电力消费与经济增长因果关系研讨(共2986字).docVIP

电力消费与经济增长因果关系研讨(共2986字) 本文采用Pesaran等人2001年提出的协整检验方法检验电力与经济增长之间的关系。该方法不需要知道变量的协整阶数，因此避免协整检验之前的单位根检验带来的限制。无论时间序列是I（0）还是I（1），该方法尤其有效。另外，该方法在小样本分析中也具有良好的适用性。1.1边限协整检验法协整性分析通过联合F统计量来分析，其原假设是变量间不存在协整关系，对于式（1）H0:η11=η12=0，对应的备择假设是H1:η1≠0或η2≠0。对于式（2），原假设为H0:η21=η22=0，备择假设为H1:η21≠0或η22≠0。Pesaran等人给出了对于不同自变量个数、是否包含截距项和时间趋势项、不同显著性水平下的上下临界值。若F值大于上限，则不需要进行变量平稳性检验即可以判定变量之间存在长期关系；若F值小于下限，则可以直接判定原假设成立；若F值介于上下限之间，我们不能直接得出结论，而需要检验变量为I(0)或者I(1)。若存在长期协整关系，即可引入无约束误差修正模型（UECM），利用AIC或者SBC信息准则并结合其他模型。 通过以上对变量间长期关系的确定。之后可以对变量间的短期和长期因果关系进行检验。根据格兰杰因果关系的定义，若时间序列Yt通过采用Xt的历史数据可以提高预测效果，则说明存在从Xt到Yt的因果关系，否则不存在。传统的格兰杰因果检验的原假设是不存在从Xt到Yt的因果关系。电力消费与经济增长之间的传统的格兰杰因果检验通过式（3）和（4）进行说明。式（3）的原假设是不存在EL到GDP的格兰杰因果关系，若b1j的联合显著的，则拒绝原假设。同样，式（4）中，原假设是不存在GDP到EL的格兰杰因果关系，若b2j是联合显著的，则拒绝原假设，表明存在从GDP到EL的因果关系。基于误差修正项的因果检验，包含了协整方程中的误差滞后项。如式（5）和（6）所示，通过引入滞后误差修正项，原本通过差分损失的长期信息得到补充。变量间虽然存在长期关系，但并不至少存在一个方向的格兰杰因果关系。因果关系的方向通过F统计量和滞后的误差修正项来确定。当ECM（-1）系数的t统计量显著则表明存在长期的因果关系，解释变量的F统计量表明短期的因果关系。然而，对于式（5）和（6），仅当变量间存在协整性才能引入误差修正项进行估计。 本文采用国内生产总值（GDP）序列代表经济增长，用全社会用电量代表用电需求，样本期间为1980~2009年，数据来源于《中国统计年鉴》（1981~2010）。为消除原始数据的异方差性，对GDP和电力消费数据都作了取对数处理。由于电力消费和GDP时间序列存在明显的趋势特点，为将时间趋势特征与周期性波动分别研究两者之间的因果关系，在此用HP滤波法将电力消费和GDP时间序列分为趋势部分和波动部分，如图1和2所示。 1电力消费与经济增长的协整性检验 电力消费与GDP趋势部分之间的长期关系通过AR-DL边限检验法检验。首先，（1）和（2）中各变量的差分的滞后阶数通过AIC和SBC准则确定，两变量均为2。随后，进行我国电力消费和经济增长趋势部分之间的协整关系检验，如果协整关系存在，则可以得到变量间的长期系数和ECM项。同样，对电力消费和经济增长的周期波动部分进行检验。检验结果如表1所示。表1中的F统计量表明，对于趋势部分，当GDPS和ELS为因变量时，所得的F统计量高于1%水平下的上限临界值，存在明显的协整关系；对波动部分，当ELC为因变量时，F统计量在5%水平下高于上限临界值。而GDPC为因变量时，F统计量在5%水平下低于临界值。可以看出，仅有唯一的协整向量。趋势成分与波动成分之间均存在协整关系，表明两者之间既有长期的共同增长趋势特点，且短期的波动也具有共同性。 2基于误差修正模型的因果关系检验 对于趋势成分和波动成分根据检验出式（2）中均存在长期协整关系后，可以对有滞后误差项的式（6）进行因果关系检验。通过对滞后误差项系数的显著情况和Wald检验中解释变量的滞后差分项的联合显著性情况进行判断。实证分析结果如表2所示。根据检验结果可以看出，对于趋势部分，当GDPS为自变量时，ECM系数与预期相同为负并且显著，反映了短期波动偏离长期均衡时，将以0.19%的调整力度将非均衡状态拉回到均衡状态，说明存在从电力消费到电力消费的显著的长期因果关系，F统计量的显著表明存在从电力消费到经济增长的短期因果关系。而当ELS为自变量时，其ECM系数显著但非负，并不能证明经济增长到电力消费之间的因果关系。同样，对于波动部分，当ELC和GDPC为自变量时，ECM系数均与预期相同为负并且显著，分别以33.03%和6.19%的调整力度将非均衡状态拉回到均衡状态，前者对电力消费的调