经济增长与能源消费动态关系研究
摘 要：能源是社會经济发展的重要基础资源，解决好能源的可持续发展战略问题，是实现中国社会经济可持续发展的重要环节。基于1980—2016年GDP及万元GDP能源消费量数据，运用马尔科夫区制转移向量自回归(MS-VAR)模型，研究能源消费及其变化对经济增长的影响。研究表明，经济增长与能源消费之间的关系存在显著的两区制性质，发展趋势存在明显的非对称性。具体体现在周期阶段的转换概率不同以及周期阶段的持续期不同。尤其是2010—2016年间，随着中国经济的增速逐步放缓，产业结构和能源结构不断发生变化，经济增长与能源消费出现了逐步脱钩的趋势，经济增长对能源消费的依赖显著减弱。
关键词：经济增长;能源消费;可持续发展
《工程经济》EngineeringEconomy(月刊)于1991年创刊，具有国际国内双刊号的国家项目管理类刊物。项目管理作为一个新兴的学科和行业，受到越来越多的组织和管理人员的重视。
引言近年来，随着经济发展进入新常态，中国能源消费强度大幅下降，但能源消费总量居高不下，结构优化任重道远。2017年，中国经济稳定发展，能源消费稳中有升，能源生产总体平稳，全年能源消费总量为44.9亿t标准煤，同比增长2.9%，增速较2016年提高1.5个百分点。能源消费结构不断优化，煤炭消费量占比为60.4%，同比下降1.6个百分点。清洁能源消费占比达到20.8%，同比上升1.3个百分点[1]。随着社会发展的需要，中国能源需求仍将持续增长。但是，中国能源资源总量仅为世界的10%，而单位GDP能源消耗却是世界水平的1.9倍，并且能源效率远远落后于发达国家[2-3]。假如继续大量增加使用量，能源紧张问题将日益突出，势必制约经济的健康稳定发展。此外，由粗放的能源消费模式导致的环境问题也层出不穷，大气、水、土壤污染加重的趋势难以得到根本遏制。种种危险信号表明，中国的能源消费问题日益突出，需要从根本上得到解决。经济发展新常态背景下，能源资源与环境承载能力已经达到或接近上限，能源资源和生态环境空间将越来越小而人民对清新空气、清洁饮水、优美环境的要求越来越强烈，因此必须尊重和顺应自然，坚持节约资源和保护环境的基本国策，推动形成绿色低碳循环发展新方式[4]。能源是社会经济发展的重要基础资源，解决好能源的可持续发展战略问题，是实现中国社会经济可持续发展的重要环节。研究能源消费与经济增长之间的关系，一直是经济学家和政策制定者感兴趣的一个话题，而大家对二者的因果关系总是有着不同的看法。
1 文献综述能源消费与经济增长之间关系的定量研究，在20世纪70年代即引起了国际社会的广泛关注。时至今日，相关研究文献颇丰，各国学者利用不同的数据和统计方法做了系列研究。对于西方国家，Yu和Hwang(1984)进行了开拓性研究，他们利用1947—1979年间美国年度数据进行的研究表明：能源消费和GNP 增长之间不存在因果关系[5];Karanfil(2007)、Pao和Tsai(2011)利用协整检验及格兰杰因果检验法对GDP和能源消费间的关系进行了研究[6-7];Siebert(1982)的研究认为当经济增长规模超过环境承载力时，经济增长将受到一定的限制，生态环境也将濒临崩溃[8];Yu和Choi(1985)运用標准格兰杰检验方法对不同经济体之间经济增长与能源消费之间的关系进行了研究，发现美国、波兰、英国的能源消费与经济增长之间不存在因果关系，而韩国的GNP对能源消费存在单向的因果关系[9]。对于亚洲部分国家和地区，研究结论也不尽相同。
Hwang和Gum(1992)对中国台湾的经济增长与能源消费之间的关系进行了研究，发现GDP与能源消费之间存在双向的因果关系[10];而Chiou_Wei(2006)等利用菲律宾1954—2006年间的GDP与能源消费数据进行研究，发现经济增长是能源消费的单向格兰杰原因[11]。赵进文(2007)和张优智等(2016)运用STR模型对中国能源消费与经济增长之间内在结构依从关系进行了研究，发现能源效率与经济增长之间存在着长期的均衡关系且互为因果关系[12][13];杨方圆等(2017)利用LMDII分解方法，建立分行业能源消费分解模型，分析2006—2011年间中国高耗能行业终端能源消费的变化、主要原因、各因素的影响程度以及特征[14];梁经纬等(2014)利用两区制马尔科夫状态转移模型对中国1953—2008年能源消费与经济增长的相互关系进行了研究，发现在经济适速增长区能源消费与经济增长之间存在单向格兰杰因果关系，在经济快速增长区能源消费与经济增长之间存在双向格兰杰因果关系[15];郭四代(2012)和马宏伟等(2012)运用Granger因果关系检验分析法及线性回归模型对中国新能源利用和经济增长的关系进行了研究，发现短期内不存在能源消费与经济增长的双向格兰杰因果关系，但从长期来看经济增长是能源消费的格兰杰原因[16-17];张修和王广凤(2017)通过VAR模型以及广义脉冲分析方法对中国河北省能源消耗与经济增长之间的动态关系进行了分析及研究，得出碳排放与经济增长之间呈现倒“U”型EKC曲线关系的结论[18]。上述学者采用VAR模型、VECM模型、典型相关模型、格兰杰因果检验等方法来研究GDP与能源消费之间的因果关系。
他们得到的研究结果存在着较大差异，有一些学者发现GDP与能源消费之间存在单向的因果关系，有些认为二者之间不存在因果关系，还有一些则认为二者之间存在双向的因果关系。在这些研究中，模型中的参数在样本期内都假定为常数，意味着GDP与能源消费之间的关系是恒定不变的，而实际上宏观政策的变化和突发的经济危机、金融危机都会影响到GDP与能源消费之间的关系。因而这些研究存在一个共同的不足之处，就是利用线性模型来构建能源消费与经济增长之间的关系，没有考虑到经济时间序列的非线性本质。Hamilton指出：“许多经济变量在经历一段时期之后，其序列特征看上去都会产生较大变化”。[19]因此，在经济变量之间建立线性模型是需要相当谨慎的。文中的创新之处就在于选用非线性模型，分区制研究经济增长与能源消费间的动态关系，因而能够更加准确的刻画二者之间的关系。
2 模型设定
2.1 理论模型由于宏观经济运行在特定经济周期可能存在多重变化或者结构性断点，采用传统的线性模型来研究GDP与能源消费之间的关系可能存在较大的偏差。因此文中摒弃传统的线性因果关系建模思路，采用马尔科夫区制转移向量自回归方法对GDP与能源消费之间的关系进行研究。马尔科夫区制转移回归模型最早是由Goldfeld和Quandt(1973)引入计量经济学领域的[20]。自Sims(1980)提出向量自回归模型以来[21]，该方法在研究总体变量之间的关系得到广泛应用，而马尔科夫区制转移向量自回归模型就是在向量自回归模型的基础上加上了马尔科夫链特性的模型。马尔科夫区制转移向量自回归模型中的参数包含常数项、平均数和误差项，三者都会随着区制的改变而发生变化。因此，依据研究本身的需求，选择此模型来研究不同区制下经济增长与能源消费间的动态关系。
2.2 模型介绍在MS-VAR模型中，VAR模型的参数依赖于状态(st)，假定存在s个状态，即st∈{1，2，…，s}，那么时间序列yt的条件概率密度函数定义为
p(yt|Yt-1，st)
=f(yt|Yt-1，θ1)，st=1
f(yt|Yt-1，θs)，st=s
其中θ为VAR模型中的参数;Yt-1为样本内yt-1个样本观测值。在每个区制中，一个MS-VAR的一般形式为
yt=v(st)+qi=1Ai(st)yt-1+εt
其中v为截距项;Ai为自回归系数;εt是白噪声向量;即εt～NID(0，(st))。在一个MS-VAR模型中，(st)是由一个马尔科夫链所生成的
prst|{st-1}∞i=1，{yt-1}∞i=1」
=pr{st|st-1;ρ}
其中ρ包含了概率参数，也就是说，t时期的区制仅依赖于t-1时期的区制。另外，yt的条件概率分布不依赖与st-1，也就是说，pr(yt|Yt-1，st-1)=pr{yt|Yt-1}.另外，由于区制变量是无法观测到的，因此需要根据可观测的时间序列yt来进行推断。定义pij为从区制1到区制2的转移概率，则
pij=p{st=j|st-1=i，st-2=k，…}=pr{st=j|st-1=i}
状态转移概率可以表示为(N*N)状态转移概率矩阵，该矩阵用
马尔科夫区制转移向量自回归模型的参数估计方法有2种：一是利用最大期望值算法(EM算法)给出模型的最大似然估计值;另一种通过吉布斯抽样算法给出参数估计值[22]。文中采用EM算法。
2.3 变量选择与数据来源选取中国1980年至2016年的GDP，万元GDP能源消费量(简称能源消费，用EC表示)作为研究数据，数据来源于《中国统计年鉴2017》。
3 实证研究
3.1 单位根检验在构建MS-VAR模型之前，首先需要保证样本数据的平稳性。通过Eviews 8.0采用ADF检验方法对数据的平稳性进行检验。从表1和表2可以看出GDP及能源消费都不是平稳序列。为了减少数据的波动、消除经济时间序列异方差的问题，对GDP及能源消费取对数，然后对其进行ADF检验，同样未得到数列平稳的结论。于是对其进行一阶差分，经过检验，一阶差分后数列是平稳的。
3.2 协整检验对数据进行协整检验，从表3和表4可以看出，在5%的显著性水平下，迹检验结果及最大特征根检验结果中当原假设为没有协整关系时，p值0.769 6大于显著性水平0.05，因此接受原假设，认为二者之间不存在协整关系。
3.3 最优阶数的确定文中根据AIC和SC值来确定模型的最优阶数，从表5最优滞后阶数确定结果可以看出，当滞后期数为1时，AIC值为-3.823 609，SC值为-3.548 784.AIC和SC值相对较小，代表其模型配适性最佳，因此确定模型的VAR阶数为1.
3.4 最佳模型的确定接下来通过AIC值、SC值和LR Linearity值来确定MS-VAR的最佳模型，具体数值见表6.
文中根据AIC和SC值，已经确定VAR模型的阶数为1阶，从表6可以看出，根据AIC和似然比(LR)检验，MSIAH(2)-VAR(1)模型的AIC值和SC值最小，且LR线性统计量显著。因而选择MSIAH(2)-VAR(1)模型对经济增长与能源消费间的关系进行研究，接下来对模型进行检验。
3.5 模型的检验从表7可以看出，该模型的LR线性统计量(χ2(9)，χ2(11)和Davies)都显著拒绝了模型是线性的原假设，接下来对MSIAH(2)-VAR(1)模型分区制进行动态分析。
3.6 模型的分析状态转移概率反映了GDP与能源消费之间相关关系转换的可能性。由表8可知，当期处于区制1，下期维持区制1的概率为0.596 5，下期转换为区制2的概率为0.403 5;当期处于区制2，下期维持区制2的概率为0.882 4，下期转换为区制1的概率为0.117 6.估计结果表明，没有一个状态是稳固的，因为所有的转移概率都小于1.说明经济增长与能源消费间的关系一直处于不稳定的状态。
结合表7，表9以及图1，对中国GDP与能源消费之间的关系进行如下分析：对于GDP来说，从表9可以看出，在显著性水平为5%的情况下，t检验临界值为2.035，DLNEC的滞后项系数的t统计量通过了检验，能源消费(DLNEC)的滞后项系数只有在区制2下是显著的，即在1980—1990年、1992—2000年、2005年、2007—2010年、2012—2016年，能源消费是GDP的格兰杰原因，能源消费拉动了经济增长。而在区制1下，即在1991年、2001—2004年、2006年、2011年，DLNEC的滞后项系数不显著，二者之间没有强相关关系，能源消费对GDP没有显著影响，能源消费不是GDP的格兰杰原因。对于能源消费来说，经济增长(DLNGDP)的滯后项系数只有在区制1下是显著的，即在1989—1991年、1995—1997年、2000—2008年、2010—2013年GDP是能源消费的格兰杰原因，经济增长促进了能源消费。而在区制2下，即在1980—1988年、1992—1994年、1998—1999年、2009年、2014—2016年，DLNGDP的滞后项系数不显著，二者之间没有强相关关系，GDP对能源消费没有显著影响，GDP不是能源消费的格兰杰原因。综上所述，在区制1下，GDP是能源消费的格兰杰原因，能源消费对GDP没有显著影响;在区制2下，能源消费是GDP的格兰杰原因，GDP对能源消费没有显著影响。可见，GDP与能源消费之间并不一定存在强相关关系。