组合模型在我国能源需求预测中的应用，本文主要内容关键词为：组合论文,需求预测论文,在我国论文,模型论文,能源论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
能源是国民经济发展和人民生活水平提高的重要物质基础，党的十六大提出了全面建设小康社会的奋斗目标，2020年的国内生产总值要比2000年翻两番，使得我国对能源有着更高的需求，未来能源基础能否支撑我国经济的高速增长，成为国内外关注的十分重要的问题。因此做好未来能源需求预测分析，为能源规划及政策的制订提供科学的依据，对于保持我国国民经济健康、持续、稳定的发展具有重要的现实意义。
1 预测方法选择
国内外许多学者或机构对能源需求进行过广泛研究，提出了许多能源需求预测方法。根据这些方法的特点可以将其归纳为相关关系预测法和时间序列预测法。相关关系预测法是用统计分析方法找出现象与能源需求之间的因果关系或结构比例关系，并根据这些关系来预测能源需求的方法，这此方法包括能源消费弹性系数法、投入产出法、因素分析法、回归分析法，部门分析法等，由于能源需求往往受到许多因素的制约，并且这些因素之间又保持着错综复杂的关系，因此运用因果模型或结构比例关系预测能源需求一般比较困难，即使能够预测，也往往由于相关因素未来值的不确定，而使预测结果不够准确。
如果选择预测模型的标准是追求预测精度的极大化，则最好选择时间序列模型（徐国祥，1998）。时间序列分析方法包括确定性时间序列分析方法和随机性时间序列分析方法，确定性时间序列分析就是设法消除序列中的随机性波动，拟合确定性趋势，这种方法常常是对许多经济时间序列长期粗略预测的基础，确定性趋势虽然控制了时间序列的基本样式，但毕竟不是时间序列变动的全貌，因而其预测结果往往不准确。随机性时间序列分析方法是根据随机理论对随机序列进行分析，这种方法预测精度一般比较高，但它往往要求序列为平稳序列，对于非平稳序列，如果先通过差分等方法对其作平稳化处理，又会丢失原序列所包含的主要信息（王振龙，2000）。因此两种时间序列分析方法各有其优缺点。
确定性加随机性时间序列组合模型综合了确定模型和随机性模型的优点，用确定性模型描述序列中确定性趋势的变动规律，用随机性模型来刻画序列中随机变动的一般规律，因而用这种模型来预测某些类型的非平稳序列往往能取得令人满意的效果。本文拟选用组合模型方法我国未来能源消费需求进行预测。
组合模型完整的形式如下：
其中：f（t）为序列中确定性长期趋势，t为时间变量，D[,it] 为季节虚拟变量，s为季节的数目，扰动项ε[,t]服从ARMA（p，q ）过程（纯自回归过程和纯移动平均过程只是两个特例），B为滞后算子，v[,t]为白噪声过程。
建立组合模型时，首先要根据时间序列的特征，用一定的函数形式拟合序列的确定性组成部分，直到剩余序列平稳为止；然后对剩余序列拟合适应的ARMA模型；最后将分别拟合的确定性趋势和ARMA模型结合起来并以其参数作为初始值，用非线性最小二乘法估计组合模型的参数，得到最终的组合模型，并进行预测。
2 能源需求预测模型的建立和分析
（一）能源需求预测组合模型的建立
能源需求是指一定时期内，在一定条件下消费者能够且愿意购买的能源产品的数量，由于对全国能源需求进行统计非常困难，本文在对能源需求进行分析时，采用中国统计年鉴公布的能源消费总量数据代替能源需求量， 根据中国统计年鉴（2004）的定义，能源消费总量是指一定时期内全国物质生产部门、非物质生产部门和生活消费的各种能源和总和，能源消费总量包括原煤和原油及其制品、天然气、电力，而不包括低热值燃料、生物质能和太阳能等的利用。
本文用历年《中国统计年鉴》公布的我国1953～2003年能源消费总量年度数据（用Y[,t]表示，单位：万吨标准煤）建立组合模型进行预测，步骤如下：
1.拟合序列的确定性组成部分
1953～2003年我国能源消费需求总量的动态变化表现显著的长期上升趋势和随机变动（见图1）。
图1 1953～2003我国能源消费总量趋势图（单位：万吨标准煤）
由于采用的是年度数据，因此不考虑季节变动，我们分别用线性模型、二次趋势模型和指数趋势模型拟合原序列中的确定性组成部分，通过比较各模型的拟合优度，结果显示二次趋势模型的拟合效果最好，拟合结果如下（括号内为t检验值，下同）：
从上述结果可以看出，二次趋势模型拟合优度高达069823，且模型中各项都显著，表明二次趋势模型解释了我国能源消费总量的大部分变动，因此我们选取二次趋势模型反映能源消费总量的的确定性趋势。
2.对剩余序列拟合ARMA模型
二次趋势模型输出结果的D.W值不能拒绝随机扰动项是白噪声的零假设，说明残差是可预测的，可以考虑对残差序列ε[,t]建立ARMA模型。观察二次趋势模型残差序列相关图，发现残差的样本自相关函数表现出阻尼正弦波衰减的形态，残差的样本偏自相关函数滞后二阶截尾，这些特征说明残差序列是平稳的，并且可以对其建立AR（2）模型，对残差序列ε[,t]建立AR（2）模型估计结果如下：
模型中各项参数均通过了显著性检验，残差序列v[,t] 自相关图表明残差的样本自相关函数和偏自相关函数都位于Bartelett带宽以内，滞后8期的Ljung—Box Q统计量为2.71，相应的P值为0.903，不能拒绝残差序列为白噪声的原假设，因此可以认为建立的AR（2）模型是合适的。
3.估计组合模型
运用非线性最小二乘法对原序列估计二次趋势模型加AR（2）模型的组合模型，即估计下列模型的参数：
由估计结果可见，考虑了二次趋势以及AR（2）扰动的组合模型拟合优度高达0.9963，且D.W值非常接近于2，该方程残差的样本自相关函数都非常接近于0，说明残差倾向为白噪声。对该模型残差进行正态性检验，偏度值为－0.75，峰度值为4.81，Jarque—Bera统计量为11.39，相应的P值为0.003，拒绝了残差正态性的原假设，这很有可能是由于能源消费总量时间序列数据中存在异常数据造成的，尽管如此，残差还是能够很好的用正态分布近似。
图2 组合模型：实际值、拟合值和残差值
（二）组合模型评价
1.模型预测精度评价
利用Eviews软件绘制模型拟合效果图如下：
图2显著整体来看所建立的组合模型对历史数据拟合的非常好， 但也有两个时期残差比较大，第一次是在1958～1962年，这段时期由于“大跃进”影响，而使我国能源消费总量大幅度攀升；第二次是“九五”时期（1996～2000年），这可能与90年代后期以来国家大力整治“五小”工业，使我国能源消费总量连续数年出现负增长有关。可见这两个时期模拟序列出现较大偏差均是由有关历史因素和外部冲击造成的。
我们通过计算平均绝对百分比误差（MAPE）和Theil不相等系数来评价本模型预测精度。
平均绝对百分比误差（MAPE）、Theil 不相等系数及它的各个成分计算结果如下：
表1 组合模型预测精度评价
上表显示组合模型预测效果很好，MAPE只有6.48％，Theil不相等系数很小，且偏误比例、方差比例和协方差比例与理想的不相等比例分布也很一致。这些都说明组合模型得到的预测序列非常接近实际序列。
2.预测模型的稳定性评价：递归参数估计和CUSUM分析
如果一个预测模型表现不稳定，变量之间的关系经常随时间发生变化，有时候参数缓慢变化有时候却剧烈变动，那么模型的预测效果也会不理想，因此有必要对预测模型的稳定性进行评价。 递归参数估计和标准化递归残差的累积和（cumulative sum,CUSUM）在预测模型稳定性评估方面有着重要作用（迪博尔德，2003）。
递归参数估计是指从数据的小样本开始估计模型，然后增加观测值，并再次估计模型，重复这个过程直到用完所有的样本，最后得到一组递归参数估计值。递归参数估计值反映了估计参数随观测值的逐渐增多而变化的态势，传递了有关参数稳定性的重要信息。
标准化递归残差的累积和（CUSUM）对评估参数的稳定性特别有用， 我们通常可以检查CUSUM的时间序列图及其95％的概率边界，如果CUSUM在任意一点超出边界，则表明了参数的不稳定性，这种分析称为CUSUM分析。
图3 递归参数估计值
图4 CUSUM分析
图3中（1）、（2）、（3）是趋势参数递归估计值，（4）、（5）是自回归参数递归估计值，随着样本容量的增大，3个趋势参数都趋于稳定，而2个自回归参数先是趋于稳定，到了1996年以后看起来变化较大，这很可能与1996年以后国家大力整顿“五小”工业，而使从我国消费总量连续几年出现负增长有关，但从CUSUM 图（图4）看，所有的CUSUM都没有超出5％的显著性宽带，因此不能拒绝组合模型设定正确的假设。
3 模型预测结果及分析
对模型预测精度分析和模型稳定性分析表明，我们所建立的组合模型用于预测是合适的，根据预测模型，对我国2004～2020年能源消费需求总量预测结果如下图表所示：
表2
2004～2020能源消费需求部量预测结果 单位：万吨标准煤
组合模型预测结果分析：
（1）在保持过去发展规律不变的条件下，2010年我国能源需求总量将达到20.3亿吨标准煤，2020年将达28.4亿吨标准煤，这个预测结果与卢奇等（2003）将多元回归预测法、灰色预测法以及神经网络预测法等预测结果组合而得到的预测值很接近，根据预测结果，2004～2020我国能源消费总量均增长2.74％，低于1978 ～2003年期间4.6％的年均增长率。
（2）根据我国全面建设小康社会的目标， 未来我国经济增长年均增长至少保持在7％，能否以较低的能源消费增长实现我国经济的长期高速增长，这取决于经济发展道路的选择和政策取向，由于能源需求是社会经济发展，经济（产业和产品）结构的变化，技术进步，节能政策和实施效果，能源结构等多方因素的共同作用所得到的结果，不同的经济发展道路和政策取向对能源需求的影响都很大，因此未来能源的需求可能是一个较大的区间范围，而不能简单的确定为一个不变的数量，本文预测得到的各年95％的预测区间可作为我国能源消费总量预测值上下限的参考，根据本文预测结果，2020年我国能源消费总量预测值95％的置信区间为26.8～30.0亿吨标准煤， 这个预测结果与中国可持续发展能源暨碳排放情景分析课题组（2003）运用情景分析法得到的2020年我国能源消费总量的预测区间（23～31亿吨标准煤）相差不大，为保障国民经济翻两番，一方面我们应该争取到最低的能源需求，另一方面应该根据对能源需求预测，使能源供应给予绝对的保证。
4 简要结论
本文利用研究性加随机性时间序列组合模型对我国能消费总量时间序列进行了预测，并对模型预测精度和模型参数稳定性进行了检验，实证分析表明，本文采用的预测方法是一种简便、快捷且预测效果较好的方法。
本文存在的不足有：（1 ）能源消费总量时间序列数据中有可能存在由于各种冲击活动产生的“异常点”，本文没有对异常点的类型及对预测结果的影响进行诊断：（2）只是对单一的能源消费总量序列建模，没有考虑其它因素的影响。 这些都有可能导致本文预测结果出现偏差，因此是需要进一步考虑的问题。
标签：能源消费论文; 能源论文; 预测模型论文; 参数估计论文; 递归函数论文; 数据拟合论文; 线性拟合论文; 残差分析论文; 递归神经网络论文;