甘肃省煤炭生产消费与经济增长相关性分析研究

贾宗谦 何天 胡思虎 毛歆燕

摘 要：文章以甘肃省为研究对象，对其煤炭生产消费与经济增长之间的相关性进行分析。通过收集甘肃省1995年至2022年的煤炭生产量、消费量和经济增长数据，运用计量经济学数据分析软件EViews对甘肃省煤炭生产量、煤炭消费量及地区生产总值取对数后的时间序列进行平稳性检验，在完成各时间序列单位根检验的基础上，再进行协整关系的分析，对煤炭生产消费量与GDP增长相互之间是否具有格兰杰因果关系分析判断。研究结果表明，甘肃省的煤炭生产消费与经济增长之间存在显著的正相关关系，但这种关系并非简单的因果关系，而是受到多种因素的影响。

关键词：煤炭；生产量；消费量；经济增长；相关性

中图分类号：F127文献标识码：A文章编号：1005-6432（2024）14-0020-04

DOI：10.13939/j.cnki.zgsc.2024.14.005

1 引言

随着全球经济的快速发展，能源消费与经济增长之间的关系一直是经济学研究的热点问题。煤炭作为我国主要的能源来源，其消费与经济增长之间的关系更是备受关注。

目前，国内外学者已经进行了大量的研究，但研究结论并不一致。一些研究表明，煤炭生产量和消费量与经济增长之间存在正相关关系。

煤炭作为重要的能源来源之一，为工业生产和经济发展提供了必要的动力。特别是在一些发展中国家，由于能源结构单一，煤炭消费量较大，因此煤炭的生产和消费对经济增长的影响更为显著。

甘肃省作为能源大省，煤炭的生产量和消费量均较大，对省内经济增长有着重要贡献。从供应角度来看，煤炭的生产为甘肃省提供了重要的能源供应来源，保障了省内能源需求和能源安全；从消费角度来看，煤炭的消费为甘肃省的工业生产、交通运输等提供了必要的动力，有助于更好地了解甘肃省在能源转型过程中的经济发展状况，有助于将资源优势转化为经济发展动力，促进甘肃省经济可持续发展，为制定更加科学的经济发展策略提供支持。

2 数据与方法

2.1 数据收集

文章收集了甘肃省1995年至2022年的煤炭生产消费和经济增长数据，选择用甘肃全省原煤产量表示煤炭生产情况的指标，用甘肃煤炭消耗量表示煤炭消费情况的指标，用甘肃省地区生产总值（GDP）表示全省经济增长状况的指标。其中，煤炭生产、消费数据来源于甘肃省统计局发布的统计年鉴，经济增长数据来源于甘肃省统计局发布的国民经济和社会发展统计公报。

2.2 数据分析方法

文章采用的相关性分析方法为回归分析法[1]，将1995—2022年甘肃煤炭生产量、消费量及甘肃GDP值作為相关性分析的原始数据，以XO表示甘肃煤炭生产量，XC表示甘肃煤炭消费量，Y表示甘肃经济增长情况。在进行协整关系分析和格兰杰因果关系检验之前，为了消除所研究原始时间序列中的异方差，文章首先对选取的三个指标分别取自然对数，得到自然对数分别为lnXO、lnXC、lnY。CC 和CGRP两个变量经自然对数处理后的序列记为lnCC和lnCGRP。文章为了后期检验的准确性，对选取的三个指标取自然对数后再进行时间序列平稳性的检验。见表1、表2。

3 结果与讨论

3.1 时间序列平稳性检验

时间序列的平稳性检验是指对时间序列数据的统计特性进行检验，以判断其是否具有平稳性[2]。文章根据甘肃省煤炭生产量、消费量及地区生产总值取对数后的数据，利用EViews软件绘制每个时间序列的时序图。详见图1、图2和图3。

3.2 平稳性检验结果分析

从图1中能够看出，甘肃省煤炭生产量的自然对数时间序列没有规律性变化，1995—2000年呈现下降趋势，从2000—2014年又呈现波动上升趋势，之后又是不断下降，不具有明显的线性特点，也不是围绕均值上下随机波动。因此，初步断定该序列肯定是非平稳的，但为了判断得更准确，以免出现检验的误差，导致后期协整关系也出现错误，还是需要再用ADF单位根进一步检验。从图2中能够看出，甘肃省煤炭消费量的自然对数时间序列呈现指数增长规律性，但不完全是明显的线性特点，曲线围绕均值上下随机波动的趋势也不明显。因此，初步断定该序列是非平稳的，需要再用ADF单位根进一步检验。图3能够清晰地表明甘肃省GDP的时间序列曲线是一个递增的趋势，初步认为是平稳的。但为了更加严谨准确地做出判断，也需要用ADF单位根做进一步的检验。

3.3 单位根检验

ADF检验是单位根检验，用于检验时间序列数据是否存在单位根，即是否是非平稳的[3]。如果数据存在单位根，则说明该序列是非平稳的，反之则是平稳的。ADF检验的结果通常包括三部分：统计检验值、p-value和观察值数量。统计检验值是用来判断是否存在单位根的依据，p-value则是用来检验假设的可靠性。在ADF检验中，原假设通常为存在单位根，如果p-value小于某个显著性水平（如0.05或0.01），则拒绝原假设，认为数据是平稳的；如果p-value大于某个显著性水平，则不能拒绝原假设，认为数据是非平稳的。对于差分序列，ADF检验同样适用。如果对数据做n阶差分后，ADF检验的p-value小于某个显著性水平，则说明该差分序列是平稳的[4]。

图1 甘肃省煤炭生产量对数时间序列

图2 甘肃省煤炭消费量对数时间序列

图3 甘肃省GDP对数时间序列

3.4 单位根检验结果

笔者对单位根的检验结果进行分析发现，检验结果4中T统计量（t-statistic ）的值为-1.475881大于下面1%、5%、10%显著性标准（level） 所有的临界值，p值（p-value）为0.5267大于临界概率度；检验结果5 中 T统计量（t-statistic ）的值为 -0.704523大于1%水平、5%水平、10%水平所有的临界值，prob-value值为0.8273也大于临界概率度；检验结果6 中T统计量（t-statistic ）的值为-0.713160大于1%水平、5%水平、10%水平所有的临界值，prob-value值为0.8242也大于临界概率度。根据检验结果，可以判断得出接受原假设，各时间序列都存在单位根，得到甘肃煤炭生产量、消费量、地区生产总值各指标取自然对数后的时间序列都是非平稳的，需要再一次对时间序列进行ADF检验，以检验得到各自回归结果。

3.5 单位根检验结果分析

单位根检验的结果并不是唯一的，不同的检验方法和模型可能会得到不同的结果，需要结合实际情况选择合适的检验方法和模型[5]。笔者通过分析检验结果发现，检验结果7中 t-statistic 的值为 -2.294018仍然大于下面1%水平、5%水平、10%水平所有的临界值，p-value值为0.1827也大于临界概率度，说明该序列还是非平稳的。因此，文章选择再一次对甘肃煤炭生产量指标时间序列进行单位根检验。重复上述操作过程，得到煤炭消费量单位根检验输出结果，可知检验结果8中 t-statistic 的值为 -2.996119小于10%水平的临界值，prob-value值为0.0502，与临界概率度非常接近，说明煤炭消费量指标取自然对数的时间序列有90%的可能是平稳；检验结果8中 t-statistic 的值为 -3.662548小于5%水平的临界值，prob-value值为0.0122，小于临界概率度，说明甘肃GDP指标取自然对数的时间序列有95%的可能是平稳；通过分析甘肃煤炭生产量指标取自然对数的时间序列单位根检验的回归结果可知，t值为-5.999081小于1% level的值，且p值为0.0001<0.05，即拒绝原假设。因此，认为甘肃煤炭生产量时间序列在二阶差分的时候，有99%的可能是平稳的，也可以说这个时候时间序列可以判断为平稳序列[6]。

3.6 协整检验

协整检验是一种用于分析两个或多个变量之间相关性的统计方法，也称为变量间协整或变量间相关系数[7]。根据上述单位根检验的结果可知，煤炭生产量指标取自然对数的时间序列Xot是二阶单整，即Xot～I（2）。甘肃省生产总值指标取自然对数的时间序列Yt是一阶单整，即Yt～I（1），上述两种时间序列不是同阶单整。根据协整理论关于同阶单整的要求，可以得出判断，上述两种时间序列不符合协整检验的首要条件，不是同阶单整的序列。因此，认为Xot和Yt不存在长期稳定的均衡关系。由于煤炭消费量与地区生产总值间的时间序列是同阶单整的，满足检验的基本条件。

3.7 协整检验结果

根据检验的输出结果情况，得到甘肃省生产总值与煤炭消费量的長期均衡关系为：

Yt= -10.42246 + 2.196101Xct+εt

（-12.79362）（22.45156）

R2= 0.956363 R2= 0.954465 F= 504.0727

3.8 协整检验结果分析

根据协整检验的输出结果，计算得到残差序列εt，在窗口菜单栏中点击过程“procs”按钮，选择生成残差序列 “Make Residual Series” 命令，输入resid 01用以表示残差序列εt数据，对数据进行提取和保存。然后再对残差序列进行单位根检验，从检验结果可知，T统计量为-3.139053，是小于5% 所对应置信区间的值：-2.998064，并且从检验结果可得到p值为0.0001<0.05，即残差时间序列不存在单位根，可以非常肯定地说协整残差的时间序列有95%的可能是平稳的。在时间序列是平稳的情况下，文章认为甘肃省生产总值和煤炭消费量之间存在着长期稳定的协整关系。

3.9 格兰杰因果关系检验

格兰杰因果关系检验（Granger causality test）是用于检验两个时间序列之间因果关系的一种统计方法[8]。它是由克莱夫·格兰杰（Clive W. J. Granger）在2003年诺贝尔经济学奖得主的演讲中提出的[9]。选择EViews软件进行煤炭消费量和GDP的格兰杰因果关系检验。

3.10 格兰杰因果关系检验结果分析

笔者根据输出结果得知，最后一列的Probability是F统计量（F-Statistic）的相伴概率，表示拒绝第一列中的原假设（null hypothesis）犯第一类错误的概率，该概率越小，越应该拒绝原假设[10]。

Obs表示每个变量序列的观测值个数，等于n-k。从检验结果可以看出，当取滞后期数k=2时，拒绝原假设“LNY does not Granger Cause LNXO”犯第一类错误的概率高达0.4284，而拒绝原假设“LNXO does not Granger Cause LNY”犯第一类错误的概率仅为0.0326。

所以，煤炭生产量确实是GDP增长的格兰杰原因；从检验结果可以看出，当取滞后期数k=2时，拒绝原假设“LNY does not Granger Cause LNXc”犯第一类错误的概率高达0.5212，而拒绝原假设“LNXc does not Granger Cause LNY”犯第一类错误的概率仅为0.0334。所以，煤炭消费量确实是GDP增长的主要原因[11]。

4 结论

文章分别利用时间序列进行平稳性检验、协整关系检验、格兰杰因果关系分析等，对甘肃煤炭生产消费与经济增长之间的关联性进行分析，深入探讨了煤炭生产量、消费量与经济增长之间的相关性及其影响因素。

研究发现，甘肃煤炭生产量与地区经济增长间不存在长期的协整关系，煤炭生产量与地区经济增长之间存在单项格兰杰因果关系。煤炭消费量与地区经济发展间存在长期的协整关系，煤炭消费量与地区经济增长之间存在单项格兰杰因果关系。煤炭作为甘肃省重要的能源来源，对经济增长有着重要的促进作用。然而，随着经济的发展和技术进步，能源结构逐渐多元化，对煤炭的依赖程度逐渐降低。

因此，建议在推动经济发展的同时，积极发展清洁能源和可再生能源，以降低对环境的破坏和减少对国际市场的依赖。此外，还应加强能源安全管理，提高能源利用效率，以保障国家的能源安全和经济稳定发展。

参考文献：

[1] 杨舒.中国能源消费量与经济增长相关性的实证研究[J].江苏商论，2023（7）：14-17.

[2] 毛雪艳，徐璟璟.甘肃省交通基础设施规模与经济增长的协整及格兰杰因果关系检验[J].天水师范学院学报，2020，40（2）：27-31.

[3] 王兴民，王强，董洁芳.基于灰色关联模型的能源消费与经济增长的关系——以新疆为例[J].中国科学院大学学报，2017，34（5）：598-609.

[4] 赵发东，管少君，陶雄兵，等.山东省煤炭消费与经济增长的问题及建议[J].内蒙古煤炭经济，2016（5）：3，29.

[5] 唐雯，柴洪，谈存峰.甘肃省产业结构与能源消费关系研究——基于VAR模型[J].中国能源，2021，43（5）：73-80.

[6] 李洋洋.甘肃省能源消费、碳排放与经济增长的关系研究[D].兰州：兰州财经大学，2020.

[7] 贾宗谦，吕向前，胡思虎，等.甘肃省煤炭资源开发对生态环境影响的探讨[J].能源环境保护，2020，34（5）：104-108.

[8] 陈艳桃，邵忠忠.基于VAR模型的甘肃省旅游收入与经济增长相关性分析[J].陇东学院学报，2022，33（2）：38-44.

[9] 张乐，赵越.甘肃省技术引进与经济增长相关性分析[J].河北企业，2021（10）：17-20.

[10] 王恒旭，王娇，薛晔.山西省煤炭消費与经济增长的关系研究——基于协整分析和Granger因果检验[J].煤炭经济研究，2020，40（6）：13-18.

[11] 苏向辉，杨宏伟，马瑛，等.新疆农村合作金融与农业经济增长关系的协整检验[J].湖北农业科学，2022，61（17）：226-229.

[基金资助]2022年度甘肃省自然资源厅科技创新项目（项目编号：202239）。

［作者简介］贾宗谦（1983—），男，汉族，甘肃会宁人，博士研究生，工程师，从事煤田地质勘查安全管理工作，研究方向：煤炭资源清洁高效利用、煤田勘查环境保护与安全管理、资源生产消费与环境污染。