论文部分内容阅读
[摘要] 本文首先给出了1985年以来能源消费增长率与经济增长率的变化趋势,然后基于29个省(区)1985年~2004年的截面时间序列数据建立了能源消费、经济增长与产业结构之间的Panel data模型,定量分析了不同时期内产业结构变动对能源消费的影响,最后根据研究结论,提出了政策建议。
[关键词] Panel data模型产业结构变动能源消费
一、引言
能源作为经济增长的动力因素,一方面促进了经济的增长,另一方面随着经济的快速发展,不断增长的能源需求和能源稀缺性又制约着经济的增长。图1给出了1985年~2004年20年间我国的能源消费增长率和经济增长率,可以看出,2001年之前,我国经济增长率大于能源消费增长率,我国以较少的能源消耗实现了经济的高速增长,但2001年之后,能源消费增长率高出了经济增长率,能源消费增长率与经济增长率的比值——能源消费弹性系数持续大于1,2004年达到1.60,能源资源的短缺对经济发展的制约作用变的越来越大。此外,大量的能源消耗所带来的环境污染与发展经济的矛盾也变得日益突出。
能源消费受到经济增长、产业结构变动、价格变化、以及技术进步等多方面因素的影响,其中产业结构变动直接决定着能源的消费量,因为各产业对能源的需求量不同,如果能源需求量大的产业在国民经济中占有较大的比重并且上升较快,能源消费就会因此而增加。目前,国内关于产业结构对能源消费影响的研究有很多,如路正南(1999)通过建立各产业产值占GDP的比重与能源消费量之间的时间序列回归模型,实证分析了产业结构调整对我国能源消费的影响;尹春华(2003)利用灰色关联分析的方法,对能源消费与产业结构进行了关联分析,得出了各产业与能源消费之间的关联度;史丹(2003)利用1980年~2000年的数据建立了能源消费与产业结构之间的时间序列模型,分析了产业结构变动对能源消费的影响;这些研究的共同点是利用了2000年之前的时间序列数据作实证分析,然而不同时期内,产业结构变动对能源消费的影响是不同的,利用时间序列数据模型做实证分析时,特别是在研究2001年之后,出现了能源消费弹性系数大于1的反常现象时,所产生的问题是由于观测的样本量太小,缺乏坚实的数据基础,因而得出的研究结论置信度不高,因此本文应用面板数据(Panel data)模型实证分析产业结构变动对能源消费的影响。
Panel data 模型能够利用截面数据和时间序列数据有效地解决样本量太小的问题,进而得出比较可靠的结论。本文首先给出Panel data 模型的类型及识别方法,然后将利用29个省能源消费量、GDP、第二产业占GDP比重的数据,分别建立1985年~2004年、1985年~2000年、2001年~2004年三个期间的Panel data模型,实证分析产业结构变动对能源消费的影响,给出2001年后能源消费增长率大于经济增长率的原因,最后提出相关的政策建议。
二、Panel data 模型的建立及识别方法
面板数据(panel data)也称时间序列截面数据(time series and cross section data),利用panel data建立的模型称为panel data模型。相对于单纯的横截面模型和单纯的时间序列模型而言,panel data模型的优点在于:(1)观测样本量大大增加,使构造更加可靠的参数估计量成为可能。(2)多重共线性的影响被减弱。当解释变量在两个方向上同时变动时,由于潜在影响因素的增多使得它们之间强相关的可能性大大降低。(3)能够识别和度量一些纯粹横截面模型和纯粹时间序列模型所不能识别的因素。由于横截面数据倾向于反映经济运行的较长时间的特征,而时间序列数据则看重强调短期波动,二者的结合使我们能够更好地分析变量间的关系及动态特征。(4)降低估计偏差。
本文采用的变量有GDP用表示,能源消费量用表示,产业结构变量用第二产业占GDP的比重IS表示,由式IS=I/Y计算所得,I为第二产业产值。以能源消费量E为被解释变量,经济增长变量Y、产业结构变量IS为解释变量,为了减少数据中的异方差,给各变量取自然对数,建立如下一般形式的panel data模型:
(1)
式(1)是考虑2个经济指标在N个个体及T个时间上的变动关系。其中N表示个体截面成员的个数,T表示每个截面成员的观测时期总数,参数表示模型的常数项,表示能源消费弹性系数,表示产业结构变动对能源消费的弹性系数。
根据截距项向量和系数向量中各分量的不同约束要求,又可以将式(1)所描述的面板数据模型划分为以下3种类型:
1.联合回归模型
该模型中,个体成员上既无个体影响也没有结构变化,利用普通最小二乘法便可求出参数和的一致有效估计。
2.变截距模型
该模型中,个体成员上存在个体影响而无结构变化,个体影响可用截距项的差别来说明, 模型又可分为固定影响和随机影响两种情况。
3.变系数模型
该模型中,个体成员上既存在个体影响,也存在结构变化,个体影响用截距项的差别来说明,结构变化用的差别来说明。
建立panel data模型时首先需要正确的设定模型,否则将会产生较大的估计误差。实际应用中,可以采用检验来识别模型。因为对于变系数模型,在假设成立的情况下:
在假设成立的情况下:
其中,S1、S2、S3分别为变系数模型、变截距模型和联合回归模型的残差平方和。因此,对于给定的显著水平,首先利用F2统计量判断是否为联合回归模型。若F2<临界值,则接受原假设H2,认为模型中的参数与个体的变化无关,模型设为联合回归模型;否则在利用F1统计量检验H1,确定系数变化的类型。若F1<临界值,则接受原假设H1,模型设为变截距模型;若F1>临界值,则拒绝原假设H1,模型设为变系数模型。
三、产业结构变动对能源消费影响的实证分析
1.数据的选取
本文选取的数据期间为1985年~2004年,GDP及其指数的数据来源于中国统计年鉴1986年~2005各年,29个省区(不包括海南、西藏)的GDP以1985年为不变价,通过GDP平减指数,计算出真实的GDP。能源消费的数据来源于中国能源统计年鉴1986、1989、1991、1991~1996、1997~1999、2000~2002、2003、2004、2005各年, 1991年~1994年各省能源消费量缺失的数据通过查找相应各省的统计年鉴获得,其中山西、上海、浙江、山东通过当年的能源消费弹性系数反算出,湖南通过插值法估算出,1985年~1995年,四川的GDP、能源消费量、第二产业产值数据为原始数据减去重庆的统计数据。由于海南省缺1985年~1994年、西藏却少各年能源消费量数据,所以本文不包括海南省和西藏自治区。
2.panel data模型的估计结果
利用Eviews5.0软件可以分别计算出1985年~2004年、1985年~2000年、2001年~2004年三个期间的Panel data变系数模型、变截距模型和联合回归模型的残差平方和,进而求得、统计量值,见表1,为了消除序列自相关的影响,在模型中适当地加入AR项,且估计方法采用广义最小二乘法。此外,截面数据来至于29个省(区),能够代表总体样本的特征,因此选用固定影响模型。
对panel data模型的一般形式进行检验表明:数据期间1985年~2000年,2001年~2004年,各省份的能源消费存在着显著性的个体差异,产业结构变量与经济增长变量对能源消费的影响却趋于一致,选用变截距模型,数据期间1985年~2004年,各省份的能源消费量既不存在显著性的个体差异,也不存在结构上的差异,选用联合回归模型,各模型的回归结果见表2。由于篇幅关系,本文不给出各模型的截距项。
3.实证分析
由表2可以看出,面板数据计量模型具有很好的估计效果,可决系数均在99.9%以上,各估计值均能通过检验。
模型的回归结果表明:1985年~2004年,能源消费弹性系数为0.555,即经济增长1%,能源消费增长0.555%,产业结构每变动1%,能源消费增加0.14%;1985年~2000年,能源消费弹性系数为0.367,即经济增长1%,能源消费增长0.367%,产业结构变动对能源消费的影响并不显著,表明在1985年~2000间,中国以较低的能源消费实现了较高的经济增长,产业结构的调整,并没有明显地增加能源的消费量;2001年~2004年,能源消费弹性系数为1.01,即经济增长1%,能源消费增长1.01%,产业结构每变动1%,能源消费增加0.694%,产业结构变动明显地推动了能源消费的增长,能源消费增长率超过了经济增长率,能源需求对经济增长形成了制约。
从总体上看,1985年~2000年虽然是我国工业化快速推进阶段,但产业结构变动对能源消费的影响并不明显。我国推进工业化过程中没有引起能源消费大幅度地上升,主要原因是1985年~2000年期间产业结构变动对能源消费的总体影响有着方向性的变化,产业结构调整的重点是纠正重工业比重过重,轻工业比重过轻,以及加快第三产业发展。2001年~2004年,产业结构的变动显著地推动了能源消费的增长,分析三年间产业结构的变化会发现:2004年,第二产业比重为52.9%,比2001年上升了2.8%,其中工业比重为45.9%,比2001年上升了2.4%;而第三产业比重为31.9%,比2001年下降了2.2%。由于工业单位产出能耗要远大于第三产业,工业比重上升和第三产业比重下降意味着整体能源消费的上升。另外在工业内部,2001年~2004年重工业增长持续快于轻工业,导致重工业在国民经济中的比重不断提高,2001年以来重工业作为高能耗的产业占国民经济的比重为27.4%,2004年达到31.0%,三年内上升了3.6%,这就使得产业结构变动增加了能源消费。
四、 结论与政策含义
1.产业结构变动是影响能源消费的重要因素。因此政府和能源生产部门在制定国民经济发展规划以及能源生产计划时,要充分考虑到产业结构变动对能源消费的影响,不能仅考虑经济增长速度和经济总量的变化。
2.不同时期,产业结构变动对能源消费的影响不同。1985年~2000年能源消费弹性系数小于1,产业结构变动并不是影响能源消费的主要原因;而2001年~2004年,能源消费弹性系数大于1,产业结构变动是推动能源消费大幅度上升的主要原因,因此我国要实现在“十一五”时期单位GDP能源消耗比“十五”期末降低20%左右的目标,必须充分重视和挖掘产业结构调整降低能源消费的潜力,大力促进产业结构的优化升级,转变经济增长方式,发展科技含量高、附加值大、能耗小的新型工业。
3.第二产业能源消耗占我国能源消费总量的很大部分,支柱性产业(如钢铁冶炼、加工企业等)往往都是高能耗企业,若一味追求工业规模的壮大和发展,则会推动能源消费增长,并可能加重环境恶化,甚至引发能源安全等一系列问题。借鉴发达国家的经验,我国政府可借助税收、法律等手段约束和引导相关产业向低能耗、高能效的方向发展。对于能耗高的支柱性产业,可以从政策上对使用节能型设备的企业予以鼓励和支持;对于能耗高的非支柱性产业,可适当限制其发展规模,使产业结构朝着有利于可持续发展的方向调整。
本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
[关键词] Panel data模型产业结构变动能源消费
一、引言
能源作为经济增长的动力因素,一方面促进了经济的增长,另一方面随着经济的快速发展,不断增长的能源需求和能源稀缺性又制约着经济的增长。图1给出了1985年~2004年20年间我国的能源消费增长率和经济增长率,可以看出,2001年之前,我国经济增长率大于能源消费增长率,我国以较少的能源消耗实现了经济的高速增长,但2001年之后,能源消费增长率高出了经济增长率,能源消费增长率与经济增长率的比值——能源消费弹性系数持续大于1,2004年达到1.60,能源资源的短缺对经济发展的制约作用变的越来越大。此外,大量的能源消耗所带来的环境污染与发展经济的矛盾也变得日益突出。
能源消费受到经济增长、产业结构变动、价格变化、以及技术进步等多方面因素的影响,其中产业结构变动直接决定着能源的消费量,因为各产业对能源的需求量不同,如果能源需求量大的产业在国民经济中占有较大的比重并且上升较快,能源消费就会因此而增加。目前,国内关于产业结构对能源消费影响的研究有很多,如路正南(1999)通过建立各产业产值占GDP的比重与能源消费量之间的时间序列回归模型,实证分析了产业结构调整对我国能源消费的影响;尹春华(2003)利用灰色关联分析的方法,对能源消费与产业结构进行了关联分析,得出了各产业与能源消费之间的关联度;史丹(2003)利用1980年~2000年的数据建立了能源消费与产业结构之间的时间序列模型,分析了产业结构变动对能源消费的影响;这些研究的共同点是利用了2000年之前的时间序列数据作实证分析,然而不同时期内,产业结构变动对能源消费的影响是不同的,利用时间序列数据模型做实证分析时,特别是在研究2001年之后,出现了能源消费弹性系数大于1的反常现象时,所产生的问题是由于观测的样本量太小,缺乏坚实的数据基础,因而得出的研究结论置信度不高,因此本文应用面板数据(Panel data)模型实证分析产业结构变动对能源消费的影响。
Panel data 模型能够利用截面数据和时间序列数据有效地解决样本量太小的问题,进而得出比较可靠的结论。本文首先给出Panel data 模型的类型及识别方法,然后将利用29个省能源消费量、GDP、第二产业占GDP比重的数据,分别建立1985年~2004年、1985年~2000年、2001年~2004年三个期间的Panel data模型,实证分析产业结构变动对能源消费的影响,给出2001年后能源消费增长率大于经济增长率的原因,最后提出相关的政策建议。
二、Panel data 模型的建立及识别方法
面板数据(panel data)也称时间序列截面数据(time series and cross section data),利用panel data建立的模型称为panel data模型。相对于单纯的横截面模型和单纯的时间序列模型而言,panel data模型的优点在于:(1)观测样本量大大增加,使构造更加可靠的参数估计量成为可能。(2)多重共线性的影响被减弱。当解释变量在两个方向上同时变动时,由于潜在影响因素的增多使得它们之间强相关的可能性大大降低。(3)能够识别和度量一些纯粹横截面模型和纯粹时间序列模型所不能识别的因素。由于横截面数据倾向于反映经济运行的较长时间的特征,而时间序列数据则看重强调短期波动,二者的结合使我们能够更好地分析变量间的关系及动态特征。(4)降低估计偏差。
本文采用的变量有GDP用表示,能源消费量用表示,产业结构变量用第二产业占GDP的比重IS表示,由式IS=I/Y计算所得,I为第二产业产值。以能源消费量E为被解释变量,经济增长变量Y、产业结构变量IS为解释变量,为了减少数据中的异方差,给各变量取自然对数,建立如下一般形式的panel data模型:
(1)
式(1)是考虑2个经济指标在N个个体及T个时间上的变动关系。其中N表示个体截面成员的个数,T表示每个截面成员的观测时期总数,参数表示模型的常数项,表示能源消费弹性系数,表示产业结构变动对能源消费的弹性系数。
根据截距项向量和系数向量中各分量的不同约束要求,又可以将式(1)所描述的面板数据模型划分为以下3种类型:
1.联合回归模型
该模型中,个体成员上既无个体影响也没有结构变化,利用普通最小二乘法便可求出参数和的一致有效估计。
2.变截距模型
该模型中,个体成员上存在个体影响而无结构变化,个体影响可用截距项的差别来说明, 模型又可分为固定影响和随机影响两种情况。
3.变系数模型
该模型中,个体成员上既存在个体影响,也存在结构变化,个体影响用截距项的差别来说明,结构变化用的差别来说明。
建立panel data模型时首先需要正确的设定模型,否则将会产生较大的估计误差。实际应用中,可以采用检验来识别模型。因为对于变系数模型,在假设成立的情况下:
在假设成立的情况下:
其中,S1、S2、S3分别为变系数模型、变截距模型和联合回归模型的残差平方和。因此,对于给定的显著水平,首先利用F2统计量判断是否为联合回归模型。若F2<临界值,则接受原假设H2,认为模型中的参数与个体的变化无关,模型设为联合回归模型;否则在利用F1统计量检验H1,确定系数变化的类型。若F1<临界值,则接受原假设H1,模型设为变截距模型;若F1>临界值,则拒绝原假设H1,模型设为变系数模型。
三、产业结构变动对能源消费影响的实证分析
1.数据的选取
本文选取的数据期间为1985年~2004年,GDP及其指数的数据来源于中国统计年鉴1986年~2005各年,29个省区(不包括海南、西藏)的GDP以1985年为不变价,通过GDP平减指数,计算出真实的GDP。能源消费的数据来源于中国能源统计年鉴1986、1989、1991、1991~1996、1997~1999、2000~2002、2003、2004、2005各年, 1991年~1994年各省能源消费量缺失的数据通过查找相应各省的统计年鉴获得,其中山西、上海、浙江、山东通过当年的能源消费弹性系数反算出,湖南通过插值法估算出,1985年~1995年,四川的GDP、能源消费量、第二产业产值数据为原始数据减去重庆的统计数据。由于海南省缺1985年~1994年、西藏却少各年能源消费量数据,所以本文不包括海南省和西藏自治区。
2.panel data模型的估计结果
利用Eviews5.0软件可以分别计算出1985年~2004年、1985年~2000年、2001年~2004年三个期间的Panel data变系数模型、变截距模型和联合回归模型的残差平方和,进而求得、统计量值,见表1,为了消除序列自相关的影响,在模型中适当地加入AR项,且估计方法采用广义最小二乘法。此外,截面数据来至于29个省(区),能够代表总体样本的特征,因此选用固定影响模型。
对panel data模型的一般形式进行检验表明:数据期间1985年~2000年,2001年~2004年,各省份的能源消费存在着显著性的个体差异,产业结构变量与经济增长变量对能源消费的影响却趋于一致,选用变截距模型,数据期间1985年~2004年,各省份的能源消费量既不存在显著性的个体差异,也不存在结构上的差异,选用联合回归模型,各模型的回归结果见表2。由于篇幅关系,本文不给出各模型的截距项。
3.实证分析
由表2可以看出,面板数据计量模型具有很好的估计效果,可决系数均在99.9%以上,各估计值均能通过检验。
模型的回归结果表明:1985年~2004年,能源消费弹性系数为0.555,即经济增长1%,能源消费增长0.555%,产业结构每变动1%,能源消费增加0.14%;1985年~2000年,能源消费弹性系数为0.367,即经济增长1%,能源消费增长0.367%,产业结构变动对能源消费的影响并不显著,表明在1985年~2000间,中国以较低的能源消费实现了较高的经济增长,产业结构的调整,并没有明显地增加能源的消费量;2001年~2004年,能源消费弹性系数为1.01,即经济增长1%,能源消费增长1.01%,产业结构每变动1%,能源消费增加0.694%,产业结构变动明显地推动了能源消费的增长,能源消费增长率超过了经济增长率,能源需求对经济增长形成了制约。
从总体上看,1985年~2000年虽然是我国工业化快速推进阶段,但产业结构变动对能源消费的影响并不明显。我国推进工业化过程中没有引起能源消费大幅度地上升,主要原因是1985年~2000年期间产业结构变动对能源消费的总体影响有着方向性的变化,产业结构调整的重点是纠正重工业比重过重,轻工业比重过轻,以及加快第三产业发展。2001年~2004年,产业结构的变动显著地推动了能源消费的增长,分析三年间产业结构的变化会发现:2004年,第二产业比重为52.9%,比2001年上升了2.8%,其中工业比重为45.9%,比2001年上升了2.4%;而第三产业比重为31.9%,比2001年下降了2.2%。由于工业单位产出能耗要远大于第三产业,工业比重上升和第三产业比重下降意味着整体能源消费的上升。另外在工业内部,2001年~2004年重工业增长持续快于轻工业,导致重工业在国民经济中的比重不断提高,2001年以来重工业作为高能耗的产业占国民经济的比重为27.4%,2004年达到31.0%,三年内上升了3.6%,这就使得产业结构变动增加了能源消费。
四、 结论与政策含义
1.产业结构变动是影响能源消费的重要因素。因此政府和能源生产部门在制定国民经济发展规划以及能源生产计划时,要充分考虑到产业结构变动对能源消费的影响,不能仅考虑经济增长速度和经济总量的变化。
2.不同时期,产业结构变动对能源消费的影响不同。1985年~2000年能源消费弹性系数小于1,产业结构变动并不是影响能源消费的主要原因;而2001年~2004年,能源消费弹性系数大于1,产业结构变动是推动能源消费大幅度上升的主要原因,因此我国要实现在“十一五”时期单位GDP能源消耗比“十五”期末降低20%左右的目标,必须充分重视和挖掘产业结构调整降低能源消费的潜力,大力促进产业结构的优化升级,转变经济增长方式,发展科技含量高、附加值大、能耗小的新型工业。
3.第二产业能源消耗占我国能源消费总量的很大部分,支柱性产业(如钢铁冶炼、加工企业等)往往都是高能耗企业,若一味追求工业规模的壮大和发展,则会推动能源消费增长,并可能加重环境恶化,甚至引发能源安全等一系列问题。借鉴发达国家的经验,我国政府可借助税收、法律等手段约束和引导相关产业向低能耗、高能效的方向发展。对于能耗高的支柱性产业,可以从政策上对使用节能型设备的企业予以鼓励和支持;对于能耗高的非支柱性产业,可适当限制其发展规模,使产业结构朝着有利于可持续发展的方向调整。
本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。