《我国能源生产总量的时间序列分析》由会员分享，可在线阅读，更多相关《我国能源生产总量的时间序列分析（10页珍藏版）》请在金锄头文库上搜索。
1、我国能源生产总量的时间序列分析摘要能源问题一直是大家非常关心的问题。它与我们的日常生活息息相关，更与一个国家的经济发展紧密联系。因此具有很高的研究价值。本文运用时间序列对新中国成立至 2008 年这 50 年的能源生产总量进行分析。利用 EViews 软件，对这组数据进行整理，建立、识别、估计、解释模型，分析序列的相关性及偏自相关性，判断其平稳性并修正等。同时进行特征根检验和残差序列自相关检验。根据我们对模型的分析，总结建国来我国能源生产总量的整体发展过程，为以后的发展提供一定的预测和建议，提高能源的利用率，以便更好的为社会服务。关键词：能源生产总量 时间序列分析 EViewsAbstract
2、Energy issue has been of great concern to us. It is in touch with our daily lives, and even the countrys economic development closely. Therefore, it has a high research value. In this paper, we analyze the total production of energy from 1949 to 2008 by the time series. Using Eviews ,we will collate
3、 this set of data, and create, identify, estimate, and explain a model. Meanwhile, we also analyze the correlation and partial autocorrelation of this sequence, judge its stability and fixed and so on. Besides these, we do Eigenvalue test and residual serial autocorrelation test. According to our an
4、alysis of the model, we summarize the overall development process of the total energy production in China so that we can provide some predictive and recommendations for the future development and improve energy efficiency in order to make the better serve for our community.Key words: the total produ
5、ction of energy time series analysis Eviews一、能源问题的研究背景进入新世纪十年来，我国的经济又重新恢复了繁荣的局面。各行业迅速发展，人民的生活质量也得到了进一步的提高，各地争相立项耗能巨大的工业项目，同时汽车也迅速普及，各种高耗能的家用电器（如空调器）也进入了普通的家庭，中国对能源的需求达到了空前的高度。房地产业的迅速膨胀也促进了能源的浪费，为了盖房子来盘剥老百姓，就得需要大量的水泥、钢筋、有色金属，这些行业都是高耗能的。我们可以看到，水泥行业和钢铁行业在这几年迅速膨胀，推动了铁矿石和煤矿的进口量增长，同时这些板块的迅速增长也拉动了 2007 年的股
6、价，导致了股市泡沫的形成，最终造成了股市的崩溃。中国也在这几年迅速的从一个标准的原油出口国和煤炭出口国变成了一个石油进口大国和煤炭进口大国。中国疯狂地从中东地区、委内瑞拉、尼日利亚买进原油，疯狂的从澳大利亚买进原煤。据我在新浪网上查到的资料，国际能源署发布的资料：“2009 年，中国消费了 22.5 亿吨的油当量，比美国高出百分之四（油当量代表所有形式的能源的，其中包括原油、核电、煤炭、天然气等。由中国人口基数和发展速度可预期，未来中国对这些大宗能源品的消费需求是不断上升的。 ”过度对外部能源的依赖，对外来说，就是相当于我们的命门被控制在石油富国和帝国列强的手里，忍气吞声失点小节是小事，关键是
7、经济风险因为能源的问题大大加强。对内而言，问题更多，比如说，频发的重大矿难，一死就是上百人。究问矿难的根本原因，还是因为我们国内对煤的需求过旺，把好采的煤矿都采光了，只剩下那些深层的煤矿危险的煤矿，动不动就是地下 1000 多米的作业层，透水了、瓦斯泄露了，人很难生还。针对这个至关重要的能源问题，我们有必要进行研究。本文运用时间序列对新中国成立至 2008 年这 50 年的能源生产总量进行分析，运用 EIVEWS 软件建立模型分析，来估计未来的能源消费趋势，为加快经济转型、建设资源节约型社会和加大能源利用效率提供数据依据。现在，我们就开始分析吧。以史为鉴，可以明得失。二、数据整理：中国能源生产
8、总量时间序列(y )数据 单位:万吨标准煤t1949 年 2374 1965 年 18824 1981年 632271997年 1324101950 年 3174 1966 年 20833 1982年 667781998年 1242501951 年 3903 1967 年 17494 1983年 712701999年 1259351952 年 4871 1968 年 18715 1984年 778552000年 1289781953 年 5192 1969 年 23104 1985年 855462001年 1374451954 年 6262 1970 年 30990 1986年 8812420
9、02年 1438101955 年 7295 1971 年 35289 1987年 912662003年 1638421956 年 8242 1972 年 37785 1988年 958012004年 1873411957 年 9861 1973 年 40013 1989年 1016392005年 2058761958 年 19845 1974 年 41626 1990年 1039222006年 2210561959 年 27161 1975 年 48754 1991 104844 2007 235415年 年1960 年 29637 1976 年 50340 1992年 1072562008年
10、 2600001961 年 21224 1977 年 56396 1993年 1110591962 年 17185 1978 年 62270 1994年 1187291963 年 17009 1979 年 64562 1995年 1290341964 年 17232 1980 年 63735 1996年 132616数据来源：新中国 60 年统计资料汇编三、建模过程3.1 利用以上图表数据建立 yt序列图，如下图：04801260240285560570580590505Y从我国能源生产总量图可以看出我国能源生产总量总水平基本上保持线性增长趋势，属于非平稳序列。根据上图，我们可以将其分几个阶段
11、解释。从 1949-1960 年，建国初期，进入和平环境，国民经济迅速恢复。能源生产总量处于上升阶段，从 1949 年的 2374 激增到 1960 年的 29637，十年多的时间增加了超过十倍。可见，经济发展是卓有成效的。之后，生产总量在 1960 年后达到最大值后开始迅速下滑，这与三年自然灾害和经济困难时期具有很大的关系。这种影响几乎持续到 1968 年。之后的几十年里，产量始终是处于一种比较正常的上升趋势。没有较大幅度的下降的波动。但我们注意到，98 年的数值有个比较明显的下降。金融风暴以及中国的自然灾害对其产生了影响造成这种情况的发生。经过几年的调整，进入 21 世纪，恢复到正常上升的
12、趋势。下面察看序列的相关图，在序列窗口选择 View/Correlogra，可以得到如下图所示的序列 yt的相关图和偏相关图。由 yt的相关图，偏相关图判断 yt为非平稳性序列。进一步考察其差分序列Dyt，序列图如下：-10-50510520550560570580590505DY从图可以看出序列表现为平稳特征，但不是白噪声序列，而是含有一个自相关或移动平均成分的平稳序列。下面通过对能源生产总量差分序列 Dyt的相关图、偏自相关图分析判别其平稳性以及对模型进行识别。由上图分析知，能源生产总量差分序列 Dyt是平稳序列。在此基础上识别ARMA 模型阶数 p，q。由于自相关图呈现缓慢衰减特征，偏自
13、相关图第一个值显著不为零，从第二个值开始落在 2 倍标准差以内，可以认为其出现一个峰值后截尾，结合相关图，并考虑到均值非零，拟建立带有漂移项的 AR(1)模型。3.2 估计模型采用 AR（1）模型对 Dyt进行估计，从 EViews 主菜单中点击 Quick 键，选择 Estimate Equation 功能。弹出 Equation specification 对话框，输入漂移项非零的 AR(1)模型估计命令（C 表示漂移项）如下：D(Y) C AR(1)输出结果如下图： 根据上图可以写出模型表达式如下:Dyt = 6185.945 + 0.811(Dyt-1 6185.945) + vt (
14、1.92) (8.16) 3.3 检验模型（1）特征根检验由以上输出结果可以看出，自回归特征方程根的倒数是 0.81，满足特征根必须位于单位圆之外的要求。其特征根的值的输出图形如下：-1.5-1.0-0.50.0.51.01.5-.-1.0-.50.0.51.01.5AR rotsInvers Rots fAR/M Polynmial(s)（2）残差序列的自相关检验对于残差序列的自相关检验是通过 Q 统计量完成的，对模型的残差做出相关图如下:由以上输出结果可以看出，自相关图和偏自相关图的取值都在虚线以内，说明残差项估计的自相关函数和偏自相关函数值在 0.05 的检验水平上与零没有显著差异，Q(
15、10)=7.3779,且各期 Q 统计量的 p 值都大于 0.05，接受原假设，可以认为模型残差序列为白噪声序列，不存在自相关。四解释模型由输出模型 Dyt = 6185.945 + 0.811(Dyt-1 6185.945) + vt 其中 6185.945 是用 AR（1）模型估计的序列 Dyt的均值，其经济含义是 50 年间平均年增加的能源生产量为 6186.945。自回归系数 0.811 的经济含义是产量的差分序列 Dyt上一期的值平均以 0.811 倍影响本期值。参考文献（1）王丹：我国人均 GDP 时间序列模型及预测J，消费导刊，2008，4（2）张文斌，霍敬伟，马志锋，种庆：基于
16、 ARIMA 模型的我国一次能源生产量时间序列分析J，齐齐哈尔大学学报，2010，26（3）王行建，刘欣：ARMA 时间序列模型的研究和应用J,计算机应用，2008，8（4）蔡鑫磊：我国能源消费与 GDP 的关系基于时间序列的实证分析J,经济问题，2010，5（5）王燕：应用时间序列分析（第二版）M. 北京：中国人民大学出版社，2008（6） 张晓峒： 应用数量经济学（第一版）M. 北京： 机械工业出版社，2009：266-310（7） 张晓峒： 计量经济学基础（第三版）M. 天津： 南开大学出版社，2007:288-315（8）张大维，刘博，刘琪编著：EViews 数据统计与分析教程（第一版）M. 北京：清华大学出版社，2010
