西部地区电力消费影响因素分析

作者简介：晋艳宁，重庆师范大学经济与管理学院管理工程专业。

摘要：电力行业的健康发展关乎于我国经济的持续稳定增长，而其中电力消费的预测起着重要的作用。本文通过分析以前年度的文献，选取地区生产总值以及工业增加值两个解释变量，并最终建立固定效应的变参数模型，回归结果良好。

关键词：西部地区；电力消费；影响因素分析

一、引言

如今，我国经济处于高速发展的阶段，而电力行业作为我国经济的重要产业，却与经济之间发展并不稳定协调，这严重限制了经济的平稳快速增长。因此，我国经济在高速增长过程中首先需要对电力能源进行合理的预测和规划，才能对宏观调控提供合理的建议。

二、电力消费的影响因素

陈文静，何刚（2009）基于半参数模型和非参数模型研究了电力消费系统中各影响因素的线性以及非线性因素的影响效应。把具有明显上升趋势的经济增长水平和总人口作为参数部分考虑；另外把变化趋势不太明显的电力价格指数、能源利用效率和经济结构的变量作为非参数部分，从而建立了半参数模型。牟敦果，林伯强（2012）基于时变参数向量自回归（TVP-VAR）方法研究了工业增加值、电力消费量和煤炭价格之间的相互影响。在国外， FAL-Faris（2002）建立了协整与误差修正模型，研究了海湾国家各经济变量对其电力需求的影响程度。结论表明电力消费受到价格和收入的显著影响。Sajal Ghosh （2002）以印度为例研究发现，电力消费的变化与 GDP之间存在单向格兰杰因果关系，但是它们之间并不存在长期均衡关系。

三、关于西部地区电力消费的实证分析

1、数据来源

本文用E来表示各省市电力消费变量，用GDP来表示各省市经济增长变量，用GY表示各省市的工业增加值。引入中国西部11个省域（由于缺乏数据不包括西藏）从1997年到2013年的面板数据，数据均来源于中国统计年鉴。

2、数据检验

首先对数据进行单位根检验，以确定数据的平稳性。在本文中，检验结果表明原始数据存在单位根，并且是二阶单整变量。为此，本文对原始数据分别取对数，得到表换后的变量，分别用LE、LGDP和LGY表示，它们都没有拒绝“存在单位根”的零假设，而在一阶差分中都拒绝了“存在单位根”的假设。

其次利用协整检验来分析面板数据各变量之间的相关性，常用的协整检验有Johansen检验、Kao检验Pedroni检验。在本文中，这三种检验都表明变量之间存在协整关系，它们之间存在长期稳定的影响关系。

3、模型选择

3.1 Hausman检验确定影响形式

在确定模型究竟是固定效应模型还是随机效应模型时，通常要用到Hausman检验。在本文中，检验结果显示P值为0.0008，所以应该建立固定效应模型。

3.2 F检验确定模型形式

面板模型基本可以划分为三类：变参数模型、固定影响模型和不变参数模型。本文建立的面板数据模型，其中的截面个数 N=11，时间长度 T=17，解释变量个数 K=2。可以计算出F2=49.3754 ，F1=82071 。通过查询5%显著性水平下的F检验临界值表，判断本文适用于变参数模型。

4、 回歸分析结果

通过以上一系列的分析我们选择变参数模型进行虚拟变量最小二乘法回归分析，建立模型如下。

LEi=ci+αiLGDPi+βiGYi+μi

其中R2=0.9867F-statistics=305.5563Prob（F-statistics）=0.0000

该模型的拟合优度很好。具体各界面的回归结果如下表。

模型回归结果

四、结论

通过以上对西部地区的实证分析，我们可以得出以下结论。（1）经济增长影响电力消费。一般情况下，一个地区经济发越发达，该地区的电力消费水平也会越高，各省市影响程度不同。但是，在个别省市，比如贵州、宁夏和陕西，电力消费与经济增长的关系与预想不一致，这是因为，从投入产出角度看，GDP属于增加值范畴，而电力消费产出属于行业总产出范畴，两者涵盖范围不一致，所以这一现象是合理并且有可能的。（2）工业增加值影响电力消费。从回归结果来看，工业增加值对电力消费起正向作用。各省市由于工业增加值的变动所引起的电力消费量的变动不一致，这是由于各省的工业主要模式存在差异。

通过实证分析，可以确定地区生产总值和工业增加值在长期内确实是影响电力消费的主要因素。因此，可以通过经济变量和工业变量对以后年度的电力消费量进行较为精确的预测，为我国电力行业的健康发展以及经济的稳定增长提供有力的支持。（作者单位：重庆师范大学）

参考文献：

[1]陈文静，何刚.电力消费及其影响因素[J].系统工程理论与实践.2009年5月

[2]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年7期

[3]牟敦果，林伯强.中国经济增长、电力消费和煤炭价格相互影响的时变参数研究[J].金融研究.2012（6）

[4]米国芳，赵涛.中国经济增长、电力消费与碳排放量关系研究[J].科学管理研究.2012年2月

[5]Seijin Kawauchi，Hiroaki Sugihara， Hiroshi Sasaki.A development of very short–term load forecasting based on chaos theory [J]. IEEJ Trans.PE，2003，123（5）：646-653

[6]陈万琳.江苏省电力消费分析及预测研究（硕士学位论文）.南京财经大学.2012