论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　进一步地，为刻画各解释变量因经济周期性波动而对电力消费产生不同效应，定义示性函数I(gt(γ))，其中人均GDP增长率gt为阈值变量，γ为阈值，当它满足括号中的条件时该函数为1，否则为0。这样，我国电力消费与其影响因素的阈值协整模型可设定为(将各变量对数化后的形式):lelt=β0+β1lgdpt+β2linst+β3left+β4lpt+(λ0+λ1lgdpt+λ2linst+λ3left+λ4lpt)I(gt＞γ)+ut为表述方便，将上式简记为:lelt=β'xt+λ'xtI(gt＞γ)+ut≡Xβ+Xγλ+U(3)上式中，定义X=(lgdp，lins，lef，lp)'。模型假定将经济增长划分为两个阶段，进一步地可对上述模型进行扩展，比如将经济增长划分为三个阶段则可得如下双阈值模型(γ1＜γ2):lelt=Xβ+Xγ1λ1+Xγ2λ2+U当阈值效应存在(即示性函数I(·)=1)时，表明在不同的经济增长阶段，电力消费的各影响因素对电力消费具有不同效应。若模型成立，则可将经济增长划分为两个阶段，当gt≤γ时，各变量对电力消费增长的效应可由β∧来刻画;反之，各变量对电力消费增长的效应由(β∧+λ∧)所刻画。同理可对模型进行分析。如果模型中各变量均服从单位根过程，且残差u∧t→I(0)，则模型为阈值协整模型，它表明各变量对电力消费增长的长期效应因经济增长阶段的不同而不同。这就意味着在不同的经济增长阶段，产业结构和电力使用效率表现出不同的波动特征，进而导致它们对电力消费的效应值存在显著差异。我们在稍后的实证分析中将具体指出这种差异及其对电力消费的影响。

　　(三)样本数据说明

　　对于模型中的电力使用效率EF，已有的文献中大多使用电力强度(即单位GDP电耗，它等于全社会用电量/GDP)来度量。然而，和能源强度一样，电力强度也是一种单要素度量指标，包括有大量的结构因素，因此本文采用参数化的SFA方法在全要素生产率框架下估算我国历年的电力使用效率。具体方法为:首先借鉴曾胜、黄登仕(2009)的分析方法获得我国电力消费对经济增长的贡献;进一步地，在经济增长模型的分析框架下，将电力消费增量和非合意性产出二氧化碳排放增量作为投入变量，由电力消费增量所带来的GDP增量作为产出，然后采用SFA方法对我国电力使用效率进行估算。其他变量可根据定义直接获得。

　　可以看到，我国电力使用效率呈“先上升、后下降”的趋势，最高的年份是2000年，其效率值为0.998，此后效率值快速下降，尤其是2004年以来效率值下降幅度更大。这一估计结果与魏楚、沈满洪(2009)采用DEA方法估算的我国全要素能源经济效率值的趋势基本一致，也与同期重化工业加速发展、环境恶化加剧的经济事实相符。

　　基于数据的可得性，本文在实证建模分析中选取的样本期为1980－2009年。工业数据取自《中国工业经济统计年鉴》，其余数据来自历年《中国统计年鉴》、《中国能源统计年鉴》和《新中国六十年统计资料汇编(1949－2008)》。

　　三、实证分析

　　(一)变量的单位根检验

　　为了科学、客观地反映各个解释变量与电力消费之间的数量关系，首先需要确定各变量的平稳性。为确保结论的稳健性，本文分别采用ADF法和PP法对模型中各变量时间序列进行检验。

　　(二)模型设定检验

　　在不同的经济周期中，各变量对电力消费的影响是否具有显著差异，对此问题的回答直接影响到模型的设定形式。为此，首先检验是否存在前述中的阈值效应，进而确定阈值区间(或机制)的个数及其对应的γ的估计值。在模型(2)中，设定原假设H0:λ=0，拒绝原在原假设条件下估计而得的残差的长期方差的估计值，M=I－X(X'X)－1X'。然而，在变量为非平稳的条件下，Gonzalo＆Pitarakis(2006)证明了上述检验统计量不再具有标准分布。为此，本文采用bootstrap仿真试验来计算它的精确临界值，并实现对阈值的估计。主要步骤如下:①采用格点搜索的方法对每一个给定的阈值γ分别估计模型，相应的残差平方和记为S1(γ)，则估计所得的阈值为γ∧1=argminγS1

　　(γ);②根据第一步估计而得的γ∧1，对模型进行估计，得到β∧、λ∧以及残差u∧t，并对残差标准化，记为u∧*t;③对u∧*t进行有回置地抽取bootstrap样本，基于②估计所得的参数生成bootstrap样本序列lel*t，其中初始值取对应的原始数据值;④对仿真数据重新进行估计，产生对应的估计残差，基于估计的残差计算其LM统计量，记为LMb。重复以上过程300次，将每次计算的LMb值按降序排列，对应的p值为p=P(LMb＞LM)。

　　可以看到，在10%的显著性水平下，可拒绝原假设(H0:λ=0)，即我国电力消费的阈值协整模型是存在的，在不同的经济周期，各变量对电力消费的效应存在显著差异。进一步地，我们需要确定阈值的个数及其对应的γ的估计值。借鉴Ter?svirta(1994)序贯检验的思想，针对模型(4)设定原假设为H01:λ1≠0，λ2=0。接受原假设则模型设定形式为(2)，反之则为(4)。实现这一检验的仍为上述LM约束检验。值得注意的是，尽管运用序贯估计法对模型(4)进行估计具有一致性，但需要根据后估计所得的阈值对先估计得到的阈值进行修正以获得有效估计量(修正方法见下文)，且LM估计量中矩阵M也需要做相应的调整。

　　Bai(1997)的研究表明根据argminγ2S2(γ2)所得的γ∧2是渐进有效的，但γ∧1是由忽略了其中一个阈值的残差平方和最小而估计出来的，因此它不是有效的，需根据渐进有效估计量γ∧2对γ∧1进行修正，相应的方法为:γ∧r1=argminγ1Sr1(γ1)其中，Sr1(γ1)=S(γ1，γ∧2)，ifγ1＜γ∧2S(γ∧2，γ1)，ifγ∧2＜γ{1由此获得的γ∧r1在模型中也是渐进有效的。

　　由于受制于样本量的个数，进一步检验是否存在四机制(即三个阈值)的阈值模型将导致自由度的大幅减少，从而影响检验结论的可靠性，因此我们最终将模型设定形式确定为式。基于此而认为存在两个阈值将经济增长划分为三个机制，在不同的经济增长机制下，产业结构、电力使用效率与电力价格对电力消费的影响存在显著差异。特别由于模型中存在序列相关，且解释变量的数据生成过程与残差^ut存在相关性，为校正由此带来的非一致的估计结果，本文采用完全修正的最小二乘法(FMOLS)来进行估计以获得一致性的参数估计。

　　(三)阈值协整模型的检验

　　由前述，我们已经知道我国电力消费的阈值协整模型是存在的，且模型设定形式为式。在此基础上，需对模型进行估计和检验。根据已经得到的阈值估计值，对模型进行估计，记估计得到的残差为u∧t。若残差平稳，则估计的式即为阈值协整模型。然而，在非线性情况下，若使用全部残差，KPSS检验统计量的分布依赖未知参数。Choi和Saikkonen(2005，2008)选取部分残差改进了KPSS检验，由此得到的检验统计量不依赖于未知参数。设原假设为H0:u∧t→I(0)，接受它则模型为阈值协整模型，相应的检验统计量为:Cb，iFMOLS=b－2ω∧－2i，uΣi+b－1t=i(Σtj=iu∧j)2?∫10W2(s)ds(7)其中，ω∧－2i，u是u的长期方差ω2u的一致估计，b为所选取的部分残差样本容量，i是部分残差的起始点，W(s)为标准布朗运动。由于该检验统计量仅使用了部分残差，因此为提高检验势，对式采用不同的b和i，从中选取最大的统计量，即:Cb，i;maxFMOLS=max(Cb，i1FMOLS，…，Cb，iHFMOLS)?∫10W2(s)dsH为部分残差的容量b固定时需计算Cb，iFMOLS统计量的次数，选取原则是确保所有的残差都可以分别用来计算Cb，iFMOLS，同时又使得计算次数H达到最小。Cb，i;maxFMOLS的计算方法同式，相应的估计结果。进一步地，由于Cb，iFMOLS的分布收敛于随机泛函，我们通过MonteCarlo仿真试验来计算它的临界值以实现有限样本的阈值协整检验，详细的计算步骤和方法可参考王少平、欧阳志刚(2008)。

　　(四)阈值协整模型的估计结果及分析

　　确定的阈值的估计值，将其代入模型，然而采用完全修正的最小二乘法(FMOLS)对其进行估计。由前述模型设定检验，据此得到的估计结果满足残差平方和最小，而FMOLS所提供的参数估计值是一致的，具体估计结果为:lelt=0.591+0.777lgdpt－0.081linst－0.437left+0.068lptgt＜7.479%0.591+0.853lgdpt－0.172linst－0.891left－0.050lpt7.479%≤gt≤9.184%0.591+0.875lgdpt－0.134linst－1.051left－0.077lptgt＞9.184{%}式即为基于不同经济增长区间的我国经济增长、产业结构、电力使用效率、电力价格与电力消费的长期阈值协整模型。阈值参数γ∧(即γ∧r1=7.479，γ∧2=9.184)表明，我国经济增长对电力消费的非线性效应的机制转移发生在人均GDP增长率等于7.479%和9.184%处。进一步地，根据样本期间历年经济增长的不同可将样本区间划分为不同的时期，不同机制及其对应的时期所示。

　　经济增长是影响电力消费的主要因素，且经济的增长速度越快，经济增长对电力消费的拉动效应越为明显。我国的经济增长主要依靠投资拉动，而新的全社会固定资产投资消耗了我国新增发电量的60%左右(仇伟杰，2006)，因此经济高速增长时投资的快速增长显著推动了全社会用电量的增长，其中具有代表性的年份为1992年和2003年。这两年固定资产投资分别增长24.1%和19.9%，投资对GDP增长的贡献率达到了34.2%和63.7%。根据式中，这两年经济增长分别拉动电力消费增长11.243%和8.174%。当经济处于低速增长机制时，企业经营困难，减产、停工甚至破产，生产性行为对经济增长的贡献率下降降低了经济增长对电力消费的效应。例如1998年，受亚洲金融危机影响，经济增长放缓，GDP增长率为7.8%(人均GDP增长率为6.8%)，其中消费对经济增长的贡献率达到了57.1%，当年的电力消费仅增长了2.712%(人均电力消费增长率更低，仅为1.801%)，电力消费弹性系数为0.36，远低于1992年的0.81。同样的情况在2008年再次出现。2008年电力消费仅增长了4.757%，电力消费弹性系数为0.620，远低于2003－2007年经济高速增长周期中的最低值1.112(2007年)。

　　估计结果表明，以“退二进三”为主导的产业结构调整对电力消费具有负向作用，亦即产业结构调整体现了关于电力消费的“结构红利”现象。然而，式中同时表明在不同的经济增长周期中，产业结构调整对电力消费的效应存在显著差异。经济高速增长时，受需求拉动，工业相比第三产业有更高的增速，导致产业结构变量趋于增大;而在工业内部，煤炭、化工、金属等七大高耗电行业增速加快，其产值占工业总产值的比重上升，重化工业化趋势明显。

　　产业结构与工业内部结构的调整显著带动了电力消费的增长，降低了结构节电(能)的效果，代表性年份是2003年。连续5年的积极财政政策(1998－2002年)和大规模的基础设施建设带动了钢铁、有色金属、化工等七大高耗电工业的较快增长，其产值占工业总产值的比重由2002年的26.378%上升至当年的27.169%，相应地产业结构则由0.951演化为0.981。这一区间中的其他年份也表现出类似的特征，即经济的高速增长带动了高耗电工业行业增速加快，产业结构调整速度放缓，从而降低了结构调整的“节电红利”效应。当经济处于低速增长区间时，工业内部资本密集型的高耗电行业受到投资减少的影响，增速明显回落，其占工业产值的比重在降低，拉低了耗电行业占全社会用电量的比重。例如，1998年除纺织业外的六大高耗电行业的平均增速为27.8%，不仅低于重工业30.3%的增速，也低于工业28.7%的增速，这使得高耗电行业产值占重工业产业的比重下降，这成为拉低当年电力消费增长的主要原因。但我们的分析也表明，经济的低速增长使得第三产业也受到冲击，产业结构调整的速度放缓，这导致产业结构对电力消费增长的“抑制”作用显著减弱。

　　估计结果式表明，只有当经济增速处于适度增长区间时(7.479%≤gt≤9.184%)，结构调整的根据1995－2009年间各行业电力消费占总电力消费的比重，可确定七大高耗电行业，它们分别是:煤炭开采和洗选业、纺织业、化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、金属制品业。由于电力、热力的生产和供应业属于电力供应行业，所以没有将其引入考察范围。

　　七大耗电行业占工业产值与电力消费的比重“节电红利”效应最为显著，其效应值为－0.172。如2009年经济增长在适度回落的同时，第三产业仍保持了较快增长，产业结构优化的进程加快(由前一年的0.992演变为0.916)，巩固了第三产业趋于上升的基本趋势。也显著降低了电力消费的增速。按(9)式计算，当年的产业结构调整促使电力消费的增速下降了1.341个百分点，相比2005年的“结构节电”效应提高了1.590个百分点。

　　由上述分析表明，从电力节约的角度看，经济增速的过快或过慢都不利于充分发挥结构调整对电力消费的“结构红利”效应，保持适度的经济增长有助于加快结构调整的步伐，促进电力节约。这一结果再次说明，适度降低经济增速而坚定不移地推进结构调整，是我国实施节电(能)降耗的战略选择。