《在多国比较中分析世界石油价格变化对中国经济增长的影响.doc》由会员分享，可在线阅读，更多相关《在多国比较中分析世界石油价格变化对中国经济增长的影响.doc（10页珍藏版）》请在三一办公上搜索。
1、第2组 宏观经济增长与发展（4234字）在多国比较中分析世界石油价格变化对中国经济增长的影响吴丽丽姓名吴丽丽性别女出生年月1975 9学位博士职务无职称无工作单位山西财经大学在多国比较中分析世界石油价格变化对中国经济增长的影响吴丽丽摘要：本文分别运用panel data和SUR分析了世界石油价格变动对美国、中国、日本、法国、德国和英国GDP增长率的影响，在国际比较中把握石油价格变动对中国的影响程度。研究结果发现中国和美国是受影响程度最大的两个国家。在对研究结果的解释中，我们发现日本、法国等国家的能源战略和政策值得中国借鉴，中国应加强对这些国家能源问题的研究。关键词：石油价格 GDP Panel
2、 data自2004年以来世界石油价格不断上涨，石油价格成为全世界关注的热点。本文在此关注两个问题：一是世界石油价格是否中国经济经济增长？二是对中国的影响程度与其他国家相比较有哪些差别？以下分别用面板数据和系统分析方法进行研究。一、panel data 分析（一）数据数据期间是1978-2004年，世界石油价格数据最好选择美国WTI或者英国BRENT原油现货价格，但是这些数据起始时间为1989年，可用年度数据太少，考虑到美国是一个发达的市场经济国家，以及数据的可获得性，我们选择美国的WPU0561的PPI价格指数计算石油价格年平均增长率 Mork, Knut Anton, Olsen, Ols
3、tein, Macroeconomic responses to oil price increases and decreases in seven OECD countries. Energy Journal; 1994, Vol. 15 Issue 4, p19, 17p, 2 charts，用字母O表示世界石油价格相对上年的增减变化，D（O）是O的差分，表示当年的石油价格上涨幅度与上年上涨幅度之差，可以将其定义为石油价格上涨对期望的偏离（以下简称偏离）；各国GDP增长率数据来源于中宏数据网，用G表示，本文研究的国家包括美国、中国、日本、德国、法国、英国六个国家。表1 GDP和石油价格变
4、动描述性统计表GUSAGJAPAGGERMGFRANCGUKGCHINOD(O) Mean0.03 0.03 0.02 0.02 0.02 0.10 0.68 0.03 Median0.03 0.03 0.02 0.02 0.03 0.09 0.62 -0.01 Maximum0.07 0.07 0.06 0.04 0.05 0.15 1.10 0.35 Minimum-0.02 -0.01 -0.01 -0.01 -0.02 0.04 0.36 -0.38 Std. Dev.0.02 0.02 0.02 0.01 0.02 0.03 0.21 0.17 Skewness-0.74 0.12
5、0.34 -0.30 -1.06 -0.05 0.57 -0.01 Kurtosis4.30 2.38 2.81 3.72 3.52 2.71 2.26 2.96 JB4.20 0.48 0.55 0.95 5.16 0.10 1.99 0.00 Pro.0.12 0.79 0.76 0.62 0.08 0.95 0.37 1.00 （二）panel data特点面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。利用面板数据建立模型的好处主要是：（1）由于观测值的增多，可以增加估计量的抽
6、样精度。（2）对于固定效应回归模型能得到参数的一致估计量，甚至有效估计量。（3）面板数据建模比单截面数据建模可以获得更多的动态信息。本文建立个体固定效应回归模型如下： yit = ai +Xit b i+eit, i = 1, 2, , N; t = 1, 2, , T (1)其中yit为被回归变量（标量），a表示截距项，Xit为k m阶回归变量列向量（包括k个回归量），b为k m阶回归系数列向量，eit为误差项（标量），称此模型为个体固定效应回归模型。（三）分析结果在回归分析之前我们对G和D（O）进行单位根检验，结果见附表1和附表2，他们都是平稳序列。描述性统计表1的JB统计量对应的概率值均
7、大于5%，不能拒绝他们服从正态分布假设。分析表1可见，在10%的显著性水平下，当年石油价格上涨对期望的偏离影响中国和日本，不过对日本经济增长的影响为正，对中国的影响却为负；滞后一期的石油价格上涨对期望的偏离影响美国和中国经济增长，并且影响都是负向的；滞后两期的石油价格上涨对期望的偏离影响日本和中国，影响均为负；石油价格上涨对期望的偏离对英国、德国、法国的影响不显著。在5%的水平下，滞后一期的石油价格上涨对期望的偏离影响美国和中国，并且对美国的影响大于中国；滞后二期的石油价格上涨对期望的偏离影响日本经济增长。其中反映出的特殊问题有：一是当期的偏离对日本的影响为正，这是一个奇怪的现象，不过显著性水
8、平为9.34%；二是当期、滞后一期、滞后二期偏离对中国都有影响，其他国家并不是这样；三是美国受偏离值的影响最大，其次是中国，再次是日本，其他三个国家却不受偏离的影响。四是从固定效应系数看，只有中国和美国为正，中国比美国高出0.06，日本最低，日本和中国相差0.08，其余的德国、法国和英国水平相当，比日本略高。不过由于用面板数据分析时有些系数不显著，不能将其分离出来，以及各国之间在相同年度之间的共性问题，以下我们用回归方程系统方法进一步分析。表2 panel data分析简表VariableCoefficientStd. Errort-StatisticProb.C0.0307320.00356
9、08.6336170.0000JAPA-(D(O)0.0348760.0206071.6924790.0934CHIN-(D(O)-0.0381420.020946-1.8209490.0714USA-(D(O (-1)-0.0552090.018916-2.9185610.0043CHIN-(D(O (-1)-0.0429320.020328-2.1119260.0370JAPA-(D(O (-2)-0.0502570.019957-2.5182290.0133CHIN-(D(O (-2)-0.0398700.022119-1.8025130.0743JAPA-GJAPA(-1)0.9047
10、310.2353603.8440300.0002GERM-GGERM(-1)0.5869610.2190972.6790080.0085UK-GUK(-1)0.7058740.2423172.9130210.0044CHIN-GCHIN(-1)0.6181850.1369334.5145070.0000UK-GUK(-2)-0.4698310.221688-2.1193410.0364CHIN-GCHIN(-2)-0.5630610.129098-4.3615020.0000Fixed Effects (Cross)USA-C0.003841JAPA-C-0.024464GERM-C-0.01
11、7012FRANC-C-0.014933UK-C-0.010435CHIN-C0.063002R-squared0.849024Mean dependent var0.036851Adjusted R-squared0.800097S.D. dependent var0.033693S.E. of regression0.015064Akaike info criterion-5.340637Sum squared resid0.024509Schwarz criterion-4.598184Log likelihood420.5259F-statistic17.35273Durbin-Wat
12、son stat2.016344Prob(F-statistic)0.000000注：表中只列出在10%显著性水平下的变量回归结果，全部分析结果见附表1。二、回归方程系统分析（一）系统分析简介由于经济生活中很多变量处于一个系统之中，将多个模型放在一个系统中研究可以不断放宽经典回归的假设条件，因此建立的模型与现实情况吻合程度提高。本文研究中采用SUR（又称似不相关回归）方法，它是合并时间序列数据和截面数据的一种有效方法，其特点在于似不相关回归允许扰动项的同期相关及各截面单位可以有不同的解释变量。在给定的时间内，似不相关回归方程组中不同方程扰动项的相关性反映了某种共同的不可知因素带来的影响。似不相
13、关回归通过把不同截面单位的方程联合起来进行估计，利用包含在系统中但不包含在第i个方程中的信息提高了估计的有效性 Zellner A. An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias. Journal of the American Statistical Association, 1962, (57): 348-368。 (Zellner, A., 1962)。（二）分析结果借鉴面板数据分析结论，我们建立以下系统模型：USA=C(1)+C(2)*do
14、f(-1)+C(3)*dof(-2)JAPA=C(4)*JAPA(-1)+C(5)*dof(-2)+C(6)*dofGERM=C(7)+C(8)*GERM(-1)UK=C(9)+C(10)*UK(-1)+C(11)*UK(-2)+C(12)*dof(-2)CHIN=C(13)+C(14)*CHIN(-1)+C(15)*CHIN(-2)+C(16)*dof+C(17)*dof(-1)+C(18)*dof(-2) (2)用SUR方法估计，考虑到法国的GDP与其GDP滞后变量和偏离变量之间关系很小，我们在此的研究不再包括法国。中结果见附表4。除C(16)的显著性水平为11%之外，C(18)的显著性水
15、平为7%，其他系数在5%显著性水平之内。估计系数如表3。表3：估计系数表美国中国日本英国DOF（-2）-0.033847-0.051107-0.052310-0.026618DOF（-1）-0.050104-0.046532DOF-0.0422750.041292C(1) 0.032C(13) 0.1004C(9) 0.018分析可见，世界石油价格变动对中国在偏离的当期、滞后一期和滞后二期都有影响；对英国的影响在滞后两期为负；对日本的影响在当期为正，滞后两期为负；对美国的影响滞后在偏离滞后一期和二期都为负；中国即使不考虑偏离对当期GDP的影响，偏离对GDP的影响程度也与美国相当。类似panel
16、 data分析中的个体固定效应，在系统分析公式中的常数项也与前述分析相同，中国比美国高0.07，日本最低，其常数项与0没有显著区别。无论是在偏离系数上，还是在个体固定效应上，这些结果与前面panel data方法完全一致。如何对上述情况解释呢？1、关于法、德两国特殊情况的解释。法国GDP增长没有显示与石油价格偏离的明确关系，德国也是这样，一种解释是我们为了获取更多的年度数据，考虑到美国市场经济非常发达，用美国的价格来代表国际石油价格变动，不过这种解释也有点牵强，因为英国GDP对石油价格偏离影响显著。第二个原因是法国更早制定了能源安全战略并有效实施。在1973年第一次世界能源危机发生后，法国就着
17、手制定了确保能源安全的长远发展战略，法国的能源安全政策在1974年已经开始实施乌森，法国的能源安全政策，国际石油经济，1999年7月第七卷第4期，第26页。这些战略辅以发展政策和措施得到了有效实施。而美国的国家能源战略在1991年才制定，1998年进行过局部修改郑立锋，赵景文， 冷战后美国能源战略及其在里海地区的能源外交，国际石油经济，2001/10，第9-12页。，仅仅从关注并有计划实施能源安全政策上法国比大约美国早15年。中国直到近几年才开始关注能源安全问题，这也是中国受世界石油价格变动影响大的一个重要原因，足可见美国和法国能源安全政策的比较将是一个值得关注的问题。另外，德国是能源需求大国
18、，也是能源供给严重依赖进口的国家，国际能源价格的涨落对德国经济发展影响较大，2000年德国全部能源需求为3. 5亿吨石油当量，63%是依靠进口解决的，其中石油和天然气的进口比重分别为100%和80%国家经贸委欧洲经济形势考察团. 德国、法国经济形势及其启示J. 宏观经济研究 , 2001,(12)。本文的研究却没有发现价格偏离对德国有显著影响也值得深思。2、关于世界石油价格偏离在当期对关于日本GDP影响为正的解释。日本能源经济研究所研究员黑木昭虹在接受第一财经日报记者采访时说，2006年前后的高油价对日本经济“影响有限”，他们所在部门研究后的结论是，2006年前石油价格上涨的影响将比以前的石油
19、危机小许多。但如果油价涨到150美元，或出现巨大短缺，那对日本来说才将是个问题王晴，柯新颖，能源高消耗模式有碍中国吸引外资，第一财经日报，2006/08/08，第A06版。这虽然与我们的结论不完全相同，但是世界石油价格变动对日本影响不大确是事实。应该说日本是比法国更早关注能源问题的国家，这可能与日本的资源状况相关，因此他们能居安思危，有备无患。1962年颁布的基本石油法第一次包括了石油储备的有关内容。1968年的石油工业法又进一步规定山私营公司承担石油储备义务，并决定给予其投资和贷款以及税收优惠。1973年石油危机爆发后，日本政府便将石油战略定为国策，一方面在中东以外的地区寻求稳定的石油供给，
20、另一方面，采取政府与民间相结合的方式进行石油战略储备。1973年第四次中东战争和1979年伊朗政变两次石油危机，都给日本经济带来沉重的打击。石油危机后，日本政府马上加入了国际能源机构(工EA)的能源储备体系，并着手建立本国的石油战略储备毕佳，日本的能源战略及对中国的借鉴，吉林大学，2006，中国优秀硕士学位论文全文数据库。当然后来日本的能源安全政策措施包括了除储备之外更多的内容，我们在此不对具体问题进行分析，只是指出日本政府对事件的快速反映，以及其超前的应变能力。三、结论第一，中国经济增长受世界石油价格变化的影响。在前面的结构分析中已经证明。大家在以前很长一段时间没有意识到这个问题的原因很多，
21、因为中国自1978年之后不断推进经济体制改革，制度的潜力不断释放，和中国的改革开放政策相比，世界石油价格变动对中国经济的影响才显的不那么重要。这也是我们对前面固定效应系数中国最高的一种解释，当然固定效应中还包括很多其他因素。第二，与其他5个国家相比较，中国和美国是受世界石油价格变动影响最大的两个国家，甚至中国受到的影响比美国还大。这种情况是必然的，原因是和其他5个国家相比中国是对能源安全问题关注最晚的国家，相应的政策措施还不成熟。而且随着经济全球化的不断推进，中国的政策措施还不完善的情况下，这种影响可能还要增大。第三，中国应加强对法国等国家能源政策问题的研究。在本文写作过程中，我们在2007年
22、10月9日对1997-2007中国知网CNKI数据库用关键词“法国 能源”以题名进行精确检索，结果只有8篇文章，介绍法国能源政策的文章在1999年已经出现，但是并没有得到更多关注。而且自2004年6月以来没有文章出现，不过武汉大学外语学院法国研究所出版刊物法国研究，是半年刊；对“德国 能源”检索情况相对比较好，有25篇文章，而且中国有专门研究德国情况的德国研究；对日本的研究比较多，在相同条件下变换检索词可以检索到55篇文章；对美国可以检索到153篇文章。对中国来说，在能源安全战略问题上借鉴他国的经验，尤其是除了美国之外的日本、法国、德国更为重要。日本和法国都是比较早地关注能源问题的国家，他们的
23、经验可能更成熟一些，而且从目前研究结论看日本的能源政策效果很好。借鉴他山之石，结合本国实际，制定能源安全战略 ，并辅助切实可行的政策措施是中国在能源问题上的一项迫切任务。第四，研究结果对我们的启示不仅体现在能源问题上，而且体现在政府对经济的预见能力和应变能力上，我们应该向美国学习，更应该向日本和其他国家学习，中国政府对经济管理能力的提高还是任重而道远。附表1 变量d(o?)的单位根检验结果Pool unit root test: Summary pool unit root test on d(o?)Date: 10/08/07 Time: 23:10Sample: 1978 2004Seri
24、es: OUSA, OJAPA, OGERM, OFRANC, OUK, OCHINExogenous variables: Individual effectsAutomatic selection of maximum lagsAutomatic selection of lags based on SIC: 0Newey-West bandwidth selection using Bartlett kernelBalanced observations for each testCross-MethodStatisticProb.*sectionsObsNull: Unit root
25、(assumes common unit root process)Levin, Lin & Chu t*-7.806560.00006150Breitung t-stat-6.761010.00006144Null: Unit root (assumes individual unit root process)Im, Pesaran and Shin W-stat-7.174020.00006150ADF - Fisher Chi-square67.29620.00006150PP - Fisher Chi-square64.36880.00006150Null: No unit root
26、 (assumes common unit root process)Hadri Z-stat-0.401260.65596156* Probabilities for Fisher tests are computed using an asympotic Chi-square distribution. All other tests assume asymptotic normality.附表2 变量G?的单位根检验结果Pool unit root test: Summary pool unit root test on g?Date: 10/08/07 Time: 23:13Sampl
27、e: 1978 2004Series: GUSA, GJAPA, GGERM, GFRANC, GUK, GCHINExogenous variables: Individual effectsAutomatic selection of maximum lagsAutomatic selection of lags based on SIC: 0 to 1Newey-West bandwidth selection using Bartlett kernelCross-MethodStatisticProb.*sectionsObsNull: Unit root (assumes commo
28、n unit root process)Levin, Lin & Chu t*-4.286820.00006153Breitung t-stat-3.539390.00026147Null: Unit root (assumes individual unit root process)Im, Pesaran and Shin W-stat-5.039060.00006153ADF - Fisher Chi-square47.05160.00006153PP - Fisher Chi-square42.14110.00006156Null: No unit root (assumes comm
29、on unit root process)Hadri Z-stat0.379570.35216162* Probabilities for Fisher tests are computed using an asympotic Chi-square distribution. All other tests assume asymptotic normality.附表3 panel data 分析结果Dependent Variable: G?Method: Pooled Least SquaresDate: 10/09/07 Time: 10:13Sample (adjusted): 19
30、81 2004Included observations: 24 after adjustmentsCross-sections included: 6Total pool (balanced) observations: 144VariableCoefficientStd. Errort-StatisticProb.C0.0307320.0035608.6336170.0000USA-(D(O USA(-1)-0.0552090.018916-2.9185610.0043JAPA-(D(O JAPA(-1)-0.0039100.020769-0.1882630.8510GERM-(D(O G
31、ERM(-1)4.80E-050.0188070.0025530.9980FRANC-(D(O FRANC(-1)0.0050360.0192950.2610060.7946UK-(D(O UK(-1)-0.0118530.020123-0.5890110.5571CHIN-(D(O CHIN(-1)-0.0429320.020328-2.1119260.0370USA-(D(O USA(-2)-0.0347340.024432-1.4216560.1580JAPA-(D(O JAPA(-2)-0.0502570.019957-2.5182290.0133GERM-(D(O GERM(-2)-
32、0.0241020.019631-1.2277070.2222FRANC-(D(O FRANC(-2)-0.0185650.019703-0.9422460.3482UK-(D(O UK(-2)-0.0268280.021727-1.2347810.2196CHIN-(D(O CHIN(-2)-0.0398700.022119-1.8025130.0743USA-GUSA(-1)0.0543890.2079330.2615680.7942JAPA-GJAPA(-1)0.9047310.2353603.8440300.0002GERM-GGERM(-1)0.5869610.2190972.679
33、0080.0085FRANC-GFRANC(-1)0.3432540.2807601.2225870.2241UK-GUK(-1)0.7058740.2423172.9130210.0044CHIN-GCHIN(-1)0.6181850.1369334.5145070.0000USA-GUSA(-2)-0.1258740.167688-0.7506470.4545JAPA-GJAPA(-2)-0.1443570.221536-0.6516200.5160GERM-GGERM(-2)-0.2284180.216690-1.0541240.2942FRANC-GFRANC(-2)-0.062113
34、0.299980-0.2070560.8364UK-GUK(-2)-0.4698310.221688-2.1193410.0364CHIN-GCHIN(-2)-0.5630610.129098-4.3615020.0000USA-(D(O USA)0.0066510.0204280.3255750.7454JAPA-(D(O JAPA)0.0348760.0206071.6924790.0934GERM-(D(O GERM)0.0003900.0195410.0199460.9841FRANC-(D(O FRANC)-0.0024100.019964-0.1207170.9041UK-(D(O
35、 UK)-0.0011220.021722-0.0516520.9589CHIN-(D(O CHIN)-0.0381420.020946-1.8209490.0714Fixed Effects (Cross)USA-C0.003841JAPA-C-0.024464GERM-C-0.017012FRANC-C-0.014933UK-C-0.010435CHIN-C0.063002Effects SpecificationCross-section fixed (dummy variables)R-squared0.849024Mean dependent var0.036851Adjusted
36、R-squared0.800097S.D. dependent var0.033693S.E. of regression0.015064Akaike info criterion-5.340637Sum squared resid0.024509Schwarz criterion-4.598184Log likelihood420.5259F-statistic17.35273Durbin-Watson stat2.016344Prob(F-statistic)0.000000附表4 system 分析结果System: SYS09Estimation Method: Seemingly U
37、nrelated RegressionDate: 10/09/07 Time: 14:55Sample: 1979 2004Included observations: 26Total system (unbalanced) observations 122Linear estimation after one-step weighting matrixCoefficientStd. Errort-StatisticProb.C(1)0.0324450.00285411.367870.0000C(2)-0.0501040.016653-3.0087990.0033C(3)-0.0338470.
38、016995-1.9915320.0490C(4)0.9577780.06207215.430220.0000C(5)-0.0523100.012950-4.0393030.0001C(6)0.0412920.0121453.4000290.0010C(7)0.0107360.0044642.4052250.0179C(8)0.4658980.1641602.8380740.0055C(9)0.0182370.0033145.5035890.0000C(10)0.7062180.1183275.9683580.0000C(11)-0.4031380.117018-3.4451040.0008C
39、(12)-0.0266180.012591-2.1140330.0369C(13)0.1003710.0173485.7858100.0000C(14)0.5120170.1571823.2574890.0015C(15)-0.5314570.147932-3.5925850.0005C(16)-0.0422750.026479-1.5965100.1134C(17)-0.0465320.023293-1.9976560.0484C(18)-0.0511070.027891-1.8323590.0698Determinant residual covariance7.41E-20Equatio
40、n: USA=C(1)+C(2)*DOF(-1)+C(3)*DOF(-2)Observations: 24R-squared0.386842Mean dependent var0.031421Adjusted R-squared0.328446S.D. dependent var0.018243S.E. of regression0.014950Sum squared resid0.004693Durbin-Watson stat1.734074Equation: JAPA=C(4)*JAPA(-1)+C(5)*DOF(-2)+C(6)*DOFObservations: 24R-squared
41、0.727275Mean dependent var0.024654Adjusted R-squared0.701302S.D. dependent var0.019781S.E. of regression0.010811Sum squared resid0.002455Durbin-Watson stat1.471139Equation: GERM=C(7)+C(8)*GERM(-1)Observations: 26R-squared0.203589Mean dependent var0.020658Adjusted R-squared0.170405S.D. dependent var0.016184S.E. of regression0.014741Sum squared resid0.005215Durbin-Watson stat1.804187Equation: UK=C(9)+C(10)*UK(-1)+C(11)*UK(-2)+C(12)*DOF(-2)Observations: 24R-squared0.654710
