我國煤炭?jī)r(jià)格與煤礦安全事故實(shí)證分析：基于向量自回歸模型(VAR)

王 軍,何 蕾,徐 倩

(1.華北科技學(xué)院，河北 三河 065201；2.首都經(jīng)濟(jì)貿(mào)易大學(xué)，北京 100070)

0 引 言

2018年中國GDP總量是日本的2.5倍，印度的5倍，巴西的6倍，俄羅斯的8倍，甚至超過了整個(gè)歐元區(qū)，經(jīng)濟(jì)的快速增長(zhǎng)也使得煤炭、石油、天然氣的需求總量不斷增加。煤炭是我國重要的基礎(chǔ)能源與化工原料，在我國一次能源結(jié)構(gòu)中占比達(dá)70%以上，在未來相當(dāng)長(zhǎng)的時(shí)間內(nèi)，煤炭仍將是我國的重要基礎(chǔ)產(chǎn)業(yè)。同時(shí)煤炭行業(yè)事故率僅次于交通事故率，位居全國事故率次席[1]。近年來，黨中央國務(wù)院高度重視煤礦生產(chǎn)安全問題，在供給側(cè)改革以及去庫存、去杠桿、降成本、補(bǔ)短板的大背景下，國內(nèi)產(chǎn)業(yè)不斷升級(jí)，淘汰落后及過剩產(chǎn)能，煤炭行業(yè)到了改革的突破期，同時(shí)黨的十九大報(bào)告中提出“特別是要堅(jiān)決打好防范化解重大風(fēng)險(xiǎn)”的戰(zhàn)略要求，煤礦生產(chǎn)安全問題在煤炭產(chǎn)業(yè)升級(jí)改革過程中依然嚴(yán)峻。因此，本文研究煤炭?jī)r(jià)格指數(shù)變動(dòng)與煤礦安全事故的關(guān)聯(lián)性，為合理預(yù)測(cè)和防控煤礦安全問題提供理論支持。

1 研究現(xiàn)狀

將煤炭?jī)r(jià)格、煤礦安全問題作為單因素獨(dú)立研究的文獻(xiàn)資料較多，研究煤炭?jī)r(jià)格的文獻(xiàn)有：丁志華等[2]采用VEC模型分析煤炭?jī)r(jià)格的影響因素，提出影響煤炭?jī)r(jià)格的主要因素有第二產(chǎn)業(yè)產(chǎn)值、國民生產(chǎn)總值、零售物價(jià)指數(shù)、煤炭成本和煤炭供給；丁志華等[3]基于計(jì)量經(jīng)濟(jì)模型和時(shí)變參數(shù)狀態(tài)空間模型實(shí)證分析了煤炭?jī)r(jià)格對(duì)我國GDP的影響，指出煤炭?jī)r(jià)格波動(dòng)與其對(duì)GDP影響的時(shí)變彈性之間具有非對(duì)稱性；盛銳等[4]通過VAR模型，運(yùn)用脈沖響應(yīng)及方差分解方法提出煤炭?jī)r(jià)格對(duì)下游相關(guān)產(chǎn)業(yè)的影響呈現(xiàn)出非中性及非對(duì)稱性特征的結(jié)論；張建英[5]利用2009～2012年煤炭?jī)r(jià)格月度數(shù)據(jù)，采用VAR模型分析煤炭?jī)r(jià)格主要受自身波動(dòng)影響，其次受大宗商品價(jià)格、宏觀經(jīng)濟(jì)指數(shù)及煤炭產(chǎn)量影響。分析煤礦事故問題的文獻(xiàn)有：趙代英等[6]采用多元回歸分析方法，篩選出影響我國安全生產(chǎn)的主要經(jīng)濟(jì)社會(huì)發(fā)展指標(biāo)，并對(duì)工礦商貿(mào)就業(yè)人員十萬人事故死亡率進(jìn)行了預(yù)測(cè)；李賢功等[7]運(yùn)用灰色預(yù)測(cè)模型等對(duì)煤礦事故死亡人數(shù)比重進(jìn)行了分析；李紅霞等[8]采用3次指數(shù)平滑分析法對(duì)煤礦事故死亡人數(shù)進(jìn)行預(yù)測(cè)。只有少量文獻(xiàn)用實(shí)證分析了煤炭?jī)r(jià)格與煤礦事故死亡人數(shù)的關(guān)聯(lián)，其中，崔秀娟等[9]驗(yàn)證了煤炭?jī)r(jià)格與煤礦安全事故發(fā)生存在協(xié)整關(guān)系，且煤價(jià)是煤礦傷亡事故的致因；楊利峰等[10]發(fā)現(xiàn)煤炭?jī)r(jià)格和煤礦死亡人數(shù)存在顯著的負(fù)相關(guān)性；朱巖坤[11]通過分析同樣得出煤炭?jī)r(jià)格與煤礦百萬噸死亡率之間存在統(tǒng)計(jì)學(xué)意義上的因果關(guān)系。

通過梳理文獻(xiàn)發(fā)現(xiàn)對(duì)煤炭?jī)r(jià)格與煤礦事故死亡率關(guān)聯(lián)的分析較少，方法較為單一。本文通過運(yùn)用向量自回歸模型、脈沖響應(yīng)和方差分解方法研究二者關(guān)聯(lián)，進(jìn)而從經(jīng)濟(jì)學(xué)角度分析煤炭?jī)r(jià)格變動(dòng)與煤礦安全事故間的關(guān)聯(lián)度。

2 煤炭?jī)r(jià)格與煤礦安全事故VAR模型建立

2.1 指標(biāo)與數(shù)據(jù)選取

為研究煤炭?jī)r(jià)格與煤礦安全事故的關(guān)聯(lián)，本文選取煤炭開采和洗選業(yè)出廠價(jià)格指數(shù)作為煤炭?jī)r(jià)格指標(biāo)，選取煤礦百萬噸死亡人數(shù)作為煤礦安全事故指標(biāo)。因國家統(tǒng)計(jì)公報(bào)從2005年才開始將安全生產(chǎn)納入統(tǒng)計(jì)指標(biāo)，因此，指標(biāo)時(shí)間序列數(shù)據(jù)選取范圍為2005～2016年。為消除可能存在的異方差，降低數(shù)據(jù)波動(dòng)獲得平穩(wěn)時(shí)間序列，對(duì)所有數(shù)據(jù)進(jìn)行自然對(duì)數(shù)化處理(變量符號(hào)見表1)。文中所有數(shù)據(jù)均來自國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)及《中國統(tǒng)計(jì)年鑒》。

表1 變量符號(hào)表Table 1 Variable symbol table

2.2 VAR模型構(gòu)建

VAR模型是SIMS于1980年提出的向量自回歸模型(vector auto regression model，簡(jiǎn)稱VAR模型)，該模型是每個(gè)內(nèi)生變量對(duì)系統(tǒng)中所有內(nèi)生變量的滯后項(xiàng)進(jìn)行回歸來構(gòu)建模型，構(gòu)建的VAR(1)模型表達(dá)式見下式。

式中：Yt是n維內(nèi)生向量；C是VAR模型截距列向量；p為滯后階數(shù)；ut為n維隨機(jī)誤差列向量，本文模型所有操作在EViews9.0軟件下實(shí)現(xiàn)。

3 實(shí)證分析

3.1 ADF平穩(wěn)性檢驗(yàn)及協(xié)整檢驗(yàn)

由于大部分時(shí)間序列數(shù)據(jù)都存在隨機(jī)趨勢(shì)，其數(shù)據(jù)的生成過程可能是一個(gè)非平穩(wěn)過程，若用非平穩(wěn)數(shù)據(jù)進(jìn)行分析，其結(jié)果很大程度上表現(xiàn)為“偽回歸”現(xiàn)象。VAR模型在操作過程中，為避免數(shù)據(jù)不平穩(wěn)帶來的“偽回歸”問題，首先要對(duì)數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)，目前常用方法是ADF(augmented dickey fuller)檢驗(yàn)。

由表2可知，原數(shù)列為非平穩(wěn)數(shù)列，在顯著水平為5%的檢驗(yàn)水平下，LCP和LDTOLL均為一階單整，即I(0)。原數(shù)列經(jīng)過一階差分后數(shù)據(jù)為平穩(wěn)序列，且兩個(gè)變量具有相同單階整數(shù)，可能存在長(zhǎng)期穩(wěn)定協(xié)整關(guān)系。

表2 ADF單位根檢驗(yàn)結(jié)果Table 2 ADF unit root test results

在VAR模型建立過程中滯后期的選擇非常重要，一般情況下，年度數(shù)據(jù)滯后期為1～2期，具體選擇標(biāo)準(zhǔn)經(jīng)常采用AIC和SC的值同時(shí)達(dá)到最小時(shí)，本文做了兩期的檢驗(yàn)，結(jié)果見表3，模型的最佳滯后期為1期，由此建立滯后1期的VAR(2)模型。同時(shí)采用Johansen協(xié)整檢驗(yàn)辦法對(duì)變量間協(xié)整關(guān)系進(jìn)行檢驗(yàn)。

通過表4和表5可知，跡統(tǒng)計(jì)、最大特征根統(tǒng)計(jì)在5%的顯著水平下，拒絕原假設(shè)，表明煤炭?jī)r(jià)格與煤礦安全事故之間存在協(xié)整關(guān)系，可以對(duì)VAR(2)模型進(jìn)行平穩(wěn)檢驗(yàn)和脈沖響應(yīng)分析。

表3 模型滯后期選擇結(jié)果Table 3 Model lag period selection results

表4 非限制協(xié)整秩檢驗(yàn)(跡)Table 4 Unrestricted cointegration rank test (Trace)

表5 非限制協(xié)整秩檢驗(yàn)(最大特征值)Table 5 Unrestricted cointegration rank test(Maximum eigenvalue)

3.2 VAR(2)模型平穩(wěn)性檢驗(yàn)

脈沖響應(yīng)函數(shù)描述的是煤炭?jī)r(jià)格與煤礦安全事故指標(biāo)之間的沖擊響應(yīng)幅度，即沖擊量給因變量和未來值所帶來的動(dòng)態(tài)響應(yīng)，所以在對(duì)模型分析之前有必要先對(duì)模型穩(wěn)定性進(jìn)行檢驗(yàn)。通過圖1和圖2可知，模型中所有特征根的倒數(shù)都小于1，在單位圓內(nèi)部，因此本文所建立模型穩(wěn)定，可以進(jìn)行下一步研究。

圖1 AR根圖Fig.1 AR root map

圖2 AR根圖分析報(bào)告Fig.2 AR root map analysis report

3.3 脈沖響應(yīng)函數(shù)分析

本文建立VAR模型的目的是具體分析煤炭?jī)r(jià)格與煤礦安全事故之間的關(guān)系，基于脈沖響應(yīng)函數(shù)沖擊法是常用的政策時(shí)滯分析工具，本文對(duì)模型變量做10期脈沖響應(yīng)函數(shù)，作為結(jié)論分析和政策建議的重要依據(jù)。

如圖3(a)所示，當(dāng)煤炭?jī)r(jià)格受自身一個(gè)標(biāo)準(zhǔn)差單位正向沖擊之后，快速產(chǎn)生下降趨勢(shì)，在第2期降到最低點(diǎn)，之后開始緩慢上升，到第3期后開始維持平穩(wěn)延續(xù)，并穩(wěn)定在一定數(shù)值。如圖3(b)所示為煤炭?jī)r(jià)格對(duì)煤礦安全事故的響應(yīng)，LCP受到LDOLL一個(gè)標(biāo)準(zhǔn)差的沖擊后開始緩慢下降，并于第2期達(dá)到最低值，之后沖擊作用開始緩慢回升，隨后小幅度波動(dòng)，較平穩(wěn)發(fā)展，直至第9期為數(shù)值為0。這表明煤礦安全事故對(duì)煤炭?jī)r(jià)格的影響滯后1期，隨后事故對(duì)煤炭?jī)r(jià)格影響能力減弱，即煤礦事故的產(chǎn)生會(huì)對(duì)煤炭?jī)r(jià)格增長(zhǎng)在1個(gè)滯后期起到抑制作用。主要原因是煤礦事故后國家對(duì)煤礦安全生產(chǎn)重視度提高，煤炭行業(yè)進(jìn)行安全檢查和防范，煤炭產(chǎn)量受影響，市場(chǎng)供給減少，需求方預(yù)判煤價(jià)上漲提前采購儲(chǔ)備煤炭或簽訂中長(zhǎng)期合同鎖定價(jià)格，造成第2期煤炭需求減少，煤炭?jī)r(jià)格下行，煤炭?jī)r(jià)格在1～3期內(nèi)上下波動(dòng)。

圖4(a)所示為煤礦安全事故對(duì)煤炭?jī)r(jià)格的響應(yīng)，LDOLL受到LCP一個(gè)標(biāo)準(zhǔn)差的正向沖擊后開始快速下降并于第2期降到最低值，之后逐漸上升，于第3期達(dá)到最大值，隨后沖擊作用逐漸減弱，至第5期為0。圖4(b)所示，煤礦安全事故受自身一個(gè)標(biāo)準(zhǔn)差單位正向沖擊之后，立即產(chǎn)生一個(gè)強(qiáng)的反向反應(yīng)快速下降，在第2期達(dá)到最低點(diǎn)后開始逐漸上升，并在第3期達(dá)到最高值，之后影響逐漸減弱，在第7期后維持在一定數(shù)值。表明煤炭?jī)r(jià)格的增長(zhǎng)對(duì)煤礦安全事故有1期的滯后影響，這符合我國目前煤礦安全事故的現(xiàn)狀，煤炭?jī)r(jià)格的增長(zhǎng)會(huì)提高煤炭企業(yè)經(jīng)營效益，企業(yè)有能力加大對(duì)安全的投入，進(jìn)而降低煤礦事故發(fā)生概率及死亡人數(shù)。

圖3 DLCP對(duì)LCP和LDOLL的響應(yīng)Fig.3 DLCP response to LCP and LDOLL

圖4 LDOLL對(duì)LCP和LDOLL的響應(yīng)Fig.4 LDOLL response to LCP and LDLOL

3.4 方差分解

通過方差分解可以得出各個(gè)擾動(dòng)項(xiàng)的條件對(duì)模型中的其他變量影響程度的大小，通過衡量每個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量的貢獻(xiàn)程度，評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。

本文所做是對(duì)煤礦安全事故這一變量的方差分解，因?yàn)橹饕芯康氖敲禾績(jī)r(jià)格的變動(dòng)對(duì)煤礦安全事故的影響，所以將模型中各變量對(duì)煤炭?jī)r(jià)格的影響部分略去。由圖5可以看出，煤礦安全事故和煤炭?jī)r(jià)格二者對(duì)DOLL的解釋程度差別非常大。煤礦安全事故最初可以解釋自身變動(dòng)方差較低，為80.57%;隨著期數(shù)的增加，可解釋程度逐漸提高，到第7期后逐漸達(dá)到平穩(wěn)，最高解釋程度為91%，這與現(xiàn)實(shí)情況是相符的，一旦煤礦安全事故高頻率發(fā)生，尤其發(fā)生重大特大事故，政府層面必定加強(qiáng)安全生產(chǎn)監(jiān)管，煤礦行業(yè)經(jīng)自查或整頓后安全事故發(fā)生率逐漸好轉(zhuǎn)。而煤炭?jī)r(jià)格變動(dòng)對(duì)煤礦安全事故的解釋程度并不高，最大值只能達(dá)到19.4%，并隨期數(shù)的增加逐漸降低，到第7期后維持在9%左右。這說明煤炭?jī)r(jià)格的波動(dòng)在一定程度上對(duì)煤礦安全事故具有一定的貢獻(xiàn)，但貢獻(xiàn)程度不高，該結(jié)果與脈沖響應(yīng)函數(shù)的結(jié)論存在一致性。

圖5 煤礦安全事故方差分解結(jié)果Fig.5 Coal mine safety accidents variance decomposition results

4 結(jié) 論

1) 煤炭?jī)r(jià)格與煤礦安全事故存在顯著協(xié)整關(guān)系，即兩者存在長(zhǎng)期穩(wěn)定關(guān)系，煤炭?jī)r(jià)格對(duì)煤礦安全事故的影響是長(zhǎng)期且穩(wěn)定的，政府合理宏觀調(diào)控煤炭?jī)r(jià)格對(duì)降低煤礦安全事故有重要作用。

2) 從脈沖響應(yīng)函數(shù)結(jié)果來看，煤炭?jī)r(jià)格波動(dòng)對(duì)于煤礦安全事故的正向沖擊作用較為明顯，煤炭?jī)r(jià)格的增長(zhǎng)有利于煤礦安全事故的減少，可見煤礦行業(yè)效益對(duì)于煤礦安全生產(chǎn)至關(guān)重要，價(jià)格合理增長(zhǎng)有利于煤炭行業(yè)整體盈收，進(jìn)而加大對(duì)安全生產(chǎn)在資金、設(shè)備、人員以及科技創(chuàng)新等方面的投入，減少煤礦安全事故。

3) 從方差分解角度分析，煤炭?jī)r(jià)格在一定程度上對(duì)煤礦安全事故有影響，煤炭?jī)r(jià)格與煤礦安全事故在一定程度上呈現(xiàn)反向關(guān)系，但不是主要影響，而煤礦安全事故受自身影響因素貢獻(xiàn)率高，因此煤礦安全生產(chǎn)應(yīng)從安全生產(chǎn)本身著手，務(wù)必切實(shí)按國家和行業(yè)標(biāo)準(zhǔn)完善安全生產(chǎn)軟硬件的環(huán)境要求。但切不可忽視煤炭?jī)r(jià)格下行對(duì)煤礦安全事故的負(fù)面影響，切實(shí)保障煤炭?jī)r(jià)格在合理區(qū)間運(yùn)行，保證煤炭行業(yè)的正當(dāng)利潤(rùn)，這是煤炭行業(yè)在安全生產(chǎn)上的基礎(chǔ)保障，對(duì)減少和降低煤礦安全事故發(fā)生概率及死亡人數(shù)，促進(jìn)煤炭業(yè)真正健康、可持續(xù)發(fā)展至關(guān)重要。