能源消耗的影响
能源消耗的影响范文第1篇
一、引言
随着能源危机的出现，能源消耗问题成为了一个世界性的热点问题。本文主要分析影响能源消耗量的 经济 变量与能源消耗之间的相关关系。
二、对能源消耗现状的分析
（一）能源消耗总量的研究分析
经 调查 研究，能源主要包括原煤原油、天然气、水电、核电、风电等。近年来我国经济快速发展，国内生产总值gdp稳定增长，人民生活水平显著提高。但我们也应该看到，随着经济的增长，能源消耗的总量也越来越多，越来越快。石油危机、淡水资源匮乏、臭氧层空洞、植被减少、稀有物种灭绝等现象频频出现。有的国家甚至连续多年都出现了能源危机。
（二）能源消耗总量增加的原因
1．经济增长
首先，随着人们生活水平的普遍提高，拥有电冰箱、空调、暖气、电脑、 电视 机、私家车等家庭生活用品的家庭数量增长了很多，这就造成了能源消耗数量普遍性的提高；其次，随着 中国经济 的快速发展，国内新建了许多 工业 企业，这些企业每天都在消耗大量能源。国内生产总值gdp是衡量经济发展状况的重要因素，gdp的增长包括 农业 ，工业， 建筑 业等多方面的增长。其中，工业，建筑业， 交通 运输 业的发展都需要消耗大量的能源。再次，经济增长促进了科技的发展，而科技水平的提高促使了能源消耗水平的提高。能源消耗不会像过去一样仅仅局限在日常照明和少有的工业企业上了。这样便形成了一个恶性循环，经济越发展，科技越发达，能源消耗的越多。综上，经济的发展是能源消耗总量增加的最根本原因。
2．能源生产总量的增加
能源生产总量的增加是导致能源消耗总量增加的直接原因。经济的增长导致能源需求量的增加，有需求必然会有供应，这就必然导致了能源生产量的增加。
3． 人口 增加
随着中国人口数量的增长，家庭耗电量，家庭用水量等各方面消耗都在增加。而且，每个人都是一个无底洞，从出生到死亡，每个人都会消耗数不尽的能源。我们每个人的日常生活，衣、食、住、行、娱乐等各方面都会消耗能源。我们不应该忘记，再微小的白色塑料袋，也是用我们的资源制造的，而且这些资源都是不可再生的。
4．生活 文化 的改变
随着现代生活节奏的加快，人们更倾向于快节奏，高效率的生活方式，这就滋生了许多人使用一次性筷子，一次性茶杯等用具的 心理 。而且高效率，快节奏的生活方式导致了人们铺张浪费的生活习惯。
三、研究目的
为了使国内的能源能持续被利用，坚持可持续发展道路，需要定量地分析影响能源消耗总量的主要因素。并且从这些方面入手尽量减少能源的消耗。
四、实证分析
（一）理论依据
1．总论
从上文所提到的内容中，我们可以得出结论，影响能源消耗总量的主要因素，除了能源生产总量外，还可能与经济发展的快慢、人口数量、生活习惯、人们的生活水平息息相关。因此这里考虑到的影响能源消耗总量的因素主要有：能源生产总量x1,，城镇人口x2，国内生产总值gdp（1978年不变价）x3, 工业gdp x4(1978年不变价)，人均gdp x5（1978年不变价），乡村人口x6。其中gdp作为经济发展的快慢的代表，城镇人口和乡村人口作为人口数量的代表，人均gdp作为人们生活水平的代表，工业gdp作为工业发展水平的代表。因为上文提到的生活文化的改变无法找到具体的数据进行度量，所以，此因素只能归入到人均gdp中。为此设定以下形式的计量经济模型：
其中， 为第i年能源消耗总量
x1为能源生产总量 （万吨标准煤）
x2 城镇人口 （万人）
x3 gdp（1978年可比价） （百亿元）
x4 工业gdp（1978年可比价） (百亿元)
x5 人均gdp（1978年可比价） (百亿元)
x6 乡村人口 （万人）
2．时间序列平稳性检验与修正
因为所用的数据为时间序列数据，而大多数经济时间序列是非平稳的，如果直接将非平稳的时间序列当作平稳时间序列来进行分析，则可能造成“伪回归”。所以首先要对时间序列的平稳性进行检验。
3．多重共线性检验与修正
由于有6个解释变量，各解释变量的观测值之间可能存在线形相关关系，所以需要对模型进行多重共线性的检验。
4．自相关的检验与修正
所用数据为时间序列数据。由于经济系统的经济行为都具有时间上的惯性，所以大多数时间序列数据中都有自相关现象。此外，经济活动的滞后效应、模型设定错误、数据的处理等多种原因都可能导致出现自相关。因此，需要对模型进行自相关的检验并进行修正。
5．异方差的检验与修正
能源消耗总量的多元分析模型，是一个复杂的经济模型，因此，有可能此模型中略去的变量随解释变量的变化而呈规律性的变化，即模型中存在异方差现象。也有其他可能原因导致此模型存在异方差现象，如：变量的设定问题、利用平均数作为样本数据等。综上，需要对此模型进行异方差检验并修正。
（二）数据来源
从
生产总值， 人口 数及构成这四个国民 经济 统计 数据后得到如下数据：
年份
能源消耗总量
能源生产总量
城镇人口
乡村人口
gdp可比价
工业 gdp可比价
人均gdp可比价
1978
57144
62770
17245
79014
36.45
16.07
3.81
1979
58588
64562
18495
79047
37.76
16.28
3.95
1980
60275
63735
19140
79565
39.19
16.31
4.10
1981
59447
63227
20171
79901
40.07
16.45
4.19
1982
62067
66778
21480
80174
39.99
16.42
4.18
1983
66040
71270
22274
80734
40.40
16.44
4.23
1984
70904
77855
24017
80340
42.40
16.80
4.43
1985
76682
85546
25094
80757
46.74
17.58
4.89
1986
80850
88124
26366
81141
48.93
18.43
5.12
1987
86632
91266
27674
81626
51.47
18.83
5.38
1988
92997
95801
28661
82365
57.70
20.57
6.03
1989
96934
101639
29540
83164
62.63
21.98
6.55
1990
98703
103922
30195
84138
66.27
22.49
6.93
1991
103783
104844
31203
84620
70.81
23.19
7.41
1992
109170
107256
32175
84996
76.62
24.34
8.01
1993
115993
111059
33173
85344
88.25
27.96
9.23
1994
122737
118729
34169
85681
106.44
32.28
11.13
1995
131176
129034
35174
85947
121.03
36.25
12.66
1996
138948
132616
37304
85085
128.80
38.03
13.47
1997
138173
132410
39449
84177
130.77
38.20
13.68
1998
132214
124250
41608
83153
129.61
36.24
13.55
1999
130119
125935
43748
82038
127.95
35.21
13.38
2000
138553
128978
45906
80837
130.56
35.80
13.65
2001
143199
137445
48064
79563
133.24
35.86
13.94
2002
151797
143810
50212
78241
134.03
35.49
14.02
2003
174990
163842
52376
76851
137.50
36.47
14.38
2004
203227
187341
54283
75705
147.03
38.81
15.38
2005
224682
205876
56212
74544
152.85
41.20
16.05
2006
246270
221056
57706
73742
158.86
43.15
16.53
其中，gdp, 工业gdp, 人均gdp这三组数据采用的是1978年的可比价，这样就可以消除价格指数的影响。
（三）数据分析
1．模型的设定
经过上文分析，模型最终设定为：
2．时间序列平稳性的 检验 与修正
用图形法判断时间序列是否是平稳的。具体做法是：分别做出解释变量、被解释变量与时间的散点图（横轴为时间，纵轴为变量），从图形的分布形式判断时间序列是否是平稳的。图行如下：
形如下
从这几个图形中我们可以看出：除乡村人口外，其它解释变量的图形分布大致随时间的增长而呈上升趋势，所以时间序列是非平稳的。
但从它们的图形中可以看出，除乡村人口外，这些非平稳经济变量随时间的变动都呈上升趋势。所以，虽然这些经济时间序列是配平稳的，但它们之间却存在长期均衡关系。因此，可以用这些数据进行回归分析，基本不会出现“伪回归”现象。
因为乡村人口的存在会使模型存在“伪回归”现象，而人口数量可以用城镇人口来表示，所以经分析，剔除乡村人口这一因素。
3．多重共线性的检验与修正
这里用简单相关系数法对解释变量之间是否存在多重共线性进行检验。用excel软件，对数据进行简单相关系数分析，得到相关系数表，具体数据如下：
能源生产总量
城镇人口
gdp可比价
工业gdp可比价
人均gdp可比价
能源生产总量
1
城镇人口
0.959489
1
gdp可比价
0.919296
0.954812
1
工业gdp可比价
0.909564
0.929421
0.995594
1
人均gdp可比价
0.919021
0.954758
0.99999
0.99554
1
由以上数据，我们可以看出：数据存在严重多重共线性问题。需要对此模型进行修正。
用逐步回归法对多重共线性进行修正。由spss软件得到如下数据：
从以上数据可知，经过逐步回归之后，只有能源生产总量这一个解释变量进入了模型，而且其vif值为1.000符合标准。（vif的大小反映了解释变量之间是否存在多重共线性，经验表明，vif≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种共线性可能会过度的影响最小二乘估计。）但由于实际经验及研究表明，能源消耗总量与gdp也有高度相关关系，所以需要把不变价gdp也加入到模型中。所以最后得到的模型如下：
其中， 的系数由ols估计得到。
4．自相关的 检验 与修正
采用dw检验法检验模型是否存在自相关。用spss软件得到如下数据：
由以上图表可知，dw值为1.026。取显著性水平 =0.05。查dw分布表得，在显著性水平为0.05，样本容量n=29，解释变量个数 =2 时，临界值d l和d u分别为1.270和1.563。因为0≤dw≤dl，模型存在正的自相关，需要对模型进行修订。
用科克伦-奥克特迭代法对自相关进行修订。，用spss软件，采用9次迭代法，对模型进行分析后，得到如下数据：
经过迭代后，基本消除了自相关。得到的模型如下所示：
5．异方差的检验与修正
分别做 与y的散点图：
由图形可以看出：能源生产总量与y不存在自相关关系，而gdp与y几乎也不存在自相关关系。为了得到更确定的答案，还需要用g-q检验法对模型进行异方差的检验。由残差平方与gdp的散点图，可知模型可能存在升序排列的异方差。所以对模型数据进行升序排列，排除中间四分之一的数据，分别对余下的数据进行回归分析，得到如下数据：
方差分析
df
ss
ms
f
回归分析
1
1498745586
1.5e+09
271.1062
残差
9
49754337.26
5528260
总计
10
1548499924
方差分析
df
ss
ms
f
回归分析
1
15837859524
1.58e+10
905.3101
残差
8
139955216.8
17494402
总计
9
15977814740
计算 统计 量
=139955216.8/49754337.26=2.81
给定显著性水平 =0.05，查f分布表，的临界值为f(0.05)(11,11)=2.82。因为2.81＜2.82，所以认为模型中不存在异方差。
五、模型 总结
本次分析一开始选择了比较多的变量作为分析依据，但是通过各种检验和调整，最终结果体现，影响能源消耗总量的主要因素有能源生产总量与gdp。能源生产总量是消耗总量的直接制约因素。gdp的增长是能源消耗总量曾长的根本决定因素。
所以最终确定的模型为经过科克伦—奥科特九次迭代法之后，得到的模型
同时，也得到了如下数据：
由以上数据可以看出：
可决系数r=0.994，表明样本数据与回归方程拟合优度很好。
能源生产总量系数的t值为 26.491，表明能源生产总量对能源消费总量由显著性影响。
可比价gdp系数的t值为1.332，t值不是很大，表明模型仍存在一定问题，但由于知识水平与技术的限制，我不能做出更好的调整，有待日后修复。
参考文献：
1．《中国统计年鉴2007》
2．《计量 经济 学 》
能源消耗的影响范文第2篇
【关键词】能源消耗；环境问题；经济增长
1研究背景
1949年以来，特别是1978年以后，我国经济飞速发展，GDP从1978年的3678.70亿元增长至2019年的990865.10亿元，30年间增长约269倍，但在经济增长的同时环境问题也日益尖锐，究其根源就是我国经济增长是以能源的大量消耗为基础，致使环境问题日益严重。张玉林（2014）指出我国近年来严重的雾霾天气主要是由于经济快速增长大量消耗不可再生能源造成的环境问题。杜晓丛（2018）认为人类的日常生活对于能源的依赖也是环境问题的一个主要原因，应该提高国民对于环境问题的深刻认识。所以，应高度重视环境问题及其制定合理的解决措施。本文以雾霾为例引出因能源消耗而导致的严峻的环境问题，使公众认识到环境问题与我们息息相关，并提出相关解决措施。
2我国能源消耗的现状
当前，判断一个国家经济发展水平的主要标准就是该国的工业发展水平，工业化是一个国家经济发展的必经之路，而一个国家发展工业不仅需要资本、劳动力等生产要素的大量投入，能源也是不可或缺的投入品，其在工业化的初级阶段是决定经济是否增长的直接因素。当前我国的工业化仍然需要大量的能源投入，属于粗放式的能源消耗结构，我国高速的经济增长仍然依赖于能源的高投入，从而对环境造成巨大冲击，生态环境承载力日益下降，产生了一系列能源环境问题。目前，我国是第二大能源消耗国，表1是我国改革开放以来的能源消耗情况。从1980-2019年的能源消耗表可以看出，能源消耗总量一直以来都是持续增长的，而且表中明显反映出我国的能源消耗以煤炭资源为主，到2019年煤炭消耗比重还占据62.80%的高位。我国是产煤大国，煤炭资源可以实现自给自足，不需要从别的国家进口，但大量燃烧导致空气污染十分严重。相反，我国的石油资源主要依赖进口，近几年的消费占能源消耗总量的18%左右，而天然气和其他清洁能源的消费总量不到10%。从数据分析可以看出，天然气、风能和水电等能源没有很好的利用。从图1可以看出，2008年以前我国的能源消耗增长速度虽然有增有减，但一直维持一个较高的增长速度，2008年以后增速有所放缓，2013年以来的能源消耗总量增速一直保持一个较低的水平。但是为稳定经济增长，前期能源的大量投入以及后续各种的持续投入导致环境的承载能力下降出现了大量的环境问题，例如，近几年大部分地区出现的持续的雾霾天气。自2012年冬季以来，我国大部分地区出现了严重的雾霾天气，相关报道持续出现在新闻上面。2013年1月北京雾霾天气持续达25天，而一直到6月份雾霾天气持续达18天。其实不只是经济发展较好的一线城市雾霾较为严重，新一线城市西安多年来的雾霾一直较严重，2017年西安的雾霾全国第三。造成雾霾严重的原因归根结底还是发展经济大量投入煤炭、石油、天然气等能源造成大量有害气体排放。
3我国能源消费中存在的问题
能源实现可持续利用的基本条件是可再生能源的开发与利用，把我国一直以来严重依赖不可再生能源的消费方式转变为对于各种清洁能源的依赖，这样既可以使不可再生能源可持续发展，又可以保护生态环境。面对严峻的环境问题，我国已经在新能源产品市场取得了一定的进展，但对于新能源的探索并没有及时抑制各种环境问题的产生，能源的可持续发展依旧存在诸多问题。
3.1经济增长主要依靠不可再生资源
我国目前能源的开发技术水平不是很高，而在GDP中占比较大的产业又严重依赖能源的大量投入，能源的开发产生严重浪费再加上排污严重而废弃物的处理利用率又比较低，一味地追求经济增长而忽视了产业的可持续性发展。石油、煤炭、天然气等不可再生能源的大量使用对环境生态平衡破坏严重。
3.2传统生活方式和消费方式依然占主体
我国的生产方式和消费方式主要依靠能源的大量消耗，由于技术水平较低等原因造成能源利用率低，浪费严重，我国每年需要投入大量财政资金和技术人员处理这些废气物以及废水等问题，但是由于技术水平较低，处理结果也不是那么理想，所以我们应该深刻反思这种传统的生产生活方式应该怎样转变去适应当今的可持续发展这个时代主题，然后还可以缓解我国当前所面临的环境问题。
3.3可再生能源的开发技术水平不高
我国对新能源展开了全方位的探索，但是目前由于各种客观条件的限制没有大幅度地替代不可再生能源投入生产领域。就风力发电而言，虽然风力发电装置在世界上遥遥领先，但是由于没有达到规模化经营水平，行业普及率不是很高。另外，国家高度重视对清洁能源的开发和利用，例如，国家投入大量财政资金以及优惠政策来开展太阳能产业，但是由于技术水平还不是很成熟，依然处于起步阶段。
4对环境问题提出相关建议
4.1完善我国环境法律体系，从源头治理环境污染问题
完善环境法律体系，提高执法力度，是保护环境的最实质也是最有效的方式。但我国的环境法律体系依然存在严重的漏洞，如环境税，在美国等发达国家环境税已经取得了巨大的成果，但我国的环境税一方面由于起步较晚，另一方面重费轻税，二者混合征收，造成环境税形同虚设。所以我们不仅要借鉴美国、澳大利亚等环境法律体系较为完善的国家来完善我国的法律体系，还应根据我国国情和环境问题的现状来制定可实际操作的、完善的法律体系。
4.2重视可再生能源的开发和利用，改变传统的能源消费结构
目前为止，我国的经济增长严重依赖不可再生能源，能源消费结构主要以煤炭为主，石油、天燃气等其他一次性能源为辅，这些能源大多都会对环境产生巨大危害。所以我们应该转换传统能源的消费方式，转而提高对风能、太阳能等可再生、清洁能源的开发与利用。因此，我们要将清洁能源投入相关企业以减少排污量，还应该大力提倡全民使用此类清洁能源，减少生活废气、废物对环境的污染。另外，应该继续投入人力、物力及财力继续探索对新能源的开采和利用，既兼顾源头治理，又不放弃对目前环境问题的治理。
4.3提高我国国民对环境问题的深刻认识
能源消耗的影响范文第3篇
关键词 碳排放强度；煤炭消耗；EG协整检验；VAR模型；脉冲响应函数
中图分类号 X24 文献标识码 A文章编号 1002-2104（2011）08-0107-06doi:10.3969/j.issn.1002-2104.2011.08.017
自上世纪90年代初期开始，中国经济经历了一个持续的高速发展阶段，随着国内生产总值的逐年增加，一系列资源消耗、环境污染、生态恶化等问题让中国的经济发展与环境问题陷入矛盾局面。进入21世纪以来，中国城市化和工业化发展带来了化石能源，特别是煤炭资源的大量消耗，由“黑色能源”引发的碳排放问题成为温室效应、全球变暖的代名词。相较于天然气、水电、风电消耗而言，煤炭消耗所释放的CO2量平均要高出近50%，虽自1990年以来，我国煤炭消耗比重呈下降态势，然而碳排放总量却逐年上升，由高速经济增长所抵消的环境负面增长促使碳排放强度缓慢降低，但碳排放强度的降低究竟源于煤炭消耗比重的下降还是源于GDP的分母拉动性值得我们为之思考。因此，考察一定年份区间内煤炭消耗与碳排放强度之间的交互冲击效应，有助于从深层次挖掘二者的作用机理，为未来高效控制碳排放量乃至碳排放强度，降低对化石能源的依赖性，提供措施借鉴。
1 文献综述
从已有的研究文献来看，考察碳排放量以及排放强度变化的影响因素的研究较多。其中，徐国泉等人［1］采用Divisia分解法定量分析了能源结构、能源效率和经济发展等因素的变化对中国人均碳排放的影响；冯相昭等人［2］对1971-2005年期间影响中国CO2排放量的因素展开分析，研究发现经济发展、人口增长、能源强度、能源消费结构是影响CO2排放量的主要因素；宋德勇、卢忠宝［3］采用“两阶段”LMDI方法，将能源消费产生的CO2排放的相关影响因素分解为产出规模、能源结构、排放强度和能源强度四个方面；Stephen D-Casler 和 Adamrose［4］运用两阶段KLEM模型对影响美国碳排放量的诸多因素进行实证分析；Christopher Yang和Stephen H- Schneider［5］认为CO2排放量的影响因素可以分解为人口规模、富裕程度、能源强度和单位能源消耗的排碳强度。以上研究只能大体计算出影响因素之间的重要程度，而无法显示单一因素或者某几个重要因素的变动，特别是能源消费结构、能源强度的变动对碳排放量的影响，尽管国内外一些学者已经尝试进行相应的研究，例如帅通、袁雯［6］计量分析了上海市产业结构和能源结构的变动对碳排放量的影响，苏方林等人［7］采用加权最小二乘法与向量自回归方法建立广西碳排放量及影响因素间关系的实证模型，杜官印等人［8］测算了1997-2007年中国分省化石能源碳排放强度变化趋势，邵帅等人［9］基于STIRPAT模型的上海分行业动态面板数据得出煤炭消费比重对碳排放规模和强度均具有显著的促进作用。然而，碳排放量是建立在能源消耗和经济发展基础上产生的，单纯考察碳排放量值的高低或仅仅通过影响因素的模型构建无法更好地将碳排放量与能源消耗和经济发展联系起来。
综上所述，本研究尝试将碳排放量进行数值转换处理，换算成碳排放强度，采用VAR模型与脉冲响应函数方法，对能源消费结构中的煤炭消耗比重与碳排放强度之间的动态冲击关系进行计量研究，进一步考察能源消费中煤炭消耗对碳排放强度的影响，从而为未来如何降低碳排放量乃至碳排放强度提供措施路径导向。
2 实证研究
2-1 模型数据
碳排放强度：本研究采用碳排放量与GDP的比值来衡量，记为CI。其中，碳排放量数据来自于中国统计年鉴（1990-2008）、中国能源统计年鉴（1990-2008）公布的1990-2008年中国能源消费构成中按照万吨标准煤折合计算的煤炭、石油、天然气消耗量，经各类能源的碳排放系数折算而得到的碳排放量；GDP数据来源于中国统计年鉴（1990-2008），根据以1990年为基期的GDP指数和1990年GDP数据计算获得，得到的GDP数据均为1990年不变价格的实际GDP。
煤炭消耗：本研究采用中国统计年鉴（1990-2008）中能源消费构成表中的煤炭消耗比重数据作为煤炭消耗的衡量指标，记为CP。
能源的碳排放系数是在查阅有关权威结构的文件的基础上，取各类机构官方公布的排放系数的平均值作为本研究中能源的碳排放折算系数，具体模型数据经过换算整理后如表1所示。
2-2 ADF单位根检验
在建立VAR模型和进行协整分析之前需要对变量的平稳性进行检验，即没有随机趋势或确定性趋势，否则在进行最小二乘回归时易产生“伪回归”现象，单位根检验是判断数据序列是否平稳的常用方法，例如ADF检验、PP检验等。本研究采用ADF检验法对模型数据的原始
中国人口•资源与环境 2011年 第8期序列进行单位根检验，具体的平稳性检验报告如表2所示。
从表2可知，在5%的显著水平上，零假设(时间序列非平稳)被拒绝，Prob值也远远小于0-05，由此说明，CI、CP两个时间序列都是平稳的。
2-3 序列的EG协整检验
协整检验是通过多个变量的线性组合关系来验证变
量之间具有长期的稳定均衡关系，协整检验的经济意义在于对若干个具有各自长期波动规律的变量，如果它们之间存在协整关系，则也同时具有长期均衡关系。因此，本研究在已经验证模型数据序列具有平稳性的基础上，进一步采用Engle和Granger提出的两步协整方法，对CI、CP两变量序列进行最小二乘回归，然后对模型残差进行平稳性检验，如果残差通过平稳性检验，则证明两变量在长期内存在均衡关系。具体回归方模型残差的单位根检验报告如下所示：
如表3所示，残差序列的ADF单位根检验值小于5%水平上的临界值，由此说明残差序列是平稳的，CI、CP两变量是协整的，碳排放强度与煤炭消耗比重虽在短时间内呈现出逐年波动变化态势，但二者存在长期均衡关系，即煤炭消耗比重变化的一次冲击会使协整变量暂时偏离平衡位置，但煤炭消耗比重变化的长期冲击会使协整变量自动归于平衡位置。
2-4 VAR模型构建
向量自回归模型(VAR)是由西姆斯于1980年提出的，是在模型的每一个方程中用当期内生变量对模型中全部内生变量的滞后值进行回归，从而将单个变量的自回归模型推广至多元时间序列变量组成的“向量”自回归模型。
VAR模型的数学表达式为：
Yt是内生变量向量，Xt是外生变量向量，n是滞后阶数，T是样本数，α1到αn以及β是待估计的系数矩阵，εt是随机扰动向量。通过运用Eviews 6-0计量软件，构建出如下VAR模型。
从表4可知，CI、CP方程的调整后R2值分别为0-916 554、0-888 738，由此说明此向量回归模型方程具有较强的解释力，F检验通过，AIC与Sc值的大小也符合模型基本要求，因而该VAR模型在理论上成立，但需要进一步进行模型的平稳性检验，具体检验结果如图1所示。由图1可知，VAR模型全部特征根在单位圆曲线之内，说明模型是一个平稳系统，可以进行脉冲响应分析。综上所述，建立碳排放强度与煤炭消耗比重的互动关系的VAR模型整体拟合情况较好，解释力较强。
因此，碳排放强度CI与煤炭消耗比重向量CP自回归
由方程（2、（3）可知，碳排放强度受CI其自身滞后一阶变化影响较大，煤炭消耗比重CP受CI滞后一阶变化影响较大，但这种影响关系无法显示出未来变化时期内CI、CP两变量的冲击影响，因而需要借助脉冲响应函数进行具体分析。
2-5 脉冲响应函数分析
脉冲响应函数描述的是系统对冲击扰动在不同滞后期的的动态反应，以衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，即在随机误差项上施加一个标准差大小的新息冲击后对内生变量的当期值和未来值带来的影响，由此来判断变量间的动态关系［10,11］。在VAR模型中，第i个变量的冲击不仅直接影响到第i个变量本身，而且会通过VAR模型的滞后结构传递到其它内生变量。
由于VAR模型的估计系数难以解释，需要根据脉冲响应函数来衡量来自随机扰动项的一个标准差变动是如何影响变量现值以及未来值。因此，在上述检验及模型构建基础上，本研究采用脉冲响应函数，分析煤炭消耗比重与碳排放强度的变化对变量自身以及对对方变量的动态冲击影响。具体冲击函数曲线以及分析如下：
从图2可以看出，碳排放强度对其自身的一个标准差立刻有较强反应，影响率达60%，第二期达到最大值78%，之后呈现出逐渐减弱的趋势。碳排放强度对来自于煤炭消耗比重的波动对碳排放强度的影响在第一期没有响应，第二期则迅速反应，达到最大正影响值18%，从第三期开始呈现出负影响趋势，并于第六期达到最低值。由此可见，煤炭消耗比重的变化对碳排放强度的冲击影响具有滞后性和波动性，煤炭消耗比重的降低短期内不会造成碳排放强度迅速下降，但长期会产生较好的减排效应。
从图3可以看出，对于煤炭消耗来说，煤炭消耗比重对其自身的一个标准差立刻有较强反应，影响率达80%，此后期间逐渐下降，并于第六期开始呈现出负影响态势，之后趋于稳定。煤炭消耗比重对来自于碳排放强度的波动对煤炭消耗比重的影响在第一期就迅速达到62%，此后呈逐渐下降趋势，
并于第六期达到最低值。由此可见，
注：横轴表示冲击的滞后期间（单位：年），纵轴表示响应数，实线表示脉冲响应函数，虚线表示两倍标准差的偏离线。
煤炭消耗比重的变化在初始阶段会受碳排放强度变化的冲击影响，但随着周期推移，这种冲击会逐渐减弱，即扩大GDP的分母拉动性或强制减排措施产生的减排效应在短期可以对能源消费结构产生微调，但持久性较差。
由图4可知，碳排放强度发生增加变化冲击后，煤炭消耗比重的增加也开始出现明显的正向反应，并于第二期达到最大值，此后冲击力度开始衰退，随后煤炭消耗比重的增长率开始出现明显的负向反应，并于第六期达到负向反应最大值。由此说明：碳排放强度对煤炭消耗比重的冲击影响在短期内较剧烈，但不具有长记忆，碳排放强度发生增加变化的初期，煤炭消耗比重也会出现明显的增加反应，但随着冲击周期的推移，在碳排放强度增加的同时，煤炭消耗比重可能出现降低的负向反应，这也验证了模型原始数据中某些年份碳排放强度下降的同时却对应着煤炭消耗比重的增加，因而碳排放强度变化对煤炭消耗比重的冲击影响不明显。
由图5可知，煤炭消耗比重的增长发生冲击后，碳排放强度的增加也开始出现明显的正向反应，并于第一期就达到最大值80%，此后一直保持着较强的冲击力度，直到第六期开始才逐渐转为负向影响，并逐渐趋于稳定。这说明给煤炭消耗比重一个正向冲击，会造成对碳排放强度在很长时间内的同向冲击，即煤炭消耗比重对碳排放强度的影响作用是长期持久的，因而在较长周期变动中，可以通过降低煤炭消耗比重来达到降低碳排放强度的目的。
3 研究结论及启示
与已有的对碳排放影响因素研究的不同，本文将碳排放量转换成万元GDP的强度值，即碳排放强度，基于VAR模型与脉冲响应函数，对我国1990-2008年期间的煤炭消耗比重与碳排放强度之间的相互动态影响进行考察。具体研究结果如下：①碳排放强度与煤炭消耗比重的时间序列数据是平稳协整的，尽管二者在1990-2008年间呈现波动变化态势，但仍旧存在长期均衡关系；②煤炭消耗比重的变化对碳排放强度的冲击影响具有一定滞后性和波动性，但冲击作用长期持久，煤炭消耗比重在一定时期内的变化会带来碳排放强度同方向的冲击变化，即煤炭消耗比重的降低会促使碳排放强度下降；③碳排放强度对煤炭消耗比重的冲击影响在短期内较剧烈，但长期冲击影响不明显，煤炭消耗比重的变化冲击多是来自于变量自身，因而长期内依靠降低碳排放强度来达到降低煤炭消耗比重的目标是不可行的。综上所述，煤炭消耗比重与碳排放强度有很强的关联性，煤炭消耗比重的变化冲击会在长期内带来碳排放强度的同方向变化，并且这种冲击效应是长期持久的，因而降低碳排放强度的有效途径就是降低煤炭消耗比重。
鉴于以上结论，本研究认为降低中国碳排放强度的关键在于降低煤炭消耗比重，在能源刚性需求难以降低的背景下，煤炭消耗比重的下降可以通过结构性降低、产业传导性降低、技术性降低来实现。具体措施如下：①结构性降低：能源消费结构的优化调整对工业碳减排，特别是绝对量的减排具有重要意义，政府部门应该积极鼓励发展构建多样、安全、清洁、高效的能源供应和消费体系，优化能源消费结构，改善传统的以煤为主的能源消费结构，降低煤炭消耗比重，提高风电、水电和核电等清洁能源的替代性消费比重，大力开发生物质能、太阳能、潮汐能等可再生能源，由依靠传统化石能源向新能源和清洁能源转变；②产业传导性降低：推动产业结构演进由增加碳排放向减少碳排放的方向转化，是中国碳减排的产业潜力所在，推进第三产业发展，促进第二产业高耗能部门向低耗能部门转化，重视人为产业政策干预，制定相关政策措施，促使高耗能产业内部煤炭消耗和环境成本内部化，从而达到控制高耗能行业比重、降低煤炭消耗强度的目的；③技术性降低：重视技术植入，大力发展洁净煤技术，贯彻采选源头的优选控制、燃烧过程的洁净控制和污染物排放的达标处理控制等机制，降低开采、生产、消费整个全生命周期链条过程中的煤炭消耗量和损失量，提高单位耗煤的利用效率，从而达到减少耗煤数量、降低碳排放量的最终目的。
参考文献（References）
［1］徐国泉,刘则渊,姜照华-中国碳排放的因素分解模型及实证分析:1995-2004［J］-中国人口•资源与环境,2006,16(6):158-161-［Xu Guoquan, Liu Zeyuan, Jiang Zhaohua- Decomposition Model and Empirical Study of Carbon Emissions for China, 1995-2004［J］-China Population，Resources and Environment, 2006,16(6):158-161-］
［2］冯相昭,王雪臣,陈红枫-1971-2005年中国CO2排放影响因素分析［J］-气候变化研究进展,2008,4(1):42-47-［ Feng Xiangzhao,Wang Xuechen,Chen Hongfeng- Analysis of Factors Impacting China’s CO2 Emissions During 1971-2005［J］- Advances in Climate Change Research, 2008,4(1):42-47-］
［3］宋德勇,卢忠宝-中国碳排放影响因素分解及其周期性波动研究［J］- 中国人口•资源与环境, 2009,19(3):18-24-［ Song Deyong, Lu Zhongbao, The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］- China Population,Resources and Environment, 2009,19(3):18-24-］
［4］Stephen D, Adam R- Carbon Dioxide Emissions in the U-S- Economy: A Structural Decomposition Analysis ［J］- Environmental and Resource Economics,1998,11(34): 349-363-
［5］Christopher Y, Stephen H S- Global Carbon Dioxide Emissions Scenarios: Sensitivity to Social and Technological Factors in Three Regions［J］-Mitigation and Adaptation Strategies for Global Change, 1997,2( 4):373-404-
［6］帅通,袁雯-上海市产业结构和能源结构的变动对碳排放的影响及应对策略［J］-长江流域资源与环境, 2009,18(10):885-888-［ Shuai Tong, Yuan Wen- Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies Response ［J］- Resources and Environment in the Yangtze Basin, 2009,18(10):885-888-］
［7］苏方林,宋帮英,侯晓博-广西碳排放量与影响因素关系的VAR实证分析［J］-西南民族大学学报：人文社会科学版,2010,9:140-144-［Su Fanglin, Song Bangying, Hou Xiaobo- VAR Analysis about Relations of Carbon Emission and Influencing Factors in Guangxi ［J］-Journal of Southwest University for Nationalities:Humanities and Social Sciences Edition, 2010,31(9):140-144-］
［8］杜官印,蔡运龙,李双成-1997-2007年中国分省化石能源碳排放强度变化趋势分析［J］- 地理与地理信息科学,2010,26(5):76-81-［Du Guanyin,Cai Yunlong,Li Shuangcheng- FossilFuel Carbon Emission Intensity Change of Each Province in China during 1997-2007［J］- Geography and GeoInformation Science,2010,26(5):76-81-］
［9］邵帅,杨莉莉,曹建华-工业能源消费碳排放影响因素研究――基于STIRPAT模型的上海分行业动态面板数据实证分析［J］- 财经研究,2010-36(11):16-27-［ Shao Shuai,Yang Lili,Cao Jianhua- Study on Influencing Factors of CO2Emissions from Industrial Energy Consumption:An Empirical Analysis Based on STIRPAT Model and Industrial Sectors’Dynamic Panel Data in Shangha［J］- Journal of Finance and Economics, 2010-36(11):16-27-］
［10］王舒健,李钊-中国地区经济增长互动关系的脉冲响应分析［J］-数理统计与管理,2007,26(3):385-390-［ Wang Shujian, Li Zhao- A Pulseresponding Analysis on Mutual Effect of Regional Economic Growth in China ［J］- Application of Statistics and Management, 2007,26(3):385-390-］
［11］王先柱-VAR模型框架下房地产业与经济增长关系的实证检验［J］-经济问题,2007,(7):31-34-［Wang Xianzhu- The Empirical Tests of the Relationship between Real Estate Industry and Economic Growth Based on VAR Model ［J］-On Economic Problems,2007,(7):31-34-］
Analysis of Impact Effect Imposed on Carbon Emission
Intensity and Coal Consumption of China
ZHAO Ao WU Chunyou
(Faculty of Management and Economics,Dalian University of Technology, Dalian Liaoning 116024, China)
能源消耗的影响范文第4篇
【关键词】对数平均D氏指数法；结构效应；效率效应
一、引言
能源危机和环境污染严重，已经成为全球发展所面临的共同难题。目前，人类生产和生活中大量使用的煤、石油、天然气等化工能源，正在以惊人的速度减少，并将最终枯竭。中国是一个人口众多、生态环境脆弱，资源相对不足的发展中国家。改革开放以来，中国经济的高速发展取得了令世界瞩目的成就，但同时也令人担忧――发展中消耗了太多的能源和原材料。目前我国的单位GDP能耗高出世界平均水平70%，而单位建筑面积采暖能耗比发达国家高出2至3倍。这种以高物耗、高能耗、高污染、粗放经营为特征的传统发展模式，使得经济发展与资源环境的矛盾日趋尖锐，已经严重制约了我国经济的可持续发展。面对越来越严峻的能源问题和环境污染，如何尽快的转变生产方式、生活和消费方式，如何让节能和环保意识深入人心,如何让节能减排成为全社会的自觉行动,日益成为中国实现可持续发展的现实课题。
近年来，随着曲靖市经济社会持续快速的发展，能源消费不断增加，节能降耗任务繁重。曲靖市人民政府节能减排目标规定：“十一五”期间单位GDP能耗要下降17%，年均下降5.6%，这是一项艰巨的任务。本文以2005年以来曲靖市宏观经济数据为例，采用LMDI方法，研究曲靖市经济增长中的能源消费变化，主要回答一下问题：（1）能源消费增量中有多少是由于经济总量的扩大导致的？（2）三次产业结构的调整和能源使用效率的变化对能源消费的影响如何？并据此提出降低能源消费的政策建议。
二、能源消费的分解的LMDI方法
降低单位GDP的能源消耗量主要从两方面进行，一为效率节能（或称为技术节能），即单位产品能耗下降；二为结构节能，即产业、行业、产品结构、地区结构、贸易结构、能源结构等变化引起的能耗的变化。度量能源使用效率的一个常用指标是能源消耗强度。能源消耗强度，也叫单位能耗，是指生产单位国内生产总值所消耗的能源量，即能源消耗强度=能源消费量/国内生产总值，单位是“吨标准煤/（万）元”。能源消耗强度变动的原因可以分解为：“结构效应”和“效率效应”。所谓结构效应是指由于能源消耗强度不同的产业之间结构的变动而对总能源消耗强度的影响；效率效应则是指在产业内部由于技术进步、组织改进或学习效应等原因所引起的产业内单位能耗变动进而对总体能源消耗强度所产生的影响。通过调整经济结构(产业结构、产品结构、降低高能耗行业比重、增加高附加值产品比重)实现节能是提高能源效率的有效措施之一。
经济增长中的总能源消费由多个产业的能源消费构成，可以设定：
如果考虑某地区在时间序列上从第0期到第T期能源消费的变动，可以采用“加和分解”和“乘积分解”两种方法分解，即：
ΔEtot = ET - E0 = ΔEout + ΔEstr + ΔEeff + ΔEres （3）
（4）
其中“加和分解”是将能源消费变动用相加方法分成4个部分：ΔEout为产出效应，表示在产业结构和产业内部能源消耗强度不变情况下仅由于产出变动而引起的能源消费量的变动；ΔEstr为结构效应，表示在产出水平和产业内部能源消耗强度不变情况下仅由于产业结构变动而引起的能源消费量的变动；ΔEeff为效率效应，表示在产出水平和产业结构不变情况下仅由于产出变动而引起的能源消费量的变动；ΔEres为分解的余项，表示能源消费变动中无法用以上三种效应分解的部分。
“乘积分解”是将能源消费变动用相乘方法分成4个部分：ΔDout、ΔDstr、ΔDeff和ΔDres，分别表示乘积分解下的产出效应、结构效应、效率效应和余项,它们的含义与加和分解ΔEout、ΔEstr 、ΔEeff和ΔEres相对应，只是表示形式变为相对于期初水平的商值。
分解分析的关键在于对式(3)和式(4)右侧每一项计算中乘子的选取，一方面要具有合理的经济学含义，另一方面要使余项尽可能减小。根据分解中乘子权重选取的差别，常用的能源消费分解方法可以分为L氏指数法和D氏指数法。在探讨合理的分解方法过程中，Ang指出对数平均D氏指数方法（logarithmic mean Divisia index，LMDI）是目前各种方法中相对更为合理的一种。在计算中，这种方法可以将余项完全分解,即使ΔEres=0和Dres=1。其中（3）式和（4）式右侧的计算如下：
这种分解方法可以适用于计算多个产业总能源消费分解中的结构效应和效率效应。
三、曲靖市经济增长中能源消费的实证分析
1.变量和数据
本文使用的数据来自于《曲靖市统计年鉴》（2005-2008）。使用的主要变量是曲靖市生产总值、三次产业增加值、规模以上工业企业增加值（按2005年可比价计算），以及相对应的能源消费总量。其中，能源消费总量是指用于生产过程的能源消费量，不包括生活用能源消费，具体见表1和表2。
2008年曲靖市生产总值增长了12.4%，每万元生产总值能耗从2005年的1.87吨标准煤下降到2008年的1.7吨标准煤，下降了0.17吨标准煤/万元，2006、2007和2008三年中，全市单位GDP能耗累计下降了9.09%，完成了下降17%目标的53.47%，今后两年节能目标任务仍然比较艰巨。2008年能源消耗总量为1102.04万吨标准煤，比2007年（1035.97万吨标准煤）增加了66.07万吨标准煤，比2006年（949.37万吨标准煤）增加了152.68万吨标准煤，比2005年（822.96万吨标准煤）增加了279.07万吨标准煤。
2.曲靖市能源消费的加和分解与乘积分解
曲靖市的能源消耗总量的增加，有多少是由于经济总量的增加导致的？有多少是由于产业结构的变化引起的？产业内能源使用效率的影响又如何？为了回答以上的问题，我们利用LMDI方法对曲靖市经济增长中的能源消费进行分解，分解结果见表3～4。
3.曲靖市能源消费分解结果分析
上述分解结果表明：
第一，2008年与2005年相比，单位能耗下降了9.09%，能源消耗总量增加了279.07万吨标准煤，增长了33.9%。曲靖市经济总量从2005年的440.97亿元增长到2008年的646.89亿元，如果单位能耗水平不变（2005年），2008年能源消费总量将增加366.23万吨标准煤，增长46.70%；实际上，2008年能源消费总量仅增加了279.07万吨标准煤，增长33.9%。究其原因：一方面是曲靖市产业结构变动使能源消耗增加了45.71万吨标准煤，增长4.90%，曲靖市三次产业结构调整体现了对能耗下降负的影响；另一方面是能源使用效率的提高使能源消耗减少了132.87万吨标准煤，减少12.98%，能源使用效率体现了对能耗下降正的影响。
第二，2008年与2006年相比，单位能耗下降了8.6%，能源消耗总量增加了152.68万吨标准煤，增长了16.1%。究其原因：由于曲靖市经济总量的扩大使能源消耗增加了244.8万吨标准煤，产业结构变动使能源消耗下降了2.92万吨标准煤，能源使用效率的提高使能源消耗减少了89.2万吨标准煤。结构调整和使用效率的提高使能源消耗减少了92.12万吨标准煤。三次产业结构调整和能源使用效率体现了对能耗下降正的影响，对应的乘积分解中的结构效应和效率效应分别为99.72%和91.66%，两者综合作用使单位能耗下降了8.6%。
第三，2008年与2007年相比，单位能耗下降了5.56%，能源消耗总量增加了66.07万吨标准煤，增长了6.38 %。究其原因：由于曲靖市经济总量的扩大使能源消耗增加了124.92万吨标准煤，产业结构变动使能源消耗下降了11.58万吨标准煤，能源使用效率的提高使能源消耗减少了47.27万吨标准煤，结构调整和使用效率的提高使能源消耗减少了58.85万吨标准煤。三次产业结构调整和能源使用效率体现了对能耗下降正的影响，对应的乘积分解中的结构效应和效率效应分别为98.92%和95.67%，两者综合作用使单位能耗下降了5.56%。
四、主要结论及政策建议
本文利用LMDI方法对曲靖市经济增长中的能源消费进行了分析，得出：曲靖市经济总量的扩大是能源消费增长的主要原因，三次产业能源使用效率的提高是能源节约的主要原因，但产业结构的调整导致了能源消费的增长；为此，提出以下建议：
第一，采用LMDI方法建立“能源消费分解指数体系”。全面监控曲靖市经济增长、产业结构转变和产业内能源效率变动对能源消费和单位能耗的影响。由于剔出了产出效应和结构效应的影响，效率效应在地区之间具有更强的可比性，可以作为能源效率监控的主要目标和制定政策的主要依据。
第二，针对各产业内企业单位设定能耗标准，加强各产业内部的节能效率监督和控制。对于那些既是工业经济的支柱又是能源消费大户的部门，如电力、热力的生产和供应业和有色金属冶炼及压延加工业等，要建立最高能耗限制和最低能耗下降速度的限制指标，定期检查和监督，避免这些产业为了追求经济增长速度而粗放式的扩张。既要保增长，又要促降耗。政府要从政策和资金上给予单位能耗低和单位能耗下降快的企业以支持，大力推进节能技术进步，鼓励节能降耗技术改造，建立和完善节能管理制度，提高产品技术含量，积极探索发展循环经济的模式和方法，通过资源利用的最优化，实现资源的高效利用和循环利用。
第三，在遵循经济规律的条件下，引导产业结构向低耗能方向调整，提高经济运行的整体质量。各级政府要按照国家产业发展的指导原则，结合本地实际制定产业发展规划、突出重点，按照又快又好发展的要求，推进产业结构的调整和经济结构的优化，坚决按照国家规定“关、停”一些落后产能企业，限制既缺乏市场竞争又高耗能企业的发展。同时，要推进技术创新，引进先进技术和设备，实现节能降耗目标，提高经济运行质量。
参考文献：
[1]王晓梅.能源消费构成与经济增长关系数量研究[J].中国国情电力,2007,(2).
[2]高振宇,.我国生产用能源消费变动的分解分析[J].统计研究,2007,(3).
[3]张丽峰.中国经济增长、产业结构对能源消费影响分析[J].经济问题探索,2008,(5).
[4]Albrecht,J.Francois,D.Schoors,K.,2002.A Shapley decomposition of carbon emissions without residuals[M].Energy Policy 30,727-736.
[5]Sun,J.W.1998.Changes in energy consumption and energy intensity:a complete decomposition model[M].Energy Economics 20,85-100.
[6]Ang,B.W.Choi,K.H.,1997.Decomposition of aggregate energy and gas emission intensities for industry:a refined Divisia index method[J].Energy Journal 18(3),59-73.
[7]Ang,B.W.2004.Decomposition analysis for policymaking in energy：which is the preferred method?[M].Energy Policy 32,1131-1139.
作者简介：
能源消耗的影响范文第5篇
关键词：产业结构变动 能源消耗 向量自相关模型 向量误差修正模型
中图分类号：F127；F205 文献标识码：A
文章编号：1004-4914（2016）10-174-04
一、引言
辽宁省是我国重要的老工业基地，同时也是能源消耗大省。每年能源供需缺口大，能源对外依存度高。在强调“均衡发展”、“协调发展”、“可持续发展”理念的今天，找出能源消耗与经济结构之间的矛盾极具重要性。由此可见，研究能源消耗与产业结构发展转变之间的关系问题对于辽宁发展适应经济“新常态”有切实意义。
从20世纪80年代起，国内外学者采用不同的研究方法对能源消耗与产业结构调整的关系做了大量研究。Yang，H.Y（2000）{1}运用Granger检验，使用1954―1997年的我国台湾数据，通过实证研究，得出了能源消耗总量和国内生产总值存在双向因果关系；Glasure（2002）{2}提出了实际的石油价格是决定国民收入和能源消耗的一个重要的指标；Wankeun Oh和Kihoon Lee（2004）{3}采用了Divisia指数方法，使用韩国1970―1999的数据，实证研究了能源消耗总量和国内生产总值的因果关系；Stern（1993）{4}采用多变量自回归方法，使用美国1947―1990能源消耗和国内生产总值数据，检验了能源消耗和经济增长的因果关系。
朱跃中（2002年）{5}从经济结构着手，剖析了90年代以来我国能源消耗因包括部门结构、行业结构以及产品结构在内的不同结构变化而产生的变动，并发现了在节能方面由工业部门所发挥的巨大作用，技术进步以及产品结构调整在工业部门各行业中均能体现节能带来的重大贡献。刘小丽（2007年）{6}通过对1981―2004年能源行业固定资产投资、能源消耗量与GDP的原始数据，采用格兰杰因果关系和误差修正模型，分析了中国能源消耗与经济的关系及影响程度。喻毅（2010）{7}以因素分解模型为主体并以构建Laspeyre指数方法、Paasche指数方法和Divisia指数方法，聚焦于能源的变化以及强度，建立合理修正模型对能源消耗与产业结构间关系进行了研究。
关于辽宁省能源消耗与产业结构转变研究的文献很少，而运用计量经济模型进行分析的更少。为了探讨辽宁省能源消耗与产业结构调整的关系，首先通过对变量相关时间序列的常规检验（ADF检验及协整检验），为实证研究奠定了科学的数据基础，也为进一步对辽宁省产业结构变动与能源消耗的关系进行定量分析奠定基础；然后通过对产业结构变动与能源消耗因果关系的深入分析（包括Granger因果检验、脉冲响应函数以及方差分解），进一步建立了二者的VAR和VEC模型。结果表明，辽宁省的产业结构与能源消耗的关系有：两者间存在单向因果关系，两者在长期可达均衡，前者对后者的长期作用影响显著。
二、辽宁省能源消耗与产业结构变动关系的计量经济模型
1.指标选择和数据来源。能源消耗（EC）是指一定时期内各部门由生产活动和生活消费的各种能源的总和，是对有关能源消费及其影响因素构成的研究中必不可少的指标，它的总量包括原煤和原油及其制品、天然气、电力{8}。不包括低热值燃料、生物质能和太阳能等的利用。能源消耗量用煤当量计算，单位是万吨标准煤。
产业结构的变动（M）可以通过考察三大产业产值比重的变化，我们选取三大产业产值占GDP比重为指标。
本文所有数据来自《辽宁省统计年鉴》，样本期为1978―2014年。分析工具采用计量经济学软件Eviews6.0。
2.单位根检验。在模型构建前，首先应该对时间序列进行ADF检验以确定其平稳性，我们用，和分别表示第一、第二和第三产业占GDP的比重，用EC表示能源消耗，并通过对变量数据取对数处理来消除可能存在的异方差及数据波动。
首先，通过单位根检验得到在5%的显著水平下，四个变量的一阶差分序列均拒绝原假设，说明其都是单整变量，即I（l）（原序列一阶差分后的序列）是平稳的变量。然后，通过Johansen协整检验结果可知，在规定的显著性水平下，轨迹统计量和最大特征根统计量均拒绝CE小于或者等于1，接受CE小于或者等于2，即最多存在2个协整关系方程。但是由于协整关系只能说明变量间存在因果关系，但是并不能准确确定这种因果关系的方向，因此我们需要进行进一步分析。
3.格兰杰因果关系检验。为了进一步分析变量之间的因果关系，本文将应用格兰杰因果关系检验进行分析，并在5%显著水平、滞后期为2的条件下具体分析。三次产业结构变动和能源消耗的Granger因果关系检验结果如表1所示。
由表1可以得出如下结论：在5%的显著性水平下，不同产业的的变动与能源消耗都成单向因果关系。其中，能源消耗变化是第一产业变动的原因，反之不是；第二、第三产业变动是能源消耗变化的原因，反之不是。
究其原因：辽宁省是工业大省，从建国之后，国家将其发展重心聚焦于重工业部门，这些产业部门的快速发展自然带来了能源消耗量的陡然上升；其次，20世纪70年代以后，第三产业的发展开始受到各界的普遍重视，使得第三产业在辽宁省有了较快的发展，这种结果自然带动了第三产业的能源消耗。
4.脉冲响应函数和方差分析。格兰杰检验不能揭示存在因果的变量之间产生影响的正负性，以及这种影响的持续时长，针对这种局限性，本文将采用VAR模型的新息估计法{9}继续对变量数据进行分析。
（1）VAR模型建立。早在1980年，外国学者Sims便提出了向量自回归模型（vector autoregressive model）{10}{11}。该模型以估计方程中涉及的所有内生变量的动态关系为目的，基于多方程联立形式而以一个内生变量作为因变量，内生变量的滞后作为自变量进行回归的方法。
由上述协整检验可知，lnec、lnm1、lnm2和lnm3之间存在协整关系，可以建立VAR模型来研究能源消耗与产业结构变动的关系。根据AIC和SC最小的准则，可以确定该模型的最优滞后期数为2（见表2），即建立VAR（2）模型。
为了能进一步反映二者的长期动态关系，本文将分别采用脉冲响应函数和方差分解进行分析，前者可通过图示形式显示模型中的能源消耗对分别来自三次产业的变动冲击产生的影响，后者是把与二者相关的各变量数据预测误差的方差按一定的规则分解，但分解后各部分并不单独存在而是与其他变量相关联，以此了解各新息对模型内反映能源消耗和三次产业变动的变量的相对重要性{12}。
（2）脉冲响应函数。脉冲响应函数可用来描述由不同变量误差变化导致的模型定内生变量所产生的反应，即根据模型来判断变量之间的相互作用{13}。在以上对变量进行的格兰杰因果检验结果的基础上，通过运用该函数来判断存在因果的变量之间产生影响的正负性，由此得到如图1所示结果，横轴表示冲击作用的之后期间数（单位：年），纵轴表示能源消耗对数值的响应（单位：万吨标准煤）。
首先，由图1可以看出：当在本期给第一产业变动一个正向冲击后，能源消耗在第2期即下降到最低点后，从第6期开始平稳增长，但是对能源消耗始终都是负向的响应，这也和前面协整关系的第一产业变动前系数为负相吻合。同时，也验证了格兰杰检验的结果，第一产业变动不是能源消耗的原因。
其次，在图1中，我们可以看到，在当期给第二产业变动一个正向冲击后，能源消耗在前2期上升到最高点后，即是能源消耗增加1.045万吨标准煤（InM220（2）=0.074525，所以，M2=1.077）从第3期开始逐渐下降至第14期趋于平稳。这表明第二产业变动的某一冲击会给能源消耗变动带来正向影响，而且其具有较为明显的正向推动作用和较为长久的效应期限。同时，也验证了格兰杰检验的结果，第二产业变动是能源消耗的原因。
再次，由图1可见，在当期给第三产业变动一个正向冲击后，能源消耗从第一期起反映就非常明显，是负向的，并一直增长到第10期，反映变为正向的，并且增长的速度减慢，到15期左右到达到最高点。这表明，第三产业受外部条件的冲击后，传递给能源，给能源消耗带来负向转为正向的冲击，冲击幅度较大。同时，也验证了格兰杰检验的结果，第三产业变动是能源消耗的原因。
（3）方差分析。脉冲响应函数只能描述模型中各个内生变量由于对方的冲击而受到的影响情况，却不能详细说明由冲击的不同部分产生的不同影响程度，方差分解则可以通过对由变量产生的冲击的分解，来具体测评同一冲击的不同部分对特定变量的影响情况，进而分析不同冲击引起的不同作用效果{14}{15}。也就是把系统中每个内生变量（n个）的波动按其成因分解为与各方程新信息相关联的n个组成部分，从而了解各新息对模型内生变量的相对重要性{12}。在以上模型的基础上，本文对各变量进行方差分析，分析结果如图2所示。
我们给出能源消耗变量lnec的方差分析结果如表3所示，着重分析影响lnec预测误差的4个方程新息的重要性。
表3的第一列是预测期，第二列S.E中的数据为能源消耗（Inec）变量的各期标准误差，后三列分别代表以M1，M2，和M3为因变量的方程新息对各期误差的贡献度。
由表3可知：第4期之前，方差分解结果还不稳定，第4期之后基本处于稳定状态，最大的影响来源于首个方程信息，占预测误差的66%左右，说明其他因素对能源消耗的作用不大；在产业结构走势的波动中，第二产业结构比重的逐步增加使其在中长期内对能源的贡献明显提高至约55%，成为促进能源增长的关键因素；第一产业比重对能源消耗的作用总体不太大，仅为5%，而第三产业对能源消耗的贡献有较弱的逐渐上升趋势，大约占9%。这表明持续的产业结构变动能有效促进能源消耗量的增长。
5.向量误差修正模型（VEC）分析。通过前面的Johansen协整检验，可知能源消耗EC、第一产业产值比重M1，第二产业产值比重M2和第三产业产值比重M3之间存在长期均衡关系，但变量之间却并不一直如此，在短期中并不均衡，协整关系使得变量可在误差校正机制的作用下在长期达到均衡。通常变量之间的这两种特性存在一定的联系，向量误差修正模型的建立可以将二者连接，得出变量由不均衡转向长期均衡状态时所涉及的速度向量。
向量误差修正模型一般表示为：
由误差修正项ecmt-1可知能源消费与三大产业结构之间的长期均衡关系。上式中误差修正项ecmt-1的系数是-0.136，表明该机制是一个负反馈过程。同时，上式还表明前一期能源消耗、前一期第一产业比重、前一期第二产业比重和前一期第三产业比重分别以-0.259、-0.223、-0.558、-1.410的比例影响本期能源消费的变化ln ect，并且当变量之间的均衡关系偏离长期均衡状态时，误差修正项ecmt-1将以0.136单位的修正速度将其调整到均衡状态。
三、实证结果与讨论
1.研究结论。由实证结论分析辽宁省内能源消耗与产业结构变动现状如下：
第一，辽宁省产业结构变动会导致能源消耗的增加。由于格兰杰因果检验是基于因先于果的思想进行的，所以由该检验发现，辽宁省产业结构变动是引起能源消耗变动的原因，反之则不是，也就是说它们之间并不是互为因果关系。这主要是我国在经济发展上的制度政策造成的，当我国处于由计划经济体制向市场经济体制转型时期时，能源消耗的市场化较为滞后，主要还是依赖于国家的宏观政策调控，因此，能源消耗的变动相较于产业结构的变动略为缓慢。
第二，产业结构变动与能源消耗之间存在长期协整关系。分析可得，辽宁省内的产业结构变动与能源消耗之间存在比率均衡关系。也就是说，在经济发展的过程中产业结构的发展变动将带来相应的能源消耗变动。这在经济社会中表现为二者的相互作用，即能源消耗水平的变化与不同产业的内部需求相关，并且随着科技水平的不断提高以及新知识与新技术的引入使得产业结构的变动将反作用于能源消耗的快速发展。通过构建的模型可知，与第二产业相关的系数结果引起了我们的格外注意，它显示了其对于能源消耗的巨大影响作用，它不但验证了产业结构变动对能源消耗变动的重要作用，也反映了处于我国政策环境下辽宁省能源与产业之间的现实情况。
第三，能源消耗对于产业结构的影响力在短期内确实无法展现，但在长期内有显著影响。有实证可得在短期阶段内，能源消耗对产业结构的变动不存在正向冲击，在中后期阶段内，这种冲击转负为正。在长期内，正向冲击逐步加强甚至超过其自身的变动，由此可获得进一步结论，能源消耗对于产业结构变动的影响作用是以不同长度时间区间为前提的，时间越长则会体现越强的作用效果，最后演变成为引起后者变动的重要因素。
2.对策建议。
首先，由于产业结构变动将引起能源消耗的巨大变化，所以相关政策的制定应该充分合理考虑前者对于后者的影响作用，只注重增速与增量的经济粗放型增长已不再适应当下的内外环境需求，还应考虑到发展的现实问题，更应该注重经济的长远可持续发展，实现产业结构调整与能源消耗水平的一致性。
其次，大力挖掘产业结构内部的科学技术潜力，推动产业结构调整，提高单位能源的利用效率是辽宁省目前亟待解决的问题之一，作为“十三五”规划的第一年，在2016年要实现单位国内生产总值能耗同比下降3.4%以上的目标，在拓展外部市场的期间，也应从内部重视并推进省内产业结构的调整，利用外部科学技术的发展成果并综合多种创新模式以优化产业结构，由粗放型经济转变为集约型经济，注重产出品的质量，创造环境友好、高附加值的新型工业，创建清洁高效的现代能源体系，以此来沉着应对辽宁省可能会面临的各种能源挑战。
最后，通过政府管制宏观调控能源消耗的增加。辽宁省第二产业能源消耗量巨大，众多高能耗企业聚集，只关注于工业效益的增长，不仅会导致能源消耗量剧增，更会使得环境问题甚至是安全问题接踵而至。解决此类问题绝不是单方努力即可，必须依靠政府这双有形的手进行调节，比如相关能源利用政策的出台或增加能源使用税等等，利用此类强制手段将有可能调整工业企业在发展时对于能源的利用效率，也会促进企业内部的技术转型，从内而外共同保持产业发展向可持续而高能效的方向推进。
[基金项目：辽宁省社科基金《辽宁省能源消耗与经济可持续发展问题研究》（L08BTJ005）]
注释：
{1}Yang，H.Y.A note on the causal relationship be tween energy and GDP in[J]. Energy Economics，2000，22
{2}Glasure， Y. U. Energy and national income in Korea： further evidence on the role of omitted variables [J]. Energy Economics， 2002，24
{3}Oh， W. ， Lee， K. Causal relationship between energy consumptionand GDP： the case of Korea 1970-1999[J]. Energy Economics， 2004，26（1）
{4}Stern， D I. Energy and economic growth in the USA. A multivariate approach [J]. Energy Economics，1993，15
{5}朱跃中.我国能源与经济增长关系现状分析[J].经济研究参考，2002（72）：26-32
{6}刘小丽，卢凤君.中国能源消费与国民经济增长的关系研究[J].工业技术经济，2007，26（9）：55-58
{7}喻毅.湖南省电力增长与产业结构变化研究[D].长沙理工大学，2010
{8}张慧敏，魏强，佟连军.吉林省产业发展与能源消费实证研究[J].地理学报，2013（12）：1678-1688
{9}邢毅。经济增长、能源消费和信贷投放的动态关系研究――基于碳排放强度分组的省级面板实证分析[J].金融研究，2015（12）：17-31
{10}Sims C A.Macroeconomics and reality [J].Econometrica， 1980，48（1）：1-47
{11}张延群.向量自回归（VAR）模型中的识别问题――分析框架和文献综述[J].数理统计与管理，2012（05）：805-812
{12}刘润生.能源消耗与产业结构变迁[D].合肥工业大学，2009-04-01
{13}曹慧丰，毕巍强，曾诗鸿.产业结构调整的大气污染治理效应――以河北省为例[J].管理世界，2015（12）：182-183
{14}于振英，段亚敏.矿产资源政策参与宏观调控外部时滞研究[J].统计与决策，2015（23）：140-143
{15}白战伟，李树培.我国财政政策和货币政策时滞的测算[J].中央财经大学学报，2010（4）：1-5+42
（作者单位：辽宁大学商学院 辽宁沈阳 110036）
