中国能源消费预测分析.docVIP

中国能源消费预测分析 　　摘 要： 基于1978―2012年中国能源消费的历史数据，ARIMA模型得以建立。通过对模型的分析，可以发现，该模型是具有有效性的，因此，该模型可以对中国第“十二五规划”末期2013―2015年的能源消费进行预测。预测结果显示：按当前的能源消耗速度，未来几年，我国的能源消费总量将继续以年均约8.7%的速度增长，从而进一步增加了我国的能源压力。 　　关键词： 中国；能源消费；ARIMA模型；预测 　　中图分类号：F224；F206 文献标识码：A 文章编号：2095-0829（2014）05-0041-07 　　一、引言 　　近十年来，年均增长率9.5%的我国经济赢得了令世界瞩目的成就，但高增长的经济背后伴随着能源需求的迅速增长以及能源供需缺口的大幅扩大。能源是一个国家国民经济发展的重要物质基础，也是提高人民生活水平的重要物质基础，上世纪90年代能源缺口曾经长期制约着我国经济的发展。[1]35近几年由于我国能源产量迅速增加，能源短缺现象在一定程度上虽然得到了缓解，但从长远来看能源供需形势仍然非常不容乐观。[2]12以原油的供需为例，新世纪以来，我国石油产量年均增长率只有1.5%，但石油消费增长率稳定保持在7.5%以上，由此形成了石油供需的巨大缺口，这种巨大缺口使得我国对石油进口的依存度连年扩大。近十年来，伴随着经济的迅速增长，石油净进口大幅攀升以致于我国在世界主要石油消费国中的名次上升到了第二位，仅次于美国。可是我国目前面临的石油后备供应能力已经严重不足，同时全球石油供应渠道受地缘政治紧张局势（南海冲突、美国重组亚太地区等等）影响，我国未来的能源基础能否继续支撑今后社会经济可持续发展，已经成为国内外众多学者关注的焦点。因此对未来能源消费需求进行预测分析，并在此基础上对国家未来能源需求、能源供给的规划提供政策性建议，对于保障我国社会主义市场经济的健康、平稳发展具有重要的理论和现实意义。 　　当前国内外许多学者和机构已经对能源消费问题进行广泛研究，并取得了许多研究成果，其中一个焦点就是对能源消费预测。就此问题他们运用了各种不同研究方法，例如能源消费系数法、洛伦茨曲线分析法、变量自回归、部门分析法等等[3]3。但是这些方法大多停留在探究能源或非能源引起的经济现象如何进行量化，然后就这些变量如何对能源消费产生影响进行分析。模型上主要体现在试图建立起与能源消费需求之间的因果关系和结构关系，然后根据这些关系来预测能源需求的一些相关关系，但是由于能源消费往往受到各个方面因素的制约，而这些因素的关系又是错综复杂的，相关因素变动也是不确定的，因此运用因果关系模型或结构比例关系预测能源需求基本很难有说服力。如果选择预测模型的标准是追求预测精度的极大化，则最好选择时间序列模型。[4]57-65本文拟采用时间序列模型（ARIMA模型）对能源消费进行预测，该模型是一种精度较高的时间序列短期预测模型，由于时间序列模型的结构与特征，使得模型能够达到最小方差意义下的最优预测。[5]106-108 　　二、研究方法、数据样本与变量设定 　　（一） 研究方法 　　1.自相关理论 　　我们把按时间（如时间序列数据）或者空间（如截面数据）排列的观察值之间的相关关系称为自相关。 　　在古典线性回归模型中假定随机扰动项ui不存在自相关，即，这一假定意味着任意一个观察值的随机扰动项不受其他观察值扰动项的影响。残差中存在自相关现象说明拟合不足，解释变量没有提取被解释变量中所有特性，通常用DW统计量来判断模型是否存在自相关，计算公式见（1），当DW统计量值在2附近时，我们称模型里解释变量不存在自相关，DW值越靠近2，模型解释力度越好。 　　 （1） 　　2. 时间序列平稳性检验 　　我们把满足以下两个条件的时间序列称为平稳的时间序列。 　　1）对于任意的时间t， {Xt}的均值恒为常数，即； 　　2）对于时间t1和t2，{Xt}的协方差函数和自相关函数只与时间长度t2-t1有关，而与t1和t2的起始点无关。 　　从上述两个条件可以看出，平稳的时间序列的统计性质不会随着时间的推移而发生变化。 　　对时间序列的平稳性检验主要有两种方法：一种是图检验方法，即根据时间序列散点图和自相关散点图显示的波动特征做出判断；另一种是假设检验方法，即构造检验统计量。最常用的平稳性检验方法是构造统计量进行单位根检验，其基本原理为： 　　对于一阶自回归序列模型为 　　 　　该序列的特征方程为：，特征根为： 　　当特征根，说明该序列平稳；当特征根，说明该序列非平稳。 　　3. ARIMA模型理论 　　上世纪70年数理统计学家BOX和Jenkins以随机理论为基础提出了有效用于分析时间序列ARIMA模型的方法，该方法由于广泛