中国石油需求量的协整计量分析，本文主要内容关键词为：需求量论文,中国石油论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、中国石油供需基本分析
中国是世界上的石油消费大国，自90年代以来，中国受世界经济的影响和自身经济结构、产业结构调整的需要，石油消费的需求日益增长。目前，中国已成为世界上石油需求增长最快的国家。关于我国石油供需的讨论也成为热点。
随着国民经济的持续高速发展，我国的石油消费量逐年增加。2002年达到了2.457亿吨，成为继美国之后的第二大石油消费国。但相比石油消费，中国的石油生产却增速缓慢，供需矛盾日益突出。近十年来，中国国内生产总值平均增长9.7％，石油需求年增长为5.77％，而国内石油生产年均增长仅为1.67％。根据国际能源机构（IEA）的预测分析，2005年、2010年、2015年我国原油产量将只能分别达到1.7亿吨、1.75亿吨、1.85亿吨；在排除我国石油出口的前提下，这三个时期原油缺口将分别为9500万吨、1.37亿吨和1.97亿吨，意味着2015年我国原油供给将有50％以上依赖进口。同时，国家强劲的经济增长将在很大程度上刺激对能源的需求，我国的一次能源需求比例将由目前的9.8％增加到2020年的13.3％和2025年的14.2％。
石油不仅是一个国家必不可少的主要能源，同时又是重要的战略商品和化工原料，石油供需对国民经济发展和中国对外经济贸易有举足轻重的作用。现在，面对严峻的石油供需不平衡，十分有必要运用科学的、系统的经济计量方法合理客观地模拟出符合我国实际情况的石油供需模型，并基于模型进行需求预测。本文将运用协整和误差修正模型建立中国石油需求的预测模型，并将中国石油消费的长期均衡引入到短期预测模型。
二、建立“误差修正模型”
经典回归模型一般是建立在平稳数据变量的基础上的，对于非平稳变量则不能使用经典回归模型，否则会出现虚假回归等诸多问题。由于许多经济变量是非平稳的，这就给经典的回归分析带来很大的限制。然而，某些经济变量间存在着长期均衡关系，即协整（Cointegration），这种均衡关系意味着经济系统不存在破坏均衡的内在机制。如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期调整以使其重新回到均衡状态。所以，具有协整关系的经济变量间具有长期的稳定关系，因此能够使用经典回归方法建立回归模型。协整理论的提出为非平稳的多变量时间序列分析提供了有力的理论和方法。它把时间序列方法中对模型短期动态设定的优点和数量经济学中长期均衡关系确定的特点融为一体，成为生命力很强的一种建模理论。而误差修正模型（Error Correction Model，ECM）是协整关系的一种重要表示形式，其克服了伪回归问题，并有效地描述了经济变量序列之间地长期（静态）表现和短期（动态）特征。
本文采用协整和误差修正模型建立中国石油需求模型主要基于以下两点，一是以往的石油需求计量研究很可能受到由非平稳变量引起的伪回归的影响，使用协整方法可有效解决这一问题；二是协整方法可以分辨出石油需求模型中的变量（例如：GDP，第二产业生产值）之间的长期均衡关系、短期波动以及长期均衡对短期波动的影响，从而可得出石油需求的长期均衡关系，并可进行短期预测。
表1 石油消费量及国内各产业生产值
分份 石油消费 国内生 第一产业 第二产业 第三产业
量(万吨) 产总值 生产值生产值生产值
(亿元) (亿元)(亿元)(亿元)
1975 6709.3
2997.3
971.1 1370.5655.7
1976 7700.8
2943.7
967.0 1337.2639.5
1977 8282.4
3201.9
942.1 1509.1750.7
1978 9080.2
3624.1
1018.41745.2860.5
1979 8940.5
4038.2
1258.91913.5865.8
1980 8757.4
4517.8
1359.42192.0966.4
1981 8322.6
4862.4
1545.62255.51061.3
1982 8244.2
5294.7
1761.62383.01150.1
1983 8367.3
5934.5
1960.82646.21327.5
1984 8636.1
7171.0
2295.53105.71769.8
1985 9168.8
8964.4
2541.63866.62556.2
1986 9728.0 10202.2 2763.94492.72945.6
1987 10312.2 11962.5 3204.35251.63506.6
1988 11092.5 14928.3 3831.06587.24510.1
1989 11583.7 16909.2 4228.07278.05403.2
1990 11485.6 18547.9 5017.07717.45813.5
1991 12383.5 21617.8 5288.69102.27227.0
1992 13353.7 26638.1 5800.011699.5
9138.6
1993 14721.3 34634.4 6882.116428.5
11323.8
1994 14956.0 46759.4 9457.222372.2
14930.0
1995 16064.9 58478.1 11993.0
28537.9
17947.2
1996 17436.2 67884.6 13844.2
33612.9
20427.5
1997 19691.7 74462.6 14211.2
37222.7
23028.7
1998 19817.1 78345.2 14552.4
38619.3
25173.5
1999 21072.9 82067.5 14472.0
40557.8
27037.7
2000 22439.3 89468.1 14628.2
44935.3
29904.6
2001 22838.3 97314.8 15411.8
48750.0
33153.0
2002 24779.8 105172.3 16117.3
52980.2
36074.8
表2 模型符号及变量说明
变量(符号) 说明
LNGDP国内生产总值对数化
LNGDP1
第一产业生产值对数化
LNGDP2
第二产业生产值对数化
LNGDP3
第三产业生产值对数化
LNPC石油消费量对数化
LNPC(-n) 滞后n期的石油消费量对数化
D(LNPC) 对石油消费量对数化后取一阶差分
ECM_GDP 对应GDP的误差修正序列
ECM_GDP1 对应GDP1的误差修正序列
ECM_GDP2 对应GDP2的误差修正序列
ECM_GDP3 对应GDP3的误差修正序列
鉴于之前的大部分研究集中于石油需求与GDP的对应关系，本文将侧重考察结构性影响。因为我国石油需求量受三大产业结构变动的影响较大，不应用总的GDP概而论之，所以分别建立中国石油需求量同总GDP、第一产业生产值、第二产业生产值、第三产业生产值之间的长期均衡关系。本文所采用的数据来自各年度的《中国统计年鉴》以及《新中国五十年统计资料汇编》。计量检验及建模均由Eviews4.1统计软件完成。
首先，经过ADF单整检验（ADF的检验结果请见附录中的附表1），发现石油消费量、国内生产总值、第一产业生产值、第二产业生产值和第三产业生产值经过对数化后的序列均为2阶单整。由于LNGDP，LNGDP1,LNGDP2,LNGDP3,和LNPC都为1（2）变量，因此它们之间存在长期稳定的均衡关系。由Eviews4.1可分别求出LNPC和LNGDP、LNPC和LNGDP1、LNPC和LNGDP2、LNPC和LNGDP3之间的长期均衡方程：
LNPC＝0.9958173868＋1.113342692*
LNPC（－1）－0.2783203132*
LNPC（－2）＋0.05950596884*LNGDP
LNPC＝1.251157873*LNPC（－1）－
0.2672392428*LNPC（－2）＋
0.02204184036*LNGDP1（－1）
LNPC＝1.415807267＋1.08665052*LNPC（－1）－
0.3028603991*LNPC（－2）＋
0.07229344438*LNGDP2（－1）
LNPC＝1.007929034＋1.101169377*LNPC（－1）－
0.2498568699*LNPC（－2）＋
0.0491314243*LNGDP3
利用求得的长期均衡方程，代入LNGDP，LNGDP1，LNGDP2，LNGDP3，和LNPC的实际观测值，可以计算出误差修正序列（一般用ecm表示误差修正项），作为误差修正模型中解释变量的观测值。并通过对该序列的检验，可以得到它是0阶单整的结论，从而证明了上述4组长期均衡关系的成立，即协整关系的存在。下表列出了求得的4组ecm序列值。
通过以上的计量分析，从而可以建立最终的误差修正模型。经过多次检验，估计得到的最佳误差修正模型如下：
D（LNPC）＝0.6837081873*D（LNPC（－1））－
0.3282603337*D（LNGDP1）＋
0.3534284289*D（LNGDP2）－
0.7624338279*ECM_GDP2（*）
同时，我们可以得出石油消费量的实际观测值、误差修正模型的拟合值以及残差项的显示图。（估计最佳误差修正模型检验结果请见附录中的附表2）
表3 误差修正序列数据表
年份 ecm_gdpecm_gdp1ecm_gdp2 ecm_gdp3
1977 0.034726
0.0283693
0.02974560.035759
1978 0.076616
0.0666427
0.07558880.075276
1979 -0.02744
-0.0461734 -0.0282972
-0.0236
1980 -0.01196
-0.0275742 -0.0109547
-0.00965
1981 -0.04854
-0.0584424 -0.0539099
-0.04626
1982 -0.01213
-0.0125459 -0.0163635
-0.00876
1983 -0.00774
-0.0023861 -0.0106661
-0.0033
1984 -0.00651
0.0058118
-0.0055803
-0.00448
1985 0.008979
0.0265847
0.01282130.006185
1986 0.002648
0.0171057
0.00071790.000412
1987 0.002242
0.0155014
0.0019834-7E-05
1988 0.013552
0.0280384
0.01819860.011079
1989 -0.01551
-0.0082454 -0.0164524
-0.02022
1990 -0.05746
-0.0536432 -0.0571601
-0.06181
1991 0.030226
0.0400766
0.03623750.022963
1992 0.007059
0.0178945
0.015366 0.00185
1993 0.025912
0.0391041
0.03555210.024565
1994 -0.06369
-0.0506822 -0.0562785
-0.06172
1995 0.004051
0.0201026
0.00526320.007705
1996 0.001858
0.0115173
-0.0033537
0.008448
1997 0.046714
0.0466316
0.03911460.05188
1998 -0.0626-0.0779089 -0.0692938
-0.05964
1999 0.022869
0.0075778
0.01943060.021701
2000 0.013917
-0.0046521 0.01387180.013503
2001 -0.02631
-0.049449
-0.0255742
-0.02777
2002 0.048526
0.0257285
0.05000030.04596
附图
图1 石油消费量的实际观测值、误差修正模型的拟合值以及残差项
误差修正模型体现其明显的优点，如一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题；一阶差分项的使用也消除模型可能存在的多重共线性问题；而误差修正项的引入也保证了变量水平值的信息没有被忽视；由于误差修正项本身的平稳性，使得该模型可以用经典回归方法进行估计，尤其是模型中差分项可以使用通常的t检验与F检验来进行选取。
三、中国石油需求量的结构分析
在上述模型（*）中，各差分项反映了变量短期波动的影响。被解释变量的波动可以分为下述2部分。首先是长期均衡，主要体现在第二产业生产值，ECM_GDP2项系数的大小反映了对偏离长期均衡的调整力度。－1〈－0.7624338279〈0，满足了误差修正项前面系数的取值范围及符号。从系数估计值（－0.76）来看，第二产业生产值与石油消费量间长期均衡关系对短期波动的调整力度还是相当大的。并且当初建立模型时，通过多次估计和检验，发现只有第二产业生产值的误差修正项对石油消费量有显著的长期均衡误差控制，而国民生产总值和第一、三产业生产值的误差修正项没有显著影响。由此说明，中国石油需求的主要拉动因素体现在工业和建筑业，而农业、商业和生活消费等部门比例都不大。可见，以往直接用总GDP 同石油需求进行回归分析的方法是不合适的，得出的结构分析也是不合理的。
第二部分是短期波动，根据模型的参数估计量，短期第一产业生产值的变化将引起石油消费量反方向的变化，这个结果一部分原因可能是由于第二产业对第一产业的挤出效应，另外也和农机用油消费长期得不到重视，相对于工业用油影响甚微有关，但随着国家大力扶植农业生产和鼓励农业机械化，农村人均能源消费将提高，对石油需求的增长不可忽视。而短期第二产业生产值的变化将引起石油总消费量相同方向的变化，如果第二产业生产值变化1％，则引起国内石油消费量增加0.35％，可见第二产业的发展对于石油需求增长具有相当重要的意义。另外，上一期的石油消费量影响作用最大，弹性因子为0.684，反映出石油消费具有显著的长周期和强惯性趋势。
通过以上的分析，我们得出采用分不同产业的误差修正模型来预测石油消费量能够充分反映出国内产业结构的变动对石油消费量的影响，并且国民生产总值中第二产业生产值具有显著的长期均衡调控作用。而引入误差修正项（ecm）建立的误差修正模型可以反映出石油消费量的波动包括长期均衡偏离的控制和短期波动的幅度。
附录：
附表1 ADF单整检验结果
Null Hypothesis:D（LNGDP,2）has a unit root
Exogenous:None
Lag Length:3（Automatic based on SIC,MAXLAG＝8）
t-Statistic Prob.[*]
Augmented Dickey-Fuller test statistic
-3.657249 0.0009
Test critical values:1% level
-2.674290
5% level
-1.957204
10% level -1.608175
* MacKinnon（1996）one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable:D（LNGDP,3）
Method:Least Squares
Date:11/13/04 Time:19:51
Sample（adjusted）:1981 2002
Included observations:22 after adjusting endpoints
Variable
Coefficient Std.Error t-Statistic
Prob.
D(LNGDP(-1),2) -1.356474 0.370900 -3.6572490.0018
D(LNGDP(-1),3) 0.743055
0.315619 2.354276 0.0301
D(LNGDP(-2),3) 0.163835
0.236370 0.693128 0.4971
D(LNGDP(-3),3) 0.442181
0.194844 2.269413 0.0358
R-squared 0.595062
Mean dependent var -0.000475
Adjusted R-squared 0.527573
S.D.dependent var 0.068441
S.E.of regression 0.047042
Akaike info criterion -3.112599
Sum squared resid 0.039833
Schwarz criterion -2.914227
Log likelihood 38.23859
Durbin-Watson stat 1.964044
Null Hypothesis:D （LNGDP1,2）has a unit root
Exogenous:None
Lag Length:0（Automatic based on SIC,MAXLAG＝8）
t-Statistic Prob.[*]
Augmented Dickey-Fuller test statistic -5.441929
0.0000
Test critical values:1% level -2.660720
5% level -1.955020
10% level -1.609070
*MacKinnon （1996）one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable:D（LNGDP1,3）
Method:Least Squares
Date:11/13/04 Time:20:39
Sample （adjusted）:1978 2002
Included observations:25 after adjusting endpoints
Variable
Coefficient Std.Error t-Statistic
Prob.
D(LNGDP1(-1),2)-1.103298 0.202740 -5.441929 0.0000
R-squared 0.552349 Mean dependent var 0.000578
Adjusted R-squared 0.552349 S.D.dependent var 0.116850
S.E.of regression 0.078180 Akaike info criterion
-2.220421
Sum squared resid 0.146692 Schwarz criterion -2.171666
Log likelihood 28.75526 Durbin-Watson stat 1.926183
Null Hypothesis:D （LNGDP2,2）has a unit root
Exogenous:None
Lag Length:0（Automatic based on SIC,MAXLAG＝8）
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.717785
0.0000
Test critical values:1% level -2.660720
5% level -1.955020
10% level -1.609070
*MacKinnon （1996）one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable:D（LNGDP2,3）
Method:Least Squares
Date:11/13/04 Time:20:37
Sample （adjusted）:1978 2002
Included observations:25 after adjusting endpoints
Variable
Coefficient Std.Error t-Statistic
Prob.
D(LNGDP2(-1),2)-0.868422 0.184074
-4.717785 0.0001
R-squared 0.478964 Mean dependent var -0.005752
Adjusted R-squared 0.478964 S.D.dependent var 0.090144
S.E.of regression 0.065069 Akaike info criterion
-2.587565
Sum squared resid 0.101615 Schwarz criterion -2.538810
Log likelihood 33.34456 Durbin-Watson stat 1.953264
Null Hypothesis:D （LNGDP3,2）has a unit root
Exogenous:None
Lag Length:1（Automatic based on SIC,MAXLAG＝8）
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.685754
0.0000
Test critical values:1% level -2.664853
5% level -1.955681
10% level -1.608793
*MacKinnon （1996）one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable:D（LNGDP3,3）
Method:Least Squares
Date:11/13/04 Time:20:41
Sample （adjusted）:1979 2002
Included observations:24 after adjusting endpoints
Variable
Coefficient Std.Error t-Statistic
Prob.
D(LNGDP3(-1),2)-1.748330 0.261501
-6.685754
0.0000
D(LNGDP1(-1),3)0.499537 0.163342
3.0582370.0058
R-squared 0.704645 Mean dependent var 0.000215
Adjusted R-squared 0.691219 S.D.dependent var 0.132210
S.E.of regression 0.073467 Akaike info criterion
-2.304318
Sum squared resid 0.118741 Schwarz criterion -2.206147
Log likelihood 29.65181 Durbin-Watson stat 1.817271
1 Hypothesis:D （LNPC,2）has a unit root
Exogenous:None
Lag Length:0（Automatic based on SIC,MAXLAG＝8）
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.455910
0.0000
Test critical values:1% level -2.660720
5% level -1.955020
10% level -1.609070
*MacKinnon （1996）one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable:D（LNPC,3）
Method:Least Squares
Date:11/13/04 Time:20:40
Sample （adjusted）:1978 2002
Included observations:25 after adjusting endpoints
Variable
Coefficient Std.Error t-Statistic
Prob.
D(LNPC(-1),2)-1.395813 0.187209
-7.455910 0.0000
R-squared 0.697284 Mean dependent var 0.005160
Adjusted R-squared 0.697284 S.D.dependent var 0.084442
S.E.of regression 0.046460 Akaike info criterion
-3.261288
Sum squared resid 0.051804 Schwarz criterion -3.212533
Log likelihood 41.76610 Durbin-Watson stat 1.949386
附表2 估计最佳误差修正模型检验结果
Dependent Variable:D（LNPC）
Method:Least Squares
Date:11/13/04 Time:20:32
Sample（adjusted）:1978 2002
Included observations:25 after adjusting endpoints
Variable Coefficient Std.Error t-Statistic Prob.
D(LNPC(-1))0.683708 0.1730573.9507650.0007
D(LNGDP1) -0.3282600.078098-4.203160
0.0004
D(LNGDP2) 0.353428 0.0786784.4921040.0002
ECM_GDP2
-0.7624340.217730-3.501744
0.0021
R-squared 0.698010 Mean dependent var 0.043836
Adjusted R-squared 0.654868 S.D.dependent var
0.043403
S.E.of regression 0.025498 Akaike info criterion
-4.354764
Sum squared resid 0.013653 Schwarz criterion
-4.159744
Log likelihood 58.43455 Durbin-Watson stat 1.854399
标签：石油论文; 误差修正模型论文; 协整关系论文; 均衡生产论文; 协变量论文; 修正系数论文; 误差分析论文; 第二产业论文;