高,传统能源结构因在极短期内
[-1.12351][0.26300][1.84313][-0.42099][1.28416]D(LNTECH(-2))-0.1141820.4914090.230670-0.4476360.035899[-0.24537][0.49934][2.36290][-1.43218][0.36207]D(TRAN(-1))-1.599058 1.0182470.286698-0.2673040.230905[-0.91439][0.27532][0.78148][-0.22757][0.61971]D(TRAN(-2))-0.950509 1.5298770.185907-1.032941-0.177281[-0.64829][0.49339][0.60441][-1.04889][-0.56749]C
-0.0328490.013201-0.0281000.0239360.003978[-0.78193]
[0.14858]
[-3.18842]
[0.84828]
[0.44442]
注:方括号内为t 统计量。

表5Granger 因果检验原假设:
F-值概率Result LNTECH 不是LNP 的Granger 原因0.117560.9486接受LNP 不是LNTECH 的Granger 原因 5.170480.0094拒绝TRAN 不是LNP 的Granger 原因0.333110.8015接受LNP 不是TRAN 的Granger 原因 2.239290.1186拒绝COAL 不是LNP 的Granger 原因0.221790.8800接受LNP 不是COAL 的Granger 原因
5.19690
0.0092
拒绝
表6VAR 模型稳定性检验Root
Modulus 0.950329-0.133389i 0.9596440.950329+0.133389i 0.9596440.948543
0.9485430.064966-0.736141i 0.7390020.064966+0.736141i 0.739002-0.530290
0.5302900.422821-0.207728i 0.4710930.422821+0.207728i 0.4710930.056717-0.286371i 0.2919340.056717+0.286371i
0.291934
No root lies outside the unit circle.
(续表4)
使提高能源价格也暂时不会改变这个局面,但是在中长期和长期,能源价格的提高将优化市场资源配置,逐步摆脱具有环境负影响且储量有限的一次能源依赖,消费市场将更加青睐清洁的可持续的能源如油气和核电水电,以及新能源如化石能源等。

价格反映资源稀缺性,继续能源价格改革,对于优化能源结构长期来看具有非常积极的作用。

观察第三产业的劳动生产率为指标的技术进步(TECH )对于能源价格冲击的响应轨迹。

给初期的能源价格一个标准差的冲击,第三产业的劳动生产率极短期内会有正向的反应,但是长期看来对于价格是负向冲击作用,即长期来看,能源价格提高直接和间接(通过技术进步的作用)的都可以降低能源强度。

与冲击响应分析相比,方差分解把握了变量间的影响关系大小,它提供了另一种描述系统动态的方法。

冲击响应分析追踪系统对一个变量冲击反应的运动轨迹,方差分解则将一个内生变量的均方误差分解成各变量结构冲击所做的贡献,考察各变量结构冲击对所分解的内生变量变动的影响大小,并且可以与冲击响应分析的结果进行对比验证。

表7反映了各因素变动对内部行业结构、能源消
耗结构和技术进步的贡献比重,可以看出,对于内部行业结构(COAL )和能源消耗结构(TRAN )而言,除了其自身的影响外,能源价格的冲击影响分别位居于第一位和第二位,并且作用逐年递增;能源价格对于技术进步(TECH )也有显著的影响,但呈递减的趋势。

这与前面的因果关系分析和脉冲响应函数基本一致,更加可以证明能源价格对于能源强度不仅仅有着直接的冲击,还有间接的冲击。

图2
能源价格的脉冲响应图
LNTECH 方差分解
期数S.E.LNEI LNP LNTECH TRAN COAL 10.0461210.000000 1.90567298.094330.0000000.00000020.0642450.26880712.3501080.03731 5.184211 2.15957830.0714290.27953024.4942263.563958.521444 3.14085340.0742010.42816825.0962158.5570810.86629 5.05225650.075502 1.21048623.6437555.0038413.24353 6.89839560.076541 1.53687723.7821650.2183315.978108.48453370.077658 1.58308824.6329145.6095718.323009.85142680.078854 1.65501924.6167242.3892320.0351311.3039190.080010 1.72933024.0471440.1618421.3064712.7552210
0.081171 1.69066623.5376738.3677622.3087414.09516TRAN 方差分解
期数S.E.
LNEI LNP LNTECH TRAN COAL 10.0884470.0000000.20034753.0718546.727800.00000020.100303 6.621100 6.83914841.0023844.849420.68795230.10450110.8837916.1059734.2312338.062870.71613140.10995410.7067016.4839734.6388237.246250.92427050.11619511.1470716.4853334.4143836.48905 1.46416760.12037811.1728116.3448634.1347936.50790 1.83964170.12353111.0559716.5731733.8580936.42812 2.0846488
0.126908
11.01875
16.51337
33.72995
36.37814
2.359791
表7方差分解。

相关文档
最新文档