我国电力消费的影响因素分析.docx

我国电力消费的影响因素分析
摘要：我国电力消费的影响因素分析，对我国各个地区电力供求与经济协调发展意义重大。本文收集了1990-2008年以来的19年电力消费量的相关数据，对此建立多元回归模型，再对模型分析检验，并最终通过逐步回归，得到模型。
关键词：电力消费量多元回归模型检验

问题重述
现代经济社会下，电力供求与经济、社会、生态环境之间的关系异常密切。电力工业作为我国国民经济的重要基础产业，是国家经济发展战略中的重要先导产业。电力的生产及充足供给为经济发展、人民生活水平的提高和社会进步提供了必不可少的条件，而电力供给的短缺将给国民经济发展与人民生活带来巨大的负面影响。近年来，我国频繁出现“用电荒”，因此，研究电力需求与经济发展、人口增长、电力消费价格及工业总产值之间的关系，具有重要的理论与实践意义。

问题分析
根据本文所研究的课题，在模型中以我国年电力消费总理Y作为因变量，选择解释变量如下所示：
全国GDP总额：随着经济的持续增长，生产与生活对电力需求的依赖性越来越强，电力消费增长对经济总量增长的作用也越来越明显。生产发展和人民生活水平的提高，是拉动电力消费增长的主要因素。经研究表明了GDP与电力消费之间存在着明显著且稳定的正相关关系。因此，我们将GDP作为电力消费量的一个影响因素。
全国人口总量POP：在电力的消费环节，城乡居民的用电需求不可忽视，较大规模的人口基数会增加电力消费。每个人的正常工作和生活都需要不断的消费电力，当年全国人口总量与当年电力消费在一定程度上存在正相关关系。
工业总产值：总体上来说，工业部门多数属于高密度用电部门。随着工业生产现代化的发展，工业产品的生产效率大大提高，与此同时，对于生产过程中电力的需求也大大提高，故我们把工业总产值变动的因素考虑到了影响因素当中。
电力出厂价格指数：价格影响需求，电价的波动会导致电力消费量的变动，所以我们引入价格因素，又因为各地区电价存在差异，较难直接引用，所以我们用电力出厂价格指数来近似电价。

模型假设
假定影响电力消费量的其他因素可以忽略

符号说明
：回归系数
：随机扰动项序列
：电力消费总量（亿千瓦时）
：人口总量（万人）
：工业总产值（亿元）
：电力出厂价格指数（绝对值）。
：国内生产总值（亿元）

模型建立与求解
一、建立回归模型如下：

二、变量间关系分析
（1）计算相关系数
为了保证线性模型的合理性，首先需要分析因变量和自变量间的相关性，可以通过计算简单相关系数分析。只有与因变量呈高度相关的自变量才适合引入模型。因此，对因变量与自变量计算相关系数分析，得到结果如图一

图一
结果显示，除NH以外，其它自变量与因变量显示较高的相关性。
（2）绘制散点图
进一步绘制散点图分析自变量与因变量有无明显线性关系。一次选取一个自变量，与因变量一起绘制散点图。下面以GDP为例做散点图，如图二所示：

图二
三、模型的估计
运用最小二乘法（OLS）对模型进行回归分析，得到结果如下（图三）：

图三
从上表可以看出，解释变量系数的t检验除gdp与常数项外都不显著。若改变模型的设定形式，采用对数形式令：genrlny=log(y)、genrlngdp=log(gdp)、genrlnnh=log(nh)、genrlntp=log(tp)、genrlzs=log(zs)，然后进行回归，则结果如图四：

图四
显然，采用对数形式后模型的进一步提高,且除外所有解释变量检验,模型效果非常好,所以修改模型为对数形式，如下：

四、回归结果的检验
(一)统计检验
1．从回归结果看，方程的样本可决系数和调整后的样本决可系数均非常高,表明方程拟合情况非常好。
2．系数显著性检验：除外的其余解释变量检验均通过()。由于lnnh没有通过t检验,我们初步判断模型存在多重共线性。
（二）计量经济学检验
1、多重共线性检验（如图五）：

图五
由相关系数矩阵可以看出，与、相互之间的相关系数很高，证实确实存在严重的多重共线性。
2．修正多重共线性：逐步回归法
首先对回归，结果如图六：

图六
继续对进行回归，结果如图七：

图七
对进行回归，结果如图八：

图八
最后，对进行回归，结果如图九：

图九
从各个回归结果的可知，对的拟合是最好的，因此，将确定为第一个解释变量。接着添加变量进行回归，结果如图十：

图十
此时，可决系数虽然增加，但是不明显，同时，的检验并未通过，继续改变添加的变量为，回归结果如图十一：

图十一
同理，的加入作用也不好，继续改变添加变量为,回归结果如图十二：

图十二
从结果可以看出，的加入使可决系数提高，但是该变量仍然未能通过了t检验，此时可以重新选择作为模型中的变量，然后添加进行回归，结果为图十三：

图十三
显然，此时可决系数低于单独使用作为解释变量，继续改变解释