经济增长城市化与技术进步对能源消费的非线性影响效应研究.docx
- 文档编号:5258970
- 上传时间:2022-12-14
- 格式:DOCX
- 页数:9
- 大小:74.18KB
经济增长城市化与技术进步对能源消费的非线性影响效应研究.docx
《经济增长城市化与技术进步对能源消费的非线性影响效应研究.docx》由会员分享,可在线阅读,更多相关《经济增长城市化与技术进步对能源消费的非线性影响效应研究.docx(9页珍藏版)》请在冰豆网上搜索。
经济增长城市化与技术进步对能源消费的非线性影响效应研究
经济增长、城市化与技术进步对能源消费的非线性影响效应研究
肖德,魏文婉
(湖北大学商学院,湖北武汉430062)
摘要:
笔者采用1953年~2012年的经济数据,基于STR模型考察了人均GDP增长率、城市化率、技术进步率对能源消费强度的非线性影响效应。
检验结果表明,分别以滞后一阶的人均GDP增长率和滞后一阶的城市化率作为平滑转换变量建立ESTR模型,以技术进步率作为平滑转换变量建立LSTR模型,是最恰当的计量建模方法。
实证研究发现:
我国经济的平稳较快增长可以持续地降低能源消费强度,温和稳定地推进城市化进程对降低能源消费强度有一定促进作用,而技术进步对能源消费则有显著的正向拉升作用。
关键词:
能源消费强度;人均GDP增长;城市化;技术进步;STR模型
基金项目:
国家自然科学基金(71473071);教育部人文社会科学研究一般项目(14YJA90065)
作者简介:
肖德(1967-),男,湖北英山人,教授,博士生导师,主要从事世界经济、区域经济学和经济决策理论研究;魏文婉(1985-),女,湖北襄阳人,博士研究生,主要从事世界经济、国际贸易和能源经济学研究。
F064.1;F206:
A:
1006-1096(2015)05-0126-06收稿日期:
2014-10-30
近年来,有关能源消费与经济增长之间关系的模型定量研究一直备受国内外学者的关注,并有同仁逐步将技术进步、城市化等变量引入计量模型中。
从现有的文献研究来看,研究经济增长、城市化、技术进步与能源消费这四个变量中的两两之间关系的文献相当丰富。
如,黄飞雪等(2011)通过建立STR模型研究城市化对能源消费的非线性影响,揭示了中国城市化过程中的能源消费特点;汪旭晖等(2007)运用协整分析和Granger因果检验对我国能源消费与经济增长的关系进行研讨,认为能源消费与经济增长之间存在着长期稳定的均衡关系,但短期内存在波动,并且存在从能源消费到经济增长的单向因果关系;Ugur等(2003)研究了16个国家能源消费与GDP因果关系;John(2000)运用协整和误差修正模型技术,分析了印度、印尼、泰国和菲律宾的能源消费与经济增长之间的关系,等等。
鉴于本文的研究目的和方法,关于这四个变量两两之间关系的文献此处不进行深入的一一综述。
随着近些年该领域研究的不断深入,也有少部分文献将其中的三者作为一体在统一的框架下进行讨论。
例如,Wei等(2003)同时考察了城市化、能源消费与经济增长三者的关系,认为城市化在推进经济增长的同时,增加了能源消费;而随着城市化水平的提高,各种资源配置得到优化和更合理的利用,使得能源消耗有所下降。
还有的学者通过分析城市化、能源供给、GDP三者的关系,预测中国到2010年GDP和城市化将增长略微放缓但仍保持强劲,能源供给对城市化进程会产生重大影响。
范晓莉(2014)沿用Forslid等(2003)的自由企业家模型,运用协整分析和误差修正模型研究,结果表明,城市化、能源消费与中国经济增长具有长期均衡关系,且城市化与能源消费均对中国经济增长起到促进作用,经济增长也会加快城市化进程,并最终导致能源的大量消耗。
程颖慧等(2014)建立向量自回归模型,对我国能源消费、技术进步与经济增长的动态关系进行了分析,认为从长期来看,我国能源消费状况与经济增长呈负相关关系,而技术进步对经济增长具有显著的正向效应。
上述关于城市化、经济增长与能源消费,能源消费、技术进步与经济增长之间关系的研究文献中的研究方法和结论是极具建设性的,但是将这四个变量纳入统一的框架下进行讨论的文献还没有见到。
而且目前的绝大部分文献中,其主要的研究方法基本上都基于因果关系检验、VAR模型、协整与误差校正模型等。
本文中尝试将四个变量有机结合,采用不同类型的计量建模方法,基于平滑转换回归(STR)模型来考察经济增长、城市化、技术进步对能源消费强度的非线性影响效应,以期为我国制定和实施合适的能源政策、缓解能源供需矛盾、建设资源节约型社会提供有益的参考依据。
一、数据和模型设定
(一)数据与平稳性检验
本文选取1953年至2012年的能源消费总量(单位为万吨标准煤)、总人口(单位为万人)、城镇人口(单位为万人)、国内生产总值(单位为亿元)、R&D经费支出(单位为亿元)作为研究的原始经济变量,数据来源于《中国统计年鉴(2013)》、《新中国六十年统计资料汇编》、《中国人口年鉴》、《中国科学技术四十年》、《全国财政金融企业财务统计资料汇编》。
以上述原始经济变量为基础,以能源消费总量序列除以国内生产总值序列并取自然对数得到能源强度序列Et,鉴于序列Et波动幅度过大,采用移动平均法对其进行了适度的平滑;以国内生产总值除以总人口取自然对数得到人均GDP增长序列作为经济增长变量Gt;以城镇人口占总人口的比例代表城市化率变量Ut;以R&D经费支出占国内生产总值的比例代表技术进步变量Rt。
鉴于上述变量序列的非平稳性,分别对其进行一阶差分之后记为DEt,DGt,DUt,DRt。
对上述变量采用ADF检验、PP检验、Ng等(2001)中提出的修正的PP检验、GLS退势的DF检验等单位根检验方法考察了这些变量的平稳性,结果表明,Et,Gt,Ut,Rt都是一阶单位根过程,而其一阶差分序列DEt,DGt,DUt,DRt对应的PP检验结果为τct=-3.867,τct=-4.076,τct=-4.477,τnc=-6.368,其对应的检验统计量P值分别为0.0201,0.0116,0.0038,9.286e?
10。
这表明DEt,DGt,DUt,DRt都是平稳时间序列(此处除DGt序列出现几种检验方法结论不甚一致之外,其余各检验结论基本相同)。
(二)STR模型
平滑转换回归模型(smoothtransitionregressionmodel,STR)是近些年来在实证研究中处于应用热点的非线性计量模型之一。
其核心思想是,同一变量在不同范围内取值可能表现出不同的经济行为,因此要在变量的不同取值区间内对模型进行估计。
基本的STR模型可以表述为:
yt=f10+f11x1t+L+f1pxpt+(f20+f21x1t+L+f2pxpt)G(st,g,c)+et
(1)
其中G(st,g,c)=(1+exp{-g(st-c)})-1,g>0
(2)
或者G(st,g,c)=1-exp{-g(st-c)2},g>0(3)
其中,yt是我们打算深入研究的目标变量;xit,i=1,…,p表示解释变量,为可能对目标变量产生深刻影响的经济因素,其中可能包含了目标变量的直到k阶的滞后变量和一些外生解释变量及其滞后值;et是独立同分布的误差序列;平滑转换函数G(st,γ,c)为区间[0,1]上的取值,st是平滑转换变量,它通常可以是目标变量的某阶滞后或者某外生解释变量,γ为反映平滑转换速度快慢的参数,表示目标变量在转换变量st的影响下从一个机制(regime)状态到另一个机制状态的平滑转换速度,参数c则是位置参数,它给出了模型发生非线性变化的位置所在。
STR模型中,若G(st,g,c)为函数形式
(2),称之为LSTR模型;G(st,g,c)为形式(3)时,称之为ESTR模型。
Dick等(2002)系统全面的总结了STR类模型的研究进展,本文不赘述。
实证研究中,应该如何在众多的备选模型中选择出最适宜的模型进行建模?
如果模型选择不适当,可能因此得出错误的结论。
因此,我们需要首先考察模型的设定和变量的选择问题,这包括确定其中可能包含的yt的滞后阶数、xit,i=1,L,p中哪些变量应该引入模型中,哪些变量事实上对目标变量的影响微弱;然后需要检验目标变量是否具有模型
(1)中的非线性结构,选择适当的平滑转换变量,并选择转换函数的形式,决定究竟是建立LSTR还是ESTR模型。
(三)模型的设定和变量选择
作为建立STR模型的基础,我们首先要从yt的滞后变量、xit,i=1,L,p及其滞后变量中选择出最恰当的解释变量集合,建立适当的线性模型。
通过对四个变量DEt,DGt,DUt,DRt分别作相关图和偏相关图,鉴于其为年度数据的特征,我们确认
以四个变量DEt,DGt,DUt,DRt及其直到二阶的滞后变量序列作为备选变量集,通过估计相应的线性模型进行比较,最终选择如下模型作为建立STR模型的基础
DEt=0.263(0.0178)DEt-1+0.425(0.0001)DEt-2-0.173(0.1307)DGt+0.027(0.1331)DUt-0.026(0.0856)DUt-1+0.080(0.0941)DRt+et(4)
此处估计参数下面括号内的数值为对应参数估计值的显著性检验t统计量的p值。
拟合优度R2=0.664,回归模型的总体显著性检验F(6,51)=16.78,其对应的p值为1.4e-10。
鉴于本文研究的核心问题在于考察经济增长Gt、城市化率Ut、技术进步Rt对我国能源消费强度Et的非线性影响模式,借鉴Dick等(1999)中的建模思想,我们分别选取DGt,DUt,DRt及其直到滞后二阶的变量作为平滑转换变量的备选变量,运用Luukkonen等(1988)中提出的LM检验,来考察线性模型(4)中是否具有没有得到恰当表征的模型
(1)中的STR类型的非线性结构特征,并最终确定出三个STR模型的平滑转换变量。
Luukkonen等(1988)中把转换函数在γ=0处作三阶Taylor展开后代入
(1)式,得出
yt=b0+a。
6j=1(b1jxjt+b2jxjtst+b3jxjts2t+b4jxjts3t)+ht(5)
式(5)中的yt取作DEt,xjt,j=1,L,6依据线性模型(4)依次取作DEt-1,DEt-2,DGt,DUt,DUt-1,DRt
若DEt事实上不具有模型
(1)中假定的非线性结构,则应有
H0:
b2j=b3j=b4j=0,j=1,2,3,4,5,6(6)
在(5)式中,针对假设检验问题(6),容易构造出LM检验
其中SSR0为在H0下对应线性模型(4)中的回归残差平方和,SSR1为辅助回归(5)式的残差平方和。
上述LM1服从F(18,T-25)分布,而LM2则为大样本的渐近c2分布。
此处的样本滞后3阶之后T=57,只能算是较短的数据序列,在表1中分别报告了对应于9个备选转换变量的检验统计量LM1和LM2的p值。
从表1中检验统计量的显著性看出,若选择DGt,DUt,DRt及其直到滞后二阶的变量作为平滑转换变量来建立STR模型,则应分别选择DGt-1,DUt-1,DRt三个变量作为平滑转换变量,且线性模型(4)确实不能很好地揭示其中蕴含的非线性动态结构。
进一步,在建立STR模型时,我们需要确定分别选择DGt-1、DUt-1、DRt作为平滑转换变量时,应该选择LSTR还是ESTR模型进行建模?
根据Luukkonen等(1988)中的方法,在(6)式基础上构造序贯检验
H01:
b4j=0;H02:
b3j=0/b4j=0,j=1,2,3,4,5,6
该检验可以通过构造类似于(7)式的LM检验统计量来完成。
序贯检验中,若H02的检验统计量p值最小,则模型
(1)中的转换函数G应取(3)式,建立ESTR模型;反之,则表明式
(1)的转换函数G应取
(2)式,建立LSTR模型。
依据这一检验思路,我们得出如下表2的检验结果。
从表2中看出,若以DGt-1,DUt-1作为转换变量,应建立相应的ESTR模型,而以DRt作为转换变量时,则应建立LSTR模型。
二、实证研究
(一)经济增长对能源消费强度的非线性影响
上文中已知,当以表征经济增长的变量DGt-1作为平滑转换变量考察经济增长对能源消费强度的非线性影响时,应以DGt-1作为转换变量建立ESTR模型。
运用基于网格搜索的非线性最小二乘估计,得出如下表3的估计结果。
基于表3和图1知,以DGt-1作为转换变量建立的ESTR模型中,平滑参数γ的估计值3177.9很大,表明经济增长与能源消费的非线性关系从一种
机制状态转换到另一种机制状态的速度很快,大多数的观察值都落在G=1的机制状态。
位置参数c的估计值为0.1003,并且只有较少的观察值落在中间状态,这也表明,不论是经济增长快还是慢,虽然经济增长确实对能源消费产生了非线性的影响(表1中DGt-1作为转换变量得出的非线性模型对线性模型的LM检验统计量的p值为1.2e-10,线性模型(4)的拟合优度R2=0.664,而此处的拟合优度R2=0.793,有显著提高),但这种影响相对来讲可能并不是特别明显。
对比线性模型(4)的估计结果和表3中G=1的机制状态下参数估计值f2j,j=1,L,6可以看出,表3的估计结果在统计上更加显著,对应系数的估计值符号与模型(4)基本一致。
而表3中G=0的机制状态下参数估计值f1j,j=1,L,6的符号和估计值的大小与线性模型(4)的估计结果十分接近,这表征的是经济增长处于中速稳定增长状态下的能源消费结构特征,它与经济处于高速增长和低速增长状态下(G=1)能源消费的结构特征有所不同。
线性模型(4)的估计近似于该非线性模型在G=0情形下的结果,可以理解为线性模型表征了各变量在均值左右如何影响应变量的变化特征,这正好符合线性模型的建模本质。
再对比f14,f15与f24,f25的符号与统计显著性可看出,当经济处于中速增长状态(G=0)时,城市化拉低能源消费强度,而经济处于高速增长和低速增长状态下(G=1)时,城市化则显著的促进了能源消费强度的提升,这应该可以从当我国经济处于低速或高速增长状态时,对能显著促进城市化进程的基础建设大量投资,从而大力促进了能源消费这一角度得到部分解释。
(二)城市化进程对能源消费强度的非线性影响
当以表征城市化进程的变量DUt-1作为平滑转换变量考察城市化对能源消费强度的非线性影响时,应以DUt-1作为转换变量建立ESTR模型。
估计得出来表4的结果。
基于表4和图2知,以DUt-1作为转换变量建立的ESTR模型中,平滑参数g的估计值为1.1856且对应的t值也较小,位置参数c的估计值为1.1002,这表明该ESTR模型中,响应变量能源消费强度依据平滑转换变量DUt-1的变化,从一个机制状态平滑过渡到另一种机制状态的速度相当慢。
从图2中知,事实上只有极少数的数据点处于G=1的极端状态,大部分数据都处于G=0.5以下,可近似看做处于G=0的机制状态中,且城市化率增长幅度等于1.1%为发生状态转换的临界值,这对应于城市化增长率处于临界值1.1%左右;而G>0.5的数据点基本对应于城市化增长率低于0.29%时的情形。
此处非线性模型的拟合优度R2=0.847,有显著提高。
观察表4中对应G=0的机制状态下的参数估计值?
1j,j=1,…,6可以看出,当城市化率增长适中时,技术进步对能源消费有显著的正向促进作用,DRt每增加1个百分点,将导致能源消费强度提高0.2个百分点,充分说明技术进步显著的增强了生产
的能源依赖性。
不同的是,表5中对应于G=1的机
制状态下参数估计值?
2j,j=1,…,6的符号和估计值表明,城市化率增长较低时,技术进步对能源消费强度产生的是较显著的反向影响。
在两种机制状态下,经济增长对能源消费都显现出较弱的反向作用,这与线性模型(4)的结果一致。
相比于线性模型(4)以及表4的结果,城市化率DUt、DUt-1所对应的估计参数在统计上都不显著,这也说明将DUt-1作为平滑转换变量引入模型已经较好的反映了城市化对能源消费的非线性影响。
(三)技术进步对能源消费强度的非线性影响
当以表征技术进步的变量DRt作为平滑转换变量考察技术进步对能源消费强度的非线性影响时,应以DRt作为转换变量建立LSTR模型。
估计结果如下表5。
基于表5和图3,可以看出,以DRt作为转换变量建立的LSTR模型中,平滑参数γ的估计值为9.1152,位置参数c的估计值为0.1218。
这表明,能源消费强度依据平滑转换变量DRt的变化,从低机制过渡到高机制的速度适中,且发生转换的临界值为技术进步的增长率等于0.12%。
模型拟合优度为R2=0.868,不仅是相对于线性模型(4),相对于表3和表4中的结果也有较显著的提高,这说明相对于经济增长和城市化对于能源消费的影响而言,技术进步对能源消费强度的影响要更加显著。
当DRt<0.12%时,能源消费强度依从于低机制(G=0)下的线性模型,当技术进步的增长率较低时,不同于前述的分析,此时经济增长提升了能源消费强度,技术进步和城市化率对能源消费有显著的反向作用。
如,技术进步增长率提高1%,会带动能源消费强度下降2.49%。
同理分析,当DRt>0.12%(对应于G=1的状态)技术进步的增长率较高时,城市化率对能源消费有较显著的正向作用;而经济增长显著地降低了能源消费强度。
这也充分说明,要想着力推进我国的资源节约型社会建设,技术进步和创新的大力投入在带动经济增长的同时也会促使能源消费强度的大幅下降。
三、结论与启示
本文基于1953年~2012年的经济数据构造了能源消费强度、人均经济增长、城市化、技术进步作为研究对象变量,基于STR模型考察了人均经济增长、城市化、技术进步对能源消费强度的非线性影响模式。
实证研究结果表明:
(1)当考察经济增长变量对能源消费强度的非线性影响时,应以人均GDP增长率的一阶滞后序列作为平滑转换变量建立ESTR模型。
ESTR模型估计结果表明,大部分数据点都处于经济高速增长或者低速增长的极端状态(G=1),此时经济增长对能源消费强度产生较强的反向影响;而技术进步则对能源消费强度产生正向的影响,技术进步增强了生产的能源依赖性。
城市化则显著地促进了能源消费强度的提升,这可以从当我国经济处于低速或高速增长状态时,对能显著促进城市化进程的基础建设大量投资,从而大力促进了能源消费这一角度得到部分解释。
(2)当考察城市化对能源消费强度的非线性影响时,应以城市化率增长率的一阶滞后序列作为平滑转换变量建立ESTR模型。
模型估计结果,大部分数据都处于平滑转换函数G=0与1之间的中间状态,这对应于城市化进程的增长率适中的情形,此时经济增长对能源消费有较弱的反向作用,而技术进步对能源消费有显著的正向促进作用;而当城市化率增长较低时(G取值更靠近1),技术进步对能源消费强度产生的是较显著的反向影响。
(3)当考察技术进步对能源消费强度的非线性影响时,应以技术进步增长率序列作为平滑转换变量建立LSTR模型。
结果表明,当技术进步的增长率较低时,经济增长提升了能源消费强度,城市化率对能源消费有显著的反向作用;技术进步也对能源消费有显著的反向作用;而当技术进步的增长率较高时,城市化率对能源消费有较显著的正向作用,经济增长则显著地降低了能源消费强度。
分析模型估计结果中所蕴含的经济学涵义,我们发现上述结论都是符合客观实际的,并可得出如下的政策启示:
政府采取较为稳健的财政和货币政策维持我国经济的平稳较快增长,可以较为稳定的降低能源消费强度;温和稳定的推进城市化进程对降低能源消费强度也有一定促进作用;而到目前为止技术进步对能源消费更多的是正向拉升作用。
因此,只有大力发展节能型、高附加值的高新技术产业和环保产业,坚决淘汰高能耗低效益的产业,才可能降低产业对能源的依赖程度,从而降低能源消费强度。
参考文献:
程颖慧,王健.2014.能源消费、技术进步与经济增长效应——基于脉冲响应函数和方差分解的分析[J].财经论从
(2):
10-15.
范晓莉.2014.城市化、能源消费与中国经济增长——基于新经济地理视角的动态关系研究[J].西南民族大学学报(人文社会科学版)
(1):
120-127.
黄飞雪,靳玲.2011.城市化对中国能源消费的影响机制研究[J].产业经济评论
(1):
104-121.
汪旭晖,刘勇.2007.中国能源消费与经济增长:
基于协整分析和Granger因果检验[J].资源科学(5):
57-62.
DICKVD,FRANSESPH.1999.Modellingmultipleregimesinthebusinesscycle[J].MacroeconomicDynamics,3(3):
311-340.
DICKVD,TER?
SVIRTAT,FRANSESPH.2002.Smoothtransitionautoregressivemodels-Asurveyofrecentdevelopments[J].EconometricReviews,21
(1):
1-47.
FORSLIDR,OTTAVIANOGI.2003.Ananalyticallysolvablecore:
peripherymodel[J].JournalofEconomicGeography,3(3):
229-240.
JOHNAA.2000.Therelationshipbetweenenergyconsumption,energypricesandeconomicgrowth:
timeseriesevidencefromAsiandevelopingcountries[J].EnergyEconomics,22(6):
615-625.
LUUKKonENR,SAIKKonENP,TER?
SVIRTAT.1988.Testinglinearityagainstsmoothtransitionautoregressivemodels[J].Biometrika,75(3):
491-499.
NGS,PERRONP.2001.Laglengthselectionandtheconstructionofunitroottestswithgoodsizeandpower[J].Econometrica,69(6):
1519-1554.
UGURS,RAMAZANS.2003.EnergyconsumptionandGDP:
causalityrelationshipinG-7countriesandemergingmarkets[J].EnergyEconomics,25
(1):
33-37.
WEIBR,YAGITAH,INABAA,etal.2003.UrbanizationimpactonenergydemandandCO2emissioninChina[J].JournalofChongqingUniversity(EnglishEdition),28
(2):
46-50.
(编校:
延河)
-全文完-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济 增长 城市化 技术进步 能源 消费 非线性 影响 效应 研究