公司五年规划范文

　　能源消费与工业经济增长之间的关系研究

　　摘要：能源是国家经济的命脉，也是一国经济发展的重要物质基础。我国作为世界上经济增长最快的国家，对于能源的消费也是非比寻常的。在我国的经济增长中，对于能源的消耗占主要地位的就是工业经济的发展。从一定程度上来讲，能源的消费与工业经济增长之间存在着千丝万缕的联系。本文就着重分析了能源消费与工业经济增长之间的关系，旨在从我国经济的增长以及能源的消费之间寻找到一个协调点，促进工业经济的高效增长。

　　一直以来，工业都是能源消费的主体，是工业经济发展的不可缺少的生产资料，尤其是对我国这个经济快速发展的发展中国家来说。在很长的一段时间内，我国工业经济的发展都是以牺牲能源为代价的，由于在科技水平生产技术等方面的欠缺，能源就理所当然的成了经济发展的弥补品。虽然说几年来，随着能源危机的临近，以及世界对绿色生产的呼唤，我国也制订了一系列的规章制度和措施等来能源的粗放性消费，但是毕竟我国还处于经济大幅增长的阶段，所以对于能源的消费也是必不可少的。所以，在现阶段，对于能源消费与工业经济增长之间关系的研究，是我国工业生产以及能源管理相关部门工作中的一个重点，也是促进有关部门采取相应措施提高能源利用率，实现优化产业结构，协调经济与能源关系目标的关键。

　　关键词：能源消费 能源生产 计量经济学模型 能源战略

　　总论：

　　我国是一个能源大国，但是，我国人口众多，人均能源占有量不及同期发达国家的1/5。能源是任何一个国家经济发展不可缺失的物质基础。随着我国人口的继续增长，经济的快速发展，能源消费量的增加是必然的，而与年俱增的能源消费对环境造成的破坏也越来越严重。因此，怎样优化能源利用结构，开发利用清洁能源，就成为我国经济发展的当务之急。这就需要我们清楚了解能源供需形势，做好影响能源消费因素分析，为能源规划及的制定提供科学依据，保证我国国民经济又好又快地发展。

　　一、能源消费与工业经济增长相关概念

　　在经济发展中，能源一直都是一个永恒的话题，很多的学者也都对能源做了很多研究，对其相关联的概念做了很多的界定。一般而言，在能源消费与工业经济增长之间关系的研究中需要探讨的概念主要如下：

　　(一)能源概念及其分类

　　所谓的能源就是我们通常所说的能源资源，它可以产生各种能量，并且被充分的应用到了工业生产以及人们的日常生活中。这些资源包括煤炭、原油、天然气、水能、核能以及一些太阳能、地热能等等。这些能源由于其性能以及生产方面的不同，可以将其分为下面的几类：

　　1.按照能量的来源可以分为三类：地球本身所蕴藏的能量，比如地热、原子核能;来自地球外部天体的能量，比如，太阳能，它为风能、水能、生物能以及矿物质能的形成提供条件;地球和其它天体相互作用产生的能量，比如，潮汐能等。

　　2.按照能源的基本形态可以分为两类：一次能源与二次能源。一次能源就是天然的能源，比如煤炭、石油、天然气等;二次能源则是在一次能源加工的基础之上形成的能源，比如，电能、煤气、汽油、柴油等等。

　　3.按照能源的性质可以分为两类：燃料型能源与非燃料型能源。燃料型能源主要有石油、煤炭、天然气、木材等，而非燃料型的能源则为水能、风能、地热能等等。

　　4.按其生产情况可以分为可再生资源和不可再生资源。可再生资源就是可以通过一些形式能够得到不断的补充或者是在较短的周期内能够再次产生的能源。比如，风能、水能、太阳能、生物能等都是可再生资源;而反之在较短的时间内不能够再生产的能源就是不可再生资源，比如煤炭、石油、天然气等。

　　(二)能源消费

　　在认识了能源的概念以及分类的基础上我们再看看究竟什么是能源消费。其实能源消费故名思意就是对能源的利用以及使用，在使用中包括个人以及家庭对能源的使用，也包括工业、农业、服务业等对能源的使用，这属于统计学的范畴。

　　(三)经济增长与工业经济增长

　　对于经济增长，经济学界有着比较统一的认定，认为经济增长是实际总产出或者是人均实际产出的不断增加。它的增长是指生产总成果在量上面的增加，在对其衡量的过程中要将所有的生产要素结合起来。

　　而工业经济的增长则是指在一定的时期内，全部的工业企业在实际生产总值或者是增加值上面的不

　　断增长的一个过程。它的界定是在一段时期内的界定，而并不是在一个点上面的界定。

　　二、中国能源供求现状分析

　　我国经济快速增长，必然带动能源消费量的增长。作为世界上最大的发展中国家，建国以来，我国的经济总量和能源消费总量都出现了较大幅度的增长。1953年—1978年GDP由1615亿元增长到6584亿元，再增长到20xx年的183084亿元，1953年—1978年，1979年—20xx年两个阶段的平均增长率分别为5.8%和9.7%;能源消费量由1953年的0.54亿吨标准煤增长到1978年的5.71亿吨标准煤，再增长到20xx年的22.47亿吨标准煤。年均分别增长了9.9%和5.3%。中国的人均能源消费量也在迅速增长，1953年—1978年由0.09吨标准煤增长到0.59吨标准煤，再增长到20xx年的1.70吨标准煤。20xx年全国城乡生活人均年用电量为173.7千瓦时，而1980年只有10.7千瓦时。

　　从已收集来的数据来看，近年来，我国能源消费是处于供不应求的状态，并且供求矛盾有扩大的趋势。

　　从图中可看出，1996年之前能源的生产和消费均呈温和上升局势，虽然能源的生产不能满足消费的要求，但二者差距也相对平稳。但1996年之后之一差距不断扩大，能源的生产不能满足经济发展对它的需求，到20xx年能源需求大幅度增加，而能源生产却不能同步增加，能源矛盾突出。1997年—1999年中国经济在保持持续增长的同时，能源消费总量出现了下降。可能的原因是：市场出现需求疲软现象，能源产品需求减少;一些高能耗、污染大的“五小”企业被关闭;产业结构的变化等。由另外的资料表明，20xx年—20xx年连续三年的能源需求弹性系数都大于1，说明能源消费量增长速度已经超过经济增长速度，经济发展的能源代价在扩大。种种证据表明，我国的能源问题比较深刻，迫切需要解决。

　　三、数据选取

　　1、能源消费总量，在模型中用Y来表示。是指一次性能源消费总量，由煤炭、石油、天然气等组成(单位：万吨标准煤)。

　　2、能源消费的影响因素：

　　(1)能源生产总量，在模型中用X1来表示。是指一次性能源生产总量，该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标(单位：万吨标准煤)。

　　(2)全国生活能源消费总量，在模型中用X2来表示，是指一次性能源在在生活方面的消费量。(单位：万吨标准煤)。

　　(3)城镇居民人均可支配收入，在模型中用X3来表示。指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。(单位：元)。

　　(4)工业能源消费总量，在模型中用X4来表示，是指工业方面的能源消费量。(单位：万吨标准煤)。

　　(5)其他因素，在模型中用U表示。我们将由于各种原因未考虑到和无法度量的因素归入随机扰动项，如能源价格变动、消费者偏好、国家的经济结构等。

　　原始数据：

　　本文所有数据来自中国统计年鉴

　　四、模型设定

　　回归模型设定如下：

　　Y=β0+β1X1+β2X2+β3X3+β4X4+u

　　Y=能源消费总量(万吨标准煤) X1=能源生产总量(万吨标准煤)

　　X2=全国生活能源消费总量(万吨标准煤) X3=城镇居民人均可支配收入(元) X4=工业能源消费总量(万吨标准煤) u=随机扰动项

　　β0 β1 β2 β3 β4——待估参数 t=1980—20xx 五、模型检验

　　假设模型中随机扰动项u满足古典假定，运用OLS方法估计模型的参数，利用计量经济学软件Eviews计算可得如下结果：

　　Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 10:49 Sample: 1980 20xx Included observations: 28

　　Variable C X1 X2 X3

　　X4

　　R-squared

　　Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

　　Coefficient

　　-1822.975 0.553614 0.209548 1.585396 0.568271

　　Std. Error

　　2572.371 0.107216 0.405769 0.429729 0.093726

　　t-Statistic

　　-0.708675 5.163553 0.5122 3.6293 6.063122

　　Prob.

　　0.4856 0.0000 0.6105 0.0012 0.0000

　　125790.9 55317.60 17.73983 17.97773 8176.418 0.000000

　　0.999297 Mean dependent var 0.999175 S.D. dependent var 1588.843 Akaike info criterion 58061714 Schwarz criterion -243.3577 F-statistic 1.3776 Prob(F-statistic)

　　回归方程为：

　　^Y=-1822.975+0.553614X1+0.209548X2+1.585396X3+0.568271X4

　　t=(-0.708675) (5.163553)(0.5122) (3.6293)(6.063122) 22

　　R=0.999297 -R=0.999175 F=8176.418 DW=1.3776

　　1、 经济意义检验

　　由回归估计结果可以看出，能源生产总量、全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量与能源消费总量呈线性正相关，与现实经济意义理论相符。

　　2、 统计推断检验

　　从估计的结果可以看出，可决系数R2=0.999297，F=8176.418，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X1、X3、X4的t值大于给定的显著性水平，拒绝原假设，接受备择假设，表明能源生产总量、城镇居民人均可支配收入、工业能源消费总量对能源消费总量有显著性影响;仅有X2的t值小于给定的显著性水平，接受原假设，表明全国生活能源消费总量对能源消费总量影响不显著。

　　3、 计量经济学检验

　　(1) 多重共线性检验

　　由下表可看出，模型整体上线性回归拟合较好，R2 与F值较显著，而解释变量X2的t检验不显著，则说明该模型可能存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。

　　用逐步回归法修正模型的多重共线性。

　　运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟合效果最好的一元线性回归方程。结果如下：

　　加入x1的方程-R2最大，以x1为基础，顺次加入其他变量逐步回归。

　　经比较，新加入x4的方程-R2=0.998541，改进最大，而且各参数的t检验显著，但是x2的符号不合理，选择保留x4，再加入其他新变量逐步回归。

　　在X1、X4的基础上加入X2后的方程-R2明显增大，但是X2的t检验不通过。加入X3后不但方程的R2明显增大，而且t检验值也通过，所以选择保留X3，继续回归。

　　在x1，x4，x3的基础上，加入x2后，不仅R2下降，而且x2参数的t检验不显著。这说明x2引起多重共线性，应予剔除。 最后修正多重共线性影响的回归结果为：

　　Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 10:52 Sample: 1980 20xx Included observations: 28

　　Variable C X1 X3

　　X4

　　R-squared

　　Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

　　Coefficient

　　-1771.254 0.5143 1.433497 0.563954

　　Std. Error

　　2530.847 0.080966 0.308466 0.091915

　　t-Statistic

　　-0.699866 7.2751 4.7176 6.135601

　　Prob.

　　0.4907 0.0000 0.0001 0.0000

　　125790.9 55317.60 17.67993 17.87025 11245.40 0.000000

　　0.9992 Mean dependent var 0.999200 S.D. dependent var 15.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)

　　(2) 异方差检验 图示法：

　　从上图可看出，残差e随Y的变动趋势不明显，不规律，所以，该模型可能不存在异方差。是否存在异方差还应通过更进一步的检验。 White检验

　　White Heteroskedasticity Test: F-statistic

　　1.042741 Probability 9.595539 Probability

　　Std. Error

　　47930201 2913.608 0.046955 0.2251 0.095976 12596.90 0.990310 0.225676 3099.903 0.049458

　　t-Statistic

　　-0.600622 0.969097 -0.476773 1.145300 0.146278 0.223609 0.858107 -2.1606 -1.074397 0.471785

　　Coefficient

　　-28787936 2823.568 -0.022387 0.262218 0.014039 2816.781 0.849792 -0.487615 -3330.526 0.023334

　　0.445875 0.384209

　　Prob.

　　0.5556 0.3453 0.6393 0.2671 0.8853 0.8256 0.4021 0.0444 0.2968 0.27

　　Obs*R-squared

　　Test Equation:

　　Dependent Variable: RESID^2 Method: Least Squares Date: 5/21/13 Time:11:13 Sample: 1980 20xx Included observations: 28

　　Variable C X1 X1^2 X1*X3 X1*X4 X3 X3^2 X3*X4 X4 X4^2

　　R-squared

　　Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

　　0.342698 Mean dependent var 0.014047 S.D. dependent var 2715618. Akaike info criterion 1.33E+14 Schwarz criterion -448.3515 F-statistic 3.175863 Prob(F-statistic)

　　2097677. 27344. 32.73939 33.21518 1.042741 0.445875

　　2

　　nR2=9.595539,由White检验知，在α=0.05下，查χ2分布表，得临界值χ因为nR2=9.595539<χ不存在异方差。

　　ARCH检验：

　　ARCH Test: F-statistic

　　0.731099 Probability 0.767152 Probability

　　Std. Error

　　679705.5 0.196543

　　t-Statistic

　　3.542855 -0.855043

　　0.4008 0.381099

　　Prob.

　　0.0016 0.4006

　　2051841. 2776010. 32.59251 32.68850 0.731099 0.4008

　　20.05

　　0.05

　　(10)=18.3070。

　　(10)=18.3070。所以拒绝备择假设，不拒绝原假设，表明模型

　　Obs*R-squared

　　Test Equation:

　　Dependent Variable: RESID^2 Method: Least Squares Date: 5/21/13 Time: 11:18 Sample (adjusted): 1981 20xx

　　Included observations: 27 after adjustments

　　Variable C RESID^2(-1) R-squared

　　Coefficient

　　2408098. -0.168053

　　0.028413 Mean dependent var -0.010450 S.D. dependent var 2790478. Akaike info criterion 1.95E+14 Schwarz criterion -437.99 F-statistic 1.850657 Prob(F-statistic)

　　20.05

　　Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

　　因为(n-1)R2=0.767152<χ不存在异方差。 (3) 自相关补救

　　(1)=3.84146，接受原假设，表明模型中的随机误差项

　　按照时间顺序绘制残差项e的图形。从图中可看出，e随t的变化逐次有规律地变化，呈现锯齿形的变化，可判断随机扰动项u可能存在正自相关。

　　由下表可得DW=1.371751;给定显著性水平α=0.05，n=28，K=3时，查Durbin—Watson表得下限临界值dL=1.181，上限临界值dU=1.650，可知dL

　　Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 11:26 Sample: 1980 20xx Included observations: 28

　　Variable C X1 X3 X4

　　R-squared

　　Coefficient

　　-1771.254 0.5143 1.433497 0.563954

　　Std. Error

　　2530.847 0.080966 0.308466 0.091915

　　t-Statistic

　　-0.699866 7.2751 4.7176 6.135601

　　Prob.

　　0.4907 0.0000 0.0001 0.0000

　　125790.9 55317.60 17.67993 17.87025 11245.40 0.000000

　　0.9992 Mean dependent var 0.999200 S.D. dependent var 15.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)

　　Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

　　在不能确定的区域，可采取的措施是增大样本容量。但是，由于数据收集有困难，又DW接近dL值，所以，我们可假设模型有正自相关。 引入一阶自相关系数AR(1) 得出回归结果：

　　Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 11:28 Sample (adjusted): 1981 20xx

　　Included observations: 27 after adjustments Convergence achieved after 9 iterations

　　Variable C X1 X3 X4 AR(1)

　　R-squared

　　Coefficient

　　-3288.221 0.585317 1.122399 0.600410 0.344368

　　Std. Error

　　3341.502 0.095509 0.409236 0.108418 0.204720

　　t-Statistic

　　-0.984055 6.128397 2.742671 5.537932 1.682139

　　Prob.

　　0.3358 0.0000 0.0119 0.0000 0.0067

　　128217.4 54831.80 17.62805

　　0.999368 Mean dependent var 0.999253 S.D. dependent var 1498.621 Akaike info criterion

　　Adjusted R-squared S.E. of regression

　　Sum squared resid Log likelihood Durbin-Watson stat

　　Inverted AR Roots

　　49409060 Schwarz criterion -232.9787 F-statistic 1.850807 Prob(F-statistic) .34

　　17.86802 8696.007 0.000000

　　从上图可知，可决系数R2的值为0.999368.非常接近于1，模型拟合度非常高。在1%的显著水平条件下，参数显著不为零，模型整体性良好。AR(1)对应的Prob值为0.0067，在1%的显著水平下显著。D.W.对应的值为1.85，查解释变量为4且自由度为27的D.W.分布表，上下限分别为1.16，1.65.由于1.65<1.85<2.35,所以模型不再存在一阶自相关。

　　最终回归模型为：

　　^Y=-3288.221+0.585317X1+1.122399X3+0.600410X4 t=(-0.699866) (7.2751) (4.7176) (6.135601) R=0.999368 F=8696.007 DW=1.850807

　　这说明，在其他因素不变的情况下，当能源生产总量X1、工业能源消费总量X4分别增长1万吨标准煤，能源消费总量Y分别增长0.585317、0.600410万吨标准煤。当城镇居民人均可支配收入增长1元时，能源消费总量Y增长1.122399万吨标准煤。从模型还可看出，能源生产总量X1对能源消费的影响较小。 不足之处：

　　①此案例存在的问题是样本容量太小，其可靠性受到影响。

　　②对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限性，无法对模型进行进一步调整。

　　③在考虑能源消费的影响因素时，我们引入了全国生活能源消费总量。按照经济学的一般观点，全国生活能源消费总量与能源消费总量存在较强的正相关关系。但是在具体回归时发现t检验值不通过，与统计意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在最后的尝试中发现，剔除全国生活能源消费总量的影响比保留时的拟合效果更好，所以，我们不得不考虑将其剔除。

　　六、结论：

　　1、在多重共线性的修正过程中，可以发现，时间序列全国能源消费总量、工业能源消费量与能源消费总量具有共同变化趋势，在经济上升时期均呈现增长的趋势;在经济收缩期，又都呈现下降趋势。当这三者同时作为解释变量时，就很有可能出现多重共线性。出现多重共线性的另一原因是：抽样仅仅局限于能源消费总量影响因素的一个有限范围内。

　　2、在自相关的修正过程中，我们可以发现，全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量等经济数据都具有时间上的惯性，即在经济高涨的时期，能源消费在各个领域的较高增长率都会持续一段时间。另外一方面，城镇人均可支配收入具有经济活动的滞后性，城镇居民人均可支配收入的增加，不会使居民能源消费的水平当期就达到应有的水平，而是要经过若干期才能达到。因为人的消费观念的改变存在一定的适应期。

　　3、虽然能源价格、能源消费结构和环境等因素未能在模型中得到量化和反映，但不是说这些因素对能源需求的影响并不重要。事实上，这些因素越是得不到量化和反映，越是暴露了当前我国在这些方面的不足和缺陷，更应该重视和解决。 七、建议：

　　1、充分发挥市场机制的作用，促进我国能源消费向高效、清洁的方向发展。在工业方面，有重点地调整产业结构，确保经济与能源消费的协调增长。在保证能源供应安全的同时，要合理的控制经济增长速度，积极推动经济增长方式由粗放型向集约型转变，严格控制高能耗产业的投资和发展，从而确保国民经济能够健康、稳定、持续发展。在人民生活方面，应该大力宣传资源节约型、环境友好型社会的建立，培养全民节能意识，倡导全社会节能降耗。

　　2、优化和改善能源消费结构，大力发展清洁能源的使用，加强科学技术在此类能源上的创新性。我国具有丰富的水能、风能、太阳能等可再生资源，从长远来看，我国应在中长期战略上做好大力发展可再生能源的部署。

　　3、加强能源统计，制定有效的能源发展战略。能源统计数据的质量，应包括数据的准确性和时效性。提高能源统计数据的准确性、时效性、国际可比性，便于有关部门及时调整战略，实现能源的有效利用。

　　八、参考文献

　　[2] 刘宏杰,邱立成.中国能源消费与经济发展关系的时间序列分析[J].《河北经贸大学学报》， 20xx，3.

　　[3]林伯强，中国能源需求的经济计量分析[J].统计研究，20xx，10.

　　[4]史丹.结构变动是影响我国能源消费的主要因素[J].中国工业经济，20xx，11.