《关于影响我国电力消费总量的因素分析》由会员分享，可在线阅读，更多相关《关于影响我国电力消费总量的因素分析（9页珍藏版）》请在金锄头文库上搜索。
1、 .关于影响我国电力消费总量的因素分析摘要：随着改革开放的的步伐，中国的经济发展一直处于稳步发展过程中，伴随着国民经济的发展，至使我国的能源消费快速增长，电力供应日趋紧张，为缓解这一紧张趋势，从“西电东送”政策到各城镇自身均分别采取不同措施，但这并无法从更本上解决电力短缺问题，故本文试图通过运用计量经济模型，采用T检验、F检验等方式，分析影响我国电力消费总量的因素，为国家电力的中长期合理分配提供政策依据。关键字：电力消费总量、因素选择、模型建立、模型检验一、 影响因素选择（1） 全国GDP总额：国民生产总值是衡量一个国家经济发展的主要因素，而经济发展的速度是受制于能源供应的程度的，电力工业在其
2、中更是具有举足轻重的作用，故此处将GDP设定为影响因素之一；（2） 工业总产值： 工业领域是一个高密度用电部门，随着工业化进程的推进，其对电力需求也进一步提升，故将工业总产值作为因素之一列入模型；（3） 人口总量： 中国是一个人口大国，居民对电力的日常消费数量是非常可观的，且随着家用的普及，生活用电数量日趋攀升，人口数量的变化对电力消费量影响应该也是需纳入考虑范围中的；（4） 电力出厂价指数： 价格是影响需求的关键因素，电价的波动对于电力消费量的影响是显著的，但由于电价在我国各地有所不同，受不同因素制约，故此处引入电力出厂价格为影响因素；二、 模型的设定 设被解释变量Yi：我国电力消费总量（亿
3、千瓦时）解释变量X1i：全国GDP总额（亿元） X2i：工业总产值（亿元） X3i：人口总量（万人） X4i：电力出厂价格（相对数）多元线性回归模型：Yi=0+ 1X1i+ 2X2i+3X3i+4X4i +ui（模型参考：借鉴关于影响我国电力消费量因素实证分析）三、数据的收集数据来源：中华人民共和国统计年鉴（国家统计局）四、模型的估计运用最小二乘法（OLS）对本文模型进行回归分析：Dependent Variable: ELECTRICITYMethod: Least SquaresDate: 10/06/13 Time: 23:13Sample: 1990 2004Included obse
4、rvations: 15VariableCoefficientStd. Errort-StatisticProb.C-61669.6718917.10-3.2599960.0086GDP(X1i)0.1147190.0228605.0182670.0005INDUSTRY(X2i)0.0136190.0057522.3677090.0394POPULATION(X3i)0.6008010.1683813.5681060.0051PRICE(X4i)-30.798203.295763-9.3447860.0000R-squared0.996221Mean dependent var11965.9
5、5Adjusted R-squared0.994710S.D. dependent var4458.347S.E. of regression324.2786Akaike info criterion14.66228Sum squared resid1051566.Schwarz criterion14.89830Log likelihood-104.9671F-statistic659.0751Durbin-Watson stat2.277960Prob(F-statistic)0.000000根据回归分析显示的结果，方程如下：Yi=-61669.67+0.114719X1i+0.01361
6、9X2i+0.600801X3i-30.79820X4i+uiT=(-3.259996) (5.018267) (2.367709) (3.568106) (-9.344786)R-squared =0.996221 Adjusted R-squared=0.994710五、模型的检验（1）经济意义检验这里所估计的参数结果说明：（在其他影响因素一定的条件下）1、 国民生产总值每增加1亿元，将会导致电力消费总量平均增加0.114719亿千瓦时；2、 工业总产值每增加1亿元，将会导致电力消费总量平均增加0.013619亿千瓦时；3、 人口总量每增长1万人，将会导致电力消费总量平均增加0.60080
7、1亿千瓦时：4、 电力出厂价格每变化1%，将会导致电力消费总量平均下降30.79820亿千瓦时。（2）拟合优度检验由回归结果可知：可决系数R-squared =0.996221，修正样本可决系数Adjusted R-squared=0.994710，与1十分接近，说明模型在整体上对数据拟合程度是非常好的。（3）F检验针对H0：1=2=3=4=0，给定显著性水平a=0.05,在F分布表中查出自由度为4和10的临界值为3.48，由于F=659.07513.48，应拒绝原假设H0，说明回归方程显著，即国民生产总值、工业总产值、人口总量、电力出厂价格对我国电力消费总量是有显著影响。（4）T检验分别针对
8、H0：j=0（j=1,2,3,4）, 给定显著性水平a=0.05,查t分布表自由度得15-4-1=10，临界值t0.025（10）=2.2281，j=0（j=1,2,3,4）对应的t统计量分别是5.018267，2.367709，3.568106，-9.344786，其中t统计量的绝对值均大于临界值，故均通过显著性检验。六、自相关性（一）自相关性的检验先对原模型进行检验采用“BG检验”，滞后期为1Breusch-Godfrey Serial Correlation LM Test:F-statistic0.223241Probability0.647829Obs*R-squared0.3630
9、63Probability0.546810Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 10/16/13 Time: 18:56Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C1019.53519815.420.0514520.9601X10.0022130.0242600.0912120.9293X2-8.46E-050.005992-0.0141250.98
10、90X3-0.0088180.176318-0.0500090.9612X4-0.2637233.476834-0.0758510.9412RESID(-1)-0.1683190.356243-0.4724840.6478R-squared0.024204Mean dependent var-2.20E-11Adjusted R-squared-0.517905S.D. dependent var274.0655S.E. of regression337.6576Akaike info criterion14.77112Sum squared resid1026114.Schwarz crit
11、erion15.05434Log likelihood-104.7834F-statistic0.044648Durbin-Watson stat2.195763Prob(F-statistic)0.998403nR2=0.363063，相伴概率P=0.546810，P的值大于0.05，可以认为是大概率事件，不拒绝无自相关的原假设，即不存在自相关性。（二）自相关性的修正因为无自相关性，所以无需修正七、模型的多重共线性（一）多重共线性的检验根据回归分析显示的结果，我们已经得知方程如下：Yi=-61669.67+0.114719X1i+0.013619X2i+0.600801X3i-30.7982
12、0X4i+uiT=(-3.259996) (5.018267) (2.367709) (3.568106) (-9.344786)R-squared =0.996221 Adjusted R-squared=0.994710 F=659.0751 DW=2.277960由以上结果可见，该模型R2=0.996221，修正可决系数为0.994710，可决系数非常高，F检验值为659.0751，明显显著，但X4i的T检验不显著，现在我们无法准确判断是否存在多重共线性，再观察解释变量之间的相关系数：各解释变量的相关系数：由相关系数矩阵可以看出，各解释变量相互之间的相关系数还是相对较高的，证实确实存在多
13、重共线性。（二）多重共线性的修正为消除共线性的影响，首先分别拟合Yi对X1i、X2i、X3i、X4i的一元回归，得到4个一元回归模型的参数结果：参数估计值X1iX2iX3iX4i系数估计值0.1194340.0889750.82272132.21307T统计量15.347248.2627279.3980835.64735R-squared0.9476940.8400450.8716990.71042Adjusted R-squared0.9436710.827740.8618290.688144F统计量235.537768.2726688.3239631.89256可以发现，第一个回归的变量拟合效果最佳，且整体拟合效果最好，即全国GDP总额对电力消费总量起主要作用，现在按照各个解释变量一元回归的拟合优度大小进行排序：X1i、X3i、X2i、X4i，以X1i为基础依次加入其他解释变量进行逐步回归。二元回归：以X1i为基础，临界值t0.025（12）=2.1788（1） 加入X3i，以X1i、X3i为解释变量，重新估计方程得到回归结果为： 参数估计值X
