工业能源消费结构时空分异特征及其影响因素研究

及其影响因素研究

许瑶瑶　籍艳丽

摘要：测算中国2000—2016年地区工业煤炭消费结构基础上，选择K-means聚类法对其分类及概括时空分异特征，并采用扩展STIRPAT模型讨论其背后原因。研究发现，工业煤炭比重总体下降、地区差异显著。能源消费强度是其变化的第一主因，工业化程度、资本要素投入水平和货物对外开放水平正向影响效应依次减弱；城市化水平、人均GDP与资本对外开放水平作用并不显著。在此基础上，提出优化地区工业能源消费结构的对策。关键词：煤炭消费结构；时空分异；STIRPAT面板模型DOI:10.19456/j.cnki.tjyzx.2019.04.008当前，中国已步入经济新常态。党的十八届五中全会明确提出“创新、协调、绿色、开放、共享”五大发展理念，其中“绿色”强调人与自然的和谐共生。面对资源环境等多方面约束，推动绿色低碳循环发展模式是践行绿色发展理念的必然选择。工业，作为一个地区经济体系的中心，优化其能源消费结构，更应注重绿色发展。因此，探索我国工业能源消费结构的地区差异和时间演变特征，并深入探究其背后的原因，对推动新常态下绿色发展具有重要的现实意义。恰当方法进行定量分析。如Xiaofei Yan(2009)等采用协整检验等方法分析中国三次产业增加值与能源消费间的数量关系，研究发现两者间长短期关系因产业不同而不同[1]。齐志新等(2007)[2]、Diping Zhang(2011)[3]与Xindong Hao(2012)[4]则是对不同时期工业部门能源消费展开定量分析。其中，齐志新等采用时间序列分析方法，研究发现能源消费总量与工业增长间存在双向Granger因果关系；而Diping Zhang运用灰色关联分析，发现循环工业与电力的关联度最强，天然气最弱，其次是煤炭；Xindong Hao采用同一方法研究发现，我国工业对化石燃料的依赖性较强，需优化工业能源消费结构。相比较而言，更多文献选择指数因素分解法。如Olanrewaju,O.A.etc.(2012)对南非工业能源消费主要驱动因素进行因素分解[4]一、文献综述围绕“能源消费”的研究，多集中于能源消费趋势、结构及其影响因素等方面。采用的方法主要有因素分解与计量模型两种。其中，计量模型的一般做法：在具体理论框架指导下，选择某些关键变量和控制变量，并搜集特定时期某一国家（地区）相应数据，采用。杨威等(2013)[5]、毛建素等★基金项目：2019届常熟理工学院本科毕业论文重点资助课题：中国工业能源消费时空分异特征及其影响因素研究；江苏省高校哲学社会科学

研究基金项目:新常态下江苏能源消费趋势与结构优化的实证研究(项目号:2018SJA1370);全国统计科学研究项目：环境规则下中国工业绿色全要素生产率及其影响因素研究（项目号：2018LY09）。

2019. 428(2013)[6]则是对不同时期的中国工业能源消费强度展开因素分解。结果一致支持，研究期内重工业比例的增加是能源消费强度增加的主因。也有学者选择不同地区进行。如高彩艳等(2014)对中国西部西安、乌鲁木齐、西宁工业能源消费与大气污染现状进行了实证分析[7]、而王强等(2015)则对中国东南沿海地区工业能源消费碳排放的驱动因素进行因素分解[8]、马海良等(2017)对省域不同时期的工业能源消费强度从规模效应、结构效应和技术效应进行分解[9]。 由此可见，从数据选择看，现有文献倾向于短期、地域性的工业能源消费数据，缺乏长期全国性数据。从研究方法看，主要有格兰杰因果检验等计量模型法和因素分解法两类；二者各有优缺点。同时，尽管部分文献进行影响因素分析，缺乏理论和实证相结合的系统性分析，对工业行业的分析更少。基于此，本文选取2000-2016年中国地区工业能源消费数据，研究煤炭消费结构时空演变特征及影响因素，以期为优化工业能源消费结构提供经验佐证。 二、煤炭消费结构测算、聚类与时空特征（一）测算以2000年为例，查阅30个省、直辖市或自治区包括原煤等23种能源消费数据，根据折算系数折合为标准量消费数据。将包括原煤在内的10种煤炭标准消费数据求和计算煤炭消费量 Em；并对23种能源消费求和得E。将煤炭消费量除以工业能源消费总量，则为煤炭能源消费结构，记为ES。具体计算公式：（1） 类似地，计算2001—2016年期间30个地区工业煤炭消费结构数据。（二）聚类分析1.K-means聚类采用K-means聚类进行分类。首先，按照2000、2001—2005、2006—2010、2011—2015、2016时段划分，并计算各时段地区煤炭消费比重均值；其次，对各地区均值统进行K-means聚类。2.聚类结果分析对煤炭消费比重进行K-means聚类结果及其聚类质心，见表 1。实证分析 表1　地区煤炭消费比重分级表 单位：%比重等级I低II较低III中IV较高V高质心21.1941.5855.567.6977.67由表1可知，煤炭比重分级的聚类中心由低到高分别是21.19%、41.58%、55.5%、67.69%和77.67%，不同类别间的差距较大。（三）时空分异按照表1分类标准，将30个地区5时段煤炭消费比重分类与汇总。具体结果见表2。表2　5个时段地区工业煤炭消费比重演变表

地区20002001-20052006-20102011-20152016北京IIIIIIIIII天津IIIIIIIIIIIIII河北VVVVV山西VVVVV内蒙古VVIVIIIIV辽宁IIIIIIIIIIIIIII吉林IVIIIIIIIIIIII黑龙江IIIIIIIIII上海IIIIIIIIIII江苏IIIIIIIIIIIIII浙江IIIIIIIIII安徽VVVIVIV福建IVIIIIIIIIIII江西VIVVIVIV山东IIIIIIIVIIIII河南IVIVIVIIIIII湖北IVVIVIVIV湖南IVIVVIVIV广东IIIIIIIIII广西VIVIVIVIV海南IIIII重庆IVIVIIIIIIIII四川IVIIIIVIIIIII贵州VIVIVIVIV云南VIVVIVIV陕西IVIVIVIVIII甘肃IIIIIIIIIIIIIII青海IIIIIIIIII宁夏IIIVIIIIIIIII新疆

II

II

II

II

II

　　注：Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ分别表示低、较低、中等、较高、高。1.煤炭比重总体下降由表2可知，随着时间推移，属于V等级地区数总体下降，而中、低等级III、II和I地区数增加。如2000年只有海南属于I级，而2016年除海南外，北京292019. 4

实证分析和浙江的工业煤炭消费比重落入最低级别。故，工业能源消费中，煤炭比重总体减少。2.地区差异显著煤炭消费比重地区变动呈现显著差别：稳定、下降或反复态势三种情形。研究期内，河北、山西、辽宁、黑龙江、广东、海南、青海、甘肃和新疆9个地区煤炭比重的等级始终保持不变；而13个地区出现下降：北京、天津、吉林、上海、浙江、安徽、福建、山东、河南、广西、重庆、贵州、陕西。且它们减少幅度与其发生时间不同。内蒙古、江西、山东、湖北、湖南、西川、云南和宁夏属于第三种情形。由此可见，该时期煤炭比重地区差异显著。且其特征与东、中与西部地区划分不一致。三、工业煤炭消费结构影响因素的面板计量分析什么原因导致煤炭消费比重总体下降，且地区差异显著？进一步探讨其影响因素。（一） 模型、变量与数据1.变量与模型考虑到能源终端消费结构和社会经济发展状态，本文选择五类影响因素：①城市化水平，以城市人口比重（Pu）度量；②工业化水平，包含人均GDP（Pgdp）和工业增加值比重（Is）；③对外开放水平，包含进出口贸易总额（Tr）和实际利用外商投资总额（Fdi）；④资本投入，以工业全社会固定资产投资总额（Fa）度量；⑤技术进步，以工业能源消费强度（Ei）度量。采用拓展的STIRPAT面板模型，分析中国地区工业能源消费结构的因素。（2） 2.数据与处理数据Es已准备就绪。自变量数据来源于《中国统计年鉴》、《中国能源统计年鉴》、《新中国六十年统一资料汇编》、《中国城市统计年鉴》、《中国科技年鉴》与《中国对外经济统计年鉴》等。涉及指标主要有年末总人口、国内生产总值、固定资产投资、能源消费总量、进出口总额、实际利用外商直接投资等。由于地区生产总值为价值量数据，为避免价格因素影响，本文采用价格指数换算为2000年不变价格数据。同理，固定资产投资采用生产者价格缩减指数进行换算。而进出口总额、实际利用外商直接投资数2019. 430据首先采用当年汇率统一换算为人民币，然后分别以GDP缩减指数和生产者价格指数进行换算。另外，个别缺失数据，以相邻两期平均值补齐。并对所有变量数据进行对数化处理。(二)面板回归模型估计及检验1.Hausman 检验估计方程（2）时，首先采用Hausman 检验进行类型判别。结果显示，x2=32.5342，其相伴概率p=0.000,小于显著性水平α=0.05，拒绝原假设。故选择固定效应模型。接着，采用F检验判断变系数模型、变截距模型还是不变系数模型？对模型（2）进行不变系数模型与变系数模型的估计，求出对应样本回归方程的残差平方和，并采用相应的公式，计算统计量F2=10.9274。由于F大于F0.05（22，288）=1.5793，故拒绝不变系数模型的假设。进一步，估计变截距模型的残差平方和，计算统计量F1=1.3459；该统计量与F0.05（203，150）=1.2891较为接近，不能做出选择。基于变系数模型比变截距模型待估参数个数更多，损失更多的自由度，故本文选择变截距模型。2.参数估计与模型评价变截距的固定效应模型的样本回归方程： （3） 式（3），R2=0.89，拟合优度良好。F=89.97，其对应的p=0.000，-小于显著性水平α=0.05，故线性关系显著成立。就变量的显著性检验来看，其中Is、Tr、Fa与Ei通过显著性检验。相反，Pu、Pgdp与Fdi没通过；这说明，三者对Es影响并不显著。（三）实证结果分析1.直观分析工业化程度、货物对外开放水平、资本要素投入水平与能源消费强度对工业煤炭比重具有显著正向影响。且能源消费强度、工业化程度、资本要素投入水平与货物对外开放水平的影响效应依次减少，弹性系数分别为0.36、0.14、0.08与0.07。而城市化水平、人均GDP与资本对外开放水平无显著影响。从作用方向来看，城市化水平与资本对外开放水平呈同向变动；人均GDP反向变动。这说明，人均GDP水平增加抑制煤炭比例的提升；而城镇化水平与资本对外开放水平则是促进作用。2.进一步分析能源消费强度影响效应最大。中国地区工业煤炭占比更多取决于能源利用效率。五大能源品种中，煤炭效率较低，从经济效率与环境效率角度均是如此。较低的能源消费强度，对应较高能源利用效率，意味着选择更多的非煤炭能源品种消费；进而导致煤炭占比的下降态势。工业化程度影响次之，说明工业内部结构值得进一步优化。过去更多的是高耗能尤其是煤炭品种的重化工业。由于它们的扩张，导致煤炭需求的扩大；进而带来煤炭占比的提升。城市化水平影响不显著。可能在于过去的城市化是人口城市化，较少涉及城市化的全面发展。故人口城市化水平的提升并不会刺激更多的工业能源消费量及其结构的变化。而人均GDP与资本对外开放水平影响不显著的原因，可能是人均GDP的增长除了工业增加值贡献外，建筑业与第三产业增加值贡献更大。外商直接投资在于“污染物的天堂”假说与“先进生产力与技术”的代表效应大体抵消，导致其对煤炭占比变化影响不显著。四、结论与建议测算中国2000—2016年间地区工业煤炭消费结构基础上，选择K-means聚类分类，并概括其时空分异特征；进一步，采用STIRPAT模型讨论能源消费结构变动的原因。主要研究结论：研究时期，中国工业煤炭消费比重划分为五类，不同类别间质心差距较大。煤炭消费比重总体下降，地区存在差异。面板计量模型显示，能源消费强度、工业化程度、资本要素投入水平和货物对外开放水平对煤炭消费比重正向作用显著，且程度依次减弱。而城市化水平、人均GDP与资本对外开放水平对其无显著影响。不过，城镇化水平、资本对外开放水平与煤炭占比成同向变动关系、而人均GDP却相反。基于上述结论，提出几点相关建议。1.加大科技投入，着力提高能源利用效率实证分析能源消费强度对优化能源消费结构作用最大。而能源消费强度大小反映了能源利用效率高低。因此，继续优化能源消费结构，可进一步继续提高其利用效率。如提高煤改电的替换效率以减少过高的煤炭消费比重。加大科技投入，以技术进步实现能源的节约，带动能源品种间的替换。2.进一步优化工业内部结构工业化程度比重对煤炭消费比重影响程度显著，且较高。因此，未来应努力改变这一状况。则需要工业行业结构优化升级，鼓励低能耗的子行业发展，限制高能耗如重化工行业的发展。3.加强新型城镇化建设在全国推进城镇化建设进程中，注重新型城镇化的全面发展，并非只是人口的城镇化。通过城镇化建设，带动不同品种能源消费的此消彼长，进而转变能源消费结构。参考文献：[1]Xiaofei Yan, Xiufang Du. Empirical Study on the Relationship of China's Energy Consumption and Industrial Structure Change[P]. Power and Energy Engineering Conference, 2009. APPEEC 2009. Asia-Pacific,2009.[2]齐志新,陈文颖,吴宗鑫.工业轻重结构变化对能源消费的影响[J].中国工业经济,2007(02):35 [3]Diping Zhang. Empirical study on China's circulation industrial energy consumption and circulation economy growth[P]. Business Management and Electronic Information (BMEI), 2011 International Conference on,2011.-42.(作者单位：常熟理工学院数学与统计学院)312019. 4