【文章內容簡介】 usman 檢驗，本質上是檢驗個體效應與自變量是否相關，當它們相關時，模型稱為固定效應模型，當它們不相關時，稱為隨機效應模型，只不過檢驗是通過比較參數估計量的差來實現(xiàn)的，檢驗統(tǒng)計量為： ，其中 q 是兩種模型下得到參數估計量的差。檢驗的原假設為參數之間的差別不是系統(tǒng)引起的，當原假設被拒絕時，隨機效應模型產生有偏估計量。 （三）短期動態(tài)調整分析 : 1. VAR 模型 是基于數據的統(tǒng)計性質建立模型，把系統(tǒng)中每一個內生變量作為系統(tǒng)中所 有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的 “向量 ”自回歸模型。核心思想是不考慮經濟理論，而直接考慮時間序列的各經濟變量間的關系。 VAR 的一般形式為 : () 其中， , ， i=1， 2， …p ； 是 (n1)向量組成的同方差平穩(wěn)的線性隨機過程， 是 (nn)的系數矩陣，是 向量的 i階滯后變量 , 是誤差項，在本模型中可視為隨機干擾項。 Granger因果關系檢驗是由 Granger（ 1969）提出， Sims（ 1972）推廣的如何檢驗變量之間因果關系的方法，用于分析經濟變量之間因果關系。思想是：如果一個事件 Y是另一個事件 X的原因，則事件 Y應領先于事件 X。因此，我們看現(xiàn)在的Y能夠在多大程度上被過去的 X解釋，加入 X的滯后值是否使解釋程度提高。如果 X在 Y的預測中有幫助，或者 X與 Y的相關系數在統(tǒng)計上顯著時，就可以說 Y是 9 由 X的 Granger引起的。 Granger 檢驗 是 先將當前的 y 對所有的滯后項 y 以及別的什么變量（不包括滯后項 x）做回歸，再做一個含有滯后項 x 的回歸，然后分別從兩個回歸得到受約束的殘差平方和 RSSR 和無約束的殘差平方和 RSSUR。 零假設是 ，即滯后項 x 不屬于此回歸。 采用 F 檢驗，即： () : 為直接觀察變量間的互動關系， Sims 建議可經由 Wald 分解定量轉換成移動平均的表示方式，轉換過程后可看出每個變 量都可以表示成模型內變量當期和滯后期隨機沖擊項的線性組合，但是雖然這些隨機沖擊項沒有序列相關的特性，卻可能有當期相關的特性，因此用正交化來去除當期相關。去除之后每個變量都可以表示成當期和滯后期隨機沖擊項的線性組合即脈沖響應函數 (IRF)。脈沖響應函數用于衡量來自隨機擾動項的一個標準差沖擊對內生變量當前和未來取值的影響，能夠比較直觀地刻畫出變量之間的動態(tài)交互作用及其效應。 五 .模型準備 （一） 變量說明 由于我國目前各個省市有統(tǒng)計的能源消費量有煤炭，石油，天然氣消費量，但此三項數據在很多省市 2021 年之 前缺失很多，出于本文實證研究長期關系考察目的，為選取較長時間數據故選取可得的各個省市已經折算合計的能源消費總量（億萬噸標準煤表示）指標代表能源消費量，用 ENY 表示 2. GDP GDP 反映一國（地區(qū)）所有常住單位在一定時期內（通常為 1 年）全部生產活動最終成果的重要指標。 10 （二）數據來源與預處理 本文實證分析所選取的變量為 GDP 和能源消費總量，采用的數據為19952021 年 128 個省市 215 個年份的面板數據。所有原始數據來源于《中國統(tǒng)計年鑒》，《中國能源統(tǒng)計年鑒》和各個省市的統(tǒng)計年鑒。為使數據具有可比性，所有 GDP 數據用國內生產總值平減指數（ 1995=100）對所用數據進行平減。數據整理結果見附表 1 和 2。 六 .實證模型分析 （一）長期分析 1．面板單位根檢驗 為避免時間序列的不平穩(wěn)造成的 “偽回歸 ”問題，需要首先對數據進行面板單位根檢驗，鑒于最新展起來的面板單位根檢驗方法的多樣性和各自的獨特性，不同檢驗方法得到的檢驗結果存在不一致性。為增強檢驗結果的穩(wěn)健性以提高結論的可信度，本文用如下四種方法分別進行檢驗 Hadri (2021) ， Levin, Lin and Chu (LLC, 2021)， Im, Pesaran and Shin (IPS, 2021)， Breitung 檢驗，檢驗結果匯總如下： 表 1 面板單位根檢驗結果 檢驗方法 原假設 GDP ENY LGDP LENY △ LGDP △ LENY Hadri 所有序列都是平穩(wěn)的 （ ） （ ） （ ） （ ） （ ） （ ） LLC 面板數據含有單位根 （ ） （ ） （ ） （ ） （ ） （ ） IPS 所有截面均含單位根 （ ） （ ） （ ） （ ） （ ） （ ） BRETIUNG 面板數據含有單位根 （ ） （ ） （ ） （ ） （ ） （ ） 結論 非平穩(wěn) 非平穩(wěn) 非平穩(wěn) 非平穩(wěn) 平穩(wěn) 平穩(wěn) 注：滯后階數按 SC最小準則確定；括號內為 p值； LX 表示 X的以 10為底的對數數據； DX 表示 X的一階差分 表 1 檢驗結果表明： GDP 和 ENY 均是非平穩(wěn)序列；取對數后數據 LGDP 和LENY 仍為非平穩(wěn)序列，對數一階差分數據為平穩(wěn)序列。 11995 年前和 2021 年數據無法獲得 2西藏數據全部缺失，重慶四川由于劃分直轄市統(tǒng)計口徑不一致 11 2． 面板協(xié)整檢驗 前文檢驗結果表明 LGDP 和 LENY 均是一階單整序列，滿足進行協(xié)整檢驗的前提條件。 進一步地，考慮到不同協(xié)整檢驗方法各自的 優(yōu)勢和局限，本文 采用基于殘差的單位根檢驗的 KAO 方法即時間序列 EG 兩步法協(xié)整檢驗的推廣和基于時間序列協(xié)整秩的 Johansen（ 1995）跡統(tǒng)計量的 Johansen Fisher 檢驗方法分別進行面板協(xié)整檢驗，結果如表 2。 表 2 協(xié)整檢驗結果 統(tǒng)計量 統(tǒng)計量值 P 值 Pedroni 檢驗 Panel vStatistic Panel rhoStatistic Panel PPStatistic Panel ADFStatistic Group rhoStatistic Group PPStatistic Group ADFStatistic Kao 檢驗 ADF Johansen 檢驗 Fisher 注：原假設均為兩變量不存在協(xié)整關系，不含趨勢項，滯后階數為 1。 在小樣本中 ，即對于 T20 的時間較短的計量分析， Pedroni 檢驗中的 ADF檢驗效果最好，檢驗結果出現(xiàn)不一致時以其為準。由表 3 結果可知，綜合三種檢驗結果，可在 的顯著性水平上拒絕 LGDP 和 LENY 不存在長期協(xié)整關系的原假設，即沒有理由拒絕我國能源消費與經濟增長存在長期協(xié)整關系。 3． 面板回歸模型 前面分析結論可知，不能拒絕能源消費與 GDP 存在長期協(xié)整關系，這一檢驗結論表明建立能源消費與 GDP 的回歸模型是合理的，為考察長期來看，經濟增長帶來的能源壓力問題，下面建立 LENY 關于 LGDP 的回歸模型。 混合估計結果如下 LENY = *LGDP + （ ） （ ） 固定效應模型估計結果如下： LENY = *LGDP + + [CX=F]3 （ ）（ ） 3 CX=F 與綜合固 定效應值 之和即為個體固定效應值。 12 隨機模型估計結果如下： LENY =0 .7414415 *LGDP + （ ） （ ） 首先， 用 F 檢驗進行混合模型和固定效應模型選擇 H0:模型中不同個體截距相同（真實模型為混合模型） H1：模型中不同個體截距項不同（真實模型為個體固定效應模型） 計算得 F=， Prob F = 拒絕原假設，即認為建立個體固定效應模型更合理。 然后，用 Husman 檢驗進行固定效應模型和隨機效應模型的選擇 H0:個體效應與回歸變量無關 (個體隨機效應模型 ) H1：個體效應與回歸變量有關（個體固定效應模型） 計算得檢驗統(tǒng)計量 Chi^2=， Probchi^2 = 結果表明，拒絕原假設，即認為應該建立固定效應模型。 前文分析結果可見，綜合了 F檢驗和 Husman檢驗統(tǒng)計量結果，建立個體固定效應模型是合適的。在確立個體固定效應模型時，由于截面?zhèn)€數（ 28個）大于時間個數（ 15年），采用截截面加權模型。在上面初步分析中發(fā)現(xiàn)， DW值較小，說明被解釋變量具有明顯自相關性，根據 AIC和 SC最小準則，在隨 后的截面加權固定效應模型中加入一階和二階滯后變量，估計結果如下 LENY=*LGDP++[CX=F]+[AR(1)=,AR(2)=] （ ） （ ） R^2=,F(1,391) = ， Prob F = ， DW= 模型估計結果顯示，用于檢驗模型整體檢驗效果的 F值為 ，相伴概率小于 ，模型整體顯著；變量的 t檢驗也顯著。說明 ENY對 GDP的彈性系數為，表明 GDP每增長 1%，