关于影响我国电力消费量因素的实证分析

关于影响我国电力消费量因素的实证分析

金融危机的影响逐渐消除，中国经济在危机之后迅速恢复，但是能源不足依然是制约发展的因素。当今世界，电力成为每个国家生存和发展的先决条件，就我国而官，缺电已经成为国民经济发展和提高人民生活水平的瓶颈。

由于国家规划和投资导向等问题，往往会造成估计错误或者供给不足等现象，严重影响了我国的工业生产，造成电力企业乃至这个那个社会的损失。同时，电力也是人们日常生活所必须的资源，电力供应不足，电价过高，将会提高人们的生活成本，给人们的生活带来困扰，影响社会主义和谐。因此，对影响电力消费的因素进行分析就成为必要，只有全面正确的对各种因素进行了解，才能对电力企业的发展体功提供正确的指导，保证国民经济的稳步发展，维持人民群众的正常生活秩序。

一、文献综述与评价

关于电力消费的研究除了计量分析外还有通径分析，从实证分析的结果看，影响电力消费的因素有不少，国内生产总值，电力价格指数，煤炭价格指数，装机容量，工业总产值等等。不同的方法不同的模型得出来的结论各有不同，各种模型有其优点但也有不能很好进行预测的时候。

本文的参考文献是在参照前人研究的基础上完成的。该文献所采用的变量拟合很好，分析也相当到位，实证条件也很充分，无论是对异方差还是多重共线的处理都值得学习，所以本文沿袭了该文献的变量选择与处理方法，但是在对自相关进行判断时，DW统计量的应用有严格的前提条件，在无法或者难以判断是否满足相应条件时，不建议使用此方法，所以本文在自相关问题上采用另外的方法进行检验。同时，样本容量太小，数据不够充分也是该文献的缺点之一。而且该文在如此少的数据条件下进行平稳性检验显然是没有意义的，在使用软件进行检验时理应会出现警告，但是作者似乎忽视掉了数据不足的情况来进行平稳性检验。依照实际经验，时间序列数据通常为不平稳，但是参考文献却得出所有变量皆平稳的结论，所以这个结果很值得怀疑。在经过研究思考后，本文决定重新建立模型对电力消费量进行拟合。

二、模型设定

经过观察研究，设

Y：电力消费总量，假定影响电力消费量的其他因素可以忽略，

i

真正的影响因素为：

X：GDP（亿元）

1

i

2

X：人口总量（万人）

i

3

X：工业总产值（亿元）

i

4

X：电力出厂价格指数（绝对值）。

i

建立回归模型如下：

Yi=i i i i i u X X X X +++++443322110βββββ

三、模型的估计

运用最小二乘法（OLS ）对模型进行回归分析，得到结果如下：

从上表可以看出，解释变量系数的t检验除x1与常数项外都不显著。若改变模型的设定形式，采用对数形式令：lny=log(y) 、lnx1=log(x1) 、lnx2=log(x2) 、lnx3=log(x3)、lnx4=log(x4)，然后进行回归，则结果如下：

显然，采用对数形式后模型的2R进一步提高,且除lnx2外所有解释变量t检验,模型效果非常好,所以修改模型为对数形式。

四、回归结果的检验

(一) 统计检验

1．从回归结果看，方程的样本可决系数2R和调整后的样本决可系数2R均

非常高,表明方程拟合情况非常好。

2．系数显著性检验：除lnx1外的其余解释变量t检验均通过(p值小于0.05)。由于lnx1没有通过t检验,我们初步判断模型存在多重共线性。

（二）计量经济学检验

1、多重共线性检验：

LNX1 LNX2 LNX3 LNX4

LNX1 1.000000 -0.104514 0.978306 0.939391

LNX2 -0.104514 1.000000 -0.125123 -0.076739

LNX3 0.978306 -0.125123 1.000000 0.854971

LNX4 0.939391 -0.076739 0.854971 1.000000

由相关系数矩阵可以看出，lnx1与lnx3、lnx4相互之间的相关系数很高，证实确实存在严重的多重共线性。

2．修正多重共线性：逐步回归法

首先对㏑X1回归，结果如下：

继续对lnx2进行回归，结果如下：

对lnx3进行回归，结果如下：

最后，对lnx4进行回归，结果如下：

从各个回归结果的2R可知，对lnx3的拟合是最好的，因此，将lnx3确定为第一个解释变量。

接着添加变量lnx1进行回归，结果如下：

此时，可决系数虽然增加，但是不明显，同时，lnx1的t检验并未通过，继续改变添加的变量为lnx2，回归结果如下：

同理，lnx2的加入作用也不好，继续改变添加变量为lnx4,则回归结果如下：

从结果可以看出，lnx4的加入使可决系数提高，但是该变量仍然未能通过了t检验，此时可以重新选择lnx1作为模型中的变量，然后添加lnx2进行回归，结果为：

显然，此时可决系数低于单独使用lnx3作为解释变量，继续改变解释变量组合，将lnx2替换成lnx4,回归结果为：

此时，R平方有所提高，且个变量均通过检验，故lnx4也可加入模型，接着继续添加变量lnx2进行回归，结果为：

可决系数的提高不明显，且该变量系数未能通过t检验，将lnx3替换lnx2继续回归，结果为：

从结果可以看出，增加的lnx3可以提高R的平方，同时通过t检验，故lnx3也可以确定加入模型综上所述，最好的回归方程为：

lny=2.508000+0.642469lnx1+0.223905lnx3-0.490481lnx4

3. 异方差检验：Gleser检验和ARCH检验

Gleser检验结果如下：