论文总字数：30288字

摘 要

16012502 潘璐

指导教师 王蓓蓓

用电量需求分析对电力公司准确掌控行业发展，监测运行态势,预测未来发展，制定有效政策具有举足轻重的意义。本课题运用协整理论和误差修正模型揭示了2010——2015年江苏省行业用电量与工业增加值和投资额之间的协整关系。在ADF单位根检验确认变量之间同阶单整后进行Johansen协整检验，发现了用电量、工业增加值与投资额之间具有协整关系，并建立了三者的长期均衡模型。为了提高精度，在长期均衡模型的基础上，通过误差修正模型构建短期调节关系模型。然而算例说明，在较短的时间范围内，误差修正模型对于提高精度并无显著帮助，并得出了在这一时期内行业用电量与经济增长存在短期背离的结论。

为进一步挖掘全社会不同行业对于江苏省总体用电量的影响程度，在对电力消费进行整体研究的基础上，本课题尝试以用电量和多个外部经济指标为基础，分别用投影寻踪法和因子分析法对2015年江苏省分行业景气程度进行了分析。投影寻踪模型是产生于自然科学中的一种能够解决“高维问题”的多元统计方法，本模型将使用软件MTALAB来实现，确定各行业的景气程度。而因子分析法通过分析诸多指标之间的数据结构和内部关联，用少数几个“抽象”的因子来表示其中的主要信息。结果显示，投影寻踪模型和因子分析法作为评价方法，对指标的权重判断略有不同，因此对各行业景气程度的判断也有所差异，本文对此进行了比较说明。

关键词：景气分析，协整理论，误差修正模型，投影寻踪模型，因子分析法

Abstract

It is of great importance to analyze the electricity demand to help the power grid companies grasp the industry development, monitor operation situation, forecast the future development and implement the effective policies. The research indicates the co-integration relationship among electricity consumption, industrial added value and fixed investment in Jiangsu Province from 2010 to 2015. The variables are screened in steps by advanced Dicker-Fuller unit root test and Johansen co-integration test. It is discovered that there is a co-integration relationship between the three indexes, and then a long-term equilibrium model for them is established. What’s more, on the basis of the long-term equilibrium model, a short-term regulation relationship model is constructed to improve the accuracy. However, the calculation example shows that the short-term regulation relationship model is not useful to improve the accuracy in such a short period. It can be concluded that there is a short-term deviation between electricity consumption and economic development in this period.

According to the overall study of electricity consumption, the research attempts to make prosperity analysis on various industries in Jiangsu Province in 2015 based on the electricity consumption and other external economic indicators, using projection pursuit method and factor analysis respectively. Projection pursuit method is a multivariate statistical method to solve high-dimension problem. The model will be realized by the software of MATLAB, which could determine the electricity prosperous index of industries. By comparison, factor analysis focuses on seeking the internal dependency and data structure among a number of variables and uses a few of abstract factors to represent its main information. The result implies that as evaluating methods, projection pursuit method and factor analysis differ in judgement on the weight of indicators and therefore differ in the judgement of prosperity. The thesis makes explanation and comparision to them.

Keywords: Prosperity analysis, co-integration theory, error correction model, projection pursuit method, factor analysis

第一章 绪论

1.1引言

1.1.1选题背景

电力是国民经济发展的先行基础，各行各业用电的发展速度与国民经济的发展水平直接相关，保证电力稳定充足供应对于经济发展和人民正常生活有着十分重要的意义，并且找到各行各业的用电发展态势，将对电网公司、国家相关职能部门就地区发展规划，产业政策的制定等方面提供全方面、多层次的参考价值。

1.1.2研究目的及意义

自上世纪七十年代末，学术界里对于用电量的增长的原因因素进行广泛的分析，并一致认为经济因素与其存在着密不可分的关联关系，并得出了不同的结论，百家争鸣。通过本课题的研究，综合分析2010-2015年江苏省外部环境信息、各类宏观经济指标数据、分行业用电量信息，实现对分行业用电信息的采集、分析，能够充分把握行业的波动情况，进而分析行业用电的景气程度。本课题为电力公司准确掌握行业发展态势，实现对其未来用电量的有效预测，制定出行之有效的政策等方面提供了实时依据，为公司运营决策提供支撑。

1.2景气分析的基本概念

行业景气是指在不同的时间阶段下，行业在市场中所展现出的不同的发展态势。它是指在生产周期中，行业出现发展繁荣、利润增加、市场向好等现象。上述关于行业景气的观点，已经被很多国家所接纳并应用在分析行业发展的实例中。与景气相反的概念是不景气，是指在生产周期中，行业出现发展低迷、行业衰退、利润减少等经济现象。对行业景气进行分析通常通过观察在一定时期内行业经济是否发展繁荣，即分析行业在什么时间进入上涨和低迷的状态。

对于行业景气还是不景气，我们主要从外部影响和内部影响来看，对于外部因素主要有

各类经济指标的变换、生产周期、原材料供需、国际环境的需求变化、产业结构的调整，对于内部因素主要有客户需求的波动，科学技术的进步、相关方针的执行等。对于判断行业发展态势好坏与否，通常都是以企业的利润高低作为标准，但这也不是唯一的标准，也可能出现企业利润下降，但行业发展态势却向好。所以我们分析行业发展态势的时候还要考虑其他外部因素，比如生产原材料的成本、运输方式的变化、生产技术的不断革新，这样才能更加准确的来分析行业发展态势^[1]。

为了正确地分析经济在今后未来的走势，必须把各方各面的影响纳入到分析流程中，其中生产、投资、税收、价格指数、原材料成本、政策等因素的变动及内在关联就必须考虑到。因此，在上个世纪中后期，美国商务部和国家经济研究局（National Bureau of Economic Research，NBER）合作开发了反映美国经济运行各种指数，其中包括先行指数、一致指数和滞后指数，它们用来反映美国宏观经济的实际状态，并刻画其在未来的发展态势。合成指数法一直被美国政府运用到现在。景气合成指数方法可以用来反映国家宏观经济在生产周期内的波动，还可以将此方法用在行业中，以此反映其在生产周期内的发展波动态势^[2]。

1.3 景气分析的研究现状

迄今为止，学术界对用电量增长的关联影响因素分析开展了许多相关研究。由于研究理论、面向对象及分析地区、分析时间区间的不同，得出的结论也有各有千秋。对于国内有关学者的研究，林伯强（2003）^[3]应用在经济计量学领域热门研究方法——误差修正模型和协整检验建立研究模型，发现国内人均生产总值、能源消费总量、成本价格及产业结构之间存在长期稳定的均衡关系，并且发现对于能源消费起决定性作用的是成本和销售。梁亚丽（2005）^[4]对电力消费中所产生的阶段性波动现象展开了分析，并将经济学中的周期理论、状态空间模型应用其中，发现在影响电力消费中的波动现象的原因中，经济发展变化将起着主要的影响作用。王曼（2005）^[5]针对钢铁行业，收集了七年间行业的外部经济指标及行业具体的指标，对指标进行季节调整处理，计算指标的增长率，运用各类聚类方法对指标组进行聚类，确定其先后周期，依此来建立行业的领先、滞后、一致的指标组，并利用美国商务部的CI法来计算行业的景气指数，并来判断钢铁行业的发展趋势。吴疆（2009）^[6]使用年度数据为评价对象，依次分析了16个主要国家宏观经济和用电量的相关关系，发现两者的关系主要表现在用电量弹性系数的不断变动，并且单位产值电耗、地区的用电结构占比以及电力市场的不确定性是影响宏观经济和用电量的相关关系的主要因素。张永军（2009）^[7]通过工业增加值、用电量数据来分析了两者的变化，发现工业行业内部的产业结构的调整将会导致用电量的逐步下降。陈文静、何刚（2009）^[8]将非参数模型和半参数模型应用于电力需求分析中，分析影响中国用电量的因素，发现中国用电量的影响因素主要是经济增长、人口数量的变化和产业结构的不断优化。蒋贲（2009）^[9]通过分析电力行业的实际态势，使用季节调整法和时差相关分析法建立了评价指标体系和电力景气分析模型，模型可以得到电力行业的领先、滞后、一致的指标组，并可以量化三大指标组的起伏趋势，从而可以分析电力行业的景气形势和预测未来的发展状况。刘畅、高铁梅（2011）^[10]建立电力相关数据建立误差修正模型，发现工业增加值、耗能较大行业、原材料库存及用电量之间存在稳定的长期均衡关系，并且发现对于电力消费的波动变化起关键性作用的是规模以上工业增加值以及重工业在工业的比重。

在国内的许多研究中，一些经济学的方法也同样值得借鉴。王云杰、郭伟（2006）^[11]等依据04年数据运用灰色关联度分析法对公司的经营业绩进行综合评价，并建立了九个评价指标组。徐蕾、高海军^[12]在灰色关联度方法的基础上，运用投影寻踪技术(PP)构建了上市公司经营业绩综合评价模式的重要方法。龚盈盈（2005）^[13]建立景气指标体系，并从指标的选取、筛选、聚类等方面进行解释，依次将景气信号灯、BP神经网络和景气指数整合在一起，对湖北省经济形势进行综合判断与趋势判断。郭勇（1996）^[14]利用景气灯号模型对医院工作进行了监测。

在国外现有的研究中，如Kraft and Kraft（1978）^[15]使用格兰杰因果检验方法对美国1947-1974年的相关数据进行实证分析，发现存在从GNP到能源的单向因果关系。Masih（1997）^[16]设计多元化的考虑各种经济因素的计量模型来分析发展中国家的人均工资与总电力需求之间的因果关系。Stern（1993）^[17]将协整理论引入多变量动态研究中，发现各类能源消费与国内生产总值的关系是显著的。Asafu-Adjaye（2000）^[18]使用协整和误差修正模型分析能源消费和国内生产总值的因果关系，并应用于印度、菲律宾、泰国等发展中国家。Soytas和Sari（2003）^{[19]- [20]}针对十六个新生市场，分析了其市场的经济增长与能源消费的因果关系。

由此可见，能源消费与宏观经济形势的关系错综复杂，并受诸多因素的影响。

1.4本课题的研究思路

为揭示2010-2015年间外部经济指标对江苏省用电量的影响，本文筛选出两个经济指标构建了误差修正模型。接下来，为进一步挖掘分行业景气程度与用电量之间的关系，本文分别采用投影寻踪模型和因子分析法进行聚类，分析聚类结果中的内在联系。本文的研究成果可以为电力公司等管理部门规划电力系统运行，调整波动周期等决策提供切实可行的依据。

第二章 综观电力消费的内生性

2.1引言

众所周知，用电量的需求收到许多经济因素的左右。在人们的日常认知中，若全社会经济向好，企业的产值和利润稳步上升，便会刺激生产，全社会的用电量也随之上升。然而，一旦供需不平衡，供应远大于需求的时候，生产的脚步就会放缓，用电量随之下降。周而复始。

然而，从不同的角度衡量效益的经济指标不胜枚举，对用电量也有不同程度的影响，若能找到这些经济指标与用电量的关系，便可以对电力公司调整供电负荷，对企业组织生产提供指导。

本章着重于构建模型，探寻工业增加值、固定资产投资与用电量的关系，并找出其长期均衡关系和短期调节关系。^[21]-[23]

2.2主要研究方法

2.2.1协整理论

协整理论作为一种计量经济学常用的方法，在上世纪80年代由恩格尔和格兰杰等人创建，非平稳经济变量之间所保持的长期均衡关系可以得到全面的解释。

如果两个或多个变量均为单整的，并且这些变量都有相同的单整阶数，对这些变量进行线性组合后，都为零阶单整的序列时，就可以说变量间有协整关系。协整的定义可以表述为：如果序列都是阶单整的，存在向量，使，其中，，则认为序列都是阶协整的，记为，为协整向量。

协整关系的含义表明：虽然两个序列都是非平稳的，都具有各自的长期波动规律，但对着两个序列进行线性组合后有可能是平稳的，这样就可以说该两个时间序列存在长期稳定的关系，因此就需要去分析它们的长期均衡关系，本章的研究模型就是参照这一概念来建立。

2.2.2 误差修正模型

根据格兰杰定理，对于那些变量的阶数是一样的但变量之间不平稳的情况，如果变量之间具有协整关系，就一定存在误差修正模型来反映变量之间的均衡关系。误差修正模型是一个能体现出长期的均衡关系对于短期波动影响的差分方程模型。它的组成有以下几个部分：随机误差、原变量的差分变量和非均衡的误差量。

2.3电力消费内生性模型的建立

2.3.1建模步骤

将用电量这一指标作为变量，该变量作为时间序列往往都是非平稳的，但对于非平稳变量，若变量之间具有相同阶数，则存在着一种长期稳定的均衡关系。因此本文首先通过 ADF单位根检验，验证用电量与其影响因素变量是否是同阶单整序列；若是，则通过协整检验得出他们的协整关系式，建立长期均衡关系模型；接下来，若变量之间具有协整关系，则依此关系建立误差修正模型，并建立用电量与其他因素之间的短期波动影响关系模型。模型的建立是基于江苏省2010-2015年的用电量和宏观经济数据，分析是借助于Eviews软件完成的，分析步骤如图 2-1所示。^[24]

图2-1：电力消费内生性模型建模步骤

2.3.2变量初选和数据预处理

建立电力消费内生性模型主要有以下几个步骤：第一步要选取一些影响用电量（Electricity consumption，简称E）的变量，第二步筛选出对分析有用的变量，以确定最后哪些变量可以进入模型。分析电力消费在经济生活中地位以及相关影响因素，并考虑有关数据的获取难易程度，本文初步选取了工业增加值（Industrial Added Value，简称V）和固定资产投资（Fixed Investments，简称I）。

为了维持各个变量的平稳性和变量之间的协整性，可以对指标数据取对数，缩小指标数据的实际数值，可有助于分析计算。经对数变换后的变量分别用、和表示，一阶差分后的变量分别用、和表示。

2.4协整检验

2.4.1变量平稳性检验

对于变量来说，如何判断变量的平稳性和确定变量的单整阶数可通过ADF检验，即单位根检验来查验。ADF检验是通过检验单位根是否存在于序列中而判断其是否为平稳时间序列的方法。

目前普遍使用的单位根检验主要有两种。第一种是以“变量是非平稳的单位根过程”为原假设，“变量为平稳过程”的备择假设，如ADF检验法和PP检验法；第二种是以“变量是平稳的”为原假设，“变量为非平稳过程”的备择假设，如KPSS检验。

本章研究为了确定变量的平稳性，选用（ADF）单位根检验。而计量经济软件Eviews里面包含对变量进行单位根检验的模块，其中若ADF的统计量小于临界值 (或P值小于设定的显著性水平)，则可认为被检验的变量是平稳的；若ADF的统计量大于临界值 (或P值大于设定的显著性水平)，则可认为被检验的变量则是不平稳的。

为了更加清晰明了地认识变量的内在变化趋势规律，确定对各个变量单位根检验的结果，可以先画出各变量的水平项时序图，其次画出一阶差分项的时序图。首先以三年为一时间区间，以2010年-2012年为例进行检验。

图2-2：水平项的时序图

图2-3：1阶差分项的时序图

从图2-2、2-3可以看出，、、并没有明显的时间趋势，并表现出变量不平稳的态势，故对各变量水平项进行的单位根检验是需要包括截距项，而趋势项应该排除在外；而 、、 没有明显的时间趋势，但与原序列进行比较后，趋势呈现较平稳的趋势，所以对各变量一阶差分项进行的单位根检验类型需要包括截距项，而趋势项应该排除在外。

表2-1：2010-2012年对原序列的ADF检验

表2-2：2010年-2012年对一阶差分序列的ADF检验

从表2-1可以看出，单位根检验结果表明，用电量、工业增加值、固定资产投资三个变量的水平时间序列都是非平稳的，但对各变量进行一阶差分后，各变量均呈现较为平稳的趋势，即 2010年-2012年间的全社会用电量、工业增加值和固定资产投资都是一阶单整序列，可以进行协整检验。

2.4.2协整检验方法和建立变量间的长期均衡关系

学术界按照检验变量的多少，将协整检验分为两种：一种是在1987年提出的Engle-Granger两步检验法。Engle-Granger两步检验法主要从怎么将零假设转换为判断变量的无协整关系的问题，该方法通过最小二乘法来确定表征变量间的平稳关系的系数，在通过ADF检验来确定序列的残差项，而对于该方法确立协整关系是否存在就是去看零假设，即拒绝单位根的存在，该方法适用于两变量的检验。另一种是Johansen及Juselius提出的检验方法，该方法的主要途径是将求解极大似然函数的问题，通过向量自回归模型变换成求解方程特征根和对应的特征向量的问题。这样协整分析检验就可以应用于有多个协整向量的情景下。在经过特征根迹的分析，不仅分辨出各个分析对象内存在长期均衡的可能，更能确定各个分析对象存在稳定关系的个数。由于本课题是为了验证各个分析对象内是否存在长期均衡，所以采用更为适合的约翰森检验的方法^[25]。

由上节分析得到，、和均没有明显的时间趋势，这里就可以通过Johansen协整检验验证各个变量之间是否存在协整的关系，主要方式可以通过计量经济软件Eviews来完成。操作中相关假设选择选项2，即序列没有确定性的趋势，并且变量的协整方程仅含有截距项。滞后间隔根据AIC值最小准则确定。因为此模型中的最大滞后阶数为2。

表2-3：AIC与SC随滞后阶数P的变化

表2-4 ：Johansen检验结果

表2-4的第一列对应的分析原假设检验结果，分别从无、最多1个协整关系、最多2个协整关系三个原假设的来进行检验，如果检验结果为拒绝原假设，则用“*”号表示。第二列是特征值。第三列是5%水平的临界值。

运用Trace检验法可知：

第一行的原假设是：3个变量之间无协整关系存在。这个假设在5%的显著性水平下已被拒绝，说明它们之间存在协整关系。

第二行的原假设是：3个变量之间最多包含1个协整关系。这个假设在5%的显著性水平下已被拒绝，说明它们之间不止存在1个协整关系。

第三行的原假设是：3个变量之间最多包含2个协整关系。这个假设被接受。

其次，运用最大特征值的检验法步骤分析同上。

综上所述，全社会用电量、工业增加值和固定资产投资额之间最多存在2个协整关系。

运用软件分析可得标准化后的协整向量为（1.00，0.00，-0.28，-12.96）。

协整关系的表达式为：

（2-1）

即全社会用电量、工业增加值和固定资产投资的长期均衡模型为：

（2-2）

说明2010-2012年的用电量与固定资产投资之间无显著关系，系数0.28表示工业增加值相对于用电量的长期弹性，即当工业增加值指标增加1%的幅度时，用电量指标也将会上涨0.28%的幅度。

2.5误差修正模型及建立短期调节关系模型

在上节得到变量之间的协整关系后，就需要建立误差修正模型来分析电力消费的内生性，并建立短期调节关系模型。具体步骤如下（1）选定变量的滞后阶数和误差修正项，（2）筛选并删除无明显趋势的变量，（3）得出误差修正模型。

同样运用Eviews进行分析，可得误差修正模型的系数。

即：

（2-3）

剩余内容已隐藏，请支付后下载全文，论文总字数：30288字