基于电力消耗的国家等级结构

聚类分析多元复杂系统的时间序列的相关矩阵可用于提取关于此类系统的层次组织的方面的信息。基于相关性的c聚类已被用于根据相关系数矩阵推断股票组合的层次结构[47,49,91]。相关基数据聚类过程还允许相关基网络与相关矩阵相关联。例如，选择MST作为与单连锁聚类分析相关联的基于相关性的网络是很自然的。基于网络的不同相关性可以与同一层次树相关联，强调样本相关性矩阵的不同方面。除最小生成树外，基于相关性的网络的有用示例包括平面最大过滤gra ph[92]和平均链接最小生成树[46,54,59]。我们使用平均连锁聚类分析（ALCA），以便根据地理位置和经济增长更清楚地观察不同国家的聚类。由于ALCA是一种分层聚类方法，Tumminello等人[87]和[46,54,59]详细介绍了该方法，因此我们仅给出了获得的结果。第四节将详细阐述MST和HT的构造。数值结果和讨论在这一节中，我们给出了60个国家1971年至2008年基于电力消费的MST，包括boo ts陷阱值和HT。这些国家被重新划分为三个亚组：低收入国家、中等收入国家和高收入国家。

我们还使用聚类链接程序研究了聚类结构。我们通过使用Kruskal算法[81–83]来构造基于距离度量矩阵的电消耗的MST。从一个节点（国家）到另一个节点（国家）之间持续存在的链路数量对应于国家之间的电力消耗关系。我们采用bo otstrap技术将统计可靠性的有效性与MST的链路相关联。如果数值接近1，则链路的统计可靠性或应力非常高。否则，统计可靠性或链接强度较低[54,57]。我们还利用平均连锁聚类分析更好地得到了层次树的聚类结构。图1显示了在1971-2008年期间，基于距离度量matr ix，MST采用Mantegna[47]、Mantegna和Stanle y[48]的方法进行电力消耗。在图1中，我们观察了不同国家的不同俱乐部，根据其地理位置和经济增长。在这张图中，我们发现了三个不同的集群：主要是欧盟国家形成了GDP超过30000美元的第一个国家集群；第二个集群主要由一些欧洲和南美ican国家组成；主要是非洲国家组成了GDP低于5000美元的第三大集群。还可以清楚地看到，在MST中，欧盟国家构成了中央结构。据观察，德国是欧盟国家的中心，也是这一时期的主要国家。第一类由DEU、AUT、FRA、ITA、DNK、NLD、ESP、LUX、BEL、IRL、FIN、GBR、SWE、NOR、GRC、USA、JPN、CAN和CHE组成，它们是除美国、JPN、CAN和CHE之外的欧盟国家；因此它是一个异角星团。

在这个集群中，BEL-NLD、SWE-NOR、AUT-CHL和USA-JPN之间有着密切的关系。我们可以通过这些国家之间链路的bootstr ap值来确定这一事实，这些值分别在0到1的范围内等于1.00、0.91、0.91和0.91；因此，这些国家之间的联系非常紧密。第二个集群由一些欧洲和南美国家组成，即匈奴、波尔、罗马尼亚、BGR、捷克、布拉、阿格、乌里、墨西哥、OMN和NZL。在这个集群中，ng HUN-MEX、BRA-OMN和POL-ROM之间有着很强的关系。我们可以通过国家间链接的bootstr ap值来确定这一点，在从0到1的范围内分别等于1.00、0.87和0.78。第三组主要由非洲国家组成，分为四个子组。第一个子组包括SEN、KEN和ETP，SEN和KEN之间有着密切的关系。我们可以通过SEN和KEN之间链接的自举值来确定这一点，该值在0到1的范围内等于1.00。第二个子组由BEN、BGD和PAK组成，在该子组中，BEN-BGD和BGD-PAK之间链接的引导值分别等于0.83和0.74；因此，这些国家之间的联系非常紧密。（MAR、ZMB和CMR）和（YEM和NPL）分别构成了第三和第四个亚组。另一方面，GHA-ZWE、LUX-CHL、TUR-IND、TUR-VNM和KEN-ETH之间链路的bootstra p值非常低，如图1所示。这意味着这些联系只能显示统计结果。

值得一提的是，与拉丁美洲、中东、欧洲和北美等其他地区相比，非洲是人均消费率最低的地区之一。非洲的现代能源消耗非常低，严重依赖传统的生物质。与MST有关的亚优势超度量空间a的HT如图所示。2.在两条垂直线之间画一条水平线时，两个国家（线）相连。水平线的高度表示两国连接的超距离。在图2中，我们可以观察到三个星团。FirstCluster由人均GDP超过30000美元的国家组成，包括三个s ub组，即欧盟国家（DEU、AUT、FRA、ITA、BEL、NLD和FIN）、美国和日本，以及瑞典和挪威。ITA和BE L之间的距离b是样本中最小的，表明这两个国家之间的关系最强。第二类主要由欧洲和南美国家组成。在这个集群中，鲁和CZE之间的距离是样本中最小的，表明这两个国家之间的关系最强。第三类主要由非洲国家组成；它还包括两个亚组，即Yem和NPL，以及PAK a和BGD。在HT中，我们使用平均连锁聚类分析（ALCA）来更清楚地观察聚类结构。无花果中的HT。3是根据1971年至2008年期间的用电量数据得出的。当比较HT和ALCA时，观察到相似的团簇结构；然而，阿尔卡俱乐部中的国家数量比HT中的多。例如，HT中有7个国家的人均GDP超过30000美元，而ALCA中有17个国家，这可以通过对比图进行验证。

图2和图3。此外，非洲国家集团更加明确。因此，我们发现使用ALCA可以更有效地获得团簇结构。该研究的总体结果表明，即使在一些个别国家，能源消费与经济增长之间也存在着强烈的关系，而且还检测到了三个不同的集群：主要是欧盟国家形成了GDP超过3万美元的第一个国家集群；第二个集群主要由一些欧洲和南美国家组成；主要是非洲国家形成了GDP低于5000美元的第三个集群。换句话说，有证据表明，在本研究所考虑的三个群体中，能源消耗导致经济增长。因此，所有国家都应该采取更强有力的节能政策。此外，在制定能源消费政策时，决策者应考虑各国的经济增长程度。V.总结和结论越来越多的文献研究了能源消耗与经济增长之间的关系。这篇文献的大部分集中在发展中国家、发达国家和新兴国家。政策制定者必须理解能源消费和经济增长之间的关系，以便设计有效的能源和环境政策。从这些研究中得出的一个普遍结论是，文献中对能源消耗和经济增长之间的因果关系的存在性或方向没有达成共识。本文试图通过使用MST的概念（包括bootstrap值）和1971-2008年期间的HTT，重新审视60个国家的能源消耗和经济增长之间的密切关系，反之亦然。

我们还将这些国家分为三个子群体：低收入群体、中等收入群体和高收入群体国家。我们获得了树木的聚类结构，并根据地理位置接近度和经济增长确定了不同国家的聚类。从这些树的拓扑结构来看，我们发现欧盟国家处于网络的中心，引导值表明它们彼此紧密相连。我们还发现，这些国家在世界电力消费中发挥着重要作用。此外，与拉丁美洲、中东、欧洲和北美等其他地区相比，非洲国家的能源消耗较低。我们使用boots-trap技术将统计可靠性的值与MST的链接关联起来，以获得关于树的每个链接的统计可靠性的信息。从bootstrap技术的结果中，我们可以看到，一般来说，MST中的bootstrap值是高度一致的。我们还使用平均连锁聚类分析来更清楚地获得层次树的聚类结构。通过对实证文献的调查，结果与城市电力消费与经济增长之间的因果关系吻合良好。这项研究的发现具有重要的政策意义，表明这个问题在未来的研究中仍然值得进一步关注。最后，对于政策制定者来说，了解能源消耗和经济增长之间的关系对于设计有效的能源和环境政策是很重要的。参考文献[1]台湾的电力消耗和经济增长。2002年能源政策；30:125–129.[2] 纳拉扬PK，斯迈思R。

澳大利亚的电力消费、就业和实际收入来自多变量因果关系测试的证据。恩伯格政策。2005;33:1109-16。[3] Yoo SH，Kim Y，印度尼西亚的发电和经济增长。能源2006；31:2890-2899.[4] 何西，小西。香港电力消费与GDP的动态平衡：一项实证研究。能源政策。2007;35:2507-13.[5] Mozumder P，Maraaa.孟加拉国电力消费和GDP之间的因果关系。能源政策。2007;35:395-402.[6] Jamil F，Ahmad E.《巴基斯坦电力消费、电价和GDP之间的关系》。能源政策。2010;38:6016-25.[7] 来自巴基斯坦的经验证据。夸夸特。2012;46:1583-99.[8] Aqeel A，Butt女士，《巴基斯坦能源消耗与经济增长之间的关系》。《2001年亚太发展杂志》；8:101-109.[9] 邵A，林PL.中国的电力消费和经济增长。能源政策。2004;32:47-54.[10] 《电力消耗与经济增长：来自土耳其的证据》。恩尔格经济。2005;27:849-56.[11] 李聪聪，张春平。结构断裂、能源消耗与经济增长：台湾的证据。能源经济。2005;27:857-72.[12] Yoo-SH，《电力消耗与经济增长：来自韩国的证据》。2005年能源政策；33:1627-1632.[13] Narayan PK，Singh B.斐济群岛的电力消耗和GDP关系。能源经济。2007;29:1141-50.[14] 袁杰，赵驰，余斯克，胡志刚。中国电力消费与经济增长：协整与协特征分析。能源经济。2007;29:1179-91.[15] Odhiambo纳米。坦桑尼亚的能源消耗和经济增长关系：AR-DL边界测试方法。能源政策。

2009;37:617-22.[16] Abosedra S，Dah A，Ghosh S，电力消耗和经济增长，黎巴嫩案例。应用能量200；86:29432.[17] Chandran VGR，Sharma S，Madhavan K.电力消费增长关系：马来西亚案例。能源政策。2010;38:606-12.[18] Narayan PK，Narayan S，Popp S，能源消耗与GDP关系的长期弹性注释。应用能源2010；87:1054-1057.[19] Ahamad MG，伊斯兰教AKMN。孟加拉国的电力消费和经济增长关系：重新审视证据。能源政策。2011;39:6145-50.[20] 《前苏联共和国的经济增长和电力消耗》。能源经济。2012;34:74753.[21]杨希，关于台湾能源和GDP之间因果关系的注释。能源经济学2000；22:309-317.[22]大型CBL。电力消费和GDP之间的协整和因果关系：来自马拉维的经验证据。能源经济。2004;26:61-8.[23]Zachariadis T，Pashourtidou N.塞浦路斯电力消耗的实证分析。能源经济。2007;29:183-98.[24]Tang CF.重新审视马来西亚电力消费与经济增长之间的关系。能源政策。2008;36:3077-85.[25]Tang CF，马来西亚的电力消费、收入、外国直接投资和人口：多变量框架分析的新证据。经济研究杂志2009；4:371-382.[26]Odhiambo纳米。南非的电力消耗和经济增长：一项三变量因果关系检验。能源经济。2009;31:635-40.[27]Lean HH，Smyth R.马来西亚总产出、电力消耗和出口的动态：来自多元格兰杰因果检验的证据。Appl Energ。2010;87:1963-71.[28]韦德拉奥戈。布基纳法索的电力消费和经济增长：协整分析。

能源经济。2010;32:524-31.[29]Shahbaz M，Tang CF，Shabbir女士。使用协整和因果关系方法研究葡萄牙的电力消费和经济增长关系。能源政策。2011;39:3529-36.[30]Kouakou AK。科特迪瓦的经济增长和电力消耗：来自时间序列分析的证据。能源政策。2011;39:3638-44.[31]Gurgul H，Lach L.波兰经济的电力消耗与经济增长。能源经济。2012;34:500-10.[32]Shahbaz M，Lean HH。电力消费和经济增长的动态：巴基斯坦对其因果关系的重新研究。能量2012;39:146-53.[33]Wolde Rufael Y.电力消耗和经济增长：17个非洲国家的时间序列经验。能源政策。2006;34:1106-14.[34]陈街，郭嗨，陈抄送。10个亚洲国家的GDP和电力消耗之间的关系。能源政策。2007;35:2611-21.[35]Naraya，PK，Prasad A，电力消费——实际GDP因果关系：来自30个经合组织国家的自举因果关系测试的证据。2008年能源政策；36:910-918.[36]佩恩·杰。能源消耗和产出的动态。Appl Energ。2009;86:575-7.[37]Ozturk I，Acaravci A.阿尔巴尼亚、保加利亚、胡恩加里-安德罗马尼亚州能源消耗与GDP之间的因果关系：来自ARDL约束测试方法的证据。Appl Energ。2010;87:1938-43.[38]Ozturk I，Acaravci A.电力消耗与实际GDP因果关系：来自11个MENA国家ARDL边界测试方法的证据。阿普尔恩伯格。2011;88:2885-92.[39]佩恩·杰。对电力消耗增长文献的调查。Appl Energ。2010;87:723-31.[40]Ozturk I.关于能源增长关系的文献综述。能源政策。

2010;38:340-9.[41]Chen KW，Chen YC，Lo HJ，Loss FC，Wang TH，Lin CY，Li SY，台湾白念珠菌株克隆性分析的多位点序列分型。J.克林。微生物学。44:2172-2178.[42]Garas A，Argyrakis P.欧洲框架项目科学合作的网络方法。EPL（欧洲物理学通讯）。2008;84:68005.[43]比沃纳S，博南诺G，伯伦R，古雷拉D，利昂C.风速相关性的分类——在西西里地区的应用。物理统计力学及其应用。2008;387:5910-5.[44]塔巴克BM，塞拉TR，卡朱埃罗道。利率预期假说与网络理论：巴西案例。物理统计力学及其应用。2009;388:1137-49.[45]Brida JG、Esteban LP、Risso WA、Devesa MJ等。西班牙的国际酒店业：其等级结构。旅游管理。2010;31:57-73.[46]Kantar E，Devilen B，Keskin M.土耳其对外贸易的等级结构。物理学——统计力学及其应用。2011;390:3454-76.[47]Mantegna RN。金融市场的等级结构。《欧洲物理学杂志》，1999年；11:193-7.[48]Mantegna RN，Stanley HE，2000年。《金融中的经济物理学相关性和复杂性导论》剑桥大学出版社，剑桥。[49]博南诺G、卡尔达雷利G、利洛F、曼蒂格纳RN。真实市场和模型市场中基于相关性的最小sp an-ning树的拓扑结构。Phys R ev E.2003；68.[50]伯南诺G，范德维尔N，曼特涅RN。股票市场指数分类法。Phys Rev E.2000；62:R7615-R8。[51]Onnela JP，Chak raborti A，Kaski K，Kertesz J，Kanto A.D.市场相关性动力学：分类学和投资组合分析。Phys Rev E.2003；68.[52]Onnela JP，Chakraborti A，Kaski K，Kertesz J.动态资产树和黑色星期一。Physica A.2003；324:247-52.[53]郑WS，蔡S，杨JS，莫安HT。