中国城市化进程中的电力需求预测＊
何晓萍 刘希颖 林艳苹
内容提要:中国快速的城市化进程大致将在2020年告一段落,进入中等收入国家。
迄今的电力需求研究都忽略了城市化对电力需求的影响。为了取得可靠的电力需求预
测,通过引入城市化这个重要因素,本文利用面板数据非线性模型和协整模型从两个侧面
对中国电力需求做了对比研究和预测,两个模型所得到的结果基本一致而且数值非常接
近,两种模型的结果都表明现阶段电力需求与城市化高度相关。中国城市化进程以及城
市化发展阶段所表现出的工业化特征,推动了电力需求快速增长。预计2020年中国人均
电力需求将达到5000千瓦时左右。在城市化进程中,中国电力需求必然会呈现出一些发
达国家在城市化进程中曾出现过的特征。
关键词:电力需求 城市化 工业化
一、引 言
过去20年多中,中国电力需求年均增长近10%,高于世界其它任何国家,而且预期还会继续增长。与此同时,电力供需形势历经数轮起伏,2008年全国煤电油更是出现全面紧张。充足可靠的电力供给不但是目前影响经济稳定的重大宏观问题,还将对未来经济可持续增长产生重大影响。作为避免电力短缺的重要一环,科学合理的电力需求预测和电力规划至关重要。
考虑到中国的城市化、工业化仍未完成以及中国政府对经济的驾驭能力,即使保守估计,中国经济还可以再快速增长30年。与经济快速增长相随的是工业化和城市化进程加快,这两个因素正是导致电力需求快速增加的主要因素。预计中国快速的城市化进程将在2020年左右告一段落,进入中等收入国家。对于中国这样一个经济快速发展、人口规模庞大、区域发展不平衡并处于经济转型中的发展中国家,经济增长、城市化和工业化将对电力需求带来何种冲击以及在这种冲击下电力需求如何增长,是本研究要考察的问题。林伯强(2005)提出了城市化和工业化进程对能源需求的刚性问题,之后,对于城市化和工业化进程影响能源需求的理论逻辑,林伯强(2008)进行了比较系统的讨论。
首先,可以从农产品生产和运输来讨论。目前,中国农村人口在总人口中所占比重约为56%,大致推算一下,为全国人口提供足够食物,每个农村人口为不到2个人生产所需的粮食;如果2020年城市化率达到60%及以上,每个农村人口至少需要为2.5个人提供粮食。要使人均粮食产量达到目前的1.25倍,只有通过农业现代化。传统农业生产以人力与畜力生产相结合为特征,任何其它形式的能源耗费无几。而农业现代化要求转变传统生产方式,使用更多农业机械以提高效率,从而消耗大量柴油及电力作为动力来源。所以,城市化进程中的农业现代化需要消耗更多能源。除了粮食生产过程,农业能源消费增长还体现于运输过程。城市化进程使大量人口从作为粮食供给
＊ 何晓萍、刘希颖、林艳苹,厦门大学中国能源经济研究中心,邮政编码:361005,电子信箱:xphe2005@https://www.doczj.com/doc/8a3741787.html,,xiyinglvm @https://www.doczj.com/doc/8a3741787.html,,jennifer-y-lin@https://www.doczj.com/doc/8a3741787.html,。作者衷心感谢林伯强教授对本文的贡献,以及匿名审稿人的意见。本文受到长江学者科研配套经费和国家社科基金(08BJ L050)的支持。
118
方的农村脱离,集中到城市,大规模粮食运输系统因而成为推进城市化进程的必要支撑。运输系统的建设和使用都将导致大量能源消费,而这一问题在自给自足的传统农业社会并不存在。
其次,工业化的主要特征是通过使用新的科学技术和生产建设方式来提高劳动生产率,因此要求资本、技术、劳动等生产要素达到一定集中度。在工业化过程中,生产要素不断在城市进一步集中,这就是城市化进程。国际经验也表明,在城市化进程中,一国经济往往呈现出工业化的特征。劳动力逐渐从农村脱离进入城市,呈现出明确的专业化分工特征。专业化生产意味着生产者不能为自己提供全面的商品和服务。专业化分工的转变促进了市场和交换行为。城市化进程通过集中各种生产要素以获取相应规模效益。然而,现代工业分工需要将各种要素运输并集中在城市,完成生产后再将产品送至消费地。因此,需要为市场供需双方提供一个高效、便利的运输体系。所以,工业化生产所需的建设及运输过程也将比相对自给自足的农业社会消耗更多能源。
最后,与城市化相关的工业化发展将推动居民能源消费。首先,随着城市化率提高,需要为新增城市人口提供足够的住房;其次,人口大规模地迁入城市后,对交通运输、医疗卫生、城市绿化等公共设施都提出了更高要求,这些城市基础设施的建设、运行和维护都需要消耗更多能源;而且,随着城市化推进和居民收入水平提高,能源消费特征也会发生较大转变:一是能源消费结构转变。农村人口移居城市后,将以电力替代煤炭、木材等传统能源。目前中国农村人口(尤其是北方)仍以煤炭、木材等传统能源为主,而城市人口以电力消费为主。城市电力设施相对完善,更便于居民获取电力资源。收入水平提高使人们更倾向于消费清洁、方便的电力;二是居民人均能源消费量会随城市化推进而大幅增加,其中最为显著的是城市交通发展会导致更多化石燃料及电力消费。即使是中低收入水平阶层的人们,也要使用各种公共交通工具。所有这些都会比传统农村交通工具耗费更多能源。另外,劳动力从农村流向城市后,收入提高,特别是更具流动性的现金收入增加,因而购买力提高;而城市平均电气化水平较高,商品供应也更充足。两方面的因素都会刺激家用电器需求增加,家用电器拥有量和使用量的提高,意味着更高的人均能源消费。如果其中大部分家电由国内生产,又会带动制造业的能源消耗增加。
二、文献回顾
学术界对能源需求的研究可以说相对深入。作为能源需求的重要组成部分,针对电力进行分析预测的文献汗牛充栋。自回归法(AR)、移动平均(MR)、自回归移动平均(ARMA)、自回归整体移动平均(ARI MA)和一般指数平滑等各类方法,已被广泛应用于电力需求研究和预测。在解释经济发展与电力消费之间长期均衡和短期波动关系方面,标准Granger因果检验、协整和误差修正模型(E CM)得到大量运用。如Kraft(1978)对美国GNP与电力消费的关系研究,Silk和Joutz(1997)对美国居民电力消费的研究及需求预测,还有Shiu等(2004)针对中国电力消费的研究。
迄今,在对电力需求研究和预测的文献中,主要有两点不足:
第一点与选择影响电力需求的主要因素相关。除了将收入水平作为最重要的解释变量,一些学者也试图纳入其它变量以增强模型的解释能力。例如,Burney(1995)认为,城市化对电力消费的影响会随人均收入及产业结构变化而变化。Lariviere和Lafrance(1999)在研究加拿大各城市人均电力消费后发现,经济运行、人口、气温是影响电力消费的重要因素。Holtedal和Joutz(2004)发现,城市化水平对发展中国家的长、短期居民电力消费都有重要影响。林伯强(2003a,2003b)在三要素生产函数框架下,用协整和误差修正技术研究并预测了中国电力消费,表明GDP、资本、人力资本及电力消费之间存在长期协整关系。但是,截止目前对电力需求的研究中,还没有文献同时将工业化和城市化两个因素纳入。发达国家的城市化和工业化已基本完成,电力需求处于相对稳定的缓慢增长阶段,在模型中忽略这两个因素的影响,无关紧要。然而,当涉及到经济处于转型时期的发展中
119
国家特别是中国时,这一不足对研究结果的影响就尤其显著。目前,中国有着世界第一大规模的人口、第二大规模的经济,但地区之间发展极不平衡,这是基本国情;经济持续高速增长、城市化加快和其间的工业化特征,这是现在及今后相当一段时期内中国经济社会发展的最重要特点。对中国电力需求的研究,必须考虑到上述基本国情和特殊经济社会发展阶段中的主要特征。
另一个不足是,大部分电力需求研究将电力消费的收入弹性作为常数处理。经济增长同电力消费之间究竟是否为不变的线性关系,值得商榷。经济中生产和消费活动的结构变化可能会改变收入水平影响能源消费的方式及程度,这在线性方程中很难得以反映。事实上,一些关于能源消费和经济增长之间非线性关系的研究已经见诸于文献,其中一些得到了二者之间存在着类似环境库兹涅茨曲线的结论。Galli(1998)对10个亚洲国家的面板数据分析发现,能源强度会在收入水平达到某一临界值(平均为3945美元)后趋于下降。Kenneth(2001)研究了包括亚太地区、欧洲及北美在内的28个国家1978—1995年的分部门终端能源消费,也发现人均收入和能源消费之间存在着非线性增长关系,在人均收入到达一定水平后,能源强度越过拐点开始下降,人均能源消费增长速度随人均收入提高而逐渐放缓。统计数据说明了一些发达国家的电力消费与人均收入之间确实存在着类似的非线性关系。笔者对中国电力消费弹性的中长期历史数据进行分析后也发现,电力消费的收入弹性系数随着收入水平发生了非线性变化。因此,在预测中长期电力需求时,将需求收入弹性作为常数的假定确实需要讨论。
本文将在前人研究的基础上做出两个主要改进:第一,将城市化和工业化同时纳入常见的协整模型,分析中国经济增长和电力消费的长期均衡关系;第二,借鉴Galli(1998)和Kenneth(2001)的方法,建立电力消费和经济增长的非线性面板数据模型,同样也将城市化和工业化作为两个重要的控制变量。基于上述两个模型,本文分别预测了中国中期电力需求,并分析比较了主要结果。
三、实证分析
1.基于时间序列的协整模型实证分析
(1)变量选择及数据
国内生产总值:经济增长是文献中最早、也最常见的解释电力或能源需求的因素。经济增长及其对生活标准的影响是促进电力消费增长的主要动力。众多经验研究证明了GDP与电力消费之间存在着显著且稳定的正相关关系(林伯强,2003b)。
城市化:林伯强(2003b)指出,人口增长是促进电力消费增加的重要因素之一。但是,相对于人口总量增长,城市化率的提高对电力消费的影响更为显著。城市化进程要求大规模的城市基础设施、住房交通运输体系建设,会带动建材、冶金等高耗能产业的快速发展,并推动工业、农业和居民用电增长。本文以城镇人口在总人口中的比例代表城市化率,假设它与电力消费量之间存在正向关系。
工业化:工业耗电在中国的全社会用电量中占70%以上,重工业则占60%左右,是名副其实的“耗电大户”。近几年的重工业增长尤其是高耗能产业的扩张,更成为推动中国电力消费高速增长的主要力量。中国电力消费呈现的“工业化”特征,符合当前经济发展的阶段性特征。本模型以工业产值在GDP中的比重作为工业化指标。
电力使用效率:虽然中国人均电力消费量相对较低,但粗放型的经济发展模式造成单位产值电耗水平很高。本文用工业增加值与工业耗电量之比代表电力使用效率。假设工业耗电量会随着用电效率提高而降低。
电价水平:价格是影响商品需求的最主要因素之一。中国能源市场化改革尚未完成,电价仍由行政制定,电价水平多年不变。因此,直接采用电价较难反映它对电力需求的影响,燃料价格较早120
地实现了市场化定价机制,再考虑到中国电源结构以火电为主,所以本模型选择燃料零售价格指数作为价格指标,假定价格上升降低电力需求。
(2)模型和数据
根据上述对于中国电力消费影响变量的分析,建立电力需求函数方程如下:
Q t=f(G DP t,CI t,S t,E t,P t)(1)
其中,Q t为电力消费总量,GDP为国内生产总值,CI,S,E,P分别代表城市化率、工业化、电力使用效率和电价水平。所用数据均来自中经网数据库,样本区间为1978—2006年。为消除异方差的影响,所有变量均取对数处理。
(3)计量经济分析和实证结果
平稳性检验:ADF检验和PP检验是实证中常用的两种单位根检验方法,本文同时采用两种方法进行检验。若用样本计算的ADF值(PP值)>临界值,则H0:序列是不平稳的原假设不能被拒绝,原序列非平稳;若ADF值(PP值)<临界值,则H0被拒绝,得到原序列平稳的结论。
协整分析:如果时间序列Y t,X t是非平稳的,但相应一阶差分是平稳的,则为I(1)。若存在某一β使Y t-βX t是平稳的,即I(0)的,则认为Y t、X t具有协整关系。对变量之间协整性检验,一般有E-G两步法和Johansen分析法,本文采用Johansen分析法。Johansen协整检验有两个检验统计量:迹检验统计量λtrace和最大特征值检验统计量λmax。本文采用λmax检验结果。最大特征值检验统计量λmax为:
λmax(r,r+1)=-T＊LN(1-λr+1)(2)
对应的零假设是H0:协整关系个数等于r,备择假设H1:协整关系个数为r+1。当λmax大于临界值时,拒绝协整关系个数等于r的原假设,重新检验直到λmax小于临界值,若此时的零假设是协整关系个数为q,则得出协整关系个数为q的结论。因为特征值是从大到小排列,所以当λmax(r,r +1)不显著时,λmax(r+1,r+2),λmax(r+2,r+3)…也是不显著的。单位根检验和Johansen协整检验结果见表1和表2:
根据上表所示,综合考虑ADF检验和PP检验结果,所有变量均可在1%的显著性水平下达到二阶平稳。因此认为,所有变量符合I(2),满足构造协整方程组的必要条件。
根据Max-Eigen统计量的检验结果(表2),在5%的显著性水平下,各变量之间有两个协整关系,即存在长期均衡关系。考虑存在协整关系假定下经过标准化的协整系数,提取一个协整方程。 协整方程系数估计为:β′=(1.0,0.631,1.103,1.701,-0.182,-0.041)
长期均衡方程如下(括号内为标准差):
Q=0.631G DP
(0.163)+1.103CI
(0.382)
+1.701S-0.182
(0.205)
E-0.041
(0.096)
P-6.756
(0.063)
(3)
方程(3)的结果表明,1978—2006年间电力消费量与GDP、城市化、工业化、电价和工业电力使用效率之间存在长期均衡关系,所有变量系数符号均符合前述的经济意义。其中,影响最显著的是工业化,系数为1.70,即工业增加值在GDP中所占比重每增加1个百分点,会带动电力消费上涨1.70个百分点;城市化率每增加1个百分点,电力消费增加1.10个百分点;GDP和效率每上升1个百分点,分别带动电力消费上升和下降0.63和0.18个百分点。以上变量的系数均在5%的显著性水平下通过t统计量检验。价格每上涨1个百分点会使电力消费下降0.04个百分点,但价格系数未通过显著性检验。本文认为,原因在于电力价格由行政确定,市场化的燃料价格波动无法传递至电力的终端消费方,即在燃料价格上涨时,销售电价仍保持不变,因此价格对电力需求的抑制作用不够显著。剔除价格变量后,重新估计方程如下:
121
Q =0.563G DP (0.096)+1.205CI (0.21)+1.607S -(0.155)0.169E -6.331(0.091)
(4) 表1单位根检验结果序列水平一阶二阶ADF PP ADF PP ADF PP Q -1.3158-0.5737-2.9253-2.2966-5.1839＊＊＊-4.5294＊＊＊GDP -3.9488＊＊-2.4042-3.8750＊＊-2.6605-4.9034＊＊＊-4.8656＊＊＊CI -4.5333＊＊＊-1.8833-3.79860＊＊-3.8678＊＊-9.5052＊＊＊-9.9337＊＊＊S -1.5921-1.9047-3.2153＊＊-3.2153＊＊-7.2730＊＊＊-9.5730＊＊＊E
-1.5217-1.0299-2.6456＊-2.6125-6.1662＊＊＊-7.9454＊＊＊P -3.7631＊＊-2.2136-3.1297-3.1194-6.5051＊＊＊-13.7744＊
＊＊ 注:＊表示在10%的水平下显著,＊＊表示在5%的水平下显著,＊＊＊表示在1%的水平下显著。
表2Johansen 协整检验结果协整向量个数原假设Trace 统计量临界值M ax -Eigen 统计量临界值没有145.6554＊＊95.753742.3711＊＊40.0776最多1个103.2842＊＊69.818939.9837＊＊33.8769最多2个63.3005＊＊47.856127.065427.5843最多3个36.2352＊＊29.797122.200521.1316最多4个14.034715.494713.236714.2646最多5个0.7980
3.84150.79803.8415 注:＊＊表示5%的显著性下拒绝原假设;趋势假设:时间序列数据存在线性确定性趋
势,协整等式只有截距项;滞后间隔:1到1。 表3标准化系数矩阵变量Q GDP CI S E P 系数估计值1.00000-0.63147-1.10349-1.700530.181790.04119渐进标准误—(0.16292)(0.32846)(0.20537)(0.09627)(0.06318) 表4中国城市化与电力需求因果关系检验原假设F 统计量P 值城市化不是电力需求的Granger 原因4.7290.020电力需求不是城市化的Granger 原因2.2650.127
根据修正后的方程(4)的系数,工业化比例每提高
1%,会带动电力消费上涨
1.61%,城市化率1%的增
长会使电力消费量增加
1.21%,电力消费收入弹性
为0.56,效率弹性为-0.17。
为检验方程对历史数据的
拟合程度,将模型估计值与实际值进行对比。结果表明,模型对历史数据的拟合
程度很高,样本区间内的年均误差仅为0.46%。
本文首次将城市化引
入中国电力需求研究,协整
方程也显示,二者间存在着
显著的长期均衡关系。
Granger 因果检验表明,在5%的显著性水平下,城市化水平是电力消费量的Granger 原因,但电力消费
不是引起城市化的Granger 原因。结果支持了将城市
化引入模型作为电力消费
的解释变量。
2.基于面板数据的人
均电力需求实证分析
采用包括截面各省份
和时间序列数据的面板数
据,原因主要在于面板数据
包含较多数据点,可以提供较大的自由度;结合截面变量和时序变量的两纬信息,能显著减少缺省变量带来的问题,就本研究而言还能反映收入水平变化和地区发展差异对电力消费-收入关系的综合影响。
本模型所取截面个体包括了以省、直辖市和自治区为单位的中国29个省(区)。由于数据的获取性问题,未将西藏自治区包含在内,对四川和重庆数据进行了合并。按照区域之间的主要电力流向和负荷分布,将29个省(区)分别并入受端、送端和自给区三个区域①。鉴于自给区仅包括4个省
122
①这是以国家电网公司对电力受送区域的划分为准,受端含19省区:浙江、上海、福建、江苏、安徽、天津、河北、北京、山东、河南、湖北、湖南、江西、辽宁、吉林、黑龙江、广东、广西、海南;送端包括山西、陕西、宁夏、内蒙、新疆、四川;其它为自给区,包括贵州、青海、云南、甘肃和西藏。由于1997年后才有单独的重庆统计数据,为口径一致,本文把四川和重庆数据进行合并。
(区),在面板模型中将送端地区和自给区并为一个横截面。这样,本文将分别考察三个横截面的电力消费:受端地区、送端加自给区、全国。
(1)中国人均电力消费现状
自改革开放以来,中国电力消费水平迅速增长。1980年人均电力消费仅为300千瓦时左右, 2000年人均用电首次超过1000千瓦时。地区之间经济发展和电力消费有明显差异:受端人均收入水平和电力消费水平均高于全国平均,送端和自给区则均低于全国平均,其中自给区为全国最低。以2006年看,全国人均电力消费水平为2175千瓦时,受端、送端和自给区人均电力消费水平分别是2288、1883和1763千瓦时;全国人均GDP为13285元(2000年不变价格),受端、送端和自给区的人均GDP分别为17178、9841和6496元。区域电力消费与经济发展水平的格局基本一致。
(2)电力需求模型
Kenneth(2001)的能源需求模型由消费函数推导而来,其特点是,能源需求的收入弹性是人均收入水平的函数。随收入水平可变的能源需求弹性的隐含之意为:能源需求的增长方式随经济发展水平而改变。长期能源需求函数的表达式为:
ec＊t=AP b1t y b2+b3ln y t
t(5)
其中,A为技术水平,视为外生给定变量。ec t、P t、y t分别为人均能源需求量、能源价格和人均收入水平,＊表示需求为长期均衡水平。对(5)两边取对数:
ln ec＊t,i=a i,j+b1ln P t,i+b2ln y t,i+b3(ln y t,i)2(6)
方程(6)为能源需求的长期均衡方程。短期消费水平会偏离长期均衡值,因此需要考虑实际水平向长期均衡的动态调整。Galli(1998)和Kenneth(2001)采用了不同的动态调整公式,本文采用Kenneth(2001)的局部调整公式:
ln ec t,i-ln ec t-1,i=γ(ln ec＊t,i-ln ec t-1,i)(7)
其中,γ为调整速度,得到短期动态方程:
ln ec t,i=a i,j+β1ln P t,i+β2ln y t,i+β3(ln y t,i)2+(1-γ)ln ec t-1,i+εt(8)
其中,b k=βkγ,k=1,2,3。本文将(6)和(8)分别作为长期和短期电力需求的基本方程。利用方程(6),可得到长期电力需求的收入弹性b2+2b3ln y t,j和单位产值电力消费(电力强度)的收入弹性(b2-1)+2b3ln y t,j。弹性大小取决于收入水平变化和参数b2,b3。如果b2>1,b3>0,那么两个弹性都是递增的;如果b2>1,b3<0,则两个弹性都将随收入水平提高先增后降,其间经过一个拐点,使电力消费和收入水平之间呈倒U型关系。其中,当电力需求收入弹性为0时,人均电力消费到达极大值点,对应人均收入y t,j=exp(-b22b3);人均电力需求收入弹性为1时,单位产值电力消费达到极大值,对应人均收入y t,j=exp((1-b2)2b3)。
基于Kenneth(2001)的需求方程(6)和(8)中,只有两个解释变量,收入水平和价格。这意味着:经济中影响电力消费的其它因素,如经济结构调整、工业化、城市化都体现在收入水平与电力需求的非线性关系中。为了更清楚地考察工业化和城市化对电力需求的影响,本模型也将城市化和工业化作为控制变量同时引入方程。因此,电力需求短期动态方程和长期均衡方程分别为: ln ec＊t,i=a i,j+b1ln P t,i+b2ln y t,i+b3(ln y t,i)2+b4ln popu t,i+b5ln zgy t,i(9) ln ec t,i=a i,j+b1ln P t,i+b2ln y t,i+b3(ln y t,i)2+b4ln popu t,i+b5ln zgy t,i+b6ln ec t,i-1
(10)
其中,ec ti为人均电力消费量,popu ti和zgy ti分别代表城市化和工业化水平,P ti代表电价水平,y ti 代表人均收入。
(3)变量指标确定和数据来源
123
研究样本为2000—2006年的非齐平行数据。以人均GDP作为衡量收入水平的指标;电力需求以人均用电量表示;城市化水平仍以城镇人口在总人口中的比例表示;这里的工业化指标为重工业产值占工业总产值的比重。
对价格变量需加以特别说明。与前文协整分析不同,这里电价指标采用的是相对电价。中国的电价情况是:一是各类电价水平不等,各地电价差异较大。在煤电资源丰富的送端和自给地区,电价总体水平较低,资源匮乏但电力消费较高的受端地区,电价总体水平较高;二是电价调整受政府管制,价格水平总体偏低。尽管近几年有所提高,但幅度不大,不足以反映资源稀缺和环境成本。电力消费是一种必需品,在电价水平被人为压低的情况下,小幅调高价格可能不足以对电力消费造成显著影响,前文协整分析已经证明了这一点。但是,各地区之间电力价格的相对水平可能会对电力消费尤其是高耗能行业的电力消费产生显著影响。明显的区域电价差异,是影响各地工业特别是高耗能产业流向的一个重要因素。与发达国家居民用电占据较大比例不同,中国电力消费以工业为主。送端和自给区(主要是中西部地区)的电价相对较低会吸引高耗能产业大量进入,从而导致这些地区电力消费水平尤其是单位产值耗电水平较高。统计数据表明,送端地区和自给区的重工业产值在工业总产值中的比例至少高于全国平均水平5个百分点。因此,以相对价格作为价格变量,更易于考察电价差异对电力消费水平的影响。相对电价指标公式为:各省区平均销售电价全国平均销售电价。
本模型中,各省人均GDP、人口总量、工业和重工业产值、价格指数、各省电力消费总量数据均来自历年《中国统计年鉴》或《中经网数据库》。个别年份和省份的用电量短缺数据根据国家电网公司统计资料补充各省平均销售电价数据来自国家电网公司内部统计资料。电价水平和人均GDP 分别折算为2000年不变价格水平。各变量均取对数。
(4)面板模型及实证结果
面板数据的优点是数据点多,从而具有较高自由度,且截面和时间序列的信息结合可显著减少省略变量带来的问题。但是,它也会引起时间序列干扰、截面干扰以及混和干扰等问题,使模型确认变得困难。由于简单采用最小二乘法估计(OLS)无法有效地反映出模型的时间和空间特性,所以引进允许截距项随时间和截面单位变化的虚拟变量,以反映不同数据序列的个体效应。是否添加虚拟变量可由统计假设检验决定。对于检验被解释变量参数是否在所有横截面样本点和时间上都是常数,广泛采用的是协变分析(Analysis of covariance)。主要检验两个假设: H1:斜率在不同横截面样本点和时间上都相同,截距不同;
H2:斜率和截距在不同横截面样本点和时间上都相同。
对于全国横截面,在OLS、假设1和假设2等三种情形下,分别得到残差平方和:S1=0.35,S2 =0.370,S3=15.397。在5%的显著性水平下,计算F检验统计量,F2>1.69,F(162,28)=1.69, F1<1.72,F(135,128)=1.72。因此,拒绝H2,接受H1,确定模型为变截距模型。对于另外两个受端、送端加自给区横截面,检验结果也都接受了H1。
根据截面单位个体效应与其它解释变量相关与否,变截距模型又可分为随机效应(Random Effects)和固定效应(Fixed Effects)模型。随机效应模型要求误差项中包含的个体效应和其它解释变量不相关的假设,而固定效应模型不要求这一假设。此外,固定效应模型有利于分析对于任意给定的截面单位,因变量与截面均值之间的差异程度。面板数据往往会因各截面单位个体的不同特征而具有异质性,把这些异质性纳入模型,可能会引起参数估计的非一致性,固定效应模型能够较好地处理这一问题。
就本文研究的问题而言,各地之间电力消费和其它变量的差异程度相当大,固定效应模型似乎124
更加适用。对于验证面板数据模型的设定应该是固定效应还是随机效应,Greene (1997)介绍了两种检验方法:一种是Hausman (1978)提出的豪斯曼检验(Hausman test )。另一种是Breush -Pagan (1980)提出的拉格朗日检验法(L M test )。本文采用第二种方法Breush -Pa gan 的拉格朗日检验法。
原假设H 0:σ2u =0或者C ov [εit ,εis ]=
0,t ≠s ,备择假设H 1:σ2u ≠
0,检验统计量为LM ,在原假设下,LM 统计量服从自由度为1的χ2分布:
LM =nT 2(T -1)
∑n i =1∑T
t =1
e it 2∑n i =1∑T t =1e 2it -12-χ2(1)(11) 表5
模型估计结果全国受端送端+自给区参数t 值参数t 值参数t 值短期方程P -0.028-1.596-0.037-1.543-0.660-2.522Y 2.6162.9552.1563.9162.5231.302Y2-0.099-2.851-0.079-3.359-0.081-0.813POPU 0.2012.7270.2152.3880.2172.327ZGY 0.1591.2670.2921.9780.4852.042EC (-1)0.2250.7130.2420.832-0.019-0.091长期方程P -0.055-0.049-0.521Y 3.0422.8434.471Y2-0.115-
0.104-0.191POPU 0.3340.2830.255ZGY 0.2760.3850.410Adjusted R 20.9920.9940.990 注:t 检验统计表明,除第三个截面(送端+自给区)的人均收入Y 平方项之外,各当期参数值在5%的置信水平下均为显著。人均收入的一次项和平方项同时进入方程,影响了变量Y 的显著性。因此可以认为,收入变量总体来说仍是显著的。模型估计使用Eviews6.0软件来实现。
其中e it 为OL S 的误差项。若LM 大于临界值,则拒绝H 0,
选用固定效应模型。对于是固定
效应还是随机效应,本文采用
Breush -Pagan 的拉格朗日检验法,
由方程(9)和(10)对全国横截面
的OLS 估计得到L M 统计量分别
为273.31和4.38,均大于95%置
信度下的χ2(1)临界值3.84,因
此拒绝随机效应的零假设。对其
它两个横截面的检验结果也支持
固定效应模型。
对于序列相关问题,使用伍
德里奇检验法(Wooldridge Test )
检验。原假设是没有一阶自相
关,检验结果接受了原假设。因
所选样本数据的截面个体单位多
而时期维度相对短,因此主要考
虑修正截面数据中可能存在的异
方差问题,采用了截面加权估计
法(Cross section weights )。由于方程(10)同时把人均电力消费及其一期滞后项作为因变量和解释变量,可能引起多重共线性和变量内生性问题,因此对其采用两阶段最小二乘法(2SLS )估计,以全部解释变量的一期滞后值、当期值以及工业产值占GDP 的比例作为工具变量。
表5给出了估计结果。调整的R 2
较高。总体看来,估计效果比较理想,模型对于中国电力消费有比较好的解释力。
各参数符号与预期一致,价格参数为负,工业化、城市化参数符号均为正。长期方程中的人均收入一次项参数>1,平方项参数<0,表明电力消费与收入水平之间存在着倒U 型的非线性关系。
价格:相对电价变量的估计参数为负,说明相对较高的电价抑制了电力消费。研究过程中,本文曾采用电价水平对数而不是相对电价作为价格变量,发现其参数符号虽为负,但不显著。原因在于中国电价存在一定程度的扭曲,价格水平没有真正反映资源耗减和环境成本,电价水平提高对电
125
力需求的抑制作用不显著,这与前文协整分析的结论基本一致。因此,本文最终采用了相对价格指标。相对价格对于电力消费有着显著影响,从而印证了最初的假设:地区之间电价水平的相对差异是引导高耗能行业在区域之间流动的重要因素。
人均GDP :人均收入的一次项参数均显著,且符号均为正,平方项系数符号为负。与最初假定相一致,长期电力需求是收入水平的非线性函数,并且二者之间呈现倒U 型关系。由人均GDP 一次项和平方项的估计参数,可计算电力强度和人均耗电到达峰值的收入拐点。需要注意的是,这一拐点仅仅表示不考虑工业化和城市化影响的情况下,人均电力消费和电力强度峰值所对应的人均收入水平。所得到的全国人均用电峰值对应的人均GDP 水平为567788元,而2006年中国的人均GDP 仅为13285元(2000价格水平),二者相去甚远。这说明:第一,中国还处于人均电力消费的低水平阶段,电力消费还将有较长的上升时期和较大增长空间;第二,收入水平和电力需求之间存在非线性关系,在收入水平较高的阶段,人均电力消费增长速度会比较低,这与发达国家的经验一致。
城市化和工业化:城市化和工业化参数均显著为正,城市化和工业化进程加快促进了用电需求增长。根据对全国截面的估计参数可以计算出,如果仅仅考虑经济增长(人均收入水平)的影响,单位产值耗电将在人均GDP 为7293元时达到峰值,这相当于全国1999年左右的人均GDP 水平。但是,城市化和工业化改变了电力需求增长曲线的形状和峰值位置。参数符号都为正,说明二者至少将推高同样收入水平下的电力需求,还有可能使到达峰值的时间向后推移。
四、中长期电力需求预测
(一)基于协整方程的电力需求预测
1.情形设定
由于影响GDP 增长的因素过多而无法唯一确定,因此在协整模型的预测中设定低、中、高速三种GDP 增长方案,以较全面地分析经济增长对用电需求的影响。2006年全国城市化率约43%,距离中等收入国家61%、高收入国家78%的平均水平相去甚远。以2006年的43%为基础,根据2020
年达到60%可计算各年的城市化速度。①工业产值在GDP 中的比重在2010年和2020年分别为
45.30%和44.32%。②根据以上假设,可推算出各解释变量的年变化率(表6)。
2.预测结果
电力消费总量预测结果见表7,人均用电量根据消费总量和人口规模推断而来。人口规模利
用国家人口发展研究战略课题组的研究结果。③高中低三种经济增长情形下,预计2020年全国人
均电力消费量将分别达到5583、5191和4824千瓦时。
(二)基于面板数据非线性模型的电力需求预测
基于面板模型的全国人均电力需求预测,既可以按表5中全国横截面参数进行,也可根据各区截面参数分别预测后,再用各区预测值加总求全国平均值。本文同时采用了这两种途径,以便相互校验。各解释变量的情形设定如下:126
①
②③
据国家人口发展研究战略课题组于2007年7月11日发布的《国家人口发展战略研究报告》:2010年,人口总量控制在13.6亿人;2020年,人口总量控制在14.5亿人。据中国宏观经济信息网2001年8月25日发布的《中国宏观经济形势报告(2001年第8期)》:第二产业在GDP 中的比重在2010年和2020年分别为51.5%和50%,而样本区间内工业在第二产业所占的比重均值为88.64%,按此比例推算出工业在GDP 中所占的比重。
国家统计局根据第四次人口普查,预测城镇人口比例将在2010年达到43%,2020年达到52%。鉴于2010年的目标已于2006提前达到,所以将设定值相应提高,2020年达到60%。
表6各解释变量增长率设定年份2008—20102011—20152016—2020增速GDP 10%9%8%高9%8%7%中8%7%6%低UR 2.26%2.26%2.26%—S 1.13%-0.22%-0.22%—E 3.0%2.8%2.6%— 表7基于协整模型的2010—2020年电力消费总量预测值年份电力消费量预测值(亿千瓦时)高速中速低速年份年均增长率(%)高速中速低速20104233141470406182008—20109.829.258.6920155925356560539672011—20156.966.45.8520208094775273699482016—20206.445.885.32 表8基于协整模型的人均电力消费预测值年份总人口数(亿)人均电力消费量(千瓦时)高速中速低速201513.9422040283844202014.5558351914824
1.情形设定
人均GDP :全国GDP 增
长率、人口增长率均与协整
模型的预测一致,由此得到
全国人均GDP 增长率。由
于本文旨在对不同模型预测
进行比较,因此这里只取中
等经济增长速度的情形。
重工业比例:中国经济正处于重工化推进阶段,重
工业产值占工业总产值比重
自1991年的54%左右提高到
2006年的70%。预计重工化
过程还要持续相当一段时
间,设定重工业比例2007—
2010年为70%、2011—2020
年为65%。
城市化水平:全国平均
城市化率的设定与协整模型
的预测一致。电价:面板模型中采用了相对电价指标。因此,以全国横截面参数进行预测时无须进行价格设定。因为相对价格始终为1,取对数后为0。
分区预测时,需要考虑各区之间经济增长、产业结构及城市化水平的相对差异。设定各地区的相对电价保持2007年情形不变,其它变量以全国情形设定为基准,根据各地差异进行合理调整。
受端:经济发展水平属三地区中最高,1980—2006年间,受端地区人均GDP 年均增速高于全国平均水平(8.3%)大约1.7%,因此将该区人均GDP 增长率相对于全国每年调高1%,城市化水平调高0.5,重工业比例相对于全国水平调低0.05。
送端:经济发展水平落后于受端,但与全国平均水平接近,近几年重工业比例高于全国平均水平近5个百分点。因此,设定其人均GDP 增长率和城市化水平与全国平均水平一致,重工业比例
相对于全国水平调高0.05。
自给区:经济发展水平在三个地区中最为落后,1980—2006年间,该区人均GDP 年均增速低于全国平均水平约1.5个百分点,重工业比例高于全国平均水平5个百分点以上,且近几年重工化速度加快,重工业产值在工业中的比重甚至超过75%;城市化率在三个地区中最低,平均低于全国平均水平约10个百分点。综合上述因素,设定自给区人均GDP 增长率比全国低1.0%,重工业比重相对于全国水平调高0.05,城市人口比例调低0.10。
2.预测结果
表9给出了全国截面预测和分区截面预测的结果。按照全国横截面参数的预测,2020年全国人均GDP 将达34827元(2000年不变价格水平),人均电力消费水平4850千瓦时。分区预测结果显示,2020年各区收入水平和电力消费格局基本延续了现状,即受端人均GDP 和人均电力消费水平最高,且高于全国平均水平;自给区和送端地区的人均GDP 和电力消费水平低于全国平均水平。
根据分区人均电力需求预测结果,也可推算2020年全国电力需求。2020年全国人口规模大约
127
为14.5亿人,假定各地区人口分布维持现状①,则2020年各区人口规模分别为10.4亿、2.81亿和
1.29亿,结合分区人均电力消费预测,可得到2020年分区电力消费总量,加总后除以全国总人口即为全国人均电力消费(5096千瓦时 人)。
(三)人均电力需求预测比较分析
表10汇总了在中等经济增长速度下,协整模型、面板模型(分别为全国截面和分区截面加总)关于2020年电力需求的不同预测结果。关于2020年的人均电力消费预测,协整模型为5191千瓦时,基于全国横截面参数的面板模型预测为4850千瓦时,基于分区横截面的预测为5096千瓦时。若以人均电力消费水平5000千瓦时作为中间值,三个预测结果的上下浮动范围不超过4%。因此可以基本判定,2020年中国人均电力消费水平在5000千瓦时左右。
大部分发达国家的人均电力消费水平目前已经达到6000千瓦时以上。中国现阶段的人均电力消费水平相当于英国上世纪50年代末、我国台湾地区70年末到80年代初、日本60年末以及韩
国80年末到90年代初的水平。中国人均电力消费还处于较低水平,电力消费的上升空间很大。
② 表9
基于面板模型的人均电力消费预测年份全国横截面分区横截面人均GDP (元)人均用电(千瓦时)人均GDP (元)人均用电(千瓦时)受端送端自给区受端送端自给区20152559638003597118961115054139351735162020348274850512902580014932533844444567 表10人均电力需求预测比较非线性面板模型按全国截面按分区截面协整模型2020全国总用电量(亿千瓦时)7032273894752732020全国人均用电(千瓦时)485050965191与人均电力消费水平5000千瓦时相比-3.0%
+1.92%+3.8%若2020年中国人均用电达到5000千瓦时,则
大致相当于英国上世纪
70年代末、日本70年代
末、我国台湾地区90年代
中期和韩国90年代末的
水平。从人均用电量
2200千瓦时左右增加到
5000千瓦时左右,韩国大
致用了10年、日本用了12
年、我国台湾地区用了14
年,英国用了19年时间。
据本文预测,中国将需要
14年左右时间。未来20年将是中国进入高速城市化发展的阶段,同时也是刚性的能源高需求阶段。因此,本文关于中国电力需求的预测有其合理性。2006年全国城市化率为43%,与中等收入国家61%、高收入国家78%相距甚远。经济快速增长推动城市化进程,城市化进程会提高整体能源(包括电力)消费水平,城市化进程中的工业化特征是高耗能产业的迅速发展。估计到2020年,中国大约有3亿人口将迁移进城市居住和工作(相当于目前美国人口)。城市人口的能源消费大约是农村人口的
3.5—4倍,城市化进程推动大规模城市基础设施和住房建设,所需要的大量水泥和钢铁只能在国内生产,因为没有任何其他国家能够为中国提供如此大规模的钢材和水泥。2006年,中国以占世界总量5.5%左右的GDP ,消耗了世界钢材总量的30%、水泥总量的54%。因此,城市化对高耗能产业的需求是刚性的。2000年到2007年间,中国电力消费总量的年均增速超过11%,主要源于高耗能产业的快速增长。这就印证了本文结论,城市化是引起能源需求增加的主要原因。128
①
②2006年中国人均电力消费水平为2175kWh ;根据国家统计局发布的《2007年统计公报》,2007年全国电力消费量32632亿千瓦小时,年末总人口为132129万人。据此计算,2007年人均电力消费水平约为2470kWh 人。
笔者根据2006年各省人口计算了分区人口总量,从而得到地区人口占总人口的比例,受端、送端和自给区分别占全国人口总量的72%、19%和9%。
随着城市化生活方式逐渐形成,城镇居民将需要更多能源(电力)密集型的家用电器、汽车以及不断扩展的远距离运输体系,而这种局面尚未在中国出现。可以肯定的是,中国的经济发展进程必然会呈现出一些发达国家和地区曾出现过的电力需求特征。此外,中国电力快速发展满足的不仅是国内需求。根据FT中文网预测,2009年中国将超过美国成为全球第一大制造国,在全球制造业增加值中占到17%。但是,中国处于国际市场产业链的低端,出口往往是附加值低的能源密集型产品。中国电力需求飞速上涨也反映了国际市场消费者的电力需求增长。
五、结论和政策建议
对比发达国家的发展进程,中国目前还处于能源高需求阶段。尽管当前的国际金融危机短期中会影响中国经济增长,但是中国的城市化进程将不可阻挡地向前推进。城市化进程会提高整体能源消费水平。仅以2020年约3亿农村人口移居城市而导致的能源消费来看,其增量规模就将十分庞大。城市化推进阶段的工业特征是高耗能产业的迅速发展,城市化阶段能源需求的刚性说明中国的重工化过程不可避免。近期中国的能源发展动态也表明能源消费在快速增长。2003年到2007年间,各年能源消费总量以近双位数增长,究其原因是高耗能产业的快速增长,这说明城市化进程在加速。经济学研究也表明,城市化是引起能源需求增加的主要因素。那么城市化如何增加能源需求?本文通过引入城市化和工业化这两个重要因素,分别利用面板数据非线性模型和协整模型从两个侧面对中国电力需求做了对比研究和预测,以考察城市化和工业化对电力需求增长有何种作用及影响多大,并进行了2020年电力需求预测。两个模型所得到的结果基本一致。
根据本文预测结果,可以判定,中国2020年的人均电力消费量将达到5000千瓦时左右。据此推算,2007—2020年的人均电力消费年均增速约6%。未来中国经济仍将持续稳定增长,城市化进程不可逆转。中国的城市化进程与其他国家一样,以重工化和能源需求刚性为这一经济发展阶段的重要特征。长期来看,中国人均电力需求与人均收入水平之间存在着非线性倒U形关系。在收入水平较低的阶段,电力需求增长较快;在收入水平较高阶段,电力需求增长放缓。与电力强度-收入曲线相比较,人均电力消费曲线的倒U型曲线更为平缓,曲线拐点对应的收入水平更高,这说明中国人均电力消费水平还有一个长期的、较大的增长空间。
城市化、工业化对中国电力需求都有显著的正影响。这两个因素可以改变倒U型曲线的形状和电力消费峰值的位置。也就是说,在不同经济增长方式和能源环境政策下,电力消费的“倒U型曲线”具有不同的特征。这意味着,通过制定和执行积极的能源政策,有可能使曲线峰值降低,或在曲线上找到一条近似水平的通道,甚至让电力强度拐点提前到来。例如提高电力价格来抑制高耗能产业的发展。价格是影响需求以及利用效率最为关键的因素。在电价由行政决定而被人为压低的情况下,电价绝对水平的变动不足以对整体电力消费造成显著影响;但各地区之间电力价格的相对差异可以显著影响电力消费。说明目前的低价能源(包括电价)管制政策,使价格不能充分反映资源稀缺和环境成本,鼓励了能源的低效利用,特别是推动了高耗能产业的迅速扩张。中国的人均电力消费水平与发达国家仍相去甚远,但就中国庞大的人口规模来说,以高耗能为特征的生产和生活方式一旦形成,将对未来经济社会可持续发展产生不可估量的后果。因此,需要进行电价改革,使价格能够反映资源稀缺和环境成本,促进能源的有效利用。
在城市化推进的过程中,中国的能源消费将发生巨大变化,即使技术进步有可能提高能源使用效率,为满足经济增长和社会现代化的需要,中国能源消费总量仍将经历一段刚性的高增长阶段。总体来看,城市化将是一个比较长的历程。各国社会条件不同,经历的时间会有所不同,但这一过程是每个发达和中等收入国家都经历过的。如果没有出现大的灾难性问题,中国城市化进程大概还需要12年(到2020年)。需要并且真正理解这一阶段的能源消费增长和能源消费刚性问题,是
129
制定有效的能源战略和政策的必要前提。
参考文献
丁敏,2006:《日本产业结构研究》,北京,世界知识出版社。
国家能源委员会科技局,1982:《国外能源统计》,北京,能源出版社。
林伯强,2003a:《电力消费与中国经济增长:基于生产函数的研究》,《管理世界》第11期。
林伯强,2003b:《结构变化、效率改进与能源需求预测:以中国电力为例》,《经济研究》第5期。
林伯强,2005:《中国重化工业之行的能源和环境约束》2005-10-16,http:https://www.doczj.com/doc/8a3741787.html, ht ml2005-10-1817393.htm。
林伯强,2008:《城市化是能源可持续问题的关键》,《21世纪经济报道》2008-11-17,http:opini https://www.doczj.com/doc/8a3741787.html,2008-11-15 111259680.html。
李恩平,2006:《韩国城市化的路径选择与发展绩效》,北京,中国商务出版社。
宿景祥,1992:《美国经济统计手册》,北京,时事出版社。
伍德里奇,2007:《横截面与面板数据的经济计量分析》(中译本)(Wool dridge,J.M.,Econometric Anal ys is of Cross Section and Panel Data),中国人民大学出版社。
Alice Shiu,Pun,Lee Lam,2004,“Electricity Consumption and Economic Growth in China”,Ener gy Polic y,32:4754.
Is abelle Larivière,Ga?tan Lafrance,1999,“Modelling the Electricit y Consumption of Cities:Effect of Urban Dens ity”,Ener gy Ec onomic s, Vol.21,Is sue1,Feb.,PP53—66.
Judson,R uth A.,Richard Schmalens ee and Thomas M.Stoker,1999,“Economic Development and the Structure of the Demand for Commercial Energy”.Ener gy Jour nal20(2):29—57.
Julian I.Silk,Frederick L.Joutz,1997,“Short and Long-run Elasticities in U S Residential Electricity Demand:A Co-integration Approach”, Ener gy Economics,Vol.19,Iss ue4,Oct.,PP493—513.
Kraft,J.,Kraft,A.,1978,“On the Relationship bet ween Energy and GNP”,Journal of Ene rgy and De velopme nt3,401—403.
Kenneth B Medlock III;Ronald Soligo,2001,“Economic Devel opment and End-Us e Energy Demand”,Ener gy Jour nal,Vol,22,No.2.
R ossana Gall i,1998,“The Relati onship bet ween Energy Intensit y and Income Levels:Forecasting L ong Term Energy Demand in Asian Emerging Countries”,Ener gy Jour nal;19,4;p.85.
William H.Greene,1997,Econo metric Anal ys is(Third Edition),Prentice Hall,Upper Saddle R iver,Ne w Jers ey.
China's Electricity Demand Forecast under Urbanization Process
He Xiaoping,Liu Xiying and Lin Yanping
(China Center for Energy Economics Research,Xiamen University)
A bstract:The rapid urbanization process in China will likely end in2020and China will then become a middle income country. Previous studies in related literature on electricity demand gave no consideration on the role of urbanization process.To obtain reliable China's power demand forecast,we for the first time introduce factor of urbanization into the models of electricity demand and use the methods of co-integration analysis and nonlinear regression applying to panel data.The results from both approaches are consistent and in fact,very close.The results of both methods indicate that there exists a significant correlation between the electricity demand and urbanization.We found that the recent rapid growth of electricity demand in China comes mainl y from its accelerating process of urbanization and the industrialization that required in a rapid urbanization process.According to our demand forecasting,the electricity consumption in China will still be increasing significantly and the per capita consumption in2020will be about5000kWh.In its urbanization process,China's electricity demand will have some si milar characteristics as those once appeared in their urbanization processes of other developed countries.
Key Wo rds:Electricity Demand;Urbanization;Industrialization
JEL Classification:O18,Q43
(责任编辑:唐寿宁)(校对:子 璇) 130