中国互联网使用、经济增长与电力消费的关系研究——基于VAR模型的实证分析

岳宇君，张磊雷

(南京邮电大学 管理学院，江苏 南京 210003)

引 言

2000年以来，我国互联网发展迅速，根据中国互联网络中心发布的第44次《中国互联网络发展状况统计报告》，截至2019年6月，我国网民规模达8.54亿，互联网普及率达到61.2%[1]。互联网带来的的影响是多方面、多角度、多层次的，随着宽带中国战略目标的完成、5G牌照的发放、“互联网+”战略的推进，这种影响将越来越显著。互联网在经济增长中的作用不言而喻，而互联网的使用必然依赖电力，因此，互联网产业的发展在一定程度上刺激着电力需求。《工业绿色发展规划(2016—2020年)》强调“互联网与绿色制造融合发展”，“十三五”规划明确要求：“到2020年，能源消耗总量控制在50亿吨标准煤以内。”[2]而我国的电力工业是以燃煤发电为主，能耗问题及其对环境的影响值得深思。20世纪90年代以来，互联网对环境的影响，特别是其与能源消耗的关系引起了人们的广泛关注。不过，大多文献研究的是信息通信技术与电力消费的关系，直接研究互联网使用与电力消费关系的文献很少。学者们的研究结论并不一致：Bernstein，Ishida，张三峰，汪东芳等利用时间序列数据研究发现，互联网的发展可以有效降低大多数行业的能源强度，促进区域能源效率的提高，减少温室气体的排放[3-6]；Faucheux，Anderson，Saidi，王敏等使用面板数据研究发现，互联网的快速发展在一定程度上刺激了能源需求，导致能源消费的增加，特别是电力消费的增加[7-10]。

对经济增长与电力消费关系的研究始于Kraft[11]。众多研究成果表明，两者之间的关系大致可以分为四类：电力消费单向促进经济增长(增长假说)，经济增长单向促进电力消费(守恒假说)，经济增长与电力消费之间存在双向因果关系(反馈假说)，经济增长与电力消费之间没有明显的因果关系(中性假说)[12]。对不同国家的电力消费与经济增长之间关系的检验，结论可能不一样。例如，Apergis等研究表明，在高收入和中上等收入国家，两者之间存在双向因果关系，而在低收入国家只存在电力消费到经济增长的单向因果关系[13]。Yoo等研究表明，1971年至2002年间，马来西亚和新加坡的电力消费与经济增长之间是双向因果关系，而泰国和印度尼西亚的电力消费与经济增长之间是单向因果关系[14]。对同一国家不同区域的电力消费与经济增长之间关系的检验，结论也可能不一样。例如，刘生龙通过对省级面板数据的分析发现，在我国东、中、西部地区，只有西部地区存在经济增长到电力消费的单向因果关系[15]。

本文以2003—2017年互联网使用、经济增长与电力消费的时间序列数据为基础，构建向量自回归(Vector Autoregression，VAR)模型，运用协整检验、Granger因果关系检验及脉冲响应分析等进行实证研究，以期揭示互联网使用、经济增长与电力消费的内在相关性，为产业发展、政策制定及相关研究提供参考。

一、研究设计

(一)数据来源

考虑到数据的可获得性和有效性，本文选取的数据的时间跨度为2003—2017年。选择互联网普及率，即每100人中的互联网用户数(记为NET)作为互联网使用的指标，2003—2007年的数据来源于《中国统计年鉴》，2008—2017年的数据来源于《中国互联网络发展状况统计报告》；选择人均GDP(记为GDPPC)作为经济增长的指标，数据来源于《中国统计年鉴》；选择人均年用电量(记为EC)作为电力消费的指标，2003—2016年数据来源于历年《电力工业统计资料汇编》，2017年数据来源于《2017年全国电力工业统计快报》。考虑到数据的异方差问题，进行了变量的自然对数变换，分别记为lnNET,lnGDPPC和lnEC。相关变量的统计性描述如表1所示。

表1 变量的统计性描述

(二)研究模型

Narayan等以电力消耗为被解释变量、GDP总量为解释变量构建二元模型，采用Granger因果关系检验，探讨电力消费与GDP的关系[16]。Sadorsky以电力消耗为被解释变量、互联网普及率和移动电话普及率为解释变量，通过增加收入和能源价格建立多元研究模型[17]。Mohammad等以电力消费为被解释变量，以互联网使用和经济增长为解释变量，在同一分析框架下研究它们的内在关系[18]。本文在借鉴他们研究成果的基础上，优化研究思路和方法，构建模型如下：

EC=F(A,NET,GDPPC)

(1)

或者

ECt=A(NETt)α1(GDPPCt)α2

(2)

等式两边同取对数，得到本文的计量模型：

lnECt=α0+α1lnNETt+α2lnGDPPCt+εt

(3)

其中，t表示年份，α0为常数项，α1和α2为弹性系数，εt表示随机误差项。

(三)研究方法

VAR模型构建的前提是数据具有平稳性，可以通过单位根检验对我国互联网使用、经济增长与电力消费数据的平稳性进行检验，方法主要有DF检验和ADF检验两种。其中，ADF检验可以处理自相关的时间序列[19]。在单位根检验的基础上，构建基于互联网使用、经济增长与电力消费三个变量的VAR模型。通过以下步骤检验互联网使用、经济增长与电力消费的关系：首先，运用协整检验来研究互联网使用、经济增长与电力消费之间的长期均衡关系，包括适用于双变量分析的EG两步法[20]和适用于多变量分析的Johansen检验法[21]。其次，在证明变量间存在长期均衡关系后，使用Granger因果关系检验进一步判断变量间因果关系的方向，可以避开伪回归，更为准确地研究变量之间的关系。最后，通过比较不同变量的脉冲响应，分析互联网使用、经济增长与电力消费之间的关系。

二、实证分析

(一)单位根检验

为了防止伪回归的发生，在建立VAR模型之前，必须对互联网使用、经济增长与电力消费3个变量序列的平稳性进行检验。采用ADF检验法来检验各变量序列的平稳性，若原始序列不是平稳的，则需要对各变量的一阶差分进行平稳性检验，结果如表2所示。原始序列lnNET,lnGDPPC和lnEC的ADF值均大于各置信水平的临界值，无法拒绝具有单位根的原假设。因此，所有原始序列都存在单位根，是非平稳的。进行一阶差分检验，序列ΔlnNET和ΔlnGDPPC的ADF值小于10%临界值，即在10%的水平上拒绝原假设，可认为序列ΔlnNET和ΔlnGDPPC是平稳的；序列ΔlnEC的ADF值小于1%临界值，可以在1%水平上拒绝原假设，也是平稳的。因此，根据检验结果，可以认为互联网使用、经济增长与电力消费三个变量序列都是一阶单整的。

表2 单位根检验结果

注：Δ表示变量的一阶差分；检验形式中，C表示带有常数项，T表示带有时间趋势项，数字0和1则表示滞后阶数；滞后阶数根据序贯t规则确定

(二)VAR模型的建立

分别以互联网使用、经济增长与电力消费(每一个内生变量)为因变量，以它们的滞后值为自变量，构建VAR模型，实现由单变量自回归模型向多元时间序列变量组成的向量自回归模型的转化。由式(1)，(2)，(3)可以得到VAR模型的表达式为：

(4)

(5)

(6)

考虑到本研究的样本数据量有限，VAR模型的滞后期过大会导致自由度的降低，影响模型参数估计的有效性。因此，根据 AIC(赤池信息准则)，SC(施瓦茨准则)，以及 LR(似然比)统计量确定滞后阶数。如果 AIC和SC的滞后阶数同时达到最小，则可以直接据此确定最优滞后阶数，否则使用LR检验进行取舍。经检验和比较，选择二阶为本研究模型的最优滞后阶数，建立VAR(2)，并检验其平稳性。结果如图1所示，所有特征根都在单位圆内，模型平稳。

(三)Johansen协整检验

VAR模型中所有变量序列均为一阶单整的，满足协整分析的前提。Johansen检验适用于两个以上变量的VAR模型的协整检验，可以进一步确定相关变量之间的符号关系。在已建立的VAR(2)模型的基础上，进行协整检验，结果如表3所示。在 5% 显著性水平上，迹检验和最大特征值检验的结果都拒绝了“没有协整关系”的原假设，且接受存在“一个协整关系”的原假设，表示VAR模型各变量之间有且只有一个协整关系，说明互联网使用、经济增长与电力消费之间具有长期均衡关系。对唯一存在的协整方程进行估计，结果如表4所示，相应的协整向量为：β=(1，-0.12，-0.48)，标准化后得到：

lnECt=0.12lnNETt+0.48lnGDPPCt+3.27

(7)

式(7)表明，从长期来看，互联网使用与电力消费之间存在显著的正向关系，系数为0.12，表示lnNET每增加1个百分点，lnEC将增加0.12个百分点，这表明在2003—2017年快速发展的过程中，我国互联网使用对电力消费有一定的依赖性。经济增长与电力消费之间存在显著的正向关系，系数为0.48，表示lnGDPPC每增加1个百分点，lnEC就增加0.48个百分点，这表明我国2003—2017年的经济增长刺激了电力消费。

表3 Johansen协整检验结果

注：*表示只有一个线性无关的协整向量

表4 协整方程的估计结果

注：***表示协整系数均在1%的水平上显著；圆括号内为标准差；方括号内为t统计量

(四)Granger因果检验

进一步进行Granger因果关系检验，以确定变量lnNET，lnGDPPC和lnEC之间的因果关系，结果如表5所示。原假设(1)和(3)对应的P值都为0，远小于0.05，可以在5%的水平上拒绝原假设，即互联网使用是电力消费的Granger原因，电力消费也是互联网使用的Granger原因，它们之间存在双向因果关系；原假设(2)和(5)对应的P值也都为0，可以在5%的水平上拒绝原假设，即电力消耗与经济增长之间存在双向因果关系；原假设(4)和(6)对应的P值分别为0.008和0.015，均小于0.05，可以在5%的水平上拒绝原假设，即互联网使用与经济增长之间存在双向因果关系。结果表明，2003—2017年我国互联网使用、经济增长与电力消费是相互影响的。

表5 各变量的Granger因果检验结果

(五)脉冲响应分析

通过给电力消费一个标准差冲击，观察互联网使用、经济增长受到的影响，以进一步探究电力消费对互联网使用、经济增长的影响。脉冲响应分析的结果如图2、图3所示。其中，横轴代表冲击作用的期数，纵轴代表互联网使用、经济增长对冲击的响应程度，灰色区域为95%CI置信带。

电力消费扰动对互联网使用的影响如图2所示。给电力消费一个标准差的冲击，互联网使用对电力消费的扰动立即做出响应，1期的响应值为正，1至3期响应值呈上升趋势，在3期达到峰值，而后开始下降，6期后又出现反弹。整个冲击响应始终为正，响应程度整体上波动较大。结果表明，不同时期电力消费对互联网使用的影响不同，但整体上是正向的，即电力消费可在一定程度上促进互联网的使用。

电力消费扰动对经济增长的影响如图3所示。电力消费在受到单位冲击后，经济增长迅速响应，0至1期迅速增长，在1期达到峰值，1至2期急剧下降，2至4期再呈上升趋势，然后呈现缓慢的下降趋势。整个冲击响应为正，在4期之前，脉冲响应函数有增有减，并且波动很大；4期之后，脉冲响应函数略有下降，并逐渐趋于平缓。这表明，短期内电力消费对经济增长的影响可能更为强烈，而长期来看将趋于稳定，整体上来说，电力消费的增加会在一定程度上促进经济增长。

三、结论与建议

本文以2003—2017年的时间序列数据为基础，选取我国互联网普及率、人均GDP及人均用电量3个指标，探讨了互联网使用、经济增长与电力消费之间的关系。先用ADF检验法验证时间序列数据的平稳性，然后构建向量自回归(VAR)模型，进行Johansen协整检验、Granger因果检验和脉冲响应分析。Johansen协整检验表明，互联网使用与电力消费之间存在显著的正向关系，经济增长与电力消费之间也存在显著的正向关系；Granger因果检验表明，互联网使用、经济增长对电力消费有正向影响，而电力消费对互联网使用、经济增长也有正向影响；脉冲响应分析表明，电力消费对互联网使用的影响是正向的，电力消费对经济增长的影响也是正向的。

根据研究结果，提出如下建议：

(1)提高能效。互联网使用的协整系数为0.12，即互联网使用每增加1个百分点，电力消费将增加0.12个百分点。由此可见，互联网使用将促进电力消费，给电力需求带来额外压力，并在一定程度上增加能源消耗和碳排放。建议推广节能设备和节能设施，提高互联网相关产业的能效；增加“互联网+”应用的深度和广度，通过智能化、信息化和自动化提高能源利用率。

(2)因地制宜。经济增长的协整系数为0.48，即经济每增长1个百分点，电力消费将增加0.48个百分点。由此可见，经济增长对电力消费有正向影响，经济增长方式在一定程度上依赖能源。建议将今后经济发展的重点放在质量和效益上，考虑“因地制宜”。例如，对于欠发达地区，发展绿色经济，保护环境；对于经济发达地区，加大科技投入，逐步转变传统的能源依赖型经济增长方式，在实现经济高质量发展的同时，降低能源消耗。

(3)均衡发展。综合Granger因果检验和脉冲响应分析结果，互联网使用和电力消费、经济增长和电力消费都是双向因果关系，即电力消费在一定程度上促进了互联网使用和经济增长。因此，建议关注节能减排政策与互联网、经济发展的平衡，不能盲目降低电力消费。为了在兼顾环境效益的同时保持经济增长，应大力发展清洁能源，如风能、水能、太阳能等。