发帖
雷达卡
| 标签：环保 排放总量 能源消耗 eviews 回归系数 杂谈 | 分类：能源战略 |
经验算法实证分析
经验模型：碳排放总量 = 0.67 * 能源消耗总量（折算成标准煤）
来源：国家发改委能源研究所姜克隽
以2007年数据建立截面数据模型解释变量： 能源消耗总量（X）
被解释变量：碳排放总量（Y）
作能源消耗总量（X）、碳排放总量（Y）的散点图
从散点图可以看出碳排放总量（Y）和能源消耗总量（X）大体呈现为线性关系，所以建立的模型为以下线性模型
Yi =β1 +β2Xi + ui
估计参数假定所建模型及随机扰动项ui满足古典假定，可以用OLS（普通最小二乘法）估计。
表2.1 EViews回归结果
Dependent Variable: Y |
|
| ||
Method: Least Squares |
|
| ||
Date: 11/24/09 Time: 20:38 |
|
| ||
Sample: 1 30 |
|
|
| |
Included observations: 30 |
|
| ||
|
|
|
|
|
|
|
|
|
|
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
|
|
|
|
|
|
|
|
|
|
C | -366.5820 | 280.8871 | -1.305087 | 0.2025 |
X | 0.776413 | 0.022510 | 34.49171 | 0.0000 |
|
|
|
|
|
|
|
|
|
|
R-squared | 0.977005 | Mean dependent var | 7832.033 | |
Adjusted R-squared | 0.976184 | S.D. dependent var | 5311.587 | |
S.E. of regression | 819.7042 | Akaike info criterion | 16.32010 | |
Sum squared resid | 18813617 | Schwarz criterion | 16.41352 | |
Log likelihood | -242.8016 | F-statistic | 1189.678 | |
Durbin-Watson stat | 1.596400 | Prob(F-statistic) | 0.000000 | |
|
|
|
|
|
|
|
|
|
|
根据EViews计算的结果，参数估计有如下结果
∧
Yi = -366.5820 + 0.776413·Xi（-366.5820） （0.776413）
t = （-1.305087） （34.49171）
r2 = 0.977005 F = 1189.678 df = 28
模型检验
拟合优度的度量：有表2.1中可以看出，本例中可决系数为0.977005，说明模型整体上对数据拟合较好，即解释变量“能源消耗总量”对别解释变量“碳排放总量”的绝大部分差异做出了解释。
对回归系数的t检验： 针对H0：β1 = 0 和 H0：β2 = 0，由表2.1中还可以看出，估计的回归系数β1的标准误差和t值分别为：SE(β1) = 280.8871，t（β1）= -1.305087；β2的标准误差和t值分别为：SE（β2）= 0.022510，t（β2）= 34.49171。取α= 0.05，查t分布表得自由度为n=30-2=28的临界值t0.025(28) = 2.048。因为t（β1）= -1.305087 < t0.025(28) = 2.048，所以不应拒绝H0：β1 = 0；因为t（β2）= 34.49171 > t0.025(28) = 2.048，所以应该拒绝H0：β2 = 0。这表明，能源消耗总量对碳排放总量有显著影响。
模型及结论
碳排放总量估算模型应该为：
Yi = -366.5820 + 0.776413Xi
其中Yi为碳排放总量，Xi为能源消耗总量（以标准煤计量）
京公网安备 11010802022788号
