我国经济增长对能源消耗的依赖
   
 一．问题提出
    2004年我国经济保持了较快的增长速度，但是背后存在的问题也不容忽视。我国能源紧张的局面已连续两年发生，今后经济的发展是否会受能源因素的制约，这不禁为人们所关注。
    值此岁末之际，回望2004年的经济运行，如果要评选本年度的十大经济新闻不难发现能源问题是国际国内共同关注的热门话题。国际市场上的原油价格一路飚升，一度达到每桶50美圆的历史最高价，有分析人士讲中国对石油的巨大需求，是导致国际原油价格上涨的重要原因之一。中国国内继2003年之后，再度经历能源危机，煤．电．油全线告紧，全国各地都出现拉闸限电的情况。
 面对这种情况，有专家学者指出，中国经济二十年来一直走的是一条粗放型发展道路，靠的是资源的大量投入来拉动经济的增长。那么事实究竟是否如此呢，我们打算建立一个简单的计量经济模型来验证这个说法。
 二．数据收集
 首先我们收集到了1978年到1996年的GDP数据和能源消费量数据：
obs X Y
1978 57144 3605.6
1979 58588 4074
1980 60275 4551.3
1981 59447 4901.4
1982 62067 5489.2
1983 66040 6076.3
1984 70904 7164.4
1985 76682 8792.1
1986 80850 10132.8
1987 86632 11784.7
1988 92997 14704
1989 96934 16466
1990 98703 18319.5
1991 103783 21280.4
1992 109170 25863.7
1993 115993 34500.7
1994 122737 46690.7
1995 131176 58510.5
1996 138948 68330.4
其中，Ｘ为每年的能源消费总量（单位为万吨标准煤），Ｙ为支出法计算的每年GDP总量（单位为亿元人民币）。
 三．模型建立和检验
 开始先对二者做滞后二期Granger因果关系检验：
Pairwise Granger Causality Tests
Date: 12/25/04   Time: 23:08
Sample: 1978 1996
Lags: 2
  Null Hypothesis: Obs F-Statistic Probability
  Y does not Granger Cause X 17  0.15900  0.85477
  X does not Granger Cause Y  3.43943  0.06595
从结果看我们可以认为X是引起Y变化的Granger原因，即能源消费量的增长是引起GDP增长的原因。
 接下来我们建立一个二者间的简单线性回归方程：
               Yt＝c＋βXt＋ut
Yt为应变量GDP，Xt为自变量能源消费量，c为常数项，β为待估计参数，ut为随即扰动项。用OLS法对方程进行估计：
Dependent Variable: Y
Method: Least Squares
Date: 12/25/04   Time: 23:25
Sample: 1978 1996
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -41338.27 5911.476 -6.992884 0.0000
X 0.684794 0.063914 10.71426 0.0000
R-squared 0.871012     Mean dependent var 19538.83
Adjusted R-squared 0.863425     S.D. dependent var 19243.46
S.E. of regression 7111.630     Akaike info criterion 20.67615
Sum squared resid 8.60E+08     Schwarz criterion 20.77557
Log likelihood -194.4234     F-statistic 114.7954
Durbin-Watson stat 0.185913     Prob(F-statistic) 0.000000
由结果看到模型的拟合优度较好，可决系数R=0.871012，同时回归参数b^的t检验也能通过，表明能源消耗量对 ＧＤＰ有显著影响。
 我们初步可以得到一个简单线性回归方程Y^t=-41338.27+0.684794Xt ，回归系数表示能源消耗量每增加一个单位，ＧＤＰ便同向增加０.６８５个单位，基本上符合经济意义。
 然后用ＡＲＣＨ检验法检验模型的异方差性，得到如下结果：
ARCH Test:
F-statistic 16.56360     Probability 0.000891
Obs*R-squared 9.155770     Probability 0.002479
    
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/25/04   Time: 23:54
Sample(adjusted): 1979 1996
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 571819.5 14014401 0.040802 0.9680
RESID^2(-1) 1.256850 0.308820 4.069841 0.0009
R-squared 0.508654     Mean dependent var 45888911
Adjusted R-squared 0.477945     S.D. dependent var 49969220
S.E. of regression 36104455     Akaike info criterion 37.74617
Sum squared resid 2.09E+16     Schwarz criterion 37.84510
Log likelihood -337.7155     F-statistic 16.56360
Durbin-Watson stat 0.677719     Prob(F-statistic) 0.000891
 结果表明模型的随机误差项存在异方差性，于是我们用WLS法进行修正，其中Ｗ＝１/e２得：
Dependent Variable: Y
Method: Least Squares
Date: 12/26/04   Time: 00:15
Sample: 1978 1996
Included observations: 19
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob. 
C -36610.58 2869.526 -12.75841 0.0000
X 0.617384 0.040471 15.25513 0.0000
Weighted Statistics    
R-squared 1.000000     Mean dependent var 7181.226
Adjusted R-squared 1.000000     S.D. dependent var 31144.19
S.E. of regression 10.98575     Akaike info criterion 7.730375
Sum squared resid 2051.673     Schwarz criterion 7.829790
Log likelihood -71.43856     F-statistic 1.45E+08
Durbin-Watson stat 0.923884     Prob(F-statistic) 0.000000
Unweighted Statistics    
R-squared 0.858011     Mean dependent var 19538.83
Adjusted R-squared 0.849659     S.D. dependent var 19243.46
S.E. of regression 7461.436     Sum squared resid 9.46E+08
Durbin-Watson stat 0.184871   
 此时再做ARCH检验得到：
ARCH Test:
F-statistic 0.539053     Probability 0.473449
Obs*R-squared 0.586669     Probability 0.443710
    
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/26/04   Time: 22:49
Sample(adjusted): 1979 1996
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 

C 
131.3520 
47.68012 
2.754860 
0.0141
STD_RESID^2(-1) -0.181559 0.247287 -0.734202 0.4734
R-squared 0.032593     Mean dependent var 110.8758
Adjusted R-squared -0.027870     S.D. dependent var 161.8353
S.E. of regression 164.0750     Akaike info criterion 13.14296
Sum squared resid 430729.8     Schwarz criterion 13.24189
Log likelihood -116.2867     F-statistic 0.539053
Durbin-Watson stat 2.001709     Prob(F-statistic) 0.473449
结果表明异方差性已被消除，修正后的模型为Y^t=-３６６１０.５８+０.６１７３８４Xt　．由Ｄ-Ｗ统计值近似等于2我们可以判断，随机误差项不存在一阶自相关性 。
 综上所述我们得到的最终模型如下：
 Y^t=-３６６１０.５８+０.６１７３８４Xt　
       （2869.526）  （0.040471）
     t=（-12.75841） （15.25513）
     R2=1               Df=19
 四．结论及建议
 从以上结果我们不难看出，我国经济增长确实对能源消耗有较高的依赖性，但同时我国的能源利用效率又偏低, 经济增长的方式过于粗放, 经济高速增长背后的成本过高，这种以大量消耗资源为代价的高增长是难以持续的。我们要按照全面、协调、可持续发展的要求，建立有利于优化能源结构、节约能源消耗的机制，加快能源技术进步，加强能源管理，妥善解决能源供给所面临的一系列问题。
 首先要转变经济增长方式，提高能源利用效率。与发达国家相比，我国的能源利用效率很低，每单位能源消耗生产的GDP仅相当于发达国家的1/4左右。我国的能源利用效率低，关键在于产业结构低度化，高耗能的产业如钢铁、电解铝、水泥等比重过高，而低耗能、高附加值的产业如电子信息、精密制造和第三产业比重过低。由于长期以来单纯追求经济增长速度和产品数量，忽视产品质量和经济效益，形成了以高消耗、高投入、低效益为特征的粗放型增长方式。党的十六大提出要走以信息化带动工业化的新型工业化道路，去年党的十六届三中全会又提出树立全面、协调、可持续的新的发展观，总的要求是要通过转变增长方式和结构调整，改变以高投入、高消耗来实现经济快速增长的局面，走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新路子。
 第二是大力发展替代技术，降低依赖石油进口。目前，在我国的一次能源结构中，煤炭占67%，解决石油储量不足和燃料油供给问题，要立足于从煤炭液化技术找出路。使用煤液化燃料，比普通汽油更有利于环境保护。这项技术应当在中国加快推广应用，迅速建立起庞大的煤制油产业。根据目前国际石油价格暴涨和中国石油进口剧增的新形势，应当进一步抓紧发展煤制油产业的有关工作，从而使我国油品供应和价格稳定建立在主要依靠国内生产的基础之上。此外，在煤炭加工、煤炭高效燃烧及先进发电、煤炭燃烧污染控制与废弃物处理等洁净煤技术领域，也要给予高度重视，加快推广，使煤炭资源得到合理有效利用，在未来较长时期中国能源供给中继续发挥主要作用。
第三是发展可再生能源，调整优化能源结构。可再生能源包括水电、太阳能、风能、生物质能、地热能和海洋能等，是可循环利用的清洁能源。20多年来，可再生能源技术发展迅速，目前在全世界能源消费中，已占22%左右。 我国有着丰富的可再生能源资源，目前我国的水电和太阳能热水器已经发展成为比较成熟的产业，风力发电发展的条件已经具备，太阳能发电、生物质能利用等技术领域也具备了一定的基础。可以预计，未来二三十年内，可再生能源将成为我国发展最快的新型产业之一。
 第四是坚持开发节约并举，确立节能首要位置。随着我国经济社会的发展和人民生活水平的提高，对能源的需求在一个较长时期内必然保持较快的增长。满足这个需求，必须使能源生产保持较快的增长速度。还应该通过更新设备，采用先进技术和工艺，加强能源管理，提高能源利用效率，做到开源节流。