实际人均消费（共7篇）
实际人均消费 篇1
1研究背景及相关文献综述
工业革命以来, 煤炭、石油、天然气等化石能源快速发展, 成为经济社会发展的主导能源, 这种以化石能源消费为主的经济发展所带来的问题便是人们生活和工业生产过程中排放大量温室气体; 大气中温室气体的浓度不断升高, 打破了原来的碳平衡, 从而影响到能源安全、生态安全、水资源安全、 大气环境安全以及粮食安全, 甚至威胁到人类生存。 在此背景下, 2003年英国政府在其政府报告 《英国能源白皮书》中首次提出了低碳经济。这种以 “低能耗、低污染、低排放和高效能、高效率、高效益” 为核心的经济模式一经提出就迅速受到了广泛关注, 成为构建全球 “责任共同体”的重要途径。国际社会采取了一系列措施, 如成立联合国政府间气候变化专门委员会 ( IPCC) , 签署 《联合国气候变化框架公约》、《京都议定书》等协议来解决全球环境与气候恶化问题, 并在2009年12月, 由来自192个国家的谈判代表在丹麦首都哥本哈根召开了 《联合国气候变化框架公约》缔约方第15次会议 ( 简称哥本哈根会议) , 商讨各国2012年至2020年的全球减排协议问题。这次会议也被喻为 “拯救人类的最后一次机会”的会议, 将对地球今后的气候变化走向产生决定性的影响。
为了顺应全球低碳经济发展趋势, 履行哥本哈根会议承诺, 我国政府决定到2020年单位国内生产总值二氧化碳排放比2005年下降40% ~ 45% , 并作为约束性指标纳入国民经济和社会发展中长期规划。在国务院已经发布的 “十二五”规划中, 也强调了 “面对日趋强化的资源环境约束, 必须增强危机意识, 树立绿色、低碳发展理念, 以节能减排为重点, 健全激励与约束机制, 加快构建资源节约、环境友好的生产方式和消费模式, 增强可持续发展能力, 提高生态文明水平”[1]。这也表明了发展低碳经济、 降低碳排放及碳强度已经提升到了国家战略的高度, 并在接下来的 “十二五”期间深入贯彻执行。
在这样一个大背景下研究中国的碳强度问题就有着重要的现实意义。目前, 关于中国碳强度问题的研究主要有: 范迎等[2]利用适应性加权迪氏分解法 ( Adaptive Weighting Divisia) 分解中国1980— 2003年碳排放强度的影响因素, 发现尽管中国CO2排放量增加, 但碳强度却在下降, 认为降低碳强度要不要过度依赖能源强度也要关注能源结构的因素。 杜立民[3]构建了省级CO2排放面板数据库, 并分别在静态和动态面板数据模型框架下考察了我国CO2排放的影响因素, 研究结果显示, 重工业比重、城市化水平等都对我国的CO2排放具有显著正的影响; 经济发展水平和人均CO2排放量之间则存在倒U型关系, 环境库兹涅兹曲线假说成立。张友国[4]则分析了经济增长方式转变对我国GDP碳排放强度的影响。虞义华等[5]利用我国29个省市自治区1995— 2007年的面板数据, 分析了CO2排放强度同经济发展水平及产业结构之间的关系, 研究表明, 碳强度同人均GDP之间存在N形关系, 第二产业比重同碳强度存在正相关关系。丘兆逸[6]借鉴环境库兹涅茨曲线 ( EKC) , 采用2000—2008年中国30个省市自治区的面板数据, 对碳排放强度与工业化的关系进行回归, 结果显示, 它们之间呈倒N型关系, 目前中国整体上处于工业化水平中期, 完成2020年减排目标的关键是跨越第二个拐点进入碳排放强度随工业化发展下降的阶段; 各省市区的工业化程度不同导致其减排压力不一样。沈小波等[7]基于自回归分布滞后模型分析1980—2007年中国碳强度的主要影响因素, 结果表明, 碳强度与人均GDP、能源效率、 工业增加值比重之间存在长期均衡关系; 能源效率改进使碳强度下降, 工业增加值比重上升使碳强度上升; 人均GDP与碳强度之间存在倒U型关系。王锋等[8]运用协整技术和马尔可夫链模型预测了2011—2020年中国的碳强度趋势, 然后分9个组合情景评估了优化能源结构对实现碳强度目标的贡献潜力, 结果表明, 通过优化能源结构有助于降低中国碳强度。
2煤炭消费比重、人均实际GDP与碳强度
2. 1煤炭消费比重与碳强度
上述文献都从各自的研究视角分析了中国的碳强度问题, 但都没有实证分析煤炭消费比重对于中国碳强度的影响。而中国的能源国情是 “富煤、贫油、少气”, 即中国石油探明可采储量只占世界的2. 4% , 天然气仅占1. 2% , 而煤炭却占世界探明储量的14% 左右, 这也就决定了中国的能源消费在相当长一段时期内仍以煤炭为主。虽然国家一直在提倡发展新能源, 减少煤炭的消费量, 但近十几年来中国煤炭消费占能源消费的平均比重仍保持在70% 以上。如图1所示描述了中国1995—2008年煤炭消费比重的变化趋势。在2002年之前, 中国煤炭消费比重呈下降趋势, 到2002年中国煤炭消费比重一度降到68% ; 从2003年开始, 中国的煤炭消费比重出现了一个大幅提升的趋势, 从2003年的69. 8% 攀升为2007年的71% 。
如图2所示描述了中国1998—2008年碳强度的变化趋势。从中不难看出, 1998—2002年间中国碳强度呈现下降趋势, 从1998年的4吨/万元下降到2002年的3. 17吨/ 万元; 从2003年起, 中国碳强度一下跃升为3. 54吨/万元, 后续几年也都保持在3. 61吨/ 万元以上的高位运行。
通过图1与图2的对比发现, 中国的煤炭消费比重与碳强度在2003年之前均呈下降趋势, 从2003年开始都出现一个迅速提高并在随后几年保持高位运行的态势。这就说明在煤炭消费比重与碳强度之间似乎存在着某种联系, 需要运用面板计量工具来深入挖掘两者之间的量化关系。
2. 2人均实际GDP与碳强度
近年来国际上关于全球气候变化和环境问题的会议络绎不绝, 引发了政府、学者及公众对于环境问题的关注, 许多学者都撰写了论文来分析经济增长与环境之间的关系。最早研究这方面问题的学者是Grossman和Krueger[9], 他们在1991年对GEMS ( 全球环境监测系统) 的城市大气质量数据作了分析, 发现SO2和烟尘与人均收入之间符合倒U形曲线关系。Panayoto[10]在1993年借用库兹涅茨界定的人均收入水平与收入不均等之间的倒U型曲线来描述环境质量与人均收入水平之间的倒U型曲线关系, 并首次将这种关系称为环境库兹涅茨曲线 ( EKC) 。 所谓环境库兹涅茨曲线 ( EKC) 是指环境先随人均收入增加而恶化, 然后当人均收入超过一定水平后环境会得到改善, 即环境质量与人均收入水平呈倒U曲线型关系。随后, 很多学者借用这一理论并套用相关数据来验证本国碳排放与人均收入之间是否存在这样的EKC曲线, 得出的结论也各不相同。因此, 本文在研究碳强度问题时也借鉴这一研究成果, 把人均实际GDP作为一个影响因素来考察人均实际GDP与碳强度之间是否也存在着类似的关系。
综上所述, 本文选取煤炭消费比重和人均实际GDP作为研究中国碳强度问题的自变量, 旨在通过构建面板计量模型, 运用相关计量检验来实证分析中国碳强度与煤炭消费比重以及人均实际GDP之间的内在关系。
3数据来源与计量模型构建
3. 1数据来源
本文选取中国30个省市自治区作为研究对象 ( 我国西藏、台湾、香港、澳门由于数据可获性的原因没有包括进来) , 样本区间为1998—2009年。
由于我国没有直接公布CO2排放量, 因此本文参照IPCC ( 2006) 以及国家气候变化对策协调小组办公室和国家发改委能源研究所 ( 2007) 的方法, 各省市自治区的煤炭、焦炭、原油、燃料油、汽油、 煤油、柴油和天然气消费数据来自1999—2010年的 《中国能源统计年鉴》, 并根据2008年 《中国能源统计年鉴》附录4中各种能源换算为标准煤单位的折算系数, 将不同种类能源消费量统一换算为标准煤单位; 各省市自治区水泥生产排放采用与能源排放类似的方法计算, 从1999—2010年的 《中国统计年鉴》中查找各省市自治区水泥产量数据来计算得到其水泥生产的碳排放数据。最后将水泥生产排放与能源排放数据相加, 即为总碳排放量。然后把计算出来的各省市自治区的碳排放量除以实际GDP ( 以1998年为基期) , 就得到各省市自治区的碳强度 ( 单位: 吨/万元) 。
各省市自治区的人均实际GDP ( 以1998年为基期, 单位万元) 是通过查找各省市自治区1999— 2010年统计年鉴的人均GDP数据并以1998年为基期折算出来的。
各省市自治区的煤炭消费比重 ( 煤炭消费占终端能源消费的比例) 是通过查找历年 《中国能源统计年鉴》的原始数据进行计算得到的。
3. 2计量模型构建
本文的面板计量模型构建借鉴了前人的研究成果, 考虑到人均实际GDP对于碳强度的影响可能是非线性的, 故在构建面板计量模型时加入了人均实际GDP的二次项, 然后引入煤炭消费比重。本文的面板计量模型如 ( 1) 式所示:
其中:Cit代表第i个地区的碳强度 (吨/万元) , 定义为该地区t期的每万元实际GDP的CO2排放量 (吨) ;RGDPit代表的是i地区t期的人均实际GDP (万元) (以1998年为基期) ;分别对Cit和RGDPit取自然对数, 记为Ln Cit和LnRGDPit形式;COALit为i地区t期的煤炭消费比重, 定义为i地区t期的煤炭消费占终端能源消费的比重;α是常数项, β1、β2和β3为各解释变量的待估系数;μit为模型的误差项, 该误差项可能隐含着一些观测不到的个体效应 (反映地区间的个体特质) 以及会随时间变动的影响各地区碳强度的时间效应因素, 即μit=ηi+γt+εit, 其中ηi为个体效应, γi为时间效应, εit为随机扰动项, 假设εit与解释变量不相关。
4计量模型实证分析及回归结果
4. 1模型的选择
式 ( 1) 中的面板数据模型是采用混合最小二乘回归模型还是采用固定效应模型亦或是随机效应模型形式, 这是一个需要注意的问题。如果模型形式设定不正确, 则估计结果将与所要模拟的经济现实偏离甚远, 所以在做面板回归估计之前需要对面板数据的模型形式进行选择, 这样可以避免模型设定的偏差, 从而提高参数估计的有效性。本文用sta- ta10. 0软件来进行相关的检验和回归估计。
首先, 本文用F检验来对混合最小二乘回归模型和固定效应模型进行选择, 用stata软件进行计算, 得F检验统计量 ( 84. 11) 在1% 水平下统计显著, 所以拒绝原假设, 说明固定效应模型比混合最小二乘回归模型更适合作为本文的面板数据模型。 接下来用BP - LM检验来对混合最小二乘回归模型和随机效应模型进行比较, 同样运用stata软件计算, 得LM统计量 ( 1 368. 46) 在1% 水平下统计显著, 拒绝原假设, 说明对于本文的面板数据模型, 随机效应模型也优于混合最小二乘回归模型。所以, 无论是F检验还是BP - LM检验都拒绝了混合最小二乘回归模型作为本文面板数据的回归分析模型。
那么固定效应模型和随机效应模型哪一个更适合本文的面板数据呢? Hausman提出了一种基于随机效应估计量与固定效应估计量两者差异的检验。 在不可观测效应与可观测的解释变量不相关的原假设下, 随机效应估计量是一致的和有效的, 而固定效应估计量虽然是一致的却不是有效的; 在不可观测效应与可观测效应的解释变量相关的备择假设下, 固定效应估计量是一致的, 而随机效应估计量是不一致的。运用stata程序得到Hausman检验统计量 ( 11. 44) 在1% 水平下统计显著, 所以拒绝原假设, 即我们的面板模型中存在着与解释变量相关的不可观测的个体效应和时间效应, 因此, 固定效应模型比随机效应模型更适合本文的面板数据回归分析。
如表1所示给出了分别采用混合最小二乘回归模型、固定效应模型和随机效应模型作为本文面板数据模型的回归结果。
注: 1) 括号内数值为标准差; 2) ***表示1% 水平显著, **表示5% 水平, * 表示10% 水平显著; 3) NA代表不适用
从表1中可以看出, 固定效应模型和随机效应模型的解释变量的标准差比较接近, 而采用混合最小二乘回归模型的标准差却与此相差比较大。这也符合我们前面的检验结果, 说明面板模型中确实存在着一些不可观察的影响因素, 使得经典回归条件假设下的混合最小二乘回归模型不再无偏有效。
固定效应模型与随机效应模型中的常数项以及相关解释变量的系数符号均相同且数值差别不大, 说明虽然通过Hausman检验, 固定效应模型比随机效应模型更适合本文的面板数据, 但两者的分析结果确有着一定的相似性。虽然表1中固定效应模型的每个变量的系数都很显著, 但这还不能说明这种回归估计结果就是可靠的, 因为面板数据往往存在截面相关、组内自相关和组间异方差问题, 这些问题的存在会使回归估计的可靠性降低, 因此, 有必要对固定效应模型的截面相关、组内自相关和组间异方差问题进行检验, 然后根据检验结果来决定是否要对其进行修正。
4. 2固定效应模型的相关性和异方差检验
首先, 笔者采用Wooldridge自相关检验方法检验固定效应的自相关问题, 结果显示F ( 1, 29) = 110. 335, Prob > F = 0. 0000, 拒绝原假设, 且在1% 水平统计显著, 说明存在组内序列自相关。
然后, 检验固定效应模型的截面相关性。本文分别采取Pesaranp’s CD检验、Friedman非参数检验和Frees检验三种方法来检验面板模型的截面相关性, 检验结果都拒绝横截面相互独立的零假设, 也就是意味着存在横截面相互依赖的特征。结果如表2所示。
注: ***表示1% 水平显著, **表示5% 水平, * 表示10% 水平显著
最后, 运用修正的Wald统计量来检验固定效应模型的组间异方差。修正的Wald统计量= 590. 91, 在1%水平下统计显著, 说明固定效应模型存在组间异方差问题。为了修正固定效应模型的截面相关、 组内自相关和组间异方差问题, 就有必要采取一个可以修正这些问题的方法以使得面板模型回归结果更加可信。
4. 3计量模型修正及回归结果
为了修正固定效应面板模型存在的截面异方差、 截面相关和序列相关问题, 笔者采用FGLS ( 可行的广义最小二乘估计) 方法对面板模型进行估计。用这种方法来修正截面相关、组内自相关和组间异方差问题, 使得回归结果更为可信。
为便于比较, 如表3所示给出了修正前的固定效应模型和采用FGLS方法修正后的模型回归结果。
注: 1) 括号内数值为标准差; 2) ***表示1% 水平显著, **表示5% 水平, * 表示10% 水平显著; 3) NA代表不适用
因此, 根据表3采用FGLS方法修正后的碳强度与人均实际GDP以及煤炭消费比重之间的关系可以用式 ( 2) 描述:
从式 ( 2) 可以看出, 人均实际GDP的一次、二次项系数均为负且统计上显著, 说明人均实际GDP对于碳强度的影响是非线性的倒U型关系, 即碳强度先随人均GDP提高而提高然后又下降的这样一个趋势。方程 ( 2) 中煤炭消费比重COAL的系数为0. 9328且在1% 水平统计显著, 说明煤炭消费比重每上升1个百分点, 碳强度会上升0. 9328个百分点, 说明煤炭消费比重对于我国碳强度确实具有比较大的影响。
5结论与政策涵义
5. 1结论
本文运用我国30个省市自治区1998—2009年的面板数据构建面板计量模型, 经过一系列较为严格的检验来进行模型选择, 并运用FGLS方法对面板数据模型的序列相关及异方差问题进行了修正, 以使得模型回归结果的可信度提高。本文的结论可以归纳为:
( 1) 碳强度与人均实际GDP之间存在着非线性的倒U型关系, 碳排放强度呈现随人均GDP提高先上升然后又下降的这样一个趋势。这表明, 我们国家的碳强度与人均实际GDP之间存在着类似库兹涅茨环境曲线的关系。这一结论也部分解释了这样一个有趣的现象: 西方发达国家的人均实际GDP比中国高, 而他们的碳强度却普遍比中国低。因此, 这也暗示着中国作为一个发展中国家, 在通过提升人均实际GDP来降低碳强度方面有着较大的预留空间, 而我国政府一贯推行的保持经济增长、提高人民收入的经济政策, 无疑对于降低中国碳强度有着积极的现实意义。
(2) 煤炭消费比重同碳强度之间存在着显著的正相关关系, 并且煤炭消费比重的系数比较大, 说明煤炭消费比重对于我国碳强度的影响比较大。这也符合21世纪以来我国的经济发展现实: 从2003年开始, 我国的重工业发展提速, 重工业所占的比重不断提高, 到2009年时, 重工业比重已超过70% 。重工业的加速发展增加了冶炼焦炭和火力发电的煤炭需求, 而煤炭又是造成CO2排放最主要的化石燃料, 因此煤炭消费比重增加无形中也就增加了CO2的排放量, 伴随而来的就是环境污染加剧、 资源浪费严重等问题, 同时也使得我国的碳强度在2003年开始出现一个迅速上升的趋势。直至2008年, 由于国内年初的雨雪冰冻灾害和 “512”汶川大地震和下半年的美国金融危机对我国的冲击, 才使得我国碳强度勉强回落到2002年的水平 ( 如图2) 。 排除这些偶发因素, 未来中国碳强度仍有抬头趋势。 因此, 通过降低煤炭的消费比重, 对于我国政府实现2020年碳强度比2005年下降40% ~ 50% 的这一目标有着重要的现实意义。
5. 2政策涵义
基于本文的研究结论来讲, 我国政府要履行哥本哈根承诺, 实现2020年中国碳强度比2005年下降40% ~ 45% 这一目标, 需要在以下几个方面进行政策支持:
( 1) 大力开发和利用新能源 ( 核能、太阳能、 风能等) , 加大传统清洁能源 ( 如天然气) 的使用来减少对于煤炭的过度依赖。
( 2) 以煤炭资源清洁高效开发利用技术创新为突破口, 加大清洁技术研发的政策支持力度, 鼓励相关科研机构和企业的低碳技术研发。
( 3) 调整产业结构, 降低重工业比重, 关闭淘汰落后产能重工业企业并限制火电发展, 从源头上控制煤炭消费的过快增长。
参考文献
[1]国务院.国民经济和社会发展第十二个五年规划纲要[EB/OL]. (2011-03-16) .http://www.gov.cn/2011lh/content_1825838.htm
[2]YING FANA, LAN-CUI LIU, GANG WU, et al.Changes in carbon intensity in China:Empirical findings from 1980-2003[J].Ecological Economics, 2007, 62 (34) :683-691
[3]杜立民.我国二氧化碳排放的影响因素:基于省级面板数据的研究[J].南方经济, 2010 (11) :20-33
[4]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究, 2010 (4) :120-133
[5]虞义华, 郑新业, 张莉.经济发展水平、产业结构与碳排放强度:中国省级面板数据分析[J].经济理论与经济管理, 2010 (3) :72-81
[6]丘兆逸.碳排放强度与工业化的关系研究——基于2000—2008年省级面板数据分析[J].广西师范学院学报:自然科学版, 2010 (1) :83-88
[7]沈小波, 戴平生.中国碳强度的影响因素[J].气候变化研究进展, 2011 (1) :54-58
[8]王锋, 冯根福.优化能源结构对实现中国碳强度目标的贡献潜力评估[J].中国工业经济, 2011 (4) :127-137
[9]GROSSMAN G ENE, ALAN KRUEGER.Environmental impacts of a north american freetrade agreement[C]//Cambridge MA:National Bureau Economic Research Working Paper 3914, NBER, 1991
[10]T PANAYOTOU.Empirical tests and policy analysis of environmental degradation at different stages of economic development[C]//Working Paper WP238
我国人均居民消费影响因素探析 篇2
我国人均消费受到哪些因素的影响?如何把各个因素对人均消费的影响从定性化转化为定量化?就个消费而言, 个人消费主要受到个人收入、商品价格、个人消费偏好的影响。其中个人消费的影响因素个人收入和商品价格是很容易数量化的, 至于个人消费偏好可以考虑前期消费量, 因为前期消费可以反映个人消费偏好。那么, 我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费, 上述分析符合相关的经济学理论。基于人均消费受到人均收入、商品价格、前期消费因素的影响。从中国统计年鉴找到了从1989-2004年人均消费以及人均国内生产总值、商品物价指数的官方数据。想借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。
2 数据的分析
数据涉及四个变量:人均居民消费、人均国内生产总值、前期人均居民消费、居民消费价格指数。人均国内生产总值可以看成是人均收入, 根据宏观经济学理论, 消费和收入之间是存在一定的关系。收入是影响消费的, 另外当年的消费和前期的消费之间也存在一定的关系。因为前期消费反映消费者偏好, 而消费偏好又影响当年的消费。一般说来, 一个国家人均消费去年消费1000元, 那么今年消费不大可能是10000或者100, 多半会在1000左右。当商品价格总体上升时, 消费者为了维持原有水平的消费, 那么支出就会增加。
根据上面的分析今年的消费受到今年收入、去年消费水平和居民消费价格指数的影响。
那么如何数量化三者之间的关系呢?
在数学中, 比较简单和常见的数量的关系是线性关系。设人均消费水平为y, 人均国内生产总值为x1, 前期人均居民消费为x2, 居民消费价格指数为x3。
可以根据样本数据作出 y与x1、y与x2、y与x3 的散点图来看y、x1 、x2之间是否存在线性关系。y与x1 、y与x2 、y与x3 的散点图如下:
从散点图可以看出y与x1、y与x2、y与x3之间存在直接的线性关系。那么就可以在y与x1、x2、x3之间建立线性回归模型了。
3 消费模型的建立与分析
3.1 消费模型的建立
由数据和2.1数据的分析以及线性回归理论, 可以知道y与x1、x2、x3存在线性关系, 可以建立模型
y=β0+β1x1+β2x2+β3x3+μ (3-1)
运用最小二乘法得到的回归结果
= 0.212419 +0.370297 +2.018759 -220.6946 (3-2)
3.2 消费模型的统计检验
对多元线性回归模型进行统计检验。
拟和优度检验:由R2=0.999211知, 可以说这是很好的拟和结果了。
方程显著性检验:由F=6330.419, 给定一个显著性水平a=0.01, 查F分布表, 得到一个临界值, 显然有F=6330.419>F0.01 (3, 12) =3.49 在99%的水平下显著成立, 即模型的线性关系在99%的水平下显著成立。
变量的显著性检验:
对于x1 t=11.44541 对于x2 t=7.131840
对于x3 t =8.298938 对于C t=-4.115839
给定一个显著性水平a=0.01, 查 分布表中自由度为12、a=0.01的临界值, 得到undefined, 可见undefined, 所以包括常数项在内的4个解释变量都在99%的水平下显著成立, 都通过了变量显著性检验。
3.3 消费模型基本假设的检验
先来检验共线性, 检验共线性的方法之一有判定系数检验法, 即使模型中每一个解释变量分别以其余解释变量为解释变量进行回归计算, 并计算相应拟和优度, 也称判定系数法。如果存在xj=a1x1+a2x2+…ajxj中判定系数较大, 则说明 可以用xj, x1, x2, …xj 的线性组合代替, 即xj与x1, x2, …xj 之间存在共线性。分别以模型中x1, x2, x3 为被解释变量, 以x2与x3、x1与x3、x1与x2为解释变量, 利用统计软件可以得到下列表格。
以x1为被解释变量, 以x1与x3为解释变量来线性表示 得到的一些统计数据。
通过该表可以知道:用x2与x3来线性表示x1时, 判决系数R2=0.972480, 且自变量x2对解释变量x1的影响显著。给定显著性水平undefined, 即自变量x2对解释变量 的显著性水平达99%。
以x2为被解释变量, 以x1与x3为解释变量来线性表示得到的一些统计数据。
通过该表可以知道:用x1与x3来线性表示x2时, 判决系数R2 =0.974980, 且自变量x1、x3对解释变量 的影响显著。其中自变量x1对解释变量x2的显著性水平达99%, 自变量x3对解释变量x2的显著性水平达80%。
以x3为被解释变量, 以x1与x2为解释变量来线性表示x3得到的一些统计数据。
通过该表可以知道:用x1与x2来线性表示x3时, 判决系数R2=0.275844, 拟和度很低。
综合上述分析, 当把前期消费和商品价格指数、人均收入一起考虑到影响当年人均消费的模型中, 会产生共线性, 所以把当期消费这个影响因素去掉, 即只考虑人均收入和商品价格指数对当年人均消费的影响。
通过统计软件, 可以得到只考虑人均收入和商品价格指数对当年人均消费的影响的统计数据。
从上面的分析知道, 该模型已经不存在共线性。下面对该模型进行异方差检验和系列相关性检验。
进行异方差检验, 可以进行怀特 ( white) 检验。
在显著水平为0.05时, Obs*R-squared的伴随概率大于0.05, 因而落在接受域, 说明模型不存在异方差。
对于n=16, k=4查D.W.表得到5%的上下届为di=0.86, du=1.73, 而0<0.610583<0.83
说明模型存在严重的一阶自相关, 下面消除自相关。通过统计软件可得下列统计数据。
所以模型的最终形式为:
y =0.320731 + 3.106185 -384.5336 + 1.350156 -0.730421
(7.641607) (2.054917) (-1.105101) (4.437119) (-1.1976200)
R2 =0.998047 DW=2.002097 F=1661.690
3.4 消费模型预测值的置信区间
下面求模型预测值的置信区间。
(X1X) -1
undefined
查询2006年中国统计年鉴, 可以查得2005年的人均GDP=14040, 居民消费价格指数为464, 取X0= (1, 14040, 464) 则Y个值预测的标准差为:
undefined
于是, Y个值的95%预测区间为5559.799±2.160×62.63171 或 (5424.5145, 5695.0835) 。
可以在中国统计年鉴上查得2005年人均消费为5439, 说明预测效果较好。
4 总结
应用线性回归模型, 首先要选择解释变量和被解释变量, 选择变量时, 还要考虑变量数据的可得性和连续性。后判断这些变量之间是否存在线性关系, 实际中可以通过直接置换法、对数对换、级数展开等把非线性关系转化为线性关系。于线性关系的判断, 可以通过统计软件来作散点图, 结合散点图来选取变量关系的模型。确定变量的线性关系或把非线性关系转化为线性关系后, 就可以建立线性回归模型。
通过统计软件求解出线性模型后, 可以先对模型进行统计检验, 包括拟和度检验、方程的显著性检验、变量的显著性检验。后对模型的基本假设检验, 检验自变量之间是否存在共线性、异方差检验、系列相关检验。在模型满足统计检验和假设检验后, 还要比较预测值和实际值之间, 如果相对误差较大, 那么还需要对模型进行修正。
参考文献
[1]李子奈.计量经济学[M].北京:高等教育出版社, 2001.
[2]国家统计局.中国统计年鉴[M].北京:中国统计出版社, 2005.
中国人均图书消费量20年不变 篇3
《人民日报》消息, 在一切都迅猛变化的中国, 有一项统计数字20年来却几乎没变, 那就是人均图书消费量。1990年, 我国人均图书消费量 (扣除教材、教辅, 下同) 为5.2册, 2009年这一数字为5.6册。20年过去了, 人均购书量只增加了不到1/2本。在最近10年来出书种类、销售码洋等指标相继翻番的背景下, 这个20年徘徊不前的数字显得格外刺眼。从1999年到2008年, 我国城镇居民家庭平均每人全年消费性支出中, 教育文化娱乐服务支出由567.1元增长到1358.26元, 年复合增长率达到10.19%。“但这里面最大的一部分是用在了教育支出上, 其他文化消费比重很小, 用来买书的钱就更少了。”社会科学文献出版社社长谢寿光说:“许多人吃一顿饭、买一包烟, 眼睛都不眨一下, 但买一本书却要反复掂量, 还是观念有问题。”以互联网为代表的新兴媒体也抢走了很大一部分传统纸质图书的读者, 越来越多的人转向网络阅读、手机阅读等新的阅读方式。电纸书、ipad、Kindle等电子阅读器的热销正在强化这一趋势。
实际人均消费 篇4
2011年, 鞋类国内消费数量估算为33亿双, 其中城镇人均鞋类消费数量约为3.0双, 金额370元。
今年以来, 鞋类销售仍保持双位数增长, 但是增速回落。2012年1～8月份, 社会消费品零售总额同比增长14.1%, 其中限额以上服装鞋帽、针纺织品零售企业零售额5864亿元, 同比增长17.5%, 同比回落6.5个百分点;8月份, 全国百家大型零售企业增速为8.41%, 增速同比回落13.57个百分点;8月份, 商务部监测的千家重点零售企业鞋帽销售额增速为10.5%, 同比回落2个百分点。
在鞋类消费增速放缓的同时, 鞋类零售价格继续增长。1～8月, 鞋类零售价格同比增长2.6%。
实际人均消费 篇5
凯恩斯国民收入理论认为, 消费作为总需求的重要组成部分, 是宏观经济调控的基本变量, 而收入是决定消费的基本因素。对于消费和收入关系的研究, 出现了不同的消费理论假设。根据相对收入假设理论, 在一定时期, 人们的当期消费水平不仅与当期的可支配收入相关, 而且受前期的消费水平的影响, 具有一定的消费理性, 这就是消费的棘轮效应;同时根据生命周期假设理论, 消费者的消费不仅与当期收入相关, 同时也受过去各项的收入以及对将来预期收入的限制和影响。我们可以把相对收入假设理论与生命周期假设理论联系起来, 推出如下的结果:当期的消费水平不仅与当期的可支配收入有关, 而且还与前期的可支配收入、前两期的消费水平有关。
一、所用数据说明
本文以1980-2009年河南省城镇家庭平均每人可支配收入与城镇家庭平均每人全年消费性支出为研究对象 (数据来源:河南统计年鉴2010) , 分别用变量income和expend来表示。为了降低序列的波动性, 对income和expend分别取对数, 用LNincome和LNexpend表示。样本数量为30。
二、研究思路和方法
(一) 人均可支配收入与消费性支出的描述性分析
图1中实线表示人均可支配收入, 虚线表示人均消费性支出。从图中可以看出, 两变量序列具有大致相同的趋势, 且增加的速度也呈现递增趋势, 但收入增加的速度比消费稍快, 特别是2002年之后。说明河南省城市居民的收入分配结构日趋多样化, 其收入不仅用于日常消费支出, 除消费性支出以外的其他支出和投资储蓄所占的比例逐渐增加。1980-1992年, 河南省城市居民的可支配收入和消费性支出几乎相等或收入稍稍大于消费, 可见此期间河南省城市居民的收入几乎全部用于日常生活的消费支出, 并无多余的资金移作它用;自1993年以来, 由于市场经济体制的进一步完善, 经济快速发展, 居民收入急速增长, 促使居民消费也快速增加。
(二) 人均可支配收入与消费性支出的协整关系分析
1、序列平稳性检验及单整检验
在分析是否具有协整关系之前, 先进行时间序列的单位根检验。利用Eviews6.0的ADF方法来检验, 结果如表1所示。
从检验结果看, LNexpend和LNincome在5%的显著性水平下, 不能拒绝存在单位根的假设, 表明LNexpend和LNincome是非平稳的。因此不可能是I (0) 序列。而对其一阶差分序列进行单位根检验, 结果显示在5%的显著性水平下, ΔLNexpend和ΔLNincome拒绝了非平稳的原假设, 因此可以认为该序列是一阶单整的, 即I (1) 序列。
注:检验形式 (c, t, k) 分别表示带有常数项、趋势项和滞后介数, Δlnx与Δlny分别表示lnx和lny序列的一阶差分
2、协整检验并拟合协整回归模型
通过Engle和Granger提出的EG两步检验法, 对序列{LNexpend}和{LNincome}进行协整检验, 并求得长期均衡方程。利用最小二乘估计方法, 构造回归模型如下:
代入LNexpend和LNincome的实际观察值, 求出残差序列并检验, 得出记该回归模型的残差为ecm, 对ecm进行ADF检验, 检验结果如表2所示。
可见, 在5%的显著性水平下, 残差序列拒绝了存在单位根的原假设, 表明残差序列是平稳的, 即LNexpend和LNincome存在 (1, 1) 阶协整关系。既然两个变量协整, 说明残差序列平稳, 那就不会产生虚假回归问题了。
那么便可以将模型作为长期均衡方程, 即初步可以认为模型反映的是LNexpendt和LNincomet的长期稳定关系。
模型的残差:
对残差进行2阶自相关单位根检验, 结果显示, 残差序列显著平稳。因此, 模型是描述长期均衡的关系, 表明人均可支配收入与人均消费性支出存在长期关系。
3、拟合误差修正模型
由协整模型度量了序列之间的长期均衡关系, 再运用ECM模型 (errorcorrectionmodel误差修正模型) 来解释序列的短期波动关系。响应序列的当期波动 (LNexpendt) , 主要会受到三方面的短期波动的影响:输入序列的当期波动LNincomet;上一期的误差ECMt-1;纯随机波动εt。
为了定量抵测量这三方面影响的大小, 尤其是为了测定上期误差对当期波动的影响, 可以构建ECM模型, 得到ECM模型口径为:
结果显示, 在0.05的显著水平下, 收入的当期波动和上期误差对消费性支出的当期波动有显著性影响 (β0和β3显著) , 但上期收入和上期支出对当期波动的影响不显著 (β1和β2不显著) 。方程检验结果显示, F统计量对应的P值非常小, 整个模型通过显著性检验;D.W.的值为2.26, 在du
4、模型的经济意义解释
协整回归模型 (即模型 (1) ) 揭示了河南省城市居民家庭人均可支配收入与人均消费支出之间的长期均衡关系, 同时, 从回归系数的绝对值大小可以看出可支配收入的当期波动对消费性支出的当期波动调整幅度很大, 长期每增加1%的平均可支配收入会增加0.63937%的平均消费性支出。
误差修正模型 (即模型 (2) ) 揭示了河南省城市居民消费性支出的短期波动特征。本期消费主要受本期收入的影响, 本期可支配收入变化1%, 引起本期消费性支出变化0.75898%, 上期收入变化1%, 引起本期支出变化-0.08755%, 但收入和消费反方向变化;同时, 我们可以发现, 上期支出和本期支出同方向变化, 上期支出每变化1%, 引起本期消费变化0.35196%;从回归系数的绝对值大小可以看出上期误差对居民消费支出的当期波动调整幅度很大, 单位协整比例为-0.88126, 同时表明居民收入的增长对消费性支出的短期调整影响大。
三、结果分析
总体来说, 河南省人均可支配收入和消费性支出均呈现出长期递增的趋势, 说明居民的生活水平在逐步提高。虽然目前居民收入仍主要用于日常消费, 但除日常消费以外的闲散资金有逐渐增加的趋势, 居民有更多的资金挪作他用。
从以上的分析可以看出, 居民的消费水平的最主要的影响因素是居民的收入水平, 其他影响因素则相对小许多。因此, 要提高我国城乡居民的消费水平, 必须首先增加居民的收入。收入是消费的前提, 要扩大消费需求就必须适当提高居民收入增长率, 才能最大限度发挥消费对经济的拉动效应。因此, 要启动消费市场以拉动经济的增长, 必须研究如何提高居民的收入。
参考文献
[1]、王微.中国城乡居民收入与消费水平、结构与趋势[J].文事.动态, 2003 (81) .
[2]、施祖辉.收入水平的变化对消费增长的影响分析——上海城乡居民收入与消费变动关系的实证研究[J].财经研究, 1999 (211) .
[3]、杨汇道等.安徽省城镇居民消费情况进行实证分析[J].合肥工业大学学报 (社会科学版) , 2001 (3) .
[4]、王燕.应用时间序列分析[M].中国人民大学出版社, 2005.
[5]、庞浩.计量经济学[M].科学出版社, 2006.
实际人均消费 篇6
2014年,作为中澳自贸协定的重要组成部分,我国首次开放澳大利亚屠宰用肉牛活牛进口,在国内屠宰分割供应国内市场。受运输和保质期限的限制,国内目前流通的多是经国外初加工再进口的冷冻牛肉。
中澳农牧业有限公司董事长陈淑云表示,中澳一期工程屠宰用牛进口隔离场已被国家质检总局批准可投入使用,单次最大隔离量1.2万头,是目前国内规模最大、最先进的特种隔离场。海兴厂项目是中澳农牧屠宰场二期工程,占地面积159.97亩,预计今年10月底竣工,11月底正式投产。全部建成后将逐步达到年产30万头,年生产冰鲜进口牛肉7.5万吨的生产规模,总投资7亿元。
目前新兴的消费群体需要安全、新鲜、高品质、有品牌的好牛肉,并且要有稳定的质量和供应作为保障,但这个需求一直没有被满足,因此在供给侧需求方面发展潜力很大,包括基础优质冰鲜牛肉、深加工高价值牛肉产品形态以及多样化的消费场景。陈淑云说,澳洲屠宰用肉牛的开放进口给牛肉产业供给侧改革提供了全新的思路和可能性。中澳农牧屠宰项目要充分利用这一契机,生产出匹配新消费需求的好牛肉产品,严把食品品质安全,助力消费升级。同时促进河北海兴相关产业的持续发展。
中国畜牧业协会牛业分会会长许尚忠教授介绍说中国牛肉市场和肉牛产业的发展,近年来受到很多因素的制约,比如良种率、饲养规模、技术水平、屠宰加工水平、市场规范度等,目前也一直没有形成全国性的领导品牌作为行业标杆,引导行业健康规范发展。
陈淑云表示,从长远看,中国牛肉市场还是要依靠自己强大的肉牛产业链,科技兴国在各行业都是核心竞争力。公司会积极推进与农科院等相关机构的合作,加大在良种科研方面的投入力度,打造出几个全国乃至全世界都有影响力的良种肉牛基地,让中国人吃上中国产的好牛肉。
实际人均消费 篇7
关键词：人均能源消费,预测,国际比较,可持续性增长
0引言
中国已成为世界上能源生产总量和消费总量的大国,而人均能源消费水平还处于低水平与能源大国地位很不相符,距全面建成全面小康应达到的生活水平也相距甚远。中国还是发展中国家,未来经济、人口的增长及居民生活水平的持续提高,意味着支撑经济增长的能源需求巨大,体现居民生活水平提升的重要标志之一的人均能源消费水平必定提高。中国现实能源消费暴露出的问题已严重影响到人均能源消费水平增长的可持续性。通过对此问题研究文献的梳理,发现对该问题的研究主要倾向于人均能源消费的比较研究及人均能源消费与经济发展关系的研究,人均能源消费实际实际上是一个灰色系统,已有文献其研究方法少见以灰色预测方法,且对提升我国人均能源的具体路径和策略没有深入探索。本文就此问题进行了一些探索。根据人均能源消费水平的灰色特性,运用中国能源消费现实数据通过建立人均能源消费的灰色预测模型,预测了未来中国人均能源消费水平,结合中国人均能源消费水平的国际比较,提出了我国人均能源消费水平的可持续性提高建议。
1人均能源消费的灰色特性
人均能源消费即按一国家或某一地区一定时期内能源消费总量和人口数量计算所得,人均能源消费=能源消费总量/人口数量。从公式看,人均能源消费取决于两个变量,人均能源消费是否是一个灰色系统,取决于能源消费总量、人口总量及其二者之间的数量关系三个系统是否属于灰色系统。如果决定能源消费总量的所有信息都是确定的且是人们已知的和掌握其规律的,那么能源消费总量和其决定因素系统则是一个白色系统;如果决定人口数量的所有信息都是的确定的且是人们已知的和掌握其规律的,那么人口数量及其决定因素系统也是一个白色系统;同样如果决定能源消费总量与人口数量之间的数量关系因素都是确定、人们已知和掌握规律的,那么这两个变量之间的数量关系系统也是一个白色系统。决定人均能源消费的三个因素系统都是白色系统,人均能源消费系统就是一个白色系统,那么关于未来人均能源消费就是一个简单的问题。然而现实情况并非如此,关于能源消费总量及其影响因素、人口数量及其影响因素、能源消费与人口之间的关系影响因素三个系统的研究远远达不到白色系统所有要求的所有信息都是确定、人们已知的和掌握其规律的。从已有的认知看,能源消费水平取决于经济发展水平、经济结构、技术水平、能源生产和消费结构、能源转换效率等因素,这只是从定性方面进行分析,其量的关系并没有完全、甚至没有揭示出来。经济发展总量与能源消费水平相关,但同一国家不同时期经济总量与能源消费总量之比值并不相等,二者的变化趋势方向并不总是同向。经济总量大体相同的国家其能源消费并不大体相同。
一个国家或地区人口数量的增加,是人口自然变动和机械变动综合作用的结果,但通常取决于自然生长率。即出生率减死亡率。自然变动是各种区域性地理环境因素综合影响的结果。包括经济、政治、文化教育、科学技术、医疗卫生、人口迁移、宗教、习俗、人口政策、战争等社会经济因素和自然灾害、自然环境、年龄性别结构、人体生理素质等自然因素。可见影响人口数量的因素非常复杂,这些因素与人口数量是正相关、还是负相关在不同国家表现不同、在同一国家不同时期表现也不同,人口数量与其已认知的影响因素的量关系更是无法准确描述。关于能源消费水平与人口数量之间的关系问题同样存在已知和大量未知因素信息。所以决定人均能源消费的三个变量系统都是一个灰色系统,人均能源消费自然是一个灰色系统,人均能源消费预测适合于时间灰色预测模型。
2人均能源消费灰色预测
我国人均能源消费灰色预测基础资料选取2004-2014各年相关数据如表1所示。
基础资料来源:BP2015世界能源统计报告、中国统计局.
2.1构造累加生成数列
2.2确定发展灰数a,内生控制灰数u
2.2.1建立数据矩阵B
2.2.3计算发展灰数a,内生控制灰数u
2.3构建模型
其理论值模型:
2.4模型检验
2.4.1残差检验
(1)求理论值数列。
(2)计算残差。
将理论值数列与实际值数列对比如表3所示。
残差计算结果汇总如表4。
(3)模型精度。
根据残差计算结果计算平均残差,根据平均残差评估模型精度。
2.4.2关联度
(1)按△0(i)计算关联系数。
(2)计算关联度。
(3)关联度检验。
r=0.655满足分辨p=0.5时r>0.6的要求,通过检验。
2.5我国人均能源消费预测
模型经上述两种方法检验,说明模型无论是精度还是可靠度都满足要求,可以用于预测。
预测2015-2030年我国人均能源消费如表5和图1所示。
3中国人均能源消费国际比较
3.1人均能源消费量比较
2004-2014十一年间中国人均能源消费从2004年的1.21吨油当量持续增长到2014年的2.17吨油当量,如表6所示。累计增长0.96吨油当量,平均年增长0.096吨油当量。中国人均能源消费与发达国家、发达经济体的人均能源消费差距较大,明显偏低。根据表7所示,美国2004-2014人均能源消费总体趋在递减,但都在7吨油当量以上,2014年中国人均能源消费最高至2.17吨油当量,只相当于美国人均能源消费最低年份2012年7.04吨油当量的30%。相当于经合组织人均能源消费最低年份2009年4.51吨油当量的48%,相当于欧盟人均能源消费最低年份2014年3.2吨油当量的67.8%。相当于美国人均能源消费最高年份2004年8.1吨油当量的26.8%,相当于经合组织人均能源消费最高年份2007年4.78吨油当量的45.4%,相当于欧盟人均能源消费最高年份2006年3.65吨油当量的不足60%。经合组织与欧盟人均能源消费变化不大,但每一年都在4.5吨油当量和3.2以上。
3.2人均能源消费结构国际比较
2013-2014中国人均能源消费结构国际比较(表7、表8所示)。2013年中国人均能源消费2.13(吨油当量)构成情况:石油、天然气、煤炭、核能、水电、可再生能源分别为0.37吨油当量、0.11吨油当量、1.44吨油当量、0.02吨油当量、0.15吨油当量、0.03吨油当量。中国人均煤炭消费极度偏高,是世界平均水平的2.62倍、非经合组织的3倍、经合组织的1.672倍、欧盟的2倍。中国人均石油消费0.38吨油当量,是世界平均水平的62.7%、与非经合组织相当、是经合组织的21.6%、欧盟的31.1%。中国人均天然气消费是世界平均水平的23.9%、非经合组织的40.7%、经合组织的9%、欧盟的14.1%。中国人均核能消费是世界平均水平的28.6%、与非经合组织的相当、是经合组织的5.4%、欧盟的5.1%。中国人均水电消费是经合组织的55.6%、与欧盟相当。2014年中国人均能源消费2.17吨油当量,其中,人均煤炭消费1.43吨油当量,仍然偏高但比上年有所降低,是世界平均水平的2.65倍,比上年有所提高;是非经合组织的3倍,与上年持平;是经合组织的1.63倍,比上年有所降低;是欧盟的2.7倍,比上年提高;人均石油消费0.38吨油当量,比上年有所提高,是世界平均水平的64.4%,比上年提高;是经合组织的22.4%,比上年提高;是欧盟的32.5%,比上年提高。中国天然气人均消费0.12吨油当量,比上年有所提高,是世界平均水平的27.9%,是经合组织的十分之一,欧盟的17.4%,均有所提高。
3.3我国人均电力消国际比较
如表9和图2所示,我国人均电力消耗2014年为4038千瓦小时是2005年1913千瓦小时的2.11倍,年均增长8.65%,与发达国家人均电力消耗相比差距甚远,我国2014年人均电力消耗只相当于2011年加拿大的24.6%,美国的30.5%、澳大利亚的38.4%、韩国的39.7%、日本的51.5%、法国的55%、德国的57%、俄罗斯的62%。
我国人均生活用电量2014年为506千瓦小时是2005年221.3千瓦小时的2.29倍,年均增长9.64%,快于同期人均GDP和人均国民收入的年均增长速度。但我国人均生活用电量与发达国家相比差距较大,以发达国家2011年数据相比,我国2014年人均生活用电量,相当于美国的11%、加拿大的11.4%,法国的22.17%、日本的22.29%、英国的28.44%,德国的30%,韩国的40%,俄罗斯的55%、南非的62%,比巴西、印度高。
人均生活用电量占人均电力消耗比重从2005到2014十年情况看,最高为2009年的13.15%,最低是2005年的11.57%,其他年份大体在12.5%左右,与发达国家相比,我国人均生活用电量在人均电力消费中的比重偏低,国际能源署统计显示,2011年时这一指标,美国是34.47%、英国是32.6%、法国是31.2%、日本是30%、加拿大是27%、澳大利亚是26%、德国是24%、意大利是21.4%、巴西是19%、南非是17%、俄罗斯是14%。
(单位:吨油当量/人)
(单位:吨油当量/人)
资料来源:中国统计局、世界能源统计.
(单位:消费总量:百万吨油当量,人均消费:吨油当量/人)
资料来源:中国统计局、世界能源统计.
(单位:消费总量:百万吨油当量,人均消费:吨油当量/人)
资料来源:中国统计局、世界能源统计.
根据以上灰色预测结果看,2015-2030年中国人均能源消费不断增长,2030年预计达到4.71吨油当量/人,与经合组织2013、2014年的人均能源消费水平相当,相当于美国2014年的65.87%,是中国2014年2.17吨油当量/人的2.17倍。因此,无论是按中国人均能源消费预测趋势值判断,还是与发达经济体国家人均能源消费横向比较,中国人均能源消费提升空间都比较大。
4中国人均能源消费增长的必然性
4.1未来中国经济增长刺激能源消费增长
习近平主席在2015年全国两会期间,首次针对“十三五“规划进行重要阐述,“十三五”规划是实现全面建设小康的规划,是实现第一个“一百年目标”的规划。“第一个百年”奋斗目标,即中国共产党成立100周年时,全面建成小康社会,这是中国梦的第一个宏伟目标。国家发改委2015年11月12日表示,若要实现2020年国内生产总值(GDP)比2010年翻一番的目标,“十三五”期间GDP增速底线就是6.5%,如果按6.5%底线增长速度与预计能源消费弹性系数平均0.5计算,十三五各年能源消费增长在3.25%。到2020年中国能源消费会达到2972(1+3.25%)=3600百万吨油当量。发改委表示,虽然现在经济面临下行压力,但中国完全有条件、有信心实现上述目标,最重要的因素就是中国拥有巨大的消费需求,其次地区发展空间很强大,城镇化快速推进也有利于扩大投资和消费,而创新更将成为发展第一动力。中国第一个百年目标的实现及百年目标实现的经济条件十分清楚的表明,未来中国经济增长是必然的,支撑经济增长的能源消费必然增长。
4.2人均能源消费提高是人民生活水平提高的标志
中国此前已公布了“十三五”规划建议,明确提出GDP到2020年比2010年翻一番,城乡居民人均收入也要翻一番。全面建成小康社会,预计到2020年我国人均GDP达到10000美元以上,居民生活水平比现在明显要上一个台阶,而收入水平提高人均消费水平必然提高,反映居民生活水平提高的人均能源消费水平自然提高。根据预测我国2020年人均能源消费将达到2.94吨油当量/人,是2014年的1.35倍,但相对于发达经济体而言仍然偏低,是经合组织2014年水平的64.47%,是美国2014年水平的人均能源消费7.15的41.12%。现在中国能源人均消费水平,离2020年实现全面建设小康社会的目标,跨越中等收入陷阱要求相差甚远。根据发达国家的经验,人均能源消费在经济发展到一定程度后会出现稳定并缓慢下降趋势。不同发达经济体人均能源消费达到峰值的时间和水平不尽相同,美国在2004年达到峰值8.1吨油当量/人,经合组织在2007年达到峰值4.78吨油当量,欧盟在2006年达到峰值3.65吨油当量/人。能源消费达到峰值以后,美国、欧盟、经合组织均出现了人均能源消费水平稳定且缓慢下降趋势。根据中国经济发展及能源开发利用技术,中国政府到2030年污染排放零增长的承诺,预计2030年中国人均能源消费水平可能达到峰值4.71吨油当量,此后中国人均能源消费水平稳定且缓慢下降。因此在2030年之前中国能源消费均呈现不断增长态势。如果按人均能源消费水平判断居民生活水平,那么到2030年中国居民生活水平才有望达到美国的1990年、欧盟2000年的生活水平,经合组织2007年的生活水平。因此就提升居民生活水平看,中国人均能源消费水平还有很大的提升空间。
基础数据来源:国家统计局.
4.3刺激能源终端消费是解决当前经济低迷的举措之一
2012年以来,我国经济增长速度从过去十年平均10%左右下滑到2013年的7.7%。2014的7.4%,当时认为是1990年以来的最低增速。2014年GDP总量首次突破10万亿美元(636463亿元)。2015年经济形势更是严峻,经济增长速度还在下滑,一季度经济增长7.0%,二季度虽然保持了7%的增长速度,但三季度经济增长6.9%GDP增速,首度“破7”。预计2015年度经济增速保持7%左右似乎又困难。当然7%增速从全球来看仍然属于高速度。在投资增速下降甚至出现负增长,2014年我国进出口总值26.43万亿元人民币,比2013年增长2.3%,没有达到年初预期的增长7.5%的目标,自2012年以来已是外贸增速连续第三年未达既定目标。据海关统计,2015年上半年,我国进出口总值11.53万亿元人民币,比去年同期下降6.9%。其中,出口6.57万亿元,增长0.9%;进口4.96万亿元,下降15.5%。在投资增长,进出口增长低于预期情况下,刺激国内消费无疑是正确的选择,而国内消费增长必然带动能源终端消费增加,能源终端消费的增长本身也就是国内消费增长的途径之一。人均终端能源消费增长成为破解中国当前经济低迷的当然举措之一。
5提高中国人均能源消费方式选择
在没有达到能源消费峰值之前的未来,我国能源增长空间巨大,人均能源消费增长成为必然,那么怎样提高中国人均能源消费水平,前提是人均能源消费总水平必须可持续性。人均能源消费=人均电能源消费+人均非电能消费,人均非电能消费的增长因污染严重问题很难持续。电是最清洁的能源,为此本人建议在提高人均能源消费总水平下应该大幅度提高人均电能消费消费水平,降低人均非电能消费水平。提高我国人均电力消费水平在一定程度上可以化解当前与未来我国能源消费面临的经济发展对能源巨大需求与能源资源总量、环境容量瓶颈矛盾。而提高我国人均电力消费水平就要大力提升我国电气化水平。
电气化水平是衡量一个国家现代化程度的重要标志,它通常用两个指标来表示:发电用能占一次能源的比重、电能占终端能源消费的比重。世界范围内电气化水平上升是一个普遍的规律和趋势。根据国际能源署统计显示,在发达经济体中,发电用能占一次能源消费总量的比重将平均在70%左右,电能占终端能源消费的比重将也在40%左右。根据中国统计局数据计算,我国2013年电能终端能源消费的比重为15.06%,2014年为15.59%,发电能源占一次能源消费量的比重2012年为49.3%,2013年为51.56%,2014年为52.34%。无论是电力终端消费占比还是发电能源占比,我国电气化水平都有待于提高。电气化水平提高既能有助于经济增长,又可以很好解决经济增长与对能源巨大需求之间的矛盾。因为电气化水平提高有助于提高能源利用效率,节约能源。有研究表明,电气化水平提高一个百分点,能源效率提高4%左右。从能源的终端利用效率来看,电能的终端利用效率最高,可以达到90%以上;燃气的终端利用热效率约为50%~90%,而燃煤的终端利用效率通常不高于40%。从经济效率来看,电能的经济效率是石油的3.2倍、煤炭的17.27倍,即1吨标准煤当量电力创造的经济价值与3.2吨标准煤当量的石油、17.3吨标准煤当量的煤炭创造的经济价值相同。不仅如此,电气化水平提高直接可以提升电力的终端利用水平,减少一次能源直接燃烧带来的严重污染。另外提高人均电力消费一定要提高衡量人民生活水平的人均生活用电量,我国人均生活用电量2014年为506度,只相当于发达经济体平均水平的15%左右,与我国全面建设小康社会的要求也相距甚远。
6结论
(1)中国经济发展现实及发展目标说明中国人均能源消费还有持续增长;(2)提高中国人均能源消费的方向是提高人均电力消费水平,生活人均用电量提升潜力巨大。(3)人均用电量反映生活水平高低,提升我国电气化水平是提高人均生活用电水平的途径。
参考文献
[1]于汶加.发达国家人均能源消费“零增长”现象解析[J].商业时代,2009(4).
[2]张斌.从OECD国家发展历程看我国2020年能源电力消费[J].电力技术经济,2009(2).
[3]吴建群.探索性数据分析在能源消费中的应用探讨——人均生活能源消费和人均GDP的关系研究[J].现代商贸工业2011(9).
[4]姜磊.市场机制对中国人均能源消费调节作用的实证研究[J].产经评论,2011(9).
[5]贺仁飞.人均生活能源消费、收入和碳排放的面板数据分析[J].资源科学,2012(6).
[6]岳婷.我国居民生活能源消费量的影响因素分析[J].华东经济管理,2013(11).