碳排放量经验算法实证分析

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）