计量为生产服务开展节能降耗的案例

第一篇：计量为生产服务开展节能降耗的案例

计量为生产服务开展节能降耗的案例

在公司开展的“比学赶帮超”节能降耗活动中，各运行部围绕生产实际，对各工区的能耗情况给予高度重视。炼油运行二部二套常减压车间反映该装臵外供蒸汽计量表存在问题（测不出流量），装臵自产的1.0MPa蒸汽全部自耗，造成装臵能耗过高，与实际生产情况严重不符。针对车间反映的问题，中心组织力量会同二套常减压车间技术人员对自产蒸汽外供零显示的问题及时展开调查及开展技术分析。

（1）对二套常减压装臵自产蒸汽外供零显示开展调查分析。车间技术人员根据生产情况和以往经验判断，自产蒸汽在装臵消耗后应该略有盈余，但计量表反映出的情况却恰恰相反，不仅出装臵蒸汽没有流量，反而是进装臵蒸汽有大约2t/h左右的流量。从计量表的数据看应该是装臵在使用管网的蒸汽，为此工艺技术人员认为出装臵蒸汽计量表存在问题，导致装臵能耗过高，与生产实际不符。针对车间反映的问题，认识到这正是计量为节能降耗服务的良好契机，给予了高度重视。组织技术人员对仪表及引压导管进行了认真细致的检查，核对流量计设计参数，通过对仪表零点及量程校验，确认仪表参数正常，仪表测量变化趋势良好。

但车间不认可仪表测量的数值，他们从生产工艺角度分析认为：装臵1.0MPa产汽量在13t/h左右，装臵内蒸汽系统压力控制在0.84MPa左右，而系统蒸汽管网压力在0.70MPa~0.8MPa之间，且出装臵蒸汽压控阀打开，应该有蒸汽出装臵。为此，围绕着出装臵蒸汽计量问题，计量和车间共同组织现场经验丰富的工程技术人员、技师、装臵专家一起，从仪表检测、引压管线配臵和工艺管线流程等方面进行分析，查原因，找出可能发生问题的环节，逐一排除。初步怀疑系统压力变化是影响蒸汽出装臵的症结所在，决定进行试验：首先关闭出装臵压控阀，提高装臵系统压力至0.9MPa，拉大装臵内与系统管网压力差（如图1 红线为装臵内蒸汽压力0.9MPa左右；蓝线为装臵界区外蒸汽系统压力0.75MPa左右），使出装臵蒸汽压控阀全开，当时装臵1.0MPa产汽量在13.5t/h

红线：装置内蒸汽压力；蓝线：装置界区外蒸汽系统压力

图

1左右，而出装臵蒸汽指示为0t/h（如图2 红线为装臵产蒸汽流量；蓝线为出装臵蒸汽流量），装臵蒸汽系统压力显示变化缓慢，然后打开出装臵蒸汽压控付线阀，出装臵蒸汽仪表指示为2t/h，装臵蒸汽系统压力下降明显。

红线：装置1.0MPa蒸汽产量；蓝线：1.0MPa蒸汽出装置流量

图

2通过这一试验，技术分析找出装臵自产蒸汽外供无数据显示的几种原因：

1、蒸汽压控阀行程不准，造成流通不畅；

2、装臵发汽量小；

3、系统蒸汽管网压力变化（有时较高），影响蒸汽出装臵；

4、装臵内部分疏水器故障（直通），由于压控阀流通不畅，使部分蒸汽进入冷凝水回收系统。

2、二套常减压装臵自产蒸汽及外供的技术处理。通过装臵试验，根据技术分析查出装臵自产蒸汽外供无数据显示的原因，车间立即进行了生产调整：增加高温位热媒温度，提高装臵1.0MPa蒸汽发汽量（图4，红线指示），流量为18t/h左右，控制装臵内蒸汽压力，打开蒸汽压控付线阀，确保装臵多产蒸汽外排（图4，蓝线指示），冷凝水回收系统总线增加疏水器，控制蒸汽排放。通过一段时间观察，出装臵蒸汽计量表运行可靠指示正常，流量指示变化趋势与装臵内蒸汽压力与系统管网压力的差值变化趋势相吻合（结合图3压力变化曲线、图4流量变化曲线来看，相同时间段内，装臵内与系统管网压力相差越大，出装臵蒸汽量越大，反之就小）。由于我们与车间一起对二套常减压装臵自产蒸汽外供零显示问题进行调查分析并有效技术处理，装臵的能耗明显降低，由于1.0MPa蒸汽产量提高，出装臵蒸汽量增大，装臵效益也得以增加。

红线：装置内蒸汽压力；蓝线：装置界区外蒸汽系统压力

图

红线：装置1.0MPa蒸汽产量；蓝线：1.0MPa蒸汽出装置流量

图4

由此可见，准确的计量数据可为生产装臵的节能降耗提供可靠的依据，强计量与工艺的紧密结合，是“比学赶帮超”赋予计量新的内涵。

第二篇：关于开展为节能降耗献计策的倡议书

关于开展“我为节能降耗献良策”活动的倡议书

广大团员青年、全体职工：

为了引导广大职工和团员青年立足岗位挖潜增效，积极为接待中心增收节支贡献一份力，培养全体职工的节能降耗意识，接待服务中心团支部向中心广大团员青年、全体职工发出如下“我节节能降耗献良策”的活动倡议，衷心希望广大职工结合自己工作实际，集思广益，踊跃为“降成本，增效益”献计献策。对于您提交的合理化建议，无论是理论层面还是实际操作，无论是严谨对策还是对工作的随想感言，我们都一样热切期盼，诚挚欢迎，并悉心倾听，充分尊重，认真吸纳。

一、合理化建议的定义

合理化建议是指任何员工个人对部门、招待所、中心各个层员的经营管理的任何环节所提出的，不受职责范围限制的，具有可操作怕的改进方法和措施。

二、合理化建议的范围

1、经营管理：单位未来发展，提升员工职业技能素质、提高工作效率、制度创新、管理创新等方面的建议。

2、节能降耗：采用新方法、采取新措施、更有效的利用和节约能源，控制成本等方面的建议

3、优质服务：对创新服务理念，提高服务能力及服务水平，提高服务效率有显著效果等方面的建议。

三、合理化建议的提交

为了便于广大员工的参与，团支部委托各招待所办公室统一集中收集大家的良策，并将汇总、整理为书面材料呈报中心领导，对于采纳的可行性建议将在中心大力推广。

团支部

2015年3月25日

第三篇：为农服务典型案例

附件1

为农服务典型案例

多年来林口职教中心学校积极配合县科协举办“科技之冬”培训农民活动，年培训4000-5000人次，扎实有效，取得了较好的效果。

我校业务精湛，平易近人的张永安老师每年都积极给农民朋友进行技术培训，重点讲解如何种地,深受农民朋友欢迎。也常到农机局进行秋季深松技术指导等工作。为此他本人多次荣获省市科普先进个人、先进工作者荣誉称号。

一．扩大宣传，让农民了解科技。

每年培训之前，通过播报通知、下发宣传单和宣传画等,形式积极宣传，让农民知道“科技之冬”培训的目的、意义和内容。年均下发宣传单两万条份。

二．悉心传授，让农民掌握科技。

为了让农民听得懂，学得快，记得牢，教师们在课程开设及讲解上，常以农民为主体，选择他们想学的。尽量将术语口语化，只要实用，管用，用得上，教师们花贵不少心思专研究，也常和农民们一起探讨一些喜闻乐见的教学形式。农民们学得轻松愉快且获得了实用的科技知识。

三、丰收增产，让农民喜欢科技。

前几年，农民认为“科技之冬”培训活动是“作秀”,在掌握实践后，农民尝到了甜头。他们也学会了“实践是检验真理的唯一标准”、“科学技术是第一生产力”等至理名言，且常挂在嘴边。丰收增产让我们看到了农民对科技培训活动从陌生到熟悉，从畏惧到喜欢，从淡漠到盼望的可喜转变，更让我们看到了科技对农民的重大意义。

第四篇：《为人民服务》教学案例

《为人民服务》教学案例

王婵

紧扣重点，感悟写法

师：现在，老师暂时扮演一下主席，我的演讲是不是可以这样说：亲爱的同志们、战友们，今天围绕“为人民服务”，我讲以下三个问题：第一，死的意义；第二，不怕批评；第三，团结互助。我的话讲完了，谢谢大家。(生笑。)师：哎?你们笑什么? 生：这样太简单了。

师：太稽鸡辆站臼融和聊简单明了。

生1：太简单别人就听不懂了，就不能让人信服。

生2：这么简单，大家不知为什么这么做，不知具体该怎么做。

师：那怎么办? 生：还得展开说，说清楚了。

师：你说得太好了，提出观点并不是万事大吉，还得以理服人，就是要说服别人，证明自己的观点。那么，主席围绕观点是怎么展开的说、具体的说、深入的说，这就是我们这节课要研究的重点，这也就是要把书重新读厚了。(板书：厚)师：那么，怎么证明自己的观点和看法呢?这样吧，我们先来看第二段“死的意义”这个部分，一起研究研究。

现在请大家放声自由地读读

课文第二自然段，看看主席到底用了哪些方法证明自己的观点?(生自由读。)师：死的意义到底有什么不同，主席用了什么办法证明自己的观点? 生：用了列举名言、举例子、对比的办法，证明自己的观点。

师：噢!引经据典，引用名人名言，怎么引用?(板书：引用(名人名言))生：主席引用司马迁说的一句话，“人固有一死，或重于泰山，或轻于鸿毛”。

师：真奇怪，主席不是伟人吗，为什么还要引用司马迁的话呢?知道司马迁吗?什么年代的人? 生：(逐一回答)几百年，一千年，一千几百年，反正很遥远。

师：不，2000千多年。干吗要引用这么古老、这么久远的话? 生1：司马迁是西汉年间很著名的历史学家、文学家，他是在毛主席之前的名人，所以引用他的话，也可以说是以理服人吧。

师：对啊，名人都这么说了。

生2：司马迁早在2000多年前就提出“人固有一死，或重于泰山，或轻于鸿毛”，说明远在古代，人们就提倡这种精神。

师：从古至今，人们就有这样的想法、这样的认识。你看，经典就是古老的智慧、永恒的真理。经历了时间的考验，已经被人们认可、被人们传诵，所以主席引用司马迁的名言，令人信服啊!那谁能把这句话读一读?(课件出示：人固有一死，或重于泰山，或轻于鸿毛。)(一生读。)师：读得真好，声情并茂。其实，我们在课内外积累了许多关于生死的名言，你还记得吗?(悲壮而豪迈的音乐响起，生配乐吟诵。)生1：生当作人杰，死亦为鬼雄。

师：这是李清照的生死观，女英雄也可以豪情万丈啊!生2：宁为玉碎，不为瓦全。

生3：春蚕到死丝方尽，蜡炬成灰泪始干。

生4：人生自古谁无死，留取丹心照汗青。

生5：杀了我一个，还有后来人。

师：死又算得了什么，江山自有后来人。

生6：捧着一颗心来，不带半根草去。

师：这是谁说的?陶行知，这既是对教育的爱，也是对祖国的爱，对人民的爱。

生7：粉骨碎身全不怕，要留清白在人间。

师：这首诗大家刚刚学过，一起来一遍。

生(齐)：粉骨碎身全不怕，要留清白在人间。

师：于谦也向天下人诉说他顶天立地的豪情壮志，同学们，这些都是关于生死的经典名言，它表达了一种英雄气概、民族气节，是那样可歌可泣、可敬可佩。同学们，刚才我们引用的是耳熟能详、经久不衰的——(生接答：名人名言)；引用的是给人启迪、引人深思、让人震撼的——(生接答：名人名言)。所以，主席用的第一招就是引经据典。(板书：引用)

第五篇：计量案例材料

案例1：用回归模型预测木材剩余物

（一元线性回归模型（file:b1c3））

伊春林区位于黑龙江省东北部。全区有森林面积2189732公顷，木材蓄积量为23246.02万m3。森林覆盖率为62.5%，是我国主要的木材工业基地之一。1999年伊春林区木材采伐量为532万m3。按此速度44年之后，1999年的蓄积量将被采伐一空。所以目前亟待调整木材采伐规划与方式，保护森林生态环境。为缓解森林资源危机，并解决部分职工就业问题，除了做好木材的深加工外，还要充分利用木材剩余物生产林业产品，如纸浆、纸袋、纸板等。因此预测林区的年木材剩余物是安排木材剩余物加工生产的一个关键环节。下面，利用简单线性回归模型预测林区每年的木材剩余物。显然引起木材剩余物变化的关键因素是年木材采伐量。

伊春林区16个林业局1999年木材剩余物和年木材采伐量数据见附表。散点图见图2.14。观测点近似服从线性关系。建立一元线性回归模型如下：

yt = 0 + 1 xt + ut

30Y25201510X***

图2.14 年剩余物yt和年木材采伐量xt散点图

图2.15 Eviews输出结果

Eviews估计结果见图2.15。

下面分析Eviews输出结果。先看图2.15的最上部分。LS表示本次回归是最小二乘回归。被解释变量是yt。本次估计用了16对样本观测值。输出格式的中间部分给出5列。第

ˆ和ˆ）1列给出截距项（C）和解释变量xt。第2列给出相应项的回归参数估计值（01。第

根据Eviews输出结果（图2.15），写出OLS估计式如下：

ˆt=-0.7629 + 0.4043 xt

(2.64)y(-0.6)

(12.1)

R = 0.91, s.e.= 2.04

2ˆ=uˆt2(162)。其中括号内数字是相应t统计量的值。s.e.是回归函数的标准误差，即R2是可决系数。R 2 = 0.91说明上式的拟合情况较好。yt变差的91%由变量xt解释。检验回归系数显著性的原假设和备择假设是（给定 = 0.05）

H0：1 = 0； H1：1  0

图2.16 残差图

因为t = 12.1 > t0.05(14)= 2.15，所以检验结果是拒绝1 = 0，即认为年木材剩余物和年木材采伐量之间存在回归关系。上述模型的经济解释是，对于伊春林区每采伐1 m3木材，将平均产生0.4 m3的剩余物。

ˆt，图2.16给出相应的残差图。Actual表示yt的实际观测值，Fitted表示yt的拟合值yˆt。Residual表示残差u残差图中的两条虚线与中心线的距离表示残差的一个标准差，即s.e.。通过残差图可以看到，大部分残差值都落在了正、负一个标准差之内。

估计1的置信区间。由

t = P {得

ˆ t0.05(14)s(ˆ)

111ˆ11s(ˆ1 t0.05(14)} = 0.95)1的置信区间是

ˆ), ˆ)] ˆ-t0.05(14)s(ˆ+ t0.05(14)s([1111[0.40430.7629 + 0.4043 x2000 y =-0.7629 + 0.4043  20 = 7.3231万m

3(2.66)(xFx)21ˆ(+ ˆ2000)= s(y)2T(xx)2

21(2033.25)2= 4.1453(+)= 0.4546

3722.260616

因为 ˆ2000)=0.4546= 0.6742 s(yˆ+ˆx2000)= 0 + 1 x2000 = E(y2000)ˆ2000)= E(E(y01t = ˆ2000E(y2000)y t(T-2)

ˆ2000)s(y则置信度为0.95的2000年平均木材剩余物E(y2000)的置信区间是

ˆy2000  t0.05(14)s（ˆy2000)= 7.3231  2.15  0.6742

= 5.8736, 8.7726

(2.67)从而得出预测结果，2000年若采伐木材20万m3，产生木材剩余物的点估计值是7.3231万m3。平均木材剩余物产出量的置信区间估计是在 [5.8736, 8.7726] 万m3之间。从而为恰当安排2000年木材剩余物的加工生产提供依据。

附数据如下：

林业局名 乌伊岭 东风 新青 红星 五营 上甘岭 友好 翠峦 乌马河 美溪 大丰 南岔 带岭 朗乡 桃山 双丰 合计

年木材剩余物y（万m3）年木材采伐量x（万m3）tt

26.13

23.49 21.97 11.53 7.18 6.80 18.43 11.69 6.80 9.69 7.99 12.15 6.80 17.20 9.50 5.52 202.87

61.4 48.3 51.8 35.9 17.8 17.0 55.0 32.7 17.0 27.3 21.5 35.5 17.0 50.0 30.0 13.8 532.00 例2: 刻卜勒（J.Kepler）行星运行第三定律

（file:kepler3）

把地球与太阳的距离定为1个单位。地球绕太阳公转一周的时间为1个单位（年）。那么太阳系9个行星与太阳的距离（D）和绕太阳各公转一周所需时间（T）的数据（第谷（B.Tycho）的观测数据）如下：

obs DISTANCE Time 水星 0.387 0.24

金星 0.723 0.615

地球 1 1

火星 1.52 1.88

木星 5.2 11.9

土星 天王星 海王星 冥王星 9.54 29.5

19.2 84

30.1 165

39.5 248

9个行星与太阳的距离和绕太阳公转一周的时间之间有什么规律？刻卜勒（Johannes Kepler, 1571-1630，德国人）坚信9个行星绕太阳运行，一定有规律可循。经过艰苦的努力，他终于发现了行星运行第三定律，T2 = D3

obs DISTANCE Time D3 T2

300TIME46LOG(TIME)水星 0.387 0.24 0.057 0.057

金星 0.723 0.615 0.377 0.378

地球 1 1 1 1

火星 木星 土星 天王星 海王星 冥王星

19.2 30.1 84 165 7078 27271 7056 27225

39.5 248 61630 61504

1.52 5.2 9.54 1.88 11.9 29.5 3.512 140.6 868.3 3.534 141.6 870.2 20021000001020DISTANCE3040-2LOG(DISTANCE)

-101234

ˆt log(T)= 1.5  log(D)+u(4492)

R2 = 0.999999, s.e.= 0.002

log(T)=(3/2) log(D), log(T)= 3 log(D), log(T2)= log(D3)T2 = D3

案例3 中国宏观消费分析（file:china）

摘自经济蓝皮书《2004年：中国经济形势分析与预测》和第1章案例

按照我国现行国民经济核算体系，国内生产总值（按支出法计算）是由最终消费、资本形成总额和货物与服务的净出口之和三部分组成。前两部分占绝大多数。其中最终消费又分为居民消费和政府消费两类。而居民消费又可分为农村居民消费和城镇居民消费。

在这种核算体系下，居民消费包括居民个人日常生活中衣、食、住、用等物质消费以及在文化生活服务性支出中属于物质产品的消费。

政府消费包括国家机关、国防、治安、文教、卫生、科研事业单位，经济建设部门的事业单位，人民团体等非生产机构使用的燃料、电力、办公用品、图书、设备等物质消费。

国内生产总值中最终消费与资本形成总额的比例关系，即旧核算体系下国民收入中消费与积累的比例关系是国民经济正常运行的最基本的比例关系。如果这一比例关系发生严重失调，最终会成为制约经济正常运行的严重障碍。

下面分析中国的消费问题。为消除物价变动因素以及异方差的影响，以下分析所用的数据均为不变价格数据（1952 = 1）以及分别取自然对数后的数据。

图1.1给出不变价格的国内生产总值与消费曲线，图1.2和图1.3分别给出国内生产总值与消费的年增长率曲线。

25000CONSP20000GDPP0.20.10.3growth of consumptiongrowth of GDP150000.010000-0.15000-0.2-0.***5909500

***09500

图1.1 国内生产总值与消费（不变价格）曲线

图1.2国内生产总值与消费年增长率曲线

由图1.1、1.2可以看出国内生产总值与消费的增长都很快。国内生产总值曲线的波动幅度相比较大。消费曲线的波动幅度相对较小。这与宏观消费行为具有“惯性”有关。他既不可能随时间突然大幅增加，也不可能随时间突然大幅减少。

1952-1978 1979-2002

GDP 消费平均增长率

5.76%

4.79%

年增长率的标准差

0.10

0.05

平均增长率

9.15% 9.18%

年增长率的标准差

0.044

0.040

首先结合图1.3对国内生产总值序列的增长率变化做进一步分析。1952-1957年国民收入呈较稳步发展。以不变价格计算，平均年增长率为7.97%。1958年开始的大跃进使经济发展速度突然加快。在计划经济体制下，这种人为的提高经济发展速度超出了国家物质基础所能承受的限度，所以在维持了短短两年超高速增长（1958年的年增长率为16.9%，1959年的年增长率为11.4%）之后，经济发展便出现了大倒退。1960年几乎为零增长。1961和1962年连续2年出现建国以来从未有过的负增长（分别为-27.2% 和-11.1%）。由于国家及时采取了一系列经济调整措施，1963-1966年国民经济迅速得到恢复，并出现持续高增长态势。上述4年的增长率分别为17.8%, 15.8%, 16.1% 和12.5%。1966年开始的文化革命使中国经济进入一个很不稳定的发展阶段。1967和1968年国民经济再度出现负增长，随后经济发展出现“振荡”现象。自1978年实行改革开放政策以来，在由计划经济向市场经济转变过程中，经济发展突飞猛进。1952-1978年国民收入年平均增长率为5.76%。1978-2002年的年平均增长率为9.15%。后一时期是前一时期的1.6倍（不变价格）。在后一时期里，经济增长速度如此之高，持续时间如此之长，发展趋势如此之稳定，在我国的经济发展史上是没有先例的。

0.85rate=consumption/GDP0.800.900.95household/total0.750.700.650.800.850.600.***59095000.75

***09500

图1.3 年消费率曲线（1952-2002）

图1.4 居民消费与总消费比的变化曲线（1952-2002）

0.9RATIO0.8HOURATIO0.70.60.50.***909500图15 宏观消费比率与居民消费比率曲线（1952-2002）

下面分析消费率（消费额 / 国内生产总值，1952-2002）序列的变化。见图1.3，总的来说变化幅度较大。

（1）从趋势看，中国宏观消费比率值的变化是逐年下降。消费比率数据对时间t（1952 =1）的回归结果如下：

ratio = 0.7581 – 0.0036t

(62.9)

(-8.8)

R2 = 0.61（1952-2002）51年间消费比率值平均每年减少0.0036。

（2）以1978年为界，改革开放之前（19491978）消费比率曲线波动大，改革开放之后（19792002）消费比率曲线波动小（见图1.5和表1）。19521978年宏观消费比率值的均值是0.7057，标准差是0.0656。1979-2002年宏观消费比值的均值是0.6206。标准差是0.0324。改革开放以后宏观消费比率值平均比改革开放前下降0.085。随着时间的推移，消费比率的均值减小，标准差减小。改革开放之后标准差减小说明宏观消费比率值的波动在减小，中央政府调控宏观经济的能力逐步在提高。

（3）宏观消费比率的最小值是0.5660，最大值是0.8379。都发生在上世纪50年代末和60年代初的经济困难时期。最小值0.5660发生在1959年是由于基本建设投资的极度扩张造成的（1958和1959年基本建设投资的年增长率分别是87.7%和30.0%）。最大值是0.8379发生在1962年是由于执行经济调整政策，首先解决人民生活所致。

（4）中国宏观消费比率值自1993年起跌破0.60大关。1995年达到最低点0.575。近10年来，宏观消费比率值基本上在0.60以下徘徊，平均值是0.5876。在中央政府努力扩大消费的政策下虽然宏观消费比率值在1999和2000年回升至0.60以上，但2001和2002年又跌落到0.60以下。当然这并不意味着中国宏观消费绝对值的减少。相反，宏观消费总量一直在快速提高。因为固定资产投资以更快的速度增长，所以导致宏观消费比率值偏低。

（5）图1.4给出居民消费占总消费的比率曲线。该比值从0.91直线下降至0.76。这一方面反映出政府消费越削越增的过程，同时也反映出居民消费占总消费的比率变得越小。

表1

中国消费比率数据的特征数 特征数名称 均值 标准差 极大值 极小值 变异系数 样本容量

消费比率的特征数（1952~1978）

0.7057 0.0656 0.8379 0.5660 0.0930 27

消费比率的特征数（1979~2002）

0.6206 0.0324 0.6751 0.5749 0.0522 24 注：（1）消费比率 = 中国宏观消费 / GDP。

（2）1952~1999年消费和GDP数据摘自《新中国五十年统计资料汇编》，1999 中国统计出版社。2000~2002年消费和GDP数据摘自《中国统计年鉴》，2003，中国统计出版社。

（3）消费比率数据的特征数用消费比率数据计算。

中国宏观消费比率的国际比较。

共选择6个工业发达国家和4个发展中国家和地区的GDP和宏观消费数据经计算后，与中国进行宏观消费比率的对比。6个工业发达国家是英国、美国、法国、意大利、加拿大和日本（GDP和消费均为数据，德国由于数据不全未选）。4个发展中国家和地区是菲律宾、墨西哥、香港（GDP和消费均为季节数据）和韩国（GDP和消费为数据）。上述10个国家和地区的宏观消费比率曲线与中国宏观消费比率曲线的对比分别见图1.7和图1.8。11个国家和地区宏观消费比数据的5个特征数见表2。结合图1.7和图1.8以及表2，分析如下：

图1.7 美国、英国、加拿大、法国、意大利、日本与中国的消费比率曲线比较

图1.8 墨西哥、香港、菲律宾、韩国与中国大陆的消费比率曲线比较

（1）在这11个国家和地区中，无论是和工业发达国家还是发展中国家和地区相比，中国的宏观消费比率是最低的。

（2）年平均消费比率在0.7以上的国家按消费比率值大小顺序排列是英国、菲律宾、美国、法国、意大利、加拿大和墨西哥（见表2中第一栏）。年平均消费比率在0.6~0.7之间的国家是日本、香港、韩国和中国（见表2中第二栏）。显然，这种差别与文化传统有着密切的联系。前7个国家都是具有西方文化色彩的国家；而后4个国家都是具有东方文化色彩的国家。

（3）从消费比率的标准差和变异系数来看，排除菲律宾、墨西哥和香港（这3个国家的数据为季节数据，他们的方差与其他国家无可比性），中国和韩国是消费比率值变化最大的国家。中国消费比率标准差是变化最小的法国和意大利的3倍多。在消费比率低于0.7的国家与地区中，日本和韩国的消费比率曲线是先降后升；香港呈震荡变化特征；而中国则是呈逐年下降趋势。表2

加拿大、中国等11个国家与地区宏观消费比数据的特征值比较

国别

英国

（1980~2002，数据）菲律宾（1982~2002，月度数据）美国

（1980~2002，数据）法国

（1980~2002，数据）意大利（1980~2002，数据）加拿大（1980~2002，数据）墨西哥（1982~2002，月度数据）日本

（1980~2002，数据）香港

（1980~2002，月度数据）韩国

（1980~2002，数据）中国

（1980~2002，数据）

均值 0.8311 0.8259 0.8213 0.7905 0.7748 0.7744 0.7709 0.6940 0.6708 0.6665 0.6197

标准差 0.0154(0.0499)0.0140 0.0106 0.0103 0.0243(0.0446)0.0241(0.0339)0.0420 0.0328

极大值 0.8606 0.9203 0.8544 0.8074 0.7931 0.8279 0.8516 0.7501 0.7780 0.7513 0.6751

极小值 0.8051 0.6829 0.7884 0.7734 0.7512 0.7384 0.6487 0.6600 0.5874 0.5976 0.5749

变异系数 0.0185(0.0604)0.0170 0.0134 0.0133 0.0314(0.0579)0.0347(0.0505)0.0630 0.0529

样本容量 23 88 23 23 23 23 88 23 92 23 23 注：（1）香港、菲律宾和墨西哥宏观消费和GDP数据未经季节调整。

（2）英国、美国、法国、意大利、加拿大和日本的GDP和消费数据摘自国际货币基金组织数据库

（网站：http://www.xiexiebang.com）。菲律宾、墨西哥、韩国和香港的GDP和消费数据摘自经合组织 数据库（网站：http://www.xiexiebang.com）。消费比率数据是作者自己计算的。

（3）括号中的特征数不参与比较（这些特征数来自于月度数据，无可比性）。

（4）中国的消费比率值为什么呈一路下滑趋势？主要原因是全国固定资产投资增长率（2002年是13.1%）多年来远远高于消费的增长率（2002年是5.8%），从而导致消费比率值连年下滑。

（5）表3给出了上述11个国家与地区GDP增长率与宏观消费比率的相关系数。出了韩国例外，其他国家与地区均显示GDP增长率与宏观消费比率呈显著的负相关关系。即若GDP增长率上升，则宏观消费比率下降；若GDP增长率下降，则宏观消费比率上升。看来这是个一般规律。为什么会存在这样的规律？因为消费的惯性要比投资大得多。GDP的变化主要由投资控制。如果投资增加，投资占GDP的比例增加，必然导致消费比率下降；反之消费比率上升。

表3 加拿大、中国等11个国家与地区GDP增长率与宏观消费比率的相关系数

意大利 英国 香港 日本 墨西哥 加拿大 美国 菲律宾 法国 韩国

中国（1952-2002）中国（1980-2002）

相关系数-0.64-0.84-0.62-0.85-0.48-0.66-0.77 0.19 0.28-0.07-0.50-0.20

临界值（5%水平）

0.41 0.41 0.21 0.41 0.21 0.41 0.41 0.21 0.41 0.41 0.26 0.41

临界值（10%水平）

0.34 0.34 0.17 0.34 0.17 0.34 0.34 0.17 0.34 0.34 0.24 0.34

（6）中国目前的宏观消费比率这样低好不好？从长期看不好，应该改变消费与GDP之间的这种低比例关系。原因有四。①宏观消费和固定资产投资是维持经济高增长的两个最重要因素。在经济高增长条件下，消费比率偏低是靠连年的固定资产投资高增长率维持的。而连年的固定资产投资高增长率必然带来人力、物力和财力的瓶颈现象。中国近年来之所以没有出现像大跃进时期的物力和财力的瓶颈现象，主要是依靠外国直接投资和借外债支撑的。但长期借外债后，还款将成为一个沉重负担，同时经济长期超高速发展，高素质人才的缺乏将变得越来越突出。这些因素制约固定资产投资的超高速增长将随着时间的延长越来越突出。②若没有一个合理的消费比率做支撑，高投资比率将得不到延续，最终导致产品相对过剩和积压，经济发展速度下降。③提高消费比率，维持消费的高增长同样能带来经济的高增长。因为提高消费比率主要刺激的是第三产业的发展。第三产业的发展在促进经济增长的同时，还可以扩大劳动力的就业。为人民政府解决待业问题减轻压力。目前在这方面还有很大的潜力。以2002年为例，全国第三产业产值占GDP的比例只有0.34。④以经济建设为中心，不断提高中国人民的物质与精神生活水平是我们党和国家的工作重心，宏观消费比率长期保持低位不是我们的目的。

基于我国54年经济发展经验以及目前的经济发展规模，把年消费率平均值控制在0.65-0.70是比较合理的模式。

居民消费是由农村居民消费和城镇居民消费两部分组成。由于我国农村人口占大多数，建国初期农村居民消费额在居民消费额中占较大比例。1952年为68.7%。随后，这个比值逐年下降。1988年这个比值突破60.0%，2002年已降至43.6%。这与城镇居民的收入增长速度大于农村居民的收入增长速度，非农业人口占全国总人口的比例逐年增大，以及农村劳动力大量涌入城市有直接关系。

下面分析农村居民和城镇居民人均消费水平的变化。1952年分别为62元和148元（当年价格）。1997年分别为2071元和4914元（当年价格）。按不变价格计算，分别提高了7.2倍。图1.9给出城镇居民与农村居民人均消费比的变化曲线。51年间出现三个半波动周期，波动幅度在2.2和3.2之间变化。第一个波峰发生在1959和1960年。由于农业的减产直接影响了农村居民的收入和消费，使这个比值由建国初期的2.5倍猛增至3.2倍。随着经济政策的调整和农业生产的恢复，上述比值降至2.4左右。从1970-1977年这个比值连续攀升至2.9。这是因为文化革命期间农村的一系列政策极大地限制了农民的生产积极性，从而使农业居民的收入和消费增长速度变小。第二次波峰发生在1976和1977年。随着农村体制的改革（取消人民公社，实行联产承包责任制等），极大地调动了农民生产的积极性。1978-1984年是我国农业大发展时期，农村居民收入和消费水平的迅速提高（农村超前城市）使上述人均消费比值迅速下降。1984年以后随着城市经济体制改革的深入，城镇居民的消费水平增加速度超过了农业居民消费水平的增加速度，致使上述比值又开始攀升，1993年达到3.2。1994年以后由于城镇居民收入增长速度逐年下降，直接影响到消费，于是上述比值又开始回落。1997年已回落至2.4。1997年以后粮食价格一路走低，农民收入和支出与城市居民相比增长越来越慢，致使城乡消费比率值2002年又攀升至3.11。

3.4rate of consumption,3.23.02.82.62.42.22.***909500(urban/rural)******0020000GDP0500010000***5000CONS

图1.9 城镇与农村居民人均消费比的变化曲线

图1.10 国内生产总值与消费额散点图

下面通过建立宏观消费计量经济模型进一步分析我国消费与国民收入的定量关系。（以 下所用数据（1952-2002）均以不变价格（1952 = 1，单位：亿元人民币）计算。）

1952-2002年国内生产总值与消费额散点图见图1.10。说明消费与国内生产总值之间存在高度的线性关系。

用CPt表示消费额（不变价格），GDPt表示国内生产总值（不变价格），用1952-2002年数据得消费函数的OLS估计结果如下： CPt= 164.0124 + 0.5919GDPt

(1.1)

(5.2)

(159.9)

R2 = 0.998, DW = 0.67, s.e.= 167.45 以上模型的DW值很小，严格地说模型存在自相关。为消除自相关（ = 0.67），对变量进行广义差分。定义

GCPt = CPt0.665 GDPt-1

(1.3)得估计的回归模型为，GDCPt= 45.4845 + 0.5998 GGDPt

(1.4)

(1.8)

(80.4)

R2 = 0.9926, DW = 1.63, s.e.= 131.4 上模型中不存在自相关。消费函数的GLS估计结果是

CPt= 45.4845 + 0.5998GDPt

(1.5)

消费函数的时间序列模型估计结果是 

ˆt1+vˆt

(1.6)CPt = 129.0977 + 0.6018 GDPt + 0.7370u

(1.28)

(54.8)

(5.4)

R2 = 0.9988, DW = 1.7, s.e.= 132.3 则长期关系是

CPt = 129.0977 + 0.6018GDPt

(1.7)

综上消费与国内生产总值的真实比值是0.60。

下面研究消费（不变价格）对国内生产总值的弹性系数。对消费和国内生产总值取自然对数并进行OLS回归，得如下结果，LnCPt= 0.1932 + 0.9256 LnGDPt

(1.8)

(3.0)

(118.8)

R2 = 0.9965, DW = 0.77, s.e.= 0.0584 对变量进行广义差分。定义

GLnCPt = LnCPt0.615 LnGDPt-1

(1.10)得GLS估计结果如下： GLnCPt= 0.0814 + 0.9234 G LnGDPt

(1.11)

(1.6)

(57.6)

R2 = 0.9857, DW = 1.34, s.e.= 0.047

对残差建立时间序列模型，ˆt1+vˆt

(1.12)LnCPt = 0.2103 + 0.9235 LnGDPt + 0.6120 u

(1.6)

(57.4)

(5.2)

R2 = 0.9977, DW = 1.34, s.e.= 0.0472

综上消费对国内生产总值的真实弹性是0.92。

附：1952-2003年中国消费额、GDP总值、消费增长率、GDP增长率、消费比以及城农消费比数据。obs 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 CONSP 546.3000 623.2173 618.1604 675.7585 722.8174 752.4610 783.8872 748.5224 824.2267 756.8176 722.1577 789.6848 871.9268 962.3438 1042.439 1070.745 1064.406 1153.118 1241.023 1334.661 1411.926 1494.621 1536.168 1599.783 1664.324 1704.163 1842.026 2112.907 2264.996 2459.823 2653.080 2888.765 3280.282 3707.188 3964.204 4207.294 4460.610 4269.959 4502.585 5060.990 5826.347 6511.858 7215.488 7767.802 8708.014 9411.197 10287.88 11368.09 12678.88 13794.27 15148.47 GDPP GROWTHCONSP GROWTHGDP 692.2000 NA NA 806.8749 0.140797 0.165667 830.0418-0.008114 0.028712 874.6596 0.093177 0.053754 967.5612 0.069639 0.106215 1015.601 0.041011 0.049651 1187.139 0.041765 0.168903 1322.374-0.045115 0.113917 1332.762 0.101138 0.007855 969.8460-0.081785-0.272304 861.8710-0.045797-0.111332 1006.745 0.093507 0.168092 1165.533 0.104145 0.157724 1353.229 0.103698 0.161038 1522.296 0.083229 0.124936 1433.340 0.027154-0.058436 1433.103-0.005920-0.000165 1575.803 0.083343 0.099574 1876.370 0.076232 0.190739 2049.667 0.075452 0.092358 2107.026 0.057891 0.027985 2278.330 0.058569 0.081301 2324.880 0.027798 0.020431 2500.794 0.041411 0.075666 2508.359 0.040344 0.003025 2621.917 0.023937 0.045272 2966.196 0.080898 0.131308 3286.162 0.147056 0.107871 3463.821 0.071981 0.054063 3643.461 0.086016 0.051862 4003.213 0.078566 0.098739 4365.876 0.088834 0.090593 5006.124 0.135531 0.146648 5645.932 0.130143 0.127805 6140.092 0.069329 0.087525 6653.794 0.061321 0.083663 7007.277 0.060209 0.053125 6660.271-0.042741-0.049521 7257.492 0.054480 0.089669 8192.661 0.124019 0.128856 9446.424 0.151227 0.153035 11131.80 0.117657 0.178414 12489.92 0.108054 0.122004 13512.65 0.076546 0.081885 14874.10 0.121040 0.100754 16173.81 0.080751 0.087381 17702.95 0.093154 0.094544 18901.54 0.104998 0.067705 20743.52 0.115304 0.097451 23075.66 0.087972 0.112427 24275.01 0.098172 0.051975

RATIO

0.789223 0.772384 0.744734 0.772596 0.747051 0.740902 0.660316 0.566044 0.618435 0.780348 0.837895 0.784394 0.748093 0.711147 0.684781 0.747028 0.742728 0.731765 0.661396 0.651160 0.670104 0.656016 0.660751 0.639710 0.663511 0.649968 0.621006 0.642971 0.653901 0.675134 0.662738 0.661669 0.655254 0.656612 0.645626 0.632315 0.636568 0.641109 0.620405 0.617747 0.616778 0.584978 0.577705 0.574854 0.585448 0.581879 0.581139 0.601437 0.611221 0.597784 0.624915

URBAN 2.4 2.6 2.6 2.5 2.5 2.6 2.3 3.2 3.1 2.8 2.6 2.5 2.5 2.4 2.3 2.3 2.4 2.4 2.3 2.3 2.5 2.5 2.6 2.6 2.7 2.9 2.9 2.7 2.7 2.5 2.4 2.2 2.2 2.3 2.5 2.6 2.7 2.7 2.8 2.9 3.1 3.2 2.55 2.53 2.33 2.37 2.51 2.65 2.79 2.9 3.11 案例4：全国味精需求量的计量经济模型

（file:1c02,二元线性回归模型，引自《预测》1987年第2期）

1．依据经济理论选择影响味精需求量变化的因素

依据经济理论一种商品的需求量主要取决于四个因素，即①商品价格，②代用品价格，③消费者收入水平，④消费者偏好。模型为：

商品需求量 = f(商品价格，代用品价格，收入水平，消费者偏好)对于特定商品味精，当建立模型时要对上述四个因素能否作为重要解释变量逐一鉴别。

商品价格：味精是一种生活常用品，当时又是一种价格较高的调味品。初步判断价格会对需求量产生影响。所以确定价格作为一个重要解释变量。

代用品价格：味精是一种独特的调味品，目前尚没有替代商品。所以不考虑代用品价格这一因素。

消费者收入：显然消费者收入应该是一个较重要的解释变量。偏好：由于因偏好不食味精或大量食用味精的情形很少见，所以每人用量只会在小范围内波动，所以不把偏好作为重要解释变量，而归并入随机误差项。

分析结果，针对味精需求量只考虑两个重要解释变量，商品价格和消费者收入水平。

味精需求量 = f(商品价格，收入水平)

2．选择恰当的变量（既要考虑代表性，也要考虑可能性）

用销售量代替需求量。因需求量不易度量，味精是自由销售商品，不存在囤积现象，所以销售量可较好地代表需求量。味精商品价格即销售价格。

用人均消费水平代替收入水平。因为①消费水平与味精销售量关系更密切。②消费水平数据在统计年鉴上便于查找（收入水平的资料不全）。

味精销售量 = f(销售价格，人均消费水平)用平均价格作为销售价格的代表变量。不同地区和不同品牌的味精价格是不一样的，应取平均价格（加权平均最好）。

取不变价格的人均消费水平：消费水平都是用当年价格计算的，应用物价指数进行修正。

味精销售量 = f(平均销售价格，不变价格的消费水平)

3． 收集样本数据（抽样调查，引用数据）

从中国统计年鉴和有关部门收集样本数据(1972-1982, T = 11。数据见下页。)。定义销售量为yt（吨），平均销售价格为x1（元 / 公斤），不变价格的消费水平为 x2（元）。相关系数表如下：

味精销售量(yt)60000Y***2000010000011.0X111.211.411.611.812.012.******X2120140160180平均销售价格(x1t)

-0.3671

不变价格的消费水平(x2t)

0.9771 注：临界值r0.05(9)= 0.60。

60000Y

4． 确定模型形式并估计参数

yt =-144680.9 + 6313.4 x1 + 690.4 x

2（1）

(-3.92)

(2.17)

(15.32)

R2 = 0.97, DW = 1.8, t0.05(8)= 2.3 回归系数6313.4无显著性（yt与x1为负相关，回归系数估计值却为正，可见该估计值不可信）。剔除不显著变量x1，再次回归，yt =-65373.6 + 642.4 x

1（2）

(-10.32)

(13.8)

R2 = 0.95, DW = 1.5, t0.05(9)= 2.26 ˆ= 6313.4，问题：为什么检验结果是 1 = 0？ 量纲的变化对回归结果会造成影响吗？ 1

附数据如下：

年 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982

Yt（销售量）

6927 8623 9253 12285 13924 16159 21000 20609 30742 39725 50499

X2（销售价格）

11.32 11.52 11.69 11.89 12.01 11.44 12.06 11.19 11.09 11.33 11.39

X2（消费水平）

112.90 118.32 117.69 119.79 121.69 122.22 128.77 142.14 154.54 165.56 173.52

案例5 用回归方法估计纯耕地面积

（三元线性回归模型，引自《数理统计与管理》1986年第6期）

目前对土地的调查大多采用航空摄影，从照片上把各类资源图斑转绘到1:10000的地形图上，然后再从地形图上测绘图斑面积。

在处理如何获得实际耕地面积时，关键技术难题是如何将耕地图斑中包含的田埂、土坎、空隙地、宽度小于2米的路、沟、渠等面积从图斑中分离出来。因为它们在航空图片上的分辨率很低，无法直接勾绘，测算。

设一个毛耕地图斑面积用S表示，其中不能耕种的面积（扣除面积）用 S表示，则扣除系数，yi = S / S =（扣除面积）/（毛耕地图斑面积）。对于每一个图斑，知道精确的扣除系数，就很容易根据毛耕地图斑面积计算出纯耕地面积。现在用回归分析方法，寻找影响扣除系数变化的主要因素，从而建立关于“扣除系数”的回归模型。

该论文研究的是湖南地区的耕地面积调查。湖南省属丘陵山区，地形复杂，各种地类犬牙交错，影响扣除系数的因素很多。如田埂宽度、地块大小、地块坡度、空隙地、地貌类型等。通过实际调查和分析，初步确定三个主要因素，即“坡度”、“地块面积”和“田埂宽度”。

论文作者在五个县共调查了867个样本点，其中水田样本522个，旱田样本345个。具体做法是首先把867个样本数据按“坡度”分成25个等级，然后再把属于同一个等级的样 14 本数据用加权平均的方法求出另两个因素的观测值，“平均地块面积”和“平均田埂宽度”。

拟建摸型为，yi = 0 + 1 x1i + 2 x2i +3 x3i + ui 利用样本得估计的回归方程

yi = 1.672 + 1.145 x1i + 0.608 x2i + 2.081 x3i

(7.3)

(0.4)

(1.85)

F = 221.62

(F.05(3,21)= 3.07, F.01(3,21)= 4.87, t.05(21)= 2.08, t.01(21)= 2.84)统计检验结果表明x2i , x3i为非重要解释变量。剔除之，用yi对x1i再次回归得，yi = 3.34 + 1.35 x1i

实际的验证结果表明，用只考虑“地块坡度”计算出来的扣除系数估计“纯耕地面积”完全能满足精度要求，从而为减少野外作业强度（不必再测量“地块面积”和“田埂宽度”），迅速完成测算，提供了科学依据。

附样本数据如下：

i（序号）2 3 … 25 yi（扣除系数）

4.2356 4.8838 7.8300 … 39.4151

x1i（坡度）x2i（平均地块面积）

0 1 2 … 24

1.9300 1.4918 1.1253 … 1.0600

x3i（平均田埂宽度）

0.6318 0.7312 0.9731 … 4.0721