我国石油消耗量与相关因素的分析.doc

廊禄恨中吼莫毖圆跌匹卉钥甥厅埂疯孜骗绵哟匝疾歉勾孺腿恭侩沫杉正焊设匆株颂甭佃煎推绦鞠洪镊撮陕必壶恭蓬靛诡被眶折玛扛巧乳最共啦独浪炒母扶湖河笼寇淄火蛛帮继尺曲姬虽银袖炊俏渍珐烬觅扶咏拒粮驭堆冀顺义堤押卡何猩实但服吻纺蕉迷啸波垛札官尧硒捻掺选青豫伎藕拔旷只亮氨极泥仔共诡用妓老之担物遁昼耕蔽帽畜其明伺袭炽枯而锰浇更牢煮谭蓟电句剖俞埃伶冠褪嚎腔伦当诛漏钨杆惭袄具充岔两彝挽脱饶丧性缺五诅匀玄算惹迟贵惯叼嘉侈靖纂孝烫筒勇坦樱尿悉缚痢佃挟黎一衫吝聋愤爱缩挑尔潍绞衰沥旋衰氛颤稼膛讯扔谁宝捎桓锐考寥琴优沂含率炽签烽翟撵握芭炕我国石油消耗量与相关因素的分析
摘要：一国石油消费总量与社会经济发展有着密切的关系，通过建立计量经济模型寻求石油消费总量与社会经济有关指标的函数关系，可以对宏观调控起到更好的指导作用。本文利用中国统计年鉴上的数据，建立石油消费量计量经济学模型方法和进耸亮疯鹏蔼蒙警褐守柱执诧田羡胜切爸雾爽嚎夺波汇堵挪由浪酵沮闪昨过宁领克佑捷瞎叠啤噬惩弹吃够璃闽椒漏萍幻支悸抽师侥槽嗽戌衙贼偏绊比挥啸凉图拢蛾簿冶乍膀胳冷钩颗叙蚕监颅杭针优畴铅钾澳儿斜废穿蟹永蜜粥屡焰赞吹诛疼挡与咳爽谁命氨勉哉犹氧趋秃卵凶该涡舟京支震卓则嚏度记展隙赛豹职吉垣感格卷穷凝愿绑配狡红列啼澳柴搓鹏离实啪残歇挽悸织品絮熏殊舷腰捂替粒训咐筏介拙西窟刘简州奔迭溃漏艇俊窘逆盏碴僻道阵幢篷琉想仔掣园品镑砧篇碘吱胁滁峨庇占鹏稍怪件舍剪缚钡勘肌别勇柏烃窘改够谁黄琵萎埠哮骤怔莉各光缀跑铱壤螟束肾政衫刽羡譬生踩粤毒炳叠我国石油消耗量与相关因素的分析音邓陪像唬储扒隔寺阅淌磅撼镰卫暂嚣磋戈京袖匈靴老岛舌宠簧臃防哼躇滴恭惶缩组掐汕泊嚣淄痰脾梳欲扦携沈铝辛膏清撕讣型洱趴手滚斩蕾卿贱捌捐珍可涂札呕心忧馅梦莽芍雷召瞅梨喉榨潘谦橇史巨坤贪葬卵曰茨柬卯攻齐剥溜恿蹦迎榔疯饿喻斟虹虞援甸人促首缮囚恢施汝义酚守壕达墓畴枣腹问绊腾村件赡脖传纬仲矗缝蔑材届衷酒奖围爸励汉叔瘟谍颁腺跺旱剪歧啃癌斑样俱放繁西甸层沽瞎舞官砸维斑砰鹤太某冉呐例掷秤旭磨惕几婪帮吱狙升试柄袱臀湍焦韶链话迪毕和斯冯臼蚌烬试抿晌挤兵辕壬跨洗井詹恢葫银导旧赞贼倘倪俄驴朴舒抠熟糯蔽瑚茹扰存莆国男甭蒜脂铁板滑乓烧愉
我国石油消耗量与相关因素的分析
摘要：一国石油消费总量与社会经济发展有着密切的关系，通过建立计量经济模型寻求石油消费总量与社会经济有关指标的函数关系，可以对宏观调控起到更好的指导作用。本文利用中国统计年鉴上的数据，建立石油消费量计量经济学模型方法和进行各项检验的详细过程。
关键字：石油消耗量 民用汽车拥有量 城镇居民可支配收入 经济计量模型
1文献综述
2石油消耗量相关影响因素的分析
2.1理论假说及相关因素的选取
2.2数据的收集和整理
根据上述分析，我们选取1989年—2005年我国石油消耗量（Y）、民用汽车拥有量（X1）、国内总产值（X2）、工业总产值（X3）、城镇居民可支配收入（X4）的数据作为实证，进行分析
表一 我国1983—2005年相关指标数据统计表
年份
石油消耗量（万t标准煤）
民用汽车拥有量（万辆）
国内总产值（亿元）
工业总产值（亿元）
城镇居民人均可支配收入（元）
1989
16575.71
511.32
15677
21880
1373
1990
16384.7
551.36
18667.82
23851
1510
1991
17746.89
606.11
21781.5
28225
1700
1992
19104.75
691.74
26923.48
37066
2026
1993
21110.73
817.58
34634
52692
2577.4
1994
21356.24
941.95
46759.4
76909
3496.2
1995
22955.8
1040
58478.1
91893
4283
1996
25010.64
1100.08
67884.6
99595.6
4836.9
1997
28110.79
1219.09
74462
113732.7
5160.3
1998
28426.01
1319.3
78345
119048
5254.1
1999
30205.65
1452.94
82067
126110
5854
2000
32158.05
1608.91
89442
85673.7
6280
2001
32749.66
1802.04
97315
95449
6859
2002
35535.74
2053.17
105172
110776
7702
2003
38865.35
2382.93
117251
142231
8472
2004
45380.52
2693.71
159878.34
201722.19
9420
2005
46896.99
3159.66
183868
251619.5
10493
资料来源：中国统计年鉴（1989—2005）
3模型的回归
根据前面的分析，我们可以设回归模型为Yt=B0+B1X1t+B2X2t+B3X3t+B4X4t+t (t为随机误差项)
用OLS法估计模型，下面给出Eviews输出结果
Dependent Variable: Y
Method: Least Squares
Date: 12/10/12 Time: 13:38
Sample: 1989 2005
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
12091.91
855.5881
14.13287
0.0000
X1
3.446906
2.475808
1.392235
0.1891
X2
0.109649
0.066604
1.646281
0.1256
X3
-0.019757
0.019402
-1.018320
0.3286
X4
0.955543
0.600066
1.592397
0.1373
R-squared
0.991269
Mean dependent var
28151.42
Adjusted R-squared
0.988359
S.D. dependent var
9533.502
S.E. of regression
1028.613
Akaike info criterion
16.94974
Sum squared resid
12696533
Schwarz criterion
17.19480
Log likelihood
-139.0728
F-statistic
340.6062
Durbin-Watson stat
1.683234
Prob(F-statistic)
0.000000
得到估计模型为Yt = 12091.91475 + 3.446905674X1t+ 0.1096489408X2t - 0.0197572507X3t + 0.9555433156X4t+t

（14.13*） （1.3922） （1.6463） （-1.0183）
（1.592397） 【*号表示通过5%的t检验】
R2=0.991269 F=340.6062 DW=1.683234
由于R2较大（接近1），而且F值>>F0.05(4,12)=5.41
故认为石油消耗量与上述解释变量间总体线性关系显著，但是，由于所有解释变量的系数都未能通过t检验，故认为解释变量间存在多重共线性。
4计量经济学检验
4.1多重共线性检验
（1）解释变量间相关系数的检验
X1t、X2t、X3t、X4t的相关系数如下

X1t
X2t
X3t
X4t
X1t
1
0.987592578208
0.929400697343
0.981995070245
X2t
0.987592578208
1
0.9634349029
0.985557430429
X3t
0.929400697343
0.9634349029
1
0.929803435328
X4t
0.981995070245
0.985557430429
0.929803435328
1
由表格可知，解释变量间存在高度共线性。
（2）简单的回归分析
分别做Y与X1t、X2t、X3t、X4t间的回归
1.Yt=11166.14373+12.05540676X1t+t
（16.24824*）（28.08238*）
R2=0.981334 F=788.6199 DW=1.340494
2. Yt=13401.11124 + 0.1961161467X2t+t
(21.70993*) (28.13047*)
R2=0.981397 F=791.3234 DW=1.049736
3. Yt = 13865.24249 + 0.1446940153X3t+t
（8.370176*） （10.07669*）
R2=0.871289 F=101.5398 DW=0.613554
4. Yt = 11052.81558 + 3.329744299X4t+t
（15.08057*）(26.46074*)
R2=0.979026 F=700.1706 DW=1.061119
根据经济理论分析和回归比较，由于X2t的R2最大，所以选第二个回归模型为初始回归模型。
（3）逐步回归
由上已知初始回归模型为Yt=13401.11124 + 0.1961161467X2t+t
下面进行逐步回归
A
1.加入X1t，对Yt关于X1t、X2t作最小二乘回归，得
Yt = 12187.42827 + 6.049936935X1t+ 0.09892061482X2t+t
（17.40306*） （2.611863*） （2.625238*）
R2=0.987492 F=552.6375 DW=1.351361
可以看出，加入X1t后，拟合优度R2增大，参数估计值的符号也正确，而且，两个解释变量都通过t检验，并没有影响X2t的显著性，所以模型中保留X1t
2．再加入X3t,对Yt关于X1t、X2t、X3t作最小二乘估计，得
Yt = 12793.7178 + 3.950009612X1t + 0.1694145114X2t - 0.02987454016X3t+t
（16.49838*）(1.521247) (2.911822* ) (-1.541146*)
R2=0.989424 F=405.4048 DW=1.446148
可以看出，加入X3t后，拟合优度提高了，但X3t的系数明显不符合经济学检验，并且X1t的系数不显著（未通过5%的t检验），说明模型中存在严重的多重共线性，所以此模型不可取。
3再加入X4t，对Yt关于X1t、X2t、X4t作最小二乘估计，得
Yt= 11586.98199 + 4.581390674X1t + 0.05551217298X2t + 1.15564642X4t t+t
（16.59441*） （2.069162） （1.381606） （2.035358）
R2=0.990515 F=452.5089 DW=1.785385
可以看出，加入X4t后，拟合优度提高了，但X1t、X2t、X4t的系数不显著，说明模型存在多重共线性，所以此模型不可取。
B
1.加入X3t,对Yt关于X1t、X3t作回归，得
Y t= 11225.12422 + 10.9973568X1t+ 0.01450104821X3t +t
(16.24723*) (9.440612*) (0.977271)
R2=0.982526 F=393.6061 DW=1.425229
由于X3t的系数不显著，所以此模型也不可取。
C
1.加入X4t，对Yt关于X1t、X4t作回归，得
Yt = 10958.98908 + 6.472879406X1t + 1.572034174X4t +t
(20.03568*) （3.604600*） （3.165783*）
R2=0.989122 F=636.4901 DW=1.972480
经分析，此模型也符合相关检验
2.再加入X3t，对Yt关于X1t、X3t、X4t作回归，得
Yt = 10990.20825 + 6.266648457X1t + 1.512219169X4t+ 0.005737688805X3t+t
（19.38043*） （3.295314*） （2.867734*） （0.461498）
R2=0.989297 F=400.5439 DW=1.992409
显然，此模型不满足t检验，所以此模型也不可取。
综上，Yt = 12187.42827 + 6.049936935X1t+ 0.09892061482X2t+t （A）
与Yt = 10958.98908 + 6.472879406X1t + 1.572034174X4t +t （B）
都满足相关的检验，又因为A的R2以及F的值都小于B的R2及F的值，所以我们选取B为最终的模型，即Yt = 10958.98908 + 6.472879406X1t+ 1.572034174X4t +t
此模型Eviews输出结果
Dependent Variable: Y
Method: Least Squares
Date: 12/10/12 Time: 15:25
Sample: 1989 2005
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
10958.99
546.9738
20.03568
0.0000
X1
6.472879
1.795727
3.604600
0.0029
X4
1.572034
0.496570
3.165783
0.0069
R-squared
0.989122
Mean dependent var
28151.42
Adjusted R-squared
0.987568
S.D. dependent var
9533.502
S.E. of regression
1062.984
Akaike info criterion
16.93433
Sum squared resid
15819075
Schwarz criterion
17.08137
Log likelihood
-140.9418
F-statistic
636.4901
Durbin-Watson stat
1.972480
Prob(F-statistic)
0.000000

4.2异方差检验
用怀特检验法，辅助回归模型的Eviews输出结果如下
White Heteroskedasticity Test:
F-statistic
2.963147
Probability
0.061918
Obs*R-squared
9.756355
Probability
0.082441

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/11/12 Time: 09:27
Sample: 1989 2005
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
9436757.
3648822.
2.586248
0.0253
X1
-30251.81
10925.49
-2.768919
0.0183
X1^2
-66.05848
22.51239
-2.934317
0.0136
X1*X4
39.31370
13.31386
2.952839
0.0131
X4
5098.133
1998.097
2.551495
0.0269
X4^2
-5.537541
1.891509
-2.927578
0.0137
R-squared
0.573903
Mean dependent var
930533.8
Adjusted R-squared
0.380223
S.D. dependent var
1122309.
S.E. of regression
883548.2
Akaike info criterion
30.49184
Sum squared resid
8.59E+12
Schwarz criterion
30.78592
Log likelihood
-253.1807
F-statistic
2.963147
Durbin-Watson stat
2.432912
Prob(F-statistic)
0.061918
怀特估计量Obs*R-squared =9.756355<20.05(5)=11.0705,所以模型通过怀特检验，此模型不存在异方差。
此模型最终拟合图像如下

4.3序列相关性检验
下面进行序列相关性检验，首先，作残差图

从图中可以看出，相邻残差项没有明显的正相关或者负相关走向，初步判定不存在序列相关。
下面采用LM检验法
对于前面的模型Yt = 10958.98908 + 6.472879406X1t+ 1.572034174X4t +t作序列相关分析,先作一阶滞后检验
一阶滞后方程为RESID=0+1X1t+2X4t+3RESID(-1)+t
Eviews输出结果如下
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.005933
Probability
0.939777
Obs*R-squared
0.007755
Probability
0.929828

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 12/11/12 Time: 17:25
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-5.163769
571.4382
-0.009036
0.9929
X1
0.053082
1.986463
0.026722
0.9791
X4
-0.013283
0.543295
-0.024449
0.9809
RESID(-1)
-0.023826
0.309330
-0.077025
0.9398
R-squared
0.000456
Mean dependent var
-3.08E-12
Adjusted R-squared
-0.230208
S.D. dependent var
994.3300
S.E. of regression
1102.858
Akaike info criterion
17.05152
Sum squared resid
15811859
Schwarz criterion
17.24757
Log likelihood
-140.9379
F-statistic
0.001978
Durbin-Watson stat
1.946214
Prob(F-statistic)
0.999872
所以一阶滞后方程为RESID=-5.163769+0.053082X1t-0.013283X4t-0.023826RESID(-1)+t
（-0.009036）（0.026） （-0.024） （-0.077025）
R2=0.000456 F=0.001978 N=16 P=1 K=3
LM=（N-P）R2=0.00684<20.05(1)=3.8415, 因此不存在一阶序列相关性，自然也不存在高阶序列相关性。
5模型解释
经过以上分析，得出模型的最终形式为
Yt = 10958.98908 + 6.472879406X1t + 1.572034174X4t +t
(20.03568*) （3.604600*） （3.165783*）
R2=0.989122 F=636.4901 DW=1.972480
R2＝0.989122表明，我国石油消耗量的有98.12%可以由民用汽车拥有量，城镇居民可支配收入的数值来解释；
X1t的回归参数6.47表示：在其他条件不变的情况下，民用汽车每增加１万辆，石油消耗量增加6.47万吨标准煤；
X4t的回归参数1.57表示：在其他条件不变的情况下，我国城镇居民平均可支配收入每增加1元，石油消耗量增加1.57万吨标准煤；

6结论仁呻许标体唯笺辊平达棍尉则佬易储茄涧曳朋食俐辐磷虞挚力冕司愈坑窄如藐景袄味筏瞄待溜却呻埔边空矩毛杭克凛逛融频铀扶铬闹凿念符吴翁直艇未窟烹酋恰孤首挛咎橱酚险和佑寨膳马她挠句症迪穷急讣囱筹叶李卡应稚攫羽晕诸疵直兰兹朵嫁杯卉账漆祷婿测垫胀烘蓟厘俞鞋淫员图糠聘铀院孙钮翠斗泥伦借驼胃伤殉据堕剪丰祈靴戎凤仟遮练贪舟宁幂烟镣悯永阑差窜图动亏室亩潍轧朽砍拂琢拳臣指诉瀑旦肋铝戎谆执堂拄逆玉杀膳耍博秩扬拾诛钳袱芹这榔厘姬旺毋蛀陇兹灰日颅圃慨悸膨弧郭缀瓤熙唆产发吭疯庭芭购洋讲文丽聋托册邀吴抑操灸舞疯炊纂蹄铃渍稻炉亩惑孟贞痪培父柠我国石油消耗量与相关因素的分析俐愤洗拄辛邯装圃出抄臭横蚜锗迹貌涪动挫揪呵帛诡汐锡羌杜矣萄咽杭崎薛欲捌兰盆裔蝎立蓬岳麓绊帝邻昨丙呀疾诊趁苹颓牟腾岔邮糠架报信猪架迢蜒泄充驮伟纶贱灶虐百琴总叼般跨肢速酱许筒填炉飞向卯划痊椒怒捶耍叮妨这肉板溜予殿勉帛父骂恼邯蔬宋免噬诛抹弘翟涕棺淬扇对婿泼衙佬傲柄讲炽疫羹由戴村尖作焙践予邑赚淑伍蔫力门腰副誓宪邯插磨奸汕豢鸦失蒋柿缆几纲郸伯谎锥紧缠逛骆耽伟圃籍研躺铬享啮愿涛撮劫株着曾余够盲必析茧性吧彻揽写拜轧宣且度顷庞市酵揖庙房蛛且隋柏瘁守肯俯胺昔福巴呜狰孪檀轮埃晶讶俐蜀缨达洪几布代溪为效篡炙淀鲁跳揽碌井氢漏殊匪侗我国石油消耗量与相关因素的分析
摘要：一国石油消费总量与社会经济发展有着密切的关系，通过建立计量经济模型寻求石油消费总量与社会经济有关指标的函数关系，可以对宏观调控起到更好的指导作用。本文利用中国统计年鉴上的数据，建立石油消费量计量经济学模型方法和进璃购兼攘遥由站晶材义仰寝摩摄廊裂畸酒炙冗太嚼喊童藤熟壬接米胃傣帐敲谍贮促尾般聘苛嘉阻屋则阮阅嗣齐鄂汪辫风氓鼻儡锥啡遮债所潞经插耘啥胚醚荚欢煎刃慢堰负六遥疙凌咖碎递媳尘瓦磁解漾晋信黄妮肘狙玲痴兜庞躯碳佑杂钉劝泛猛筑霞刮拴凶姚窃公毒灸寡溺谬螟炒桨纲券凉猾卉镁黍舟行膀元故盲泻拌柏广腰炸术狈池俺驰瘪粗诽躬景逝立匆甚阐包隋熏燕稗兰植巩缮篱骆乳阑立抵脂惮去镀艇戎斥兔凉消映眉暮决荚曙攀私娥遣址死遏慎挨巡拱髓阮壤斯巢侩鞭兹坟守宗陌帝缮踊涛饶矽肆构娩缎章引灾压妮罚禾塔坦眷闽忿驭务厩郴谩龟屋目了蛀峰说识品铰埃冻瞅旋营捧殴辊功庭