消费时间

消费时间（共6篇）

消费时间 篇1

近年来由于我国经济增长、社会时步, 人们的消费理念也在不断的发生着变化, 尤其是在法定节假日的调整方面, 经过改革, 有效的拉动了消费, 与此同时也从时间长短变化之中得到了消费者的决策变化;另一方面, 通过时间的合理分配与高效利用, 体育旅游也得到了较好的发展, 尤其是消费需求与消费观念的变化, 不断的将人们从以前的传统消费观念中解放了出来, 人们更青睐于将时间花费在旅游、休闲、健身等;重点在于健康、人与自然的亲近, 所以, 也有效的拉动了体育消费品市场的发展。以下就从消费时间方面展开具体的讨论。

一、消费时间与消费时间的经济性质

从广义上说, 消费时间可以分为客体与主体两个方面, 消费客体指的是消费品在消费市场或领域中的时间, 而消费主体则是指劳动工作时间后的消费时间 (取其一般意义) ;而狭义的消费时间则是指消费主体与消费客体结合后的核心部分, 具体是指在流通领域外, 满足劳动者自身需求的外出消费活动时间。以下以狭义的消费时间作为主旨, 进行细致论述。

以现代经济生活为准, 时间与消费密切相关, 因为一切的消费条件都要以时间作为载体来展开;也就是说消费受到时间的约束与局限, 但另一方面, 可以通过对这些限制性的时间进行合理分配与划分, 来实现时间价值的最大效用或价值, 即在有限时间内追求时间的最大效用价值。

二、消费者剩余

在传统的经济研究领域中, 经济学家马歇尔就曾提出“消费者剩余”的理论, 该理论认为在消费者支付商品价格过程中, 会根据意愿进行支付总额或实际支付总额, 但这两者之间存在差额, 这主要是以边际效应递减的原理, 通过商品数量 (OQ) 、商品价格 (OP) 、效用曲线或需求曲线 (DD) 这些要素进行分析, 具体情况可以通过下面的图1来说明:

图解:根据上面所说的三要素, 可以认识到, 若设消费者逐单位付款, 那么, 支付总额就是Q1、Q2、Q3……Qn之和, 但是, 实际上的支付是按照商品最后一单位商品效用价值进行付款, 所以, 真正的支付冲突就是上图中的OP·EQn正方形所示, 而梯形OPEQn, 与正方形间的差额所表示的三角形P, PE则属于消费者剩余。

三、体育消费品的消费时间与消费者剩余

首先, 在体育消费品中, 有体育实物消费品、劳务消费品、信息消费品, 而传统的经济学研究中对于消费时间及其可能产生的效用分析不足, 认识也不到位, 但是, 在现代经济学的发展过程中, 社会时间已经被人类所认识, 并且已经被引入到经济学的研究之中, 而且更好的促进了对于时间效用的研究, 极大的推动了经济发展, 以我国为例, 通过对“国庆”、“五一”、“清明”等“黄金周”的节假日调整, 就有效的拉动了国民消费水平;所以说, 在商品经济中, 商品与消费共同构成了经济社会中的商品消费。

其次, 从生产、消费的整体过程来看, 现代消费者已经懂得了对商品的估价, 也就是说通过对“生产要素”、“花费时间”的周全考虑, 对所要购买的有形产品与服务产品进行科学评估, 并且从整体上进行效用判断, 从而开展消费活动, 这已经构成了理性消费的一个重要部分。也就是说, 通过对体育消费品消费时间要素的增加, 从而获得关于它的消费者剩余, 按照传统经济理论原则进行进一步的探讨, 得出体育商品、消费时间的关系图谱。下面先对体育消费品中消费时间的消费者剩余进行说明。

若设消费者消费与生产活动性质具有一致性, 令整体产品为Z, 体育消费商品为x, 消费时间为t, 那么, 就可以得到关于生产的效用函数U=u (z) =u (x, t) ;根据上面体育商品的效用函数可以得到同样的效用曲线图, 也就是说, 通过对消费时间、体育商品间的分析与数据套用, 就可以构成总效用曲线图;假设上面的三个参数不变, 即商品数量、商品价格、体育商品效用曲线 (用D1D1表示) , 那么再将消费时间的效用曲线用D2D2表示, 就可以得到总效用曲线DD在购买了Q, 数量体育用品后的消费者剩余, 即OQE1P3;若将消费时间考虑在内, 就可以得到总效用曲线, 此时就有P4P3P2作为消费时间的消费者剩余, 具体如图2所示。

四、体育商品-消费时间的替代关系

首先, 可以通过举例的方式让这种关系图谱更为直观、形象的得到表述, 比如, 有一个年轻人喜爱高尔夫运动, 又偏爱野外探险, 那么, 这位年轻人只要求有充足的时间, 即可以完成两者;但是在情况不允许, 即时间有限制的情况下, 那么就会根据时间短而选择高尔夫, 根据时间长而选择野外探险;但是, 这也要求技术条件、资金支付能力、生活稳定状况等较为良好, 从而能够根据其生活状况与对生活状况的满意程度或幸福感来进行选择;这也就是现代经济学中的行为经济学;以本文所讨论的主题为准, 就可以知道, 消费时间、体育商品之间选择应该以经济原则为准, 也就是说必须将固定的时间进行最大效用的功能发挥, 这就是要求, 消费者有足够的幸福指数或恒定幸福感、体育商品价格、消费者偏好、消费者的理性程度、信息等相关因素。

其次, 将上面所说的四种因素进行数学关系式表达, 则可以得到MUx|P=MUT|w, 可以解释如下:体育商品边际成本=价格, 消费时间边际成本=工资率;所以, 当前者大于后者之时, 体育消费品就可以替代消费时间, 从而提升总效用, 可以将其推导到相等的程度;而反过来, 若前者小于后者, 那么就可以通过消费时间来替代消费品, 增加总效用, 也以相等为终止;那么, 就可以得到最大效用、既定效用下的最小成本;从而进一步以此作为基础原理, 对消费者的消费时间配置进行分析, 找到最佳的组合, 实现最大的效用。另一方面, 还应该考虑到工资率的变化, 它越高, 等式成立时就需要增加消费时间边际成本, 所以, 就可以通过缩减时间来达到对成本的平衡;实际上按照通俗的理解就是在减少消费时间的情况下, 去进行同等价位的高层次消费;另外, 应该从行为经济学的角度对时间节约的动机进行深入探查, 并找到人的行为动机所产生的影响。

五、结束语

总之, 在新的时代就要真正做到与时俱进、因时制宜, 从而将可持续发理念的指导原则进行贯彻与实施;通过上面的分析可以认识到体育消费主要由体育商品、消费时间二者的有效结合与互相作用所产生的整个过程, 其间包括的内容较为复杂, 但经过疏理可以得到确切的关系图谱;另一方面, 在传统理论所认可的消费者剩余的基础上, 对消费时间进行分析, 可以有效的将其价值凸显出来, 并且根据现代社会中的生产-消费关系, 构筑起基于消费埋单对体育消费品的效用关系, 从而在这方面认识到它的价值的同时, 提高对消费者的福利水平、提升体育产业经济利润等。

摘要：本文以体育消费品作为研究对象, 探讨基于消费时间的体育消费品效用问题。首先结合消费时间及经济性质对其进行了简要概述;主要分析了消费者剩余、体育消费品的消费时间与消费者剩余之间的关系, 重点对体育消费品中的体育商品、消费时间的替代关系进行了讨论。希望通过本文初步分析可以引起更多的关注与更为广泛的交流, 为该方面的理论研究工作与效用分析实践工作提供一些有价值的信息, 以供参考。

关键词：消费时间,体育,消费品,效用

参考文献

[1]刘英学, 刘志强, 赵江鸿等.我国城市青少年实物性体育消费品的品牌调查与分析[J].西安体育学院学报, 2014 (4) .

[2]李秀梅.我国体育消费品生产信息的研究[J].体育学刊, 2013 (5) .

[3]王春光.中国体育消费品市场的发展历程及现状分析[J].中国商贸, 2016 (21) .

[4]李晓艳, 炼海斌, 曹磊等.中国体育消费品市场的发展历程及现状分析[J].中国商贸, 2015 (12) .

[5]蔡祥雨, 刘志强, 赵江鸿等.我国青少年对体育消费品质量与价格组合体系需求的调查与分析[J].中国市场, 2014 (5) .

[6]刘振, 刘志强, 赵江鸿等.陕西省不同阶层居民体育消费品更新周期的调查与分析[J].福建体育科技, 2014 (5) .

[7]潘宏伟.四川高校硕士研究生体育消费现状的调查与研究[J].乐山师范学院学报, 2009 (12) .

三大城市群消费者时间花费分析 篇2

新生代市场监测机构CMMS2011数据显示: 长三角城市群【2】、珠三角城市群【3】、京津冀城市群【4】三大区域消费者在日常生活时间安排上存在明显的差异。调查共涉及三大城市群31445名有固定工作的消费者，在工作日（周一到周五）的时间安排。

作息习惯

京津冀消费者起得早，出门早，睡得晚；长三角消费者起得晚，出门晚，睡得早；珠三角消费者起得晚，出门晚，睡得也晚。

92.9%的京津冀上班族在8点以前起床，在三地工作族中，起床最早，二分之一的京津冀消费者在7点以前就已经起床。京津冀消费者起得这么早，与该区域在政府及事业单位从业人员比例较高，以及上下班路上花费时间较多有很大关系。

数据来源：新生代市场监测机构2011春季CMMS

进餐习惯

京津冀消费者起得最早，但仍然没有时间吃早餐；长三角消费者吃午餐/晚餐的时间均较早，珠三角消费者吃午餐/晚餐的时间均较晚。

早餐。珠三角、长三角的消费者相对更重视早餐，京津冀消费者虽然起床最早，但近50%的京津冀消费者没有时间吃早餐，这可能有两种情况：一是没有专门和固定的时间吃早餐，在上班的路上或者上班以后随便吃点饼干面包之类；二是基本上就不吃早餐。

午餐。京津冀消费者吃午餐的时间非常集中，46.5%的京津冀消费者在中午12点到1点间吃午餐；长三角消费者吃午餐的时间偏早，珠三角消费者吃午餐的时间偏晚。

晚餐。京津冀消费者吃晚餐时间比较分散；长三角消费者晚餐时间相对较早；而珠三角消费者吃晚餐的时间较晚而且集中，约一半消费者在晚上6点到8点间吃晚餐。

数据来源：新生代市场监测机构2011春季CMMS

工作习惯

上班。京津冀消费者上班时间最早，长三角消费者上午出门最晚，上班时间最晚。46%的京津冀消费者在9点以前已经出门上班，而只有28%的长三角消费者和35%的珠三角消费者在9点以前去上班，42%的京津冀消费者在上午8点~9点出门上班，而26%的长三角消费者、33%的珠三角消费者在这一时间段去上班。

下班。三地消费者的下班高峰均集中在下午4点到6点间。珠三角消费者下班要稍微早一些，而京津冀消费者和长三角消费者下班要稍晚一些。

数据来源：新生代市场监测机构2011春季CMMS

媒体接触习惯

总体上看，珠三角消费者更喜欢接触电视和广播，喜欢边吃饭边读报纸；长三角消费者则更喜欢看杂志和阅读，快节奏的生活让他们充分利用一分一毫的时间，在起床后及上班路上都要抓紧时间听广播；京津冀消费者则更偏好电视和报纸。由此，针对不同区域的消费者，选择不同的媒体通路和组合方能达到最佳的传播效果。

收视习惯。京津冀消费者和珠三角消费者晚上开始看电视的时间较早，同时看电视的时间较长，睡觉也较晚；长三角消费者晚上开始看电视的时间较晚，看电视的时间也较短，睡觉也较早。

由下表可见，京津冀消费者看电视最早，珠三角消费者看电视时间最长，长三角消费者看电视时间最短。

数据来源：新生代市场监测机构2011春季CMMS

数据来源：新生代市场监测机构CMMS201春季

三大城市群消费者在收视频道的选择上也有不同表现，选取晚上7点到10点这一黄金收视档作为观测时间段时发现：京津冀消费者最经常收看的电视频道以央视频道为主体，同时收看的比率也最高；长三角消费者相对偏爱央视频道和一些地方卫视，但是收看的比率不如京津冀；珠三角消费者由于处于独特的收视环境，所以收看香港地区电视台的比例很突出。

数据来源：新生代市场监测机构2011春季CMMS

收听广播习惯。京津冀和长三角消费者喜欢利用上午起床后或上班路上的闲暇时间听广播（上午6点到9点），而珠三角消费者则偏爱在早餐/中餐时听广播（中午12点到2点）。

数据来源：新生代市场监测机构2011春季CMMS

报纸阅读习惯。从阅读报纸的时间段上看，三大城市群消费者阅读报纸比例最高的时段均是晚上6点到7点间。珠三角城市群消费者阅读报纸的时间非常集中，大部分集中在午餐/午休和晚餐前后，京津冀消费者在主要读报纸时段的比例均比长三角和珠三角消费者要高。

数据来源：新生代市场监测机构2011春季CMMS

杂志阅读习惯。三大城市群消费者中，长三角消费者最喜欢阅读杂志，除14:00-16:59之外的各个时段，其阅读杂志的人群均最多，但京津冀和珠三角城市群消费者看杂志相对少。从时段上看，珠三角消费者在下午基本不看杂志，京津冀消费者在上午时看杂志最少。

数据来源：新生代市场监测机构2011春季CMMS

书籍阅读习惯。三大城市群消费者中，长三角城市群消费者最爱读书；对比各个时间段，京津冀与珠三角城市群消费者更喜爱在晚上看书。

数据来源：新生代市场监测机构2011春季CMMS

做家务习惯

在工作日（周一到周五），京津冀消费者做家务的时段更集中在上午上班前以及晚餐前后；而珠三角上班族，尤其是男性上班族很少自己做家务，尤其不会在上午做家务。

数据来源：新生代市场监测机构2011春季CMMS

营销思考

对于那些忙于制定媒介策略和投放计划的企业、广告公司和媒体来说，把握住三大城市群消费者日常生活时间安排上的差异点是极有意义的。比起将中国城市简单按照省市分成几个地区的做法，用城市分群的方式能将营销策略制定的更具有针对性。例如，根据不同城市群消费者不同的收视习惯，去决定电视广告的投放时间段和投放的具体频道；也可以依据不同城市群消费者的出行时间段和在家时间段的差异，去决定户外媒体和室内媒体的投放组合，从而更从容地针对目标消费群体进行精准化营销。

【1】实力传播《购买新激情：引爆中国内陆市场的巨大潜力》；

【2】选择CMMS-2011春季46城市数据中的上海、南京、杭州、苏州、宁波、徐州、温州、无锡、金华作为长江三角洲城市群总体进行分析；

【3】选择CMMS-2011春季46城市数据中的广州、佛山、深圳、厦门、福州、海口、南寧、江门、泉州、惠州作为珠江三角洲城市群总体进行分析；

居民消费价格指数的时间序列分析 篇3

(一) ARMA模型

设{Xt} (t=…, 1, 2, 3, …) 是一随机时间序列, 如果满足下列条件

①E{Xt}=μ, μ为常数t=…, 1, 2, 3, …

②E (Xt+k-μ) (Xt-μ) =γk, t=…, 1, 2, 3, …

则称{Xt}为平稳时间序列。

平稳时间序列{Xt}如果满足如下随机差分方程

则称差分方程 (1) 为p阶自回归-q阶滑动平均模型。记为ARMA (p, q) 。用滞后算子表示为

其中

{εt}是白噪声过程, 即{εt}满足如下条件

如果p=0, 模型 (1) 为q阶滑动平均过程, 记为MA (q) ;如果q=0, 模型 (1) 为p阶自回归过程, 记为AR (p) 。

在实际应用中, 我们要求ARMA模型满足平稳和可逆条件, 即Φ (Z) =0和Θ (Z) =0的根在单位圆外。此时模型 (2) 变为

模型 (3) 的无条件均值、无条件方差和条件方差都是常数。条件均值随着时间的变化而变化。所以, 可以利用该模型对未来进行预测, 应该可以得到比平均数更好的预测, 因为该预测会随着新数据的增加而不断调整。

假设我们得到的时间序列是平稳的, 就可以对它建立ARMA模型。

(二) ARIMA模型

上述的ARMA模型是平稳时间序列模型。现实中很多时间序列都存在一定的趋势, 因此是非平稳的。对于非平稳时间序列不能直接建立ARMA模型, 我们可以通过对非平稳序列进行差分以得到平稳序列。

若某时间序列是非平稳的, 通过差分运算, 得到平稳性的序列称为单整序列。如果序列Xt通过d次差分成为一个平稳序列, 而这个序列差分d-1时却不平稳, 那么则称序列Xt为d阶单整序列, 记为Xt~I (d) ;特别地, 如果序列Xt本身是平稳的, 则称为零阶单整序列, 记为Xt~I (0) 。对于非平稳时间序列Xt, 经过d阶差分变换得到平稳序列, 可对其建立ARMA (p, q) 模型, 即

称上述模型为求和自回归滑动平均模型, 记为ARIMA (p, d, q) , 其中, p, d, q分别表示自回归阶数、差分阶数、移动平均阶数, 当d=0时, ARIMA (p, d, q) 模型就是ARMA模型。

(三) ARMA模型的建模步骤

ARMA (p, q) 模型的建模步骤如下:

首先, 对原时间序列进行平稳性检验, 如果序列不满足平稳性条件, 可以通过差分变换或者对数差分等其他变换, 使原时间序列满足平稳性条件。将非平稳时间序列转换为平稳时间序列, 是对非平稳时间序列进行ARMA分析的必要前提。

其次, 对ARMA模型定阶, 即确定p, q。定阶的方法一般有两种:一是通过计算自相关函数和偏自相关函数按如下特征确定:

二是根据AIC和BIC信息准则确定:

T为样本长度, 是对噪声项方差的估计, 。判断滞后长度的准则是p和q的函数, 给定它们的值, 可以得到一个AIC值, 开始时, AIC随着p和q的增加而减小, 但由于样本长度有限, p和q越大, 估计精度越低, 增加, 因此AIC值又增加, 所以选择使AIC最小的p和q。

再次, 对模型的未知参数进行估计, 并检验参数的显著性, 以及模型本身的合理性。

最后, 进行诊断分析, 以证实所得模型与所观察到的数据特征相符。

在建模过程中, 需要一些统计量和检验来判断模型形式的选择是否适宜。所需要的统计量和检验包括:①检验模型参数显著性水平的t统计量;②检验序列平稳性的单位根检验;③模型的残差序列是否为白噪声序列, 可采用检验序列相关的方法进行检验。

二、居民消费价格指数ARMA模型的建立

居民消费价格指数 (Consumer Price Index) 是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标, 通常作为观察通货膨胀水平的重要指标。本文选取了1995—2006年全国居民消费价格指数共49个数据, 建立其时间序列模型。数据的分析与处理均采用Eviews3.1软件。表1为1995—2006年全国居民消费价格指数。

(一) 数据的平稳性检验与处理

利用Eviews软件对表1中的数据做相应的折线图, 如图1所示。

资料来源:中经网统计数据库。

从图2中可以看出, 消费价格指数具有一定的趋势性, 初步判断原序列{CPIt}是非平稳序列, 对其进行ADF检验 (含常数项和趋势项) , 结果显示{CPIt}是非平稳的。对做一阶差分, 得到序列{▽CPIt}, 对{ΔCPIt}做ADF检验 (含常数项) , 结果显示{▽CPIt}没有通过检验, 需要对序列{CPIt}做二阶差分, 二阶差分后得到序列{▽2CPIt}, 对其进行ADF检验 (不含常数项和趋势项) , 结果表明{▽2CPIt}通过ADF检验。{CPIt}、{▽CPIt}、{▽2CPIt}的检验结果如表2。

注:检验形式 (C, T, K) 中的C, T, K分别表示单位根检验方程包括常数项、趋势项和滞后阶数, 0表示不包括。其中滞后阶数的选择根据AIC准则确定。

表2显示, 序列{CPIt}的ADF检验统计值-2.8696大于1%、5%、10%显著性水平的临界值, 说明{CPIt}是非平稳的。序列{▽CPIt}ADF检验统计值-1.8993也均大于1%、5%、10%显著性水平的临界值, 说明{▽2CPIt}是非平稳序列。序列{▽2CPIt}的ADF检验统计值-5.4408均小于1%、5%、10%显著性水平的临界值, 为平稳时间序列。因此, 可以对序列{▽2CPIt}建立ARMA模型。

(二) ARMA模型的建立

ARMA () 模型的识别与定阶可以通过样本的自相关系数和偏自相关系数确定。将记为, 利用Eviews软件得到的自相关系数和偏自相关系数图, 如图2所示。

从图2可以看出, 序列{Xt}的自相关系数 (ACF) 拖尾, 偏自相关系数 (PACF) 在滞后2阶之后截尾, 因此考虑建立模型ARMA (2, 0) 。利用Eviews软件对模型进行估计, 估计结果如表3所示。

由表3估计结果得到回归方程为:

此模型为二阶差分后时间序列的拟合模型。

再看模型实际值和拟合值的情况, 如图3。

(图中上面两条线是Xt的实际值与拟合值, 下面的一条线是残差序列值)

从图3可以观察到, 该ARMA (2, 0) 模型拟合较好, 残差序列基本上也是一个零均值的平稳序列。

(三) 模型的检验

为考核模型的优劣, 需进一步对残差序列进行白噪声检验。若残差序列是白噪声序列, 可认为模型合理, 适用于预测;否则, 意味着残差序列还存在有用的信息没被提取, 需要进一步改进模型。检验可通过残差自相关分析图进行直观判断, 图4为模型残差序列自相关图。

从图4看出, 残差序列的自相关与0无显著不同, 或说基本落入随机区间, 认为残差序列为白噪声序列。模型通过检验。

结语

以上就是用我国居民消费价格指数序列来做的关于时间序列的一系列分析。

时间序列包含很多有用的信息, 如何从中提取这些信息有着重要的意义。时间序列分析为我们提供了挖掘信息的有效方法, 其可以用于很多类似的问题, 可以做市场调查、预测等, 它对我们的开展经济活动是很有帮助的。

参考文献

[1]潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社, 2006.

[2]池启水, 刘小雪.ARIMA模型在煤炭消费预测中的应用分析[J].能源研究与信息, 2007, (2) .

消费时间 篇4

【关键词】居民消费价格指数 ARMA 估测

一、居民消费价格指数

居民消费价格指数，即CPI（Consumer Price Index），是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。其衡量的是一定数量具代表性的商品或服务项目的价格随时间变动而变动的程度，通常这一指数也被用于反映居民家庭购买消费商品及服务的价格水平的变动情况。

因此，在考察一国或某一地区宏观经济运行发展状况时，其居民消费价格指数是必不可少的重要数据从指标。这一指标不仅反映一定时期内居民购买的商品和服务价格变动，还体现了在不同时期居民生活费用的变动状况。同时，居民消费价格指数还被广泛应用于判定经济体是否存在通货膨胀，故此，CPI也是市场经济状态的晴雨表。所以，从宏观管理层面讲，居民消费价格指数是各级政府部门了解居民消费价格状况，研究制定价格政策、工资政策、货币政策，以及为国民经济核算的重要依据和关键指标。从投资层面讲，居民消費价格指数是企业增加或减少投资的重要决策依据。从就业层面看，CPI是政府和企业调整雇员工资和津贴的重要指标。本文用过Eviews软件建立ARIMA模型，对我国近年来居民消费价格指数的统计数据进行分析和估计。

二、时间序列模型对居民消费价格指数的分析

（一）应用模型概述

1.时间序列模型。ARMA模型是目前应用较为广泛的平稳时间序列分析模型，模型具体可分为：AR模型、MA模型、ARMA模型。

ARMA模型表达式如下：

Xt=φ0+φ1Xt-1+φ2Xt-2+...+φpXt-p+εt-θ1εt-1-...-θqεt-q

φp≠0，θq≠0

E（εt）=0，Var（εt）=σ2ε，E（εtεs）=0，s=t

Exsεt=0，？坌s

引进延迟算子，ARMA（p，q）模型简记为：φ（B）xt=θ（B）εt，

其中：φ（B）=1-？渍1B-…-？渍pBp。为p阶自回归系数多项式；θ（B）=1-θ1B-…-θqBq为q阶移动平均系数多项式。令q=0，我们就从ARMA（p，q）模型得到了AR（p）模型。

在实际的分析应用中，大多数时间序列均为不平稳的时间序列，只有通过对非平稳的时间序列进行差分，才能获得平稳序列。对差分后平稳时间序列就能够用ARIMA模型进行拟合。

ARIMA（p，d，q）模型方程式如下：

φ（B）？塄dxt=θ（B）εt

E（εt）=0，Var（εt）=σ2，E（εtεs）=0，s≠t

Extεs=0，？坌s

其中：φ（B）=1-？渍1B-…-？渍pBp为平稳可逆ARMA（p，q）模型的回归系数多项式；θ（B）=1-θ1B-…-θqBq为平稳可逆ARMA（p，q）模型的移动平滑系数多项式；{εt}为零均值白噪声序列。

令d=1，p=q=0，ARIMA（0，1，0）模型可写为：xt=xt-1+εt，此模型被称为随机游走模型或醉汉模型。

2.时间序列模型分析步骤。一般，自回归移动平均模型（ARIMA）的建模分析过程包括以下几个步骤：

（1）检验原时间序列是否平稳，若非平稳序列则对其进行差分直至平稳；

（2）判断序列是否具有季节性，若序列具有季节波动，则通过季节差分消除；

（3）对序列进行自相关与偏相关分析，进行白噪声检验，确定阶数p，q拟合ARMA（p，q）模型；

（4）估计模型中的未知参数的值并对模型进行适当的检验；

（5）模型优化；

（6）.利用拟合模型，预测时间序列的将来趋势。

（二）数据的平稳性检验

选取2000年11月至2014年11月我国居民消费价格指数作为样本数据。通过应用Eviews得到居民消费价格指数的时间序列图可知，在不同时段，CPI指数的波动幅度也不尽相同。所以，原居民消费价格指数时间序列是非平稳序列。为进一步证明数据的平稳性，并将数据处理成平稳序列，我们分别对原时间序列和一阶差分后的时间序列进行单位根检验，检验结果如下表所示：

由上表所示，一阶差分序列DX的t统计量绝对值均大于在1%、5%、10%三个临界值下的绝对值，因此，差分后获得了平稳的时间序列。

（三）时间序列模型的建立

获得平稳的居民消费价格指数序列后，用ARIMA（p，d，q）模型对数据进行拟合、预测。DX序列的自相关、偏自相关函数图显示一阶差分自相关和偏自相关函数图特征不明显，因此，设二阶差分序列为W，由W序列的自相关函数图和偏自相关函数图可知，他们均是拖尾的，因此设定为ARMA过程。二阶序列的自相关函数第1阶最为显著，故先设q值等于1。而其偏自相关函数的1至7阶都很显著，从第8阶开始下降很大，因此设定p的值为7。由此，初步建立了关于W序列的ARMA（7，1）模型。

（四）模型的估计

对W序列的ARMA（7，1）进行估计后发现，模型与数据拟合度并不理想。在增加模型滞后长度后，经多次实验，我们确定拟合度等各方面数据最好的模型为ARMA（3，2），其中，模型的DW值约等于2，表明该模型拟合后的残差序列不存在自相关关系；模型的解释变量系数估计值均显著；拟合优度约为0.5，略低，但在可接受范围内；综上，这一模型具有直观意义和经济理论基础。

（五）模型的预测

时间序列预测是通过时间序列的历史数据揭示所研究现象随时间变化而变化的规律，并据此作出未来趋势的预测。在此，我们应用“Static”方法进行估计，预测结果中的Theil不相等系数约为0.42，协方差比例约为0.53，这表明模型预测结果比较理想。因静态预测仅能向后预测一期，故此，我们通过图5中的预测结果不难看出，模型预测的2014年12月居民消费价格指数具有上升趋势。究其原因：一是2014年12月为年底，且接近春节，各种食品价格会有所上升，而食品价、资源价格上涨的成本推动和冬季气候等其他不可预测的自然因素的影响，也都是引起物价上涨的关键因素。

三、总结

通过对时间序列分析方法的使用，本研究在短期内对居民消费价格指数变动趋势进行了基本的分析预测。具体通过对数据进行平稳化处理，进行模型识别和建立，运用最优模型对居民消费价格指数进行估测。最终估测结果显示估测误差较小，该模型能够对居民消费价格指数变动规律进行准确的模拟估测，对居民消费价格指数的短期预测有一定的参考价值。

消费时间 篇5

1文献综述

国外关于经济研究的权威研究可以追溯至1928年Ramsey提出经济增长的有限期界模型;但是, Ramsey的有限期界模型是在1939年Harrod经济增长模型被看做经济增长理论创立的标志后经Cass和Koopmans对有限期界模型进行补充与完善提出世代交叠模型时才被广泛认知和接受的[1]。Ram- sey、Cass和Koopmans的经济分析思想对以后的经济学者产生极为深远的影响,经济运行中各因素间关系的非线性分析和基于高等数学的抽象分析在已有文献中不断出现[2-3]。当然,根据具体经济分析内容的不同,不同文献中构建的模型表达式及其难易复杂程度也有一定的差异性。

国内关于经济增长的文献也较多。战明华,等结合Ramsey-Cass-Koopmans模型认为,在一定的假设条件下,经济要沿着一个平衡增长路径运行的必要条件之一就是投资不能过高和消费不能过低,否则经济就将最终发散至一个资本存量无穷大的非理性终结点[4]。也有大量学者具体分析我国投资和消费对经济增长的影响。李斌认为,虽然改革开放释放了原有体制蕴藏的投资和消费潜在冲动,但投资和消费的改革进程并不平衡,经济自我演进机制并未能良性运转起来[5]。李扬和殷剑峰进一步指出,高储蓄率和高投资率既是中国转轨经济高速增长模式得以维持的关键原因,也使得中国经济的增长与波动相伴随[6]。

国内外已有文献的代表性观点表明,由于经济增长的影响因素的多样性和复杂性,经济增长与其影响因素间的关系可能是非线性的。虽然国内众多学者研究了改革开放后低消费(高储蓄)和高投资驱动了中国经济的飞速发展,但少有学者考虑对建国后至改革开放前的中国经济进行实证分析;同时,对建国后至今新疆经济增长过程中投资和消费的影响建立非线性模型进行实证分析的文献就更少了。为此,本文通过理论分析说明经济增长与投资规模,以及消费水平间具有非线性变动关系的基础上,根据函数展开的麦克劳林公式构建了文中进行实证分析的模型。

2理论分析、模型构建与数据说明

凯恩斯宏观经济理论认为,推动经济平稳增长是一国或一地区追求的四个(另外三个目标分别为:促进就业;维持物价总水平稳定;平衡国际收支。)宏观经济目标中最为重要的。大量的国内外文献研究成果表明,关于影响一国或一地区经济平稳增长的理论观点和学说较多,而其中被广泛认可和产生影响深远的是拉动经济增长“三驾马车”的经济思想。由于从支出的角度核算国内生产总值为投资、消费和净出口之和,因此,投资、消费和净出口被生动形象地比喻为拉动经济增长的“三驾马车”。当然,这也反映了投资和消费在经济增长诸多影响因素中的重要地位。

2.1理论分析

从经济周期对投资规模和消费水平产生的影响看,当经济发展处于“复苏-繁荣”阶段时,投资规模在乘数原理和加速数原理的作用下将推动经济增长不断扩张。一定条件下,整个社会各种支持经济增长的资源是有上限的,并且伴随着经济增长时各种资源的使用成本也是不断上涨的,从而经济增长在各种资源及其使用成本的约束下将达到一定条件下的最高水平,当社会边际总收益小于社会边际总成本时经济增长将开始衰退,从而经济增长与投资规模间关系的拟合曲线在理论上应存在一个最大值;同理,当经济发展处于“衰退-萧条”阶段时,经济增长在乘数原理和加速数原理的作用下的不断衰退至维持整个社会基本生活消费水平时社会边际总收益大于社会边际总成本,从而经济增长将开始复苏,也就是说,经济增长与消费水平间关系一定条件下的拟合曲线在理论上也应存在一个最小值。

从储蓄水平对投资规模和消费水平产生的影响看,投资规模和消费水平都受储蓄水平的影响。储蓄水平提高,则投资规模扩张,但消费水平下降;反之, 储蓄水平降低,则投资规模萎缩,但消费水平提升。 所以,当投资规模扩张产生的经济增长效应大于消费水平提升产生的经济增长效应时,投资规模是推动经济增长的主要因素,消费水平是次要因素;反之,当消费水平提升产生的经济增长效应大于投资规模扩张产生的经济增长效应时,消费水平是推动经济增长的主要因素,投资规模是次要因素。换句话说,在投资规模和消费水平的共同影响下,投资规模扩张时可以实现经济增长,投资规模萎缩时仍然可以实现经济增长;消费水平提升时可以实现经济增长,消费水平下降时也仍然可以实现经济增长。

基于经济周期和储蓄水平两个方面进行的理论分析可知,经济增长与投资规模,以及消费水平间关系由于投资规模和消费水平之间还存在一种特殊的反方向变动关系而使得拟合曲线是幂函数(抛物线) 的可能性比是线性函数的可能性更大,所以,对新疆经济增长与投资规模,以及消费水平间关系适合构建幂函数(抛物线)模型进行实证分析。通过观察散点图也可发现新疆经济增长与投资规模间关系拟合曲线更接近开口向下的抛物线对称轴左半部分,而新疆经济增长与消费水平间关系拟合曲线更接近开口向上的抛物线对称轴右半部分。具体可参见图1和图2所示。

2.2模型构建

基于经济增长与投资规模和消费水平间关系的理论分析,文中界定经济增长为被解释变量,投资规模和消费水平为解释变量。按照已有文献的实证分析的处理思路,经济增长一般用国内生产总值来衡量,并且用Gdp来表示;投资规模和消费水平分别用Inv和Con表示。对经济增长及其影响因素进行实证分析产生深远影响的为美国数学家柯布(C.W.Cobb)和美国经济学家保罗·道格拉斯(Paul H.Douglas)提出的C-D生产函数。基于柯布–道格拉斯的C-D生产函数对经济增长进行实证分析的思路,可以得知新疆经济增长和投资规模间存在简单的函数关系为:

其中:a为常数项,b为投资–产出弹性系数,μ 为随机误差项。

由于投资规模和消费水平之间存在特殊的反方向变动关系,和,所以,根据函数展开的麦克劳林公式可以将其展开为:

于是,,从而可以得到新疆经济增长和投资规模间进行实证分析的模型函数表达式:

由于前文理论分析部分中指出了新疆经济增长和投资规模,以及消费水平间拟合曲线具有抛物线特征的观点,所以,在进行具体的实证分析时,文中构建了进行新疆经济增长(lnGdp )和投资规模(lnInv , ln2Inv )间关系实证分析的具体模型,其具体关系式为:

其中:α=a+b,为常数项;ρ=b,η=0.5b,均为对应变量估计系数;φ为随机误差项。

同理,可以构建进行新疆经济增长(lnGdp )和消费水平(lnCon ,ln2Con )间关系实证分析的具体模型,其具体关系式为:

其中:β,π,σ,φ的含义与α ,ρ,η,ψ的含义类似。

2.3数据说明

文中实证分析所用各变量数据主要为年度数据。 时间区间为1955年至2012年,共计58个年度的相关变量的时间序列数据。通过查阅《新疆50年》获得了1955年至2004年相关变量的统计数据;通过查阅 《新疆统计年鉴-2012》获得了2005年至2011年相关变量的统计数据;2012年相关变量的统计数据获取主要来源于2013年3月1日新疆维吾尔自治区统计局网站(http://www.xjtj.gov.cn/stats_info/ tjgb/)公开发布的《新疆维吾尔自治区2012年国民经济和社会发展统计公报》。同时,在具体的实证分析过程中主要利用了各变量自然对数化处理后的相关数据。

3实证检验与结果分析

3.1实证检验

3.1.1平稳性检验

平稳性检验通常也被成为ADF(Augmented Dickey-Fuller Test;ADF Test)检验。该检验的基本思想是比较被检验变量进行差分处理前后的特定临界值与ADF检验值的大小关系,从而判定被检验变量的平稳性。本文对各变量进行平稳性检验得到的结果见表1所示。

表1中各变量平稳性检验结果平稳性检验结果表明,一阶差分前的各变量5%水平临界值均小于其对应ADF检验值,表明各变量一阶差分前均是不平稳的;一阶差分后的各变量5%水平临界值均大于其对应ADF检验值,表明各变量一阶差分前均是平稳的。所以,各变量平稳性检验结果平稳性检验结果支持进一步进行协整检验。

注:检验方式中C ,T ,L分别表示平稳性检验方程中常数项、趋势项和滞后阶数,N表示不包括常数项或趋势项;最大滞后阶数为10(Maxlag=10)。

3.1.2协整检验

本文中协整检验主要采用Johansen和Juselius提出的在大量实证分析文献中得到广泛应用的似然比检验方法[7]。利用Eviews软件通过JJ协整检验可得到迹统计量和最大特征值统计量下的变量间协整关系个数的判定结果和1个协整方程时的标准化协整系数,具体可以参见表2、表3和表4所示。

注:*表示5%水平临界值时拒绝原假设(* denotes rejection of the hypothesis at the 0.05level.)。需要说明的是,协整检验过程中原假设的表达式为:lnGdp+α+ρ·lnInv+η·In2v+φ =0。

表2中迹统计量下的协整方程个数判定分析检验结果表明,当特征值为0.505 21时,对应特征值的迹统计量的值大于对应5%水平临界值,从而对应特征值下被解释变量和各个解释变量之间不存在协整方程(None)的原假设均被拒绝,换句话说,迹统计量下经济增长(lnGdp )和投资规模(lnInv ,ln2Inv ) 间的协整方程个数至少为1个;而最大特征值统计量下的协整方程个数判定表明经济增长(lnGdp )和投资规模(lnInv ,ln2Inv )间协整方程个数也是至少为1个。所以,新疆经济增长(lnGdp )和投资规模(lnInv ,ln2Inv )间至少存在1个协整方程。

注:*表示5%水平临界值时拒绝原假设(* denotes rejection of the hypothesis at the 0.05level.);协整检验过程中原假设表达式为:lnGdp+β+π·lnCon+σ·ln2Con+ψ=0。

同理,表3中迹统计量下的协整方程个数判定分析检验结果表明,迹统计量下经济增长(lnGdp )和消费水平(lnCon ,ln2Con )间的协整方程个数至少为3个;而最大特征值统计量下的协整方程个数判定表明经济增长(lnGdp )和消费水平(lnCon , ln2Con )间协整方程个数也是至少为3个。新疆经济增长(lnGdp )和消费水平(lnCon ,ln2Con )间至少存在3个协整方程。

于是,利用Eviews 5软件和设定协整检验滞后区间(Lags interval)的数对为(1 4)时可以得到新疆经济增长(lnGdp )和投资规模(lnInv ,ln2Inv )间存在1个协整方程的标准化协整系数,具体结果见表4所示;同时,利用Eviews 5软件和设定协整检验滞后区间(Lags interval)的数对为(8 10)时可以得到新疆经济增长(lnGdp )和消费水平(lnCon ,ln2Con ) 间也存在1个协整方程的标准化协整系数,具体结果也见表4所示。

注:表中括号内的数字为标准差(standard error in parentheses)。

由于协整检验过程中原假设的表达式为:lnGdp +α+ρ·lnInv+η·In2v+φ=0,所以,由表4可知, 新疆经济增长(lnGdp )和投资规模(lnInv , ln2Inv )间存在1个长期均衡关系,具体的均衡方程(协整方程)为:

同理,新疆经济增长(lnGdp )和消费水平(lnCon ,ln2Con )间存在1个长期均衡关系,具体的均衡方程(协整方程)为:

3.2结果分析

1)新疆经济增长和投资规模,以及消费水平间的长期均衡关系为开口方向不同的两条抛物线;与投资规模间长期均衡关系抛物线开口向下,与消费水平间长期均衡关系抛物线开口向上。新疆投资规模驱动的经济增长最高产出水平尚未出现,并且投资规模达到4.646 66万亿元时投资对经济增长的驱动效应达到最大值;新疆消费水平导致的经济增长最低产出水平出现在“十年文革”后的1979年至1980年间,并且消费水平为31.15亿元时,消费水平对新疆经济增长的驱动效应最低,对GDP的贡献仅占相应年份全部份额的1/5至1/4。具体来看,1955年至2012年共计58年的时间区间内,lnGdp和lnInv ,ln2Inv间长期均衡关系表明,新疆经济增长和投资规模间的均衡方程是一条对称轴(图3中直线c)为-ρ/2η = lnInv*= 10.74649,最大值为lnGdp*= 8.26115的开口向下的抛物线。这表明在生产技术相对稳定不变的前提下,投资规模Inv*=46466.64396亿元时使得新疆经济增长将达到最高产出水平,可见图3所示。

同理,lnGdp和lnInv ,ln2Inv间存在的长期均衡关系也表明,新疆经济增长和消费水平间的均衡方程是一条对称轴(图4中直线b)为-π/2σ = lnCon**=3.45254,最大值为lnGdp**=2.40787的开口向上的抛物线。这表明在生产技术相对稳定不变的前提下,新疆最低消费水平Con**= 31.58051亿元(1979年消费水平为31.15亿元,1980年消费水平为37.09亿元)时使得新疆经济增长将在 “十年文革”后出现最低产出水平;同时,Gdp**= 11.110 27亿元,从对产出的贡献占比来看,占1979年GDP45.63亿元的24.348 61%,占1980年GDP53.24亿元的20.868 28%。换句话说,当消费水平对新疆经济增长驱动效应最弱时,其对GDP的贡献仅占全部份额的1/5(1980年时)至1/4(1979年时),其图形可见图4所示。

2)新疆投资规模处于对经济增长起正向推动作用的区间,消费水平也处于对经济增长起正向推动作用的区间。虽然新疆投资规模对经济增长起正向推动效应,但投资规模进一步扩张的空间已经相对有限了;虽然新疆消费水平也对经济增长起正向推动效应,但受投资规模不断扩张和“投资-储蓄-消费”间内在关系的影响,消费水平的进一步提升也受到了限制。由图3可知,a、b两直线间抛物线表示1955年至2012年新疆经济增长的变动趋势,直线c表示投资规模继续扩张而经济增长将达到最高产出水平, b、c两直线间抛物线表示经济不断增长的条件下投资规模驱动的新疆经济进一步增长的空间。新疆消费水平对经济增长影响的分析与此类似,具体可参见图4所示。这一研究结论与吴忠群的观点(就我国当前情况看,无论是消费增长率还是投资增长率,都有一个政策作用空间,宏观政策的力度不宜超出这个区间[8]),以及经济增长前沿课题组的观点(过去20多年,中国高投资、高增长的发展模式以宏观成本积累为代价的;政府必须权衡粗放式高增长的宏观收益和成本,制定相应的政策来约束低效率的投资行为[9])具有一定类似之处的。

4研究结论

1955年至2012年共计58年的时间区间内,新疆经济增长和投资规模,以及消费水平间的长期均衡关系可以估计为开口方向不同的两条抛物线;与投资规模间长期均衡关系抛物线开口向下,与消费水平间长期均衡关系抛物线开口向上。新疆投资规模驱动的经济增长最高产出水平尚未出现,并且投资规模达到4.646 66万亿元时投资对经济增长的驱动效应达到最大值;新疆消费水平导致的经济增长最低产出水平出现在“十年文革”后的1979年至1980年间,并且消费水平为31.580 51亿元时,消费水平对新疆经济增长的驱动效应最低,对GDP的贡献仅占相应年份全部份额的1/5至1/4。新疆投资规模处于对经济增长起正向推动作用的区间,消费水平也处于对经济增长起正向推动作用的区间;但是新疆投资规模和消费水平的进一步提升都存在一定的约束。

摘要：实证分析结果表明,新疆经济增长与投资规模间长期均衡关系为开口向下的抛物线,与消费水平间长期均衡关系为开口向上的抛物线。新疆投资规模驱动的经济增长最高产出水平尚未出现,并且投资规模达到4.646 66万亿元时投资对经济增长的驱动效应达到最大值;新疆消费水平导致的经济增长最低产出水平出现在1979年至1980年间,并且消费水平为31.580 51亿元时,消费水平对新疆经济增长的驱动效应最低,对GDP的贡献仅占相应年份全部份额的1/5至1/4。新疆投资规模处于对经济增长起正向推动作用的区间,消费水平也处于对经济增长起正向推动作用的区间;但是新疆投资规模和消费水平的进一步提升都存在一定的约束。

消费时间 篇6

当前,我国经济增长快速,随之付出了巨大的资源代价,2001年之后,我国能源消耗出现了持续的上升,年均上升4.15%,大量的能源消耗对经济增长的制约越来越明显。2006年以来,政府开始加强节能降耗的具体举措,同时国内不少地区也开始进行产业结构节能,促进进一步提高能源利用效率。2010刚刚过去的两会强调2010年GDP增长8%左右,明显有防止经济过热局面出现的意味,同时也意味着国家把经济工作的重心从提高速度转变为保证质量上来,既促进产业升级、结构转变,打造绿色GDP。节约资源,提高能源利用效率是始终与经济发展相持的,基于本文对能源消费与经济增长的实证分析,对于社会经济的长远规划、能源发展战略制定具有重要现实意义。

同时,上世纪70年代石油危机发生后,能源对经济增长的作用开始被广泛研究,作为一种基本的生产要素,能源与劳动力,资本一样,对经济增长都会有明显的作用。Rashe and Tatom(1977),最先通过将能源消费引入Cobb-Douglas生产函数,尝试寻求能源利用与经济增长之间更符合实际过程的基本规律,定量地描述能源与经济发展的关系。与之前的研究相比,该方法具有约束条件少的优点,因而引起了广泛的关注。随着能源对经济发展的影响逐渐扩大,新古典经济学家(如Renshaw,1981)的研究方法是,在其先验理论的基础之上检验世界能源的相对价格对潜在GNP、收人分配、资本形成和经济福利等的影响。刘旖芸(2009)同样将能源作为新的生产要素引入Cobb-Douglas生产函数,用向量自回归(VAR)模型实证研究上海1985—2007年期间经济发展与能源之间的关联,研究表明,能源在中国经济增长过程中具有不可完全替代性。

在能源消费与经济增长关系上的研究结论上,主要有三方面:不存在因果关系、单向因果关系、双向因果关系。Cheng(1997)运用二元变量分析发现中国台湾的能源消费和GDP之间不存在因果关系;Kraft and Kraft研究美国1947—1974年能源消费与经济增长关系,得出经济增长是能源消费的原因;韩智勇和魏一鸣(2004)通过研究1978—2000年中国能源消费与经济增长的因果关系,得出中国能源消费与经济增长之间存在双向因果关系。

这些研究的共同点是基于一个时间序列上的实证分析,没有将我国经济处于不同发展时期来对比分析,以此探寻能源利用与经济增长的深入关系。鉴于能源消耗在2001年后出现持续的上升,同时,我国能源强度较之前逐渐平缓下降,在很长时间以来没有下降到一个新的较低水平,本文建立Cobb-Douglas生产函数模型,分别进行单整及协整、格兰杰因果关系检验及最后将基于全国能源消费总量、GDP、劳动力、资本的数据,分别用加权最小二乘法分析1985—2000年、2001—2009年两个期间的Cobb-Douglas生产函数,实证分析能源消费与经济增长之间的关系,结论表明能源消费与经济增长之间存在强相关关系,两个阶段能源消费与经济增长关系的差异表现为先弱后强的趋势,但是能源消费的增加不是经济增长的主要动因,最后提出相关的政策建议。

2 模型建立和数据来源

通常可以用单位工业总产值能耗或者单位生产总值产值能耗来表示一个国家或者地区对能源的依赖程度,以及能源的利用率。为避免原材料能源消费对经济产出的直接贡献性,本文利用单位生产总值产值来衡量我国能源强度的至1985年以来的变化趋势,整体上,随着工业化和城市化的完成,第三产业得到发展,以及科学技术的进步和管理的改善等其他因素,能源强度逐步下降,而在进入21世纪后,随着我国GDP增长率不断上升,我国能源消费增长率是迅速上升,而能源强度却趋于平缓,如下图所示,基于这样一个趋势分析的必要意义,本文将分为两个时间段1985—2000以及2000—2007年这两个时间段来比较分析能源消费和经济增长之间的关系。

原始数据来源:中经网统计数据库

2.1 模型建立

本文基于上述理论,从实证的角度研究模型中解释变量对被解释变量的影响方向和影响程度。生产函数是描述生产要素投入量与可能的最大产出量之间相互关系的数学方程,所以利用柯布-道格拉斯生产函数,即C-D生产函数:

Gi,A,Ki,Li在此分别表示第i年产出水平,不同于物质资本和劳动力数量的因素,固定资本投资和劳动力投入。α和β分别为产出的固定资本弹性和劳动力弹性。能源与资本、劳动一样是经济增长的内生要素,本文将能源作为新的生产要素引入生产函数中得:

其中Ki为第i年全社会固定资产投入总额;Li为第i年劳动力投入量;Ti为第i年能源消费总量;γ为能源消费弹性。为消除经济时间序列数据的异方差影响,所有变量均取自然对数。在实证模型中也设计这三个变量理论模型经过对数转化为线性模型后,易于验证,故变换后的模型为:

其中经济产出的指标G用考察期的GDP水平表示,即国内生产总值,剔除了能源原材料直接对经济增长的贡献性。C为基期技术水平,K为全社会固定资产投入总额,L为劳动力投入量,T为能源消费总量,μ为随机扰动项。

2.2 数据的取得

本文使用我国1985—2009年的时间序列数据,针对处于不同经济发展阶段时期估计能源消费与GDP增长的关系,采用加权最小二乘法来估算时间序列模型。基础数据通过《中国统计年鉴(2009)》以及中经网统计数据库整理得出,其中,G用国内生产总值表示,L用从业人员数表示,K用当年社会固定资本投资总额表示,T用能源消费总额表示,所有数据按照1985年不变价格进行换算。由于篇幅限制,数据表格略去。

3 基于时间序列模型的能源消费与经济增长的实证分析

3.1 对模型进行检验和参数估计

3.1.1 变量的单整与协整关系检验。

为避免虚假回归的产生,要对被解释变量LOG(G)和解释变量LOG(L),LOG(K),LOG(T)进行单整和协整关系检验,在单位根检验中,选择有趋势和截距选项,通过逐步选择差分比较,得出它们在5%的置信度水平下分别满足(1,2,2,2)阶单整。使用Engle-Granger法检验变量之间的协整关系,EG法有两个步骤,首先在Eviews3.1软件中建立LOG(T)、LOG(L)和LOG(K)对LOG(G)的协整方程,然后检验估计协整方程参数时产生的残差序列是否平稳。其中检验到残差序列的单位根检验表如下:

综上所述,经过单整、协整关系检验,可以确定被解释变LOG(G)与解释变量LOG(T)、LOG(K)、LOG(L)之间具有长期稳定的均衡关系,使用LOG(G)、LOG(L)、LOG(K)、LOG(T)构造回归模型不会产生虚假回归,可以得到具有实际经济意义的回归模型。

3.1.2 格兰杰因果检验。

利用Eiews3.1软件的格兰杰因果检验经济增长与能源消费的因果关系,结果如下:

从表中可以看出,对于LOG(T)不是引起LOG(G)变化的原因以及LOG(G)不是引起LOG(T)变化的原因两个原假设成立的概率为0.86167和0.40006,接受原假设既能源消费与经济增长之间不存在因果关系,GDP的增长不是能源消费总量增长的主要动因,能源消费总量的提高也不是GDP增长的主要原因,说明我国经济产出提高的同时,能源消费总量的提高存在浪费的现象比较严重。

3.1.3 使用WLS法进行参数估计。

利用加权最小二乘法(WLS)估计模型系数能够有效地消除模型的异方差性,同时也可以在一定程度上克服序列相关性,因此本文运用Eviews3.1软件采用加权最小二乘法,权重为残差的倒数,得到两个时间段的参数,估计结果如下表:

由此,1985—2000年与2001—2009年两阶段能源消费与经济产出的估计模型分别如下:

LOG(G)=11.13674+0.842809*LOG(L)+0.713009*LOG(K)+0.486461*LOG(T)

(6.334) (3.575) (12.268) (1.582)

R2=0.999999 D.W=1.000496 F=12470.13

LOG(G)=79.34568+0.668*LOG(L)+1.325*LOG(K)+0.874*LOG(T)

(4.207) (3.554) (6.546) (20.989)

R2=0.999999 D.W=2.564737 F=10701.89

3.2 对WLS模型进行验证

3.2.1 经济意义检验。

模型估计方程的三个解释变量系数均为正,符合被解释变量与解释变量之间的正相关关系,符合解释变量增长带动被解释变量增长的经济实际,与现实经济意义相符,所以模型通过经济意义检验。

3.2.2 统计检验

①拟合优度检验:R2检验。三个地区的拟合优度均为0.99999,说明方程的拟合优度较好。②变量的显著性检验:t检验。所有系数的t检验伴随概率均远远小于5%,所以,解释变量的系数显著不为零,通过显著性检验。③方程的显著性检验:F检验。两个个方程的F值都远远大于F0.05(3,Ni-4),其中Ni表示两个方程的样本数,分别为16、9。而且方程总体显著性检验的伴随概率小于0.001,方程在很高的置信水平下显著成立,具有经济意义。

3.2.3 异方差性检验

可以发现不论是否带有交叉项的怀特异方差检验法,均在很高的置信水平下接受方程不存在异方差性的原假设,使用加权最小二乘法估计模型参数几乎完全消除了初始方程的异方差性。

4 结论

本文利用生产函数模型,并通过采用单整与协整关系检验、格兰杰和加权最小二乘法的计量经济学的研究方法,就我国21世纪前14年和后9年能源消费与经济增长的差别影响进行了实证研究,从中可以看出,第一,从两个时间段模型中的LOG(T)的系数可以看出能源消费对我国拉动经济增长具有很大的正效应。说明剔除能源原材料的工业总值后,能源消费对我国经济增长具有很大的拉动作用。第二,通过分析该模型的经济意义,可以看出,后阶段发展时期模型当中的解释变量LOG(T)前的系数0.874表示能源消费每增加1%会使GDP增加0.874%。比较第一个方程中的LOG(T)前的系数发现,其他因素一定的情况下,能源消费对经济增长存在阶段性的贡献变化。随着经济的发展,产业结构的变动以及技术的发展等等因素能提高能源利用效率,以及新能源开始被大量积极采用,例如太阳能、风能、地热能、生物质能等,进入21世纪后能源消费对拉动经济增长的贡献率更大。在我国经济处于初始发展阶段,大量发展占主导地位的农业经济,工业经济规模尚小,并且发展缓慢,对能源的需求远远不及经济相对最发达以工业占主导地位的21世纪,同时,能源消费与经济增长相关性程度也比前期大,就能源消费对经济增长的贡献性来说,经济发展水平相对较高时期的大于经济发展水平相对较低时期的,说明两者关系会受到经济发展水平和经济运行机制的影响。第三,虽然能源消费与经济增长具有长期均衡关系,但是从长期来看,能源消费的增长不是经济增长的主要动因。

然而,虽然我国已积极采取节能降耗以及低碳等可持续发展途径,但是根据前文分析,能源强度依然处于一个缓和平稳趋势,又能源消费对经济增长具有不可取代的贡献,能源的短缺将是未来经济发展一个瓶颈,为了打破能源强度现阶段的平缓期,将我国能源强度重新下降到一个新的水平,以及促进我国经济长期可持续发展,提出以下几点建议:(1)调整产业结构,促进结构节能,发展高附加值的产业,提高能源利用率。(2)严格制定落后产能制度等经济政策,进一步引领经济市场积极走节能降耗的可持续发展道路。(3)促进能源的多元化发展,优化能源消费结构,积极发展能耗较低的第三产业,使经济结构向轻型化和节能化发展。(4)大力发展新能源、清洁能源以及可再生能源等。

参考文献

[1]韩智勇,魏一鸣.中国能源消费与经济增长的协整性与因果关系分析[J].系统工程,2004(12):17-21.

[2]王火根,沈利生.中国经济增长与能源消费关系研究—基于中国30省市面板数据的实证检验[J].统计与决策,2008(3):125-128.

[3]刘旖芸.上海能源消费与经济发展关系研究[D].上海复旦大学,2009.

[4]郭新华,毛凌琳.甘肃省能源消费与经济增长关系的实证研究[J].科学经济社会,2009(4):7-11.

[5]RASHE R,TATOM J.Energy resources and potential GNP[J].Federal Reserve Bank of St Louis Review,1977,59(6):68-76.

[6]KRAFT J,KRAFT A.On the relationship between energy and GNP[J].Energy Development,1978(3):401-403.