福建省能源消费主要影响因素分析及2020年能源消费预测

中国环境学会  2012年 02月15日


  刘健,中国科学院城市环境研究所,0592-6190661,福建省厦门市集美大道1799号,361021
  王润*,中国科学院城市环境研究所,0592-6190784,福建省厦门市集美大道1799号,361021
   
  摘要:基于《福建统计年鉴》1985-2008年的相关数据,采用协整分析的方法,对福建省影响能源消费的因素进行了研究。结果表明,GDP、每单位工业增加值能耗和工业增加值在国民经济中的比重是最主要的影响因素。同时,在进行变量情景设定时,对工业增加值在国民经济中的比重使用了灰色系统方法进行预测。最后,基于变量设定的结果,预计到2020年,福建省的能源消费总量将达到2.39万吨标煤。
  关键词:能源消费;协整;GDP;灰色系统
   
  The main influence factors analysis of energy consumption in Fujian and the forecast of it by 2020
  LIU Jian, Institute of Urban Environment, Chinese Academy of Sciences.
  WANF Run*, Institute of Urban Environment, Chinese Academy of Sciences.
   
  Abstract: Based on the related data of from the year 1985 to 2008, using cointegration analysis method, the influence factors of energy consumption in Fujian province was studied. Results show that GDP, the energy consumption of per unit value added of industry and the proportion of value added of industry in GDP are the main influencing factors. Then, the proportion was forecasted by the method of grey system. Finally, based on the excepted results of variables, the total energy consumption in Fujian would be 23.9 thousand ton standard coal.
  Key words: energy consumption; cointegration; GDP; grey system
   
  能源是经济发展的基础,能源供应的充足与否直接关系到经济发展的成败。未来一段时间内,海峡西岸经济区是国家发展的重点地区。而作为经济区主体的福建省,其经济发展和能源消费状况影响到了全区的发展。因此,对福建省能源消费的影响因素进行分析并预测到2020年的能源消费总量具有十分重要的意义。
  对能源需求进行分析和预测的方法有很多,协整分析是其中很重要也是应用比较广的一种方法。采用这种方法能有效的避免“伪回归”的问题,即当根据时间序列把各种变量放在一起处理时,在有限的样本回归中会出现相关性,尽管这些变量间不存在相关的关系[1]。


  预研究


  1.1 数据来源
  本文所使用的数据均来自《福建统计年鉴》,期间为1985-2008年(1993年和1998年工业能耗数据缺失)。同时,为消除价格变动的影响,对GDP和工业增加值等名义数据以1985年为基准年进行了处理,转换为具有可比性的实际数据。为消除数据间的较大变动,对各因素取对数[2],标为LN。


  1.2因素选择
  影响能源消费的因素有很多。通过文献的阅读以及考虑到数据的可获得性,本文首先选取了以下几个因素作为变量:GDP、工业增加值在国民经济中的比重(I)、每单位工业增加值能耗(EI)、人口数(P)、人口自然增长率(R)和非农人口在总人口中的比重(F)。
  为检验变量是否对因变量有显著的影响,首先用OLS(最小二乘法)对其进行分析[3]。进行初步判定。所得等式如下:
  从上面的等式可以看出模型的拟合效果很好,变量间呈高度线性[3]。但是许多变量t检验不能通过,影响不显著,应予以剔除。
  采用逐步回归的方法,可以剔除人口自然增长率(R)、人口数(P)和非农人口在总人口中的比重(F)这些不显著的因素,最后得到:
  LNE=0.894593LNGDP+0.805847LNEI+0.905258LNI-2.839300
   t=  (22.34628)      (18.51764)    (5.281281)   (-5.580541)
   R2=0.998736         F=4741.652         D.W.=1.411544
  在上面的等式中,各变量通过了t检验,影响显著且模型的拟合效果很好。因此,本文中选用GDP、每单位工业增加值能耗(EI)和工业增加值在国民经济中的比重(I)这三个因素对能源消费进行分析研究。


  2   实证分析


  2.1 建立模型
  根据上面对影响能源消费因素的分析,建立能源消费函数如下:
  
  2.2 平稳性检验
  在具体应用协整等理论进行分析时,首先需要检验被分析序列变量是否平稳,即是否具有单位根[4]。本文采用ADF法对1985-2008年的变量数据进行检验,结果如下:
  表1 平稳性检验

 

  变量

差分次数

(C,T,K)

D.W.值

ADF值

5%临界值

1%临界值

结论

LNE

2

(0,0,1)

1.865966

-4.908952

-1.959071

-2.685718

I(2)*

LNGDP

2

(0,0,1)

1.719434

-5.41667

-1.959071

-2.685718

I(2)*

LNEI

2

(0,0,1)

2.099283

-4.265098

-1.982344

-2.816740

I(2)*

LNI

2

(0,0,2)

1.640754

-2.684334

-1.960171

-2.692358

I(2)**

 

  注:(C,T,K)表示ADF检验是否包含常数项、时间趋势项以及滞后期数。*表示变量在差分后在1%的显著性水平下通过ADF检验,**表示变量在差分后在5%的显著性水平下通过ADF检验。
  从表1中可以看出,可以看出所有变量都可以在5%的显著水平上达到二阶平稳,因此,可以认为所有变量都是I(2)过程,满足进行协整检验的条件[5]。


  2.3 协整分析
  协整检验主要有两种方法:一种是Johansen(1988)和Juselius(1990)提出的一种以VAR模型为基础的检验回归系数的方法;另一种是Engle和Granger(1987)提出的两阶段回归分析法,即用OLS(Ordinary Least Squares)法对方程进行回归估计,然后对残差做ADF检验[1]。
  本文选用后一种检验方法。首先对四个变量进行回归得到1985-2008年福建省能源消费总量与GDP、每单位工业增加值能耗和工业增加值在国民经济中的比重的均衡关系方程:
  LNE=0.894593LNGDP+0.805847LNEI+0.905258LNI-2.839300
     t=  (22.34628)      (18.51764)    (5.281281)   (-5.580541)
      R2=0.998736         F=4741.652         D.W.=1.276926
  从结果可以看出,R2很高,说明GDP、每单位工业增加值能耗和工业增加值在国民经济中的比重对能源消费有很好的解释作用。
  第二步,对残差进行平稳性检验,结果如表2
  表2 残差的平稳性检验

 

  ADF统计量

t统计量

概率值(P值)

-3.090242

0.0036

显著性水平

1%

检验临界值

-2.674290

 

5%

-1.957204

 

10%

-1.608175

 

 

   
  从表2中可以看出,残差在1%的显著性水平下平稳,即残差是I(0)过程。因此,回归方程中的变量存在协整关系,即长期均衡关系。另外,从回归结果中可以看出,福建省能源消费的长期收入弹性为0.894593,工业增加值在国民经济中的比重的长期弹性为0.905258,每单位工业增加值能耗的长期弹性为0.805847。
 

  2.4 历史数据检验
  为检验拟合程度,将数据带入回归方程,比较拟合值和实际值。
  表3 模型历史数据检验结果
  单位:万吨标煤

 

  年份

能源消费总量

实际值

拟合值

绝对误差

相对误差(%)

1985

1043.00

1052.31

9.3

0.89

1986

1114.00

1083.30

-30.7

-2.76

1987

1215.00

1251.00

36.0

2.96

1988

1363.30

1399.62

36.3

2.66

1989

1404.00

1414.24

10.2

0.73

1990

1458.30

1467.40

9.1

0.62

1991

1530.60

1483.95

-46.6

-3.05

1992

1624.10

1557.25

-66.9

-4.12

1993

1848.00

549.73

-1298.3

-70.25

1994

1953.50

1960.83

7.3

0.38

1995

2279.90

2333.47

53.6

2.35

1996

2452.20

2354.67

-97.5

-3.98

1997

2499.10

2432.84

-66.3

-2.65

1998

2578.60

1184.28

-1394.3

-54.07

1999

2771.10

2831.44

60.3

2.18

2000

2942.60

3009.03

66.4

2.26

2001

3163.10

3190.33

27.2

0.86

2002

3615.30

3693.59

78.3

2.17

2003

4062.60

4182.67

120.1

2.96

2004

4527.80

4521.51

-6.3

-0.14

2005

6157.10

6105.17

-51.9

-0.84

2006

6811.90

6773.21

-38.7

-0.57

2007

7574.20

7537.61

-36.6

-0.48

2008

8238.40

8083.28

-155.1

-1.88

 

   
  从表3中可知,除1993年和1998年因数据缺失造成较大误差外,其余各年的误差很小,平均为1.89%,拟合精度达到98.11%。


  预测


  3.1 情景设定
  (1)GDP
  2000-2005年间,福建省国内生产总值年均增长率为10.8%。2006年,2007年和2008年这一指标更是分别达到14.8%、15.2%和13%。根据《福建省贯彻落实<国务院关于支持福建省加快建设海峡西岸经济区的若干意见>的实施意见》要求,到2017年,人均地区生产总值比2000年翻两番,比全国提前三年实现全面建设小康社会的目标;在2020年实现国内生产总值达到四万亿。要实现上面要求的目标,并考虑到未来经济高速发展的可持续性, 预计2009-2020年间国内生产总值的年平均增长率要达到11%。
  (2)EI
  我国政府宣布了到2020年控制温室气体排放的行动目标:到2020年,我国单位GDP(国内生产总值)二氧化碳排放将比2005年下降40%-45%,并将其作为约束性指标纳入国民经济和社会发展中长期规划。未来一段时间内,以煤炭为主体的能源消费结构将不会有很大的改变,单位GDP二氧化碳排放的降低主要依靠单位能耗的降低。本文在这里假设到2020年,每万元工业增加值能耗比2005年下降40%.
  (3)I
  灰色系统是指部分信息已知、部分信息未知的系统[6]。影响工业增加值占国民经济比重的因素有些已知,有些未知,可以看作是灰色系统,应用GM(1,1)模型进行预测。这里采用1995-2008年的数据。
  第一步,构建原始序列x(0)=( x(0) (1), x(0) (2), x(0) (3),…, x(0) (k))  (k=1,2,3,…,n)
  第二步,对原始序列进行累加,得到序列x(1)=( x(1) (1), x(1) (2), x(1) (3),…, x(1) (k))
  第三步,
  第四步,对拟合结果与实际数据进行比较。
  表4 拟合值与实际值的比较结果
  单位:%

 

  年份

工业增加值在国民经济中所占比重

实际值

拟合值

绝对误差

相对误差

1995

54.67

54.67

0.00

0.00

1996

55.53

54.35

-1.17

-2.12

1997

56.46

55.67

-0.79

-1.40

1998

57.70

57.02

-0.68

-1.18

1999

58.58

58.40

-0.18

-0.31

2000

59.97

59.81

-0.15

-0.26

2001

61.56

61.26

-0.30

-0.48

2002

62.75

62.75

0.00

0.00

2003

65.54

64.27

-1.27

-1.94

2004

67.83

65.82

-2.01

-2.96

2005

69.95

67.42

-2.53

-3.62

2006

71.33

69.05

-2.28

-3.20

2007

72.64

70.72

-1.91

-2.63

2008

75.22

72.44

-2.78

-3.70

 

   
  从表4中可知,模型预测的精度很准。
  最后,进行后验检验。
  经计算得原始数据x的方差 =51.57623,残差 的方差 =0.968828
  c= =0.137056,p=1(p为 与其平均数差的绝对值小于0.6745 的概率),精度为一级。
  所以,可以对2020年工业增加值在国民经济中所占比重进行预测,计算得98.88%。


  预测结果
  根据上面的设定来计算变量并将变量代入协整关系方程,得到福建省2020年能源消费的预测量。经计算,结果为2.39万吨标煤。


  结论与建议


  (1)GDP、每单位工业增加值能耗和工业增加值在国民经济中的比重是影响能源消费的最重要的因素。要降低对能源的需求量,一方面要大力发展第三产业,降低工业在国民经济中所占的比重;另一方面要加大对科研的投入力度,加快技术引进和产业升级,大力发展低能耗高附加值的产业(如软件产业),降低单位工业增加值能耗。
  (2)福建省2008年的能源消费总量为8238万吨标煤,到2020年这一数字要达到2.39万吨标煤,增长近2倍。如此巨大的能源需求,对福建省的能源供应体系提出了严峻的挑战。在未来的十几年内,福建省应加大对能源基础设施的投入,积极参与国家能源储备基地建设。同时,发挥港口众多、面向东南亚的优势,积极同印尼和越南等国家展开合作,充分利用国外丰富的能源资源来发展自己。
   
  参考文献:
  林伯强. 结构变化效率改进与能源需求预测——以中国电力为例[J]. 经济研究,2003,(5): 57-65.
  余妙志,尹冰. 浙江省能源消费与经济增长的协整分析[J]. 北方经济,2008,(5):68-69.
  王金雪,韩静轩,王金亮. 山东省电力消费和经济发展关系的协整分析[J]. 济南大学学报(自然科学版),2008,22(4):415-418.
  汪旭晖,刘勇. 中国能源消费与经济增长:基于协整分析和Granger因果检验[J]. 资源科学,2007,29(5):57-62.
  刘希颍. 中国电力需求预测与电力行业可持续发展[D]. 厦门:厦门大学中国能源经济研究中心. 2009.
  谷川,张岳. GM(1,1)灰色模型改进及其应用[J]. 海洋测绘,2008,28(3):35-37.
  李艳军,赵玉亮. 基于灰色GM(1,1)模型的河南省能源需求量预测[J]. 河南科学,2009,27(12):1508-1511.

 


 

 

 

 

 

  

 
污染防治与管理更多>>
循环经济与绿色产业发展 更多>>
低碳经济与可持续发展更多>>
中国面临的主要环境问题及对策 更多>>