查找:                      转第 显示法宝之窗 隐藏相关资料 下载下载 收藏收藏 打印打印 转发转发 小字 小字 大字 大字
【期刊名称】 《暨南学报(哲学社会科学版)》
中国能源消费与经济增长的因果分析
【副标题】 基于Divisia指数法和Toda Yamamota检验【作者】 孙巍赫永达
【作者单位】 吉林大学数量经济研究中心山西财经大学经贸外语学院
【分类】 能源法
【中文关键词】 能源消费;经济增长;Divisia指数;Toda-Yamamota因果检验
【文章编码】 1000-5072(2014)05-0077-13【文献标识码】 A
【期刊年份】 2014年【期号】 5
【页码】 77
【摘要】

我国能源消费与经济增长影响关系存在很大争议但具有重要意义。研究结果表明当前我国能源消费与 GDP 之间仍存在双向因果关系。表明中国经济增长对能源需求仍明显具有刚性,作为节约能源必须手段的“节能减排”会造成潜在的经济产出损失,阵痛难以避免。实现能源消耗低、环境污染少的新型工业化道路转型,需“开源”与“节流”并举,同时要加速产业结构优化升级。研究还为能源消费与经济增长因果关系研究提供了能源消费量加总方法和因果检验方法的组合选择:若不考虑因果检验方法的选择,则采用基于 Divisia 指数的方法加总能源消费量;若不考虑能源消费量加总方法的选择,则采用 Toda-Yamamota 因果检验的方法。

【全文】法宝引证码CLI.A.1186521    
  一、引言
  能源是工业的粮食,是国民经济的命脉。改革开放以来,中国持续高速的经济增长,对能源的需求与日俱增,已于2004年成为仅次于美国的全球第二大能源消费国。伴随着能源需求的与日俱增,传统的高耗能、高排放、高污染的增长方式已经不适应中国进一步发展的需要。近年来,全球能源价格尤其是石油价格不断高涨,能源消费量增加带来的生态、环境、气候等问题愈演愈烈,而这个时期也正是实现我国现有经济增长方式转型的关键时期,经济结构、城市化水平、居民消费结构发生明显变化。这一系列变化刺激了我国能源消费量的急速增长,使得能源供需不平衡的状况日益突出。
  (图略)
  图11979—2011中国能源消费总量和 GDP
  从图1可以看到改革开放以来中国能源消费量和 GDP 增长路径的演变情况。1979—1999年,中国能源消费和 GDP 的增长路径呈现出一定的相似性,但1999年开始, GDP 的增长率明显高于能源消费的增长率。这种情况的出现与我国开始高度重视能源使用效率、能源节约以及转变经济增长方式,降低经济对能源的依赖程度有关。针对经济增长、能源消耗和环境污染(3E)的两难困境,近年来我国政府相继出台了一系列节能减排政策。如节能减排“十二五”规划(国发〔2012〕40号)指出,“十一五”期间,国家把能源消耗强度降低和主要污染物排放总量减少确定为国民经济和社会发展的约束性指标,把节能减排作为调整经济结构、加快转变经济发展方式的重要抓手和突破口并取得了显著成效。我国以能源消费年均6.6%的增速支撑了国民经济年均11.2%的增长,能源消费弹性系数由“十五”时期的1.04下降到0.59,节约能源6.3亿吨标准煤,为保持经济平稳较快发展提供了有力支撑。然而,重工业占工业总产值比重却由68.1%上升到70.9%,高耗能、高排放产业增长过快,结构节能目标没有实现,而且能源利用效率总体偏低。我国国内生产总值约占世界的8.6%,但能源消耗占世界的19.3%,单位国内生产总值能耗仍是世界平均水平的2倍以上。因此,经济发展对能源消费的依赖性依然很大。“十二五”规划进一步提出到2015年全国万元国内生产总值能耗比2010年降16%的目标。但“十二五”规划同时总结了我国目前经济社会发展中存在的问题,那就是经济增长的资源环境约束强化,投资和消费关系失衡,收入分配差距较大,科技创新能力不强,产业结构不合理,农业基础薄弱,城乡区域发展不协调,就业总量压力和结构性矛盾并存,社会矛盾明显增多,因此,加快转变经济发展方式已经刻不容缓。
  然而,如何在保持经济增长、转变经济增长方式的前提下实现“十二五”节能减排约束性目标,如何保证我国经济社会的可持续发展以及资源节约型、环境友好型社会的建立?要回答类似的问题,必须要对能源消费与经济增长之间的因果进行深入分析。而且,近些年来,由温室气体排放(GHG)而导致的气候变化已经如同石油峰值和能源安全一样,成为备受关注的环境问题。随着石油价格不断高涨,气候暖化问题也愈受到各国重视,在高度仰赖能源使用的情况下,中国不得不开始重视能源效率使用问题。在减少温室气体排放的能源政策方面(比如节约能源),考察能源消费与经济产出间的因果关系也是非常必要的,因为能源消费时温室气体排放的主要根源。相应地,如果能源消费对经济产出的 Granger 因果关系显著,那么非技术进步型的节能方式将给经济增长带来不利的影响(Karanfil)[1]1191-1194。
  但是,能源消费与经济增长(GDP)的因果关系由于研究选取时间间隔不同、能源消费量计算方法不同或者所采用的检验方法的不同,所得到的结论也存在着较大差异。不同的结论又会导向不同的政策决策。首先,从研究方法差异的影响来看,传统普遍使用的热当量法加总能源消费量的方法与基于能源形式价值差异性的 Divisia 指数加总能源消费量的方法存在着差别,从而在能源消费量与经济增长的因果关系检验下产生不同的结果。因此,能源消费量加总方法的科学性决定了最终检验结果的合理性。然而,在不考虑加总方法差异性的情况下,若能找到一种更宽泛条件下的检验方法使得无论采用以上哪种加总法均可得到趋势相同的检验结果,那么,就可以为以后相关能源消费与经济增长关系研究提供便捷的方法组合选择。
  其次,从两者的因果关系结论影响意义上看。一方面,如果能源消费量对经济增长的因果关系显著(即我国经济增长仍然依赖于大量的能源投入),那么,从短期来说,为保证经济增长,必须提高传统能源使用效率、加快新能源开发以及扩大海外能源投资合作等措施保证有充分的能源供应,同时我们要提防“短期行为”,需继续防止经济发展中存在的粗放式模式,即通过增加能源消费、牺牲长期利益来实现经济的短期增长;从长期来说,节约能源消费必须走技术进步型的路子,任何非技术进步型的节能方式将给经济增长带来不利影响。同时,这也充分说明目前能源供应是经济持续增长的必要条件,应当被作为独立生产要素投入来考虑,而不仅被作为经济增长的外部约束来考虑。另一方面,如果经济增长对能源消费的因果关系显著,即能源消费量的增加可由经济增长作出解释,则说明目前中国经济增长对能源的消费需求具有刚性,短期来看,科学地约束经济增长目标是必须要考虑的;长期来看,必须加快产业结构升级,推进低耗能、高科技产业的形成,加快淘汰具有“三高”特点的落后产业。
  本文正是从以上两点出发,利用对比的方法,对能源消费量进行更为科学的 Divisia 指数方法加总,同时引入 Toda 和 Yamamoto[2]225-250提出的更具适应性的 Toda-Yamamoto 因果检验方法进行能源消费与经济增长关系的因果检验,从而得出更为客观的结论,并为宏观经济政策制定提供启示。
  二、文献综述
  针对能源经济领域中关于能源消费量与经济增长之间的因果关系这一热点问题,国内外学者均进行了深入探讨,观点却差异显著,甚至能源对产出是否存在真实的因果关系在许多实证文献中给出了很大质疑(Kraft; Narayan 和 Smyth; Payne)[3]401-403[4]1109-1116[5]575-577。而另一方面,有研究表明能源对经济增长确实存在 Granger 因果关系(Narayan 和 Prasad; Stern)[6]910-918[7]267-283。在具体国家和全球范围内,能源消费量与经济增长之间是否存在长期因果关系以及因果关系影响方向等方面问题仍存有较大分歧(Payne)[8]53-95[9]47-52。在相关的理论文献中,能源消费量是否影响经济增长并不存在一致性结论。主流经济增长模型,如 Solow 新古典经济增长模型,没有把能源作为主要的生产要素提及。与此相反,大多数生态经济学者的观点只肯定了能源的作用,而忽视传统要素投入如资本和劳动的作用(Stern)[10]26-51。 Stern 与 Ayres 和 Warr[11]试图将两者进行综合分析,但在经济增长的能源极限方面尚未取得一致认识。从实证研究上来说,能源与经济增长的因果关系检验结果的差异,除了受国家地区间特有因素影响以外,还与研究方法的不同有关。自 Kraft 和 Kraft 提出双变量模型以来,绝大部分的文献都是建立在双变量模型基础上进行研究(如 Akarca 和 Long; Yu 和Hwang; Yu 和 Jin)[12]326-331[13]186-190[14]259-266。然而,基于双变量模型的研究由于排除了重要的相关变量,存在遗漏解释变量的问题,从而影响了模型估计的准确度(Stern)[7]267-283。因而,因果检验发现双变量模型的估计结果存在较大偏差。其他因素,如计量方法的选取,变量内生性问题,样本量大小等在一定程度上解释估计结果的差异性(Costantini 和 Martini)[15]591-603。早期的研究大多运用于双变量和无约束向量自回归(VAR)模型来检验能源与产出间的 Granger因果关系,现在的研究则多借助协整理论的方法(Stern)[10]26-51。因为相关实证研究中所涉及的变量往往是非平稳的,具有一定的随机趋势,因此,进行协整检验是估计有意义的先决条件(Engle 和 Granger)。而另一种 Granger 因果检验的方法是 Toda 和 Yamamoto 提出的因果检验方法,该检验方法的特点是可以考虑多变量情形下不同的单整阶数,直接使用变量的水平值进行检验,从而最大限度地减少了由于错误识别变量的单整阶数而带来的风险,甚至在变量间不存在长期稳定关系时也适用。本文将借鉴 Stern[16]137-150提出的一个全面的分析方法,即生产函数法。此方法可避免附加变量选择的随机性。在生产函数中,将 GDP 设为能源、劳动和资本的函数。在模型纳入资本和劳动有助于避免能源消费量和经济产出之间出现任何虚假回归的问题,还可以在保持生产函数其他要素投入不变时,得到能源消费量对经济产出的边际效率。
  国内学者对于中国能源消费量与经济增长的相关性问题进行了一系列研究,结论亦不相同。马超群等[17]47-50采用 E-G 两步法对中国1954—2003年间的年度数据进行了分析,认为中国经济增长同能源总消费、煤炭消费之间存在着长期的均衡关系,但同石油、天然气和水电之间不存在协整关系。韩智勇和魏一鸣[18]17-21运用协整分析和因果检验研究能源消费量与经济增长之间的关系,认为两者之间存在双向因果关系,但不存在长期协整关系。王海鹏和田澎[19]253-258采用变参数模型研究的结果显示,中国能源消费量与经济增长间存在随时间不断变化的长期均衡关系。汪旭晖和刘勇[20]57-62运用协整分析方法和 Granger 因果检验进行研究的结果表明,尽管在短期内,我国能源消费量与 GDP 之间存在波动关系,但是从长期来看,能源消费量与经济增长之间存在着长期稳定的均衡关系,并且存在从能源消费量到经济增长的单向因果关系。周建[21]3-18则通过状态空间模型研究了改革开放以来能源需求、经济增长、效率改进等之间的动态相关性,发现改革开放以来能源需求与经济增长存在长期稳定的均衡关系,能源需求的短期波动除了受到相关因素的直接影响外,制度变迁等不可观测变量也对能源消费的模式及其变动有着巨大的推动作用。赵进文和范继涛[22]31-42,梁经纬等[23]49-53分别采用非线性 STR 模型和半参数的估计方法,检验发现中国经济增长对能源消费量的影响具有非线性特征。吴巧生和陈亮[24]27-40运用面板单位根、异质面板协整合基于面板的误差修正模型研究发现,能源消费量与经济增长之间的因果关系与考察期限和考察区域有关。张志柏[25]42-53,马宏伟等[26]2374-2381分别基于协整、误差修正模型及多变量生产函数,进行多变量估计与分析,发现经济增长与能源消费量与其他变量之间均存在长期稳定的协整关系,但在因果关系问题上未达成一致。张欣欣和刘广斌[27]26-27以1978—2008年中国能源消费量和 GDP 数据为基础,通过 Granger 因果关系检验、协整检验和误差修正模型,分析发现经济增长对能源消费量仅存在显著单向 Granger 因果关系,未发现能源消费量对经济增长存在单向因果关系,即不能判断我国经济增长是依靠能源消费来拉动的。马颖[28]35-41则运用马尔科夫区制转移向量自回归模型,得出能源消费量与经济增长之间的因果关系会随经济状态不同而改变的结论。
  以上学者从各自的角度进行研究,得到各自不同的结论,均未对不同方法加总的能源消费量与经济增长的因果关系异同进行对比分析。在实证研究中,传统广泛利用的能源消费量加总方法是热当量加总法。该方法对各种能源所包含的热量进行简单加总后得出能源消费总量。热当量法由于所用数据的客观性以及数据收集的简便性而被广泛使用。比如,我国在能源统计中对于煤炭、原油和天然气的折算就是基于热当量法的发电煤耗法,将各类能源释放出的热量转化成以万吨标准煤为单位,然后进行相加。但是,这种热当量法的使用其实有个前提条件,那就是单位热当量的不同能源是等价和可替代的。可是这样的假设从经济学角度上看是不合理的,因为若单位热当量的不同能源是等价和可替代的,那么在市场上相同的能效应该具有相同的价格。而明显的事实是,单位热当量的电比煤炭和原油的价格高得多。在研究中,这种方法越来越显露了自身的缺陷。 Cleveland et al[29]301-317指出,能源消费量的热当量加总方法无法反映能源间不同形式价值上的差异性,因此缺乏经济意义的分析功能。实际上,由于受到能源本身性质,包括稀缺性、清洁性、安全性、能源密度、做功能力以及形式转换成本等的影响,不同形式的能源是不能等价或完全替代的。相应地,不同能源的边际生产力和使用用途不尽相同,这一点也反映在了不同能源的市场价格差异上。
  针对热当量法的不足,学者们从不同的角度进行了能源使用量加总法的研究,主要的研究方法可以概括为能值加总法、Exergy 分析加总法、相对价格法以及 Divisia 能源指数方法。 H. T. Odum[30]213-231从生态学层面上进行研究,发现不同能源间质的差异可以用形成单位热当量的某种能源所消耗的太阳能来度量,把一种能源的能值转换率作为该能源的能质因子。通过该种方法可把各种能源转换成同一性质的能值,解决了不同能源间衡量标准不同的问题。但能值加总法并不完美。首先,太阳能值转化率只是从生态学角度反映某种能源能质的高低,而未能体现该能源的做功能力、使用过程中的安全性以及清洁性等性能,因此将其作为能质的唯一标准有一定局限性。其次就是如何确定太阳能值的转化率的问题。尽管从理论上看,某种能源的太阳能值转化率等于它的能值除以对应的热当量,但即使同一类型的能源由于成藏时间、空间以及开采技术上的差异,其太阳能值转化率也会有较大变动,从而造成该方法在实际应用中存在着很大的局限性。 Ayres[31]189-209则从热力学角度出发,引入 Exergy的概念:一种能量从初始状态到达与环境相平衡的状态所能作出的最大理论做功能力称为 Exergy。 Exergy 分析加总法就是将 Exergy 占总能量的比重作为能质因子,对不同类型能源进行加总。该方法除了考虑能源量的属性外还从热力学角度考虑了能质因素,这在一定程度上反映出了不同能源的质量差异,因此与热当量法相比是一种更优良的方法。但从纯热力学的角度衡量不同能量的做功能力仅仅考虑了能源不同性质中的一个方面,而忽略了能源的其他属性,如清洁性、安全性等,也不能反映出不同能源的经济价值。因此, Exergy 分析加总法也存在较大的缺陷。根据新古典经济理,能源投入的边际产量值可体现能源的质量,而能源的价格又与其边际产量值对等,因此进一步可以推出,能质可由价格来衡量。基于此,有学者提出了相对价格加总法,用单位热当量能源的相对价格作为能质因子,对不同能源进行加权平均从而求得总能源消费量。但该方法存在以下不足:能质因子受基准能源价格的变动影响较大。一方面,同一能源的热当量的权重会因选取的基准能源不同而发生改变;另一方面,基准能源自身价格可能会随时间发生波动,进而影响能源的加总。基准能源的选择以及价格的波动对能质因子产生的敏感效应限制了相对价格法在实际中的应用。
  以上提到能值加总法和 Exergy 加总法,本质上均是对能源热当量加总法的补充和完善,都没能彻底脱离热当量法的根本缺陷。而 Berndt 提出的 Divisia 指数方法则是一种更优的能源消费量加总方法(见下文)。 Nguyen 和 Andrews[32]149-156应用 Divisia 指数法和热当量法评估了美国制造业要素投入的需求弹性,结果表明Divisia 指数方法表现优良。 Cleveland[33]769-782应用热当量法和 Divisia 指数法分别对美国的石油和天然气能源进行了净能源分析,并对能源消费量与经济增长进行了格兰杰因果关系检验,发现检验结果因所用加总方法的不同而存在明显的差异。为了体现不同能源[7]267-283投入质的差异, Stern采用离散式 Divisia指数能源消费量加总方法,发现根据能源质差异调整后的美国能源消费量对 GDP 存在着因果关系,这与基于热当量加总能源消费量得出的结果是截然不同的;同时还揭示了能源消费量与经济增长间存在反向因果关系,即两者间的因果关系是双向的。而目前为止,对能源消费量与经济增长间所做的因果关系研究中仍很少考虑不同能源间质的不同。
  三、研究方法
  (一)能源消费量的 Divisia 指数方法
  能源消费量的热当量加总方法无法反映能源间不同形式价值上的差异性,因此缺乏经济意义的分析功能。实际上,由于受到能源本身性质,包括稀缺性、清洁性、安全性、能源密度、做功能力以及形式转换成本等的影响,不同形式的能源是不能等价或完全替代的。为克服相对价格法中能质因子对基准能源选择和价格波动的敏感反应, Berndt (1978)将 Tornqvist 指数应用于能源消费量加总,得到了 Divisia 能源指数:
  其中, QEt 代表第 t 期的能源总量。该指数表明,总能源增长率是多种能源增长率的加权平均,其中权数为前后两个时期某种能源价值占总能源价值的比重的平均。与相对价格法相比,指数中的权重由价格之比变为价值之比,使该权重既可以同相对价格一样作为能质因子,又极大地降低了总能源对基准能源价格变动的依赖度。另外,该指数的计算不需要求出各种能源的热当量值,只要价格和能源数量保持单位对等即可,从而省去了不同能源间的单位转换过程。
  本文即是考虑通过构建能源消费量的 Divisia 指数来反映中国能源消费的水平。离散时间 Divisia 指数被定义两个变化时期的平均成本份额,构建的能源消费量 Divisia 指数表达式如下:
  其中,s代表成本份额,W是平均每万元国内生产总值能源消费量作为权数,n是总能源需求类型,E表示每种能源投入的量(万吨标准煤)。构建能质调整后能源消费加总的能源类型包括煤炭?焦炭?石油?原油?燃料油?电力石油?天然气。所有加总和单一能源数据均来自相关年份的《中国能源统计年鉴》。
  (二)Toda-Yamamota因果检验
  协整检验的方法很多。传统的EngleGranger两步法可以用来研究单一的协整关系。此前用多变量模型研究能源产出关系的文献已经证实了多元协整关系的存在(例如,Ghali和El-Sakka; Warr 和Ayres;Stern)[34]225-238[35]1688-1693[7]267-283。本文后续的实证研究中将综合运用Engle和Granger检验法和Johansen检验法进行协整关系的检验。根据协整理论,如果变量间存在协整关系,则可以用误差修正模型对短期波动和长期均衡进行直接描述。Johansen协整过程的比较优势在于,能给出多元协整向量的独立估计,并将极大似然估计方法应用到r阶协整过程中,协整阶数可由迹统计量λtrace和最大特征根统计量λmax检验得到。另外,本文所使用的动态协整模型允许对长期估计参数设置检验约束以决定在方程中是否排除该变量。本文对能源系数参数设置约束条件,来确定能源是不是协整空间中的一个重要变量。
  由Toda-Yamamoto提出的因果检验方法不要求知道变量的单整阶数,直接使用变量的水平值进行检验,从而最大限度地减少了由于错误识别变量的单整阶数而带来的风险,甚至在变量之间不存在长期稳定关系时也适用。如果模型中的变量非协整时,可用VAR一阶差分进行Granger因果关系检验。此过程中长期因素在模型中被忽略。因此,模型中所涉及的变量是否为协整关系,直接影响用做因果关系检验的模型形式。但是,正如前面提到,Toda-Yamamoto方法能够避免进协整检验,还具有其他优势:首先,它优于以误差修正项(ECM)为基础的方法(Zapata和Rambaldi;Zhang和Cheng)[36]285-298[37]2706-2712。其次,Toda-Yamamoto检验方法可以通过似不相关回归(SUR)实现,当方程中误差项高度相关时,SUR估计过程会更加有效(Binkley)[38]890-895。最后,通过Toda和Yamamoto方法,可以观测到各级滞后独立变量的特征和效应(长期模型)。根据变量的正负特征,来制定合理的政策(Bowden和Payne;Squalli)[39]180-188[40]1192-1205。Toda-Yamamoto方法包括一个扩展VAR(k+dmax)模型估计,其中k表示原VAR系统中最优滞后长度,dmax表示变量单整的最大阶数。Toda和Yamamoto方法运用修正的Wald检验,检验第一次k个无约束滞后参数的情况。该统计量,在VAR(k+dmax)估计限度内,服从自由度为k的卡方分布。
  所以Toda-Yamamoto法的基本步骤一般如下:
  第一步,由信息准则确定向量自回归(VAR)模型的最佳滞后阶数;
  第二步,通过单位根检验找出各变量的最大可能单整阶数;
  第三步,建立式(3)和式(4)的滞后扩展VAR模型:
  Yt =α0+Σpi=1αiYti+Σd1j=p+1αjYtj+Σqi=1βiEt-i+Σd2j=q+1βjEt-j+ε1t (3)Et=γ0+Σri=1γiEt-i+Σd3j=r+1γjEt-j+Σsi=1ηiYt-i+Σd4j=s+1ηjYt-j+ε2t (4)其中,p?q?r?s为初始VAR模型的最佳滞后阶数 d1、d2、d3和 d4为加入各变量最大可能单整阶数后扩展的 VAR 模型的滞后阶数。老婆觉得我剪头发浪费钱
  第四步,使用 Wald 统计量对式(3)和(4)进行因果关系检验。当拒绝βi =0和ηi =0的零假设时,可以得知 Yt 和 Et 之间存在双向因果关系。
  四、实证分析
  (一)变量选择及数据来源
  实证模型中包含五个变量:实际国内生产总值(Real GDP)、投入为资本存量(K)、劳动要素(L)、热当量法加总的能源消费量(E)、基于 Division 理想指数加总的能源消费量(ED)。样本观察期为1990—2011年。本文选取1990年为基期根据 GDP 平减指数得到实际国内生产总值,资本存量的测算是根据永续盘存法计算得到。其基本公式为:
  Kt = It/Pt +(1-δt) Kt -1(5)其中 Kt 表示第 t 年的资本存量, It 表示第 t 年的投资, Pt 表示固定资产投资价格指数,δt 表示第 t 年的折旧率。为了构造资本存量序列,需要初始阶段的资本存量和折旧率。由于《中国统计年鉴》中并没有资本存量的基础数据,本文借鉴张军和章元(2003)[41]35-43的方法,并采用1990年的资本存量数据作为初始的资本存量,然后由《中国统计年鉴》得到以后各期的固定资产投资总额,1990年后固定资产投资价格指数可以从《中国统计年鉴》得到,并设定 t 年的折旧率δt =0.05。
  对文中所采用的变量,首先给出它们在样本区间上的部分描述统计结果,见表1。
  表1数据的描述性统计分析结果

┌─────┬──────┬──────┬──────┬──────┬──────┐
│     │RealGDP   │K      │L      │E      │ED     │
├─────┼──────┼──────┼──────┼──────┼──────┤
│均值   │132842.828 │26688.74  │63034.796  │234244.797 │2696.741  │
├─────┼──────┼──────┼──────┼──────┼──────┤
│标准差  │92642.075  │2736.715  │1655.352  │42146.605  │492.596   │
├─────┼──────┼──────┼──────┼──────┼──────┤
│平均增长率│7.258    │10.759   │7.499    │6.366    │3.714    │
└─────┴──────┴──────┴──────┴──────┴──────┘

  
  由表1可知,在描述经济增长方面,实际GDP 和 L 的平均增长率基本相同,而 K 的平均增长明显高于它们。而在反映能源消费量方面,热当量法加总的能源消费量(E)的平均增长率远高于基于 Division 理想指数加总的能源消费量(ED),这也从一个侧面反映了这两个变量的不同,而不同的能源消费量平均增长率反映了能源需求计算结果的差异性,进而会导致对经济增长与能源消费量关系的研究呈现不同的结果。
  (二)变量的平稳性检验
  本文运用 ADF 检验方法(Dickey 和 Full-er)、PP 检验法(Phillips 和Perron)、KPSS 检验法(Kwiatkowskiet al.)检验数据的平稳性。表2给出了 ADF, PP 和 KPSS 单位根检验的结果。考虑到样本的大小(T =12),运用T1/3公式 Lütkepohl,单位根检验的最大滞后长度设定为1。本文采用了包含截距项和趋势项的设定形式进行检验。检验结果见表2。检验结果表明所选变量均为一阶单整,这是本文后续将利用协整分析方法的基础和原因。
  表2变量的平稳性检验结果

┌────┬────────────┬──────────┬────────────┐
│变量  │ADF           │PP         │KPSS          │
│    ├─────┬──────┼────┬─────┼─────┬──────┤
│    │水平值  │一阶差分  │水平值 │一阶差分 │水平值  │一阶差分  │
├────┼─────┼──────┼────┼─────┼─────┼──────┤
│lnY   │-1.444  │-4.614   │0.195  │-3.782*  │0.967   │3.935*   │
├────┼─────┼──────┼────┼─────┼─────┼──────┤
│lnK   │-1.559  │-3.226*   │1.157  │-8.382*** │0.168   │4.338**   │
├────┼─────┼──────┼────┼─────┼─────┼──────┤
│lnL   │-1.341  │-14.504   │0.538  │-9.314*** │1.195   │6.897***  │
├────┼─────┼──────┼────┼─────┼─────┼──────┤
│lnE   │0.477   │-7.998***  │-0.791 │-7.303  │0.991   │7.832***  │
└────┴─────┴──────┴────┴─────┴─────┴──────┘

  注:***?**?*分别表示在1%?5%?10%的显著性水平下显著
  表

  ······

法宝用户,请登录后查看全部内容。
还不是用户?点击单篇购买;单位用户可在线填写“申请试用表”申请试用或直接致电400-810-8266成为法宝付费用户。
【注释】                                                                                                     
【参考文献】

[1] Karanfil F. How many times again will we examine the energyincome nexus using a limited range of traditional econometric tools?[J]. Energy Policy,2009,37(4).

[2] Toda H Y, Yamamoto T. Statistical inference in vector auto regressions with possibly integrated processes [J]. Journal of econometrics,1995,66(1).

[3] Kraft J, Kraft A. Relationship between energy and GNP[J]. J. Energy Dev.(United States),1978,3(2).

[4] Narayan P K, Smyth R. Electricity consumption, employment and real income in Australia evidence from multivariate Granger causality tests [J]. Energy Policy,2005,33(9).

[5] Payne J E. On the dynamics of energy consumption and output in the US[J]. Applied Energy,2009,86(4).

[6] Narayan P K, Prasad A. Electricity consumptionreal GDP causality nexus: Evidence from a bootstrapped causality test for 30 OECD countries [J]. Energy Policy,2008,36(2).

[7] Stern D I. A multivariate cointegration analysis of the role of energy in the US macroeconomy[J]. Energy Economics,2000,22(2).

[8] Payne, J. E. Survey of the international evidence on the causal relationship between energy consumption and growth[J]. Econ. Stud.,2010a,37(1).

[9] Payne, J. E. On biomass energy consumption and realoutput in the US [Z]. Energy Sources Part B Econ. Plan. Policy,2010b,6(1).

[10] Stern D I. The role of energy in economic growth[J].Annals of the New York Academy of Sciences,2011,1219(1).

[11] Ayres R U, Warr B. The economic growth engine: how energy and work drive material prosperity [M]. Edward Elgar Publishing,2010.

[12] Akarca, A. T., Long, T. Relationship between energy and GNP: a reexamination[J]. Energy Dev.,1980,5(2).

[13] Yu E S H, Hwang B K. The relationship between energy and GNP: further results [J]. Energy Economics,1984,6(3).

[14] Yu E S H, Jin J C. Cointegration tests of energy consumption, income, and employment[J]. Resources and Energy,1992,14(3).感觉黑人都特别团结

[15] Costantini V, Martini C. The causality between energy consumption and economic growth: a multisectoral analysis using nonstationary cointegrated panel data[J]. Energy Economics,2010,32(3).

[16] Stern D I. Energy and economic growth in the USA: a multivariate approach[J]. Energy Economics,1993,15(2).

[17]马超群,储慧斌,李科等.中国能源消费与经济增长的协整与误差校正模型研究[J].系统工程,2004,22(10).

[18]韩志勇,魏一鸣.中国能源消费与经济增长的协整性与因果关系分析[J].系统工程,2004(7).

[19]王海鹏,田澎.基于变参数模型的中国能源消费与经济增长关系研究[J].数理统计与管理,2006(3).

[20]汪旭晖,刘勇.中国能源消费与经济增长:基于协整分析和 Granger 因果检验[J].资源科学,2007(5).

[21]周建.经济转型期中国能源需求的长期均衡及短期波动:1978—2005[J].南开经济研究,2007(3).

[22]赵进文,范继涛.经济增长与能源消费内在依从关系的实证研究[J].经济研究,2007(8).

[23]梁经纬,刘金兰,柳洲.基于半参数估计的能源消费与经济增长关系研究[J].统计与信息论坛,2013(7).

[24]吴巧生,陈亮,张炎涛等.中国能源消费与 GDP 关系的再检验——基于省际面板数据的实证分析[J].数量经济技术经济研究,2008(6).

[25]张志柏.中国能源消费的弹性系数:估计与分析[J].数量经济技术经济研究,2008(7).

[26]马宏伟,刘思峰,袁潮清等.基于生产函数的中国能源消费与经济增长的多变量协整关系的分析[J].资源科学,2012(12).

[27]张欣欣,刘广斌.基于 Granger 检验的中国能源消费和经济增长关系研究[J].山西财经大学学报,2011(1).

[28]马颖.能源消费与经济增长——基于马尔科夫区制转移向量自回归模型的研究[J].北京交通大学学报(社会科学版),2013(1).

[29] Cleveland, C. J., Kaufmann, R. K., Stern, D. I.. Aggregation and the role of energy in the economy [J]. Ecol. Econ.,2000,32(2).

[30] Odum, E. C., Odum, H. T.. Energy systems and environmental education [C]//Bakshi, T. S., Naveh, Z.(Eds.). Environmental Education-Principles, Methods and Applications. New York: Plenum Press,1982.

[31] Ayres R. U. Ecothermodynamics: Economics and the second law[J]. Ecological Economics,1998,26(2).

[32] Nguyen S V, Andrews S H. The effect of energy aggregation on energy elasticities: some evidence from US manufacturing data[J]. The Energy Journal,1989,10(1).

[33] Cutler J. Cleveland. Net energy from the extraction of oil and gas in the United States [J]. Energy,2005,(30).

[34] Ghali K H, El-Sakka M I T. Energy use and output growth in Canada: a multivariate cointegration analysis[J]. Energy Economics,2004,26(2).

[35] Warr, B. S., Ayres, R. U. Evidence of causality between the quantity and quality of energy consumption and economic growth[J]. Energy,2010,35(4).

[36] Zapata H O, Rambaldi A N. Monte Carlo evidence on cointegration and causation[J]. Oxford Bulletin of Economics and Statistics,1997,59(2).

[37] Zhang X P, Cheng X M. Energy consumption, carbon emissions, and economic growth in China[J]. Ecological Economics,2009,68(10).

[38] Binkley J K. The effect of variable correlation on the efficiency of seemingly unrelated regression in a twoequation model[J]. Journal of the American Statistical Association,1982,77(380).

[39] Bowden, N., Payne, J. E. The causal relationship between US energy consumption and real output: a disaggregated analysis[J]. Policy Model,2009,31(2).

[40] Squalli. Electricity consumption and economic growth: bounds and causality analyses of OPEC members [J]. Energy Econ,2007,29(6).

[41]张军,章元.对中国资本存量 K 的再估计[J].经济研究,2003(7).

[42] Sims, C. A. Macroeconomics and reality. Econometrica[J]. Econometric Soc,1980.

©北大法宝:(www.pkulaw.cn)专业提供法律信息、法学知识和法律软件领域各类解决方案。北大法宝为您提供丰富的参考资料,正式引用法规条文时请与标准文本核对
欢迎查看所有产品和服务。法宝快讯:如何快速找到您需要的检索结果?    法宝V5有何新特色?
扫码阅读
本篇【法宝引证码CLI.A.1186521      关注法宝动态:  

法宝联想
【相似文献】

热门视频更多