欢迎来到学术参考网

安徽省能源消耗与经济增长的关联性分析_脉冲响

发布时间:2015-11-10 10:50

论文导读::本文将能源消耗作为对经济增长的因子引入Cobb-Douglas生产函数,采用安徽省1978~2008年的时间序列数据,通过建立VAR模型和误差修正模型,运用JJ协整检验和Granger因果关系检验,得出了能源消耗与经济增长之间存在的长期均衡关系和单向因果关系。并且通过实证分析估计出GDP与能源消耗、就业人数以及固定资本存量之间的比例关系,结果表明能源消耗对安徽省经济的影响较为显著。另外,利用脉冲响应和方差分解分析表明,保持能源消耗、固定资本存量与就业人数的协调增长对于安徽经济经济增长有积极的意义。
论文关键词:能源消耗,经济增长,误差修正模型,脉冲响应

  一、引言
  随着改革开放水平的不断提高,工业化和城镇化进程的深入,能源消耗的总量在持续上升。如何在合理开发和利用能源的前提下保证经济的可持续增长,是安徽省当前经济发展的一个重要“瓶颈”。安徽省作为能源大省,矿藏种类多、储量大,其中煤、铜、铁等37中矿产资源在全国排名前十,此外,淮北、淮南是华东地区最大的煤炭基地。但是由于长期的粗放式经济增长方式,导致各种能源资源的利用效率低下,环境污染严重,一定程度上制约了安徽省经济健康持续发展。据国家统计局的数据显示,2008年安徽省GDP总量为8874.2亿元,,按可比价格计算脉冲响应,比上年增长20.5%,比全国高10.5个百分点。与此同时能源消费总量为8341.57万吨吨标准煤,同比增长7个百分点。同时安徽省单位GDP能耗为0.94吨标准煤,略低于全国平均水平。由此可见,对安徽省经济增长中能源消耗贡献率进行定量分析,成为缓解当前的能源消费与经济增长、能源消费和环境双重压力,实现经济可持续增长的基础工作。
  目前已经有大量的关于能源消耗和经济增长关系的研究。Kraft,J和Kraft,A(1978)是学术界比较早研究经济增长和能源消费之间关系的学者,他们利用美国1947—1974年的数据,发现美国GNP和能源消费之间具有单向的因果关系。Yu和Choi(1985)采用标准的Granger检验证实了菲律宾能源消费和GNP之间的因果关系。Hwang和Gum(1992)在对台湾地区能源消费和经济增长关系研究的基础上,得出能源消费与经济增长之间存在双向因果关系的结论论文网。Oh和Lee(2004)在研究了韩国能源消费和经济增长关系的基础上提出二者之间具有双向的因果关系。Masih(1996)、Ugur和Ramazan(2003)研究了欧洲和亚洲许多国家能源消费和GDP之间的长期均衡关系和因果关系。
  国内学者在能源消费和经济增长方面也做过很多的实证研究,赵丽霞、魏巍贤(1998)将能源作为变量引入C-D生产函数。并建立了向量自回归模型,研究结果表明能源是我国经济发展过程中不可完全替代的限制性要素。林伯强(2001),王海鹏(2006)运用协整关系模型对中国能源消费与经济关系进行研究,建立了相关的理论模型,分析了二者之间的因果关系。韩智勇、魏一鸣等(2004)利用EG两步法,分析了1978—2000年我国能耗与经济增长的协整性和因果关系,认为二者之间不存在长期协整关系,但存在双向的Granger因果关系。赵进文等(2007)采用非线性STR模型技术研究中国能源消费与经济增长之间内在结构依从关系,得出经济增长对能源消费的影响具有非线性、非对称性的结论。周杰琦,汪同三(2009)分析了1953—2008年期间中国能源消费与经济增长的因果关系,结果表明二者在短期内不存在显著的因果关系,长期中存在双向因果关系。
  综上所述,国内学者分别采用了不同的实证研究方法对我国的能源消费和经济增长之间的关系进行了大量的研究。本文是在前人研究成果的基础上进行了一些创新和改进:(1)本文在变量的选取上有所改变,使用资本存量数据代替资本流量,进一步提高模型的准确性;(2)本文的样本选取跨度相对较大,满足了实证分析对样本待估参数准确性的要求;(3)本文的Granger因果检验是建立在误差修正模型基础上的检验,综合考虑了误差修正对变量之间的因果关系的影响。
  二、理论模型的提出和数据的来源
  1.经济增长影响因素分析与模型的建立
  经济增长的影响因素分析是建立理论模型的前提条件脉冲响应,通常情况下经济增长以GDP作为其衡量指标,影响经济增长的因素主要包括:劳动投入(L)、资本投入(K)、能源消费(E)以及其他制度和体制等因素。本文运用刘朝明等人的研究方法[3],将能源消费作为解释变量引入Cobb-Douglas生产函数,得到的理论模型可表述为:
  (1)
  其中,分别为经济增长总量、资本、劳动力和综合能耗指标,为模型的未知参数,根据C-D生产函数的假设,0﹤﹤1。由于C-D生产函数是非线性的,可以通过对(1)式两边取对数使之线性化,则有:
  (2)
  令则有:
  (3)
  将式(3)两端对时间t求导,得到:
  (4)
  其中,a,b,g分别为资金投入、劳动投入和能源消费对经济增长的弹性。常数项表示“希克斯中性”技术进步因素。a表示在技术水平不变的情况下,资本投入量每增加一个百分点,对GDP的贡献率为a%,同理,b和g分别表示就业人数和能源总量每增加一个百分点,经济总量分别增长b%和g%。
  2.参数的选取与数据的来源
  鉴于数据的权威性和可获得性,本文选取的年的经济增长(GDP)、资本投入(K)、劳动投入(L)以及能源消费(E)数据均来自相应年份的《安徽省统计年鉴》。
  (1)GDP:采用1978~2008年安徽省GDP历年的统计结果,为了消除价格因素对模型稳定性的影响,本文将GDP折合为1978年的不变价格。
  (2):采用固定资本存量代替资本流量。本文应用永续盘存法来计算固定资本存量,其公式为:。其中,期期末的固定资本存量;期期末的固定资本存量;期的固定资本投资流量,即社会固定资产投资总额,并折合成1978年的不变价格。为资本折旧率,采用社会各行业的平均值5%。
  (3):采用历年的社会就业劳动人数。
  (4):1991~2008年的能源消费直接采用统计年鉴得出的能源消费总量,1978~1990年的能源消耗近似的用当年的能源生产总量替代,折合为万吨标准煤。
  
   图1为1978~2008年安徽省资本存量、能源消费与经济增长的变动趋势图脉冲响应,从图中可以看出,安徽省GDP从1978年的113.96亿元增长到2008年的8874.2亿元,经济总量增长近77倍,GDP的年均增长率为15.4%。与此同时,能源消费总量也在持续上涨,从1978年的1756.1万吨标准煤上升到2008年的8341.57万吨标准煤,年均增长近6%论文网。由此可见,安徽省经济增长和能源消费之间存在长期的协同性关系。
  三、模型的实证分析
  1.变量平稳性检验
  分析经济变量之间是否存在长期稳定的均衡关系,需要对变量的平稳性进行检验,只有具有同阶单整的变量才能进行协整分析。单位根检验一般采用DF、ADF检验和非参数PP检验,本文采用非参数ADF检验判断变量序列的平稳性。为了消除变量之间可能存在的异方差,本文对变量取对数后再进行单位根检验,结果如表1所示,
  表1 变量平稳性ADF单位根检验结果
  

  由上述分析可知,本文提出的四个变量都是一阶单整的。Engel和Granger(1987)指出,如果两个或多个时间序列本身非平稳,但是它们之间的存在某种线性组合是平稳的,即存在协整关系。协整检验主要有两种方法:(1)Engel和Granger提出的基于协整方程残差项的两步法平稳性检验;(2)Johansen和Juselius提出的基于VAR模型的协整系统的检验。由于本文是多变量之间的协整关检验,因此选择后者。为了运用JJ检验法进行协整分析,应首先构建lnGDP、lnK、lnL和lnE的向量自回归模型VAR。由于VAR中滞后阶数的选取对结果的影响较大,因此应根据AIC信息准则、SC信息准则以及LR(似然比)统计量确定最优滞后期。检验结果如表2所示:
  表2 VAR模型滞后阶数选取
  

变量

检验类型

ADF检验

1%临界值

5%临界值

10%临界值

lny

(c,t,0)

-1.5336

-4.2967

-3.5684

-3.2183

lnk

(c,t,0)

-3.0618

-4.2967

-3.5684

-3.2183

lnl

(c,t,0)

-3.149

-4.2967

-3.5684

-3.2183

lne

(c,t,0)

-2.44

-4.2967

-3.5684

-3.2183

D(lny)

(c,n,3)

-3.1924**

-3.6793

-2.9678

-2.623

D(lnk)

(c,n,3)

-4.0092***

-3.6999

-2.9763

-2.6274

D(lnl)

(c,n,1)

-3.9243***

-3.6793

-2.9618

-2.623

D(lne)

(c,n,1)

-2.8492*

-3.9204

-3.0656

-2.6735

上一篇:公共项目社会效益货币化确定方法探索_模型

下一篇:R&D、技术进步与就业_D支出

Lag

LogL

LR

FPE

AIC

SC

HQ

0

62.66519

NA

2.06E-07

-4.04588

-3.85728

-3.98681

1

203.6072

233.2834

3.77E-11

-12.6626

-11.7196

-12.3672

2

234.5899*

42.7347*

1.44E-11*

-13.6959*

-11.9985*

-13.1643*