我国能源消费总量线性回归研究.docVIP

我国能源消费总量线性回归研究摘 要：能源是人类社会进步的物质基础之一。本文主要研究分析影响我国能源消费总量的因素，并建立线性回归方程给出具体数量关系。本文运用线性回归分析方法中的逐步回归法、向前回归法以及向后回归法，确定最优回归方程，并进行残差分析与共线性诊断的回归诊断，检验回归方程的稳定性。根据回归方程的建立结果以及现实意义，本文给出了相关结论以及对于政府关于节能环保工作的合理化建议。 关键词：能源消费总量；线性回归；逐步回归；残差分析；共线性诊断 一、选题背景 能源是人类社会进步的物质基础之一。两次石油危机的出现，使能源供应问题得到了越来越多的关注。近年来，随着工业化的发展，世界各国对能源的消耗越来越多，能源危机也越来越严重。因此，分析影响能源消耗的因素就显得尤为重要。作为世界上最大的发展中国家，我国是一个能源生产和消费大国。能源生产量仅次于美国和俄罗斯，居世界第三位；基本能源消费占世界总消费量的1/10，仅次于美国，居世界第二位。自1993年起，中国由能源净出口国变成净进口国，能源总消费已经大于总供给，能源需求的对外依存度迅速增大。煤炭、电力、石油、天然气等能源在中国都有缺口。因此，对于影响能源消费总量的因素的有效把握有利于政府制定相关的经济发展策略与能源节约政策，对实现并完善科学发展观具有重要的意义，对人们的日常生活有极大的好处。 二、数据集的介绍 本文的数据均来自中国国家统计局网站，并选取1991年—2010年的相关数据（详见附录）进行分析。根据查阅相关资料及数据的可获性，对于影响我国能源消费总量的指标选取可概括为以下结构表。 三、回归方程的建立及检验 1、回归方程的整体显著性检验 首先，利用R软件对分析数据集中的数据建立回归方程并作整体显著性检验，结果如下。 从表2中我们可以看出，回归方程的整体检验p值很小，回归效果非常显著。同时，回归模型拟合优度的判定系数R方和修正后的判定系数分别为0.9926和0.99，可见拟合度较高，拟合效果很好。然而，对于回归系数的显著性检验中，在显著性水平为α=0.05的条件下，系数x1并没有通过检验，这说明如果选择全部变量构造方程，效果并不好，因此就需要选择变量，以建立“最优”的回归方程。 2、逐步回归法、向前回归法、向后回归法建立回归方程 用R软件对分析数据集进行逐步回归分析，利用函数step（）作逐步回归。 回归结果为： 我们可以发现，逐步回归法得到的方程整体显著性较高，拟合程度也很好。最终确定的变量为x2—居民消费水平（百元），x3—水电、核电、风电占比（%），x4—旅客运输平均运距（公里），x5—原材料、燃料、动力购进价格指数，且在显著性水平为α=0.05的条件下，各项入选的回归系数均通过了检验，显著性较高。由此得到回归方程： 用R软件所作的逐步回归结果向前回归法与向后回归法所得到的回归方程相同，因此不多作具体描述。 四、回归方程的诊断 下面，将对回归模型的一些特性作进一步研究，检验是否存在给回归模型带来明显不稳定的异常值。 1、残差分析 用R软件对所得最优回归方程进行残差分析，并绘制标准化残差图如下。 图1 回归方程标准化残差图 图中数据是随机散布的点，没有呈现异常的趋势，是正常的残差图，因此回归方程的稳定性较好。因为一般把标准化残差的绝对值大于等于2的观测值认为是可疑点，而大于等于3的观测点认为是异常点。从图1中我们可以看出，所有的20个点基本都分布在之间或稍微有一点偏离，但并不明显。因此，我们可以说，所得的最优回归方程中并无明显的会给回归结果带来不良影响的异常值，最优回归方程的稳定性较好。 2、共线性诊断 如果回归方程中的自变量存在线性或近似线性关系，将会隐蔽变量的显著性，增加参数估计的误差，产生一个很不稳定的模型。用R软件对所得到的最优回归方程进行共线性诊断，得到自变量的方差扩大因子如下。 一般来说，若方差扩大因子，则表明模型中有很强的共线性问题。由表4中的结果我们可以看出，最优回归方程中自变量的方差扩大因子均未超过10，因此可以说明回归方程中的所有自变量不存在严重的共线性问题，回归方程的效果及稳定性较好。 五、最优回归方程的解释分析 综上所述，本文在探究影响我国能源消费总量的因素并给出相应的数量关系这一问题中，经过回归方程的建立及回归诊断后，最终的最优回归方程为： 由此模型可以看出，居民消费水平、水电核能占比、旅客运输平均运距以及原材料等购进价格指数为影响我国能源消费总量的最优因子。 首先，居民消费水平的提高将促进能源消费的增长。居民消费水平每提高一百元，能源消费总量将增加3.205千万吨标准煤。因为人们的生活水平提高了，便可以增加