基于时间序列协整的中国新能源汽车政策评估

中国政府近年来出台了大量的优惠政策助力新能源汽车的推广,已取得了举世瞩目的成绩。在推广过程中,各类政策分别起到了怎样的作用是很值得研究与总结的。本文首先对中央政府近六年与新能源汽车销售和使用直接相关的政策进行梳理,选取了两项经济政策(购置补贴、税收减免)和两项中国独有的行政管制政策(车辆限行与限购)作为评估对象。以新能源乘用车市场份额的月度数据为因变量,各政策变量为自变量,加入汽油价格和新能源汽车行业专利申请量作为控制变量,采用时间序列协整模型和误差修正模型对各因素的长期与短期影响做出评估。研究结果表明,各项政策都与新能源汽车销售市场份额呈长期正向协整关系。其中补贴政策每阶段的调整对市场的推动作用是显著递增的,政策效果在不断的调整和适应中获得了提升。值得关注的是,限购政策通过抑制庞大的人口基数带来的巨大购车需求,调整了汽车市场的供需关系从而影响了消费者的选择,从侧面推动了新能源汽车的销售。而相较于长期影响,短期内因限购抑制的购车需求增加对新能源汽车推广有更强的推动作用,是新能源汽车销售市场份额增加的Granger原因。最后,不可忽视的是,行业技术水平的提高对于新能源汽车推广的长期和短期影响都是显著且正向的。

动态模型的一种误差修正形式

通过对一定的动态经济模型增加一个误差项的方法,建立了两类动态模型的误差修正模型,从而使之具有更大的实用价值。

基于ARIMAX模型的夏季短期电力负荷预测

夏季城市的短期电力负荷预测不仅与过去的电力负荷数据有关,并且受温度、风力、降水量等因素影响明显,存在明显的突变结构。为了对夏季城市的短期电力负荷进行预测,根据协整理论采用SAS软件建立起电力负荷序列与输入序列"温度"之间的ARIMAX模型,充分挖掘序列的内部自相关信息以及序列与序列之间的相关关系。采取最小信息量准则"AIC-SBC"进行比较可知,ARIMAX模型比经典时间序列ARMA模型的信息量要小,相对误差更小,拟合结果更为精确,在存在突变结构且具有显著影响因素的短期电力负荷预测领域具有很高的应用价值。