我国经济增长对能源消耗的依赖

我国经济增长对能源消耗的依赖

一．问题提出

2004年我国经济保持了较快的增长速度，但是背后存在的问题也不容忽视。我国能源紧张的局面已连续两年发生，今后经济的发展是否会受能源因素的制约，这不禁为人们所关注。

值此岁末之际，回望2004年的经济运行，如果要评选本年度的十大经济新闻不难发现能源问题是国际国内共同关注的热门话题。国际市场上的原油价格一路飚升，一度达到每桶50美圆的历史最高价，有分析人士讲中国对石油的巨大需求，是导致国际原油价格上涨的重要原因之一。中国国内继2003年之后，再度经历能源危机，煤．电．油全线告紧，全国各地都出现拉闸限电的情况。

面对这种情况，有专家学者指出，中国经济二十年来一直走的是一条粗放型发展道路，靠的是资源的大量投入来拉动经济的增长。那么事实究竟是否如此呢，我们打算建立一个简单的计量经济模型来验证这个说法。

二．数据收集

首先我们收集到了1978年到1996年的GDP数据和能源消费量数据：

obs X Y

1978 57144 3605.6

1979 58588 4074

1980 60275 4551.3

1981 59447 4901.4

1982 62067 5489.2

1983 66040 6076.3

1984 70904 7164.4

1985 76682 8792.1

1986 80850 10132.8

1987 86632 11784.7

1988 92997 14704

1989 96934 16466

1990 98703 18319.5

1991 103783 21280.4

1992 109170 25863.7

1993 115993 34500.7

1994 122737 46690.7

1995 131176 58510.5

1996 138948 68330.4

其中，Ｘ为每年的能源消费总量（单位为万吨标准煤），Ｙ为支出法计算的每年GDP总量（单位为亿元人民币）。

三．模型建立和检验

开始先对二者做滞后二期Granger因果关系检验：

Pairwise Granger Causality Tests

Date: 12/25/04 Time: 23:08

Sample: 1978 1996

Null Hypothesis: Obs F-Statistic Probability Y does not Granger Cause X 17 0.15900 0.85477

从结果看我们可以认为X是引起Y变化的Granger原因，即能源消费量的增长是引起GDP增长的原因。

接下来我们建立一个二者间的简单线性回归方程：

Y t＝c＋βX t＋u t

Y t为应变量GDP，X t为自变量能源消费量，c为常数项，β为待估计参数，u t为随即扰动项。用OLS法对方程进行估计：Dependent Variable: Y

Method: Least Squares

Date: 12/25/04 Time: 23:25

Sample: 1978 1996

Included observations: 19

Variable Coefficient Std. Error t-Statistic Prob.

C -41338.27 5911.476 -6.992884 0.0000

X 0.684794 0.063914 10.71426 0.0000 R-squared 0.871012 Mean dependent var 19538.83 Adjusted R-squared 0.863425 S.D. dependent var 19243.46 S.E. of regression 7111.630 Akaike info criterion 20.67615 Sum squared resid 8.60E+08 Schwarz criterion 20.77557 Log likelihood -194.4234 F-statistic 114.7954 Durbin-Watson stat 0.185913 Prob(F-statistic) 0.000000

由结果看到模型的拟合优度较好，可决系数R=0.871012，同时回归参数b^的t检验也能通过，表明能源消耗量对ＧＤＰ有显著影响。

我们初步可以得到一个简单线性回归方程Y^t=-41338.27+0.684794X t，回归系数表示能源消耗量每增加一个单位，ＧＤＰ便同向增加０.６８５个单位，基本上符合经济意义。

然后用ＡＲＣＨ检验法检验模型的异方差性，得到如下结果：F-statistic 16.56360 Probability 0.000891 Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/25/04 Time: 23:54

Sample(adjusted): 1979 1996

C 571819.5 14014401 0.040802 0.9680 R-squared 0.508654 Mean dependent var 45888911 Adjusted R-squared 0.477945 S.D. dependent var 49969220 S.E. of regression 36104455 Akaike info criterion 37.74617 Sum squared resid 2.09E+16 Schwarz criterion 37.84510 Log likelihood -337.7155 F-statistic 16.56360