中国居民生活电力消费影响因素研究

汝醒君，王聪颖

(杭州电子科技大学 管理学院，浙江 杭州 310018)



中国居民生活电力消费影响因素研究

汝醒君，王聪颖

(杭州电子科技大学 管理学院，浙江 杭州 310018)

基于状态空间模型定量分析中国1985-2013年的家庭人口规模、居民收入水平、居民电价三个变量对居民生活电力消费的动态影响。研究结果显示：居民电价对生活电力消费的变弹性系数为负值，对生活电力需求有削弱作用，虽然居民电价弹性系数绝对值呈下降趋势，目前城镇居民生活电力消费电价弹性仍是乡村居民的2-3倍以上；居民收入和家庭人口规模对生活电力消费均存在促进作用。居民收入对生活电力消费的弹性系数最大，且呈逐步增长趋势，是影响生活电力消费的主要因素。最后，本文基于构建的状态空间模型和国家经济发展目标及短期社会发展状况，预测2020年我国居民电力消费将比2013年增长至少44.96%。

生活电力消费；状态空间模型；居民电价；居民收入；家庭人口规模

2014年中国居民生活电力消费占总电力消费的12.5%，仅次于工业部门。谭显东等(2010)预测2020年我国居民生活用电量将占社会总电量消费量的20.3%[1]。《中国能源发展报告2011》指出发达国家居民生活用电比重通常高于30%，我国居民生活电力消费增长潜力巨大[2]。

目前的电力消费影响因素研究主要针对工业用电或者整个国民经济，由于对发展中国家居民生活部门数据指标统计结果不完整或缺乏详细统计结果，因此针对发展中国家居民生活电力消费影响因素的研究还比较少[3]。宋炜等(2006)认为居民收入、电价和上期居民电力消费是影响城镇居民电力消费的主要因素[4]；Achão和Schaeffer(2009)指出用电人口和使用强度增加是影响巴西居民生活电力消费增长的关键因素[5]；董军和吴鸣(2011)认为收入水平、替代能源价格是影响我国居民电力消费增长的重要因素[6]；Arisoy和Ozturk(2014)认为居民收入和电价是影响土耳其居民生活电力消费的主要因素[7]；朱凯和尹海涛(2014)指出用电强度上升是我国居民电力消费增长的关键驱动力[8]。沈小波(2014)认为我国农村居民人均电力需求主要受人均收入、电价、家庭规模及年平均气温等因素的影响[3]。

这些研究大多基于静态视角分析居民生活电力消费的影响因素，实际上居民生活电力消费各影响因素的作用多为动态变化的，因此基于静态分析得出的结论可能无法准确反映现实状况。本文在以上研究的基础上，采用1985-2013年时间序列数据，基于卡尔曼滤波的状态空间模型，分析家庭人口规模、居民收入水平、居民电价对生活电力消费的动态影响。

一、研究方法与模型构建

(一)研究方法

在经典计量回归模型中，一般假设各变量之间的数量关系在样本区间内比较稳定，即：

Yt=c+aXt+bZt+μt(t=1，2，……，T)

(1)

在(1)式中Y为因变量，X、Z为自变量，μt为随机误差项。自变量参数a和b用来反映各自变量与因变量之间的平均影响关系，它们是固定不变的。由于产品价格、居民收入、家庭人口规模等各种因素不可能长期保持不变，这些一直处于变化之中的因素对居民生活电力消费的影响也必然会发生变化，基于固定自变量参数评估的经典计量模型是无法表现出来这些动态变化的，因此有必要选择可变参数模型来观察自变量对因变量影响的动态变化情况。本文使用状态空间方法(State Space Model，SSM)构建变参数模型，用于分析居民电价、居民收入水平、家庭人口规模对生活电力消费的动态影响。

状态空间模型通常应用于多变量时间序列，包括量测方程和状态方程两部分：

Yt=c+atXt++μt(t=1，2，……，T)

(2)

at=π+θat-1+ut(t=1，2，……，T)

(3)

方程(2)是量测方程，Y和X为可观测变量，at是状态变量，为不可观测变量。方程(3)是状态方程，用来展示状态变量的生成过程。μt和ut分别是量测方程和状态方程的随机误差项，两者相互独立且服从均值为零、方差为常数的正态分布。

(二)模型构建

对Dietz等(1994)提出的随机回归影响模型(STIRPAT)进一步拓展[9]，构建中国居民生活电力消费模型，考察居民电价、居民收入水平、家庭人口规模等因素对居民生活电力消费的影响。为了消弱时间序列数据的异方差性，对相关数据进行对数化处理，建立模型如下：

INect=a+bINept+cINinct+dINpopt+μt

(4)

其中ec表示居民生活电力消费量，ep表示民用电价格，inc表示居民人均可支配收入，pop表示家庭人口规模。为了反映出这些因素对居民生活电力消费量的动态影响，基于公式(4)构建可变参数模型：

INect=a+btINept+ctINinct+dtINpopt++μt

(5)

(6)

公式(5)是量测方程，表示居民电价、居民收入水平、家庭人口规模等因素与居民生活电力消费之间的关系。公式(6)是状态方程，分别采用一阶马尔可夫过程表示不可观测变量bt、ct和dt，本文以递归形式定义状态方程，φ和η均为递归系数。变参数bt、ct、和dt的值可采用卡尔曼滤波算法(Kalmanfiltering)进行估算。

(三)变量说明及数据来源

在上述模型中：居民生活电价指标参考宋炜等(2006)提出的方法，以居民消费水电价格指数和社会零售物价指数之比表征[4]；居民收入水平以居民平均可支配收入表征；家庭人口规模指标以各年度家庭总户数表征。各年度家庭总户数、居民平均可支配收入(用居民消费价格指数调整为1985年不变价)、居民消费水电价格指数和社会零售物价指数数据均来自于1986-2014年的《中国统计年鉴》，居民生活电力消费数据出自1986-2014年的《中国电力年鉴》。本文数据处理采用的是Eviews8.0软件。

二、实证分析结果

(一)变量平稳性检验

对各变量进行平稳性检验以避免伪回归，平稳性检验结果见表1。INec、INep、INinc和INpop分别在10%、5%、10%和10%显著水平下拒绝原假设，因此它们均为平稳序列，满足协整检验的前提条件。

表1　变量平稳性检验结果

注：检验类型(c,t,k)分别表示单位根检验中是否包含有常数项c、时间趋势项t和滞后阶数k；*、**分别表示在10%、5%水平下拒绝零假设。

(二)协整性检验

由表2的变量协整检验结果可知，在5%显著性水平下，迹检验和最大特征根检验均拒绝了无协整关系的原假设，INec、INep、INinc和INpop序列之间存在协整关系，也就是说各变量之间存在稳定的长期均衡关系，可以用这4个变量为可观测变量，所建立的量测方程不会出现“伪回归”问题。

表2　变量协整检验结果

(三)回归结果

根据上述一系列数据处理和检验说明，运用Kalman滤波对前文构建的状态空间模型进行估计，估计结果见表3，由表3可知所有状态变量都是显著的。

表3　状态空间模型估计结果

注：*、**、***分别表示在10%、5%和1%水平下拒绝零假设。

最后计算出R2和DW统计量，具体估计出来的方程为：

INect=-7.828 2+btINept+ctINinct+dtINpopt

(7)

由于状态空间模型采用的卡尔曼滤波算法比较特殊，其前面几期的参数值随机性和波动幅度比较大，一般没有实际意义[10]。通过观察表4可以发现，三种弹性的取值在1995年之后开始呈现逐渐收敛的态势，因此本文认为1995年以后的状态空间模型回归系数估算值是有效的，可以对表4进行实际分析。

表4　变参数估计结果

注：bt、ct和dt分别为居民生活电力消费量对居民电价、居民收入和家庭人口规模的弹性值。

三、结果分析

(一)整体分析

从表4可知，总体上来看，居民电价对居民生活电力消费的变弹性系数为负值，说明居民电价的增长会减弱居民对生活电力消费的需求；居民收入和家庭人口规模对居民生活电力消费的变弹性系数为正值，这说明居民收入和家庭数量增长会增加对居民生活电力消费的需求，只是这两个变量的变弹性系数及变化趋势存在差异性。从变弹性系数绝对值来看，居民收入对居民生活电力消费弹性系数最大，表明居民收入仍是影响居民生活电力消费的主要因素。从弹性系数变化幅度来看，居民生活电力消费的价格弹性波动幅度最大，而家庭人口规模、居民收入波动幅度较小，相对平稳。

(二)各变量的弹性变化趋势分析

1.电价弹性变化趋势分析

从电价弹性上来看，居民生活电力需求的价格弹性一直为负值，这说明电价上升会引起居民生活电力消费的减少。总体来看，1994-2013年间我国居民生活电力消费价格弹性呈现下降趋势；1995-1997年价格弹性逐年下降；1997-2005年间价格弹性在-0.4-0.52之间上下波动，此后虽仍有小幅度波动但是整体向-0.38收敛，我国居民生活电力需求是缺乏弹性的。沈晓波(2014)研究指出我国农村居民电力消费需求的价格弹性为-0.13-0.2[3]，与本文计算的居民生活电力消费价格弹性方向是一致的(均为负数)，但是取值范围存在一定差异，产生这种差异的原因可能在于城镇居民生活电力消费价格弹性显著高于农村居民(按照本文计算的城乡总体电价弹性为-0.38，参考沈晓波针对乡村居民电力消费计算的电价弹性，我们可以推测城镇居民电价弹性要高于-0.38，也就是说城镇居民电价弹性可能比乡村居民高出至少2-3倍)，这种差异是合理的，原因是：第一，目前我国农村居民的生活电力消费仍旧以满足日常基本生活需求为主(如照明等)且用电量小，电价的变化不会对农村居民的生活用电需求产生很大影响；第二，随着我国经济的发展，居民收入水平提高，城镇居民相较于农村居民收入水平提高幅度更大，因此城镇居民会先于农村居民追求更高的生活品质，例如安装空调、电热水器、使用电器进行烹饪等，这些高耗能电器一方面可以给城市居民带来更加舒适和便利的生活；另一方面，城镇居民朴素生活习惯的形成具有锁定效应，并且当前大部分城镇居民的收入提高水平还不足以支撑他们无视电价问题、实现随心所欲的电力消费，因此居民电价升高可能会影响城镇居民使用这些高耗能电器的频率、选择在某些低电价时段使用高耗能电器、或者促使城镇居民转而使用更加节能的电器以减少电力消费量。

2.居民收入弹性变化趋势分析

居民收入弹性系数值均为正，2000年之后居民电力消费的收入弹性在0.88-0.95之间小幅度波动，这一方面说明收入提高对居民生活电力消费具有明显的促进作用，另一方面说明我国居民生活电力消费需求仍存在很大的潜力。居民收入水平是影响我国居民生活能源消费的最重要因素，该判断与沈晓波(2014)针对农村居民电力消费需求[3]、宋炜等(2006)针对城镇居民生活电力需求关键影响因素[4]的分析结果一致。整体来看，收入弹性呈现阶段性波动趋势，1995-1997年收入弹性逐渐增加，该阶段随着居民收入的提高，人们对改善生活质量、增加家用电器的需求比较旺盛；1997-1999年收入弹性降低，这可能与1997年爆发的亚洲金融危机有关，该阶段人们更倾向于更谨慎的电力消费模式；在2000年出现轻微反弹后，2000-2004年收入弹性开始继续下降；2005-2009年收入弹性逐年小幅度上升，该时期国家大力推广“家电下乡”活动，使得大量收入较低的家庭也可以使用到物美价廉的电器以改善生活质量，短期内家电消费的激增必然会带来电力消费收入弹性的增加；2010-2013居民生活电力消费的收入弹性趋于稳定。根据《中国住户调查年鉴2011》数据计算[11]，目前我国居民电力消费支出仅占总能源消费支出的一半左右，由于生活习惯的惯性以及日常生活设备的锁定效应，人们生活用能可能更倾向于传统燃料，尚未完全实现日常生活电气化。

3.家庭人口规模弹性变化趋势分析

家庭人口规模弹性系数值均为正，说明随着家庭数量的增加，家庭必备电器的需求量也会增加，进而带动居民生活电力消费的增长。这种正效应随时间推进呈现波动性态势。1994-1997年家庭人口规模弹性短暂减少后，在1997-2003年出现略微增长，此后开始逐年下降，最终收敛于0.38左右，这可能一方面得益于家用电器节能效率的提高和人们日益增长的家电使用效率，另一方面，家庭对于可再生能源的使用也有助于降低家庭人口规模弹性。由于我国家庭日益向小型化转化，家庭规模变小、家庭数量增多以及居民消费水平的日益增长必然会带来家电消费量及使用的增长，使得居民生活电力消费总量增加，因此，提高家用电器的能耗标准、倡导使用节能环保型家电将有助于降低居民电力消费的快速增加。

四、结论与建议

本文定量分析了近20年来家庭人口规模、居民收入水平、居民电价变化对中国居民生活电力消费的动态影响。研究结果显示：居民电价对生活电力需求有削弱作用，城乡居民生活电力消费的电价弹性仍存在显著差异；居民收入和家庭人口规模对居民生活电力需求均存在促进作用。居民收入是影响生活电力消费的主要因素，家庭人口规模对生活电力需求的弹性系数为正值，中国家庭规模日益呈现小型化、家庭数量逐年增加会带来更多的居民生活电力消费量。

假设居民电力消费的价格弹性、收入弹性和家庭人口规模弹性维持其收敛值不变，我们尝试计算2020年中国居民电力消费的变化状况：十八大报告中称，到2020年“实现城乡居民人均收入比2010年翻一番”，据此估算，2020年居民可支配收入(以调整为1985年不变价计算)比2013年增加了41.2%；中国电价并非市场化的产物，居民生活消费领域的电价短期波动幅度几乎可以忽略不计，因此假设2020年居民电价维持2013年电价水平不变；家庭规模小型化和家庭数量增加是中国经济社会发展的必然趋势，据估算1990-2013年间中国家庭数量年均增长率为2%，因此2020年家庭数量将比2013年增加14.8%，在保持居民生活用电习惯不变、电力生产技术、电器技术没有巨大变革的前提下，根据以上假设可得2020年居民电力消费将比2013年增加44.96%，达到11 143亿千瓦时，该估计值低于谭显东等(2010)的预测结果(14 576亿千瓦时)[1]，原因可能有三点：第一，未考虑电价变化趋势问题，随着发电技术的进步和电力市场的逐步放开，电价呈现下降趋势，例如，2015年4月国家发改委曾下发通知将全国燃煤发电上网电价平均每千瓦时降低约2分钱。需要强调的是，由于国家提出2020年可再生能源占总能源消费15%的目标以及发展“绿电”计划，短期内无法实现上网平价的可再生能源发电技术可能需要普通消费者支付更多的电费用以支持绿电发展[12-13]，这些原因使得对于未来电价变化趋势的预测变得颇为困难。第二，本文构建空间状态模型的目的是以动态视角观察居民电力消费的价格弹性、收入弹性及家庭人口规模弹性变化过程，从以上实证研究中可以发现：各弹性系数是处在动态波动中的，对状态方程(6)中各系数(φ1、φ2、φ3)的评估结果虽然数量单位极小，但均为正值，这说明我们以2013年各指标弹性系数预测2020年居民电力消费量的结果要稍低于实际状况。第三，本文构建的模型仅考虑了影响居民电力消费的基本宏观因素，实际上还有其他因素可能作用于居民电力消费，例如传统能源价格变化、国家对基于可再生能源发电的绿电政策的推行强度、家用电器效率提升等。

随着居民收入水平的提高以及家庭人口规模日益下降、家庭数量逐年增加，居民生活电力需求也在逐年升高，这给生态环境带来了很大的压力，也是我国追求低碳发展过程中无法忽视的问题。虽然国家和地方政府采取了阶梯电价、能效标签等措施促使居民提高生活用电效率，但是单纯的从需求视角寻求解决问题的办法是远远不够的，基于供给视角提高电厂的发电效率、寻求多样化的发电手段、鼓励诸如风力发电、生物质发电和光伏发电等绿色发电技术的创新等措施应该能更好的缓解居民日益增长的电力需求与环境恶化之间的矛盾。

从国家层面研究居民生活电力消费的三大主要影响因素：居民收入水平、家庭人口规模、电价水平。实际上居民生活电力消费与替代能源价格、家用电器效率的改进、创新发电技术的发展、国家环保政策推进力度、本地区气温等因素也存在很大关系，由于数据搜集方面的限制，目前尚无法针对这些指标与居民生活电力消费的关系做定量分析，但是基于某一特定地区的定量研究可能会减少数据获取方面的难度，这将是本文下一步的研究方向。

[1]谭显东，单葆国，徐敏杰.基于投入产出法的中长期电力需求模拟[J].中国电力，2010(1)：1-4.

[2]林伯强.中国能源发展报告[M].北京：清华大学出版社，2011.

[3]沈小波.中国农村居民电力需求的影响因素[J].统计研究，2014(1)：84-90.

[4]宋炜，顾阿伦，吴宗鑫.城镇居民生活用电需求预测模型[J].中国电力，2006，39(9)：67-70.

[5]Achão C, Schaeffer R.Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period: measuring the activity, intensity and structure effects [J].Energy policy, 2009, 37(12):5208-5220.

[6]董军，吴鸣.我国居民电力消费影响因素的协整研究[J].水电能源科学，2011，29(9)：185-187.

[7]Arisoy I, Ozturk I.Estimating industrial and residential electricity demand in Turkey: A time varying parameter approach [J].Energy, 2014(66):959-964.

[8]朱凯，尹海涛.中国居民生活电力消费的分解分析[J].中国电力，2014，47(3)：130-134.

[9]Dietz T, Rosa E A.Rethinking the environmental impacts of population, affluence and technology [J].Human Ecology Review, 1994(1):277-300.

[10]李国志.基于状态空间模型的日本碳排放影响因素分析及启示[J].资源科学，2013，35(9)：1847-1854.

[11]国家统计局住户调查办公室.中国住户调查年鉴[M].北京：中国统计,2011.

[12]王斯成.分布式光伏发电政策现状及发展趋势[J].太阳能,2013(8)：8-19.

[13]Wang Y, Zhou S, Huo H.Cost and CO2reductions of solar photovoltaic power generation in China: Perspectives for 2020[J].Renewable & Sustainable Energy Reviews, 2014,39(6):370-380.

A Study on Influencing Factors of China Residential Electricity Consumption

RU Xing-jun，WANG Cong-ying

(SchoolofManagement，HangzhouDianziUniversity，HangzhouZhejiang310018，China)

The dynamic effects on the residential electricity consumption of the following three variables related with the household population size, the residential income level and the residential electricity prices from 1985-2013 in China are analyzed based on the STIRPAT model.The results show that the residential electricity prices to the varying elastic coefficients is negative, which makes a dent in the residential power demand, whereas, the varying elastic coefficients of residential income level and the household population size are positive and both of them promote the residential electricity consumption though the elastic coefficient is decreasing and the elastic price of the residential electricity consumption is 2-3 times more than that of the rural residents.The residential income elasticity coefficient to the residential electricity consumption is the largest and keeps increasing, which becomes the main influencing factor in the residential electricity consumption.It is predicted that the residential electricity consumption will be increased at least 44.96% in the year of 2020 compared with that of in 2013 in China based on the state space model, the goal of the national economic development and the short-term social status development.

residential electricity consumption; state space model; residential electricity prices; residential income; household population size

10.13954/j.cnki.hduss.2016.05.003

2015-06-23

浙江省哲学社会科学规划重点课题(16NDJC002Z)；浙江省教育厅科研项目(Y201533690)；杭州电子科技大学科研启动基金(KYS035614025)

汝醒君(1986-)，女，安徽亳州人，讲师，绿色消费、能源与可持续发展.

F206

B

1001-9146(2016)05-0014-06