运用多元回归模型进行实际预测我国能源消费研究.doc

《运用多元回归模型进行实际预测我国能源消费研究.doc》由会员分享，可在线阅读，更多相关《运用多元回归模型进行实际预测我国能源消费研究.doc（10页珍藏版）》请在三一文库上搜索。

1、旺昌资料城 营销策划管理资料大全 QQ：602429086 运用多元回归模型进行实际预测 -我国能源消费研究 通过整理我国过去十几年的主要工业消耗情况的数据，包括能源、煤炭、电力等，进一步理清了近年来我国主要工业品的消耗数据。随着能源的的消耗，我国经济也在这十几年期间也有了长足的发展。对此，我们可以得知，与能源消费有关的因素包括能源生产总量、工业生产总值、国民生产总值、能源生产的弹性系数、增长率等等。在此，我们分析能源消费问题，认为能源生产总量、工业生产总值为其主要影响因素。所以，选取能源消费为被解释变量（Y），选取能源生产总值（X1）、工业生产总值（X2）为解释变量，进行多元回归模型的分析。

2、其中，选取1990年至2007年的我国能源消费的相关数据进行研究。数据如下：能源消费总量(单位：万吨)能源生产总量（单位：万吨）工业生产总值（单位：亿元）199098703.00 103922.00 6858.00 1991103783.00 104844.00 8087.00 1992109170.00 107256.00 10284.00 1993115993.00 111059.00 14188.00 1994122737.00 118729.00 19481.00 1995131176.00 129034.00 24951.00 1996138948.00 132616.00 2944

3、8.00 1997137798.00 132410.00 32921.00 1998132214.00 124250.00 34018.00 1999133830.97 125934.78 35861.00 2000138552.58 128977.88 40034.00 2001143199.21 137445.44 43581.00 2002151797.25 143809.83 47431.00 2003174990.30 163841.53 54946.00 2004203226.68 187341.15 65210.00 2005224682.00 205876.00 77231.0

4、0 2006246270.00 221056.00 91311.00 2007265583.00 235445.00 110535.00 2008285000260000130260.24资料来源中国统计年鉴（2008）1.用OLS法，得到估计结果:Dependent Variable: YMethod: Least SquaresDate: 06/08/09 Time: 16:37Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-5540.2325969.615-

5、0.9280720.3681X11.0238650.06659115.375490.0000X20.2628040.0929232.8281980.0127R-squared0.998164 Mean dependent var154036.3Adjusted R-squared0.997919 S.D. dependent var49161.79S.E. of regression2242.551 Akaike info criterion18.41963Sum squared resid75435536 Schwarz criterion18.56802Log likelihood-162

6、7766 F-statistic4077.477Durbin-Watson stat1.270011 Prob(F-statistic)0.000000得到样本回归方程为：i = 5540.232 + 1.023865X1 + 0.262804X2 （-0.9281） （15.3755） （2.8282） R =0.9982 R=0.9979 F=4077.477 DW=1.2700其中, 0= 5540.232 1=1.0239 2=0.2628 , 0为方程的截距, 1、2为斜率。2. 关于模型的检验:(1 ) 经济意义的检验: 1=1.02390，意味着能源生产总量越多，对能源的消费总

7、量越多；2=0.2628 0，意味着工业生产总值越多，对能的源消费总量越多。0、1的符号均符合经济理论及实际情况，通过检验。（2）统计检验：第一，拟合优度检验。 R =0.9982 ，说明 能源消费总量（Y）的变化中，能源生产总值（X1）、工业生产总值（X2）只能解释99.82%，说明样本和气观测值拟合的较好，通过检验。第二，F检验H0：1=2=0 H1：1、2至少有一个不为0由检验结果得F的尾端面积的值 为0.00000.05，故在显著性水平下，拒绝原假设，接受备择假设。认为回归方程的总体线性显著成立，即，能源消费总量与能源生常总量、工业生产总值的线性关系显著，模型通过检验。第三，t检验对1

8、 的 t的检验H0：1=0 H1：10由检验结果得，t检验结果为0.00000.05,说明在显著性水平下，拒绝原假设，接受备择假设。认为1显著不为0，表明模型中的能源生产总量对能源的消费总量的影响是显著的。通过t检验。对2的t检验H0：2=0 H1：20由检验结果得，t检验结果为0.01270.05,说明在显著性水平下，拒绝原假设，接受备择假设。认为2显著不为0，表明模型中的工业生产总值对能源的消费总量的影响是显著的。通过t检验。第四总体参数的置信区间0=0t0.025 S0= -5540.2322.131*5969.615即0的置信区间为（-18261.4816，7181.0176） 1=1

9、t0.025 S1=1.0238652.131*0.066591即的置信区间为（0.8820，1.1658）2=2t0.025 S2=0.2628042.131*0.092923即的置信区间为（0.064804，0.460822913）（2）计量经济学检验：第一异方差检验图示检验异方差图示检验法x1与e异方差图示法检验x2与e图示法检验表明x与e之间存在较复杂的关系，存在复杂性异方差。戈里瑟检验Dependent Variable: ABS(E)Method: Least SquaresDate: 06/08/09 Time: 16:41Sample: 1990 2007Included ob

10、servations: 18VariableCoefficientStd. Errort-StatisticProb. C3286.225979.61043.3546250.0040X1-0.0107980.006510-1.6587970.1166R-squared0.146740 Mean dependent var1718.178Adjusted R-squared0.093411 S.D. dependent var1145.248S.E. of regression1090.447 Akaike info criterion16.93100Sum squared resid19025

11、210 Schwarz criterion17.02993Log likelihood-150.3790 F-statistic2.751606Durbin-Watson stat2.039789 Prob(F-statistic)0.116628由结果得，x1的t检验尾端面积值为0.1166，说明x1的参数不显著不为，认为随即干扰项满足同方差假设，即e与x1没有明显的异方差性Dependent Variable: ABS(E)Method: Least SquaresDate: 06/08/09 Time: 16:43Sample: 1990 2007Included observation

12、s: 18VariableCoefficientStd. Errort-StatisticProb. C2309.944460.01645.0214390.0001X2-0.0142710.009164-1.5573560.1389R-squared0.131631 Mean dependent var1718.178Adjusted R-squared0.077358 S.D. dependent var1145.248S.E. of regression1100.059 Akaike info criterion16.94855Sum squared resid19362081 Schwa

13、rz criterion17.04748Log likelihood-150.5370 F-statistic2.425357Durbin-Watson stat2.021918 Prob(F-statistic)0.138944由结果得，x2的t检验尾端面积值为0.1389，说明x2的参数不显著不为，认为随即干扰项满足同方差假设，即e与x2没有明显的异方差性检验检验假设:0: i是同方差的 1: i是异方差的Eview检验输出结果为Dependent Variable: YAMethod: Least SquaresDate: 06/08/09 Time: 16:45Sample(adjus

14、ted): 1990 1996Included observations: 7 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C173383.249231.643.5217850.0244X1A-0.8878440.525111-1.6907720.1661X2A2.8573190.7056704.0490890.0155R-squared0.992296 Mean dependent var117215.7Adjusted R-squared0.988445 S.D. dependent var1

15、4646.12S.E. of regression1574.398 Akaike info criterion17.85866Sum squared resid9914915. Schwarz criterion17.83548Log likelihood-59.50531 F-statistic257.6197Durbin-Watson stat1.823098 Prob(F-statistic)0.000059Dependent Variable: YBMethod: Least SquaresDate: 06/08/09 Time: 16:45Sample(adjusted): 2000

16、 2006Included observations: 7 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-15348.022932.035-5.2345960.0064X1B1.0789360.03532030.547310.0000X2B0.2451060.0548334.4700830.0111R-squared0.999836 Mean dependent var201392.6Adjusted R-squared0.999755 S.D. dependent var46945.71S.E

17、 of regression735.2503 Akaike info criterion16.33583Sum squared resid2162372. Schwarz criterion16.31264Log likelihood-54.17539 F-statistic12228.46Durbin-Watson stat3.230803 Prob(F-statistic)0.000000由结果可得F=RSS2/RSS1=2162372/9914915=0.218093查分布表得，F(4,4)=6.39 F0.05,不能拒绝原假设，说明原模型没有异方差第二自相关检验图示检验法由结果可知，

18、有不明显的自相关趋势检验H0: =0 H1: 0由OLS法，得到估计结果DW=1.2700,查表得DL=1.05 DU=1.53由于DLDWDU,这种检验没有结论，即，是否存在序列相关，不能确定拉格朗日乘数检验检验假设H0: 1= 2=i=0 H1: 1、至少有一个不为0Eview拉格朗日乘数检验输出结果为Breusch-Godfrey Serial Correlation LM Test:F-statistic1.003554 Probability0.333453Obs*R-squared1.203980 Probability0.272528Test Equation:Dependent

19、 Variable: RESIDMethod: Least SquaresDate: 06/08/09 Time: 16:54Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb. C-786.57616020.330-0.1306530.8979X10.0085050.0671220.1267140.9010X2-0.0104600.093496-0.1118800.9125RESID(-1)0.2631040.2626381.0017760.3335

20、R-squared0.066888 Mean dependent var-2.24E-11Adjusted R-squared-0.133065 S.D. dependent var2106.510S.E. of regression2242.286 Akaike info criterion18.46151Sum squared resid70389822 Schwarz criterion18.65937Log likelihood-162.1536 F-statistic0.334518Durbin-Watson stat1.701344 Prob(F-statistic)0.80061

21、3由结果得，尾端面积为0.2725280.05,不能拒绝原假设，说明模型不存在序列相关预测做历史模拟图得到MAPE=23.74%外推检验Dependent Variable: YMethod: Least SquaresDate: 06/08/09 Time: 23:00Sample: 1990 2006Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-5849.9656133.010-0.9538490.3563X11.0300960.06901714.925240.0000X20.2461880

22、0994682.4750590.0267R-squared0.997359 Mean dependent var147474.8Adjusted R-squared0.996981 S.D. dependent var41767.52S.E. of regression2294.849 Akaike info criterion18.47351Sum squared resid73728660 Schwarz criterion18.62054Log likelihood-154.0248 F-statistic2643.081Durbin-Watson stat1.311110 Prob(

23、F-statistic)0.000000由结果得，0=-5849.965 、 1=1.0301 ,2=0.2462得到估计方程为：i = -5849.965 + 1.0301X1 + 0.2462X22007 年的能源生产总量为235445万吨，工业生产总值为110535.00亿元，得i-5849.965 + 1.0301235445 + 0.2462110535263895.6465万吨2007年实际的能源消费总量为265583万吨,相对误差为0.63%通过对我国近十几年的关于能源消费总量、能源生产总量和工业总产值的数据作回归模型分析，我们可以得知能源消费总量与能源消费总量、工业生产总值之间

24、的依赖关系。从能源消耗情况看，过去十几年中，我国亿元工业生产总值对应的能耗有了大幅度降低，从1990年，亿元工业生产总值消耗约14.3924万吨能源，到1995年亿元生产总值消耗能源5.2573万吨，再至2000年降至3.4609万吨，2005年降至2.9092万吨，到2007年降为 2.4027万吨，总的来说，我国的能源利用效率显著提高，然而，其水平仍然低于发达国家，能源消耗量大，不离于我国提出的“可持续发展战略”。所以，我国还应继续在能源领域实行“开发和节约并重，把节约放在首位”的方针，不断提高我国的能源利用效率，做到可持续发展。在节约能源方面，国家应在政策上给与大力支持，鼓励学术、企业、民间等不断创新开发新能源和提高能源利用率。并且，应该存有危机意识，我国虽是大国，但是，石油、煤炭等产量仍需大量进口，所以，我国更应该提高能源的利用率，减少对别国的依赖，走可持续发展战略，推进经济稳定、可持续的增长。参考网站：2008年中国统计年鉴更多精品资料网址： 旺昌资料城 营销策划管理资料大全 QQ：602429086