基于LMDI的山東省16地市電力消費(fèi)影響因素空間分解

孫琪航　武蘭玉

摘要：電力消費(fèi)效率對(duì)經(jīng)濟(jì)發(fā)展和節(jié)能減排具有重要意義。文章基于2019年山東省16個(gè)地級(jí)市的電力消費(fèi)數(shù)據(jù)，在KAYA恒等式的基礎(chǔ)上利用LMDI分解法，從空間維度將山東省16地市電力消費(fèi)影響因素分解為經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)三方面。研究表明，經(jīng)濟(jì)效應(yīng)對(duì)電力消費(fèi)量具有規(guī)模效果，地區(qū)間的強(qiáng)度效應(yīng)大于結(jié)構(gòu)效應(yīng)，強(qiáng)度效應(yīng)越大則電力消費(fèi)效率越低，針對(duì)研究結(jié)果，提出了相關(guān)政策建議。

關(guān)鍵詞：電力消費(fèi)；LMDI；空間分解

一、引言

我國政府高度重視電力消費(fèi)問題，在“十四五”規(guī)劃中明確提出“能源資源配置更加合理、利用效率大幅提高”。改革開放以來，我國用40多年的時(shí)間走完了西方發(fā)達(dá)國家200多年才走完的工業(yè)化道路，經(jīng)濟(jì)高速發(fā)展水平下不乏粗獷式發(fā)展模式，伴隨而來的是電力消費(fèi)效率低下的問題。作為全國唯一擁有41個(gè)工業(yè)大類的省份，山東省近年來GDP一直居于全國第三的位置。但在經(jīng)濟(jì)社會(huì)高速發(fā)展的同時(shí)，山東省也出現(xiàn)了電力消費(fèi)效率低下及本省各地市間電力消費(fèi)效率相差過大的問題。當(dāng)前山東省積極制定相關(guān)政策，致力于實(shí)現(xiàn)碳達(dá)峰和碳中和，這對(duì)山東省16地市的電力消費(fèi)有了新的要求。因此，研究山東省16地市電力消費(fèi)有著重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

（一）IDA分解法由來及其實(shí)用性

1989年，日本學(xué)者Kaya提出了碳排放與人口、經(jīng)濟(jì)、能源消費(fèi)相關(guān)聯(lián)的KAYA恒等式。此后，在能源消費(fèi)和碳排放領(lǐng)域，眾多學(xué)者基于KAYA恒等式展開了一系列的研究。目前，在能源消費(fèi)和碳排放領(lǐng)域及其影響因素的研究方面，研究者大多采用指數(shù)分解法（IDA）和結(jié)構(gòu)分解法（SDA）來進(jìn)行研究分解。SDA方法最早是由印度學(xué)者Debesh Chakraborty發(fā)表出來的，該方法是建立在投入產(chǎn)出模型之上的用以分析直接效應(yīng)和間接效應(yīng)的分解方法。但是SDA對(duì)數(shù)據(jù)要求較高，因此很少使用。相比之下，IDA僅基于各個(gè)量的總值，對(duì)數(shù)據(jù)要求較低，應(yīng)用較為靈活，實(shí)際中更具可行性，因而受到諸多研究者的青睞。

（二）LMDI分解法的優(yōu)勢(shì)與應(yīng)用

2004年，Ang介紹了IDA的多種算法，主要包括算術(shù)平均迪氏指數(shù)法（AMDI）和對(duì)數(shù)平均迪氏指數(shù)法（LMDI）。由于LMDI能夠完全分解余項(xiàng)，其結(jié)果不含無法解釋的殘差項(xiàng)，而且可以系統(tǒng)地分析變化原因，因此LMDI廣泛應(yīng)用于能源消費(fèi)和碳排放等領(lǐng)域的分解分析。

當(dāng)前，LMDI在能源消費(fèi)和碳排放領(lǐng)域的分解分析主要分為兩種：一種是將影響因素按時(shí)間進(jìn)行分解，以此研究同一地區(qū)不同時(shí)間段各類影響因素的效應(yīng)大小，如宋杰鯤（2012）將山東省碳排放分解為人口、人均財(cái)富、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)強(qiáng)度和能源消費(fèi)結(jié)構(gòu)五方面因素，魯萬波等（2013）將中國碳排放分解為能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、總產(chǎn)值四方面因素，趙選民等（2015）將山西省碳排放分解成人口、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)強(qiáng)度五方面因素，馬曉君等（2018）將東北三省碳排放分解為能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)產(chǎn)出、人口規(guī)模五方面因素。

第二種方法是將影響因素按空間進(jìn)行分解，以此研究不同地區(qū)同一時(shí)間段內(nèi)的差異情況，如馬麗（2014）對(duì)中國29個(gè)省區(qū)及其三大產(chǎn)業(yè)的電力消費(fèi)變化量進(jìn)行分解，結(jié)果表明，東部和東北部地區(qū)的電力消費(fèi)效率高于中部和西部地區(qū)，李玉敏等（2016）對(duì)中國30個(gè)省區(qū)的碳排放影響因素進(jìn)行空間分解分析，孔翠婷（2018）利用M-R空間分解模型對(duì)中國30個(gè)省區(qū)的二氧化碳排放差異影響因素進(jìn)行空間分解，黃天銘等（2020將全國劃分為六大地理區(qū)域進(jìn)行空間分解，得出我國居民電力消費(fèi)增長(zhǎng)的主要地區(qū)是華東和中南地區(qū)。

（三）M-R空間分解模型的演變

相比之下，能源消費(fèi)和碳排放領(lǐng)域的空間分解研究遠(yuǎn)遠(yuǎn)少于時(shí)間分解研究，并且空間分解往往存在地區(qū)之間比較不連續(xù)的情況。為此，Ang&Zhang（1999）提出了雙邊空間分解模型（B-R模型），即通過各地區(qū)兩兩依次比較進(jìn)而分析空間差異，但是當(dāng)研究地區(qū)數(shù)量增多時(shí)，比較的次數(shù)隨之增多，計(jì)算難度也隨之增大?；诖耍袑W(xué)者提出了放射性空間分解模型（R-R模型）和多地區(qū)分解模型（M-R模型）。R-R模型是選擇一個(gè)地區(qū)作為基準(zhǔn)地區(qū)，所有參與地區(qū)都與該基準(zhǔn)地區(qū)進(jìn)行比較，因此在基準(zhǔn)地區(qū)的選擇上存在著主觀性。而M-R模型以所有參考的地區(qū)的平均值作為比較基準(zhǔn)，將所有參與地區(qū)與基準(zhǔn)地區(qū)進(jìn)行比較，在一定程度上改善了B-R模型和R-R模型的缺陷。

基于上述研究，本文將在KAYA恒等式的基礎(chǔ)上，利用LMDI空間分解法，在M-R模型的框架內(nèi)對(duì)山東省16地市2019年的電力消費(fèi)及其影響因素進(jìn)行空間分解分析，為提高山東省電力消費(fèi)效率，早日實(shí)現(xiàn)碳達(dá)峰和碳中和，提振經(jīng)濟(jì)發(fā)展新動(dòng)能提供參考依據(jù)。

三、數(shù)據(jù)來源和模型構(gòu)建

（一）數(shù)據(jù)來源

本文選取了2019年山東省16地市的電力消費(fèi)量和地區(qū)生產(chǎn)總值及各行業(yè)產(chǎn)值進(jìn)行研究。各地市電力消費(fèi)量、地區(qū)生產(chǎn)總值以及各行業(yè)產(chǎn)值的數(shù)據(jù)均來源于《山東統(tǒng)計(jì)年鑒-2020》。

（二）模型構(gòu)建

本文將山東省16地市電力消費(fèi)影響因素歸納為經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)、強(qiáng)度效應(yīng)，根據(jù)LMDI模型，山東省16地市電力消費(fèi)的分解公式如下：

式（1）中，E為各地市電力消費(fèi)總量，i分別表示第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)， Ei為第i產(chǎn)業(yè)的電力消費(fèi)量，GR為各地市生產(chǎn)總值，GRP■為第產(chǎn)業(yè)的產(chǎn)值，stri為第i產(chǎn)業(yè)的產(chǎn)值占該地區(qū)總產(chǎn)值的比重，即為產(chǎn)業(yè)結(jié)構(gòu)，inti表示第i產(chǎn)業(yè)單位產(chǎn)值的電力消費(fèi)量，即為電力強(qiáng)度。

按照M-R模型，本文以山東省所有地市的平均值作為基準(zhǔn)地區(qū)，將山東省16地市與基準(zhǔn)地區(qū)進(jìn)行空間分解分析，得到任意一個(gè)參與地區(qū)x與基準(zhǔn)地區(qū)μ之間電力消費(fèi)總效應(yīng)的公式如下：

公式（2）是加法分解形式，其中，ΔE ，ΔE ，ΔE ，E 分別表示加法分解下參與地區(qū)與基準(zhǔn)地區(qū)在電力消費(fèi)總效應(yīng)、經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)、強(qiáng)度效應(yīng)之間的差異；公式（3）是乘法分解形式，其中，D ，Dgrp，Dstr，Dint分別表示乘法分解下的電力消費(fèi)總效應(yīng)、經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)、強(qiáng)度效應(yīng)。具體表示公式如表1。

四、山東省16地市電力消費(fèi)影響因素的實(shí)證分析

運(yùn)用上述LMDI和M-R空間分解模型，以山東省所有地市的平均值作為基準(zhǔn)地區(qū)，對(duì)山東省2019年16地市電力消費(fèi)進(jìn)行空間分解，得到經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)、強(qiáng)度效應(yīng)的加法分解結(jié)果和乘法分解結(jié)果，見表2。

（一）總效應(yīng)

根據(jù)公式（2）可知，總效應(yīng)指的是各地區(qū)電力消費(fèi)量同基準(zhǔn)地區(qū)電力消費(fèi)量之差。總效應(yīng)為正，表示參與地區(qū)高于基準(zhǔn)地區(qū)的電力消費(fèi)量，反之則低于。如表2所示，總效應(yīng)為正的地區(qū)一共有5個(gè)，分別是青島、煙臺(tái)、濰坊、臨沂和濱州。各地電力消費(fèi)量平均值，即基準(zhǔn)地區(qū)的電力消費(fèi)量為343.47億千瓦時(shí)。其中，超過電力消費(fèi)量平均值最多的是濱州，超出809.55億千瓦時(shí)；低于電力消費(fèi)量平均值最多的是威海，達(dá)到231.91億千瓦時(shí)。

（二）經(jīng)濟(jì)效應(yīng)

經(jīng)濟(jì)效應(yīng)的加法分解為正表示該參與地區(qū)的生產(chǎn)總值高于基準(zhǔn)地區(qū)的地區(qū)生產(chǎn)總值（即全省地區(qū)生產(chǎn)總值的平均值），進(jìn)而表示經(jīng)濟(jì)效應(yīng)導(dǎo)致該參與地區(qū)的電力消費(fèi)量高于基準(zhǔn)地區(qū)。如表2所示，經(jīng)濟(jì)效應(yīng)為正的地區(qū)有5個(gè)，按效應(yīng)程度，由大到小依次為青島、濟(jì)南、煙臺(tái)、濰坊、臨沂，這個(gè)順序恰好也是山東省2019年各地區(qū)生產(chǎn)總值前5名的順序。進(jìn)一步，將山東省16地市的電力消費(fèi)經(jīng)濟(jì)效應(yīng)與2019年地區(qū)生產(chǎn)總值進(jìn)行排序，見表3。通過表3，不難發(fā)現(xiàn)諸如青島等地區(qū)生產(chǎn)總值排名前8的城市，以及排名靠后的日照，其經(jīng)濟(jì)效應(yīng)排名的位次與地區(qū)生產(chǎn)總值排名位次相同。其他的城市即使兩者位次不一致，其浮動(dòng)值也在3之內(nèi)?？傮w上看，各市電力消費(fèi)的經(jīng)濟(jì)效應(yīng)排名與地區(qū)生產(chǎn)總值排名幾乎相吻合。

（三）結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)

結(jié)構(gòu)效應(yīng)反映經(jīng)濟(jì)結(jié)構(gòu)對(duì)電力消費(fèi)的影響，結(jié)構(gòu)效應(yīng)為正，表示該參與地區(qū)的電力消費(fèi)密集度高于比較參考地區(qū)，反之則低于。強(qiáng)度效應(yīng)反映地區(qū)電力消費(fèi)效率的高低，強(qiáng)度效應(yīng)為正，表示該參與地區(qū)的電力消費(fèi)效率低于比較參考地區(qū)，反之則高于。圖1描繪的是加法分解下各地結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)的散點(diǎn)圖（該圖中的序號(hào)同表2中的地區(qū)序號(hào)），其中橫軸表示結(jié)構(gòu)效應(yīng)，縱軸表示強(qiáng)度效應(yīng)。根據(jù)圖1，可以看出有10個(gè)地區(qū)的電力消費(fèi)密集度高于比較參考地區(qū)，有5個(gè)地區(qū)的電力消費(fèi)效率低于比較參考地區(qū)。在圖1中屬于右上象限的濱州和日照，屬于高電力消費(fèi)密集度、低電力消費(fèi)效率區(qū)，說明這兩地與基準(zhǔn)地區(qū)相比是高電力消耗地區(qū)，同時(shí)也表明這兩地具有較高的節(jié)能潛力；屬于左下象限的濟(jì)南和青島屬于低電力消費(fèi)密集度、高電力消費(fèi)效率區(qū)，說明這兩地與基準(zhǔn)地區(qū)相比是低電力消耗地區(qū)。

圖1反映的是加法分解下各地結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)所貢獻(xiàn)的絕對(duì)用電量。而分析結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)貢獻(xiàn)的相對(duì)用電量和電力消耗需要利用乘法分解的結(jié)果。如圖2所示，該圖反映的是乘法分解下各地結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)的電力消耗與基準(zhǔn)地區(qū)之間的偏差的相對(duì)幅度（該圖中的序號(hào)同表2中的地區(qū)序號(hào)）。例如，乘法分解下濟(jì)南的結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)分別是0.9146、0.5063，這表示乘法分解下濟(jì)南的結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)均導(dǎo)致其電力消耗小于基準(zhǔn)地區(qū)，濟(jì)南屬于低能耗地區(qū)。

對(duì)比圖1與圖2發(fā)現(xiàn)，圖2的地區(qū)分與圖1相類似。例如，在圖1中位于右上象限高電力消費(fèi)密集度、低電力消費(fèi)效率區(qū)的地區(qū)，在圖2中依舊位于右上象限，其電力消耗高于基準(zhǔn)地區(qū)，因此屬于高能耗區(qū)，具有高節(jié)能潛力。圖1和圖2的數(shù)據(jù)顯示，地區(qū)間的強(qiáng)度效應(yīng)大于結(jié)構(gòu)效應(yīng)。

五、結(jié)論和政策建議

本文通過采用LMDI分解法，對(duì)山東省16地市的電力消費(fèi)影響因素進(jìn)行空間分解，將其分解為經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)、強(qiáng)度效應(yīng)，得出如下結(jié)論：

第一，山東省16地市經(jīng)濟(jì)發(fā)展水平高低與電力消費(fèi)量的高低大體一致，經(jīng)濟(jì)效應(yīng)導(dǎo)致的電力消費(fèi)差異同經(jīng)濟(jì)發(fā)展水平的差異基本上一致。經(jīng)濟(jì)效應(yīng)越高的地區(qū)，經(jīng)濟(jì)發(fā)展水平越高，其電力消費(fèi)量越多。

第二，結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)分別反映電力消費(fèi)密集度的高低和電力消費(fèi)效率的高低，因此結(jié)構(gòu)效應(yīng)和強(qiáng)度效應(yīng)能更好地衡量電力消耗的高低。其中，分解結(jié)果顯示濰坊、日照、濱州屬于高電力消費(fèi)密集度、低電力消費(fèi)效率區(qū)，因此三地屬于高電力消耗地區(qū)，同時(shí)表明三地具有較高的節(jié)能潛力；濟(jì)南、青島、濟(jì)寧、泰安屬于低電力消費(fèi)密集度、高電力消費(fèi)效率區(qū)，因此屬于低電力消耗地區(qū)。

基于上述結(jié)論，結(jié)合實(shí)現(xiàn)碳達(dá)峰和碳中和的議題，為提升山東省經(jīng)濟(jì)發(fā)展質(zhì)量，提高山東省16地市電力消費(fèi)效率，提出如下政策建議：

第一，對(duì)于低電力消耗地區(qū)，應(yīng)繼續(xù)做好節(jié)能減排的示范工程，持續(xù)優(yōu)化電力消費(fèi)結(jié)構(gòu)，做大做強(qiáng)高新技術(shù)產(chǎn)業(yè)，走出一條經(jīng)濟(jì)發(fā)展與電力消費(fèi)共贏的道路，為山東省其他地區(qū)走綠色低碳發(fā)展路徑提供借鑒。

第二，對(duì)于電力消費(fèi)密集度較高、電力消費(fèi)效率較低的高耗能地區(qū)，應(yīng)大力推進(jìn)新舊動(dòng)能轉(zhuǎn)換，在高耗能產(chǎn)業(yè)內(nèi)部加大綠色技術(shù)投入研發(fā)和成果轉(zhuǎn)化，通過技術(shù)創(chuàng)新等一系列路徑推動(dòng)傳統(tǒng)的高耗能產(chǎn)業(yè)向新型綠色環(huán)保產(chǎn)業(yè)轉(zhuǎn)變。同時(shí)也要向低能耗地區(qū)借鑒發(fā)展成果，大力引進(jìn)符合本地區(qū)發(fā)展的先進(jìn)生產(chǎn)技術(shù)，提高能源利用和電力消費(fèi)效率。

參考文獻(xiàn)：

[1]Kaya Y.，Impact of carbon dioxide emission control on GNP growth：interpretation of proposed scenarios[J].Intergovernmental Panel on Climate Change/Response Strategies Working Group，1989，May.

[2]Sikdar C，Raa T T，Mohnen P，et al.Bilateral trade between India and Bangladesh：a general equilibrium approach [J].Economic Systems Research，2006，18（03）：257-279.

[3]Ang，B.W.Decomposition analysis for policymaking in energy：which is the preferred method？[J].Energ Policy，2004，32（09）：1131-1139.

[4]宋杰鯤.基于LMDI的山東省能源消費(fèi)碳排放因素分解[J].資源科學(xué)，2012，34（01）：35-41.

[5]魯萬波，仇婷婷，杜磊.中國不同經(jīng)濟(jì)增長(zhǎng)階段碳排放影響因素研究[J].經(jīng)濟(jì)研究，2013，48（04）：106-118.

[6]趙選民，卞騰銳.基于LMDI的能源消費(fèi)碳排放因素分解——以陜西省為例[J].經(jīng)濟(jì)問題，2015（02）：35-39.

[7]馬曉君，董碧瀅，于淵博，王常欣，楊倩.東北三省能源消費(fèi)碳排放測(cè)度及影響因素[J].中國環(huán)境科學(xué)，2018，38（08）：3170-3179.

[8]馬麗.我國省域電力消費(fèi)特征及影響因素研究[D].天津：天津大學(xué)，2014.

[9]李玉敏，張友國.中國碳排放影響因素的空間分解分析[J].中國地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，16（03）：73-85.

[10]孔翠婷.基于時(shí)空分解的中國省域CO2排放影響因素研究[D].北京：北京理工大學(xué)，2018.

[11]黃天銘，張新華.基于LMDI模型的居民電力消費(fèi)影響因素研究[J].長(zhǎng)沙理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，35（04）：119-128.

[12]Ang，B.W.，Zhang，F(xiàn).Q.Interregional comparisons of energy-related CO2emissions using the decomposition technique[J]. Energy，1999，24：297-305.

[13]Ang B W，Xu X Y，Su B.，2015， Multi-country comparisons of energy performance：the index decomposition analysis approach[J].Energy Economics，47：68-76.

[14]姚曄，夏炎，范英，蔣茂榮.基于空間比較路徑選擇模型的碳生產(chǎn)率區(qū)域差異性研究[J].中國管理科學(xué)，2018，26（07）：170-178.

[15]柳瑞禹，葉子菀.我國高耗能行業(yè)電力消費(fèi)中長(zhǎng)期發(fā)展?jié)摿︻A(yù)測(cè)[J].技術(shù)經(jīng)濟(jì)，2012，31（02）：93-98.

＊基金項(xiàng)目：臨沂大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“基于 LMDI 臨沂電力消費(fèi)碳排放影響因素分解”（202110452128 國家級(jí)）。

（作者單位：臨沂大學(xué)）