❶ 面板數據模型的定義和操作方法
(第3組 宏現經濟增長與發展,6686個字元)
中國能源、環境與經濟增長基於面板數據的計量分析
王洲洋
(河北經貿大學數統學院,石家莊,050061)
摘 要
本文運用面板數據的分析方法對我國各地區的能源消費、環境污染與經濟增長進行了實證研究。研究表明:能源消費、環境污染與經濟增長變數均為不平穩變數,但它們之間存在著長期的協整關系。如果能源供應每增加1%,GDP就會增加0.269%;環境污染每減少1%,GDP就能增加0.043%。
關鍵詞 經濟增長 面板協整檢驗 Hausman檢驗
Abstract
This paper assesses the relationship among the energy consumption, environment pollution and economic growth in all the regions of China by the method of Panel Data. Research results indicate that the energy consumption, environment pollution and economic growth are not balanced variables,but they have the Co-integration relations in a long run.If the energy supply increases 1%,the economic growth will increase 0.269%;And if the environment pollution decreases 1%,the economic growth will increase 0.043%.
Key words : economical growth Panel data Co-integration Test Hausman-test
一、引言
自從進入工業化時期以來,世界上許多國家為了追求經濟的快速增長和物質產品的極大豐富,對能源進行了大規模的開發和利用,而能源的逐漸枯竭及能源帶來的生態環境問題,都將嚴重阻礙經濟的發展。環境作為經濟、社會發展的物質條件,作為經濟發展的基礎,既可以直接地促進經濟的發展,也可能成為經濟的發展的阻力,環境污染已成為危害人們健康、制約經濟和社會發展的重要因素之一。如今能源與環境問題已成為制約一個國家經濟增長的瓶頸,而這種現象在我國尤為突出。不斷開發新能源,開發可再生能源,提高能源利用效率,保護環境將對我國經濟發展起到重要作用。黨的十七大報告再次強調要加強能源資源節約和生態環境保護,並指出,加強能源資源節約和環境環境保護,增強可持續發展能力,堅持節約資源和保護環境的基本國策,關系人民群眾切身利益和中華民族生存發展。因此,對於我國能源消費、環境保護和經濟發展的關系研究具有十分重要的理論價值和現實意義。
近年來我國的能源、環境問題已成為被關注的熱點,許多學者從不同的角度進行了大量的分析,得出了許多有用的啟示。如林伯強[1](2003)通過協整分析考察了我國能源需求與經濟增長的關系;王逢寶[2]等(2006)運用線性回歸的方法對區域能源、環境與經濟增長進行了研究。馮秀[3](2006)則探討了我國能源利用現狀及能源、環境與經濟增之長的關系。林師模等[4](2006)研究了能源技術創新對我國經濟,環境與能源之間的關系。目前大多的文獻是用時間序列的數據,或是從總量的角度來分析全國或某個地區的能源消費、環境污染與經濟增長之間的關系,但由於我國幅員遼闊,各地區間的經濟、能源消費與環境方面都存在著巨大的差異,因而不能把各個地區的經濟、能源消費與環境污染視為一個同質的整體,且運用時間序列數據往往很難解釋它們間的內在聯系。
本文使用我國省級的面板數據,運用面板數據的分析方法對我國各地區的能源消費、環境污染與經濟增長進行實證分析,從而來揭示我國能源消費、環境污染與經濟增長之間的內在聯系。
二、研究方法
面板數據分析方法是最近幾十年來發展起來的新的統計方法,面板數據可以克服時間序列分析受多重共線性的困擾,能夠提供更多的信息、更多的變化、更少共線性、更多的自由度和更高的估計效率,而面板數據的單位根檢驗和協整分析是當前最前沿的領域之一。在本文的研究中,我們首先運用面板數據的單位根檢驗與協整檢驗來考察能源消費、環境污染與經濟增長之間的長期關系,然後建立計量模型來量化它們之間的內在聯系。
面板數據的單位根檢驗的方法主要有 Levin,Lin and CHU(2002)提出的LLC檢驗方法[5]。Im,Pesearn,Shin(2003)提出的IPS檢驗[6] , Maddala和Wu(1999),Choi(2001)提出的ADF和PP檢驗[7]等。面板數據的協整檢驗的方法主要有Pedroni[8] (1999,2004)和Kao[9](1999)提出的檢驗方法,這兩種檢驗方法的原假設均為不存在協整關系,從面板數據中得到殘差統計量進行檢驗。Luciano(2003)中運用Monte Carlo模擬[10]對協整檢驗的幾種方法進行比較,說明在T較小(大)時,Kao檢驗比Pedroni檢驗更高(低)的功效。具體面板數據單位根檢驗和協整檢驗的方法見參考文獻[5-10]。
三、實證分析
1.指標選取和數據來源
經濟增長:本文使用地區生產總值 ,以1999年為基期,根據各地區生產總值指數折算成實際 ,單位:億元。
能源消費:考慮到近年來我國能源消費總量中,煤炭和石油供需存在著明顯低估,而電力消費數據相當准確。因此使用電力消費更能准確反映能源消費與經濟增長之間的內在聯系(林伯強,2003)。所以本文使用各地區電力消費量 作為能源消費量,單位:億千瓦小時。
環境污染:污染物以氣休、液體、固體形態存在,本文選取工業廢水排放量 作為環境污染的量化指標,單位:萬噸。
本文採用1999-2006年全國30個省(直轄市,自治區)的地區生產總值 、電力消費量 和工業廢水排放量 的數據構建面板數據集。30個省(直轄市,自治區)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、海南、廣西、重慶、四川、貴州、雲南、陝西、西藏、甘肅、青海、寧夏、新疆,由於西藏數據不全故不包括在內。數據來源於《中國統計年鑒2000-2007》。為了消除變數間可能存在的異方差,本文先對 、 和 進行自然對數變換。
記 , , .
2.面板數據的單位根檢驗
為了避免單一方法可能存在的缺陷,本文使用LLC檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗四種方法來進行面板數據的單位根檢驗。利用Eviews 6.0軟體(下同),檢驗結果見表1。
表1 , , 的面板單位根檢驗
變 量 LLC p值 IPS p值 Fisher-ADF p值 Fisher-PP p值
4.21 1.00 5.78 1.00 16.95 1.00 7.67 1.00
6.35 1.00 10.24 1.00 5.37 1.00 9.45 1.00
-2.91 0.0018 1.26 0.89 56.97 0.058 90,56 0.0066
-14.89 0.00 -3.17 0.0008 103.88 0.0004 86.42 0.0144
-21.99 0.00 -5.80 0.00 143.77 0.00 146.44 0.00
-12.21 0.00 -4.52 0.00 135.51 0.00 184.48 0.00
從表1可以看出, , 在5%水平不平穩,經一階差分後 , 均在5%水平拒絕原假設, 的LLC檢驗在5%水平不顯著,但其它三種檢驗方法均顯著, 的四種檢驗方法均在5%水平下拒絕原假,所以我們認為 , , 均為一階差分平穩變數。
3.面板數據的協整檢驗
對 , , 的協整關系進行Pedroni協整檢驗和Kao協整檢驗。其檢驗結果見表2和表3。
表2 Pedroni協整檢驗
統計量 p值
Panel v統計量 -1.145 0.0056
Panel rho統計量 2.588 0.0277
Panel PP統計量 -1.543 0.0013
Panel ADF統計量 -3.811 0.0000
Group rho統計量 5.088 0.0000
Group PP統計量 -2.559 0.0151
Group ADF統計量 -6.985 0.0000
表3 Kao協整檢驗
t統計量 p值
ADF -5.873 0.0000
由表2和表3的面板協整檢驗結果可知: Pedroni協整檢驗的七個統計量與Kao協整檢驗的ADF統計量均在5%顯著性水平下拒絕原假設,表明 , , 之間存在顯著的協整關系。
4.模型檢驗
(1) 固定效應模型顯著性檢驗
固定效應模型顯著性檢驗是檢驗模型中固定效應系數 是否有差異,即原假設為 。其檢驗結果如表4所示:
表4 固定效應模型的顯著性檢驗
固定效應顯著性檢驗 統計量 自由度 p值
Cross-section F 374.484 (29,208) 0.0000
Cross-section Chi-square 953.827 29 0.0000
由表4固定效應模型的顯著性檢驗結果可知,p值小於5%,因此拒絕固定效應系數 相同的原假設,所以我們選取固定效應模型比較合適。
(2)Hausman檢驗
Hausman檢驗的原假設是隨機效應模型的系數與固定效應模型的系數沒有差別,如果接受原假設,表明應選擇隨機效應模型,否則就應該選擇固定效應模型。檢驗結果在表4和表5中列出。
表5 Hausman檢驗
Chi-Sq. 統計量 Chi-Sq. Statistic自由度 p值
Cross-section random 117.766 2 0.000
表6 固定效應與隨機效應檢驗比較
變數 固定效應 隨機效應 兩種效應方差之差 p值
0.269 0.279 0.000002 0.0000
-0.0434 -0.017 0.000007 0.0000
從表5中Hausman檢驗結果與表6中固定效應與隨機效應檢驗比較可以看出,p值在5%水平下拒絕原假設,模型中被忽視的效應與模型中的兩個解釋變數相關,所以我們認為固定效應模型是更好的選擇。
5.模型的估計
根據上面的分析我們採用固定效應模型對模型進行估計,模型估計結果如下式所示:
(1)
(44.647) (20.341) (-3.097)
[0.0000] [0.0000] [0.0022]
小括弧中是t統計量,中括弧中是相應的p值。
模型調整後的 為0.996,F值為2484.3,殘差平方和為0.599,各個系數均通過t檢驗,模型擬合的相當不錯。
固定效應系數 見表7所示:
表7各地區的固定效應系數
地區
地區
地區
北京 0.207 浙江 0.792 海南 -1.044
天津 -0.268 安徽 0.283 重慶 -0.222
河北 0.582 福建 0.425 四川 0.440
山西 -0.351 江西 -0.00158 貴州 -0.808
內蒙古 -0.454 山東 1.034 雲南 -0.121
遼寧 0.473 河南 0.623 陝西 -0.228
吉林 -0.138 湖北 0.429 甘肅 -0.815
黑龍江 0.251 湖南 0.424 青海 -1.962
上海 0.555 廣東 1.139 寧夏 -1.908
江蘇 1.058 廣西 -0.0147 新疆 -0.380
式(1)表明,GDP與能源消費、環境污染之間存在著顯著的長期均衡關系,從全國的平均水平來看,能源消費的彈性系數是0.269,也就是能源供應每增加1%,GDP就會增加0.269%;環境污染的彈性系數是-0.043,即環境污染每減少1%,GDP就能增加0.043%,這說明GDP與環境污染存在著反向的關系,與我們普遍認為的保護環境能促進經濟健康快速發展的觀點相一致。
四、主要結論
本文通過採用比較前沿的面板單位根檢驗、面板協整檢驗等分析方法,對1999年到2006年我國能源消費、環境污染與經濟增長的省級面板數據進行了實證研究。研究表明:我國能源消費、環境污染與經濟增長均為不平穩過程,這主要是因為我國各地區由於政策、環境等多種原因,使得各地區間存在著很大的差異,所以不同的地區表現出非一致性,但不同地區的能源消費、環境污染與經濟增長之間都存在著顯著的協整關系。能源和環境作為經濟持續增長的要素,對我國經濟發展有著重大的影響作用。能源供應與經濟增長存在著正向的關系,經濟增長對能源有很強的信賴性,而環境污染與經濟增長存在著反向的關系,環境污染程度的加劇將會嚴重阻礙經濟的增長。從全國平均水平來看,能源供應每增加1%,GDP將增加0.269%;環境污染每減少1%,GDP將增加0.043%。因此堅持節約能源、提高能源使用效率和保護環境將對我國經濟的持續、快速、健康發展具有極其重要的意義。
需要指出的是,由於數據方面的原因,本文使用的面板數據時間跨度並不長(1999-2006),得到的長期關系有可能受到質疑 (DimitrisK.Christopoulos and Efthvmios G.Tsionas,2004) [11]。本文使用各地區電力消費量來代替能源消費總量,工業廢水排放量來反映環境污染程度,但它們都只反映了能源消費、環境污染程度的一個方面,所以指標的選取並不全面,應該將煤、石油等能源的消費以及大氣污染、固體廢棄物污染等全部納入指標體系,這樣指標體系才更加全面、更加合理,這有待我們今後更加深入的研究。
參考文獻:
[1]林伯強:《電力消費與中國經濟增長:基於生產函數的研究》[J],《管理世界》2003年第11期。
[2]王逢寶、張磊、秦貞蘭:《能源、環境與區域經濟增長的計量分析》[J],《天津財貿管理幹部學院學報》2006年第3期。
[3]馮秀、丁勇:《可持續發展下中國的能源、環境與經濟》[J],《北方經濟》2006年第2期。
[4]林師模、蘇漢邦、林幸樺:《能源技術創新對經濟、能源及環境》的影響[J]《東莞理工學院學報》2006年第4期。
[5]Levin.A.,C.F.Lin Unit Root Tests in Panel Data:Asymptotic and Finite Sample Properties[C].UC San Diego.Working Paper,1992.92-93.
[6]Im K.S.,M.H.Pesaran and Y.Shin.Testing for Unit Roots in Heterogeneous Panels[J].Journal of Econometrics 2003,115:53-74.
[7]Maddala G.S.,Wu Shaowen,1999.Acomparative Study of Unit Root Tests with Panel Data and a New Simple Test [J].Oxford Bulletin of Economics and Statistics,1999,61:631-652.
[8]Luciano,G..On the Power of Panel Cointegration Tests:A Monte Carlo Comparison[J].Economics Letters,2003,80:105-111.
[9]Pedroni,P.Critical Value for Cointegration Tests in Heterogeneous Panels with Multiple Regressors[J].Oxford Bulletin of Economics and Statistics,1999,61:653-678.
[10]Kao,C,Spurious Regression and Resial-based Tests for Cointetration in Panel Data[J].Journal of Econometrics,1999,90:1-44.
[11]Dimitris K. Christopoulos,Efthymios G.Tsionas,2004,Financial development and economic growth: evidence from panel.
❷ 建模時需要考慮哪些問題
1.形體結構
但凡需要製作出來的模型,最基本的需要注意的就是形體結構,人模,物體等等。型不準,做出來的東西就是個四不像。尤其工業級建模。
2.布線
不管模型是何用途,布線最能體現建模者的技術水準。比如游戲建模,最大限度的節省面數,不能有任何多餘的點,線,面。每一條邊都要物盡其用,但不是憑空的,是合理的。好的模型看他的布線是一種享受!
3.標准
無論做什麼都有個標准,或是參考、或是規則。不管建模用途,總需要有個標准去執行,比如單位大小,參照,工業級的要求更是很多,如果你的圓不圓,方不方,那就沒有意義了。
個人拙見~~