-
由于统计部门对于不同类型数据的统计周期和公开程度各有不同,而使用数据进行实证分析需要各数据变量的周期、时间跨度和口径保持一致。文章根据数据的可用性,使用程序从广东省统计年鉴和广东省统计局每月发布的统计报告中选择收集了不同颗粒度的数据变量。表1总结了文章中使用的数据情况。
数据名称 来源 周期 单位 广东省总量/人均/产业GDP 开放广东 年 亿元 广东省GDP指数 统计年鉴 年 % 能源消费总量 统计年鉴 年 万吨标准煤 电力消费总量 统计年鉴 年 TWh 单位GDP能源、电力消耗 计算 年 吨标准煤/万元 全社会与工业、制造业用电量 统计局发布 月 TWh 主要行业增加值 统计局发布 月 亿元 规模以上工业增加值 统计局发布 月 亿元 Table 1. Data used in this paper
-
文章使用Granger因果性检验和协整检验对广东省能源消费与经济发展相关指标数据进行分析。在分析前首先对数据进行预处理,其中包括将所有经济指标根据历年广东省GDP指数统一折算为2020年不变价,并对时间序列进行预处理以增强平稳性。之后,对每个变量分别进行增广式迪基-富勒(Augmented Dickey-Fuller,ADF)检验以验证各变量的平稳性并根据输出P值选择最优差分阶数,再使用Johansen协整检验进一步验证变量间是否存在长期均衡关系。根据结果确定各数据平稳性与协整关系后,使用Granger检验对时间跨度与周期相同的每一对指标变量间的因果性关系进行逐个分析,根据结果中的各方向P值判断各变量间是否存在统计意义上的显著关系并产生结论。
根据上一章中对原始数据的分析结论结合各输入数据的可用性和采样周期,文章将数据分为两组进行分别研究:(1)使用1990年进一步改革开放以来的年度能源消费与GDP数据分析广东省工业化期间能源消费与经济发展的关系;(2)使用2010年至今的全行业及工业的月度增加值、电力消费数据分析工业化中后期能源与产业快速转型升级期间电力消费与制造业发展的关系。
本研究在Python环境中使用requests、pandas进行数据收集和预处理,使用statsmodels扩展包[18]进行各种统计学检验和模型参数计算。
-
本节中使用广东省1978-2022年的GDP及能源数据进行分析,如表2所示。其中能源、电力消费来自于各年广东省统计局统计年鉴[19]的“7-5分行业能源消费总量和原煤、电力消费量”表格,GDP数据使用名义GDP结合统计年鉴中各年GDP指数进行折算。在分析前,首先使用ADF检验测试各数据的平稳性并根据结果选择合适的预处理手段。
数据名称 前处理 ADF 显著性(5%) P值 结论 总GDP 原始数据 −1.19 −2.96 0.670 非平稳 自然对数 −2.58 −2.94 0.097 非平稳 对数/一阶差分 −2.30 −2.94 0.170 非平稳 对数/二阶差分 −7.38 −2.94 1e−5 平稳 能源消费量 原始数据 2.59 −2.95 0.990 非平稳 自然对数 −1.41 −2.93 0.577 非平稳 对数/一阶差分 −3.54 −2.93 0.007 平稳 对数/二阶差分 −9.12 −2.93 1e−5 平稳 电力消费量 原始数据 1.99 −2.95 0.990 非平稳 自然对数 −1.93 −2.93 0.318 非平稳 对数/一阶差分 −3.83 −2.93 0.0026 平稳 对数/二阶差分 −2.88 −2.96 0.047 平稳 Table 2. Stationarity test results for annual data from 1978 to 2022
根据表2中检验结果,3个变量指标均在取自然对数并二阶差分后平稳,故选择采用对所有变量取自然对数并做二阶差分的前处理步骤。下一步对原始变量之间分别做协整检验并验证是否存在长期均衡关系。表3中Johansen协整检验结果表明各原始变量间的协整迹统计量均没有达到5%显著性标准,说明根据协整检验能源、电力与GDP之间不存在显著的长期均衡关系。
虚无假设(H0) 迹统计量 显著性(5%) 结论 没有协整关系 22.560 24.2761 无法拒绝 至多存在1个协整 9.040 12.3212 无法拒绝 至多存在2个协整 0.059 4.1296 无法拒绝 Table 3. Co-integration test results for annual data from 1978to 2022
接下来从Granger检验的角度分析各变量间的因果性关系。Granger检验认为,对于目标时间序列变量Y,如果引入变量X的历史数据对Y的预测效果提升显著,则认为变量X是Y的原因。Granger检验对每一对变量间的正、反向因果关系进行分析,并对每个可能的因果关系方向计算P值。由于变量关系与检验结果指标数量较多,此处将结果整理后以Granger因果关系矩阵的形式简化表示。矩阵中每个元素的列名为原因变量,行名为结果变量,如P值小于0.05则认为存在统计学意义上的因果关系。从表4的P值中可以看出,对1978-2022年数据进行分析的结果表明,此时间段整体能源、电力消费与GDP间的统计关系不显著。造成此现象的原因可能为在此期间的不同发展阶段中能源与经济的因果性关系发生过数次转变,以致整体数据无法体现清晰一致的因果性方向。
结果变量 原因变量 总GDP 能源消费 电力消费 总GDP 1 0.8810 0.6798 能源消费 0.8552 1 0.2621 电力消费 0.2175 0.4313 1 Table 4. Granger causality matrix for annual data from 1978to 2022
在广东省发展过程中,能源消费与经济发展的关系发生了数次变化[17]。文献[9-10]中认为广东省1995年开始进入工业化中期,产业调整升级带来能源需求的高速增长。使用包含所有年份的整体数据可能导致整个时间区间内变量间关系不一致而无法提取关键结论。下面针对改革开放深化后1995-2022年数据进行分析以研究工业化中后期阶段能源与经济关系。使用上文中方法分别进行平稳性、协整与Granger检验分析,结果如表5所示。
虚无假设(H0) 迹统计量 显著性(5%) 结论 没有协整关系 34.1717 24.2761 拒绝 至多存在1个协整 14.0876 12.3212 拒绝 至多存在2个协整 0.2520 4.1296 无法拒绝 Table 5. Co-integration test results for annual data from 1995to 2022
表5中协整检验结果显示,工业化中后期的能源与经济变量间5%显著性水平上至少存在一个长期均衡关系,表明可能存在显著的因果关系。继续使用Granger检验进一步分析此关系,见表6。
结果变量 结果变量 总GDP 能源消费 电力消费 总GDP 1 0.1617 0.9067 能源消费 0.0269 1 0.5527 电力消费 0.8784 0.1936 1 Table 6. Granger causality matrix for annual data from 1995to 2022
结果显示,在1995-2022年间,广东省GDP与能源消费间存在显著的单向因果关系,即经济发展造成了能源消费的提高。在广东省发展早期,技术、资金、人才等经济发展的制约因素较多,或导致能源与经济发展的相关性不明显。在工业化中后期,制造业门类与产能迅速扩张,机电设备、石化、钢铁等高耗能重工业规模不断增大,对能源需求增长起到拉动作用。根据协整与Granger分析结果,能源与经济关系在本发展阶段呈现明显的需求导向特征。
-
自2004年来,广东省统计局每月发布一次全省主要统计指标公报[20]和分行业工业增加值报告[21],其中包含产业增加值与社会及工业、制造业用电量。本节利用主要统计指标中的月度数据中工业的电力消费与增加值关系(图5)进行分析,对上一节使用年度数据的分析结论进行交叉验证。由于2012年以来按国家统计制度规定每年1月不单列数据(到2月一并公布),图5上图中每年年初的峰值实为当年1-2月电耗之和。在下文的统计分析中,将电耗数据的1-2月总和减半作为一个数据点计算,也对增加值的每年1-2月数据进行加算取平均处理以统一口径。
本节选用全工业、全制造业和电力、热力生产和供应业增加值与工业用电量数据分析电力消费与工业增加值的因果性关系方向。由于源数据限制,文章仅选用统计周期与口径相同的2009-2023年数据进行分析。
首先使用ADF检验测试各变量的平稳性(表7),结果显示,4个变量均在取对数并一阶差分后平稳。对平稳化前的原始变量进行协整关系检验(表8)发现针对没有协整关系和至多一个协整关系的虚无假设的迹统计量均远大于5%的显著性水平,说明变量间很大可能存在两个以上的强相关。
数据名称 前处理 ADF 显著性(5%) P值 结论 全工业
增加值原始数据 −1.16 −2.88 0.69 非平稳 自然对数 −1.62 −2.88 0.46 非平稳 对数/一阶差分 −3.08 −2.88 0.02 平稳 制造业
增加值原始数据 −0.77 −2.88 0.83 非平稳 自然对数 −1.33 −2.88 0.61 非平稳 对数/一阶差分 −3.01 −2.88 0.03 平稳 电力热力
增加值原始数据 −1.58 −2.88 0.49 非平稳 自然对数 −1.60 −2.88 0.48 非平稳 对数/一阶差分 −3.53 −2.88 0.01 平稳 工业电力
消费原始数据 −0.94 −2.88 0.77 非平稳 自然对数 −1.61 −2.88 0.47 非平稳 对数/一阶差分 −5.56 −2.88 0.00 平稳 Table 7. Stationarity test results for monthly data from 2009 to 2023
虚无假设(H0) 迹统计量 显著性(5%) 结论 没有协整关系 164.3238 40.1749 拒绝 至多存在1个协整 58.8498 24.2761 拒绝 至多存在2个协整 9.9118 12.3212 无法拒绝 至多存在3个协整 0.4952 4.1296 无法拒绝 Table 8. Co-integration test results for monthly data from 2009to 2023
对数据进行Granger检验,表9中P值表明,对月度数据的分析显示工业和制造业增加值与工业电力消费存在较强的因果关系(P值仅为0.01%),与上一节中结论相吻合。此外,对电力消费作为工业和制造业增加值原因的检验远大于5%,说明这一阶段工业升级与产能扩大是电力消费上升的驱动原因。
结果变量 原因变量 工业
增加值制造业
增加值电力热力
增加值工业电力
消费工业增加值 1 0.0599 0.8172 0.2389 制造业增加值 0.0062 1 0.5960 0.5912 电力热力增加值 0.0001 0.0045 1 0.1191 工业电力消费 0.0001 0.0109 0.1427 1 Table 9. Granger causality matrix for monthly data from 2009to 2023
-
通过上文中分析发现,在改革开放至今的整体时间尺度上,对广东省年度能源与经济历史指标进行分析,其结果没有体现明显的统计关系,而1995年进入工业化中期至后期期间,能源消费与经济增长具有统计学上显著的单向因果关系,即经济增长是能源需求增长的驱动因素。对2009年后的月度分行业工业增加值与工业电力消费数据进行交叉验证也得到了相同结果。协整分析的结果表明变量间存在长期的均衡关系,即各变量的短期扰动在长时间尺度下仍会回归到均衡状态。此分析结果说明广东省改革开放以来能源消费与经济的关系可能发生过数次改变,在发展早期经济发展受除能源之外其他因素的制约较大,以致对整体数据的研究结果不够显著。进入工业化中期后经济和工业发展对能源、电力消费的单向因果关系意味着,广东省要实现能源低碳转型也应注重优化改善产业结构,以经济产业高质量发展倒逼能源高质量发展,协同打造清洁低碳、经济高效的高质量发展模式。参考文章中分析结论,为广东省能源发展提出如下建议:
1)加强工业能效提升,重点关注钢铁、电子信息、石化、造纸等广东省典型高耗能支柱产业,通过提高工艺水平、设备清洁化升级改造、废旧资源回收利用和电能替代等手段提高高耗能产业能源利用效率。
2)调整产业结构,推动转型升级,淘汰高耗能、高污染的落后产能,支持科研创新、高端制造业与服务业发展,并根据各地资源特点合理规划产业布局。
3)提高清洁能源消纳,建设抽水蓄能、电化学储能项目增强电网支撑能力,大力发展分布式能源、新型储能、氢能技术,在保证工业用能可靠性和充足性的同时使用清洁能源满足经济与工业发展需求。
Empirical Research on the Evolution of Relationship Between Energy and Economic Development in Guangdong
doi: 10.16516/j.ceec.2024.2.19
- Received Date: 2023-04-26
- Rev Recd Date: 2023-06-26
- Available Online: 2024-03-22
- Publish Date: 2024-03-26
-
Key words:
- energy planning /
- energy economy /
- data science /
- statistics /
- Granger causality analysis
Abstract:
Citation: | WU Dongqi, GAN Junwen, GUO Jingtao, et al. Empirical research on the evolution of relationship between energy and economic development in guangdong [J]. Southern energy construction, 2024, 11(2): 189-197 doi: 10.16516/j.ceec.2024.2.19 |