向量自回归模型对我国能源需求至2020年预测中的应用研究.pdfVIP

向量自回归模型对我国能源需求至2020年预测中的应用 徐淑娟 吉林省招生委员会办公室，长春，130033 摘要：随着我国经济的快速发展，对能源需求日益增加，在未来一段时期内，如何科学地预 测我国能源需求量，对于保证经济的可持续发展、小康社会目标的实现和和谐社会的构建具 有重要的现实意义。向量自回归模型是基于数据的统计性质建立模型，把系统中每一个内生 变量作为系统中所有内生变量的滞后值的函数来构造模型，是处理多个相关经济指标的分析 和预测最容易操作的模型之一，常用于预测相互联系的时间序列系统。能源需求量是由煤炭、 石油、天然气等一次能源的消费量组成，他们之间存在着密切的联系，基于此，应用 VAR 模型对我国中长期的能源需求总量、煤炭、石油、天然气的消费量进行预测，为科学地制定 能源发展战略提供理论指导。 关键词：能源需求；向量自回归模型；预测 经济增长与能源需求关系密切，两者相互影响，相互促进。随着我国国民经济的发展， 对能源需求日益增加。科学地预测我国中长期能源需求量，对于经济的可持续发展具有重要 的意义。能源需求预测的方法很多，如时间序列法，回归分析法，能源消耗弹性系数法，投 入产出法等。但这些方法都存在一定的局限性，只反映单一的因素或几个主要的因素对能源 需求的影响，影响因素与能源需求的关系主要是线性的、静态的。而向量自回归模型是用一 种动态的非结构性的方法来建立变量之间关系模型，推动了经济系统动态性分析的广泛运 用，这种模型常用于预测相互联系的时间序列系统，近年来受到越来越多经济工作者的重视。 向量自回归模型系统内每个方程有相同的右侧变量，而这些右侧变量包括所有内生变量的滞 后值，当每个变量都对预测其他变量起作用时，这组变量适合用VAR模型。能源总消费量由 煤炭、石油、天然等的消费量组成，其中每个因素的变化都会对另外因素产生影响，另外， VAR模型在能源需求预测中较少应用，因此，本文应用VAR模型对能源总消费量、煤炭、石 油、天然气的消费量进行了中长期预测。 1 向量自回归模型 用联立方程的形式建立模型在20世纪五六十年代风行一时。这种方法的理论优点是对 方程内有随机误差项与某些解释变量的相关所造成的回归参数估计量的偏倚给予了充分的 注意与考虑，从而提出工具变量法，两阶段最小二乘法，有限信息及大似然估计法等估计方 法。这种建模方法用来研究大型复杂的宏观经济问题，用来做政策分析和预测，在实际应用 中，由于这些模型的预测效果并不令人十分满意，所以联立方程模型也招致一些批评。疑问 主要集中在零约束的假定条件以及对变量进行内生与外生的划分上。为达到可识别的目的就 要对变量实行零约束。当模型不可识别时，通常是加入一些额外的不同变量于不同的方程从 而满足识别条件。这些新加入变量的解释能力有时是很弱的。如果变量是非平稳的，则违反 [1-2] 了假定条件。这也是造成预测效果不佳的原因之一 。 1980年西姆斯（Sims）提出向量自回归(VAR)模型。VAR模型是用模型中所有当期变量 对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量的动态关系，而不带 有任何事先的约束条件。这种模型目前已得到广泛应用。 t 假设Y 是一个N×1节时间序列向量，Y=（y y y ） 。则k阶VAR模型可写为： t t 1t 2t…… nt k Y   Y U t i1 i ti t （1）  Y  Y  Y U,U ~ D(0,) 1 t1 2 t2 k tk t t 用VAR（k）表示，其中 , 都是N×N阶参数矩阵，U 是N×1阶随机误差项量。 1 k