中国能源需求影响因素的省际差异研究

张冬青，魏 瑜

(南京农业大学 工学院，江苏 南京 210031)

中国能源需求影响因素的省际差异研究

张冬青，魏 瑜

(南京农业大学 工学院，江苏 南京 210031)

采用多元线性回归模型，对中国大陆29个省份能源需求影响因素进行对比研究。研究发现，不同省份能源需求的主要影响因素存在差异，即使显著性影响因素相同的省份，其影响程度也有差异。针对不同省份，提出了不同控制能源需求的有效措施与途径。

能源需求；影响因素；多元线性回归模型

能源是国民经济和工业发展必不可少的物质基础。建国以来，我国能源需求量出现较大幅度的增长，从1953年的0.54亿吨标准煤增加到1978年的5.70亿吨标准煤，直至2011年的34.80亿吨标准煤。面对我国能源需求量日益增加的现实，分析能源需求量既有利于研究如何进一步提高人民生活水平，又有利于研究如何解决当今的能源问题。因此，准确分析能源需求影响因素，为预测未来能源需求提供科学依据，对于保持中国国民经济健康、持续、稳定发展具有重要的现实意义。

国内外研究机构和学者从不同角度对我国能源需求影响因素进行了研究。国家层面：如史丹等通过建立能源消费与产业结构之间的双对数模型，研究产业结构变动对能源消费的影响，发现产业结构是能源消费的重要影响因素[1]；郭菊娥等利用通径分析法分析了经济增长、人口、产业结构、能源消费结构与能源需求之间的关系及其影响，结果表明，经济增长、全国总人口、能源消费结构是决定我国能源消费需求的主要因素[2]；薛黎明采用协整理论研究中国能源需求与各因素之间的关系，发现经济发展水平、人口、城市化水平、能源消费结构、产业结构和能源强度是能源消费总量的主要影响因素[3]；张丹平采用岭回归方法得出产业结构和人口是影响我国能源消费的两大主要因素，而经济发展水平对能源消费影响不显著[4]；孟凡生等采用突变级数法和改进熵值法,分析经济增长水平、能源自然禀赋和产业结构对我国能源消费的影响[5]；张传平等利用协整模型研究发现经济发展水平、产业结构、技术进步和城市化水平是我国能源消费的主要影响因素[6]。区域层面：如袁晓玲等根据每个省份能源消费状况，采用聚类法把中国大陆其中30个省(自治区、直辖市)的能源消费水平划分为能源高消费区、中消费区、低消费区3种类型，并采用面板数据分别研究经济增长、全社会固定资产投资、人口增长、产业结构、能源价格对这3类地区的影响，发现经济增长对这3类地区能源需求影响差异显著，固定资产投资增长和能源需求呈正相关关系，人口增长因素对区域能源需求影响显著，产业结构对区域能源需求影响差异较大，能源价格对3类地区能源需求影响方向相同，但大小差异明显[7]；腾玉华利用面板数据研究技术进步对我国东、中、西部区域能源需求的影响，结果发现，技术进步均对能源需求有显著负效应，技术进步对降低能源需求的作用表现出东部最高、中部次之、西部最低的特点[8]；于全辉等采用协整理论对中国东西部地区的省级面板数据进行分析，发现中国东西部地区能源与经济增长之间的长期关系表现出显著的地区差异, 东部地区能源与经济增长之间的关系较西部地区更为密切[9]。省市层次：如周丹丹等应用相关系数法和主成分分析法分析了固定资产投资、人口、第二产业占国民经济的比重、交通运输和设备制造业、6大高耗能行业、人均生活能耗、民用车数量等因素对重庆市能源需求的影响，结果表明固定资产投资总额对重庆市能源消费量影响最大，其次是交通运输和设备制造业，经济增长、居民生活消费对能源消费总量的影响最小[10]；徐立霞等采用协整理论发现经济增长和能源使用效率改进是影响江苏省能源消费的重要因素[11]；姜学勤采用状态空间模型对湖北省能源消费影响因素进行分析，发现固定资产投资、进出口贸易和物流业对该省能源消费具有一定影响[12]；李忠民等采用对数平均迪氏指数分解法对陕西省的能源消费进行研究，发现强度效应是抑制陕西省能源消费总量增长的主导力量，结构效应的影响作用未见显现[13]。

综上所述，目前我国能源需求影响因素的研究主要集中在3个层面：国家、区域和省市。国家层面的研究主要针对中国能源需求总量，把中国各地区视为一个同质体。事实上，我国幅员辽阔，各地区能源需求差异较大，并且这种差异呈持续扩大的态势，如果不考虑地区特征，则不利于各地区之间的协调发展。区域层面，是把我国部分省市看成一个同质体，其实同一个区域内的不同省份能源需求差异也较大，如同处于西部地区的陕西省和青海省，不仅每年能源需求量相差较大(以2010年为例，陕西省能源需求为8 882.11万吨标准煤，而青海省仅为2 568.26万吨标准煤，前者是后者的3.45倍)，经济发展规模、科技水平、产业结构、人口都存在很大差异。国家和区域层面研究的不足，表明需要对省市范围进行研究，但目前省市层面的研究多是分析单一省份能源需求的影响因素，鲜有对我国不同省份能源需求影响因素进行对比研究。事实上，每个省份具体情况各不相同，其能源需求的影响因素种类和程度也有差异。本文对中国大陆其中29个省(自治区、直辖市)(不包括西藏，重庆市与四川省数据合并)的能源需求影响因素进行对比研究，旨在找出差异，为各省份制定合适的能源政策及发展战略决策提供科学依据。

1 影响因素的定性分析

根据西方经济学的消费需求理论，商品的需求量主要受到以下因素影响：商品价格，人口数量，消费者的收入、偏好以及消费者对商品未来价格和供给量的预期等。本文以需求理论为指导并参考文献[2]和文献[14]，将下列因素作为各省(直辖市、自治区)能源需求的可能影响因素。

a.经济发展水平。能源产业是一个需要长期高投入的产业，其发展水平直接受制于经济发展水平，经济发展越快，能源需求量就越大，经济发展水平是影响能源消费的重要因素，相关研究表明经济发展水平与能源需求量之间存在显著的正相关关系[3]。本文选取国内生产总值(GDP)作为反映经济发展水平的指标来分析它对能源需求的影响。另外，经济发展水平和可支配收入也存在一定的相关关系，一般来说，经济发展水平高的地区其居民可支配收入也较高。

b.能源价格。根据经济学中的需求理论，影响某种商品需求量最重要的因素是价格，但由于能源价格数据没有公开发布，而且在不同时期，我国能源价格分别是政府定价、政府指导价，无法真实反映能源价格，所以本文建立模型时不考虑该因素。

c.产业结构。能源需求主要分为两部分：生产用能和生活用能，其中生产用能是主要部分，生产用能包括第一产业、第二产业和第三产业的能源需求。产业结构即构成国内生产总值的各产业比重，不同产业能耗指数差别很大，第二产业能耗指数远高于第一、三产业，第二产业比重增加将导致能源需求总量增加，两者呈现正相关关系[6,14]。随着产业结构调整，能源需求也将受到影响。目前，我国正处于工业化发展进程中，工业部门的能源需求量比重一直保持在70%左右，因此本文选择工业产值占国内生产总值的比重作为反映产业结构的指标。

d.能源需求结构。能源需求结构反映整个能源需求中各种能源所占的比例关系，它与能源需求量变化密切相关。不同种类能源其利用效率不同，由于我国能源自然禀赋决定在很长一段时间内煤炭都是主要能源(占能源总消费量70%左右)，这种现象在短期内无法改变，所以本文建模时不考虑该变量。

e.人口数量。任何商品的需求都应考虑使用该商品的人数，使用该商品的人数越多，则该商品需求总量越大，显然两者之间是正相关关系[2]。因此，分析能源需求时也应予以考虑，本文选取年末总人口数作为人口衡量指标。

f.城市化水平。城市居民的能源消费习惯和消费结构与农村居民有着很大区别，导致能源需求量不同，城镇人口人均能源需求量大约是农村人口的3.5～4倍，因此城镇人口比重是能源需求的影响因素之一。但是，由于我国城镇人口统计主要来源于城乡分类，而城乡划分标准不统一，仅《中国统计年鉴》中城乡分类口径就有七八种之多，这就造成我国城镇人口比重统计数据前后不一致，所以本文在建模时没有把该指标纳入模型。

g.科技进步。科技进步对能源需求的影响，一方面表现为各种生产或生活活动所消费的能源可以使用更少的能源达到目标，另一方面，科技进步可以提高能源使用效率，从而节约能源消费。所以科技快速发展能有效减少能源需求总量，即科技进步与能源需求呈负相关关系[6,8]。但是关于科技进步的衡量指标没有一个定论，由于专利推动科技进步的作用已在实践中得到体现，所以本文选择专利授权数作为反映科技进步的指标参与分析。

2 方法与数据

2.1模型

根据第1节分析，建立各省市能源需求多元线性回归模型：

(1)

式中：yi为第i个省份的能源需求总量(万吨标准煤)；x1i为该省的GDP，亿元；x2i为专利授权数，件；x3i为年末总人口数，万人;x4i为该省工业产值占国内生产总值的比重；β是待估参数;εi为随机扰动项，是除上述变量外的其他因素的综合影响。

2.2数据来源

在中国大陆地区31个省(自治区、直辖市)中，重庆于1997年从四川省分离出来成为直辖市。为了保持口径的一致性，本文将重庆市和四川省的数据合并考虑。海南省于1988年才建立，之前数据都统计在广东省，本文把1985年～1987年广东省的相关数据按照平均比例(1988年～2012年间海南省与广东省相关数据的比例平均值)进行分配，得到海南省和广东省在此期间的数据。而西藏自治区因数据缺失较多则不被本文纳入。因此，本文研究对象为中国大陆29个省(自治区、直辖市)。

能源需求是指一定时期内，在一定条件下消费者能够且愿意购买的能源产品数量。由于要准确统计我国各省市的实际能源需求量相当困难，在讨论能源需求量时往往采用已经发生的能源消费量来代替，所以本文采用中国统计年鉴公布的各省市能源消费总量数据代替能源需求量。各省市能源需求量及上述各影响因素数据来源于历年《中国能源统计年鉴》、《中国统计年鉴》和各省(自治区、直辖市)统计年鉴，样本范围为1985年～2012年的年度数据。

3 实证结果分析

利用1985年～2012年各省(自治区、直辖市)的年度数据，根据式(1)对模型参数进行估计。借助软件SPSS17.0，采用逐步回归法，求得参数估值及部分回归结果(北京、辽宁最终的回归模型中包含经济发展水平和产业结构2个变量，但是产业结构系数为负，这和实际相悖，所以重新建模；上海最终的回归模型中包含经济发展水平、专利和产业结构3个变量，但是产业结构系数为负，这和实际相悖，所以重新建模；黑龙江最终的回归模型中包含经济发展水平和人口2个变量，但是人口变量系数为负，这和实际相悖，所以重新建模)，见表1。F值通过检验，表明各省能源需求量与其影响因素之间的线性关系在总体上显著成立。所有省份的调整R2都大于0.93，说明所有省份建立的线性模型拟合度都非常好。因篇幅限制，各省的自变量系数检验结果没有给出，但所有系数在显著性水平5%情况下都通过检验。

运用表1中的参数估值，对各省(自治区、直辖市)能源需求的主要影响因素进行总结，同时提出控制该省能源需求的主要措施和手段，得到以下结论：

a.不同省市能源需求的显著影响因素不同。

河北、辽宁、吉林、黑龙江、福建、湖南、四川、甘肃和新疆9省份的能源需求主要受经济发展水平的影响，这些省份经济发展规模增加的同时对能源的需求量也显著增加；北京、天津、山西、上海、浙江、江西、河南、湖北、云南、陕西和宁夏的能源需求量，除了受到经济发展水平的影响外，科技进步也是影响这些省份能源需求量的显著因素，而且科技进步的系数均为负，说明对于这11个省份来说，加大科学技术创新力度、促进技术进步可有效降低他们的能源需求总量；江苏和广东两省能源需求量主要受到经济发展水平、科学技术和产业结构3个因素的影响，说明加大技术研发的投入力度、促进技术进步、调整产业结构、降低工业比重，是控制江苏和广东两省能源需求总量的有效措施；内蒙古自治区和山东省的能源需求总量受到经济发展水平和产业结构2个因素的显著影响，说明调整产业结构，降低工业比重能够降低这2个省份的能源需求总量；安徽省的能源需求量受经济发展水平和人口2个因素的显著影响，其中人口与能源需求呈正相关关系，说明减少人口总量是控制该省能源需求总量的主要途径；广西壮族自治区和海南省的能源需求主要受到经济发展水平、科学技术和人口3个因素的影响，说明加大科学技术创新力度、促进技术进步、减少人口总量是降低广西和海南能源需求总量的有效途径；贵州和青海两省的能源需求受到经济发展水平、人口和产业结构3个因素的显著影响，说明优化产业结构、降低工业比重、减少人口总量是控制这两省能源需求总量的有效措施。

表1 中国省际能源需求影响因素的参数估值

注：常数项表示在模型自变量都为0的情况下的能源需求量，一般大于0。但表中有几个省份的常数项小于0，其原因是在国际分工体系中，他们常处在产业链的低端，即生产同样的产品和服务，其附加值要远远低于发达国家，这导致了GDP对能耗的影响被高估，常数项的负值是对这种高估的调整。

b.影响因素相同的省市其影响程度呈现差异。

河北、辽宁、吉林、黑龙江、福建、湖南、四川、甘肃和新疆9省份的能源需求的主要影响因素是经济发展水平，但经济发展水平对9省(自治区)的影响程度各不相同，其中对新疆维吾尔自治区的影响最大，其GDP每增加1亿元，能源需求增加1.34万吨标准煤，其次分别是河北、甘肃、四川、辽宁、湖南、福建、吉林，对黑龙江省的影响最小，GDP每增加1亿元，其能源需求增加0.638万吨标准煤。在GDP增加量相同情况下，新疆维吾尔自治区能源需求增加量约是黑龙江省的2倍。

北京、天津、山西、上海、浙江、江西、河南、湖北、云南、陕西和宁夏11个省份能源需求量的主要因素均是经济发展水平和科技进步，但这两个因素对不同省份的影响程度亦不同。其中经济发展水平因素对宁夏回族自治区的能源需求影响最大，该区GDP每增加1亿元，其能源需求将增加3.455万吨标准煤，其次分别是山西、云南、湖北、河南、陕西、浙江、天津、江西、上海，经济发展水平对能源需求影响最小的是北京市，GDP每增加1亿元，其能源需求增加0.451万吨标准煤，宁夏回族自治区的单位GDP对能源的需求几乎是北京市的9倍。一般来说，经济发展对能源需求的影响，对经济较落后的边远省份影响较大，而对经济较发达的沿海省份影响较小。至于科技进步对各省能源需求的影响程度，最大的是宁夏回族自治区，该区每增加1项专利，其能源需求总量将减少2.112万吨标准煤，其次分别是山西、云南、江西、河南、湖北、陕西、天津、浙江、北京，对上海市的影响最小，上海每增加1项专利，其能源需求将减少0.057万吨标准煤。同样增加1项专利授权数，宁夏回族自治区的能源减少量约是上海市的37倍。同样，科技进步对落后的边远省份的能源需求影响较大，而对科技水平较发达的沿海省份的影响较小。

江苏和广东两省能源需求量的显著影响因素均为经济发展水平、科学技术和产业结构，但是经济发展水平和科技进步2个影响因素对广东省的影响要大于江苏省，而产业结构对江苏省的影响要比广东省大。

内蒙古自治区和山东省能源需求总量的显著影响因素均是经济发展水平和产业结构，但是经济发展水平对山东省的影响要大于内蒙古自治区，而产业结构对内蒙古自治区的影响较山东省大。

广西壮族自治区和海南省能源需求的主要影响因素均为经济发展水平、科学技术和人口，但是经济发展水平和科学技术对广西壮族自治区的能源需求影响程度远远大于海南省，而人口因素对海南省的能源需求影响要比广西壮族自治区大。

经济发展水平、人口和产业结构是影响贵州和青海2省能源需求的3个主要因素，其中经济发展水平和产业结构对贵州省的能源需求影响较青海省大，但人口因素对青海省的影响要大于贵州省。

c.经济发展水平对省市能源需求的影响。

由表1可看出，29个省份的能源需求都受到经济发展水平的显著影响，且所有省份的经济发展水平与其能源需求都呈正相关关系，说明随着经济发展规模增加，该省份所需的能源需求量随之增加，但不同省份的影响程度不同。我国确定了2020年全面建成小康社会、2050年达到中等发达国家水平的建设方针，可以预见，在未来相当长的一段时间内，各省的经济仍将保持高速增长，因此控制能源需求量的任务将落实在对其他影响因素的调整。

4 结论

针对我国省市层面能源需求影响因素对比研究的不足，本文采用多元线性回归模型，对中国大陆29个省份的能源需求影响因素进行对比研究，具有一定的理论和应用价值。研究结果表明，不同省市能源需求的显著性影响因素及影响程度呈现出差异性，因此各省市政府及国家相关部门在制定能源政策及相关发展战略时，应具体分析，区别对待。另外，本文在建立各省市能源需求的回归模型时，只考虑了定量影响因素。事实上，能源需求还受到许多定性因素影响，如何考虑这些定性因素，将是作者下一步的研究方向。

[1] 史丹, 张金隆. 产业结构变动对能源消费的影响[J].经济理论与经济管理, 2003(8): 30-32.

[2] 郭菊娥, 柴建, 吕振东. 我国能源消费需求影响因素及其影响机理分析[J]. 管理学报, 2008, 5(5): 651-654.

[3] 薛黎明. 中国能源需求影响因素分析[D]. 北京: 中国矿业大学, 2010.

[4] 张丹平. 基于岭回归方法的我国能源消费影响因素研究[J]. 统计与决策, 2012, 369(21): 146-148.

[5] 孟凡生, 李美莹. 我国能源消费影响因素评价研究——基于突变级数法和改进熵值法的分析[J]. 系统工程, 2012, 30(8): 10-15.

[6] 张传平, 周倩倩. 我国能源消费影响因素研究——基于长期均衡和短期波动的协整分析[J].中国能源, 2013, 35(3): 35-38.

[7] 袁晓玲, 屈小娥. 中国地区能源消费差异及影响因素分析[J]. 商业经济与管理, 2009(9): 58-64.

[8] 腾玉华. 技术进步与区域能源需求——基于省际数据的实证分析[J]. 新疆财经大学学报, 2010, 43(4): 38-43.

[9] 于全辉, 孟卫东. 基于面板数据的中国能源与经济增长关系[J]. 系统工程, 2008, 26(6): 68-72.

[10] 周丹丹, 李蜀庆. 重庆市能源消费影响因素分析[J]. 环境科学与管理, 2009, 34(3): 92-194.

[11] 徐立霞, 李昌峰, 杨艳琴. 区域经济发展、效率改进与能源消费的动态关系研究——以江苏省为例[J]. 中国矿业大学学报：社会科学版, 2013(2): 25-40.

[12] 姜学勤. 湖北省能源消费影响因素的动态分析[J]. 统计与决策, 2013, 382(10): 131-134.

[13] 李忠民, 王树斌, 姚宇. 能源消费效应的三大影响因素分析——基于陕西省的案例研究[J].经济经纬, 2012(1): 147-151.

[14] 邓志茹, 范德成. 中国能源需求影响因素的研究[J]. 统计与信息论坛, 2010, 25(2): 65-68.

ResearchontheDifferenceInfluenceFactorsofEnergyDemandinChina

ZHANG Dongqing, WEI Yu

(Nanjing Agricultural University, Jiangsu Nanjing, 210031, China)

It uses the multiple linear regression model to analyze the difference of inter-provincial factors influencing energy demand in China. The results show that the influence factors of energy demand in 29 provinces are varied. Although the factors are same in some provinces, their influence degree is not identical. For 29 provinces, different measures are proposed to reduce their energy demand.

Energy Demand; Influence Factors; Multiple Linear Regression Model

10.3969/j.issn.2095-509X.2014.02.001

2013-11-18

国家自然科学基金资助项目(71101072, 71301077);江苏省自然科学基金资助项目(BK2011652)

张冬青(1972—), 女, 江苏泗洪人， 南京农业大学副教授，博士,主要研究方向为预测与决策、经济信号处理等。

F407.2

A

2095-509X(2014)02-0001-06