论文部分内容阅读
【文章摘要】
在全球能源危机与我国经济结构调整的大背景下，探究现阶段我国能源消费的增长情况，并运用模型合理预测其发展趋势，显得格外重要。本文对1983-2012年我国的能源消费增长速度数据构建ARMA（2，0）模型，发现我国能源消费增长速度很大程度上取决于其自身的惯性，并对其进行短期预测，探析我国未来十年内能源消费增长趋势。
【关键词】
能源消费；ARMA模型；实证研究
0 引言
众所周知，我国的经济增长、社会进步与其能源产业的强有力支撑密不可分。分，2012年我国能源消费总量达到36.5亿吨标准煤，均居世界第一。我国已成为世界能源的消费大国。能源在我国经济发展中占有非常重要的地位，随着国民经济的高速增长，能源供给已难以满足日益增长的需求，瓶颈约束造成了能源供给的短缺和价格的上涨等问题。基于此，我国如果要实现我国经济的健康可持续发展，同时做到保护环境、保护自然，预测和控制能源消费是一个重要的手段。做好能源消费预测，使其满足经济发展需要，对于我国经济建设和构建和谐环境有着重要的现实意义。
1 文献回顾
刘勇、汪旭晖（2007）指出能源影响我国社会经济的稳定持续发展，准确预测未来能源消耗具有重要意义。以我国1978—2005年能源消费总量，运用ARIMA模型进行能源消费的预测，达到了最小方差意义下的最优预测的效果。同时，对我国未来的能源发展给出了由开发与节能并重转变为节能优先的政策性建议。
张峰、刘伟（2008）通过构建ARIMA（1，2，1）模型，对北京市2007-2015年能源消费进行短期预测，得出北京市未来能源消费呈加快增长态势。这对于北京市建设资源节约型和环境友好型城市的目标是一大挑战。并提出倡导全面节能观念、完善能源供应体系、实现多元化能源消费、建立以价格杠杠和市场为导向的长效节能机制等建议。
2 ARMA模型的构建与分析
为探究我国能源消费增长情况，在广泛参考前人研究成果的基础上，本文选取我国能源消费增长速度（RE）作为数据基础和研究对象。数据来源为2012统计年鉴，数据客观真实，符合研究要求。
2.1 序列RE的特征分析
利用HP 滤波时间序列方法得出RE序列的趋势图，序列RE从整体上是看波动比较随机，没有明显的趋势，但是有局部的观测值数值较大，该序列可能不平稳，因此进一步对序列RE进行平稳检验。本文选择用仅含截距项的模型进行ADF检验序列RE的平稳性，结果显示ADF检验统计量的伴随概率值为0.019，小于5%的显著性水平，因此拒绝原假设，即认为序列RE是平稳的，符合利用ARMA模型的前提条件。
2.2 ARMA模型的识别
本文欲对序列RE建立ARMA（p，q）模型，在估计模型之前需确认模型的形式，可通过分析序列的自相关函数和偏自相关函数来识别，结果显示序列RE的自相关函数和偏自相关函数随着滞后阶数的增加而逐渐衰减，其中一阶偏自相关系数和一阶自相关系数都明显超过2倍标准差范围。运用拖尾与截尾方法确定p与q值的可能取值，经判断可以尝试考虑建立ARMA（2，1）、ARMA（1，1）、ARMA（1，0）和ARMA（2，0）模型，然后再根据相关准则来比较判断，进而选择最优模型。
2.3 模型建立与估计
本文中运用1983至2011年的数据进行建模，然后利用剩余数据对模型进行检验。对模型ARMA（2，1）、ARMA（1，1）、ARMA（1，0） 、ARMA（2，0）和分别进行估计，四个模型的后多项式的倒数根在单位圆内，符合基本要求，进一步地对比四个模型的检验统计量和检验标准，实证结果经汇总，如下表所示：
从表1可以看出，四个模型的F统计量都通过显著性检验。但ARMA（2，1）中的t统计量不显著，因此排除第一种模型。从模型的整体拟合效果来看，调整后的拟合优度都相差不多。AIC、SC两种判别准则都是要求数值越小越好，相比起来，第四个模型的结果最优，因此本文选用模型ARMA（2，0）进行预测。
ARMA（2，0）模型的结果为：
因此，该ARMA（2，0）模型的口径为：
因此说明，序列RE的当期值受到滞后一期和滞后二期的共同影响，因此可以推断，当前我国能源消费增长速度在很大程度上依赖于其过去的增长惯性。
2.4 残差检验
由于DW检验适用于检验无滞后解释变量模型的残差自相关性。因此，需用LM检验准确判断残差项是否存在自相关，一阶自相关检验的结果显示：LM的检验统计量Obs*R-squared=2.348119，其伴随概率值为0.3091，因此不能拒绝原假设：残差序列不存在一阶序列自相关，即认为该模型的残差不存在序列自相关。由于残差不存在一阶自相关，因此认为残差也不存在高阶自相关，故可判定该模型是有效的。另外运用Q统计量检验对模型进行白噪声检验，结果显示残差序列的样本自相关函数都在95%的置信区域以内，且Q统计量的显著性水平大于5%，不能拒绝该序列是白噪声序列的原假设，因此认为模型估计结果的残差序列不存在自相关。最后对模型的真实值、拟合值和残差值图进行对比分析，模型拟合效果总体不错，残差基本上在容忍区间随机波动，即该模型成功建立。
2.5 模型预测
利用2012年的数据对模型预测效果做进一步检验，结果显示2012年能源消耗增长率的预测值为6.2943，真实值为6，因此相对误差率为4.90%<5%，大体上可以接受，因此该模型的建立比较科学、合理。类似的，可以对序列RE 2013-2020年的取值进行预测，结果显示2014至2018年我国能源消费量分别为：6.3206、6.4082、6.4756、6.5067、6.5129，可以看出我国在未来一段时期内，能源消费增长速度依旧保持增长态势。
3 结语
通过本文对能源消耗增长速度的实证研究，得出以下结论：第一、我国能源消费增长速度很大程度上受到其自身惯性的影响；第二、我国能源消费增长在未来一段时期内仍保持增长态势。因此，在可持续发展和低碳发展的大背景下，我们应该根据预测结果，结合我国具体国情，制定相关政策以减缓这种长期增长的情况。为促进经济和自然的和谐发展，就必须走低消耗、低排放、再利用、高效率的循环经济发展道路。
【参考文献】
[1]刘勇，汪旭晖. ARMA模型在我国能源消费预测中的应用[J]. 经济经纬，2007 （5）： 11-13.
[2]张峰，刘伟.北京市能源消费预测与政策建议[J].中国人口.资源与环境，2008（3）：99-102.
[3]中华人民共和国国家统计局.中国统计年鉴2013[M].北京：中国统计出版社，2013.
[4]国家统计局能源统计司.中国能源统计年鉴2012[M].北京：中国统计出版社，2013.
【作者简介】
姓名：王振鹏.性别：男.出生年月：19880415 民族：汉 籍贯：山东省郓城县 现供职单位全称：成都理工大学管理科学学院.学位：硕士研究生 研究方向：资源与企业战略管理
在全球能源危机与我国经济结构调整的大背景下，探究现阶段我国能源消费的增长情况，并运用模型合理预测其发展趋势，显得格外重要。本文对1983-2012年我国的能源消费增长速度数据构建ARMA（2，0）模型，发现我国能源消费增长速度很大程度上取决于其自身的惯性，并对其进行短期预测，探析我国未来十年内能源消费增长趋势。
【关键词】
能源消费；ARMA模型；实证研究
0 引言
众所周知，我国的经济增长、社会进步与其能源产业的强有力支撑密不可分。分，2012年我国能源消费总量达到36.5亿吨标准煤，均居世界第一。我国已成为世界能源的消费大国。能源在我国经济发展中占有非常重要的地位，随着国民经济的高速增长，能源供给已难以满足日益增长的需求，瓶颈约束造成了能源供给的短缺和价格的上涨等问题。基于此，我国如果要实现我国经济的健康可持续发展，同时做到保护环境、保护自然，预测和控制能源消费是一个重要的手段。做好能源消费预测，使其满足经济发展需要，对于我国经济建设和构建和谐环境有着重要的现实意义。
1 文献回顾
刘勇、汪旭晖（2007）指出能源影响我国社会经济的稳定持续发展，准确预测未来能源消耗具有重要意义。以我国1978—2005年能源消费总量，运用ARIMA模型进行能源消费的预测，达到了最小方差意义下的最优预测的效果。同时，对我国未来的能源发展给出了由开发与节能并重转变为节能优先的政策性建议。
张峰、刘伟（2008）通过构建ARIMA（1，2，1）模型，对北京市2007-2015年能源消费进行短期预测，得出北京市未来能源消费呈加快增长态势。这对于北京市建设资源节约型和环境友好型城市的目标是一大挑战。并提出倡导全面节能观念、完善能源供应体系、实现多元化能源消费、建立以价格杠杠和市场为导向的长效节能机制等建议。
2 ARMA模型的构建与分析
为探究我国能源消费增长情况，在广泛参考前人研究成果的基础上，本文选取我国能源消费增长速度（RE）作为数据基础和研究对象。数据来源为2012统计年鉴，数据客观真实，符合研究要求。
2.1 序列RE的特征分析
利用HP 滤波时间序列方法得出RE序列的趋势图，序列RE从整体上是看波动比较随机，没有明显的趋势，但是有局部的观测值数值较大，该序列可能不平稳，因此进一步对序列RE进行平稳检验。本文选择用仅含截距项的模型进行ADF检验序列RE的平稳性，结果显示ADF检验统计量的伴随概率值为0.019，小于5%的显著性水平，因此拒绝原假设，即认为序列RE是平稳的，符合利用ARMA模型的前提条件。
2.2 ARMA模型的识别
本文欲对序列RE建立ARMA（p，q）模型，在估计模型之前需确认模型的形式，可通过分析序列的自相关函数和偏自相关函数来识别，结果显示序列RE的自相关函数和偏自相关函数随着滞后阶数的增加而逐渐衰减，其中一阶偏自相关系数和一阶自相关系数都明显超过2倍标准差范围。运用拖尾与截尾方法确定p与q值的可能取值，经判断可以尝试考虑建立ARMA（2，1）、ARMA（1，1）、ARMA（1，0）和ARMA（2，0）模型，然后再根据相关准则来比较判断，进而选择最优模型。
2.3 模型建立与估计
本文中运用1983至2011年的数据进行建模，然后利用剩余数据对模型进行检验。对模型ARMA（2，1）、ARMA（1，1）、ARMA（1，0） 、ARMA（2，0）和分别进行估计，四个模型的后多项式的倒数根在单位圆内，符合基本要求，进一步地对比四个模型的检验统计量和检验标准，实证结果经汇总，如下表所示：
从表1可以看出，四个模型的F统计量都通过显著性检验。但ARMA（2，1）中的t统计量不显著，因此排除第一种模型。从模型的整体拟合效果来看，调整后的拟合优度都相差不多。AIC、SC两种判别准则都是要求数值越小越好，相比起来，第四个模型的结果最优，因此本文选用模型ARMA（2，0）进行预测。
ARMA（2，0）模型的结果为：
因此，该ARMA（2，0）模型的口径为：
因此说明，序列RE的当期值受到滞后一期和滞后二期的共同影响，因此可以推断，当前我国能源消费增长速度在很大程度上依赖于其过去的增长惯性。
2.4 残差检验
由于DW检验适用于检验无滞后解释变量模型的残差自相关性。因此，需用LM检验准确判断残差项是否存在自相关，一阶自相关检验的结果显示：LM的检验统计量Obs*R-squared=2.348119，其伴随概率值为0.3091，因此不能拒绝原假设：残差序列不存在一阶序列自相关，即认为该模型的残差不存在序列自相关。由于残差不存在一阶自相关，因此认为残差也不存在高阶自相关，故可判定该模型是有效的。另外运用Q统计量检验对模型进行白噪声检验，结果显示残差序列的样本自相关函数都在95%的置信区域以内，且Q统计量的显著性水平大于5%，不能拒绝该序列是白噪声序列的原假设，因此认为模型估计结果的残差序列不存在自相关。最后对模型的真实值、拟合值和残差值图进行对比分析，模型拟合效果总体不错，残差基本上在容忍区间随机波动，即该模型成功建立。
2.5 模型预测
利用2012年的数据对模型预测效果做进一步检验，结果显示2012年能源消耗增长率的预测值为6.2943，真实值为6，因此相对误差率为4.90%<5%，大体上可以接受，因此该模型的建立比较科学、合理。类似的，可以对序列RE 2013-2020年的取值进行预测，结果显示2014至2018年我国能源消费量分别为：6.3206、6.4082、6.4756、6.5067、6.5129，可以看出我国在未来一段时期内，能源消费增长速度依旧保持增长态势。
3 结语
通过本文对能源消耗增长速度的实证研究，得出以下结论：第一、我国能源消费增长速度很大程度上受到其自身惯性的影响；第二、我国能源消费增长在未来一段时期内仍保持增长态势。因此，在可持续发展和低碳发展的大背景下，我们应该根据预测结果，结合我国具体国情，制定相关政策以减缓这种长期增长的情况。为促进经济和自然的和谐发展，就必须走低消耗、低排放、再利用、高效率的循环经济发展道路。
【参考文献】
[1]刘勇，汪旭晖. ARMA模型在我国能源消费预测中的应用[J]. 经济经纬，2007 （5）： 11-13.
[2]张峰，刘伟.北京市能源消费预测与政策建议[J].中国人口.资源与环境，2008（3）：99-102.
[3]中华人民共和国国家统计局.中国统计年鉴2013[M].北京：中国统计出版社，2013.
[4]国家统计局能源统计司.中国能源统计年鉴2012[M].北京：中国统计出版社，2013.
【作者简介】
姓名：王振鹏.性别：男.出生年月：19880415 民族：汉 籍贯：山东省郓城县 现供职单位全称：成都理工大学管理科学学院.学位：硕士研究生 研究方向：资源与企业战略管理