基于组合预测模型的我国能源需求预测分析

刘孝萍，杨桂元

(安徽财经大学 统计与数学学院，安徽 蚌埠 233030)

一、引言

能源是人类活动的物质基础，是国家经济的命脉。我国是一个拥有丰富能源的资源大国，同时也是一个能源消费大国，每年的能源需求在不断快速增长，供求之间的矛盾也逐渐日益突出，能源短缺已经成为我国比较严重的问题。因此，准确地预测我国能源需求的变化趋势，能为能源规划及政策的制订提供科学的依据，对于保持国民经济稳定、健康、持续的发展也具有十分重要的意义。

能源需求预测是一个复杂系统，在它的发展变化过程中受到多种内部或外部因素的影响。在我国的能源研究中，不同学者从不同的角度建立了不同的经济计量模型，如时间序列、多元统计、神经网络、灰色理论、MEDES模型、DGEM模型等对我国未来能源需求的变化趋势进行了模拟和预测，但由于单项预测模型的假设条件及适用范围的控制，会使预测的结果存在局限性。但如果对单项模型进行适当的组合，则可以有效弥补其不足，使预测结果更具有可信度。因此，本文首先分别采用多元线性回归模型、灰色模型及指数模型的方法对我国能源消费进行预测，根据预测结果对各模型的结果进行了比较分析，再采用误差平方和最小法进行权重分配，建立了我国未来能源需求量的组合预测模型，并对我国未来10年的能源需求量进行了预测。

二、我国能源需求模型的建立与预测

(一)多元线性回归模型

多元线性回归模型是两个或两个以上的影响因素作为自变量来解释因变量的变化，考虑到能源消费与人口增长、经济发展密切相关，且煤炭消费在能源消费中的比重最大，所以以能源消费量(Y)为因变量，以人口数(x1)、国内生产总值GDP(x2)、煤炭消费量(x3)为自变量，建立回归模型:

其中:ut是随机误差项，上述模型满足如下假定条件:随机误差项是非自相关的，解释变量与误差项相互独立，解释变量之间线性无关等等，利用Eviews6．0软件进行检验发现，自变量都与因变量密切相关，虽然自变量之间存在多重共线性，但将它们共同作为解释变量有利于提高模型的拟合度，所以没必要剔除，采用普通最小二乘法估计，得到我国能源消费量的多元回归模型如下:

经过检验，该模型可以用于预测。先对三个自变量人口数(x1)、国内生产总值GDP(x2)、煤炭消费量(x3)进行预测，再代入上式得到2011～2020年能源需求量，结果如表1。

表1 2011－2020我国人口、GDP、煤炭消费量和能源消费量预测值

(二)灰色GM(1，1)模型

设已知参考数列x(0)={x(0)(1)，x(0)(2)，…，x(0)(n)}，做1次累加(AGO)生成数列x(1)={x(1)(1)，x(1)(2)，…，x(1)(n)}，再求均值数列y(0)=0．5x(1)(t)+0．5x(1)(t－1)，t=2，3，…，n，即y(0)={y(0)(2)，y(0)(3)，…，y(0)(n)}，于是建立灰微分方程x0(t)+ay0(t)=b t=2，3，…，n，其中x(0)(t)称为灰导数，a称为发展系数，y(0)(t)称为白化背景值，b为灰作用量。

基于上述GM(1，1)模型，利用1990—2010年我国能源消费的统计数据，建立我国能源需求的灰色预测模型为:

将预测结果进行还原，得到原始数列的预测值，如表2所示。

(三)指数模型

图1 我国能源消费总量趋势图

从我国1990－2010年的能源消费总量的趋势图如图1所示，可以看出，我国能源消费与时间大致呈指数增长趋势，所以本文选取指数模型yt=aebt，两边取对数，lnyt=lna+bt，产生序列lnyt，之后进行普通最小二乘估计该模型，最终得到估计模型，通过得到的参数a，b的估计值，可得到指数参数估计模型:yt=11．368e0．061t。

各系数都通过显著性检验且总体的拟合效果较好，所以此指数模型具有较好的预测能力，可以用于能源需求预测及分析，预测值如表2所示。

三、能源消费量的组合预测模型

(一)单项预测模型及误差分析

用上述三种单项模型分别对未来能源需求进行预测，再将各个模型的预测结果与实际值进行比较，计算出预测误差，如表2所示。

通过比较三个单项模型的误差平方和，如表2所示，可以看到，灰色预测模型的误差平方和最大，指数预测模型次之，多元线性回归预测模型最小，通过误差平方和可以计算出各个单项模型在组合预测模型中的比重大小。

表2 各模型的预测结果及预测误差

(二)建立组合预测模型

为了克服单项预测模型所反映出的局限性，减少预测的随机性，更能有效的提高预测的精度，考虑采用误差平方和最小法确定组合权重并建立组合预测模型。在本文中，通过三种模型所得的预测误差平方和计算出预测误差信息矩阵:

计算得到三个单项模型的组合权重:W=(0．9798634，0，0．0201366)，根据这个组合权重，建立组合预测模型如下:y=0．9798634y1+0y2+0．0201366y3，式中y为组合预测值，y1为多元回归预测值，y2为灰色预测值，y3为指数模型预测值。组合预测的误差平方和S=10169049，小于各个单项预测方法的预测误差平方和，说明组合模型预测的精度要高于各个单项预测的结果，所以可以采用组合预测模型来对未来10年的能源需求量进行预测。

四、模型应用及结果分析

(一)我国未来能源需求量预测

根据上述组合预测模型对我国未来10年的能源需求量进行预测，结果如表3所示。

表3 我国2011－2020年能源需求总量预测

(二)预测结果分析

上述模型对我国能源需求量从不同的角度进行了模拟、预测及组合。预测结果表明:随着人口和经济的增长，能源需求也将会不断增长，由表3可以看出，能源需求量将从2011年的330195万吨标准煤增长到2020年的625589万吨标准煤，这意味着我国将面临着严峻的能源供应紧张问题，所以我们应采取相应的措施来减缓能源需求量:①转变经济结构。高产值、低耗能的产业逐渐取代低产值、高耗能的产业，将会减缓对能源需求的增长。②加快科技进步。随着科学技术的不断进步，节能技术也将不断发展，将大大地节约能源的消费，新能源的开发利用导致能源消费结构变化，进而减少能源的消费。③国家政策的调整。国家的宏观经济政策，比如能源税收政策的调整、鼓励低碳消费行为、限制用煤政策的出台等政策的实施都将会在一定程度上影响我国未来能源消费的变化趋势。

［1］ 陈华友．基于标准差的预测有效度的组合预测模型［J］．系统工程学报，2003，(6):203－210．

［2］ 徐国祥．统计预测和决策［M］．上海:上海财经大学出版社，2005．

［3］ 张晓峒．计量经济分析［M］．北京:经济科学出版社，2000．

［4］ 高铁梅．计量经济分析方法与建模［M］．北京:清华大学出版社，2007．

［5］ 索瑞霞，王福林．组合预测模型在能源消费预测中的应用［J］．数学的实践与认识，2010，(9):80－85．

［6］ 唐小我，马永开，曾勇，杨桂元．现代组合预测和组合投资决策方法及应用［M］．北京:科学出版社，2003．

［7］ Kouris，George．Energy Consumption and Economic Activity in Industrialized Countries:a Note［J］．Energy Economics，1998，(11):207－212．

［8］ Mantegna R N，Stanley HE．Scaling Behavior in the Dynamics of an Economic Index［J］．Nature，1995，(6):46－49．