面板数据分析简要步骤与注意事项（面板单位根检验—面板协整—回归分析） 面板数据分析方法： 面板单位根检验—若为同阶—面板协整—回归分析 —若为不同阶—序列变化—同阶建模随机效应模型与固定效应模型的区别不体现为R2的大小，固定效应模型为误差项和解释变量是相关，而随机效应模型表现为误差项和解释变量不相关。先用hausman检验是fixed 还是random，面板数据R-squared值对于一般标准而言，超过0.3为非常优秀的模型。不是时间序列那种接近0.8为优秀。另外，建议回归前先做stationary。很想知道随机效应应该看哪个R方？很多资料说固定看within，随机看overall，我得出的overall非常小0.03，然后within是53%。fe和re输出差不多，不过hausman检验不能拒绝，所以只能是re。该如何选择呢？ 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993)很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al.(2002)的改进,提出了检验面板单位根的LLC法。Levin et al.(2002)指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250之间,截面数介于10～250之间)的面板单位根检验。Im et al.(1997)还提出了检验面板单位根的IPS法,但Breitung(2000)发现IPS法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T、BR-T、IPS-W、ADF-FCS、PP-FCS、H-Z分别指Levin,Lin&Chu t*
辽宁省二氧化碳排放现状调查及减排措施研究朱悦, 周昊, 郝晓雯 ( 辽宁省环境科学研究院, 辽宁沈阳 110031) 摘要 根据辽宁省各城市 2004年空气污染源排放清单, 以各城市各类化石燃料消耗量为基础, 利用不同化石燃料二氧化碳排放系数, 核算出辽宁省各城市 2004年二氧化碳总排放量为 3. 47亿 ,t并以 辽宁统计年鉴 为基础数据对其进行校核, 证明其数据合理, 方法可行, 计算结果能在一定程度上反映出辽宁省二氧化碳的排放情况。通过数据分析, 掌握了辽宁省二氧化碳排放的现状, 分析了辽宁省二氧化碳主要排放行业(电力、水泥、钢铁行业)的特点和规律, 并确定了辽宁省减排二氧化碳的技术措施和控制战略。关键词 化石燃料; 二氧化碳; 排放量; 20世纪 90年代以来, 全球气候变化问题已经得到国际社会的广泛关注。政府间气候变化专业委员会( IPCC)指出, 最近 100年全球气温升高了 0. 3~ 0. 6 ! [ 1] 。在导致气候变化的各种温室气体中, 二氧化碳的贡献率占 50%以上, 而人类活动排放的二氧化碳中 70%来自化石燃料的燃烧 [ 2- 3] 。我国是能源消耗大国, 根据国际能源署 2009年最新公布数据, 2007年我国二氧化碳总排放量为 60. 71亿 ,t 已经超越美国, 成为第一大排放国 [ 4] 。辽宁省是我国东北的老工业基地, 能源消耗大, 二氧化碳的排放量大。由于能源消费导致的二氧化碳排放在人为温室气体排放总量中占有绝对优势, 因此, 对辽宁省能源消费导致的二氧化碳排放现状进行调查研究十分必要。因此, 笔者根据辽宁省各城市化石燃料消耗和主要行业的二氧化碳排放清单, 结合 辽宁统计年鉴 数据, 采用??自下而上#和?? 自上而下#相结合的方法, 计算辽宁省二氧化碳的排放现状, 掌握辽宁省二氧化碳排放的行业特点和基本规律, 探讨辽宁省二氧化碳减排的技术措施, 力求在不影响经济发展的前提下使辽宁省的二氧化碳排放量有所减少。 1 化石燃料消耗产生二氧化碳排放量的计算方法文中化石燃料消耗所产生的二氧化碳排放量主要是根据国际通用的 IPCC排放清单指南进行计算[ 5] 。该方法将工业生产中二氧化碳排放量区分为燃料燃烧和工艺过程排放两部分。由于将燃料数据和产品数据分开统计, 不易反映集中排放的特点, 故采用同时考虑燃料燃烧和工艺过程因素的综合排放系数计算排放量。计算方法如下: ( 1)化石燃料排放二氧化碳的计算: 二氧化碳排放量= 化石燃料消耗量 ??相应燃料二氧化碳排放系数各种化石燃料的二氧化碳排放系数为[单位 t( CO2 ) / t]:
1、二氧化碳和碳有什么不同？ 二氧化碳（CO2）包含1个碳原子和2个氧原子，分子量为44（C-12、O-16）。二氧化碳在常温常压下是一种无色无味气体，空气中含有约1%二氧化碳。液碳和固碳是生物体（动物植物的组成物质）和矿物燃料（天然气，石油和煤）的主要组成部分。一吨碳在氧气中燃烧后能产生大约3.67吨二氧化碳（C的分子量为12，CO2的分子量为44，44/12=3.67）。 2、节约1度电或1公斤煤到底减排了多少“二氧化碳”或“碳”？ 因此，我们以燃烧煤炭的火力发电为参考，计算节电的减排效益。根据专家统计：每节约 1度（千瓦时）电，就相应节约了0.4千克标准煤，同时减少污染排放0.272千克碳粉尘、0.997千克二氧化碳（CO2）、0.03千克二氧化硫（SO2）、0.015千克氮氧化物（NOX）。 为此可以推算出以下公式计算： 节约1度电=减排0.997千克“二氧化碳”=减排0.272千克“碳” 节约1千克标准煤=减排2.493千克“二氧化碳”=减排0.68千克“碳” 节约1千克原煤=减排1.781千克“二氧化碳”=减排0.486千克“碳” （说明：以上电的折标煤按等价值，即系数为1度电=0.4千克标准煤，而1千克原煤=0.7143千克标准煤） 按折标煤系数1.229算： 节约1度电=节约0.1229千克标煤=减排0.3064千克“二氧化碳” 3、节约1升汽油或柴油减排了多少“二氧化碳”或“碳”？ 根据BP中国碳排放计算器提供的资料： 节约1升汽油=减排2.3千克“二氧化碳”=减排0.627千克“碳” 节约1升柴油=减排2.63千克“二氧化碳”=减排0.717千克“碳”
Table of Contents 1. 平板显示：新一代信息技术的核心基础 (2) 1.1 我国当前平板显示及相关产业发展现状 (3) 1.2平板显示技术特点及应用 (5) 1.3国家相关政策法规 (6) 2.行业演进过程清晰：高世代及AMOLED平板显示进入快速发展通道 (7) 2.1传统小尺寸平板显示需求下跌，新型及大尺寸平板显示需求上升 (7) 2.2高世代平板显示需求强劲，竞争加剧 (9) 2.3 AMOLED将成为新的争夺高地 (11)
1. 平板显示：新一代信息技术的核心基础 有别于传统的阴极射线管显示器（CRT），平板显示器本身是一块面板，没有电子枪等部件，作为显示器件使用时，不存在投射距离的问题，因此是大屏幕显示的理想器件。同时，它具有轻、薄和省电等特点，也使其成为要求能耗较低的电子器件的自然选择。平板显示所控制的显示材料有：场致发光材料、发光二极管、等离子、液晶等。其中，液晶和发光二极管又是当今主流显示材料，并且将是未来发展的主要方向。平板显示是国家十二五规划中重点发展的战略新兴行业之一，是新一代信息技术的核心基础，是诸如下一代通信网络终端设备的必备部件，因此具有良好的发展前景。从总体规划项目数上来看，以新型平板显示为代表的新一代信息技术也是国家十二五规划中的重中之重。 资料来源：《国务院关于加快培育和发展战略性新兴产业的决定》
1.1 我国当前平板显示及相关产业发展现状 毫无疑问，新一代信息技术产业已经在我国的国民经济中占据了重要地位。2010年，新一代信息技术产业占GDP比例为2.5%，其他战略新兴产业约占GDP 的1.5%。预计到今年底（2015年），信息技术产业占GDP比例将达到7.4%左右。而我国的与平板显示相关的行业的产量与产值在全世界范围内占据主导地位。根据《信息产业年度报告》统计，我国彩色电视，PC及笔记本电脑，手机，显示器的 产量分别占全球的53.7%，90.6%，66.0%，67.8%。 资料来源：信息产业年度报告 然而，我国的平板显示产业在全球的占有率还不高，国际竞争力依然相对薄弱，产业链仍不完整，包括玻璃基板在内的原材料、零部件和专用设备国产化程度较低甚至缺乏。从产能的角度来看，虽然我国现在处于世界第三的位置，并且所占市场
中国四大区域液晶面板产业现状被誉为“信息社会的牛奶和面包”的液晶面板，广泛应用于电视、智能手机、平板电脑等方面。作为支撑信息产业持续发展的战略性和基础性产业，其对产业转型升级与经济增长方式转变都意义重大。 正处转型升级关键阶段的各地方政府，对于这一战略新兴产业的扶持可谓不遗余力。北京政府直接投资85亿元作为北京8代线的启动资金，后又通过定向增发注资45亿元。目前，大陆平板显示行业已经形成了北京地区、长三角、珠三角、成渝地区四大集聚发展带。 近年来，液晶面板业逐步回暖，涌现投资热潮。据不完全统计显示液晶面板业总投资规模(含建成、在建和规划)已超过3000亿元。 2013年，京东方推出非公开发行预案，最终实现融资约448亿元，自20 01年上市以来，京东方的直接净融资额超706亿元。在间接融资领域，自上市至2013年第一季度，京东方已获得约1034亿元。 21世纪宏观研究院认为，液晶面板是投资高、技术高、风险高的典型“三高”行业，其近期的蓬勃发展得益于强有力的政策扶持与资本投入。同时，液晶面板国产化升级机遇与挑战并存。作为强周期行业，刚刚走出“缺屏之痛”的面板业目前虽呈现稳健发展态势，但只有实现由大到强的跨越才能让这一行业保有持续发展的动力。 国产化进程加速 “十二五”期间，在政策与资本的双重支持下，液晶面板国产化步伐不断加快。目前，中国已成为全球第三大液晶面板生产基地。工信部数据显示，2013年我国以液晶面板为代表的平板显示产业规模达1070亿元，同比增长44.6%，全球市场占有率提升至11.4%。 数据显示，未来5年，大陆将有15条6代以上的高世代线面板厂建成并投入运作，届时，中国内地产能将超越日本位居第二，仅次于韩国。 事实上，中国的液晶面板产业起步时落后日本近10年，一度遭遇“缺屏之痛”。本土面板厂商技术薄弱，终端厂商常年从韩国、日本、台湾等地进口液晶面板。
面板数据分析简要步骤与注意事项 面板单位根—面板协整—回归分析) 步骤一：分析数据的平稳性(单位根检验) 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实 际意义的。这种情况称为称为虚假回归或伪回归( spurious regression )。他认为平稳的真正含义是：一个时间序列剔除了不变的均值(可视为截距)和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和(或)截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中 ,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布 , 这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002) 的改进, 提出了检验面板单位根的LLC法。Levin et al. (2002)指出,该方法允许不同截距和时间趋势，异方差和高阶序列相关，适合于中等维度(时间序列介于25?250之间，截面数介于10?250之间)的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的 IPS 法, 但 Breitung(2000) 发现 IPS 法对限定性趋势的设定极为敏感 , 并提出了面板单位根检验的 Breitung 法。Maddala and Wu(1999)又提出了 ADF-Fisher 和 PP-Fisher 面板单位根检验方法。 由上述综述可知，可以使用 LLC、IPS、Breintung 、ADF-Fisher 和 PP-Fisher5 种方法进行面板单位根检验。其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS、H-Z 分 别指 Levin, Lin & Chu t* 统计量、 Breitung t 统计量、 lm Pesaran & Shin W 统 量、计 ADF- Fisher Chi-square 统计量、PP-Fisher Chi-square 统计量、Hadri Z 统计 量，并且 Levin, Lin & Chu t* 统计量、 Breitung t 统计量的原假设为存在普通的单位根过程， lm Pesaran & Shin W 统计量、 ADF- Fisher Chi-square 统计量、 PP-Fisher Chi-square 统计量的原假设为存在有效的单位根过程， Hadri Z 统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验 LLC(Levin-Lin-Chu )检验和不同根单位根检验 Fisher-ADF 检验(注：对普通序列(非面板序列)的单位根检验方法则常用 ADF检验)，如果在两种检验中均拒绝存在单位根的原假设则我 们说此序列是平稳的，反之则不平稳。 如果我们以 T(trend )代表序列含趋势项，以 I (intercept )代表序列含截距项， T&I 代表两项都含，N (none)代表两项都不含，那么我们可以基于前面时序图得出的结论，在单位根检验中选择相应检验模式。 但基于时序图得出的结论毕竟是粗略的，严格来说，那些检验结构均需一一检验。具体操作可以参照李子奈的说法：ADF检验是通过三个模型来完成，首先从含有截距和趋势项的模型开始，再检验只含截距项的模型，最后检验二者都不含的模型。并且认
2018年面板设备行业 分析报告 2018年11月
目录 一、国内面板产线建设处于高峰，2019年设备投资将延续 (4) （一）面板技术创新不断，新产线建设紧随技术进步 (4) 1、小尺寸：在OLED技术的推动下向全面屏、折叠屏方向发展 (4) 2、大尺寸：向超大尺寸超高清分辨率发展 (8) 3、柔性AMOLED和8.5代以上高世代TFT-LCD产线成为建设主流 (9) （二）面板产线建设分阶段开展，设备采购订单逐步释放 (10) （三）2019年多条产线开始设备采购，面板设备招标采购高峰将持续 (12) 二、中日韩设备三分天下，日美韩垄断核心制程设备 (15) （一）中日韩设备中标包数相差不大 (15) （二）日本美国垄断TFT-LCD产线核心设备 (18) （三）韩国在AMOLED设备领域具有优势 (20) 三、国产设备厂商日臻成熟，以检测、搬运设备为主 (22) （一）TFT-LCD已为成熟产业，涌现大批国产设备企业 (22) （二）国产设备主要以检测设备、搬运设备为主 (25) 四、检测设备贯穿面板制造环节始终，国产设备市场空间大 (27) （一）检测设备重要性突出，韩日台厂商占据主要市场份额 (27) （二）国产面板检测设备渗透率不断提升 (29)
国内面板产线建设高峰将持续，OLED和大尺寸设备成为主要驱动力。据统计，2017年之后点亮的国内面板产线总投资约8200亿元，其中设备投资约为5000-6000亿元，市场空间巨大。2019年，国内多条8.5代以上高世代TFT-LCD产线以及第6代AMOLED产线将开始设 备采购，根据各产线招投标进度测算，2019年面板设备招标数量与2018年相比基本持平略有提升，面板设备采购高峰将持续。其中设备采购以OLED设备和8.5代以上高世代产线设备为主。 中国大陆和日韩设备应用数量差距不大，但核心制程设备仍由日美韩垄断。整体来看，韩国、中国大陆和日本厂商占据着大部分中国面板产线设备市场，占比分别为31.3%、24.6%、23.2%，中国设备应用数量与韩国差距不大，略高于日本。但是在Array、CF、Cell等中前道制程中，仍以日本、美国和韩国厂商为主。 面板产业的发展带动一批设备厂商涌现，国产设备主要应用于检测、搬运、信息系统、清洗等细分领域。我国TFT-LCD产业业已形成一批有较强实力的设备企业，据统计相关设备企业近百家，涌现出了精测电子、联得装备、大族激光、北方华创等一批具有代表性的企业。在我们统计的国内TFT-LCD产线国产设备中，检测、搬运、信息系统、清洗设备占比分别为34.9%，24,2%，11.4%和8.6%，为应用最多的国产设备。 检测设备市场空间巨大，国产设备大有可为。据统计，在面板产线中，检测设备招标数量约占设备总招标数量的20-30%左右，市场 空间大。国内设备厂商相对竞争力较强，正在从TFT-LCD向AMOLED，
2019-2025年中国饰面板行业投资前 景分析研究报告 https://www.doczj.com/doc/f714565013.html,
2019-2025年中国饰面板行业市场专项调研及投资前 景分析报告 【出版日期】2019年 【交付方式】Email电子版/特快专递 【价格】纸介版：8000元电子版：8000元纸介+电子：8200元 报告目录： 饰面板(wood veneer)，全称装饰单板贴面胶合板，它是将天然木材或科技木刨切成一定厚度的薄片，粘附于胶合板表面，然后热压而成的一种用于室内装修或家具制造的表面材料。 智研咨询发布的《2019-2025年中国饰面板行业市场专项调研及投资前景分析报告》共十二章。首先介绍了饰面板行业市场发展环境、饰面板整体运行态势等，接着分析了饰面板行业市场运行的现状，然后介绍了饰面板市场竞争格局。随后，报告对饰面板做了重点企业经营状况分析，最后分析了饰面板行业发展趋势与投资预测。您若想对饰面板产业有个系统的了解或者想投资饰面板行业，本报告是您不可或缺的重要工具。 本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。
第一章2014-2018年世界饰面板行业发展状况分析 第一节2014-2018年世界饰面板行业概述 一、世界饰面板行业市场分析 二、国外饰面板行业工艺技术分析 三、国际饰面板主要产品价格走势分析 第二节2014-2018年世界饰面板主要国家运行情况分析 一、美国 二、日本 三、韩国 四、意大利 第三节2019-2025年世界饰面板行业发展趋势分析 第二章2014-2018年中国饰面板行业发展环境分析 第一节2014-2018年中国经济环境发展分析 一、中国gdp分析 二、消费价格指数分析 三、城乡居民收入分析 四、社会消费品零售总额 五、全社会固定资产投资分析 六、进出口总额及增长率分析 第二节2014-2018年中国饰面板行业发展政策环境分析一、产业政策分析
转载：面板数据分析的思路和Eviews操作： 面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman检验。 如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman检验。这个可以在Eviews 5.1里头做。 H0：应该建立随机效应模型。 H1：应该建立固定效应模型。 先使用随机效应回归，然后做Hausman检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。 第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F值检验。相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F检验来完成。 H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu
F统计量定义为：F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)] 其中，SSEr，SSEu分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了T–1个被估参数。需要指出的是：当模型中含有k 个解释变量时，F统计量的分母自由度是NT-T- k。通过对F统计量我们将可选择准确、最佳的估计模型。 在作回归是也是四步：第一步，先作混合效应模型：在cross-section 一栏选择None ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr 第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu 第三步：根据公式F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)]。计算出结果。其中，T为年数，不管我们的数据是unbalance还是balance 看observations就行了，也即Total pool (balanced) observations:的值，但是如果是balance我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT＝10×500＝5000。K为解释变量，不含被解释变量。 第四步，根据计算出来的结果查F值分布表。看是否通过检验。检验准则：当F> Fα(T-1, NT-T-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。
CO2减排研究进展 刘诚 摘要：在全球变暖越来越被广泛关注的同时，CO2的减排成为一个热点话题，因为它关系到人类生活环境的未来和命运。本文首先综述了全球CO2上升的事实，然后分列出当前主要国家CO2温室气体的排放现状、减排政策与措施。分析了当前CO2减排技术的研究进展与热点；最后结合我国的实情，提出了相关的减排对策。 关键词：全球变暖CO2 减排措施减排技术 1．引言 全球变暖是当今人类面临的严峻挑战，是国际社会公认的全球性环境问题．全球变暖的主要原因是大气中温室气体的急剧、持续增加。大量的观测和研究表明，全球大气CO2、CH4、Nx0浓度显著增加，目前已经远远超出工业化前几千年来的浓度值[1]。 工业革命以前的几千年时间里，大气中的CO2的浓度平均值约为280ppmv，变化幅度大约在10ppmv以内。工业革命以后，碳循环的平衡开始被破坏，人为排放的CO2量急剧上升，造成大气中CO2浓度的增加，2000年大气中的CO2浓度达到368ppmv。这主要是由于森林植被遭到大规模的破坏，CO2的生物转化清除在不断减少，加之煤炭、石油和天然气等矿物燃料的消费一直在增加，而海洋和陆地生物圈并不能及时地完全吸收人类活动排放到大气中的CO2，从而导致大气中的CO2浓度不断增加。 目前，全世界每年燃烧煤炭、石油和天然气等矿物燃料排放到大气中的CO2总量折合成碳大约为6Gt左右；每年由于土地利用的变化和森林植被的破坏可能释放大约1.5Gt碳。而每年大气中碳的净增加量大约为2.0Gt，陆地生物圈吸收约1.7Gt。可见，每年排放到大气中的CO2大约有50%滞留在大气层中。假如由于矿物燃料燃烧所排放到大气中的CO2以每年2%的速率增长，到2040年前后CO2浓度就将达到550ppmv；若以每年1%的速率增长，则到2085年前后CO2浓度将达到550ppmv[2]。 因此，引起温室效应和全球气候变化的CO2的减排技术成为各国关注的焦点。 2. CO2温室气体排放、减排现状及目标 《联合国气候变化框架公约》明确规定，全球温室气体的排放量主要源于发达国家。主要是以美国为首。但2001年，中国二氧化碳排放量约占全球温室气体排放的12%，仅次于美国，居世界第二位[3]。 发达国家的能源消费激增出现在20世纪5O年代以后，到20世纪70年代初，工业化国家GDP比1950年增长了2倍以上，但能源消费大多增长了3倍以上。到了2O世纪后期，发达国家依然保持着较高的能源消费增长速度，造成大量温室气体CO2的排放，发达国家在其发展过程中对全球气候变化负有不可推卸的主要责任。在1751—1860年的100多年里，人为CO2排放基本上是由发达国家产生的；1861～1950年的9O年间，发达国家的CO2排放占全球CO2累计排放的95% ；直到1950年以后，发展中国家CO2排放的比例才开始增长[4]。从1951—2000年的50年里，人口不到全球20%的发达国家的排放量仍占总排放量的77%，仍是全球温室气体最主要的排放者[4]。1997年12月在日本京都召开了《联合国气候变化框架公约》第3次缔约方会议，通过了《京都议定书》，规定发达国家在2008～2012年期间，将其温室气体排放量在1990年的排放水平上减少5%，欧盟减少8%。根据该公约公布的最新排放数据表明[1]，发达国家1990年的温室气体排放总量为1.731 9×1010t(CO2当量)，2000年和2005年的排放总量分别为1.6257×1010t和1.646 5×1010t(CO2当量)，分别较1990年降低了6.1%和4.9%。从总量方面看，似乎达到了《京都议定书》所规定的减少5%的要求，但其中主要的减排贡献来源于原苏联和东欧经济转型国家，这些国家因经济滑
２０１９年半导体显示面板行业深度分析报告
目录 1．技术路线：TFT-LCD和AMOLED成为主流 (1) 半导体显示技术替代真空电子技术成为趋势 (1) TFT-LCD为半导体显示主流技术，市场规模达1300亿美元 (2) OLED将成为主流显示技术，2021年市场规模达400亿美元 (3) MicroLED有望成为下一代主流显示技术，目前处于产业化初期 (3) 2．行业特征：液晶周期往复，产品不断迭代 (5) 独特的液晶周期使银行开展业务的难度大 (5) 产业趋势：中期内LCD仍占主导，长期看OLED将替代LCD (6) 产品竞争：性价比为王，LCD与OLED的过渡产品之间竞争激烈 (6) 3．LCD进入存量竞争阶段，中国大陆有望凭借高世代产能成为产业主导者 (7) LCD进入存量市场阶段，未来三年增长空间较小 (7) 电视是LCD应用的主要领域，需求增长主要依赖于大尺寸趋势 (8) 中国大陆厂商成为高世代产能扩张主力，预计三年内LCD供给过剩成常态 (9) 行业洗牌开始，中国大陆企业凭借高世代产能抢占更多市场份额 (12) 4．OLED整体供不应求，短期内需求拉动主要靠手机 (15) 作为第三代显示技术，OLED整体需求将保持快速增长 (15) OLED需求拉动短期内依赖智能手机，中长期靠电视 (15) 中国大陆企业大幅扩产，与韩国企业争夺OLED市场 (17) 5．竞争格局：中韩争霸拉开序幕，京东方一枝独秀 (18) 全球市场：从三国四地向中韩争雄演变 (18) 中国大陆企业群雄并起，京东方保持领先 (21) 技术、客户及产能三大维度将面板企业分为三大梯队 (22) 技术：韩国为领导者，中国大陆从技术引进到技术引领 (22) 客户：中国大陆企业客户已全球化，与海外巨头仍有差距 (25) 产能：合理且有预见的产能规划、相对饱满的产能利用率 (27) 6．布局建议与风险提示 (29)
中国液晶面板产业发展现状及前景分析报告 中国液晶面板产业发展现状及前景分析报告(DOC 3页 中国液晶面板产业发展现状及前景分析 在CRT时代，中国没有生产显示设备的能力，彩电基本全靠进口，显示器和投影机也是如此，当年很多人靠贩卖彩电和投影机发了家，就是因为这些产品被国外技术垄断，因此在中国的售价非常的高，因此在国内的总代以及分代理拿货转手，就可以有很好的日子过。过渡了液晶时代之后，这种局面开始发展变化，国内的显示企业开始多了起来，随着外资和国内的不断合作，以及国企企业不断的技术攻关，液晶产业开始在国内遍地开花，尤其是进入2010以后，国内的液晶面板生产线逐渐多了起来。中国的显示产业正在壮大，但是也有很多的隐忧。........................................... 首先国内的面板生产线虽然多，但是配套的上游企业却呈现严重的不配套局面。液晶面板中需要用到的偏光片，液晶材料，以及各种模组，基本上国内都不能生产，全部需要依靠进口。目前液晶面板上游配套企业80%都是国外企业，在上游依然受制于人，会有很多的隐忧，采购成本的不确定，投资风险加大等等，都是不能忽视的问题，配套上游企业的建立，继续全行业的努力。........................................... 除了上游企业的不足，目前中国高世代液晶面板生产线的投资规模过大，仅仅在2014年到2016年之间，国内新加面板生产线就达到10多条。我们知道建立一条成熟的面板生产线，需要的投资是非常大的，举例说明，建设一条8.5代线的面板生产线，就需要大约250亿人民币的投入，知名的面板企业短期的投入常常达到上千亿元，如此大规模的投资，如果市场出现供大于求的情况，很可能陷入非常被动的局面。因此中国的面板企业在未来有很大的风险。........................................... 在技术，中国面板企业有很多需要进步的地方。如今液晶电视的发展遭遇了很大的阻力，传统的产品卖不上价格，液晶面板的采购价格也是一直在下滑，因此超前的面板企业都在想新的办法。比如LGD就一直在积极的研发OLED面板，其和液晶技术不同，不需要背光，是次时代的技术，三星也是在审时度势，在4K 以及量子点技术方面积极的布局，而日系的企业更是将小屏高分市场，当成了救命草，试图在手机面板市场杀出一条路。........................................... 因此对于中国面板企业来说，是继续开拓大屏市场，寻求新的市场契机，还是在小屏市场积极发展，开展高分辨率的研究，目前来看各个企业的意见还不统
面板数据的分析步骤 面板数据的分析方法或许我们已经了解许多了，但是到底有没有一个基本的步骤呢？那些步骤是必须的？这些都是我们在研究的过程中需要考虑的，而且又是很实在的问题。面板单位根检验如何进行？协整检验呢？什么情况下要进行模型的修正？面板模型回归形式的选择？如何更有效的进行回归？诸如此类的问题我们应该如何去分析并一一解决？以下是我近期对面板数据研究后做出的一个简要总结，和大家分享一下，也希望大家都进来讨论讨论。 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square 统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC （Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF检验），如果在两种检验中均拒绝存在单位根的原假设则我们
如何计算二氧化碳减排量？ 近年来，全球变暖已成为全世界最关心的环保问题，造成全球变暖的主要原因是大量的温室气体产生，而温室气体的主要组成部分就是二氧化碳（CO2），而二氧化碳的大量排放是现代人类的生产生活造成的，归根到底是大量使用各种化石能源（煤炭、石油、天然气）造成的，根据《京都议定书》的规定，各国纷纷制定了减排二氧化碳的计划。 通过节约化石能源和使用可再生能源，是减少二氧化碳排放的两个关键。在节能工作中，经常需要统计分析二氧化碳减排量的问题，现将网络收集的相关统计方法做一个简单整理，仅供参考。 1、二氧化碳和碳有什么不同？ 二氧化碳（CO2）包含1个碳原子和2个氧原子，分子量为44（C-12、O-16）。二氧化碳在常温常压下是一种无色无味气体，空气中含有约1%二氧化碳。液碳和固碳是生物体（动物植物的组成物质）和矿物燃料（天然气，石油和煤）的主要组成部分。一吨碳在氧气中燃烧后能产生大约3.67吨二氧化碳（C的分子量为12，CO2的分子量为44，44/12=3.67）。 我们在查看减排二氧化碳的相关计算资料时，有些提到的是“减排二氧化碳量”（即CO2），有些提到的是“碳排放减少量”（以碳计，即C），因此，减排CO2与减排C，其结果是相差很大的。因此要分清楚作者对减排量的具体含义，它们之间是可以转换的，即减排1吨碳（液碳或固碳）就相当于减排3.67吨二氧化碳。 2、节约1度电或1公斤煤到底减排了多少“二氧化碳”或“碳”？ 发电厂按使用能源划分有几种类型：一是火力发电厂，利用燃烧燃料（煤、石油及其制
品、天然气等）所得到的热能发电；二是水力发电厂，是将高处的河水通过导流引到下游形成落差推动水轮机旋转带动发电机发电；三是核能发电厂，利用原子反应堆中核燃料慢慢裂变所放出的热能产生蒸汽（代替了火力发电厂中的锅炉）驱动汽轮机再带动发电机旋转发电；四是风力发电场，利用风力吹动建造在塔顶上的大型桨叶旋转带动发电机发电称为风力发电，由数座、十数座甚至数十座风力发电机组成的发电场地称为风力发电场。 以上几种方式的发电厂中，只有火力发电厂是燃烧化石能源的，才会产生二氧化碳，而我国是以火力发电为主的国家（据统计，2006年全国发电总量2.83万亿kWh，其中火电占83.2%，水电占14.7%），同时，火力发电厂所使用的燃料基本上都是煤炭（有小部分的天然气和石油），全国煤炭消费总量的49%用于发电。 因此，我们以燃烧煤炭的火力发电为参考，计算节电的减排效益。根据专家统计：每节约 1度（千瓦时）电，就相应节约了0.4千克标准煤，同时减少污染排放0.272千克碳粉尘、0.997千克二氧化碳（CO2）、0.03千克二氧化硫（SO2）、0.015千克氮氧化物（NOX）。 为此可以推算出以下公式计算： 节约1度电=减排0.997千克“二氧化碳”=减排0.272千克“碳” 节约1千克标准煤=减排2.493千克“二氧化碳”=减排0.68千克“碳” 节约1千克原煤=减排1.781千克“二氧化碳”=减排0.486千克“碳” （说明：以上电的折标煤按等价值，即系数为1度电=0.4千克标准煤，而1千克原煤=0.7143千克标准煤）
基于面板数据模型及其固定效应的模型分析 在20世纪80年代及以前,还只有很少的研究面板数据模型及其应用的文献,而20世纪80年代之后一直到现在,已经有大量的文献使用同时具有横截面和时间序列信息的面板数据来进行经验研究(Hsiao,20XX)。同时,大量的面板数据计量经济学方法和技巧已经被开发了出来,并成为现在中级以上的计量经济学教科书的必备内容,面板数据计量经济学的理论研究也是现在理论计量经济学最热的领域之一。 面板数据同时包含了许多横截面在时间序列上的样本信息,不同于只有一个维度的纯粹横截面数据和时间序列数据,面板数据是同时有横截面和时序二维的。使用二维的面板数据相对于只使用横截面数据或时序数据,在理论上被认为有一些优点,其中一个重要的优点是面板数据被认为能够控制个体的异质性。在面板数据中,人们认为不同的横截面很可能具有异质性,这个异质性被认为是无法用已知的回归元观测的,同时异质性被假定为依横截面不同而不同,但在不同时点却是稳定的,因此可以用横截面虚拟变量来控制横截面的异质性,如果异质性是发生在不同时期的,那么则用时期虚拟变量来控制。而这些工作在只有横截面数据或时序数据时是无法完成的。 然而,实际上绝大多数时候我们并不关心这个异质性究竟是多少,我们关心的仍然是回归元参数的估计结果。使用面板数据做过实际研究的人可能会发现,使用的效应①不同,对回归元的估计结果经常有十分巨大的影响,在某个固定效应设定下回归系数为正显着,而另外一个效应则变为负显着,这种事情经常可以碰到,让人十分困惑。大多数的研究文献都将这种影响解释为控制了固定效应后的结果,因为不可观测的异质性(固定效应)很可能和回归元是相关的,在控制了这个效应后,由于变量之间的相关性,自然会对回归元的估计结果产生影响,因而使用的效应不同,估计的结果一般也就会有显着变化。 然而,这个被广泛接受的理论假说,本质上来讲是有问题的。我们认为,估计的效应不同,对应的自变量估计系数的含义也不同,而导致估计结果有显着变化的可能重要原因是由于面板数据是二维的数据,而在这两个不同维度上,以及将两个维度的信息放到一起时,样本信息所显现出来的自变量和因变量之间的相关关系可能是不同的。因此,我们这里提出另外一种异质性,即样本在不同维度上的相关关系是不同的,是异质的,这个异质性是发生在回归元的回归系数上,而
2019年面板检测行业 分析报告 2019年9月
目录 一、受益LCD、OLED驱动，面板检测行业前景广阔 (5) 1、面板检测贯穿面板制造全程 (5) 2、面板检测需求巨大，预计将进一步增长 (10) （1）面板行业市场规模巨大，产业转移促进国内平板显示行业增长 (10) （2）OLED技术逐渐成熟发展，产线升级换代对检测设备需求巨大 (12) （3）多项政策鼓励国内平板显示及其配套产业发展，平板显示检测行业受益 (14) 二、国内优质面板检测设备供应商 (15) 1、精测电子：面板检测设备行业龙头 (15) （1）公司营业收入增长强劲，AOI光学检测系统、OLED检测系统保持强势增长 (15) （2）归母净利润保持高增长 (17) （3）期间费用率下降，研发投入水平快速提高 (18) （4）净资产收益率预期未来基本稳定 (19) 2、华兴源创：国内领先的检测设备供应商 (20) （1）2017营收大幅增长，2018营收小幅下滑，符合预期，2019预计营收将增长 21 （2）公司主要客户苹果预计明年对产品进行重大更新，公司营收有望再次大幅上涨 (22) （3）公司净利润平稳增长 (23) （4）管理费用及财务费用管控得当，研发费用推动期间费用率上升 (24) （5）研发投入水平快速提高 (24) （6）净资产收益率短期处于下滑趋势 (25) （7）应收账款及应收票据周转率较高 (25) （8）在建工程转固拉低固定资产周转率 (26)
5G引领换机潮流，打开面板行业成长空间：伴随着信息技术的发展，显示技术从最初的阴极射线管显示技术（CRT）发展到平板显示技术（FPD），平板显示更是延伸出PDP、LCD、OLED等技术路线。从面板行业结构上看，OLED屏幕由于其轻薄、色域广、能够制成折叠形态等特点，并且随着其良品率的不断提升及成本的下降，将成为未来面板行业的主流。从平板显示行业总量上来看，2018年全球显示面板的出货量达到38.27亿片，同比增长4.9%。近年来，以TCL 集团、京东方A、深天马A等为代表的企业纷纷布局面板产业，面板行业持续发展。随着5G技术已经进入商用时代，预计我国5G换机高峰期将出现在2020-2023年，手机出货量将在未来几年出现恢复性增长，继“功能机换智能机”后的“4G换5G”换机潮将使智能手机行业出货量迎来新的高峰，显示屏作为手机重要组成元件，其需求量将大幅上升，平板显示行业将由此获得进一步发展。 面板检测产业转移加速，国产替代正当时：面板检测贯穿面板制造全程，面板检测是面板生产过程中的必备环节，其发展受下游面板产业的新增生产线投资及因新技术、新产品不断出现所产生的生产线升级投资所驱动，与面板产业的发展具有较强的联动性。随着中国成为面板产业转移的主要承接地，产业的转移必定伴随着产线的建设，这为检测设备提供了广阔的增长空间。面板检测行业进入壁垒高，虽然平板显示产业发展较快，但能够提供检测设备的企业较少，尤其是能够提供Array 和Cell 等前端制程检测设备的企业更少，国内平板显示检测行业规模借机迅速扩大。