“新常態(tài)”下的中國天然氣消費(fèi)分析及預(yù)測(cè)

柴 建 ， 王亞茹* ， KIN Keung-lai

(1.西安電子科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710126; 2.陜西師范大學(xué) 國際商學(xué)院，陜西 西安 710062； 3.香港城市大學(xué) 管理科學(xué)系，香港 999097)

0 引言

當(dāng)前，化石能源的過度使用加速了溫室效應(yīng)等氣候變化，《哥本哈根協(xié)議》之后，節(jié)能減排、走低碳經(jīng)濟(jì)之路成為各國應(yīng)對(duì)氣候變化的共識(shí)。中國承諾到2020年單位GDP二氧化碳排放比2005年下降40%～45%，實(shí)現(xiàn)減排目標(biāo)的有效措施是增加可再生能源和天然氣在一次能源消費(fèi)者的占比。

相對(duì)于天然氣而言，可再生能源由于其特有的資源和環(huán)境優(yōu)勢(shì)，逐步成為眾多國家能源發(fā)展的戰(zhàn)略選擇[1]。近幾年內(nèi)，中國的可再生能源在能源結(jié)構(gòu)中的比重不斷上升，從“十一五”初的6.5%提高到了2015年的11.8%?？稍偕茉磳?duì)天然氣消費(fèi)產(chǎn)生一定的替代效應(yīng)從而抑制天然氣需求量的增加。另一方面，中國天然氣在一次能源中的比率經(jīng)過幾年的努力從2.7%提高到4%左右，在2015年天然氣門站價(jià)下調(diào)以后，2016年中國天然氣消費(fèi)量顯著增長，隨著天然氣行業(yè)市場(chǎng)化進(jìn)程的推進(jìn)，國內(nèi)氣價(jià)仍有下調(diào)空間，這將刺激未來天然氣需求量增加。綜上所述，未來中國天然氣消費(fèi)量變化情況難以確定。因此，對(duì)中國天然氣未來的消費(fèi)量進(jìn)行準(zhǔn)確的預(yù)測(cè)是十分必要的。與此同時(shí)，隨著國家經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，影響天然氣消費(fèi)的不確定性因素也在增加。但以前與天然氣消費(fèi)預(yù)測(cè)相關(guān)的文獻(xiàn)考慮的影響因素較少，難以準(zhǔn)確的分析與預(yù)測(cè)未來的天然氣消費(fèi)情況。因此，從全方位多角度考慮天然氣消費(fèi)影響因素，研究未來天然氣消費(fèi)情況具有十分重要的現(xiàn)實(shí)意義[2]。

1 文獻(xiàn)綜述

天然氣需求量預(yù)測(cè)作為能源領(lǐng)域的重要研究?jī)?nèi)容，引起了學(xué)術(shù)界的廣泛關(guān)注。就相關(guān)的問題，本文從多個(gè)角度與層次對(duì)天然氣消費(fèi)問題進(jìn)行分析。主要的研究集中在以下兩方面：

(1)天然氣消費(fèi)影響因素:影響能源消費(fèi)的主要有經(jīng)濟(jì)增長，人口狀況，經(jīng)濟(jì)結(jié)構(gòu)，能源價(jià)格等因素。Shahbaz等[3]通過建立了一個(gè)包含有投資、就業(yè)人數(shù)、出口影響因素在內(nèi)的多元框架模型，探討了巴基斯坦天然氣消費(fèi)與經(jīng)濟(jì)增長的關(guān)系。結(jié)果表明經(jīng)濟(jì)的增長促進(jìn)天然氣消費(fèi)量的增加。?zge Dilaver等[4]利用1978～2011年OECD歐洲年度數(shù)據(jù)建立了結(jié)構(gòu)時(shí)間序列模型，分析得到天然氣消費(fèi)量的收入與價(jià)格彈性分別是1.19和-0.16?？梢钥闯鍪杖胧翘烊粴庀M(fèi)量的促進(jìn)型因素而價(jià)格則是抑制型因素。Wang等[5]將協(xié)整檢驗(yàn)和誤差修正模型應(yīng)用于分析居民、商業(yè)、工業(yè)三個(gè)不同行業(yè)的天然氣消費(fèi)量與價(jià)格之間的關(guān)系，結(jié)果發(fā)現(xiàn)在長期看來，居民的天然氣消費(fèi)量的價(jià)格彈性大于其他行業(yè)。綜合分析相關(guān)文獻(xiàn)，影響天然氣消費(fèi)的因素主要有經(jīng)濟(jì)發(fā)展水平、國家人口狀況、產(chǎn)業(yè)結(jié)構(gòu)、天然氣價(jià)格水平、能源結(jié)構(gòu)等。

(2)預(yù)測(cè)方法：Rodger等[6]和Szoplik[7]利用天然氣消費(fèi)量的數(shù)據(jù)建立了人工神經(jīng)網(wǎng)絡(luò)模型，從而分析與預(yù)測(cè)天然氣消費(fèi)量的季節(jié)性趨勢(shì)。最終結(jié)果顯示，人工神經(jīng)網(wǎng)絡(luò)模型的結(jié)果令人滿意。Yu等[8]通過廣泛的分析比較BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的幾種組合，他們發(fā)現(xiàn)附加動(dòng)量因子改進(jìn)模型，為短期燃?xì)庳?fù)荷預(yù)測(cè)提供了較為理想的解決方案。Bianco等[9]利用意大利1990～2011年GDP、天然氣價(jià)格、溫度與非住宅天然氣消費(fèi)量的數(shù)據(jù)建立了回歸方程，預(yù)測(cè)到2030年意大利的非住宅天然氣消費(fèi)量將達(dá)到320～430億立方米。Bianco等[10]利用1990～2012年意大利的人口、國內(nèi)生產(chǎn)總值(GDP)、供暖天數(shù)、住宅部門的天然氣消費(fèi)量和價(jià)格建立了多元線性模型對(duì)意大利住宅天然氣消費(fèi)量進(jìn)行預(yù)測(cè)。預(yù)測(cè)到2030年天然氣的消費(fèi)量較1990年的消費(fèi)量翻一番。盧全瑩等[11]首先利用通徑分析篩選出天然氣消費(fèi)的核心影響因素，發(fā)現(xiàn)人口和城鎮(zhèn)化率是天然氣消費(fèi)的主要推動(dòng)因素，GDP是天然氣消費(fèi)的主要限制因素。然后，運(yùn)用智能算法RBF神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型對(duì)我國天然氣消費(fèi)進(jìn)行分析和預(yù)測(cè)，結(jié)果表明“十二五”末，中國天然氣消費(fèi)量將近178 532.1百萬立方米，2020年中國天然氣消費(fèi)量將近261 853.0百萬立方米。Zeng等[12]利用2002～2014年的數(shù)據(jù)構(gòu)建了自適應(yīng)智能灰色預(yù)測(cè)模型(SIGM)，結(jié)果顯示模型模擬效果良好，預(yù)測(cè)結(jié)果顯示2015～2020年天然氣消費(fèi)量急速增加。Wang等[13]分別利用多循環(huán)Hubbert模型和GM(1，1)模型對(duì)中國天然氣產(chǎn)量和消費(fèi)量進(jìn)行預(yù)測(cè)，實(shí)證結(jié)果表明，未來的供需缺口將越來越大。在影響因素選擇方面，文獻(xiàn)中的預(yù)測(cè)模型考慮的因素個(gè)數(shù)較少，預(yù)測(cè)結(jié)果難以準(zhǔn)確；其次，由于單個(gè)模型自身的適用性和限制性，預(yù)測(cè)目標(biāo)所處環(huán)境及趨勢(shì)發(fā)展的不確定性，使得僅僅使用單一模型進(jìn)行預(yù)測(cè)分析的風(fēng)險(xiǎn)加大。

關(guān)于組合預(yù)測(cè)模型，Bates等[14]在研究航空旅客數(shù)據(jù)時(shí)，最早提出了使用模型組合的方法進(jìn)行預(yù)測(cè)分析，結(jié)果表明組合預(yù)測(cè)模型方法優(yōu)于任何單一模型。該文引發(fā)了二十世紀(jì)七十年代大量關(guān)于模型組合理論的研究及應(yīng)用。Xu等[15]利用2009～2015年中國天然氣消費(fèi)量的數(shù)據(jù)，將二階多項(xiàng)式曲線模型與移動(dòng)平均模型相結(jié)合建立了PCMACP模型，對(duì)中國天然氣消費(fèi)量進(jìn)行預(yù)測(cè)分析，最終模型所得的平均誤差為3.82%，明顯低于二階多項(xiàng)式曲線模型與移動(dòng)平均模型的平均誤差。柴建等[16]在模型選擇的基礎(chǔ)上，基于單變量( ETS、ARIMA 模型) 和多變量( 情景分析) 兩個(gè)維度，在給予三個(gè)模型同等權(quán)重的基礎(chǔ)之上建立了組合模型，進(jìn)行電力需求量分析及預(yù)測(cè)。Xu等[15]所建立的組合模型，相對(duì)于單一模型而言，雖然在精度上有所提高，但是該組合模型只是考慮了兩個(gè)單一模型，且其考慮的影響天然氣消費(fèi)的因素較少，因此其預(yù)測(cè)精度難以達(dá)到準(zhǔn)確。BMA方法則使用模型后驗(yàn)概率加權(quán)平均備選模型，其理論依據(jù)較強(qiáng)。陳偉、牛霖琳[17]均在中國宏觀經(jīng)濟(jì)預(yù)測(cè)中使用了貝葉斯模型平均法(BMA)，預(yù)測(cè)結(jié)果表明BMA預(yù)測(cè)精度高于其他單一模型。

在總結(jié)前人研究的基礎(chǔ)上，本文通過分析經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、人口狀況、能源結(jié)構(gòu)、天然氣產(chǎn)業(yè)的投資、能源加工轉(zhuǎn)換效率等情況，提取了12個(gè)變量作為影響天然氣消費(fèi)的解釋變量，并抽選出相關(guān)文獻(xiàn)中常用的6個(gè)變量用以構(gòu)建基準(zhǔn)BMA模型，基于此，逐次增加其他相關(guān)變量建立一個(gè)BMA模型集合，對(duì)比分析后從中選取預(yù)測(cè)精度最高的模型對(duì)未來中國天然氣消費(fèi)量進(jìn)行預(yù)測(cè)，這也是本文的創(chuàng)新之處。以往文章或者只建立單一模型進(jìn)行因素分析；或者考慮到的影響因素太少，并不能全面的整合影響天然氣消費(fèi)的因素；或者預(yù)測(cè)模型中選取的影響因素只是憑借經(jīng)驗(yàn)之談，缺乏必要的實(shí)證分析。

2 模型描述

現(xiàn)代各種預(yù)測(cè)模型多是對(duì)已知數(shù)據(jù)的分析，通過找到已知數(shù)據(jù)的內(nèi)在規(guī)律與相互依賴關(guān)系，從而獲得對(duì)未知數(shù)據(jù)預(yù)測(cè)能力。這通常是在樣本數(shù)據(jù)足夠多的情況下，在樣本數(shù)據(jù)比較少的情況下，預(yù)測(cè)效果往往不甚理想。例如，在樣本數(shù)少于變量數(shù)的情況下，采用常規(guī)回歸方法分析各個(gè)解釋變量對(duì)因變量的作用時(shí)，得到的系數(shù)通常不穩(wěn)定，其預(yù)測(cè)結(jié)果不可靠，此時(shí)需采用分階段分批逐步回歸的篩選方法，調(diào)整樣本數(shù)與變量數(shù)間的對(duì)比關(guān)系，彌補(bǔ)樣本數(shù)不足的情況，從而獲得較為理想結(jié)果。

在商業(yè)、工程、軍事等各個(gè)領(lǐng)域中小樣本數(shù)據(jù)是廣泛存在的，由于可獲得的樣本量較少，所以通過僅有的小樣本數(shù)據(jù)獲得新信息的難度也比較大。因此利用小樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，即在信息量有限情況下，需要適當(dāng)?shù)恼{(diào)整建模方法和利用高效的算法對(duì)潛在信息進(jìn)行挖掘，從而找出信息間的規(guī)律性，再利用此規(guī)律對(duì)未知數(shù)據(jù)信息進(jìn)行有效地預(yù)測(cè)。在已知的預(yù)測(cè)模型中，貝葉斯法通過把所求參數(shù)看成隨機(jī)變量，求得的后驗(yàn)分布為參數(shù)的概率分布區(qū)間，再利用先驗(yàn)分布，用小樣本數(shù)據(jù)得到概率估計(jì)值，該類模型的優(yōu)勢(shì)是通過充分利用各類先驗(yàn)信息，從而可以降低對(duì)樣本容量的依賴程度，使得在相同評(píng)估精度要求條件下，需要利用的樣本容量可以相對(duì)減少。

與此同時(shí)，比起僅使用單一模型，貝葉斯模型平均法作為一種基于貝葉斯理論的將模型本身的不確定性考慮在內(nèi)的統(tǒng)計(jì)分析方法，其涵蓋的信息更加豐富，能更好地模擬現(xiàn)實(shí)經(jīng)濟(jì)體，因而用于預(yù)測(cè)時(shí)能夠提供更加貼近現(xiàn)實(shí)的預(yù)測(cè)值。自1978年 Leamer提出貝葉斯模型平均法的框架之后，除了在數(shù)學(xué)統(tǒng)計(jì)方面的應(yīng)用[18～20]，BMA也經(jīng)濟(jì)學(xué)上得到廣泛的應(yīng)用，如產(chǎn)量增長預(yù)測(cè)，匯率預(yù)測(cè)，股票收益的預(yù)測(cè)和預(yù)測(cè)通貨膨脹等[21～23]。

設(shè)y為綜合預(yù)測(cè)值，D為可獲得的已知數(shù)據(jù)，M1,M2,…,MR代表所有可能的模型，而哪一個(gè)模型是最佳模型事先并不知道，即模型本身存在著不確定性。

根據(jù)貝葉斯模型平均法的理論，綜合預(yù)測(cè)值y的后驗(yàn)分布為：

(1)

其中，p(Mi/D)為在給定數(shù)據(jù)D的條件下模型Mi的后驗(yàn)分布，其形式為：

(2)

(3)

解釋變量與天然氣消費(fèi)量之間的關(guān)系并不一定是線性模型，在這里本文將變量的值進(jìn)行了對(duì)數(shù)化處理，所構(gòu)建的線性模型已經(jīng)體現(xiàn)了指數(shù)及冪函數(shù)的非線性關(guān)系。因此先假設(shè)單一模型為對(duì)原始數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理后的線性模型，其設(shè)定如下表示：

(4)

其中，y=(y1,y2,…,yt)是天然氣消費(fèi)量，xi為解釋變量，β=(β1,β2,…,βp)是參數(shù)向量。

有上述公式可知，BMA模型進(jìn)行建模分析數(shù)據(jù)的過程中，最重要的是計(jì)算出所有備選模型的后驗(yàn)概率，即各個(gè)備選模型的權(quán)重。本文是通過利用貝葉斯信息準(zhǔn)則(BIC)來估計(jì)所有備選模型的后驗(yàn)概率[24]。L(D/Mi,θi)是樣本數(shù)據(jù)D在模Mi的極大似然。如果是k模型中的參數(shù)個(gè)數(shù)，那么模型Mi上的BIC定義為：

(5)

式中，τ表示懲罰因子，L(D/Mi,θi)表示在給定模型Mi下樣本數(shù)據(jù)D的似然函數(shù)，且L(D/Mi,θi)為：

(6)

(7)

最后進(jìn)行預(yù)測(cè)精度的評(píng)價(jià)，本文使用RMSE(均方根誤差)來評(píng)價(jià)模型的預(yù)測(cè)精度。

(8)

3 模型應(yīng)用

3.1 數(shù)據(jù)描述

本文數(shù)據(jù)來自Wind數(shù)據(jù)庫，在解釋變量選擇方面，遵循如下兩個(gè)原則：其一，所選擇的變量均是近年來中國天然氣消費(fèi)分析的實(shí)證研究領(lǐng)域中經(jīng)常出現(xiàn)的；其二，所選擇解釋變量的觀測(cè)數(shù)據(jù)具有較好的獲得性。由以上原則，本文選取了12個(gè)影響因素作為影響天然氣消費(fèi)量的解釋變量。因素主要包含經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)組成結(jié)構(gòu)、替代品的市場(chǎng)占有率、天然氣產(chǎn)業(yè)的投資等，因此本文搜集了以下因素的2003～2016年度數(shù)據(jù)：(1)由于大部分天然氣在工業(yè)領(lǐng)域使用，且第二產(chǎn)業(yè)占國內(nèi)生產(chǎn)總值的比重較大，因此GDP中工業(yè)占比(%)是影響天然氣消費(fèi)的重要因素；(2)經(jīng)濟(jì)的發(fā)展影響了中國的能源消費(fèi)量，因此收集了GDP(億元)的數(shù)據(jù)；(3)能源具有不可再生性，因此其未來消費(fèi)量的預(yù)測(cè)應(yīng)考慮該種天然氣的中國年產(chǎn)量(十億立方米)、天然氣對(duì)外依存度(%)；(4)煤炭、石油、可再生能源作為天然氣的替代品，其市場(chǎng)份額的占有率也是影響天然氣消費(fèi)的主要因素，其次在低碳政策要求下，可再生能源是最具有影響力的，因此將煤炭、石油、可再生能源(核電、風(fēng)電、水電)占能源消費(fèi)總量比重(%)納入模型進(jìn)行分析；(5)天然氣管道基礎(chǔ)設(shè)施建設(shè)能夠促進(jìn)居民生活天然氣消費(fèi)量的增加，用氣人口增加，單位長度的管道服務(wù)的人口隨之增加，能夠促進(jìn)居民生活天然氣消費(fèi)量的增加，天然氣管道基礎(chǔ)設(shè)施的建設(shè)大力促進(jìn)了天然氣的消費(fèi)[24]。因此將分析天然氣管道長度與反映城市結(jié)構(gòu)變化的城鎮(zhèn)化率(城鎮(zhèn)人口占總?cè)丝诒嚷时硎?(%)，又由于天然氣生活消費(fèi)主要是以戶為單位進(jìn)行消費(fèi)的，因此年底總戶數(shù)(戶)也是影響天然氣消費(fèi)量主要因素之一。(6)技術(shù)進(jìn)步提高能源利用效率而從而節(jié)約能源[25]，能源加工轉(zhuǎn)換率的增加能夠提高天然氣利用效率從而限制天然氣需求。因此預(yù)測(cè)模型中應(yīng)該考慮能源加工轉(zhuǎn)換效率的影響。(7)天然氣價(jià)格對(duì)天然氣消費(fèi)有負(fù)效應(yīng)，因此預(yù)測(cè)模型中理應(yīng)納入價(jià)格因素，由于天然氣出廠價(jià)格之后的加成成本由政府行政控制，所以，出廠價(jià)格大致能反映天然氣的價(jià)格水平，該價(jià)格指數(shù)(燃?xì)馍a(chǎn)和供應(yīng)業(yè)出廠價(jià)格指數(shù))上升將抑制天然氣的需求。具體情況如表1所示。

根據(jù)數(shù)據(jù)的可得性，選取2003年到2016年數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，利用80/20法則，從這些數(shù)據(jù)中提取2003年到2013年數(shù)據(jù)子集建立BMA模型，2014年到2016年的數(shù)據(jù)驗(yàn)證模型，然后滾動(dòng)預(yù)測(cè)2017年到2022年的天然氣消費(fèi)量。

表1 天然氣消費(fèi)量的影響因素

注釋：0表示原始數(shù)據(jù)，1表示對(duì)數(shù)化處理，即ln(xi)。

3.2 模型設(shè)定

通過閱讀大量文獻(xiàn)發(fā)現(xiàn)，GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、城鎮(zhèn)化率是預(yù)測(cè)天然氣消費(fèi)量模型中出現(xiàn)頻率較高的影響因素[26～32]，除此之外天然氣價(jià)格、對(duì)外依存度、天然氣產(chǎn)量、天然氣管道長度、能源轉(zhuǎn)換效率、普查人口(總戶數(shù))也是影響天然氣消費(fèi)量的因素[33～37]，但是這些因素在中國天然氣消費(fèi)量預(yù)測(cè)模型中出現(xiàn)的概率較低或者從未被當(dāng)作解釋變量納入預(yù)測(cè)模型之中。因此本文首先構(gòu)建了包含6個(gè)常用影響因素的基準(zhǔn)模型，其次通過逐次添加利用頻率較低的因素方式建立了其余61個(gè)模型。表2是對(duì)各個(gè)模型設(shè)定的描述。

表2 模型設(shè)定描述

3.3 實(shí)證結(jié)果分析

本文利用R軟件基于貝葉斯信息準(zhǔn)則對(duì)所有的備選模型做了貝葉斯模型平均[38]。以均方根誤差作為評(píng)價(jià)模型預(yù)測(cè)精度指標(biāo)，各個(gè)模型的預(yù)測(cè)精度及相對(duì)于基準(zhǔn)模型而言預(yù)測(cè)精度變化如表3所示。

表3 模型預(yù)測(cè)精度

注釋：預(yù)測(cè)精度變化項(xiàng)中負(fù)號(hào)表示模型預(yù)測(cè)精度降低。

由表3可知，相對(duì)于基準(zhǔn)模型，除M2的預(yù)測(cè)精度下降12.5%以外，其余模型的預(yù)測(cè)精度均有所增加。若在基準(zhǔn)模型的基礎(chǔ)之上只增加一個(gè)解釋變量，加入天然氣管道變量反而降低了模型的預(yù)測(cè)精度，這可能是因?yàn)橹袊烊粴夤艿澜ㄔO(shè)仍處于發(fā)展階段且由政府管控投資建設(shè)，該變量無法準(zhǔn)確的反應(yīng)天然氣市場(chǎng)變化；添加天然氣價(jià)格因素可以使得預(yù)測(cè)模型預(yù)測(cè)精度提升16.44%；添加對(duì)外依存度變量可以使得模型預(yù)測(cè)精度提升20.27%；添加能源加工轉(zhuǎn)換率可以使模型的預(yù)測(cè)精度提升9.53%；添加戶籍人口(總戶數(shù))解釋變量可使得模型的預(yù)測(cè)精度提升12.26%；添加中國天然氣年產(chǎn)量可使得模型預(yù)測(cè)精度提升18.32%。所有備選模型中M33的均方根誤差值最小，相對(duì)于基準(zhǔn)模型而言其預(yù)測(cè)精度提高了41.37%，因此本文利用M33對(duì)天然氣消費(fèi)量進(jìn)行預(yù)測(cè)，該模型包含9個(gè)解釋變量，分別是GDP、產(chǎn)業(yè)結(jié)構(gòu)(工業(yè)占比)、占能源消費(fèi)總量比重:原煤、占能源消費(fèi)總量比重:原油、占能源消費(fèi)總量比重:水電核電風(fēng)電、城鎮(zhèn)化率、天然氣價(jià)格、對(duì)外依存度、中國天然氣年產(chǎn)量。

在線性模型假設(shè)下，12個(gè)解釋變量使得備選模型空間達(dá)到212個(gè)。

表4中展示了各個(gè)解釋變量的BMA后驗(yàn)概率大小，BMA后驗(yàn)概率表示如果存在解釋天然氣消費(fèi)量的“真正模型”，該解釋變量包含于“真正模型”中的概率。解釋變量的BMA后驗(yàn)概率越大，表示該變量對(duì)于天然氣消費(fèi)量的解釋力越強(qiáng)。從表2中可以看到，后驗(yàn)概率最大的是x9(對(duì)外依存度)，這說明對(duì)外依存度可以彌補(bǔ)中國天然氣產(chǎn)量不足情況，從而保障天然氣市場(chǎng)的供應(yīng)量，影響市場(chǎng)中的消費(fèi)量。x12(中國天然氣年產(chǎn)量)也是影響天然氣消費(fèi)量的一個(gè)重要因素，其后驗(yàn)概率是89.4%。排在第三、四位的是x6(城鎮(zhèn)化率)、x3(占能源消費(fèi)比重：原煤)，它們的后驗(yàn)概率分別是24.8%和20.5%，這說明城鎮(zhèn)化發(fā)展使得天然氣基礎(chǔ)設(shè)施更健全，居民生活所需天然氣更容易滿足，從而擴(kuò)大天然氣消費(fèi)量；中國煤炭在能源結(jié)構(gòu)中的比例雖有所下降，但其仍是主力能源對(duì)天然氣會(huì)產(chǎn)生較大的替代效應(yīng)。其次x4(占能源消費(fèi)比重：原油)、x5(占能源消費(fèi)比重：水電、核電、風(fēng)電)、x2(產(chǎn)業(yè)結(jié)構(gòu))的后驗(yàn)概率也相對(duì)較大，這表明天然氣消費(fèi)量也受產(chǎn)業(yè)結(jié)構(gòu)與能源結(jié)構(gòu)的影響。

表4 解釋變量后驗(yàn)概率

表5是單一模型的BMA后驗(yàn)概率排名前五位模型列表。根據(jù)所獲得的4096個(gè)模型，進(jìn)行貝葉斯模型平均后所得到的累計(jì)總后驗(yàn)概率的1。且所有備選模型中后驗(yàn)概率最大的模型包含x12(天然氣年產(chǎn)量)、x9(對(duì)外依存度)兩個(gè)變量，該最大后驗(yàn)概率達(dá)到20.5%；其余四個(gè)模型的后驗(yàn)概率均為5.5%，除都包含x12(天然氣年產(chǎn)量)、x9(對(duì)外依存度)外，還分別含有x1(GDP)、x2(產(chǎn)業(yè)結(jié)構(gòu))、x3(占能源消費(fèi)總量比重：原煤)、x4(占能源消費(fèi)總量比重：原油)。假設(shè)以后驗(yàn)概率最大的模型作為“真正模型”解釋天然氣消費(fèi)量，其錯(cuò)誤概率將達(dá)到79.5%，這說明沒有哪個(gè)單一模型能夠以很大的概率證明自己可以代表“真正模型”，表明了單一模型的不確定性，同時(shí)也證明了貝葉斯模型平均方法的重要性。因此所有解釋變量對(duì)天然氣消費(fèi)量的的解釋力度不能夠通過單一模型計(jì)算出來的統(tǒng)計(jì)量判斷，而應(yīng)通過貝葉斯模型平均方法下計(jì)算出的回歸系數(shù)進(jìn)行判斷。

利用各個(gè)單一模型的后驗(yàn)概率加權(quán)平均后所得到的回歸模型為：

y=-1.5971+0.0024x1-0.0006x2

+0.1251x3-0.0562x4+0.0087x5+0.5411x6

-0.0013x7+0.0114x9+0.08643x12

回歸模型中系數(shù)最大的是x12(天然氣年產(chǎn)量)，其次是x6(城鎮(zhèn)化率)，x12變動(dòng)1個(gè)百分點(diǎn)，天然氣消費(fèi)量同方向變動(dòng)0.8643個(gè)百分點(diǎn)；x6變動(dòng)1個(gè)百分點(diǎn)，天然氣消費(fèi)量同方向變動(dòng)0.5411個(gè)百分點(diǎn)。

表5 BMA模型中最優(yōu)的5個(gè)模型

本文根據(jù)80/20法則將2003年至2013年的數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)建立BMA模型，2014年至2016年數(shù)據(jù)作為預(yù)測(cè)集數(shù)據(jù)驗(yàn)證模型的預(yù)測(cè)精度。建立模型后對(duì)2014至2016年天然氣消費(fèi)量進(jìn)行滾動(dòng)預(yù)測(cè)，預(yù)測(cè)值及真實(shí)值如表6所示：

表6 2014至2016年天然氣消費(fèi)量的預(yù)測(cè)值及真實(shí)值(億立方米)

在單變量預(yù)測(cè)方面主要是時(shí)間序列預(yù)測(cè)，時(shí)間序列預(yù)測(cè)用的最多的是平滑預(yù)測(cè)模型和ARIMA預(yù)測(cè)模型；對(duì)于多元線性回歸的變量預(yù)測(cè)，逐步回歸是指在建立多元回歸方程的過程中，逐次選擇最優(yōu)的變量納入模型，逐步回歸是變量最優(yōu)組合；BVAR模型通常在短期預(yù)測(cè)時(shí)能夠提供更高的預(yù)測(cè)精度；等權(quán)重加權(quán)平均法避免了使用單一預(yù)測(cè)模型的缺陷，是在組合預(yù)測(cè)中較為流行的方法。上述五種模型均是其各自領(lǐng)域的代表性模型，所以為了檢測(cè)貝葉斯模型方法的預(yù)測(cè)效果，與ARIMA模型、單變量指數(shù)平滑模型、多變量逐步線性回歸模型、多變量非線性的BVAR模型以及這四個(gè)模型等權(quán)重加權(quán)組合模型的結(jié)果進(jìn)行對(duì)比分析。為了說明BMA模型的預(yù)測(cè)精度情況，接下來以RMSE為評(píng)判標(biāo)準(zhǔn)。

具體情況如表7所示：

表7 不同模型的RMSE

表7中，BMA模型的RMSE最小，以RMSE表示模型的預(yù)測(cè)精度，以ai=(RMSEBMA-bi)/bi表示相對(duì)于其他模型而言BMA的預(yù)測(cè)精度提高百分率，其中bi(i=1,2,3,4,5)分別表示逐步回歸模型(b1)、ARIMA模型(b2)、ETS模型(b3)、BVAR模型(b4)、以及簡(jiǎn)單加權(quán)平均模型(b5)的RMSE值，BMA模型提高的預(yù)測(cè)精度百分比最低為19.24%，最高可達(dá)83.91%。這表明BMA的預(yù)測(cè)效果比ETS模型、BVAR模型、逐步回歸模型、簡(jiǎn)單平均模型的效果好。

從世界經(jīng)濟(jì)信息網(wǎng)可以得到中國GDP的2017～2020年的預(yù)測(cè)值，預(yù)計(jì)2020年中國GDP將達(dá)到989110億元，在世界排名第二。我國國內(nèi)生產(chǎn)總值在2017 年達(dá)到785770億元，年均增長7%，故本文以7%的增長率計(jì)算GDP 變化量。中商產(chǎn)業(yè)研究院發(fā)布的《2015～2020年中國天然氣行業(yè)發(fā)展分析及投資研究報(bào)告》顯示，中國天然氣產(chǎn)量由2010年的958億立方米增加至2015年的1350億立方米，2010年至2015年的復(fù)合年均增長率為7.1%，2020年中國天然氣產(chǎn)量將達(dá)1861億立方米，2022年中國天然氣年產(chǎn)量將達(dá)到2129.36億立方米。蘭海強(qiáng)[39]等人首先對(duì)我國城鎮(zhèn)化率歷史數(shù)據(jù)在統(tǒng)計(jì)口徑上進(jìn)行修正，然后又分別對(duì)四種傳統(tǒng)的預(yù)測(cè)方法進(jìn)行改進(jìn)，最后基于修正的我國城鎮(zhèn)化率歷史數(shù)據(jù)運(yùn)用改進(jìn)的四種方法對(duì)中國城鎮(zhèn)化率進(jìn)行了預(yù)測(cè)。四種預(yù)測(cè)結(jié)果相互印證，由結(jié)果分析得出結(jié)論：中國2020年城鎮(zhèn)化率將達(dá)到63.76%。萬廣華[40]等預(yù)測(cè)到2030年中國城鎮(zhèn)化率降達(dá)到80%。按照這個(gè)預(yù)期，城鎮(zhèn)化的年增長率將達(dá)到2.4%左右，本文以增長率2.4%的標(biāo)準(zhǔn)來設(shè)定2017～2022 年中國的城鎮(zhèn)化率。由上述單變量預(yù)測(cè)模型比較可知，ARIMA模型的預(yù)測(cè)精度高于指數(shù)平滑模型，因此根據(jù)歷史信息利用ARIMA模型對(duì)其余的解釋變量進(jìn)行滾動(dòng)預(yù)測(cè)。

結(jié)合上述信息得到的解釋變量的預(yù)測(cè)值，利用構(gòu)建的BMA模型與情景分析方法，對(duì)2017年至2022年天然氣消費(fèi)量進(jìn)行預(yù)測(cè)，預(yù)測(cè)情況如表8所示。

表8 天然氣消費(fèi)量的預(yù)測(cè)值(億立方米)

十三五期間，國家層面的能源結(jié)構(gòu)優(yōu)化和環(huán)境污染治理成為天然氣消費(fèi)最主要的推動(dòng)力，體現(xiàn)了中國對(duì)于天然氣發(fā)展的重視。按照國務(wù)院《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃(2014～2020年)》，天然氣消費(fèi)市場(chǎng)需求強(qiáng)勁，到2020年天然氣在一次能源消費(fèi)中的比重將提高到10%以上，天然氣消費(fèi)量將達(dá)到4100億立方米。

但是，隨著國家經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，影響天然氣消費(fèi)的不確定性因素也在增加，主要體現(xiàn)在兩個(gè)方面。第一，宏觀經(jīng)濟(jì)增長對(duì)天然氣消費(fèi)的驅(qū)動(dòng)力減弱，很多用氣行業(yè)面臨著效益下降、產(chǎn)能過剩等問題，不僅投資更換燃?xì)庠O(shè)備存在困難，而且對(duì)用氣成本的波動(dòng)更加敏感，導(dǎo)致用戶煤改氣、油改氣的意愿大幅減弱。第二，天然氣行情上行和國際油價(jià)的下探均會(huì)對(duì)天然氣消費(fèi)起到抑制作用。隨著國際油價(jià)的一路下探，天然氣相對(duì)成品油的優(yōu)勢(shì)正在逐漸減弱，同時(shí)由于與煤炭的差價(jià)不斷擴(kuò)大，天然氣在電力、化肥等行業(yè)已完全喪失競(jìng)爭(zhēng)力。2014年，中國天然氣市場(chǎng)已經(jīng)出現(xiàn)區(qū)間性、階段性的供大于求的局面。

綜合考慮各種因素，本文預(yù)計(jì)十三五末我國天然氣消費(fèi)增速將下滑，2020年的天然氣消費(fèi)量將達(dá)到2842.43億立方米，低于國務(wù)院發(fā)展研究中心的預(yù)測(cè)期望值。到2022年天然氣消費(fèi)將為3254.15億立方米，年均增長率為8%。(見表8)。

4 結(jié)論

本文通過對(duì)天然氣消費(fèi)影響因素的深入剖析，選取了12個(gè)解釋變量進(jìn)行研究，從中選取6個(gè)常用的解釋變量構(gòu)建基準(zhǔn)BMA模型，在此基礎(chǔ)上，以逐次添加變量的方式創(chuàng)建了預(yù)測(cè)模型集合，從中選取預(yù)測(cè)精度最優(yōu)的模型對(duì)2017年至2022年的天然氣消費(fèi)量進(jìn)行預(yù)測(cè)。

研究發(fā)現(xiàn)，在現(xiàn)有的數(shù)據(jù)條件下，最優(yōu)的BMA模型包含GDP、產(chǎn)業(yè)結(jié)構(gòu)(工業(yè)占比)、占能源消費(fèi)總量比重:原煤、占能源消費(fèi)總量比重:原油、占能源消費(fèi)總量比重:水電核電風(fēng)電、城鎮(zhèn)化率、天然氣價(jià)格、對(duì)外依存度、中國天然氣年產(chǎn)量9個(gè)解釋變量，相對(duì)于基準(zhǔn)模型而言該模型的預(yù)測(cè)精度提高了41.37%，其中中國天然氣年產(chǎn)量、對(duì)外依存度對(duì)天然氣消費(fèi)量的影響最大。本文通過逐次添加變量的方式定量分析具體添加變量后，模型預(yù)測(cè)精度的提升百分率，克服了現(xiàn)有預(yù)測(cè)模型在解釋變量選擇方面的不確定性。同時(shí)BMA方法通過計(jì)算后驗(yàn)概率并以此為權(quán)重對(duì)所有的備選模型進(jìn)行加權(quán)平均，從而在利用所有得到的模型處理模型選擇中的不確定性問題，克服了現(xiàn)有的單一模型方法與簡(jiǎn)單加權(quán)平均方法的不足。在預(yù)測(cè)精度方面，BMA比單變量的平滑指數(shù)模型、多變量的逐步回歸模型、多變量非線性的BVAR模型、以及等權(quán)組合模型的預(yù)測(cè)效果更好，由此可見貝葉斯模型平均法在理論上與實(shí)證分析上均優(yōu)于單一預(yù)測(cè)模型與簡(jiǎn)單組合模型。由BMA模型預(yù)測(cè)2020年中國天然氣消費(fèi)量將要達(dá)到2842.43億立方米，低于國務(wù)院研究發(fā)展中心預(yù)測(cè)的4100億立方米，到2022年中國天然氣消費(fèi)量將達(dá)到3254.15億立方米，年均增長率將達(dá)到8%。