中国电力投资与电力消费的协整模型分析.docVIP

中国电力投资与电力消费的协整模型分析 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：中国电力投资与电力消费的协整模型分析 1 0 引言 1 1 基于协整分析的中国电力投资与电力消费分析 2 2 结论 5 文2：我国经济增长对电力消费的阈值效应分析 5 一、引言 5 二、模型设定与变量选取 8 (一)我国经济增长与电力消费的演变特征 8 (二)我国经济周期中电力消费的阈值协整模型 9 参考文摘引言： 10 原创性声明（模板） 11 文章致谢（模板） 11 正文 中国电力投资与电力消费的协整模型分析 文1：中国电力投资与电力消费的协整模型分析 Key words： electric power investment；electricity coumption；Granger test；co-integration analysis；error correction model 0 引言 电力产业属于国民经济的基础产业。现阶段我国是世界上的第二大电力消费国，仅次于美国，电力已经在我们的生活中无处不在。但在市场环境下电力部门的属性发生了变化，逐步转变为了企业实体，通过为社会提供电力消费服务好获取相应的经营效益，这无疑对企业决策层提出了更高的要求。为尽量减少电力投资决策失误，电力部门非常重视投资预算、监控与管理，有专责进行投资分析与研究，对电力建设项目实施全过程管理、统计分析投资各项指标、制定政策及研究投资资金运行[1]。电力行业作为国民经济的支柱行业之一，对经济持续健康发展意义重大。中国电力消费量能否持续高速发展，预测电力消费发展潜力与发展趋势，探索电力消费波动因素是值得长期关注的问题[2] 关于电力需求预测的研究引起了很多学者的兴趣，也取得了一些成绩，比如分形理论、偏最小二乘回归等。上世纪80年代开始很多国家开始在其电力消费预测、电力负荷预测和电价分析中应用预测方法，比如自回归整体移动平均法、自回归移动平均法等。基于时间序列模型的非平稳性，Granger提出了变量协整的概念，并被广泛应用于世界各国[3-4] 本文选取1998年到2014年17年中国电力投资与消费数据，利用Eviews进行了计量分析并得出相应结论，为电力部门决策提供依据。 1 基于协整分析的中国电力投资与电力消费分析 协整理论是为多个非平稳的经济变量寻找均衡关系，鉴别经济变量之间是否存在长期均衡关系。为避免伪回归所带来的估计结果不可靠的缺陷，同时还可以区分变量之间的长期均衡关系和短期动态关系。协整分析的前提是变量所组成的系统具有弱稳定特征，即变量之间存在长期稳定的比例关系。 本文选取1998年到2014年中国电力投资与消费的数据，数据如表1，数据来源为《中国统计年鉴》和《中国能源统计年鉴》。由于中国电力投资与消费数据较大，为了减少可能存在的异方差性和自相关性影响，对两个序列取对数，分别命名为LnI和LnC。本文所有计量结果均由Eviews 6输出。 Granger检验 VAR模型的一个重要应用是分析经济时间序列变量之间的因果关系，Granger检验可以较好的检验待分析变量的因果关系，有利于切合实际的解释VAR模型分析的结论。检验结果如图1所示。 通过Granger检验结果可知，电力消费是电力投资的Granger原因，但电力投资不是电力消费的Granger原因。说明中国电力消费在一定程度上影响了电力投资，但电力投资并不是直接促进电力消费的原因。所以，在以电力消费为因变量的方程中，可以作为外生变量。 向量自回归模型（VAR）估计 图2为LnI和LnC两个序列的时序线图，由图可知两个序列都是带有趋势的非平稳序列，存在某种均衡关系的可能性比较大。 建立VAR模型，初步选择滞后期为2，VAR（2）模型的检验结果为图3。其中，，由此可以判定VAR（2）模型能够很好的反映中国电力投资和电力消费间的动态关系。　 VAR模型滞后阶数的选择 通常在进行VAR模型滞后阶数p的选择时，需要综合考虑，既要有足够数目的滞后项，以便能完整反映所构造的模型的动态特征，又要有足够数目的自由度。在图4中4个评价指标中有2个*标记认为应该建立VAR（2）模型，则确定本文将建立中国电力投资与电力消费的VAR（2）模型。 VAR模型的平稳性检验 如果被估计的VAR模型所有的根模的倒数小于1，即位于单位圆内，则其是稳定的，如果模型不稳定，某些结果将不是有效的。图5和图6分别为VAR（2）模型的全部特征根和位置图，从图中可知此VAR模型中不存在大于1的根，即根位置均在单位圆内，说明这是一个平稳系统。 VAR残差检验 为了排除模型中自相关对结果的影响，需要对模型进行残差检验。残差检验主要有以下几种：自相关图、