珠江三角洲电力消耗及其影响因素的空间计量模型分析
时间：2023-06-03 19:05:24 来源：雅意学习网 本文已影响 人 
王晨艺，许玉凤，黄 娟
（黔南民族师范学院旅游与资源环境学院，贵州 都匀 558000）
进入21世纪以来，我国工业经济总体呈现较快发展的良好态势，能源消费作为整个经济发展战略的基本支撑，是促进一个现代化国家工业经济发展成功的一项基本能源要素，但健康快速平稳的工业经济发展又必然同时伴随着国内日益复杂、突出且多样的能源供需矛盾[1-2]。一直以来，电能都是我国工农业生产与生活活动必须大量消耗的五种能源要素之一。目前，我国电力消耗量大，单位产值能耗高。同时，我国各地经济发展不均衡，电力消费及其各影响因素在大空间范围内还存在非均衡性[3]。因此，有必要深入了解电力消耗的影响因素，进一步研究电网布局与电力消耗的相关性。近年来，有关电力需求影响因素的问题引起很多学者的关注，研究成果丰富。但是，相关研究主要是基于时间序列数据，或者采用非参数分析和阈值协整等统计方法。目前利用最小二乘法或空间模型分析电力消耗及其影响因素的研究还比较少。
珠江三角洲是我国经济活跃发展的地区之一，从“十一五”时期到“十四五”时期，经济结构不断优化，大部分地区实现了从工业向服务业的转变，少部分地区正处在转型阶段。伴随现代工业、服务业的快速发展，居民电力消耗迅速增加。但珠江三角洲受地理位置和资源条件限制，其主要电力供应来自本地煤电、气电、核电以及西电东送[4]。判断影响电力消耗的因素，使珠江三角洲电网布局进一步合理化，实现电力最优配置是亟待解决的科学问题。本文从空间计量分析的角度，利用线性回归分析、空间自相关分析以及空间计量模型等方法，探讨我国珠江三角洲2018年电力消耗的影响因素，分析珠江三角洲电网的布局情况，并提出相关建议。
1.1 数据来源
本文以珠江三角洲的市、区县为研究样本，由于部分城市的属性数据没有划分区县，因此将广州市、深圳市、东莞市和中山市分别视作一个空间单元进行研究。研究区包括珠江三角洲的9 个地级市，即广州市、佛山市（禅城区、顺德区、南海区、三水区和高明区）、肇庆市（端州区、鼎湖区、高要区、广宁县、德庆县、封开县、怀集县和四会市）、深圳市、东莞市、惠州市（惠城区、惠阳区、惠东县、博罗县和龙门县）、珠海市（香洲区、斗门区和金湾区）、中山市、江门市（蓬江区、江海区、新会区、台山市、开平市、鹤山市和恩平市）。属性数据来源于《2019 广东统计年鉴》、各地级市的2019年统计年鉴、各地级市工信部门官网以及部分区县的国民经济和社会发展统计公报。
1.2 数据处理
将各类属性数据整理到Excel 表格内，同类数据统一单位，得到相关数据库。首先，确定所解释的变量对电力消耗是否具有空间差异性；
其次，确定所要解释的影响电力消耗的变量；
第三，在SPSS 软件上进行系统聚类分析；
最后，在GeoDa 软件上进行模型构建。各市、区县的电力消耗量单位是万kW·h；
外贸出口额的单位是亿元，计算所用到的总人数均为常住总人口；
衡量各市、区县工业发展状况的工业产值单位为亿元；
人均耗电量和人均地区生产总值（GDP）的单位分别是kW·h/人、亿元/人。
2.1 空间自相关
相关研究认为，在估计存在显著的空间相关性条件情形下，忽略空间关联效应对系统的实际影响，就会导致实际估计中结果发生某些偏误或估计不太一致，分析计算结果有时可能对系统产生误导[5]。本文通过空间自相关方法，探索电力消耗总量在珠江三角洲各地区是否具有自相关性。若存在自相关性，则说明相关样本会受到周围样本的影响。若空间自相关呈现正值，则可能反映出具有空间聚集的现象；
反之，则可能反映出高值样本会对周围样本产生消极影响。本文采用全局空间自相关和局部空间自相关来展现电力消耗程度的空间集聚特征。
2.2 空间计量模型
2.2.1 空间滞后模型
空间滞后模型（SLM）可以单独用来考察研究空间相邻两个地区差异对一整个时间系统框架内任何其他地区变化的滞后影响，主要用以探讨时空各空间变量分布在其中某一个相邻地区上是否可能有时空扩散现象（溢出效应）。
2.2.2 空间误差模型
空间误差模型（SEM）可以直接通过扰动误差项的城市空间依赖作用，直观体现各城市的空间相互影响，空间依赖性不仅可以体现在对自变量的影响中，还可以通过误差项体现。在模型变量的空间设定过程中，极有可能会故意遗漏一些与该变量有关的未知变量（变量具有隐蔽性或无法准确量化），而正是这些未知变量的存在，其可能会最终通过空间传导机制扩散到空间其他地区。因此，在某些特定情况下，忽略误差的空间自相关性可能造成模型预先设定的偏误[6]。
3.1 空间自相关分析
珠江三角洲各地区电力消耗分布如表1所示，相邻地区有相似的电力消耗情况。广州市电力消耗高，其周边的东莞市、深圳市和中山市的电力消耗也高；
怀集县电力消耗较低，其周边的封开县、广宁县、德庆县的电力消耗也低。电力消耗在一定空间内具有相似的情况，即电力消耗具有空间自相关，并且具有一定的空间集聚现象。
表1 珠江三角洲各地区电力消耗分布
3.1.1 全局自相关分析
构建一阶Queen 空间邻近矩阵后，进行全局自相关分析，得到莫兰指数I等于0.204 886（大于0）。总体来看，电力消耗存在空间上的正相关，即在电力消耗高的地方，其周围地区的电力消耗可能也高，在电力消耗低的地方，其周围地区的电力消耗可能也低。对全局莫兰指数进行999 次随机检验，莫兰指数呈正态分布，显著性系数P=0.047 ＜0.05，其呈现显著相关性。期望值E(I)为-0.032 3，平均值为-0.037 6，标准差为0.115 1。标准分数Z为2.111 1，大于1.96，则没有空间自相关的概率小于5.0%。莫兰指数I为0.204 886，远大于0.188，即莫兰指数落在±1.96 个标准差以外，为小概率事件，概率小于4.7%，因此，推翻原假设（没有空间相关性），接受备择假设，珠江三角洲电力消耗具有空间自相关，且相关性显著。
3.1.2 局部自相关分析
珠江三角洲电力消耗局部自相关空间集聚类型分布如表2所示，LISA 显著性分布如表3所示。东莞市呈现高高集聚；
封开县、怀集县呈现低低集聚；
惠阳区、龙门县呈现低高集聚。怀集县的显著性系数P为0.003，显著性极高，说明怀集县的低低自相关性集聚明显，怀集县及邻近区域的电力消耗较低。龙门县、封开县、东莞市和惠阳区的显著性系数P均小于0.05，相对而言，封开县的低低集聚没有怀集县显著，但是总体而言仍属显著。东莞市和惠阳区的显著性差异不大，东莞市为高高集聚，邻接的惠阳区为低高集聚，说明惠阳区受东莞市的高值影响较大。
表2 珠江三角洲电力消耗集聚类型分布
表3 珠江三角洲电力消耗LISA 显著性分布
3.2 空间计量模型分析
3.2.1 筛选变量
为尽可能避免多重共线性问题，并避免样本中高杠杆值的影响，本文在构建空间计量模型之前利用回归分析对影响因素进行了筛选。最终确定的研究变量为人均GDP、人均耗电量、工业产值和外贸出口额。
3.2.2 模型选取
ELHORST[7]认为，采用极大似然法（ML）直接估计空间计量模型参数，效果较好。但有时模型数据来源本身存在高度复杂性，运用实际经验估算分析模型的过程中，人们可能会明显感觉结果存在很大偏差，同时实际分析模型结果的估计依据和各种逻辑推论常常不够完全客观而准确。为力求通过更好的数据估计使实际模型结果和判断结果更具说服力，首先对实际模型量进行最小二次乘法（OLS）的估计，然后借助这两个最小的拉格朗日乘数做初步研究，判断空间计量的经济学模型是符合SLM 模型还是符合SEM 模型的形式。
判断地区间的空间相关性是否存在，SLM 和SEM 哪个模型更恰当时，一般可通过莫兰指数检验、两个拉格朗日乘数LMERR、LMLAG 及其稳健的R-LMERR、R-LMLAG 等形式来实现。SLM 模型和SEM 模型的各参数估计结果如表4所示，经空间相关性拉格朗日乘数（LM）检验，LMLAG 值为3.288 2，R-LMLAG 值为10.176 2，而LMERR 值为0.240 2，R-LMERR 值为7.128 2。结果发现，LMLAG（3.288 2）相较LMERR（0.240 2）在统计上更加显著，并且在10%的显著性水平下，R-LMLAG 很显著而R-LMERR不显著。此外，SLM 模型的拟合优度和对数似然值均远高于SEM 模型，而施瓦茨准则值和赤池信息准则值也都显著低于SEM 模型，因此，SLM 模型相比SEM 模型对样本更具有解释力，SLM 模型是最优选择。
表4 SLM 模型和SEM 模型的各参数估计结果
SLM 模型估计结果显示，空间滞后系数的估计值为负（-0.405 96），且通过1%的显著性水平检验，说明研究区电力消耗形成较强的空间依赖作用和负的空间溢出效应。外贸出口额在1%的显著性水平下显著，回归系数为0.244 8，较其他系数值低，这意味着区域外贸出口额与电力消耗量呈显著正相关，但外贸出口额的增加对电力消耗量的驱动作用并不占主导地位，在其他因素不变的情况下，外贸出口额每增加1%，电力消耗量会增加0.244 8%。人均耗电量的回归系数为0.604 6，也通过1%的显著性水平检验，这说明人均耗电量与电力消耗量存在正相关关系。电力消耗量从低到高依次是德庆县、怀集县、广宁县与封开县，在升序排序中，四个县的人均耗电量位于所有区县的前10，其中怀集县的人均耗电量最低。根据LISA 显著性分布结果，怀集县为低低集聚且集聚显著，与集聚分析结果吻合，进一步说明人均耗电量为重要的影响因子。工业产值在5%的显著性水平下显著，回归系数为0.260 946，数值较大，这意味着珠江三角洲电力消耗量与工业产值呈显著正相关，且工业产值的增加对电量消耗的驱动作用占主导地位。在其他因素不变的情况下，工业产值每增加1%，电力消耗量会增加0.260 9%。人均GDP 的回归系数为-0.290 9，未通过显著性水平检验，说明人均GDP对区域电力消耗量存在一定影响，但不太显著。
3.3 小结
珠江三角洲电力消耗具有显著的空间自相关性，总体表现出西北部电力消耗量高、东南部电力消耗量低的特征。外贸出口和工业产值对区域电力消耗量具有显著的空间溢出效应。珠江三角洲的各地方政府要相互配合，带动区域经济一体化。特别是电力消耗低高集聚分布地区，更需要利用好空间溢出效应，加强政府间的协作来带动不同区域的合作，从而提高珠江三角洲的整体发展水平。
外贸出口额、工业产值、人均耗电量和人均GDP 是影响珠江三角洲电力消耗的主要因素。同时，工业单位电耗产出率也是经济发展水平的一个重要评价指标。珠江三角洲的电力消耗量与工业产值、外贸出口额呈现显著的正相关关系，工业和贸易是珠江三角洲电力消耗量的主要驱动因素。珠江三角洲工业产值和外贸出口额越高的地区，电力消耗量越高，供电站数量越多。但是，区域供电站数量只能在一定程度上说明一个地区的经济水平，不能反映当地的用电效益和未来发展趋势。随着社会的革新，工业的单位电耗产出经历了由正转负再转正的过程，粗放型工业逐渐被淘汰。技术增长效应远大于结构变迁效应，在可预见的未来，技术增长是真正决定工业单位电耗产出率的重要因素。从这个角度看，地方政府有必要推进新型工业化，合理控制工业用电量，同时出台贸易行业节能减排政策，逐步减少高耗能、低产出的外贸出口，使得供电站布局更加合理，从而推动地区经济更加健康稳定发展。
电能一直以来都是我国生产和生活大量消耗的能源之一。电力消耗研究包含复杂的科学问题，其涉及的影响因素很多。本文主要采用空间自相关分析、空间回归模型对2018年珠江三角洲各地区电力消耗的影响因素进行研究，主要讨论的影响因子是人均GDP、工业产值、人均耗电量和外贸出口额，分析发现，工业产值和外贸出口额对电力消耗具有较强的空间依赖性。但是，本研究未能系统考虑人力技术和民间资本活动等因素对电力消耗的潜在影响，未来需要进一步研究。
由于电力消耗与供电站布局有一定关联，电力消耗量越大，其供电站数量越多；
相反，电力消耗量越小，其供电站数量越少。各地要结合实际耗电情况，制定与区域相匹配的用电政策，同时要进一步引导居民节约用电，通过提高用电效率来减少珠江三角洲的用电消耗[8]。
总之，珠江三角洲作为世界城市化和工业化水平较快提升的主要地区，工业结构、经济增长和人们正常的文化生活等均影响电力消耗，这将对经济、社会和环境的可持续发展形成较大压力[6]。广州市、深圳市等珠江三角洲核心地区电力消耗大，可以优化产业结构，推进清洁能源和可再生能源的使用，调整供电布局，改变高消耗的现状[6，9]。珠江三角洲西北部工业发展较为缓慢，可以与核心地区进行资源共享，产业转移会带动人口流动和贸易空间变化，进而解决部分地区集中的人口和产业所带来的高消耗、高污染问题。不同地区通过整合资源、信息共享和技术交流，可以促进地方经济持续发展，实现节能减排的目标。
猜你喜欢 珠江三角洲消耗量消耗 改革开放后珠江三角洲外来人口政策迭代研究社会科学战线(2022年8期)2022-10-25路基石方爆破降低炸药消耗量研究西部交通科技(2022年2期)2022-04-27转炉炼钢降低钢铁料消耗的生产实践昆钢科技(2022年1期)2022-04-19降低钢铁料消耗的生产实践昆钢科技(2021年6期)2021-03-09土地利用对空气污染的影响——基于珠江三角洲二氧化氮浓度分析消费导刊(2018年8期)2018-05-25港珠澳大桥驱动下珠江两岸经济关联格局演变世界地理研究(2017年3期)2017-07-05有机化学反应中试剂最大消耗量问题探析中学生数理化·高二版(2016年3期)2016-12-26If We Burne d All the Fossil Fuel in the World英语学习(2016年1期)2016-09-10《轻型商用车辆燃料消耗量限值》强制性国家标准发布专用车与零部件(2016年2期)2016-04-11迈腾1.8TSI车燃油消耗量大汽车维护与修理(2015年2期)2015-02-28
