中国能源效率和能源消费的倾向性研究

赵佳丽，马克卫

(山西财经大学 统计学院，山西 太原 030006)

摘要：在分析1978-2014年中国能源效率序列长期趋势和周期性波动的基础上，设计中国能源效率、经济发展速度及能源消费总量的时间序列模型，利用计量模型分析2015-2020年中国的能源消费需求总量的倾向性，结果表明：到2020年中国的能源效率将提高到1.775 3万元/吨标准煤，能源消费需求总量将超过60亿吨标准煤；同时，进一步利用改进设计的状态空间模型，分析未来一段时期中国能源消费需求主要构成的比重变化情况。

关键词：能源效率；能源消费；时间序列；结构外推；倾向性

中图分类号：O212.1∶F224.0文献标志码：A

收稿日期：2015-06-08

基金项目：四川省社会科学研究“十二五”规划2014年度课题《四川省工业碳排放统计核算体系的建立和应用研究》(SC14TJ18);四川省教育厅科技项目《中国能源二氧化碳总量控制研究》(2013SSB0192)

作者简介：何艳秋，女，重庆人，经济学博士，讲师，研究方向：农业经济，环境统计。

一、引言

改革开放以来，中国经济发展取得了令世界瞩目的成绩，而且预期还将持续增长。伴随着经济规模的急速扩张，作为经济社会发展重要物质基础的能源需求数量也在不断提高，2000—2014年年均增速达到了7.18%，2014年全国能源消费总量突破38亿吨标准煤，但是随着资源储备的减少，中国能源进口数量正在不断增加，而作为战略资源，对于保障能源供给稳定和满足经济社会发展的需要，则具有重要的社会意义和政治意义。因此，在分析历史资料的基础上研究能源效率，准确把握未来时期在经济规模波动下能源消费需求的变化趋势，依据未来能源消费需求规模和结构变动制定科学的能源发展战略，同时采取一些针对性的措施，进一步节能降耗、发展低碳经济、保障能源供给、优化能源消费结构，对于中国能源安全和经济社会稳定发展意义重大。

长期以来，国内外研究机构和学者们都在关注能源效率波动和能源消费需求趋势，研究的角度主要有能源效率波动、单一部门的能源需求、能源需求总量预测及其影响因素等方面，使用到的研究方法有定性研究及多种定量研究。吴利学构建了能源效率的机制决定模型，对中国能源效率变化的决定机制进行了研究[1]；谭忠富等人利用状态空间模型、向量误差修正模型等方法，研究了中国能源效率与其影响因素之间的动态关系[2]；梁广华利用平衡增长路径模型，测算了1980—2012年的中国全要素能源效率[3]；Soytas U等人使用ARIMA模型法，对“七国集团”及多个新兴工业化国家的能源消费和GDP之间的协整关系进行了研究[4]；Gevorgian V等人采用多元回归模型(在经济增长影响因素的基础之上添加其他变量进行预测)，对不确定能源供给条件下能源的分配及消费进行了短期预测[5]；Kumar U等人使用灰色马尔科夫模型，对印度的能源消费进行了预测[6]；Kucukali S等人使用模糊逻辑方法，对土耳其的电力需求进行了短期预测[7]；林伯强使用协整回归模型，分析了影响中国电力需求的主要因素，认为GDP是其最重要的影响因素[8]；董梅等人结合柯布-道格拉斯生产函数和面板数据模型，研究了中国省际能源消费与经济增长之间的关系[9]；许涤龙等人利用泰尔指数，研究了中国东、中、西部能源消耗差异及其影响因素[10]；周扬等人使用组合模型，对未来江苏省煤炭和石油的需求量进行了预测[11]；张跃军等人引入支持向量机模型，对北京的能源需求变化趋势进行了预测[12]。

综上，各种统计和计量模型方法的应用，在对能源效率波动和能源消费需求趋势预测的准确性和科学性方面起到了积极的促进作用，但是对能源消费总量的预测则因能源消费序列的复杂特性，使那些仅从数据序列本身出发或者从影响因素推算角度出发所构建的模型,误差普遍偏大。从与已公布实际资料的对比角度看，2010年之前的部分能源消费需求模型计算结果偏差能够达到50%以上，而这些偏差产生的重要原因之一，便是模型构建过程中对回归残差波动的尾部效应把握不够准确或者没有把握。本文中使用的GARCH族模型，其优势便在于能够最大限度地捕捉残差波动效应。同时，前人的研究成果很多是对单一能源消费需求总量的讨论，较少从能源消费总量及结构两个方面进行系统研究，也即缺乏对能源的消费需求总量及结构的精确量化分析，因而对中国未来时期能源消费需求状况的判断只能是定性的或者是大概趋势和方向性的简单把握，从而加大了相关政策制定的风险。为了克服这一缺陷，本文将重点关注中国能源效率波动下能源消费需求总量及结构倾向性的精细化分析，采用时间序列模型和专门设计的结构分解状态空间模型进行研究。具体从能源效率波动分析入手，分析其中所包含的趋势因素与周期性因素，并在此基础上构建能源效率序列的趋势和周期性波动分析模型；通过对趋势性因素和周期性因素的预测来完成对能源效率序列的最终预测，进一步对未来经济增长速度的预测计算出经济规模数据；再利用经济规模和能源效率序列的预测结果，计算未来时期中国能源消费需求总量；利用专门设计的状态空间模型来完成对未来时期中国能源需求结构的分解，以期能够对2015—2020年中国能源消费需求总量及来源结构有所把握。

二、1978年以来的能源效率波动分析

按照上文研究思路，首先对中国经济增长中的能源效率的波动情况进行分析考察。为了表述方便，设定Nt为年度能源效率(万元/吨标准煤)，Zt为能源效率的发展速度序列(上年=100)，Gt为GDP发展速度(上年=100)，Yt为中国年度能源消费总量(吨标准煤)，其中年度能源效率(Nt)的计算公式为：

(1)

其中年度固定价格GDP的价格基期固定在2014年。

(一)趋势分析

为得到中国能源效率的长期趋势，对1978—2014年的年度能源效率序列Nt的常数项和时间趋势项进行回归分析，得到趋势模型：

(2)

F=1 232.201(0.000)DW=0.242

其中TREND序列为时间演进趋势项，起始年份取值为1，而后逐年增加一期。由式(2)知，中国能源效率即每吨标准煤的GDP产出每年大约提高0.035万元。从模型回归的趋势图和残差图看，中国能源效率总体上呈现上升趋势，2002年后中国能源效率实际值向下偏离其趋势线，主要是受当时经济状况与增长方式的影响；2008年后，中国能源效率回归到最初的上升通道，受转变经济发展方式压力的影响逐渐显现。就发展态势而言，中国能源效率长期持续上升，但上升速度正在逐渐放缓。

(二)周期性分析

利用模型(2)回归结果的残差估计周期因素对中国能源效率变动的影响，回归模型设计与估计结果如下：

(3)

使用最小二乘方法估计结果为：

(4)

F=138.65(0.000)DW=1.832

其中RESID为回归方程式(2)中的残差；CIt为能源效率发展速度对长期趋势的偏离，代表时间趋势以外的其他因素对能源效率的影响结果。

(5)

其中CIt为周期性因素，能源效率增速较高时CIt为正，反之则为负。从以上回归模型结果可看出，模型拟合较好，回归系数的T统计量检验结果和回归方程的F统计量检验结果显著，DW统计量检验结果落入无自相关区域；进一步对模型回归残差进行平稳性检验，单位根检验结果及自相关、偏自相关系数表明残差序列为平稳序列，模型回归结果可用。

从回归结果可以看出，前一期和当期能源效率对时间趋势的偏离对下一期的偏离有着显著影响，能源效率波动周期因素对这一偏离也有影响。当期的能源效率增长率偏离了平均增长率时，对于下一期的能源效率偏离有相同方向的影响，即当期能源效率水平下降低于平均水平时，往往下一期的能源效率水平下降也会低于平均下降水平；当期之前一期能源效率下降水平低于平均下降水平时，则会促使下期的能源效率下降速度更快。周期性因素对能源效率序列的波动影响较小，影响中国经济发展和能源效率上升的主要因素是经济增长方式的转变和能源利用效率的提高，长期来看经济增长方式正在由粗放型向集约型转变，随着技术进步能源利用效率也将不断提高，期间虽会受到其他因素影响而出现波动或者反复，但总的态势基本不会改变。

三、能源消费总量的倾向性实证研究

对能源效率历史数据的分析只是了解了该序列的波动情况，明确了1978年以来中国提高能源利用效率的演进历程，从分析功效角度来看，仅是停留在“了解过去”这一层面。然而，在经济分析中笔者关注的重点，在于利用历史资料对经济指标未来的发展趋势即倾向性进行尽可能准确判断，并利用计量模型方法对未来一定时期内的能源效率做出分析，进而再对GDP波动条件下中国年度资源消费倾向性做出分析，以便从总量上对未来能源消费情况进行把握。

(一)能源效率预测的时间序列模型

能源效率预测采用序列趋势预测与周期性波动预测相叠加的方法来完成。首先构造CIt序列的预测模型，将其预测结果带入模型(4)，得到能源效率周期性波动序列的预测值。方法上选择时间序列模型，为了剔除不规则波动的影响，对CIt序列进行平滑处理，得到序列HCIt。在采用时间序列建模之前要首先进行平稳性检验，检验方法使用ADF法，1978—2014年CIt和HCIt序列的检验结果见表1。

表1　周期性因素及其平滑序列的ADF检验结果表

表1检验结果表明，CIt和HCIt序列在5%的显著性水平下是平稳时间序列。在构建序列模型时经过模型筛选和检验，最终确定使用GARCH族模型中的ARMA(2，1)，GARCH(0，2)模型形式构建HCIt序列的预测模型，即：

(6)

模型最终估计结果为：

(7)

F=41.91(0.000)DW=1.717

模型回归的拟合优度和修正后的拟合优度分别达到了0.903、0.882，自变量对因变量的回归拟合良好；回归方程通过了整体显著性F检验，说明整个回归模型是显著的；回归残差的自相关检验统计量DW值为1.717，初步判断模型残差不存在自相关；进一步用自相关、偏自相关系数对残差进行检验，Q统计量检验结果表明残差是一个不包含截距和趋势项的平稳白噪声过程，模型回归结果可用。

能源效率序列趋势性波动的预测只需将Trend序列的取值依次增加一个单位，带入方程(2)便可计算。将HCIt预测结果带入方程(4)即可得到周期性波动序列的预测结果；将趋势序列和周期性波动序列的预测结果合计，即是能源效率序列的最终预测结果，如表2所示。

表2　能源效率预测结果表

(二)能源消费总量预测模型

构造GDP总量预测模型。由于GDP总量序列为非平稳时间序列，不能直接构建时间序列预测模型，故先对GDP发展速度Gt(上年=100)序列进行预测。依照建模程序，首先对1978—2014年的Gt序列进行平稳性检验，检验方法依然使用ADF方法，检验结果如表3所示。

表3　 GDP发展速度序列的ADF检验结果表

注：C表示有截距项。

表3检验结果表明，Gt是一个在1%显著性水平下显著的平稳时间序列，可以进行时间序列建模，但考虑到中国经济发展速度在个别年份会出现极值的问题，为了减小这种极端值不规则波动的影响，先对Gt序列进行平滑处理，平滑后的序列用HGt表示，经过单位根检验HGt序列也是平稳时间序列(检验结果见表2)。经过模型筛选和检验，最终确定使用时间序列预测ARMA(2，1)模型形式构建HGt序列的预测模型，即：

(8)

模型最终估计结果为：

(9)

F=102.45(0.000)DW=2.049

表4　时间序列模型预测结果表

从表4分析结果可以看出，未来时期中国年度能源效率还将持续提高，但上升速度会逐渐放缓，未来六年间会上升约0.117 8个单位，约是2008—2014年六年间下降量的36%，这主要是由于该指标绝对水平越高则上升所需要的外部技术难度越大。经济发展速度指标未来六年呈现先上升后下降，峰值约在2019年出现为110.9265%，2015—2020年平均经济增速约为9.82%，按照2014年价格计算的2020年中国经济规模将会是2014年的1.75倍。依据经济规模和年度能源效率预测数据，计算得到了2015—2020年中国的能源需求总量预测数据，年度平均增速为8.57%，低于经济平均增速，说明随着经济增长方式的调整和能源利用效率的提高，同等规模的产出增加所消耗的能源数量在逐渐下降，但是从总量上看到2020年中国年度能源需求总规模会超过60亿吨标准煤，约是2014年的1.64倍，不能不说在未来一定时期内中国能源需求巨大，必须采取切实有效的措施来进一步节能降耗，保障能源供给。

四、能源消费结构的实证研究

在完成能源消费总量倾向性分析之后，将研究能源消费需求的主要构成倾向性。中国能源需求的来源主要有煤炭、石油、天然气以及水电、核电、风电，将其分为四类，其中水电、核电和风电并称为清洁能源，并对未来时期内四类主要能源的需求总量情况进行预测。如果采用传统的时间序列模型推算方式，需要构建四个时间序列模型，因为时间序列模型构建的基本要求较多，过多的时间序列模型逐一估计，使多数模型得到较为准确的估计结果比较困难。四种能源因无法从经济学意义上去区分其影响因素，也即如果构建影响因素预测模型则四类能源影响因素相同，这又使多元回归或者联立方程模型的构建显得困难。由于是在进行由总量到构成分量的分解，一种思路是直接将总量分解为构成分量，另外一种思路便是首先进行构成元素比重预测，然后进行总量分解。状态空间模型形式恰好可以满足第二种预测思路的要求，一次性地完成对多个信号方程中存在的潜在影响进行系统性估计，因为进行的是总量到分量的分解操作，不涉及传统建模过程中影响因素经济关系的考察，因此使用确定性方程的形式设计信号方程，即总量构成比重系数计算式作为信号方程，方程中不含误差。状态方程在设计过程中则需要灵活把握，需要依据比重序列的历史资料波动情况设置成随机游走、AR(1)或者带有漂移项的随机游走过程*同一系统中的不同状态方程形式设定可以不同。。由于分解后全部结构系数的总和为1，所以在估计方程中还需要进行1和约束，故需对中国能源消耗总量分解模型的构建和估计进行详细说明。

上文设置了用Yt表示中国年度能源消费总量序列，为了表述方便用Y1t、Y2t、Y3t、Y4t分别表示中国年度煤炭、石油、天然气和清洁能源的消费总量序列*Y1 t、Y2 t、Y3 t、Y4 t序列单位全部为转化之后的万吨标准煤。，则有：

Yt=Y1t+Y2t+Y3t+Y4t

(10)

一般化的结构预测过程可以表述为：首先进行Yt向量的预测，构建时间序列模型为：

(11)

其次构建对未来时期四种能源消费状况结构系数的预测模型，其中信号方程部分的模型设计为：

(12)

式(12)中，前三个方程用于计算煤炭、石油、天然气的消费比重，属于确定性方程，方程中不设置误差项；最后一个方程为清洁能源消费比重系数推算恒等式，在操作中起到约束方程的作用，保证四种能源消费比重系数之和为1。下面的步骤便是确定状态方程，用于比重系数的外推预测，一般化的状态方程形式可以记为：

(13)

至此，预测模型的设置已经完毕，但是状态空间模型的估计过程不同于其它计量模型，在估计之前还需要设定估计系数和估计方程残差方差的初始值。由于设定的信号方程为确定性方程，其中的消耗比例系数可以事前计算，这样就可以使用事先计算出来的消耗比例序列，并通过系统方程模型对状态方程进行预先估计，用估计出来的系数和相应方程的残差作为设定状态空间模型系数初值的依据，即：

(14)

对以上结构系数序列按照上文设定的状态方程形式进行回归估计，估计模型为：

(15)

使用系统估计对以上模型估计完成之后，用估计出来的系数φ1、φ2、φ3、φ4、φ5、φ6分别作为状态方程中系数c1、c2、c3、c4、c5、c6的初值。另外，由于结构预测模型中状态方程的最终实际估计形式为：

(16)

所以在估计之前还需要对c7、c8、c9的初始值进行设定，具体设定公式为：

(17)

其中var(μ1)t、var(μ2)t、var(μ3)t分别表示(μ1)t、(μ2)t、(μ3)t序列的方差。

至此，完成了能源消费总量结构分解模型估计的全部工作，实际操作过程中只需依据消耗比例序列历史数据情况，为每一个序列选择适当的状态方程回归形式，其它部分按照以上步骤操作便可完成结构状态空间模型的估计和预测。

通过分析1978—2014年的中国能源消费总额中4种能源消费结构情况，依据以上介绍最终设计并估计了中国能源消费结构系数的预测模型，即：

(18)

(19)

模型估计结果通过了相关检验，同时模型的回归残差满足严格的白噪声过程，故模型回归结果可用。利用该模型对中国2015—2020年的能源需求构成比重进行倾向性分析，具体结果见表5。

表5　 能源消费需求结构倾向性分析结果表　　单位：%

在2015—2020年能源消费需求总额时间序列分析基础之上，结合能源需求结构比重系数的预测结果，便可以计算出2015—2020年中国能源消费需求总量，结果见表6。

表6　能源消费需求总量预测结果表　单位：万吨标准煤

从能源消费需求结构倾向性分析结果来看，未来一定时期内煤炭将依然是中国能源需求的主要来源，其余来源依次排序是石油、清洁能源和天然气。具体需求比重上，未来六年煤炭和石油需求量比重将分别下降0.93%和0.75%，而天然气和清洁能源比重将分别上升1.34%和0.34%。就需求总量而言，煤炭、石油、天然气和清洁能源2020年的需求量将分别是2014年的1.61、1.57、2.02、1.69倍，这对中国能源供给尤其是天然气和清洁能源的发展提出了极大挑战。

五、结论

从序列波动分析、时间序列模型、状态空间模型分析结果看，中国每吨标准煤的GDP产出呈现持续增加态势，能源效率不断提高。随着经济规模的扩大，能源消费需求数量正在急速扩张，需求结构上仍以传统的煤炭和石油为主，但未来年份天然气和清洁能源的需求规模将显著增加，具体结论为：

第一，由长期趋势和周期性波动分析结论可知，1978年以来中国每吨标准煤的GDP产出即能源效率虽有波动，但总体上处于上升通道。从序列本身而言主要受到长期趋势的影响，周期性影响不太明显，从图形上看呈现近10年一个周期，期初能源效率有所提高，期中持续下降。就上升速度而言，与前期相比后期正在逐渐放缓，2009年以来尤其明显，这主要是由于低水平能耗基础上的能耗下降所需要的外部条件越来越多，诸如产业结构调整、技术改进等，这些条件的实现难度随着社会发展在逐渐加大。

第二，由时间序列模型分析结果可知，2015—2020年中国年度平均经济增速约为9.82%，按照2014年价格计算的2020年中国经济规模将会是2014年的1.75倍；2015—2020年中国能源需求总量的年均增速约为8.57%，到2020年中国年度能源需求总规模将会达到62.9亿吨标准煤，是2014年的1.64倍，但能源效率还将持续提高，只是上升速度将会非常缓慢。总之，经济规模显著增大所拉动的能源需求规模急速扩张要求在未来时期内中国必须采取积极有力的措施，进一步深化经济改革，转变经济增长方式，提高技术进步水平，节能降耗，显著提高资源利用效率，制定科学的能源发展战略。

第三，由结构分解状态空间模型分析结果可知，2015—2020年中国能源需求结构呈现微调态势，煤炭和石油占比虽略有下滑，但在未来时期依然将是主要能源，占比依然维持在六成以上和接近两成水平。因此，中国政府应进一步优化能源的消费需求结构，大力发展低碳经济。同时，天然气和水电、风电、核电等清洁能源在未来时期的需求数量会在现有基础之上有较大幅度增长，到2020年分别是现有需求数量的2.02倍和1.69倍，这要求中国在未来时期必须加大这两种能源领域的投入力度，大幅提高产能，以满足经济社会发展需要。

参考文献：

[1]吴利学.中国能源效率波动:理论解释、数值模拟及政策含义[J].经济研究，2009(5).

[2]谭忠富,张金良.中国能源效率与其影响因素的动态关系研究[J].中国人口·资源与环境，2010(4).

[3]梁广华.中国全要素能源效率测算方法研究——基于经济平衡增长的思想[J].统计与信息论坛,2014(5).

[4]Soytas U, Sari R. Energy Consumption and GDP: Causality Relationship in G7 Countries and Emerging Markets [J]. Energy Economics, 2003, 25(1).

[5]Gevorgian V, Kaiser M. Fuel Distribution and Consumption Simulation in the Republic of Armenia [J]. Simulation, 1998, 71(3).

[6]Kumar U, Jain V K. Time Series Models (Gery-Markov, Gery Model with Rolling Mechanism and Singular Spectrum Analysis) to Forecast Energy Consumption in India [J]. Energy, 2010,35(4).

[7]Kucukali S, Baris K. Turkey’s Short-Term Gross Annual Electricity Demand Forecast by Fuzzy Logic Approach [J]. Energy Policy, 2010, 38(5).

[8]林伯强. 结构变化、效率改进与能源需求预测——以中国电力行业为例[J].经济研究，2013(5).

[9]董梅,孟秋敏.中国区域能源消费与经济增长关系的比较研究——基于省际面板数据的实证分析 [J].西安财经学院学报，2012(6).

[10]许涤龙，汤智斌 ，钟雄.基于泰尔指数的能源消耗与 GDP 增长协同影响分析[J].统计与信息论坛,2013(9)

[11]周扬,吴文祥，胡莹，刘秀香.基于组合模型的能源需求预测[J].中国人口·资源与环境，2010(4).

[12]张跃军,周彬，王丽.基于支持向量机模型的北京市能源需求预测研究[J].北京理工大学学报：社会科学版，2013(3).

Research on the Energy Efficiency and Tendency of Energy Consumption in China

ZHAO Jia-li, MA Ke-wei

(The Faculty of Statistics, Shanxi University of Finance and Economics, Taiyuan 030006, China)

Abstract:Based on the analysis of the long-term trend and periodic fluctuation of China's energy efficiency from 1978 to 2014, we designed the time series model of China's energy efficiency, GDP growth rate and the total energy consumption , using the model we analyzed the tendency of the total energy consumption in china from 2014 to 2020, the results showed that China's energy efficiency would be raising to 17753 yuan/tons of standard coal and the total energy consumption demand would be more than 6 billion tons of standard coal by 2020. And then we used a specially designed state space model to complete the structure decomposition of the total energy demand's forecasting results. Finally, we analyzed the proportion changes in mainly composed of energy demand in China's future.

Key words:energy efficiency; energy consumption; time series; structural extrapolation; tendency

(责任编辑：郭诗梦)

【统计理论与方法】