不同区制工业化水平下的石油消费分析——基于Path-STR模型的实证研究

柴 建，梁 婷,周友洪,汪寿阳，黎建强,4

(1.西安电子科技大学经济与管理学院，陕西 西安 710126；2.陕西师范大学国际商学院，陕西 西安 710119；3.中国科学院数学与系统科学研究院，北京 100190；4.香港城市大学管理科学系，香港 999077)

不同区制工业化水平下的石油消费分析
——基于Path-STR模型的实证研究

柴 建1,2，梁 婷2,周友洪2,汪寿阳3，黎建强2,4

(1.西安电子科技大学经济与管理学院，陕西 西安 710126；2.陕西师范大学国际商学院，陕西 西安 710119；3.中国科学院数学与系统科学研究院，北京 100190；4.香港城市大学管理科学系，香港 999077)

经济的全球化、石油供需体系自身的复杂性使得石油消费和各影响因素之间的关系也变得复杂。本文从文献回顾和理论分析中得出影响石油消费的总量因素、结构因素和价格因素，基于1995年至2015年的数据进行通径分析，测算出各因素对石油消费的直接影响、间接影响以及总的影响程度，结果显示经济增长、工业化水平和国际原油价格是影响石油消费的主要因素。Johansen协整检验表明它们之间存在长期稳定关系，因此本文在此基础上运用平滑转换回归(STR)方法进一步对各因素的石油消费影响效应进行研究，得出如下结论：工业化与我国石油消费之间存在非线性关系，其明显的区间转换动态特征可用LSTR2模型来刻画。在加入了其它控制变量后，当滞后一期工业化水平处在低于-0.0045的低区制状态和高于0.0228的高区制状态时，工业化对石油消费产生抑制作用，此时的非线性特征最为明显；当滞后一期工业化水平处在两区制之间的中区制状态时，对石油消费的影响效应逐渐从负向抑制作用向稳定的线性正向促进作用转换。同时这种非线性关系使得经济-能源系统中的经济增长和国际油价对石油消费也产生复杂的影响。这为我国不同工业化时期在制定与节约能源、优化能源结构等相关政策时提供一定的依据。

工业化水平；石油消费；通径分析；LSTR模型；区制转换

1 引言

石油不仅是世界各国经济发展的重要物资，同时又是安全机制的战略物资。在中国，随着国民经济持续增长、工业快速发展以及生活水平的显著提高，石油消费需求也迅速增加，作为第二大石油消费国，我国石油消费量从1970年的55.6万桶/天增加到2015年的1196.8万桶/天，增长了21.5倍，相比于2014年其消费量增长了6.3%，消费速度增长了近3%，占全部消费份额12.9%，仅次于美国19.7%的占比，而石油产量仅430.9万桶/天，较2014年同比增长1.5%，占全球生产份额4.9%，不足美国13.0%的一半。自1993年起，我国由能源净出口国变成净进口国，我国原油净进口量在2015年达到了819.6万桶/天，对外依存度越来越高，加上当前去产能、油价持续走低的现状，使得关于石油消费的研究更趋复杂化，未来经济变化的多样性、油价的波动趋势以及石油市场供需矛盾的演化方向使得能源安全问题仍需高度关注。

我国进入新常态经济发展阶段，经济稳步增长的战略要求伴随着行业、企业的转型升级，新型城镇化的建设也被作为“十三五”规划编制的重要内容，在这一系列改革发展的背后需要石油等能源作支撑，同时石油消费也会随之发生变化，因此对石油消费及其影响因素重新进行更深刻的研究有利于把握经济增长下石油需求的不断攀升所刺激的行业产能扩容，进而导致石油市场上出现供需不平衡的局面，为下一步的发展方向和政策制定提供一定的参考。

国内外对石油消费的研究颇多，从石油消费的影响因素上，Moore[1]研究发现，在短期内石油消费受前期消费、价格、收入水平以及电力消费和进口设备的影响；Narayan和Smyth等先后运用中东面板[2]和澳大利亚面板[3]研究石油消费、油价、收入之间的关系，得出中东的石油需求很大程度上正在由强劲的经济增长来推动，石油价格对石油消费的长期弹性并不显著的结论；Zou Gaolu和Chau[4]研究发现中国石油消费和经济增长之间存在长期和短期的双向关系。从石油消费研究方法上主要有以下三点，一是传统的VAR研究，纪玉山等[5]、Gallo等[6]用VAR模型研究我国石油消费、石油产量、油价之间的关系；张欢等[7]运用VAR和SVAR模型来研究城市化进程和能源需求之间的动态波动效应；崔百胜和朱麟[8]则运用GVAR对能源消费、经济增长等其他变量进行研究。二是变量之间的协整检验和Grange检验，这里既包括两变量也包括多元变量的估计，Behmiri等[9]运用面板协整研究经济增长和原油消费的因果关系；Lin Boqiang和Xie Chun[10]运用协整方法研究出石油消费与GDP、道路条件、劳动生产率以及石油价格之间存在长期关系；Zheng Yuhua等[11]、Park等[12]使用向量误差修正模型对石油消费和三种产业之间以及石油消费和经济增长之间的长期和短期关系进行研究；Mahadevan等[13]和Asafu-Adjaye[14]则运用面板误差修正模型研究了各个国家经济增长和能源消费之间所存在的关系。三是各影响因素对石油消费的非对称和非线性研究，Kumar等[15]在研究中运用了非线性的Grey-Markov对印度的原油消费进行预测；Behrang等[16]使用引力搜索法(GSA)的三个需求评估模型来预测石油消费，每个模型包含线性和非线性形式；陈文静等[17]通过建立半参数模型和非参数模型来考察石油消费系统中各线性和非线性影响因素的影响效应。

本文试图运用非线性的STR模型来研究我国的石油消费，该种模型可有效解决一般回归中存在的“折凹”现象，事实上，国内外已有相关文献使用STR技术刻画能源消费的非线性关系，Lee等[18]采用面板平滑转换回归模型(PSTR)对24个OECD国家的电力消费、实际收入、电价和温度之间的非线性关系进行研究；贺小莉等[19]运用相同的方法研究中国能源消费和经济增长之间存在非线性关系，赵新刚等[20]还使用该模型研究经济增长与能源强度之间的关系；赵进文等[21]和Kani等[22]运用非线性STR技术分别对经济增长与能源消费之间、天然气价格和天然气需求之间的非线性、非对称及阶段性特征进行研究。石油作为一种重要的能源，其消费量的研究对于整个石油市场的稳定尤为重要，目前学者大都对石油消费进行线性研究，很少对其进行非线性研究尤其是使用本文的STR方法，或是仅研究两变量之间的影响，未加入其他变量，但事实上石油消费的影响因素和机制较为复杂。因此本文以石油消费为研究目标，并从影响石油消费的总量因素、结构因素以及环境因素中提取出核心影响因素加以研究，在考虑其它控制变量情况下，通过建立非线性LSTR2模型以期准确揭示工业化水平对我国石油消费的影响机制以及二者之间机制转换的动态路径。

2 基于我国石油消费影响因素的通径分析

能源系统是一个复杂系统，在其发展演化过程中受到多种内部因素及外部环境的影响和制约。石油作为占比较大的化石能源之一，其消费量的影响因素也涉及各个方面，主要可分为总量因素、结构因素、技术因素和环境因素四个方面，而且各因素之间关系复杂。本文通过对国内外已有研究的回顾和综述，找出本文所要重点研究的影响因素，利用通径分析法分析各影响因素对石油消费的影响途径和影响效应。

国内生产总值GDP：以国内生产总值衡量的经济增长和收入水平是影响石油消费的重要因素。一方面，我国经济增长是城市化、工业化的转轨过程，城乡之间、农工之间所存在的耗能差异使得以转轨为明显特征的经济增长必然伴随着低耗能经济向高耗能经济的转轨，石油消费增加；另一方面，我国的经济增长是由投资、消费以及进出口拉动的，这其中都伴随着强劲的石油需求。吕魁等[23]在研究就得出经济增长对石油消费有明显的推动作用。

城镇化水平：城市化进程是我国经济处于转型时期较为显著的特征之一。中央文件《国家新型城镇化规划(2014-2020年)》中指出城镇化是保持经济持续健康发展的强大引擎，目前我国常住人口城镇化率为53.7%，不仅远低于发达国家80%的平均水平，也低于人均收入与我国相近的发展中国家60%的平均水平，这意味着中国须加快城市化进程。城镇化的加快推动了基础设施，如交通、住房等的需求，从而创建大量钢铁、水泥和其他能源密集型产品的需求增大，对能源的需求随之上升。Jones[24]在研究中估计城市居民的能源消费一般大约是农村居民的3.5-4倍[24]，Halkos和Tzeremes[25]在分析中也指出不管在国家的哪一发展阶段石油消费的主要驱动力都是工业化和城市化，因此城镇化水平也会影响石油消费。

工业化进程：我国能源消费主要分为生产用能和生活用能两大部分，生产用能是其中主要部分，加之三大产业中，第二产业能耗指数最高，尤其以工业生产耗能最为突出，Jiang zhujun等[26]在分析中也指出工业化和城市化过程是中国从低收入国家向高收入国家转型的关键阶段，转换阶段越短能源需求的增长速度越快。另一方面，工业的发展显然会促进各种技术的进步，而技术的进步不仅反过来会增加产出，而且从节约成本的角度来看势必会刺激厂商提高原有等值消耗能源的利用率，从而使得能源消费有下降趋势，因此工业化水平对能源消费的这种不确定关系，需要本文基于一定的具体数据加以分析，西蒙.库兹涅茨[27]研究认为，工业化的演进阶段可通过产业结构的变动过程表现出来，因此本文以第二产业增加值占GDP的比重来衡量工业化水平。

国际油价：根据经典的能源经济理论，石油价格是影响石油消费的重要因素。虽然我国对于油价实行市场管制，但是自从1993年成为石油净进口国以来，在经济快速增长的背景下，石油消费量稳步上升，供需缺口日渐加大，对外依存度上升以及经济全球化下国际油价的波动传导至国内，通过各大产业链影响我国经济进而影响我国的石油消费。因此，越来越多的研究中不会因为油价缺乏市场化而剔除这一影响因素，纪玉山在研究了我国石油消费的动态影响因素中，得出石油价格的上涨并没有导致石油消费显著下降，反而在一定时间段内导致了石油消费的增加[5]，说明国际油价对石油消费的影响具有复杂性，本文将其作为国际政策大环境纳入研究范围。

本文选取代表总量因素的GDP总量，代表结构因素的城镇化水平(城镇人口占总人口的比重)和工业化进程(GDP中第二产业增加值占比)，以及代表政策环境因素的国际油价(国际原油价格)来分析石油消费，由于在技术因素中包含的节能技术、新能源技术以及管理技术等缺少可以量化的标准，因此本文不将其作为变量加以研究。

Wright[28]在1921 年提出通径分析之后该方法越来越多的被用于各种领域，它是通过直接通径、间接通径和总通径系数来研究多元统计中其他变量对因变量的直接作用效果、间接作用效果以及综合作用效果，Chai Jian等[29]在研究中便使用该种方法提取核心因素。

本研究假定：y为石油需求，GDP、urb、ind、和p分别为国内生产总值、城镇化水平、工业化水平和国际原油价格，数据来源于《2016年中国统计年鉴》、《2016年中国能源统计年鉴》、Wind数据库、BP世界能源统计年鉴2016。选取1975-2015年的年度数据为样本区间，对所有变量取对数以消除异方差性，并将处理后的数据分别记为LnGDP、Lnurb、Lnind、Lnp，得到变量之间的通径系数：

PLnGDP.Lny=0.983，PLnurb.Lny=0.983

PLnind.Lny=0.112，PLnp.Lny=0.763

PLnGDP.Lny=0.879，PLnind.Lny=0.043,PLnp.Lny=0.145

由表1的分析结果可以看出，各因素对石油消费的直接作用大小排序为LnGDP>Lnp>Lnind，综合影响排序为LnGDP>Lnp>Lnind，由此表明不管是从直接影响还是综合影响来看，GDP对我国石油消费的影响作用最为显著，其次是国际原油价格。同时从决策系数来看R(LnGDP)2>R(Lnp)2>R(Lnind)2，各因素对我国石油消费的推动作用大小和直接影响和综合影响的结果一致。这是因为油价和工业化水平对石油消费的影响存在相当一部分会表现在经济水平上，这一部分的效应主要是通过GDP间接影响石油消费。

3 非线性平滑转换回归模型分析

3.1 非线性平滑转换模型的构建

本文拟使用平滑转换(STR)模型(Smooth Transition Regression Model)来研究国际原油价格和我国石油消费之间的动态关系。这种非线性回归可以有效刻画被解释变量和解释变量的整体回归模型在某点处可能存在的折凹现象，即表现为不同区间其截距或系数发生改变，平滑转换回归的核心思想是以某个变量作为转换变量，所要回归的模型会在该转换变量的某个位置发生缓慢的变化，非线性平滑转换回归(STR)模型的一般形式为：

表1 GDP、工业化水平和国际油价对石油消费影响作用通径分析

ut～Niid(0,σ2),t=1,2,...,T

(1)

其中yt是目标变量，Zt=(Wt′,Xt′)是一个((m+1)×1)的解释变量向量，它包括被解释变量yt直到p阶的滞后向量Wt'=(1,yt-1,....,yt-p)和外生解释变量向量Xt′=(x1t,....,xkt)。φ=(φ0,φ1,....,φm)'和φ=(φ0,φ1,....φm)′分别是线性部分和非线性部分的参数向量。

3.2 变量的平稳性检验

通常情况下，为避免出现伪回归现象，要求加入模型的各变量序列必须平稳，因此需要对所有的变量进行单位根检验，本文对各变量进行ADF检验和PP检验，从表2的检验结果可知，各变量的原始序列即使在10%的显著性水平下仍不能拒绝单位根假设，即原始序列都是非平稳时间序列。对各变量取一阶差分后，所有的序列均表现为平稳，即都是I(1)序列，因此各变量的序列数据可用来对STR模型进行参数估计和相关的统计检验，在后文分析中，我们将差分处理后的各平稳序列分别记为dLny、dLnGDP、dLnind和dLnp。

表2 单位根检验结果

注：ADF检验和PP检验的原假设都为序列存在单位根，***、**和*分别表示在1%、5%和10%的显著性水平下拒绝原假设，t统计量下方括号内的数值是对应的p值。

在正式建模之前，本文采用协整检验来判别均为I(1)序列的各变量之间是否存在长期稳定的均衡关系，这里使用Johansen协整检验法。表3的检验结果表明在1%显著性水平下变量之间存在一个长期的均衡关系。

表3 Johansen协整检验结果

注：协整个数假设中的*代表存在长期均衡关系所对应的个数，检验统计量的p值中***代表1%显著性水平下通过这种长期关系。

3.2 模型的非线性检验和转换变量选择

对STR模型进行估计的第一步是确定模型的自回归(AR)部分，本文选取被解释变量dLny的1至3阶滞后项，解释变量dLnGDP、dLnind和dLnp的0至3阶滞后项，共组成12组组合。

表4 确定滞后阶数

注：用被解释变量对各滞后组合进行回归，组合(dy，dxi)中的dy表示被解释变量dLny的滞后阶数，dxi表示所有解释变量的滞后阶数。

本文结合AIC信息准则、SC信息准则以及D.W统计量来选取滞后阶数，从表4可以看出被解释变量和解释变量分别滞后2阶和1阶时AIC和SC相对比较小，且此时序列的一阶自相关程度较低，结合以上判断选择模型的滞后阶数组合为(2,1)。

在确定了AR项后，进行非线性检验和转换变量的选择，表5为检验结果。

表5 非线性检验及转换函数形式

在非线性检验中，F、F4、F3和F2分别表示H0、H04、H03和H02假设下的F统计量，对应的每一列数是F统计量的p值。原假设H0被拒绝则证明非线性关系存在，接下来需要判断转换函数的具体形式，当H03被拒绝的p值最小时，选择LSTR2模型，否则选择LSTR1模型。从表5的检验结果可以得到，dLnind、dLnGDPt-1以及dLnpt-1均和被解释变量之间存在非线性关系，当dLnindt-1为转换变量时，相伴概率最小，因此本文以dLnindt-1为转换变量以及以其对应的最优模型为最终模型。由于F3的p值小于F4和F2对应的p值，表明dLindt-1对应的转换函数形式为LSTR2，具体表示如下：

G(γ,c,dLnindt-1)=

(1+exp{-γ(dLnindt-1-c1)(dLnindt-1-c2)})-1,

c10

(2)

3.3 LSTR2模型的估计和检验

3.3.1 模型的估计结果

由于已经确定模型形式为LSTR2，接下来确定位置参数c1、c2和平滑参数γ的初值，初值选择方法一般包括格点搜索法和最陡爬坡法，本文采用二维格点搜索法来确定参数初值，根据数据长度、经济变量实际情况以及参考常用做法，设置位置参数c1和c2的区间为[-0.0517,0.0686]，平滑参数γ的取值区间为[0.5,10]，迭代60次，依次取遍平滑参数γ和位置参数c的二维参数空间，按照最小残差平方和的原则，确定对应参数c1、c2和γ的初始值，迭代结果如下表6。当平滑参数γ和位置参数c1、c2初始估计值分别为6.0185和-0.0028、0.0217时，辅助回归方程的残差最小。

表6 平滑参数和位置参数的初始估计值

在已知平滑参数和位置参数的初始值后，可以采用非线性方法来估计方程(1)中所要估计的参数φ、φ、γ和c，非线性估计方法一般有高斯—牛顿迭代和Newton-Raphson迭代法。本文采用的是递归Newton—Raphson来估计石油消费和工业化水平之间非线性回归模型中的参数，通过最大似然函数得到模型参数的估计值，之后剔除不显著变量，对模型进行优化得到最终模型，具体估计结果如表7所示。

表7 LSTR2模型的估计结果

注：***、**和*分别表示在1%、5%和10%水平下显著。

3.3.2 模型检验

在完成对LSTR2模型的估计后，为保证上述所估计的工业化水平和石油消费间的非线性动态模型具有良好的性质，需要对估计出的LSTR2模型进行稳健性检验。误差自相关检验中关于F统计量的伴随概率p值在滞后3阶时达到最小，为0.3833，即当误差项的滞后长度取值在1和8之间波动时，残差无序列相关的F统计量的p值均大于10%的显著水平，因此接受不存在误差自相关的原假设。根据误差项的异方差ARCH-LM检验，F统计量的值为0.9239，对应的p值为0.5170，接受不存在ARCH效应的原假设；正态性J-B检验的卡方统计量的值为1.7551，对应的p值为0.4158，大于10%的显著水平，接受残差正态分布性假设的概率很高，残差不存在异常点。对转换变量是否还具有残余的非线性以及位置参数在平滑转换过程中是否是固定不变的相关检验如表8所示，转换变量dLnindt-1不存在残余的非线性，位置参数也在很高的显著水平下不拒绝稳定性原假设。总之，依据上述非线性模型参数稳健性检验的结果表明，本文对工业化水平和石油消费之间所构建的LSTR2模型具有良好的性质。

表8 非线性残余检验和参数稳定性检验

注：ARCH-LM检验的原假设是不存在ARCH效应；J-B检验的原假设是残差是正态分布；非线性残余检验的原假设是不存在剩余的非线性性；参数稳定性检验的原假设是参数γ和c是不变的。

3.3.3 非线性特征分析

表7的估计结果可以分为两个部分，在LSTR2模型的线性部分中，当期工业化水平dLnindt和滞后一期的工业化水平dLnindt-1均对石油消费产生显著的正向影响，而且滞后一期的工业化的系数要明显大于当期工业化对石油的影响系数。滞后一期的经济发展dLnGPDt-1也对石油消费产生促进作用，而当期价格对石油的影响则表现为显著的抑制作用。

在LSTR2模型的非线性部分中，平滑参数γ=8.8047，表明模型的转换速度比较快，如图1和图2所示，转换函数图的比较陡峭，斜率较大，表明区制之间的转移速度较快，而且也意味着随时间的变化，工业化水平对石油消费所表现的非线性影响中每一阶段所持续的时间也较短。非线性部分的位置参数临界值c1=-0.0045，c2=0.0228均在取值区间，表明所设定的非线性模型具有合理性，而且位置参数关于(c1+c2)/2=0.0092对称，当转换变量dLnindt-1=0.0092时，转换函数值最小且接近于0，非线性部分特征并不明显，此时的模型几乎表现为完全的线性形式。当转换变量值等于临界值时，转换函数值G=0.5。当转换变量值小于-0.0045或大于0.0228时，即工业化进程出现绝对的负增长和超高速发展时，转换函数值G(γ，c，dLnindt-1)开始快速向1转换，非线性部分便会对模型产生较大影响，同时也体现出不同程度的工业化水平对石油消费具有非对称影响。同时，从图1转换变量的转换函数图可以看出，滞后一期的工业化水平在-0.0045和0.0228之间时，理论上转换函数值分布在[0,0.5]之间，实际从图中可以看出dLnindt-1的值主要集聚在两个位置参数的中点位置0.0092两侧，即转换函数值几乎为0，非线性部分不存在或者不明显，表现为工业化水平对石油消费的正向影响，说明大多数年份都处在这一区间中，这也是截至目前学者们一致对工业水平和石油消费之间的关系进行线性研究的原因之一。当滞后一期的工业化水平小于-0.0045或大于0.0228，函数转换值在[0.5,1]之间转换，非线性特征比较明显的被表现出来，此时工业化水平对石油消费的影响效应表现为负向作用。

图1 转换函数G(dLnindt-1)

图2 转换函数曲线图

工业化的发展过程中和石油消费之间存在着非线性关系(图3b)，当工业化水平出现绝对负增长(dLnindt-1<-0.0045)时，工业化对石油消费的滞后影响和非线性影响非常显著，滞后一期的工业化水平dLnindt-1每上升1%时，石油消费将下降0.8707%(3.2581-4.1288)。当工业化水平处于-0.0045和0.0228之间时，工业化水平和石油消费之间的非线性逐渐降低，此时工业化对天然气消费的影响系数逐渐从负向抑制作用转向正向促进作用，当工业化增长至0.0092时，基本保持一种较为稳定的线性关系水平，此时的工业化水平是是一种以能源为代价的工业发展，即当滞后一期的工业化水平每增加1%，石油消费则表现为上升3.2581%。这是由于我国一直以推进工业化进程作为经济增长的一大引擎，工业作为中国经济的核心部门，工业化过程中的逆增长偏离了工业发展前期的所谓的“赶超战略”，其代价是消耗更多的石油能源以将工业化进程拉回并维持在经济可常态发展的范围内，另一方面也说明粗放的发展模式不符合经济的健康和可持续发展。当工业化进程处在快速增长区制时(dLnindt-1>0.0288)，此时当工业化水平每增加1%，石油消费将会下降0.8707%，此时工业化发展并不会以牺牲石油为代价。

不同发展阶段的工业化对能源和经济系统产生的变化使GDP和国际油价对石油消费的影响也产生阶段性的影响，对于GDP，在工业化水平的低区制中，滞后一期的GDP(dLnGDPt-1)在非线性作用下对石油消费逐渐从负向抑制作用(0.3506-1.3316=-0.981)向正向促进作用转换，之后在工业化的中区制中，其促进作用逐渐增强，直到工业化增长到达0.0092正向影响又开始减弱，当工业化进程进入高区制阶段时又表现为负向抑制作用(图3a)。这一方面说明了经济增长与石油消费之间的关系和工业化水平与石油消费之间的关系具有一致性。另一方面也意味着，随着经济的发展，工业化进程较慢时期的石油消费增加，而在工业化进程较快的时期，经济发展将会降低石油消费，因此当工业发展到一定程度时，更应突破“瓶颈”，这也意味着产业转型升级在刺激经济增长的同时也在节约能源上发挥重要的作用。从表7的估计结果可知，当期的GDP在非线性部分对石油消费有显著的正向影响，但其影响系数小于滞后一期GDP的系数，这说明了前一期的经济增长对石油消费具有较强的影响，而由于前一期经济增长带动能源以及其他生产要素价格的增长，这在一定程度会抑制当期石油消费的需求，因此当期的正向促进作用减小。

石油价格在整个工业化发展阶段始终对石油产生负向抑制作用，这种抑制作用表现为：在工业化增速低于0.0092时逐渐增强，增速高于0.0092时逐渐减弱，这是因为工业的发展伴随着技术的进步和生产效率的提高，天然气等其他能源的发展对石油产生了一定的替代性，石油消费对市场价格的敏感性降低。

4 结语

本文采用通径分析技术提取出影响石油消费的核心因素，并运用Johansen协整检验对国内生产总值GDP、工业化水平和国际原油价格这三大因素和石油消费之间的长期均衡关系进行检验，在此基础上，通过建立平滑转换回归模型(STR)研究工业化水平对我国石油消费的非线性影响，同时利用非线性检验方法对所估计的LSTR2模型进行了稳健性检验，本文的实证分析结果如下。

第一，从我国的特殊经济环境出发，通径分析结果表明国内生产总值、工业化水平和国际原油价格是影响石油消费的主要因素，它们之间存在着长期稳定的均衡关系，非线性LSTR2模型估计结果显示，在本文所研究的范围内，工业化处于不同阶段，国内生产总值对石油消费的影响存在着显著差异，而国际原油价格在整体上对石油消费产生负向的抑制作用。

图3 (a)石油消费关于滞后一期GDP的弹性；(b)石油消费关于滞后一期工业化水平的弹性；(c)石油消费关于国际油价的弹性

第二，模型内生性决定工业化水平为PSTR模型的转换变量，这表明我国工业化水平对石油需求具有明显的滞后性、非对称性和非线性的转移动态影响，且两者之间存在状态依存性，我国的石油消费依赖于工业化进程的倒退、缓增和高速增长三个阶段，工业化水平在低区制状态、中区制状态和高区制状态之间不断进行转换。工业化水平处于低区制的倒退状态时，对石油消费的影响效应为负，此时滞后一期工业水平每下降1%时，石油消费的反应将会是上升约0.8707%，这是因为工业的发展在一定程度上代表了一国的经济发展和综合国力，在一国的发展战略中占有重要的地位，当工业化水平在前期某一临界值开始下降后，要将其维持在一国稳态发展的范围内，在下期的经济发展中则需要以更多的石油消费为代价；工业化水平处于中区制状态时，对石油消费产生一个正向冲击，在该区间内，工业化发展伴随着石油消费的增加，与一般的研究结果一致；工业化水平处于高区制状态时，对石油消费的影响效应又转为负，即工业化进程的加速并不会导致石油消费的增加，反而会降低石油消费，这与环境库兹涅茨理论相符，一方面，当工业化水平发展到一定程度，巨大的能源消耗成本迫切要求工业、制造业等行业以提高能源利用率和节约成本为首要任务，其中不可观测的技术因素便隐含其中，另一方面，随着绿色经济、新常态经济发展的推进，人们越来越重视石油替代能源如天然气、核能等清洁能源的使用，从替代角度来看对石油的消费随之减少。

第三，模型的稳健性检验也表明，本文所估计的非线性模型具有合理性和良好的动态特征。这对我国的工业化进程和石油消费之间关系的发展有了重新认识，处于新常态经济下的中国，同经济发展处于库兹涅茨曲线的瓶颈区类似，我国工业化发展的整个过程并不总是需要以巨大的能源需求为代价，从技术上提高能源利用率和使用清洁能源是工业化发展到一定阶段后在相关宏观经济政策和环境政策的配套实施下的必然之路。

基于以上分析，本文给出以下相关的政策建议。能源-经济系统之间的制约关系使得任何一个因素的变动都将会对整个系统中各个因素之间的关系产生一定的影响，实证结果表明工业化对石油消费存在着较强的非线性影响，这一影响机制使得经济增长、国际油价和石油消费之间的关系也较为复杂，但同时这种复杂的非线性机制在政策上可以通过影响工业化等因素来达到推迟或者延缓我国经济发展对石油消费依赖的目的，为天然气等清洁的可替代能源的开发和利用争取时间，从而减缓雾霾等空气污染现象，发挥节能减排的作用。在此过程中可以从以下几个方面进行：第一，加快产业的升级转型，使得我国的工业及经济的发展“瓶颈”得到有效缩减，既能保证工业化的顺利推进，其中伴随的技术进步、效率提高也在一定程度上可以节约包括石油在内的能源消费，提高其它清洁能源对石油的替代性，充分发挥其在节能减排中的作用；第二，在工业转型升级中，应促进天然气等新能源的开发利用以及引导能使用这些清洁能源产业的发展；第三，应注意工业进程中石油消费对价格的不敏感性问题，这在一定程度上也会使得将污染成本加入到化石价格中从而达到优化能源结构以及治理空气污染的目标时存在一定的困难，这可能需要对可替代能源等整体的能源价格结构进行调节使其形成价格竞争，从而在竞争中产生一定的替代。

本文在考虑了经济总量因素、结构因素和价格因素的基础上利用非线性的平滑转换回归(STR)估计我国工业化水平和石油消费之间的非对称影响效应，但能源消耗以及伴随的环境问题是全球问题，对于发达国家和发展中国家的工业化进程和石油消费是否也存在这种非线性关系为下一步扩展采用面板区间转换模型提供了研究方向。

[1] Moore A.Demand elasticity of oil in Barbados [J].Energy Policy,2011,39(6):3515-3519.

[2] Narayan P K, Smyth R. A panel cointegration analysis of the demand for oil in the Middle East [J]. Energy Policy,2007,35(12):6258-6265.

[3] Narayan P K, Wong P. A panel data analysis of the determinants of oil consumption: The case of Australia [J]. Applied Energy,2009,86(12): 2771-2775.

[4] Zou Gaolu,Chau K W. Short-and long-run effects between oil consumption and economic growth in China [J]. Energy Policy,2006,34(18): 3644-3655.

[5] 纪玉山,代栓平.中国石油消费的动态影响因素分析[J]. 经济与管理研究,2008,(1):26-30.

[6] Gallo A, Mason P, Shapiro S, et al. What is behind the increase in oil prices? Analyzing oil consumption and supply relationship with oil price[J]. Energy,2010,35(10): 4126-4141.

[7] 张欢,成金华. 中国城市化进程对能源需求的动态冲击效应[J]. 管理学报,2011,8(7):1060-1066.

[8] 崔百胜, 朱麟. 基于内生增长理论与GVAR模型的能源消费控制目标下经济增长与碳减排研究[J]. 中国管理科学, 2016, 24(1): 11-20.

[9] Behmiri N B, Manso J R P. The linkage between crude oil consumption and economic growth in Latin America: The panel framework investigations for multiple regions[J].Energy,2014,72:233-241.

[10] Lin Boqiang, Xie Chunping.Estimation on oil demand and oil saving potential of China's road transport sector [J]. Energy Policy,2013,61: 472-482.

[11] Zheng Yuhua, Luo Dongkun.Industrial structure and oil consumption growth path of China: Empirical evidence [J]. Energy,2013,57: 336-343.

[12] Park S Y, Yoo S H.The dynamics of oil consumption and economic growth in Malaysia[J].Energy Policy, 2014,66: 218-223.

[13] Mahadevan R, Asafu-Adjaye J. Energy consumption, economic growth and prices: A reassessment using panel VECM for developed and developing countries[J]. Energy Policy,2007,35(4): 2481-2490.

[14] Asafu-Adjaye J. The relationship between energy consumption, energy prices and economic growth: time series evidence from Asian developing countries[J]. Energy economics,2000,22(6): 615-625.

[15] Kumar U, Jain V K. Time series models (Grey-Markov, Grey Model with rolling mechanism and singular spectrum analysis) to forecast energy consumption in India[J]. Energy,2010,35(4):1709-1716.

[16] Behrang M A, Assareh E, Ghalambaz M, et al. Forecasting future oil demand in Iran using GSA (Gravitational Search Algorithm) [J]. Energy,2011,36(9): 5649-5654.

[17] 陈文静,何刚. 石油消费及其影响因素:基于非参数模型的研究[J]. 管理工程学报,2009,(4):170-173.

[18] Lee C C, Chiu Y B. Electricity demand elasticities and temperature: Evidence from panel smooth transition regression with instrumental variable approach[J]. Energy Economics,2011,33(5):896-902.

[19] 贺小莉,潘浩然. 基于PSTR模型的中国能源消费与经济增长非线性关系研究[J]. 中国人口.资源与环境,2013,23(12):84-89.

[20] 赵新刚, 刘平阔. 经济增长与能源强度: 基于面板平滑转换回归模型的实证分析[J]. 中国管理科学, 2014,22(6):013.

[21] 赵进文,范继涛. 经济增长与能源消费内在依从关系的实证研究[J]. 经济研究,2007,(8):31-42.

[22] Kani A H,AbbasspourbM, Abedi Z. Estimation of demand function for natural gas in Iran: Evidences based on smooth transition regression models[J]. Energy Modelling,2014,36: 341-347.

[23] 吕魁.基于向量误差修正模型的石油需求预测实证检验[J].统计与决策,2009,(10):66-68.

[24] Jones D W. How urbanization affects energy-use in developing countries[J]. Energy Policy.1991,19(7):621-629.

[25] Halkos G E, Tzeremes N G.Oil consumption and economic efficiency: A comparative analysis ofadvanced, developing and emerging economies[J]. Ecological Economics, 2011,70(7): 1354-1362.

[26] Jiang Zhujun, Lin Boqing. China's energy demand and its characteristics in the industrialization and urbanization process[J].Energy Policy, 2012,49: 608-615.

[27] 西蒙·库兹涅茨. 现代经济增长[M].北京：商务出版社，1989.

[28] Wright S. Correlation and causation[J]. Journal of agricultural research, 1921, 20(7): 557-585.

[29] Chai Jian, Guo Jue, Meng Lei,et al. Exploring the core factors and its dynamic effects on oil price: An application on path analysis and BVAR-TVP model[J]. Energy policy, 2011,39(12): 8022-8036.

[30] Tersvirta T. Modelling economic relationships with smooth transition regressions[R]. Working Paper Stockholm School of Economics, 1996.

[31] Granger C W J, Tersvirta T. Modelling non-linear economic relationships [M]. Oxfor: oxford University Press, 1993.

Analysis of Oil Consumption under Different Regional Industrialization-AnEmpirical Study Based on Path-STR Model

CHAIJian1,2,LIANGTing2,ZHOUYou-hong2,WANGShou-yang3,KINKeung-lAI2,4

(1．School of Economics and Management, Xidian University, Xi’an 710126, China；2．InternationalBusiness School, Shaanxi Normal University, Xi’an 710119, China；3．Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190,China；4．Department of Management Sciences, City University of Hong Kong, Hong Kong 999077, China)

The economic globalization and the complexity of the oil demand-supply system complicate the relationship between oil consumption and its factors. In this paper the overall factor, structural factors and price factor which affect the oil consumption are obtained based on literature reviews and theoretical analysis. And then, the path analysis using the statistical data from 1995 to 2015 is applied to calculate the direct impact, indirect impact and total impact of the various factors on oil consumption, the results indicate that economic growth, industrialization and international crude oil prices are the main affect factors of oil consumption. And Johansen Co-integration test suggests that there is a long-term and stable relationship between these four variables. Next, the smooth transition regression (STR) method is employed to further examine the effect of factors on oil consumption and the following conclusion are drawn. Firstly, there is a nonlinear relationship between industrialization and oil consumption. Its obvious dynamic characteristics with regime conversion can be described by LSTR2 model perfectly. Secondly, when the first lagged industrializationdLnindt-1is in the regime of below -0.0045 or in the high regime of above 0.0228, the first lagged industrialization have a negative impact on the oil consumption, which the nonlinear feature is most obvious. While the first lagged industrialization is in the mid-regime, the effect of industrialization on oil consumption is gradually shifted from the negative and passive influence to the stably linear and positive influence. The results also suggest that this nonlinear relationship makes economic growth and international oil price have a complex impact on oil consumption in economic-energy systems. This provides reference for our country to make economic policies adapting to energy conservation and energy structure optimization in different industrial period in China.

industrialization; oil consumption; path analysis; LSTR model; regime conversion

1003-207(2017)11-0047-11

10.16381/j.cnki.issn1003-207x.2017.11.005

F062.1

A

2016-04-27；

2017-06-07

国家自然科学基金资助项目(71473155)；陕西省青年科技新星计划项目(2016KJXX-14)；西安电子科技大学基本科研业务费项目(JB160603)

梁婷(1992-)，女(汉族)，陕西安康人，陕西师范大学国际商学院硕士研究生，研究方向：能源金融、能源经济及宏观经济计量等，E-mail：liangting07031992@163.com.