基于产业视角的电力消费与经济增长关系研究

檀勤良，张兴平，魏咏梅

(华北电力大学 经济与管理学院，北京102206)

0 引 言

能源消费和经济增长之间的Granger 因果关系隐含着重要的政策含义:如果存在从经济增长到能源消费的单向Granger 因果关系，意味着该经济体对能源的依赖比较小，因而执行保守的能源政策不会对经济产生消极影响。如果存在从能源消费到经济增长的Granger 因果关系，意味着该经济体属于能源依赖型，减少能源消费可能对经济增长产生不利影响。如果能源消费和经济增长存在双向的因果关系，说明能源消费和经济增长是相互影响的，保守的能源政策可能阻碍经济增长，同时经济增长对能源也具有正影响关系。如果两者之间不存在Granger 因果关系，说明两者之间没有影响，即所谓的“能源中性假设”。［1］

许多学者对我国电力消费和经济增长之间的关系进行了研究。文献［2］利用向量误差修正模型(VECM)对1971 ～2000年样本进行研究后指出:我国存在从电力消费到经济增长的单向因果关系。文献［3］利用标准Granger 因果关系检验对1978 ～2001年的时间序列进行分析，得到了相反的结论:我国存在从经济增长到电力消费的单向Granger 因果关系。文献［4，5］指出，我国电力消费和国内生产总值(GDP)之间长期存在双向的Granger 因果关系，但短期存在从电力消费到GDP的单向Granger 因果关系。因此关于电力消费和经济增长之间的Granger 因果关系，研究结论并不一致。文献［6，7］指出，这种争议可能是由于不同文献采用的样本时间、变量、检验方法等的不同所导致的。文献［8 ～11］对Granger 因果关系实证研究的文献进行了非常好的评论。

一些学者从其它角度对电力消费和经济增长的关系问题也进行了深入的研究。文献［12］的研究结论表明我国电力消费和经济增长之间存在协整关系，并利用该协整模型对电力消费进行预测。文献［13］基于VECM 模型的分析结果表明我国存在从电力消费到固定资产投资、人均可支配收入的单向Granger 因果关系，同时存在从出口到电力消费的单向Granger 因果关系。文献［14］对我国电力消费和城市化之间的关系进行了深入的分析并指出两者长期存在双向的Granger 因果关系，但短期不存在因果关系，因而电力消费对城市化的影响比较大。

我国三次产业发展极不均衡，第二产业不仅是GDP 的主要贡献者，同时也是最大的电力消费者。改革开放以来，我国第二产业和第三产业对GDP 的贡献大幅度增加，而第一产业对GDP 的贡献却急剧下降。因此这种不均衡的产业结构会对电力消费和经济增长之间的关系产生重要影响。因此如果从总量上来分析电力消费和经济增长之间的关系，就不能考虑产业结构的影响从而可能产生偏误。基于此，本文从三次产业的角度探讨不同产业电力消费与经济增长之间的关系。

1 变量及数据平稳性检验

随着我国经济持续稳定的发展，日益提升的技术水平和城市化水平对电力消费产生了明显的影响。因此在分析不同产业电力消费与经济增长之间关系时，不仅要考虑经济增长对电力消费的影响，同时也要考虑技术水平和城市化因素对电力消费的影响。在计量经济模型中，不同产业电力消费(Ei)作为被解释变量，不同产业增加值(Vi)、不同产业能源利用效率(Fi)和人口因素作为解释变量。人口因素根据模型检验情况选择总人口(P)或城市人口(U)。i = 1，2，3 分别表示第一、第二和第三产业。样本数据为1980 ～2011年，其中名义价值量以1980年为基年，剔除通货膨胀因素后得到实际量。为减少数据序列的波动，在数据处理过程中所有的数据都转化为其自然对数。

对时间序列数据的平稳性进行检验是选择合理模型的前提，即单位根检验。不同的单位根检验方法具有不同的解释力，本文同时采用5 种不同的单位根检验方法进行以获得具有说服力的结论:扩展的ADF 检验、PP 检验、DFGLS 检验、KPSS 检验和NP 检验。检验过程中对数据的水平值和一阶差分同时进行单位根检验，检验结果如表1。

表1 单位根检验结果Tab.1 Results of unit root test

根据表1，在对变量水平值的检验中，5 种检验方法得到了一致的结论:第一产业能源利用效率(F1)属于平稳序列，即I (0)，其它所有变量的水平值是不平稳的。一些方法在对变量一阶差分检验中，对个别变量的检验结果存在争议，但整体检验结果说明:除F1外，其它所有变量经过一阶差分后属于平稳序列，即属于I(1)过程。因此可以对属于I (1)过程的变量进行协整关系分析。

2 协整关系分析

协整分析是通过在向量自回归(VAR)模型上增加一个协整约束条件进行的。对于一个包含g 个变量，k 阶滞后的向量自回归(VAR)模型:

经过差分变换并重新设置参数，模型(1)可以转化为一阶差分的向量自回归模型:

Π 矩阵是变量长期关系的系数矩阵，在达到长期均衡时，式(2)差分变量是零向量，et中随机误差项的期望值为零，因此Πyt－k=0 表示长期均衡时变量的关系。由于经过一阶差分的内生变量向量中各序列都是平稳的，构成Πyt－k的各变量都是I (0)时，才能保证随机误差项εt是平稳过程。因此系数矩阵的秩满足0 ＜R(Π)＜g 时，存在矩阵α 和β，使得:

式中:β′ yt-k中每行都是一个I(0)组合变量，即每一行都是使得变量y1，t-1，y2，t-1，…，yg，t-1具有协整关系的线性组合形式，因此矩阵β 决定了协整关系的个数与形式，其秩是线性无关的协整向量的个数。

基于模型(3)进行的协整检验结果表明:在三个产业中，变量之间存在协整关系。同时也得到了三次产业中变量之间的协整关系模型分别为

值得指出的是，在第一产业模型中，由于第一产业能源效率属于I (0)，因此第一产业模型中不包括该变量。第二产业中，根据对模型统计指标的分析，使用城市人口比总人口具有更好的解释能力，因此第二产业中人口选择城市人口而不是总人口。这种检验结果反映了我国城市化进程对第二产业电力消费具有显著的影响。由于所有的变量均转化为其自然对数形式，因此变量前的系数表示弹性。根据模型(4) ～ (6)，第三产业电力弹性系数达到1.188，即当第三产业增加值增长1 %时，第三产业电力消费将平均增加1.188 %;第二产业电力消费与第二产业增加值基本同步增长(弹性接近1);第一产业电力弹性系数相对比较低(0.762)。能源效率提高对节约电力具有显著的效果，尤其是对于第二产业，当能源效率提高1 %时，电力消费将平均减少0.751 %。人口因素对电力消费也具有重要的影响，总人口1 %的增加将导致第三产业电力消费增长1.68 %，而第一产业电力消费将平均增加1.301 %;当城市人口增加1 %时，第二产业电力消费将平均增加0.268 %。因此人口和城市化对电力消费具有显著的影响。

3 Granger 因果关系检验

协整分析表明这些变量之间存在长期均衡关系，因而可以利用VECM 进行长短期Granger 因果关系检验。由于本文主要探讨不同产业电力消费和不同产业增加值之间的因果关系，因此只考虑如下两个VECM 模型:

式中:ε1t和ε2t是白噪声;Mt-1是通过协整模型计算的误差调整项。对于第一和第三产业，L 指总人口，对于第二产业，L 指城市人口。

如果系数σ1k是统计显著的，则说明存在从能源消费到经济增长的短期格兰杰关系;如果系数φ2k是显著的，则说明存在从经济增长到能源消费的短期格兰杰关系。如果系数α1是显著的，则存在从能源消费到经济增长的长期Granger 因果关系;如果σ1k和α1的联合检验是显著的，则存在从能源消费到经济增长的强Granger 因果关系。如果系数α2是显著的，则存在从经济增长到能源消费的长期Granger 因果关系，如果α2和φ2k的联合检验是显著的，则存在从能源消费到经济增长的强Granger 因果关系。

Granger 因果关系检验结果如表2，根据检验结果可以得到如下结论:

对于第一产业模型，在10 %的显著性水平下，短期存在从第一产业电力消费到第一产业增加值的单向Granger 因果关系。从长期来看，虽然第二个误差修正项不显著，但至少其中一个误差修正项是显著的，因此存在从第一产业增加值到第一产业电力消费单向Granger 因果关系。

对于第二产业模型，短期内第二产业电力消费和第二产业增加值之间不存在Granger 因果关系。从长期来看，由于不能拒绝误差修正项和交叉项系数均为零的原假设，因此长期存在双向的Granger 因果关系。

对于第三产业，长短期都存在从第三产业增加值到第三产业电力消费的单向Granger 因果关系，但不存在从第三产业电力消费到第三产业增加值的Granger 因果关系。

表2 Granger 因果关系检验结果Tab.2 Results of Granger causality test

4 方差分解分析

Granger 因果关系分析只能检验样本期内变量之间的相互关系，但不能测定变量的波动在样本期外对其它变量信息含量的贡献程度。因此应用方差分解方法分析某个变量对其它变量波动在样本外的响应程度和持续时间。方差分解是将系统中每个内生变量的波动按其成因分解为各方程新息(冲击量)相关联的组成部分，从而了解各新息对模型内生变量的相对重要性。多变量向量自回归模型中第i 个变量yit的表达式为

式(9)括号中的内容是第j 个扰动项εj从无限过去到现在对yi影响的总和。假定εj无序列相关，则

式(10)是把第j 个扰动项对第i 个变量从无限过去到现在的影响，用方差加以评价的结果。假定扰动项向量的协方差矩阵是对角矩阵，则yi的方差为:

yi的方差可以分解成k 种不相关的影响，为了测定各个扰动项相对yi的方差有多大程度的贡献，根据第j 个变量基于冲击的方差对yi方差的相对贡献率(RVC)来观测第j 个变量对第i 个变量的影响:

由于重点研究电力消费与产业增加值的影响，因此在三次产业的VECM 模型中只分解了电力消费量与产业增加值的预期误差方差。分别提取了各变量第1，5，10 期的方差分解结果，如表3。根据表3，可以得到如下结论:

在第一产业中，产业增加值在解释电力消费预测误差方差的贡献率从第1 期的0 上升到第10期的68.8 %，在系统中其长期影响是最大的。电力消费量对产业增加值预测误差变化具有比较显著的初始影响(10.7 %)，但其贡献力度是逐渐减小的，说明电力消费对该产业增加值具有短期影响。

表3 方差分解结果Tab.3 Results of variance decomposition

对于第二产业，产业增加值在解释产业电力消费预测误差方差的贡献率是随着时间递增的，从0 增加到25.18 %，这意味着产业增加值对产业电力消费在长期具有更强的影响。电力消费对产业增加值预测误差方差的贡献率也是随着时间而递增的，在第10 期达到53.69 %，从长期来看是其贡献率是最大的。因此该产业增加值和该产业电力消费之间具有长期的相互影响。

第三产业中，产业增加值在解释电力消费预测误差方差的贡献率从第一期的约为24.79 %增加到第10 期56.91 %，是该系统中影响最大的因素。但是电力消费量对产业增加值预测误差的贡献率并不显著。说明该产业增加值对该产业电力消费长短期都存在重要影响。以上方差分解结果进一步验证了Granger 因果关系检验的结果。

5 结 论

利用多变量模型，从三次产业的角度对我国不同产业电力消费和产业增加值之间的关系进行了分析，分析结果具有较强的政策含义。

对于第一产业，短期存在从电力消费到产业增加值的单向Granger 因果关系，而长期存在从产业增加值到产业电力消费的单向Granger 因果关系。也就是说，从短期来看，电力是第一产业增长的重要推动力，电力短缺会对第一产业产生显著的影响。但从长期来看，第一产业的发展导致了电力消费的增加，因此执行保守的能源政策对第一产业的发展不会产生显著的负影响。

对于第二产业，产业增加值和产业电力消费在短期内不存在Granger 因果关系，但长期存在双向的Granger 因果关系。这种因果关系意味着我国第二产业属于能源依赖型，电力消费是第二产业发展的重要推动力，电力短缺和保守的能源政策可能对第二产业发展具有显著的负影响。第二产业不仅是GDP 的贡献者，同时也是最大的电力消费者，因此从现在的能源依赖型发展模式转变到非能源依赖型的发展模式应该是我国能源政策的主导方向。比如，使用能源效率高的设备、鼓励提高能源效率的技术投资、发展可再生能源、执行更好的能源政策和能源管理体制等。

对于第三产业，长短期均存在从产业增加值到产业电力消费的单向Granger 因果关系，意味着第三产业对电力的依赖程度比较低，产业的发展导致了电力消费的增加，因此在第三产业执行保守的能源政策对该产业的发展产生轻微的甚至不产生负影响。

［1］Masih，A M M，Masih，R.A multivariate cointegrated modeling approach in testing temporal causality between energy consumption，real income and prices with an application to two Asian LDCs ［J］.Applied Economics，1998，30 (10):1287 －1298.

［2］Shiu A，Lam P L.Electricity consumption and economic growth in China ［J］.Energy Policy，2004，32(1):47 －54.

［3］林伯强.结构变化、效率改进与能源消费预测－以中国电力为例［J］.经济研究，2003，38 (5):58－65.

［4］Yuan Jiahai，Kang Jiangang，Zhao Changhong.Energy consumption and economic growth:evidence from China at both aggregated and disaggregated levels ［J］.Energy Economics，2008，(30):3077 －3094.

［5］Yuan Jiahai，Zhao Changhong，Yu Sunkun.Electricity consumption and economic growth in China:Cointegration and co-feature analysis ［J］.Energy Economics，2007，(29):1179 －1191.

［6］Song Z C W，Chen C F，Zhen Zhu.Economic growth and energy consumption revisited—Evidence from linear and nonlinear Granger causality ［J］.Energy Economics，2008，(30):3063 －3076.

［7］Huang B N，Hwang M J，Yang C W.Does more energy consumption bolster economic growth?An application of the nonlinear threshold regression model ［J］.Energy Policy，2008，(36):755 －767.

［8］Huang B N，Hwang M J，Yang C W.Causal relationship between energy consumption and GDP growth revisited:A dynamic panel data approach ［J］.Ecological Economics，2008，(67):41 －54.

［9］Lee C C.Energy consumption and GDP in developing countries:a cointegrated panel analysis ［J］.Energy Economics，2005，27 (3):415 －427.

［10］Lee C C.The causality relationship between energy consumption and GDP in G-11 countries revisited ［J］.Energy Policy，2006，(34):1086 －1093.

［11］Yoo S H.The causal relationship between electricity consumption and economic growth in the ASEAN countries ［J］.Energy Policy，2006，34 (18):3573 －3582.

［12］Zhang Xingping，Gu Rui.Electrical energy consumption forecasting based on cointegration and a support vector machine in China ［J］.WSEAS Transactions on Mathematics.2007，6 (12):878 －883.

［13］张兴平，牛玉琴，赵旭.中国电力消费协整关系模型［J］.中国电机工程学报，2008，28 (13):14－119.

［14］谢品杰，谭忠富，侯建朝，等.我国城市化与电力消费水平的动态关系分析［J］.电网技术，2009，33 (14):72 －77.