基于LMDI中國地區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，它對經濟發展具有重要影響。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濟的持續高速發展，但是中國30個省、市、自治區的電力消費效率有較大差異。因此對全國30個省、市、自治區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提出了經典的KAYA恒等式[1]，這一恒等式建立了關于經濟、人口、能源消費和碳排放的經典框架。在研究能源消費和碳排放問題時，多數以KAYA恒等式為基礎，使用指數分解法（IDA）和結構分解法（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通常用經濟效應、結構效應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—產出模型上來分析直接和間接效應，對數據要求較高；IDA對數據要求較低，應用比較靈活（Wang等，2018）[7]。

在各類IDA分解的計算方法中，LMDI具有獨特優勢（Ang2005）[8]：首先，能完美分解，結果不包含無法解釋的殘差項，可簡化結果解釋；其次，乘法分解結果可以通過取對數獲得加法特性，乘法分解與加法分解結果很容易聯系起來；再次，分解結果可以構成一個整體，子區域進行匯總可以分析整個區域的影響。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分解，用來研究同一地區不同年份各影響因素的累積效應，如Zha D（2009）[9]、Karmellos M（2016）[10]、Reuter M（2017）[11]、Van Megen B（2019）[12]。多層指數分解可以研究不同產業、部門、地區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]。對單個地區能源消費或碳排放影響因素按時間進行指數分解后，可以比較不同地區隨時間發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同一時間段內對能源消費的區別，稱為“空間指數分解法”。空間指數分解法最早是由Ang&Zhang（1999）[18]用于分析三個地區間（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研究。

當研究的國家或地區數量較多的時候，對不同國家或地區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別。Schipper(2001)[24]、Bataille(2007)[25]用空間指數分解（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。

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

2 數據來源及模型構建

2.1數據來源

本文選取了2017年中國各地區的電力消費量和地區生產總值及各地區各行業產值來進行研究。各地區生產總值及各行業產值數據來源于2018年《中國統計年鑒》，各地區電力消費量和各行業用電量數據來源于2018年《中國能源統計年鑒》。

2.2模型構建

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，我們使用LMDI方法對中國30個省、市、自治區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分別表示農林牧漁業，工業，建筑業，交通運輸、倉儲和郵政業，批發零售和住宿餐飲業，其他第三產業。

表1 因素分解模型中各變量含義及單位

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

圖1 多地區（M-R）空間指數分解分析模型

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

其中Rx和Ry表示30個地區中的任意兩個地區，Ru表示參考地區。M-R模型①不同地區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分解法主要有拉氏指數分解法和迪氏指數分解法，根據Ang(2015)[5]的研究，對數平均數迪氏指數分解法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]）而得到廣泛應用，本文采用LMDI-I的方法分析中國各地區電力消費的空間特征。

每個地區與參考地區之間的分解公式可以分別表示為：

3 中國地區間電力消費影響因素空間分解結果的實證分析

我們使用M-R空間分解模型分析中國30個省、市、自治區電力消費的影響因素。電力消費的總效應可以分解為人口效應、經濟效應、經濟結構效應、電力強度效應。各地區電力消費的業績之間的排序會根據前文所列公式計算得出。

3.1各地區電力消費效率

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、自治區電力消費帶來的產出，通常用電力消費強度的倒數來表示。30個地區的電力消費效率是該地區單位電力消費帶來的地區產值增值，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。其中，電力消費效率超過20元/千瓦時的地區有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/千瓦時之間的地區有18個。低于10元/千瓦時的地區有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，這些地區的電力消費效率有較大的提升空間。

3.2各地區用電量與參考地區用電量差值分解結果

將中國30個省、市、自治區的電力消費量與其平均值進行比較，以了解各地區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、經濟效應、經濟結構效應和電力強度效應，從而確定影響電力消費的各因素對各地區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

總效應是指各地區電力消費量與參考地區電力消費量之差。根據《中國能源統計年鑒》數據，由公式（2）計算得出的各地區電力消費量與參考地區電力消費量之差如表3所示。

表3 2017年各地區電力消費效率及與參考地區加法乘法和分解效應

《中國能源統計年鑒》數據顯示，2017年電力消費量超過5000億千瓦時的地區有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

各地區用電量與每個地區人數多少密切相關，人口數量和人口效應基本一致。人口效應導致的用電量超過參考地區的地區有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分別多3163.71億千瓦時、2719.49億千瓦時。其余高于參考地區用電量的地區，其人口數量與人口效應也基本一致，其中浙江人口效應導致的用電量與其他地區相比略高一些，四川導致的用電量比其他地區略低一些。人口效應導致的用電量低于參考地區的地區有17個。其中最低的是寧夏，其次是青海和天津。

3.2.3經濟效應

各行各業紛紛擺拍出“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。年輕一代敢于表達自我，他們因愛崗而炫，因奉獻而“富”！

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

經濟效應導致電力消費量高于參考地區電力消費量的地區有10個，最高的是江蘇，其電力消費量比參考地區電力消費量高1980.38億千瓦時。由經濟效應導致的電力消費量低于參考地區電力消費量的地區有20個，最低的是甘肅，低于參考地區電力消費量1166.93億千瓦時。

3.2.4 經濟結構效應和部門電力強度效應

各地區電力消費量分解結果中，經濟結構效應和電力強度效應能衡量不同產業電力消費帶來的經濟效益，因此經濟結構效應和電力強度效應數據更有意義。如圖2所示，橫軸代表經濟結構效應，縱軸代表電力強度效應。經濟結構效應大于0的地區表示該地區工業結構的電力消費密集度高于均值，從圖中可以看出有14個地區的電力消費密集度高于均值。而電力強度效應大于0的地區表示該地區的電力消費效率低于均值，總共有15個地區的用電效率低于均值。基于經濟結構效應和電力強度效應分解結果，在圖2中處于右上象限的地區河北、山西的經濟結構效應和電力強度效應均大于0且距離0值較遠，說明這兩個地區與均值相比是高電量消費地區。這兩個地區應采取適當的結構調整措施、提高電力消費效率，具有較高的節能潛力。位于左下象限的地區北京、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。

圖2 各地區加法模式分解的經濟結構效應和電力強度效應

圖2是加法分解結果，顯示的是不同地區經濟結構效應和電力強度效應貢獻的絕對電力消費量。相同的電力消費量在不同地區的相對貢獻不同，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果。乘法分解是以比率形式表示的經濟結構效應和電力強度效應來估算，其分解結果由表2中的乘法分解公式計算得出，分解結果以指數表示，如圖3所示。縱軸刻度是對數刻度顯示，該圖顯示了各地區電力消費與均值之間偏差的相對幅度。例如北京的經濟結構效應是0.80、電力強度效應是0.61，這表示按指數分解的北京的經濟結構效應和電力強度效應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 各地區乘法模式分解的經濟結構效應和電力強度效應

圖3的地區分布與圖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是具有高節能潛力的地區，其相對于全國平均水平的節能潛力以絕對值給出。圖3中顯示的是各地區占全國平均電力消費的百分比。兩個圖的數據結果顯示，地區間電力強度效應大于經濟結構效應。

3.3各地區電力消費強度和各影響因素乘法分解結果排序

各地區電力消費效率除了可以通過各地區電力消費強度進行排序之外，還可以用乘法分解結果中的經濟結構效應和部門電力強度效應對各地區電力消耗的貢獻不同進行排序。如表4所示，各地區電力消費強度排序是按照每個地區單位地區生產總值所耗費電量值高低來排的，排名比較靠前的地區說明每單位地區產值耗費電量較低，總體效率較高。其他效應排序是按照乘法分解的效應數值來排的，排名靠前說明在這方面該地區表現較好。比如海南的經濟結構效應排名第一，說明海南具有最低電力強度效應的工業結構；吉林的電力強度效應排名第一，說明吉林是電力效率最高的地區。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具有較高的節能減排潛力。

表4 各地區總電力消費強度和乘法分解結果排序

4 結論和政策建議

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

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

（3）分解結果中經濟結構效應和電力強度效應能更好地衡量各地區的電力消費效率。其中電力強度效應影響要高于經濟結構效應。分解結果顯示河北、山西兩個省份不同產業的電力消費密度和電力消費強度均大幅度高于均值。說明這兩個地區如果采取合適的產業結構調整措施、提高電力消費效率，會具有較高的節能減排潛力。經濟結構效應和電力強度效應來衡量電力消費效率，表現較好的地區是北京、上海、四川等地。這些地區產業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，是其他地區借鑒的榜樣。

（4）本文根據電力消費強度和LMDI分解效應對中國30個地區進行了排序，排序結果見表4。總體電力消費效率北京排序最高，人口效應青海排序最高，經濟效應甘肅排序最高，經濟結構效應海南排序最高，電力強度效應吉林排序最高。排序較低的地區可以有針對性的借鑒排序較高地區的措施來提高本地區的電力消費效率。

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，每個地區與參考地區進行比較，每個地區只需要進行一次比較計算，因此需要進行分解計算的數量大大少于B-R模型。該地區與其他地區的比較結果都可以通過各地區與參考地區的分解比較結果中間接得出。（2）選取所有地區的平均值作為參考地區，降低了參考地區選擇的主觀性，而且所有地區都可以有一個統一的參考標準。（3）所有地區跟參考地區進行比較，可以對所有地區的電力消費效率進行業績排序并得出一般結論，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）各地區間存在一一對應的間接關系，間接比較的結果沒有沖突，滿足地區循環的要求。