区域能源消费特征的面板数据分析

崔 巍，江 鹤，杨万清，杨海峰

(1． 大连海事大学交通运输管理学院，辽宁省大连市116026;2．大连市供电公司，辽宁省大连市116001;3．重庆电力公司发展策划部，重庆市400041)

0 引 言

自1978年改革开放以来，我国经济飞速发展，能源消费不断增长。当前我国能源消费增长迅速，已成为世界上第一大能源消费国。然而我国又是世界上少有的几个以煤炭为主要能源消费的国家之一［1］，并且石油、天然气等其他能源稀缺。能源资源的不足、能源使用产生的环境污染等问题日益突出，在保证我国经济发展的同时如何控制能源消费、降低单位能耗、减少环境污染成为了一个大问题。

经济的发展是结构转变的一个方面，因此结构的转变与能源消费之间存在一定的联系。许多学者开始研究产业结构与能源消费的关系，从产业结构角度寻找解决能源问题的方法。文献［2］利用面板数据模型，分产业部门、分能源消费品种地研究了产业结构对能源消费的影响，发现不同的产业部门对不同的能源的需求具有较大的差异，产业结构调整对节约能源具有重要意义。文献［3］通过因素分解模型，对经济增长、产业结构变动、技术进步3个因素对能源消费的影响分析，发现产业结构变动能够缓解能源消费增长的压力，即降低能源消费水平。文献［4-5］研究发现我国不同区域由于资源禀赋、产业结构不同，存在不同的经济发展模式，因此对于能源消费不尽相同。本文采用面板数据模型［6-10］，构建大连市工业不同产业与不同能源消费品种的面板模型，分析大连市工业产业的能源消费特征。

1 面板数据模型

1.1 模型与分类

假设产值与能源消费量之间存在相关性，并得出模型:

式中:Eit是第i 产业第t年的能源消费量;Oit是第i 产业第t年的工业总产值;A 是水平截距项;B 是解释变量Oit的斜率，表示产值Oit变化对能源消费量Eit变化的影响系数;μit是随机扰动项。

根据模型参数(主要是截距和斜率)，面板数据模型分3 种形式:变系数模型、变截距模型、固定参数模型［11］。

(1)变系数模型。模型的斜率和截距都是变化的，都随着个体的不同而变化，即

式中:αit为载距;βit为斜率。

(2)变截距模型。模型的截距随着个体的不同而变化，而斜率是固定不变的，即

式中βt为斜率。

(3)固定参数模型。模型的参数是固定不变的，即截距和斜数都是不变的，即

式中αt为载距。

在确定模型的形式前，需要判断模型应选用固定效应模型还是随机效应模型。固定效应模型是直接对样本数据进行分析，实验的结果只比较每一个解释变量特定类目间的关系。随机效应模型是根据样本数据进行扩展，从而反映总体数据特征。因此，本文选用的是固定效用模型。

1.2 模型判定

模型设定完成后，需要根据实际的解释变量和被解释变量数据来判断具体的模型形式。一般，通过进行F 检验来确定模型的具体形式。根据模型的3 种形式，假定2个原假设，通过对原假设的接受与否来判定选择何种模型。假设H1:αit=αjt，βit=βjt，i，j =1，2，…，N。接受则为固定参数模型，拒绝则继续判断。假设H2:αit≠αjt，βit=βjt，i≠j，i，j=1，2，…，N。

利用最小二乘估计法，分别对3个模型进行参数估计。记变系数模型的残差平方和为s1、变截距模型的残差平方和为s2、固定参数模型的残差平方和为s3。用2个F 统计量检验上面的2个假设，则有

其中N 为横截面数据个数，K 为解释变量个数，T 为时间长度。

检验H1和H2，如果F2的值小于给定的显著水平下的相应临界值，则接受假设H2，即判断样本数据符合固定参数模型;如果拒绝假设H2，则继续检验假设H1。若F1的值小于给定的显著水平下的相应临界值，则接受假设H1，即判断样本数据符合变截距模型;否则判断样本数据符合变系数模型。给定显著水平0.05，查F 分布表得到用于检验的临界值和首先，对假设H1进行检验，若，则接受原假设H1，模型为固定系数模型;若，则进一步对假设H2进行检验，若，则接受H2，模型为变斜率模型;若，模型为变系数模型。

2 实证分析

大连市工业发达，因此能源的消费量比较大。随着大连市经济的发展，对于电力的需求不断增大［12-14］。大连市石化产业特别发达，因此石油的消费量巨大。大连市属于北方城市，发电主要靠燃烧煤炭的火力发电，冬季取暖也主要靠燃烧煤炭，因此煤炭的消费量巨大。本文选用大连市2006—2011年工业的产业产值和能源消费数据，能源消费数据有电力、天然气(包括气态和液化，下文气态天然全简称为天然气)、原煤、原油等数据，产业产值数据来自于在大连市工业中占比重较大的产业:农副食品加工业、纺织服装鞋帽制造业、石油加工炼焦及核燃料加工业、化学原料及化学制品制造业、非金属矿物质制品业、黑色金属冶炼及压延加工业、通用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备计算机软件及其他电子设备制造业、电力热力的生产和供应业。所有数据从大连市统计年鉴整理获得。

2.1 数据分析

由于每个产业的能源消费特征不同，因此不同能源品种样本数据的截面个数不同。利用Eviews6 计量经济软件分别计算电力、天然气、液化天然气、原煤、原油5 类能源的统计量F1、F2在给定显著性水平0.05 下的临界值，计算结果如表1 所示。

表1 大连市能源消费数据的F 统计量临界值Tab．1 Critical value of F statistics for energy consumption data in Dalian

分别计算电力、天然气、液化天然气、原煤、原油5 类能源的残差平方和，然后计算统计量F1、F2，计算结果如表2 所示。

表2 大连市能源消费数据的面板数据模型参数估计结果Tab．2 Parameter estimation results of panel data model for energy consumption data in Dalian

由表1、2 可以看出:所有的F2都大于，表明各模型不可能是固定系数模型;电力消费模型的F1小于，说明电力消费模型为变截距模型;天然气、液化天然气、原煤、原油的消费模型的F1都大于，说明天然气、液化天然气、原煤、原油的消费模型为变系数模型。

根据模型判定的结果分别对电力、天然气、液化天然气、原煤、原油进行相应的模型估计，结果汇总成表3、4，对不同产业总产值对不同能源品种消费的影响进行个体分析。

表3 大连市能源消费的估计结果:斜率Tab．3 Parameter estimation results of energy consumption data in Dalian:slope

从表3 可以看出:对于电力消费模型，所有产业斜率相同，并且不是很大;天然气，黑色金属的斜率最大，其他都很较小;液化天然气，交通运输和电气机械的斜率最大，其他比较小;对于原煤大部分产业的斜率系数都比较小，电力热力的系数最大，非金属矿次之;对于原油大部分产业的斜率系数都比较小，只有石油加工比较突出。斜率越大说明该产业产值的增长对能源消费增加的影响越突出。可以发现，电力热力产业对原煤消费的影响最大，石油加工业对原油消费的影响最大，黑色金属产业对天然气消费的影响最大，交通运输和电气机械产业对液化天然气消费影响最大。

表4 大连市能源消费的估计结果:截距Tab．4 Parameter estimation results of energy consumption data in Dalian:intercept

从表4 可以看出:在固定截距上原油和原煤最大，说明对于所有产业这2 种能源消费的平均水平最高。固定截距加上个体截距等于总截距，表示产业对该品种能源的消费水平。因此对于电力消费，大部分产业的消费水平都比较高，非金属矿和黑色金属、电力热力产业的消费水平最高，纺织服装产业的消费水平最低。对于天然气消费，所有产业的消费水平都不高，黑色金属产业的消费水平最低;对于液化天然气，所有产业的消费水平都不高，交通运输和电气机械产业的消费水平最低。对于原煤消费，电力热力产业最大，然后是非金属矿产业，其他产业总体截距均大于0;对于原油消费，石油加工产业的消费水平最高，然后化学原料产业比较大，其他都比较小，甚至个别产业为负数。

3 结 论

(1)交通运输设备制造业产值的变化对液化天然气消费的影响大，并且该产业在大连市具有发展优势，因此需要大力发展。而石油加工业是大连市经济发展的支柱产业，因此不能够抑制其发展，在未来一段时间内需要保证其正常发展。电力热力生产和供应业对煤炭消费的影响和消费水平都大，但该产业属于大连市经济社会发展必不可少的，因此需要调整产业内部能源消费结构。非金属矿物制品业对煤炭消费的影响和消费水平都大，因此可以抑制其发展。通过大力发展对清洁能源消费影响较大的产业，提高大连市清洁能源消费比例，从而达到减排的目的。

(2)大部分产业对电力的消费水平都比较高，经济发展需要保证电力的供应，然而目前大连市的电力生产主要以燃烧煤炭的火力发电为主，因此，要调整电力生产的能源消费结构，发展大连市具有地理优势的核电和风电。核电与风电等新兴能源不仅在消费的过程中对环境污染小，而且利用效率高，因此能够降低电力生产成本和能源消费量。电力生产成本的下降，间接地降低经济生产中的电力消费成本。因此转变电力生产方式，不仅能够减排，而且能降耗。

(3)区域经济发展需要主动调整产业结构，提高对清洁能源消费影响较大产业的比重，从而提高清洁能源的消费比例，降低化石能源的消费比例。保证电力供应，促进经济发展。同时调整电力供应结构，发展新兴能源发电(核能、风能、太阳能、天然气发电)，达到节能减排的目的，促进区域经济绿色发展。

［1］马超群，储慧斌，李科，等． 中国能源消费与经济增长的协整与误差校正模型研究［J］．系统工程，2004，22(10):47-50．

［2］李凯金．产业结构对能源消费的影响及实证分析:基于面板数据模型［J］．统计与信息论坛，2008，23(10):30-35．

［3］陈首立，马立平．北京产业结构变动对能源消费影响:基于因素分解［C］//Proceedings of International Conference on Engineering and Business Management(EBM2011)． 美国James Madison 大学、武汉大学高科技研究与发展中心、美国科研出版社，2011:2876-2879．

［4］肖金星，刘颖，俞婷婷，等． 上海产业结构变化与电力消费的格兰杰因果分析［J］． 华东电力，2013，41(8):1728-1731．

［5］崔巍，都秀文，杨海峰．基于主成分分析法的电力需求影响因素分析［J］．电力建设，2013，34(8):34-39．

［6］李莹莹．我国经济增长与二氧化硫排放的关系分析［J］． 陕西电力，2010，38(3):68-70．

［7］梁朝晖．中国城市电力消费的影响因素:基于地级城市面板数据的实证分析［J］． 上海经济研究，2010，25(07):22-30．

［8］钱峻峰，李建军，蒲勇健． 电力能源利用效率及其收敛性:基于中国省际面板数据的实证研究［J］． 山西财经大学学报，2010，32(12):74-79．

［9］王喜平，姜晔． 中国电力行业能源利用效率及收敛性分析:基于区域面板数据的Malmquist 指数模型［J］． 现代电力，2011，28(4):84-89．

［10］秦玥，顾洁，杨宗麟． 基于分位数回归的电力负荷特性预测面板数据模型［J］． 电力需求侧管理，2014，16(3):7-11．

［11］梁怀学，陈权宝．基于面板数据模型的我国行业能源消费特征分析［J］．东北师大学报:自然科学版，2005，37(2):41-44．

［12］崔巍，叶佳，张米尔，等． 电力消费与经济增长的协整关系研究［J］．煤炭技术，2012，31(6):276-278．

［13］崔巍，张梅．基于灰色理论与BP 网络的负荷预测［J］． 辽宁工程技术大学学报:自然科学版，2011，30(4):631-633．

［14］崔巍，刘洋，张米尔，等．基于经济先行指标的省级电力市场需求分析［J］．水电能源科学，2012，30(5):191-195．