基于LMDI中國地區(qū)電力消費影響因素空間分解研究

武蘭玉

（1.臨沂大學 商學院，山東 臨沂276005；2.南京航空航天大學 經(jīng)濟學院，江蘇 南京 211106）

電力消費是目前中國最主要的能源消費種類之一，它對經(jīng)濟發(fā)展具有重要影響。我國電力消費量2000年為1.35萬億千瓦時，到2017年達到6.48萬億千瓦時，年均增速超過9.6%。電力消費的快速增長促進了經(jīng)濟的持續(xù)高速發(fā)展，但是中國30個省、市、自治區(qū)的電力消費效率有較大差異。因此對全國30個省、市、自治區(qū)的電力消費效率進行研究，識別和量化電力消費的影響因素，并對30個省、市、自治區(qū)的電力消費效率高低進行排序具有重要意義。

1 文獻回顧

1989年日本學者Kaya提出了經(jīng)典的KAYA恒等式[1]，這一恒等式建立了關(guān)于經(jīng)濟、人口、能源消費和碳排放的經(jīng)典框架。在研究能源消費和碳排放問題時，多數(shù)以KAYA恒等式為基礎(chǔ)，使用指數(shù)分解法（IDA）和結(jié)構(gòu)分解法（SDA）進行分析。其中，Ang and Zhang(2000)[2]對IDA方法進行了詳細介紹，Ang(2004)[3]介紹了IDA的幾種算法，Xu and Ang(2013)[4]對IDA方法進行了詳細評述，Ang(2015)[5]概述了2005年至2014年期間的IDA方法。在這些文獻中，IDA通常用經(jīng)濟效應(yīng)、結(jié)構(gòu)效應(yīng)和能源強度等指標來分析一個國家的能源消費情況。Su and Ang(2012)[6]對SDA方法進行了詳細評述并對IDA和SDA方法進行了比較。SDA方法是建立在投入—產(chǎn)出模型上來分析直接和間接效應(yīng)，對數(shù)據(jù)要求較高；IDA對數(shù)據(jù)要求較低，應(yīng)用比較靈活（Wang等，2018）[7]。

在各類IDA分解的計算方法中，LMDI具有獨特優(yōu)勢（Ang2005）[8]：首先，能完美分解，結(jié)果不包含無法解釋的殘差項，可簡化結(jié)果解釋；其次，乘法分解結(jié)果可以通過取對數(shù)獲得加法特性，乘法分解與加法分解結(jié)果很容易聯(lián)系起來；再次，分解結(jié)果可以構(gòu)成一個整體，子區(qū)域進行匯總可以分析整個區(qū)域的影響。因此，LMDI方法非常適合做能源消費和碳排放等方面的分解分析。

LMDI指數(shù)分解法可分為兩類：一類是將能源消費或者碳排放的影響因素按照時間進行指數(shù)分解，用來研究同一地區(qū)不同年份各影響因素的累積效應(yīng)，如Zha D（2009）[9]、Karmellos M（2016）[10]、Reuter M（2017）[11]、Van Megen B（2019）[12]。多層指數(shù)分解可以研究不同產(chǎn)業(yè)、部門、地區(qū)能源消費碳排放的影響因素，如魯萬波等（2013）[13]、潘文卿等（2017）[14]。對單個地區(qū)能源消費或碳排放影響因素按時間進行指數(shù)分解后，可以比較不同地區(qū)隨時間發(fā)展不同影響因素之間的差異，這類研究包括Vinuya等(2010)[15]、Zhang等(2011)[16]、Chong等(2012)[17]。另一類是對不同地區(qū)的能源消費或碳排放的影響因素進行分解，以分析兩個或兩個以上地區(qū)同一時間段內(nèi)對能源消費的區(qū)別，稱為“空間指數(shù)分解法”?？臻g指數(shù)分解法最早是由Ang&Zhang（1999）[18]用于分析三個地區(qū)間（一般稱為B-R模型）能源消費引起的碳排放問題。其他學者如Lee&Oh(2006)[19]、Bartoletto&Rubio(2008)[20]、Gingrich(2011)[21]、李玉敏等（2016）[22]也用空間分解的方法進行了相關(guān)研究。

當研究的國家或地區(qū)數(shù)量較多的時候，對不同國家或地區(qū)間進行兩兩比較是不切實際的。所以Sun(2000b)[23]選擇了一個特定的國家作為基準國，用空間分解分析的方法將其他國家分別與基準國做比較以研究不同國家碳排放強度的區(qū)別。Schipper(2001)[24]、Bataille(2007)[25]用空間指數(shù)分解（一般稱為R-R模型）分別分析了14個國家和7個國家的碳排放，這兩位學者的“基準國”是指除去被比較國以外的所有國家的平均數(shù)。

空間指數(shù)分解分析在比較不同地區(qū)能源消費影響因素方面特別有效，不同地區(qū)可以按照其能源消費總效應(yīng)進行排序，并探討各地區(qū)的節(jié)能潛力。傳統(tǒng)的時間分解使用一個地區(qū)的時間序列數(shù)據(jù)或者不同年份的數(shù)據(jù)，指數(shù)分解的影響因素之間差異不大?？臻g分解分析使用的是不同地區(qū)的數(shù)據(jù)，不同地區(qū)指數(shù)分解的影響因素往往差別很大。為了適應(yīng)這一特性，Ang(2015)[5]在選擇指數(shù)分解法的時候設(shè)立了兩個標準：因子反轉(zhuǎn)測試和目標反轉(zhuǎn)測試，通過這兩個測試可以確保獲得完美和對稱的空間分解結(jié)果。由于LMDI方法計分解結(jié)果可通過因子和目標反轉(zhuǎn)測試，計算結(jié)果具有穩(wěn)健性，并且加法和乘法分解結(jié)果的一致性和使用的簡便性，所以本文選取LMDI方法做中國地區(qū)電力消費影響因素的空間分解分析。

2 數(shù)據(jù)來源及模型構(gòu)建

2.1數(shù)據(jù)來源

本文選取了2017年中國各地區(qū)的電力消費量和地區(qū)生產(chǎn)總值及各地區(qū)各行業(yè)產(chǎn)值來進行研究。各地區(qū)生產(chǎn)總值及各行業(yè)產(chǎn)值數(shù)據(jù)來源于2018年《中國統(tǒng)計年鑒》，各地區(qū)電力消費量和各行業(yè)用電量數(shù)據(jù)來源于2018年《中國能源統(tǒng)計年鑒》。

2.2模型構(gòu)建

KAYA恒等式提供了將能源消費分解為不同影響因素的良好方法，由于LMDI具有的良好性質(zhì)，我們使用LMDI方法對中國30個省、市、自治區(qū)的電力消費進行分解，公式如下：

各變量含義及單位如表1所示，其中，i分別表示農(nóng)林牧漁業(yè)，工業(yè)，建筑業(yè)，交通運輸、倉儲和郵政業(yè)，批發(fā)零售和住宿餐飲業(yè)，其他第三產(chǎn)業(yè)。

表1 因素分解模型中各變量含義及單位

Ang(2015)[5]提出將每個地區(qū)與參考地區(qū)（參考地區(qū)的各項指標是所有地區(qū)各項指標的平均值）進行比較的空間比較方法，這種方法可以避免多地區(qū)空間指數(shù)分解的偏差。本文將采用中國各地區(qū)與參考地區(qū)進行比較的空間指數(shù)分解模型，這種模型稱為多地區(qū)（M-R）空間指數(shù)分解分析模型，如圖1。

圖1 多地區(qū)（M-R）空間指數(shù)分解分析模型

在圖1中，實線表示任意一個地區(qū)與參考地區(qū)的直接分解分析關(guān)系，虛線表示任意兩個地區(qū)之間電力消費的分解分析是通過各自與參考地區(qū)之間分解分析結(jié)果間接得到的。在本文中，一共有30個地區(qū)，每個地區(qū)與參考地區(qū)進行空間分解比較，一共有30個直接分解比較結(jié)果。不同地區(qū)與參考地區(qū)之間的比較，選取參考地區(qū)作為基準比較地區(qū)進行空間分解分析，兩個地區(qū)之間電力消費總效應(yīng)：

其中Rx和Ry表示30個地區(qū)中的任意兩個地區(qū)，Ru表示參考地區(qū)。M-R模型①不同地區(qū)之間電力消費效率的差別比較公式如下：

研究能源消費影響因素的指數(shù)分解法主要有拉氏指數(shù)分解法和迪氏指數(shù)分解法，根據(jù)Ang(2015)[5]的研究，對數(shù)平均數(shù)迪氏指數(shù)分解法I（LMDI-I）因為沒有殘余項且其分解的殘差項能被完全解釋（Ang(2003)[26]）而得到廣泛應(yīng)用，本文采用LMDI-I的方法分析中國各地區(qū)電力消費的空間特征。

每個地區(qū)與參考地區(qū)之間的分解公式可以分別表示為：

3 中國地區(qū)間電力消費影響因素空間分解結(jié)果的實證分析

我們使用M-R空間分解模型分析中國30個省、市、自治區(qū)電力消費的影響因素。電力消費的總效應(yīng)可以分解為人口效應(yīng)、經(jīng)濟效應(yīng)、經(jīng)濟結(jié)構(gòu)效應(yīng)、電力強度效應(yīng)。各地區(qū)電力消費的業(yè)績之間的排序會根據(jù)前文所列公式計算得出。

3.1各地區(qū)電力消費效率

電力消費強度是指單位GRP所消費的電量，電力消費效率是各省、市、自治區(qū)電力消費帶來的產(chǎn)出，通常用電力消費強度的倒數(shù)來表示。30個地區(qū)的電力消費效率是該地區(qū)單位電力消費帶來的地區(qū)產(chǎn)值增值，計算公式為I=GRP/E，I表示電力消費效率，單位為元/千瓦時。

在2017年度，電力消費效率超過均值的有14個地區(qū)。其中，電力消費效率超過20元/千瓦時的地區(qū)有6個，分別是北京、湖南、天津、吉林、上海和重慶。北京電力消費效率最高，達28.03元/千瓦時。電力消費效率在10-20元/千瓦時之間的地區(qū)有18個。低于10元/千瓦時的地區(qū)有6個，其中最低的是青海和寧夏，分別是3.95元/千瓦時和3.61元/千瓦時，這些地區(qū)的電力消費效率有較大的提升空間。

3.2各地區(qū)用電量與參考地區(qū)用電量差值分解結(jié)果

將中國30個省、市、自治區(qū)的電力消費量與其平均值進行比較，以了解各地區(qū)電力消費與均值的差異。然后對各省市電力消費量和均值進行因素分解，將電力消費的影響因素分解為人口效應(yīng)、經(jīng)濟效應(yīng)、經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)，從而確定影響電力消費的各因素對各地區(qū)電力消費的影響程度，以便有針對性的提高電力消費效率。

3.2.1 總效應(yīng)

總效應(yīng)是指各地區(qū)電力消費量與參考地區(qū)電力消費量之差。根據(jù)《中國能源統(tǒng)計年鑒》數(shù)據(jù)，由公式（2）計算得出的各地區(qū)電力消費量與參考地區(qū)電力消費量之差如表3所示。

表3 2017年各地區(qū)電力消費效率及與參考地區(qū)加法乘法和分解效應(yīng)

《中國能源統(tǒng)計年鑒》數(shù)據(jù)顯示，2017年電力消費量超過5000億千瓦時的地區(qū)有3個，分別是山東、江蘇、廣東，其中廣東電力消費量最多。有8個地區(qū)的電力消費量不足1000億千瓦時，其中海南電力消費量最少，只有286.3億千瓦時。

各地區(qū)的電力消費平均值為2059.46億千瓦時，電力消費量超過均值的地區(qū)有11個。其中超過均值用電量最多的是廣東省，超出3672.67億千瓦時，其次為江蘇和山東。電力消費量低于均值的地區(qū)有19個，最低的是海南省，比均值低1773.16億千瓦時，其次為青海和吉林。

3.2.2 人口效應(yīng)

各地區(qū)用電量與每個地區(qū)人數(shù)多少密切相關(guān)，人口數(shù)量和人口效應(yīng)基本一致。人口效應(yīng)導致的用電量超過參考地區(qū)的地區(qū)有13個。其中，廣東省和山東省人口均超過1億，這兩個省的人口效應(yīng)導致的用電量也最高。廣東省、山東省電力消費量比參考地區(qū)分別多3163.71億千瓦時、2719.49億千瓦時。其余高于參考地區(qū)用電量的地區(qū)，其人口數(shù)量與人口效應(yīng)也基本一致，其中浙江人口效應(yīng)導致的用電量與其他地區(qū)相比略高一些，四川導致的用電量比其他地區(qū)略低一些。人口效應(yīng)導致的用電量低于參考地區(qū)的地區(qū)有17個。其中最低的是寧夏，其次是青海和天津。

3.2.3經(jīng)濟效應(yīng)

各行各業(yè)紛紛擺拍出“不小心摔了一跤”的“炫富照”， 這些照片，雖是擺拍，卻不失為他們的真實狀態(tài)。年輕一代敢于表達自我，他們因愛崗而炫，因奉獻而“富”！

每個地區(qū)人口和地理面積不一樣，因此更能衡量一個地區(qū)經(jīng)濟發(fā)展水平的是人均地區(qū)生產(chǎn)總值。人均地區(qū)生產(chǎn)總值超過10萬元的地區(qū)有4個，北京市人均地區(qū)生產(chǎn)總值最高為12.90萬元，其次分別為為上海、天津、江蘇。人均收入超過7萬元的地區(qū)有4個，從高到低分別為浙江、福建、廣東和山東。其余地區(qū)人均收入超過6萬元的有3個，超過5萬元的有4個，超過4萬元的地區(qū)最多，有11個，超過3萬元的有3個。人均地區(qū)生產(chǎn)總值最低的是甘肅，只有2.85萬元。

經(jīng)濟效應(yīng)導致電力消費量高于參考地區(qū)電力消費量的地區(qū)有10個，最高的是江蘇，其電力消費量比參考地區(qū)電力消費量高1980.38億千瓦時。由經(jīng)濟效應(yīng)導致的電力消費量低于參考地區(qū)電力消費量的地區(qū)有20個，最低的是甘肅，低于參考地區(qū)電力消費量1166.93億千瓦時。

3.2.4 經(jīng)濟結(jié)構(gòu)效應(yīng)和部門電力強度效應(yīng)

各地區(qū)電力消費量分解結(jié)果中，經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)能衡量不同產(chǎn)業(yè)電力消費帶來的經(jīng)濟效益，因此經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)數(shù)據(jù)更有意義。如圖2所示，橫軸代表經(jīng)濟結(jié)構(gòu)效應(yīng)，縱軸代表電力強度效應(yīng)。經(jīng)濟結(jié)構(gòu)效應(yīng)大于0的地區(qū)表示該地區(qū)工業(yè)結(jié)構(gòu)的電力消費密集度高于均值，從圖中可以看出有14個地區(qū)的電力消費密集度高于均值。而電力強度效應(yīng)大于0的地區(qū)表示該地區(qū)的電力消費效率低于均值，總共有15個地區(qū)的用電效率低于均值?；诮?jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)分解結(jié)果，在圖2中處于右上象限的地區(qū)河北、山西的經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)均大于0且距離0值較遠，說明這兩個地區(qū)與均值相比是高電量消費地區(qū)。這兩個地區(qū)應(yīng)采取適當?shù)慕Y(jié)構(gòu)調(diào)整措施、提高電力消費效率，具有較高的節(jié)能潛力。位于左下象限的地區(qū)北京、上海、四川等與均值相比，屬于低電力消費密集度并具有較高的電力消費效率的地區(qū)。

圖2 各地區(qū)加法模式分解的經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)

圖2是加法分解結(jié)果，顯示的是不同地區(qū)經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)貢獻的絕對電力消費量。相同的電力消費量在不同地區(qū)的相對貢獻不同，電耗率也不同，要分析相對貢獻和電耗率需要使用乘法分解結(jié)果。乘法分解是以比率形式表示的經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)來估算，其分解結(jié)果由表2中的乘法分解公式計算得出，分解結(jié)果以指數(shù)表示，如圖3所示?？v軸刻度是對數(shù)刻度顯示，該圖顯示了各地區(qū)電力消費與均值之間偏差的相對幅度。例如北京的經(jīng)濟結(jié)構(gòu)效應(yīng)是0.80、電力強度效應(yīng)是0.61，這表示按指數(shù)分解的北京的經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)導致北京的電力消耗都低于均值，相對差距如圖3所示。

表2 LMDI分解公式匯總

圖3 各地區(qū)乘法模式分解的經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)

圖3的地區(qū)分布與圖2類似。兩者的信息可以相互補充并且一起使用來對各地區(qū)用電效率情況進行解釋。例如在圖2中位于右上象限的地區(qū)是具有高節(jié)能潛力的地區(qū)，其相對于全國平均水平的節(jié)能潛力以絕對值給出。圖3中顯示的是各地區(qū)占全國平均電力消費的百分比。兩個圖的數(shù)據(jù)結(jié)果顯示，地區(qū)間電力強度效應(yīng)大于經(jīng)濟結(jié)構(gòu)效應(yīng)。

3.3各地區(qū)電力消費強度和各影響因素乘法分解結(jié)果排序

各地區(qū)電力消費效率除了可以通過各地區(qū)電力消費強度進行排序之外，還可以用乘法分解結(jié)果中的經(jīng)濟結(jié)構(gòu)效應(yīng)和部門電力強度效應(yīng)對各地區(qū)電力消耗的貢獻不同進行排序。如表4所示，各地區(qū)電力消費強度排序是按照每個地區(qū)單位地區(qū)生產(chǎn)總值所耗費電量值高低來排的，排名比較靠前的地區(qū)說明每單位地區(qū)產(chǎn)值耗費電量較低，總體效率較高。其他效應(yīng)排序是按照乘法分解的效應(yīng)數(shù)值來排的，排名靠前說明在這方面該地區(qū)表現(xiàn)較好。比如海南的經(jīng)濟結(jié)構(gòu)效應(yīng)排名第一，說明海南具有最低電力強度效應(yīng)的工業(yè)結(jié)構(gòu)；吉林的電力強度效應(yīng)排名第一，說明吉林是電力效率最高的地區(qū)。總的來說，我們可以認為，那些在列表中排名比較靠后的地區(qū)具有較高的節(jié)能減排潛力。

表4 各地區(qū)總電力消費強度和乘法分解結(jié)果排序

4 結(jié)論和政策建議

（1）各地區(qū)電力消費量與人均地區(qū)生產(chǎn)總值趨勢大體一致，大多數(shù)人均地區(qū)生產(chǎn)總值較高的地區(qū)電力消費效率也較高；但也有一些例外，如福建省在地區(qū)產(chǎn)值中處于較高地區(qū)范圍，但是電力消費效率卻偏低，這說明福建省的經(jīng)濟發(fā)展處于較粗放發(fā)展階段，技術(shù)水平相對較低，因此電力消費效率低。其次寧夏、青海、新疆等地區(qū)人均地區(qū)生產(chǎn)總值不屬于最低的地區(qū)，但電力消費效率是所有地區(qū)中最低的。這是因為這些地區(qū)面積較大，經(jīng)濟總量水平較高，但是技術(shù)水平低于其他地區(qū)，所以電力消費效率最低。這些地區(qū)的電力消費效率有較大的提升空間，政府應(yīng)采取措施提高電力利用效率。

（2）人口數(shù)量與用電量成正比，各地區(qū)人口效應(yīng)帶來的用電量差異與人口數(shù)量的差異基本一致。各地區(qū)經(jīng)濟效應(yīng)導致的用電量變化趨勢與各地區(qū)人均生產(chǎn)總值變化趨勢基本一致，也就是說人均收入越高的地區(qū)用電量越多。

（3）分解結(jié)果中經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)能更好地衡量各地區(qū)的電力消費效率。其中電力強度效應(yīng)影響要高于經(jīng)濟結(jié)構(gòu)效應(yīng)。分解結(jié)果顯示河北、山西兩個省份不同產(chǎn)業(yè)的電力消費密度和電力消費強度均大幅度高于均值。說明這兩個地區(qū)如果采取合適的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整措施、提高電力消費效率，會具有較高的節(jié)能減排潛力。經(jīng)濟結(jié)構(gòu)效應(yīng)和電力強度效應(yīng)來衡量電力消費效率，表現(xiàn)較好的地區(qū)是北京、上海、四川等地。這些地區(qū)產(chǎn)業(yè)電力消費密度與電力消費強度均低于均值，說明電力消費效率較高，是其他地區(qū)借鑒的榜樣。

（4）本文根據(jù)電力消費強度和LMDI分解效應(yīng)對中國30個地區(qū)進行了排序，排序結(jié)果見表4?？傮w電力消費效率北京排序最高，人口效應(yīng)青海排序最高，經(jīng)濟效應(yīng)甘肅排序最高，經(jīng)濟結(jié)構(gòu)效應(yīng)海南排序最高，電力強度效應(yīng)吉林排序最高。排序較低的地區(qū)可以有針對性的借鑒排序較高地區(qū)的措施來提高本地區(qū)的電力消費效率。

注釋：

①M-R模型比B-R模型和R-R模型更加適合一些，主要在于：（1）在圖1中我們可以看出，每個地區(qū)與參考地區(qū)進行比較，每個地區(qū)只需要進行一次比較計算，因此需要進行分解計算的數(shù)量大大少于B-R模型。該地區(qū)與其他地區(qū)的比較結(jié)果都可以通過各地區(qū)與參考地區(qū)的分解比較結(jié)果中間接得出。（2）選取所有地區(qū)的平均值作為參考地區(qū)，降低了參考地區(qū)選擇的主觀性，而且所有地區(qū)都可以有一個統(tǒng)一的參考標準。（3）所有地區(qū)跟參考地區(qū)進行比較，可以對所有地區(qū)的電力消費效率進行業(yè)績排序并得出一般結(jié)論，這個排序可以為政策分析和決策提供有一定價值的信息。（4）各地區(qū)間存在一一對應(yīng)的間接關(guān)系，間接比較的結(jié)果沒有沖突，滿足地區(qū)循環(huán)的要求。