中國能源消費預測分析
2014-11-11 09:39:46朱文輝宋鋒華
克拉瑪依學刊 2014年5期
朱文輝+宋鋒華
摘 要： 基于1978—2012年中國能源消費的歷史數據，ARIMA模型得以建立。通過對模型的分析，可以發現，該模型是具有有效性的，因此，該模型可以對中國第“十二五規劃”末期2013—2015年的能源消費進行預測。預測結果顯示：按當前的能源消耗速度，未來幾年，我國的能源消費總量將繼續以年均約8.7%的速度增長，從而進一步增加了我國的能源壓力。
關鍵詞： 中國；能源消費；ARIMA模型；預測
中圖分類號：F224；F206 文獻標識碼：A 文章編號：2095-0829（2014）05-0041-07
一、引言
近十年來，年均增長率9.5%的我國經濟贏得了令世界矚目的成就，但高增長的經濟背后伴隨著能源需求的迅速增長以及能源供需缺口的大幅擴大。能源是一個國家國民經濟發展的重要物質基礎，也是提高人民生活水平的重要物質基礎，上世紀90年代能源缺口曾經長期制約著我國經濟的發展。[1]35近幾年由于我國能源產量迅速增加，能源短缺現象在一定程度上雖然得到了緩解，但從長遠來看能源供需形勢仍然非常不容樂觀。[2]12以原油的供需為例，新世紀以來，我國石油產量年均增長率只有1.5%，但石油消費增長率穩定保持在7.5%以上，由此形成了石油供需的巨大缺口，這種巨大缺口使得我國對石油進口的依存度連年擴大。近十年來，伴隨著經濟的迅速增長，石油凈進口大幅攀升以致于我國在世界主要石油消費國中的名次上升到了第二位，僅次于美國?？墒俏覈壳懊媾R的石油后備供應能力已經嚴重不足，同時全球石油供應渠道受地緣政治緊張局勢（南海沖突、美國重組亞太地區等等）影響，我國未來的能源基礎能否繼續支撐今后社會經濟可持續發展，已經成為國內外眾多學者關注的焦點。因此對未來能源消費需求進行預測分析，并在此基礎上對國家未來能源需求、能源供給的規劃提供政策性建議，對于保障我國社會主義市場經濟的健康、平穩發展具有重要的理論和現實意義。
當前國內外許多學者和機構已經對能源消費問題進行廣泛研究，并取得了許多研究成果，其中一個焦點就是對能源消費預測。就此問題他們運用了各種不同研究方法，例如能源消費系數法、洛倫茨曲線分析法、變量自回歸、部門分析法等等[3]3。但是這些方法大多停留在探究能源或非能源引起的經濟現象如何進行量化，然后就這些變量如何對能源消費產生影響進行分析。模型上主要體現在試圖建立起與能源消費需求之間的因果關系和結構關系，然后根據這些關系來預測能源需求的一些相關關系，但是由于能源消費往往受到各個方面因素的制約，而這些因素的關系又是錯綜復雜的，相關因素變動也是不確定的，因此運用因果關系模型或結構比例關系預測能源需求基本很難有說服力。如果選擇預測模型的標準是追求預測精度的極大化，則最好選擇時間序列模型。[4]57-65本文擬采用時間序列模型（ARIMA模型）對能源消費進行預測，該模型是一種精度較高的時間序列短期預測模型，由于時間序列模型的結構與特征，使得模型能夠達到最小方差意義下的最優預測。[5]106-108
二、研究方法、數據樣本與變量設定
（一） 研究方法
1.自相關理論
我們把按時間（如時間序列數據）或者空間（如截面數據）排列的觀察值之間的相關關系稱為自相關。
在古典線性回歸模型中假定隨機擾動項ui不存在自相關，即
2. 時間序列平穩性檢驗
我們把滿足以下兩個條件的時間序列稱為平穩的時間序列。
1）對于任意的時間t， {Xt}的均值恒為常數，即
2）對于時間t1和t2，{Xt}的協方差函數和自相關函數只與時間長度t2-t1有關，而與t1和t2的起始點無關。
從上述兩個條件可以看出，平穩的時間序列的統計性質不會隨著時間的推移而發生變化。
對時間序列的平穩性檢驗主要有兩種方法：一種是圖檢驗方法，即根據時間序列散點圖和自相關散點圖顯示的波動特征做出判斷；另一種是假設檢驗方法，即構造檢驗統計量。最常用的平穩性檢驗方法是構造統計量進行單位根檢驗，其基本原理為：
對于一階自回歸序列模型為
該序列的特征方程為：
當特征根
3. ARIMA模型理論
上世紀70年數理統計學家BOX和Jenkins以隨機理論為基礎提出了有效用于分析時間序列ARIMA模型的方法，該方法由于廣泛運用，后來我們把ARIMA模型又稱為“Box-Jenkins模型”，該模型在經濟領域主要被廣泛運用于預測分析。所謂時間序列是指其變化值是隨時間t變動的一組隨機變量，構成時間序列的單個值雖然帶有不確定性，但時間序列的變化卻呈現出一定的規律性，因此我們可以借數學模型來粗略地描述這種規律。ARIMA模型有三種基本類型：自回歸模型、移動平均模型和自回歸移動平均模型
1）一般的P階自回歸過程AR（p）定義為
其中，
2）一般的q階的移動平均過程MA（q）定義為
其中，
3）將AR（p）與MA（q）結合，即一般自回歸移動平均過程即ARMA（p，q）定義為
公式（4）表明：一個隨機時間序列可以通過其自身的過去值或滯后值以及隨機擾動項等隨機變量來解釋。如果該序列的行為并不會隨著時間的推移而變化即具有穩定性，那么我們簡單地可以通過該序列的過去值來預測其未來值的變化，這也正是ARIMA模型的優勢所在。
如果時間序列數據不平穩，即存在單位根的過程，需要將非平穩時間序列轉換為平穩時間序列，然后再建立以上模型，存在d個單位根就叫做d階單整，即I（d），一般需要d階差分轉換，這個過程就是ARIMA模型過程。
（二）數據樣本與變量設定
為建立合理的ARIMA模型，本文從國家統計局獲得了1978—2012年間35年的中國能源消費歷史數據見表1，將其作為樣本觀察值，其序列變化規律見圖1。本文把該時間序列命名為ec，即取能源消費英文首字母energy cost之意。為減小序列波動性，對該序列取對數處理，并將取對數后的時間序列命名為lec，即log（ec）的含義。在樣本觀察值的基礎上檢驗時間序列數據平穩性，結果發現序列非平穩即序列存在異方差。為了消除時間序列的異方差，對該序列作差分處理。經ADF檢驗驗證該時間序列lec是二階單整的，可建立ARIMA（p，2，q）模型。將二階差分后平穩的時間序列命名為d2lec，把一階差分的時間序列命名為dlec即
從樣本中可以知道1978—2012年間中國能源消費呈遞增趨勢，年平均增長率達5.706%，再次驗證了改革開放以來我國能源消費快速增長的現實。
表6結果進一步說明了模型的準確性，除了2010年誤差百分比超過2%外，其余的都小于2%，其中2011年和2012年預測誤差百分比甚至小于1%，五年間預測平均誤差百分比僅為1.439 6%。更能說明模型具有較高的預測價值，然后利用該模型預測2013年中國能源消費86 559百萬噸標準煤，2014年和2015年中國能源消費分別是412 492百萬噸標準煤、440 165百萬噸標準煤。
四、結論和政策建議
綜上分析，將中國歷年能源消費數據與模型預測數值進行比較，發現運用ARIMA模型對我國能源消費進行預測的準確率高達98%。同時通過對預測數據的殘差序列進行單根檢驗，殘差具有平穩性，進一步說明預測模型穩定性好，實現了對能源消費預測平穩性好、準確性高的目的。
同時根據我們的預測結果表明，按當前的能源消耗速度，未來幾年，我國的能源消費總量將繼續以年均約8.7%的速度增長，而國內能源供給已經嚴重不足，能源進口增加將使得我國經濟對世界其他經濟體依賴程度加大，這必然是不利的趨勢。因此，一定要采取相應措施降低能源消費量和保證能源供給，面對目前狀況提出以下建議：
1.節約能源消耗。應深化節能經濟發展戰略思路，這不僅要求各級政府嚴格落實2010年以來國家節能減排政策，更應該在日常工作生活中把能源節約作為工作重點。企業應規范能源消耗管理，革新投入產出技術手段，提高節能率，真正將節能措施落實到日常生活、工作生產中去。
2.調整能源消費結構。進一步優化能源需求結構，改變當前能源消費中煤炭能源消費所占比重獨大而其他能源消費比重偏小的不合理結構，并發展可持續、地區間能源供需趨向平衡的能源消費結構。
3.增加新能源供給產量。實行開發新能源發展戰略，加大可開發再生能源的投資力度，充分開發利用太陽能、潮汐能、生物能以及垃圾能源。
參考文獻：
[1]成升魁，沈鐳，徐增讓.2010中國資源報告——資源流動：格局、效應與對策[M].北京：科學出版社， 2011.
[2]李文彥.21世紀前期我國能源戰略的若干問題[J].經濟地理，2000（1）.
[3]盧二坡.組合模型在我國能源需求預測中的應用[J].數理統計與管理，2006（5）.
[4]徐國祥.統計預測與決策[M].上海：上海財經大學出版社，1998.
[5]易丹輝.數據分析與eviews應用[M].北京：中國統計出版社，2005.
1）一般的P階自回歸過程AR（p）定義為
其中，
2）一般的q階的移動平均過程MA（q）定義為
其中，
3）將AR（p）與MA（q）結合，即一般自回歸移動平均過程即ARMA（p，q）定義為
公式（4）表明：一個隨機時間序列可以通過其自身的過去值或滯后值以及隨機擾動項等隨機變量來解釋。如果該序列的行為并不會隨著時間的推移而變化即具有穩定性，那么我們簡單地可以通過該序列的過去值來預測其未來值的變化，這也正是ARIMA模型的優勢所在。
如果時間序列數據不平穩，即存在單位根的過程，需要將非平穩時間序列轉換為平穩時間序列，然后再建立以上模型，存在d個單位根就叫做d階單整，即I（d），一般需要d階差分轉換，這個過程就是ARIMA模型過程。
（二）數據樣本與變量設定
為建立合理的ARIMA模型，本文從國家統計局獲得了1978—2012年間35年的中國能源消費歷史數據見表1，將其作為樣本觀察值，其序列變化規律見圖1。本文把該時間序列命名為ec，即取能源消費英文首字母energy cost之意。為減小序列波動性，對該序列取對數處理，并將取對數后的時間序列命名為lec，即log（ec）的含義。在樣本觀察值的基礎上檢驗時間序列數據平穩性，結果發現序列非平穩即序列存在異方差。為了消除時間序列的異方差，對該序列作差分處理。經ADF檢驗驗證該時間序列lec是二階單整的，可建立ARIMA（p，2，q）模型。將二階差分后平穩的時間序列命名為d2lec，把一階差分的時間序列命名為dlec即
從樣本中可以知道1978—2012年間中國能源消費呈遞增趨勢，年平均增長率達5.706%，再次驗證了改革開放以來我國能源消費快速增長的現實。
表6結果進一步說明了模型的準確性，除了2010年誤差百分比超過2%外，其余的都小于2%，其中2011年和2012年預測誤差百分比甚至小于1%，五年間預測平均誤差百分比僅為1.439 6%。更能說明模型具有較高的預測價值，然后利用該模型預測2013年中國能源消費86 559百萬噸標準煤，2014年和2015年中國能源消費分別是412 492百萬噸標準煤、440 165百萬噸標準煤。
四、結論和政策建議
綜上分析，將中國歷年能源消費數據與模型預測數值進行比較，發現運用ARIMA模型對我國能源消費進行預測的準確率高達98%。同時通過對預測數據的殘差序列進行單根檢驗，殘差具有平穩性，進一步說明預測模型穩定性好，實現了對能源消費預測平穩性好、準確性高的目的。
同時根據我們的預測結果表明，按當前的能源消耗速度，未來幾年，我國的能源消費總量將繼續以年均約8.7%的速度增長，而國內能源供給已經嚴重不足，能源進口增加將使得我國經濟對世界其他經濟體依賴程度加大，這必然是不利的趨勢。因此，一定要采取相應措施降低能源消費量和保證能源供給，面對目前狀況提出以下建議：
1.節約能源消耗。應深化節能經濟發展戰略思路，這不僅要求各級政府嚴格落實2010年以來國家節能減排政策，更應該在日常工作生活中把能源節約作為工作重點。企業應規范能源消耗管理，革新投入產出技術手段，提高節能率，真正將節能措施落實到日常生活、工作生產中去。
2.調整能源消費結構。進一步優化能源需求結構，改變當前能源消費中煤炭能源消費所占比重獨大而其他能源消費比重偏小的不合理結構，并發展可持續、地區間能源供需趨向平衡的能源消費結構。
3.增加新能源供給產量。實行開發新能源發展戰略，加大可開發再生能源的投資力度，充分開發利用太陽能、潮汐能、生物能以及垃圾能源。
參考文獻：
[1]成升魁，沈鐳，徐增讓.2010中國資源報告——資源流動：格局、效應與對策[M].北京：科學出版社， 2011.
[2]李文彥.21世紀前期我國能源戰略的若干問題[J].經濟地理，2000（1）.
[3]盧二坡.組合模型在我國能源需求預測中的應用[J].數理統計與管理，2006（5）.
[4]徐國祥.統計預測與決策[M].上海：上海財經大學出版社，1998.
[5]易丹輝.數據分析與eviews應用[M].北京：中國統計出版社，2005.
1）一般的P階自回歸過程AR（p）定義為
其中，
2）一般的q階的移動平均過程MA（q）定義為
其中，
3）將AR（p）與MA（q）結合，即一般自回歸移動平均過程即ARMA（p，q）定義為
公式（4）表明：一個隨機時間序列可以通過其自身的過去值或滯后值以及隨機擾動項等隨機變量來解釋。如果該序列的行為并不會隨著時間的推移而變化即具有穩定性，那么我們簡單地可以通過該序列的過去值來預測其未來值的變化，這也正是ARIMA模型的優勢所在。
如果時間序列數據不平穩，即存在單位根的過程，需要將非平穩時間序列轉換為平穩時間序列，然后再建立以上模型，存在d個單位根就叫做d階單整，即I（d），一般需要d階差分轉換，這個過程就是ARIMA模型過程。
（二）數據樣本與變量設定
為建立合理的ARIMA模型，本文從國家統計局獲得了1978—2012年間35年的中國能源消費歷史數據見表1，將其作為樣本觀察值，其序列變化規律見圖1。本文把該時間序列命名為ec，即取能源消費英文首字母energy cost之意。為減小序列波動性，對該序列取對數處理，并將取對數后的時間序列命名為lec，即log（ec）的含義。在樣本觀察值的基礎上檢驗時間序列數據平穩性，結果發現序列非平穩即序列存在異方差。為了消除時間序列的異方差，對該序列作差分處理。經ADF檢驗驗證該時間序列lec是二階單整的，可建立ARIMA（p，2，q）模型。將二階差分后平穩的時間序列命名為d2lec，把一階差分的時間序列命名為dlec即
從樣本中可以知道1978—2012年間中國能源消費呈遞增趨勢，年平均增長率達5.706%，再次驗證了改革開放以來我國能源消費快速增長的現實。
表6結果進一步說明了模型的準確性，除了2010年誤差百分比超過2%外，其余的都小于2%，其中2011年和2012年預測誤差百分比甚至小于1%，五年間預測平均誤差百分比僅為1.439 6%。更能說明模型具有較高的預測價值，然后利用該模型預測2013年中國能源消費86 559百萬噸標準煤，2014年和2015年中國能源消費分別是412 492百萬噸標準煤、440 165百萬噸標準煤。
四、結論和政策建議
綜上分析，將中國歷年能源消費數據與模型預測數值進行比較，發現運用ARIMA模型對我國能源消費進行預測的準確率高達98%。同時通過對預測數據的殘差序列進行單根檢驗，殘差具有平穩性，進一步說明預測模型穩定性好，實現了對能源消費預測平穩性好、準確性高的目的。
同時根據我們的預測結果表明，按當前的能源消耗速度，未來幾年，我國的能源消費總量將繼續以年均約8.7%的速度增長，而國內能源供給已經嚴重不足，能源進口增加將使得我國經濟對世界其他經濟體依賴程度加大，這必然是不利的趨勢。因此，一定要采取相應措施降低能源消費量和保證能源供給，面對目前狀況提出以下建議：
1.節約能源消耗。應深化節能經濟發展戰略思路，這不僅要求各級政府嚴格落實2010年以來國家節能減排政策，更應該在日常工作生活中把能源節約作為工作重點。企業應規范能源消耗管理，革新投入產出技術手段，提高節能率，真正將節能措施落實到日常生活、工作生產中去。
2.調整能源消費結構。進一步優化能源需求結構，改變當前能源消費中煤炭能源消費所占比重獨大而其他能源消費比重偏小的不合理結構，并發展可持續、地區間能源供需趨向平衡的能源消費結構。
3.增加新能源供給產量。實行開發新能源發展戰略，加大可開發再生能源的投資力度，充分開發利用太陽能、潮汐能、生物能以及垃圾能源。
參考文獻：
[1]成升魁，沈鐳，徐增讓.2010中國資源報告——資源流動：格局、效應與對策[M].北京：科學出版社， 2011.
[2]李文彥.21世紀前期我國能源戰略的若干問題[J].經濟地理，2000（1）.
[3]盧二坡.組合模型在我國能源需求預測中的應用[J].數理統計與管理，2006（5）.
[4]徐國祥.統計預測與決策[M].上海：上海財經大學出版社，1998.
[5]易丹輝.數據分析與eviews應用[M].北京：中國統計出版社，2005.
