能源消费与经济增长关联特征的分解分析，本文主要内容关键词为：经济增长论文,分解论文,特征论文,能源消费论文，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。
中图分类号：F014.5文献标识码：A文章编号：1674-4543(2008)05-0040-08
一、引言
关于经济增长与能源消费关系的研究越来越受到国内外学者的重视，他们试图从各国统计数据出发，以统计和计量的分析方法探索经济增长与能源消费之间的关系，形成了一系列有价值的研究成果。Soytas和Sari(2003)[1]实证检验和分析了“七国集团”的经济增长与能源消费间存在因果关系；Robert(2004)[2]研究了反映能源使用效率的能源强度系数与经济发展之间的协整关系；林伯强(2001)[3]深入研究了能源总消耗、GDP、能源价格及结构变化之间存在长期均衡关系；韩智勇，魏一鸣(2004)[4]针对1978-2000年数据认为中国能源消费与经济不具有长期的协整性；王海鹏等(2006)[5]实证表明了中国能源消费与经济增长之间不存在协整关系，而存在一种变参数协整关系。以往的这些研究主要涉及经济增长与能源消费因果关系，考察能源消费与GDP间的协整和长期均衡关系，在周期波动方面，主要以经济增长率波动为考察对象，分析经济周期波动的特征和原因，很少涉及能源消费与经济增长的周期波动因果关系。然而，随着经济的发展，经济时间序列呈现出非线性和复杂性特征，使目前的统计分析和协整理论等研究方法受到挑战。基于这一原因，本文对能源消费与经济增长序列进行分解，以周期因素为对象，分析能源消费量和经济增长波动的关联特点和协同性；以趋势因素为依据，考察两者趋势因素的非线性相关关系与一般均衡关系，全面、深入地分析能源消费与经济增长的关联特征。
二、能源消费与经济增长的时间序列分解
时间序列分解的目的是剔除不规则变动的影响，分解出序列的趋势和周期成分，通过趋势成分分析序列总体变化特征，从周期成分分析序列的周期波动性质。随着统计学理论的发展和交叉学科的应用，时间序列分解方法得到了广泛的应用和发展，如指数平滑方法、频谱滤波方法和状态空间模型等。可是，指数平滑法损失了一定的数据；频谱滤波方法虽然“滤出”了趋势部分，但无法分解周期和不规则项；状态空间模型虽能分解出不规则部分，但由于周期变动是以数年或数十年为周期的景气波动，其波动周期通常是不固定的，很难用状态方程精确表达，因而难以分解出周期部分。为此，本文选取1980-2005年能源消费增长率与GDP增长率为研究数据，综合应用H-P滤波和状态空间模型，首先应用H-P滤波“滤出”时间序列的趋势因素；进而以状态空间模型估计出趋势周期合并项和不规则项，从而得出能源消费增长率与经济增长率的趋势、周期和不规则因素。
1.能源消费与经济增长的状态空间模型分解
经济系统的状态是完整地描述系统的时域行为的最小一组变量即状态变量，而在许多情况下，系统的状态是无法直接量测的，只能量测到系统的输入和输出。状态空间模型表示动态系统从输入到输出的变换，通过状态方程和量测方程，对系统内部结构进行数学模型的描述。由于时间序列的周期变动难于用数学形式表达成状态方程，所以，将趋势变动和周期变动合并，用以描述经济时间序列的主要变动，
2.能源消费与经济增长的时间序列分解结果
将能源消费与GDP增长率实施H-P滤波“滤出”趋势成分，用状态空间模型分解出的趋势周期综合成分扣除H-P滤波所得的趋势成分，得到序列的周期成分。因此，综合H-P滤波和状态空间模型较准确地分解出能源消费与经济增长的增长率的趋势成分、周期成分和不规则成分。从时间序列的影响成分图(图1)中可看出：通过增大经济周期频率，平滑序列得到的趋势成分较好地反映出时间序列的整体趋势，其中能源消费的趋势成分吻合度较高，经济增长趋势成分在1994年前偏离序列值较大；在周期成分图中，能源消费与经济增长都体现出较强的周期性，在1996年前能源消费的波动幅度小于经济增长，1996年后经济增长的波动幅度较小；不规则成分均在0值附近波动，能源消费的不规则成分的影响较经济增长更大。
图1 能源消费与经济增长的时间序列分解
三、能源消费与经济增长周期波动的关联特征分析
能源消费与经济增长的周期成分明显反映出两变量呈现较明显的周期波动。为此，测定出能源消费与经济增长的周期，比较分析两者波动的特点，探讨波动的协同关系，有助于细致地了解能源消费与经济增长周期波动的关联特征。
1.能源消费与经济增长波动周期的划分与数理证明
周期波动反映出波峰波谷的交替变化，按照阿瑟·刘易斯(W·Arthur Lewis)的提法，确定一次完整的经济波动，可以从一个波峰到另一个波峰，也可以从一个波谷到另一个波谷，或者按周期中同样状态(波峰、低潮或整个周期)一些年的平均值到另一些年的平均值来衡量。在本文中以“谷-谷”法来测定能源消费与经济增长的波动周期(图2、表1)。
图2 能源消费增长率与GDP增长率的周期波动
2.能源消费与经济增长周期波动的关联特征分析
1981年以来，能源消费与经济增长有着明显的波动关联特征，体现出周期划分与长度的基本一致性、扩张与收缩的协同性和拐点的滞后性。能源消费波动的第1轮周期，经济增长正好也完成第1个周期，两者周期的扩张期与收缩期基本一致，仅相差1年，具有很强的波动协同性；能源消费扩张一直持续到1985年，持续时间较经济扩张期(至1984年)长1年，两者同年结束周期，能源消费仅有1年的收缩期，而经济增长则用了两年达到了波谷，能源消费扩张期与收缩期的波动幅度均略小于经济波动。能源消费的第2轮周期中，经济增长已完成了第2轮周期波动，能源消费收缩至谷底时经济增长已开始了第3轮周期，经济波动幅度远大于能源消费的波动幅度。能源消费与经济增长都经历第3轮长周期，两者扩张与收缩长度有着很大的区别，在这轮周期中，经济增长只用了2年便达到峰位，而能源消费用了5年的时间，经济增长年均扩张程度远大于能源消费；在达到波峰后，能源消费增长率迅速减小，经过3年到达波谷，而经济增长却经历了7年的收缩期，在能源消费结束第3轮周期后还持续收缩了1年，收缩幅度明显小于能源消费。能源消费的第4轮周期中，经济增长完成了两轮的短周期，能源消费在经历了6年的持续扩张达到波峰时，经济增长的第2轮短周期也正好达到峰位，2005年两者增长又出现一定的收缩，经济持续稳定的增长，能源消费则经历了大起大落，波动特征存在明显的不同。
3.能源消费与经济增长周期波动的协同性分析
经济周期是经济活动中的一种波动：一个由许多经济活动几乎同时扩张，随之而来类似的普遍衰退、收缩以及与下一个周期的扩张阶段相连的复苏所组成。这意味着周期波动中存在着经济变量时间序列中数据的协同性，即各种经济活动一起上升和下降，经济变量之间同步变动。能源消费与经济增长具有扩张与收缩期的基本一致性和拐点的滞后性的关联特征，体现出一定的波动协同性，为了定量研究两者波动的协同性，引入协整-误差修正模型。
由ECM方程可知，能源消费与经济增长周期之间存在着长期关系，波动具有显著的协同性；修正系数为负值，表明当短期波动偏离长期均衡时，将以-0.3827的调整力度将非均衡状态拉回到均衡状态，从而实现两者的协同波动。
四、能源消费与经济增长趋势成分的关联特征分析
时间序列的趋势成分在剔除了周期和不规则因素的影响后，反映出序列在长期中所表现的沿着某一方向的持续发展变化，即序列的总体变动倾向。能源消费与经济增长周期成分的波动协同性，体现了两变量的同步变动特征，这意味着能源消费增长率与经济增长率具有着相关的变动倾向。为此，依据时间序列分解的趋势成分，分析能源消费增长率与经济增长率的相关关系和长期均衡特征。
1.能源消费与经济增长趋势成分的灰色关联分析
能源消费与经济增长周期波动周期成分具有明显的波动协同性，能源消费周期的拐点在三个周期内均滞后于经济周期1年或几年，初步反映出经济增长与能源消费增长有着一定的相关关系。在度量能源消费与经济增长的相关关系，统计中的相关系数由于受到数据量和线性条件要求的影响，无法准确详实地描述两者的内在关系，因此，采用灰色理论中的灰色关联度来度量两者的相关关系。
灰色系统理论是以“贫信息”的小样本为研究对象，通过充分利用部分“已知信息”的生成、开发去实现对系统的有效控制。灰色关联度分析是灰色系统理论的一种分析方法，以灰色绝对关联度、灰色相对关联度、灰色综合关联度来度量能源消费与经济增长相关关系。其基本思想是：以参考点或比较点之间的距离为基础，从距离中找出各因素的差异性和接近性；或者说是基于行为序列的几何形状接近程度，以分析和确定因子间的影响程度或因子对行为的贡献测度。根据分析对象时序数列曲线的相似程度来判断其关联程度，即两条曲线越相似，其关联越大，反之越小。能源消费与经济增长相关关系灰色绝对关联度反映序列间几何上的相似程度，灰色相对关联度表征序列相对于初始点的变化速率的数量联系，而灰色综合关联度则较全面地表征序列之间联系紧密的数量指标。
基于灰色关联度计算模型，计算出能源消费与经济增长趋势成分的灰色关联度指标。结果表明：能源消费与经济增长趋势成分以正相关为主；灰色绝对关联度为0.7559，能源消费与经济增长几何图形的相似程度达到75.59％；灰色相对关联度为0.9971，两者相对于初始点的变化速率的相似性高达99.71％，能源消费的增长速度与经济的增长同步；绝对量与变化速率的共同影响使两者的灰色综合关联度为0.8765，呈现出很强的正关联关系。
2.能源消费与经济增长趋势的变参数模型分析
能源消费与经济增长的趋势成分有着极相似的几何形状，表现出很强的相关关系，这似乎意味着两者间存在着协整关系。为此，对能源消费与经济增长的趋势成分进行协整检验，结果发现，两序列都是二阶单整过程，然而在EG两步法检验中，尽管两变量的回归方程的拟合优度很高、t检验很显著，但对其回归残差进行检验可以发现，残差序列存在很强的自相关，并且在5％的显著性水平下，回归残差是非平稳的，所以，回归模型是一个“伪回归”模型。在协整定义中提到的“协整变量具有共同的趋势”，但这一说法仅适用于固定参数模型，上述检验只能得出两者不存在固定参数协整关系。因此，引入能源消费与经济增长的趋势成分的变参数模型，如果模型的误差项为平稳序列，则两者之间仍具有协整关系，反映出一种不断变化的长期均衡关系。
模型估计效果很好，状态方程中系数的估计值接近于1，说明符合随机游走形式，也就是说，除其他因素以外，中国经济增长与能源消费间的影响关系是持久而深远的。
为了检验估计结果的可靠性，还须对变参数模型描述的能源消费增长率和GDP增长率的趋势序列进行协整分析。将量测方程的误差项进行平稳性检验，发现t统计量为-4.9262，在1％的显著水平下无法拒绝回归残差是平稳时间序列的原假设。因此，可以认为变参数模型的估计结果是可靠的，即能源消费增长率和GDP增长率之间存在长期均衡比例不断变化的协整关系。变参数模型中的变量为能源消费增长率与GDP增长率，参数刻画了中国能源消费弹性系数的变化(表2)。
可见，中国能源消费弹性系数维持了近20年的下降趋势，弹性系数由1981年的1.1248下降到2000年的谷底值0.8123，下降幅度为27.78％，1990年弹性系数小于1，2000年后弹性系数小幅上升，波动性较大，规律性明显，平均弹性为0.9363。
五、结论
经济增长促进能源的开发和利用，而作为经济发展动力因素的能源同时也制约着经济的增长，两者存在着复杂的引致性与均衡性关系。本文以基于滤波的状态空间模型对能源消费与经济增长数据进行时间序列分解，从周期与趋势成分分析两者的均衡和因果关系，得到以下结论：
第一，将能源消费与经济增长增长率进行时间序列分解，得出相应的趋势成分、周期成分和不规则成分，并从趋势成分分析两变量的长期均衡关系，从周期成分分析波动的特征与协同关系，全面、细致地考察能源消费与经济增长的关联特征。以H-P滤波与基于Kalman滤波的状态空间模型相结合分解时间序列，有效地克服了传统分解方法中不规则项无法分解与损失信息的问题，使得趋势与周期成分更准确、更合理。
第二，以“谷-谷”法划分能源消费与经济增长增长率的周期，并从数理证明确保周期划分的合理性。能源消费周期与经济增长周期的划分与长度基本一致，能源消费周期的拐点滞后于经济周期，反映出经济的周期波动是能源消费周期波动的一个主要原因；能源消费与经济增长周期之间存在着长期协整关系，修正系数为负值，波动具有显著的协同性。
第三，以灰色关联度来度量能源消费与经济增长趋势成分间的相关关系，克服了相关系数中数据量和线性条件要求限制，能源消费与经济增长趋势成分以正相关为主，几何图形的相似程度高，两者相对于初始点的变化速率有着极高的相似性，能源消费的增长速度与经济的增长同步，呈现出很强的正关联关系。能源消费与经济增长的趋势成分虽具有协整关系，但不存在固定参数协整关系，反映出一种不断变化的长期均衡关系，这种变化的均衡关系刻画了能源消费弹性的变化特征，能源消费弹性逐年下降，弹性系数均小于1，能源利用高，以较少的能源消费实现了经济高速增长。
标签：时间序列论文; 能源消费论文; 成分分析论文; 经济模型论文; 经济增长论文; 协整关系论文; 经济论文; 灰色模型论文; 经济学论文;