中国石油消费量的计量经济分析

《中国石油消费量的计量经济分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国石油消费量的计量经济分析中国石油消费量的计量经济分析经济管理(责任编辑:周杰)李琦闰佩玉(山东华宇职业技术学院)摘要:石油消费总量与社会经济发展有着密切的关系,通过建立计量经济模型寻求石油消费总量与社会经济有关指标的函数关系,可以对宏观调控起到更好的指导作用.本文利用中国统计年鉴上的数据,建立石油消费量计量经济学模型方法和进行各项检验的详细过程.关键词:计量经济学模型;石油消费引言经济发展不能没有能源供应,石油是支撑经济发展和国防现代化的基本能源之一.目前,我国有2.1亿吨的石油消费量,~U

2、2020年可能达到3.8亿吨.如果石油供应总量不能与消费总量同步增长,就很难保证国民经济稳定,持续,健康的增长.因此找到影响石油消费量的因素从而准确的预测我国石油消费需求总量的增长趋势十分重要.一,石油消费总量计量经济建模的准备1.模型变量的选择作为建立经济计量模型的第一步,是根据所研究的问题找到可能影响其变化的相关因素,将所要研究问题进行抽象和模型化.1.1被解释变量能源是国民经济发展的基础,石油消费量受到国民收入和经济水平影响,同时也受其他因素诸如汽车拥有量,居民可支配收入等的影响.本文以年

3、度石油消费总量(Y_I)作为对我国石油消费的代表量,并将其作为被解释变量,拟建立模型以寻求它与解释变量(其他经济因素)之间可能存在的函数关系.1.2解释变量根据经济学知识,我们知道,在一个经济实体中,影响石油消费总量的因素很多,考虑到数据的可收集性和可操作性,在本文中,我们选择以下变量作为解释变量:(1)国内生产总值(X.表1样本数据列表石油消费总量国内生产总值工业总产值民用汽车拥有城镇人均可支年份Y万吨煤)XI(亿元)Xa(亿元)量X万辆)性收入X元)19932l1l0.7034634.O05

4、2692.O0817.582577.40199421356.2046759.4076909.0O941.953496.2O199522955.8O58478.1091893.8O1040.O04283.00l996250l0.6067884.6099595I30l100.084838.90l99728llO.8074462.6Ol13732.70l219.095l60.30199828426.0078345.00l19O48.001319.305254.1019993O187.6082067.O

5、0126l1O.0O1452.945854.0O200032053.1089442.0085673.701608.916280.00200l32784.1097315.0095449.O01802.046859.O0200235573.30105l72.00l10776.O02053.177702.00200338090.6O117251.9O142271.0O2382.938472.0O资料来源:中国统计年鉴》1993-20032.3方程回归国内生产总值直接反映经济发展状况,石油消费总量与国内

6、生产总值的增长情况密切相关.(2)工业总产值(x工业总产值是国内企业总体经济实力的体现,也是国民经济的基础,工业总产值的高低直接与石油消费量有直接关系.(3)民用汽车拥有量(X按2001年中国各行业石油消费构成看,交通运输业占30%以上,是石油消费最多的行业.目前中国交通运输业,特别是汽车工业发展迅速,汽车保有量迅猛增加,石油消费将驶入快速增长的轨道.本文我们将民用汽车拥有量作为衡量汽车行业发展的指标,讨论其对石油消费量的影响.(4)城镇人均可支配性收入(x.城镇人均可支配性收入的提高表明居民的

7、购买力提高,必将带动相关产业的发展,从而对石油消费量产生正影响.二,石油消费总量计量经济模型的建立2.1建立模型为了定量测算GDP,工业总产值,民用汽车拥有量,城镇人均可支配收的变化对石油消费总量的影响,建立石油消费量的计量经济模型.结合资料的历年数据分析得,因变量与各自变量之间近似存在线性依存关系.故我们提出多元线性回归模型初步设定如下形式:y,--bo+blXl【+b2Xa+b3X3t+b4X4t+et其中,Yl,x.,x,x,)(4r如前定义,b.,b,b,b3.b为待估计参数,岛为随机误

8、差项.2.2模型数据的选取对上述模型使用时间序列数据,选择《中国统计年鉴》1993--2003年相应指标数值.见表1.在高斯一马尔可夫假设的基础上,采用SPSS统计软件对模型进行OLS方法参数估计,得到以下回归方程:Yy12053.133+0.326Xlt-0.008Xa+7.103X3t-3.241X~标准差(1297.924)(O.157)(O.020)(3.495)(2.730)T检验值(9.286)(2.079)(-0.404)(2.032)(一1.187)标准化系数(1.418)(-0