中国生活能源消费密度的影响因素分解、空间差异和情景预测

刘满芝，徐悦，刘贤贤，姚舜禹

(中国矿业大学 管理学院，江苏 徐州221116)

摘要：仅次于工业能源消费总量的生活消费用能作为第二用能部门，日益受到广泛关注。探究生活能源消费变化及其影响因素，并比较各区域的空间差异是预测生活能源消费趋势、制定居民节能措施的前提。本文运用LMDI分解模型，对全国和29个省份的2000~2012年间的生活能源消费密度变化进行因素分解，分解成能源消费结构、能源强度、经济发展水平三个影响因素，分别表示结构效应、技术效应、经济效应，并通过构建四象限法评价空间差异，在此基础上，基于影响因素未来发展的两种情景，预测组合的8种情景下2016~2030年间区域生活能源消费密度的变化趋势。研究结果显示，“十五”时期和“十一五”时期，全国生活能源消费密度变化率由52.43%降为43.71%。在影响各地区生活能源消费密度的三因素中，经济发展水平对生活能源消费密度变化产生较大的正向经济效应，对各区域的贡献度均值由63.47%上升为67.28%，能源强度产生由正转负的技术效应，对各区域贡献度均值由4.19%降为-24.89%，能源结构产生负向结构效应，对各区域贡献度均值由-20.36%变为-0.83%。文章表明中国各区域的生活能源消费密度增长趋势放缓，且密度变化由经济和技术拉动型变为经济和结构拉动型。各区域间经济效应差异变小且比较稳定，而技术效应差异缩小，结构效应差异变大。8种情景预测结果显示经济因素仍然是导致居民生活能源消费密度增加的主要驱动因素。

关键词：生活能源消费密度；因素分解；LMDI；空间差异；四象限法；情景预测

引言

生活能源消费规模、结构与方式是经济发展水平和社会生活方式的反映[1]。居民能源消耗是重要的能源消耗部门，研究区域生活能源消费差异及其影响因素，对于因地制宜制定各区域居民能源消费战略具有重要意义。近年来我国居民生活能源消费量快速增长，已经成为能源消耗的主要增长点[2]。全球看，能源消费总量的20%~30%为生活能源消费[3]。2010年美国居民能耗占比22.6%，工业能耗占比却下降到30.7%，居民家庭能源消费正在成为能源消耗的主要增长源。2010年，欧盟27国生活服务类能耗占一次能源消耗总量的比重为28.22%，工业能耗占比为16.58%，生活服务类能耗远远超过工业能耗。中国生活能源消费呈现显著上升趋势，占能源消费总量比重为11%左右，IEA统计该比重为22%。中国人均生活消费用能从1980年的0.0977tce上升到2012年的0.28999tce，增长2.96倍。另一方面，中国正处于城镇化进程快速发展时期，1990年到2014年城镇化率从26.41%上升到54.77%，城镇居民生活用能结构的改变也使能源消费需求大幅上升。《能源发展战略行动计划(2014-2020年)》提出要重视生活节能，开展全民节能行动。处理好生活能源消费增长与生活节能的关系，把控生活能源消费变化趋势至关重要。探究生活能源消费变化的影响因素是预测生活能源消费趋势、制定居民节能措施的前提。国内外诸多学者运用分解技术或者计量经济学方法，探究生活能源消费的主要影响因素。

很多学者运用分解技术对生活能源消费密度或能源强度的影响因素进行分解。González等[4]对欧盟27国2001~2008的数据进行分析，采用LMDI模型将能源总消费分解为能源强度、能源结构和经济水平三个因素，研究表明能源强度改善并不能抵消经济发展和结构调整带来的能源消费增长。孙涵等[5]对中国1991~2012年的数据进行分析，采用Kaya恒等式将城镇居民生活能源消费总量分解为完全能源消费强度、居民消费支出和人口数三个因素，研究表明居民消费支出对能源消费影响最大，其次是能源消费强度，最后是人口因素。Greening 等[6]研究了OECD国家的收入和价格对居民能源需求量的影响。Xu等[7]构建包括人口、结构、房屋面积、生活方式和强度等五因素的混合分解模型，研究新加坡居民能源消费的影响因素。针对中国状况，Zhao等[8]将中国城市居民能源消费影响因素分解为人口、人均消费支出、能源支出占总消费支出比重、各类能源支出比重、各类能源消费强度五个因素。秦翊[2]运用LMDI分解模型，对中国居民直接生活能源消费变化的影响因素分解为人口、经济水平、能源强度和能源消费结构。Zhang[9]将中国农村居民能源消费的影响因素分解为能源结构、能源强度、人均收入和人口数量。Nie等[10]将居民能源消费量影响因素分解为能源消费结构、单位居住建筑面积能源消费量、人均居住建筑面积、人口数量。

部分学者运用计量经济学方法探究生活能源消费的影响因素，数据主要为统计年鉴数据或者问卷调查数据。我国正处于城镇化中期阶段，居民生活水平不断提高，消费结构日益升级，对居民能源消费的拉动作用不断增强。丁永霞[1]采用分层聚类法和面板模型检验对我国30省(除西藏数据缺失)的分析得出，我国生活能源消费模式空间格局呈现从东北向西南递减的变化趋势，反映温度和经济发展水平为主导指向的规律；长期来看，收入水平是生活能源消费增加的原因，而短期不存在因果关系。Tso 等[11]运用多层回归方法，研究环境因素和家庭特征因素对居民能源消费量的影响。Estiri[3]运用结构方程模型和调查数据，分析家庭特征对美国居民能源消费量的直接、间接和综合效应。张馨等[12]运用问卷调查和线性支出系统模型，得出黄土高原西部地区城乡家庭的生活能源边际消费倾向分别为0.044 和0.065。岳婷等[13]认为人均消费支出的增长、人均生活能源消费结构的变化与生活能源消费量之间存在长期的协整关系，并且二者均是人均生活能源消费量变化的格兰杰原因。

关于居民生活能源消费预测，邢璐等[14]从居民的基本需求着手，运用混合能源投入产出模型，预测中国在2020 年全面实现小康社会条件下，由居民最终消费引起的能源直接和间接需求。

综观生活能源消费密度影响因素的研究，得出主要影响因素有能源消费结构、能源强度和生活水平。但综合从地区空间差异视角和时间纵向比较视角，分解生活能源消费密度变化及其影响因素的研究较少，且研究中欠缺结构效应因素。生活能源消费密度变化的主要影响因素有哪些，各因素的贡献度如何等问题，都有待研究分析。本文主要研究生活能源消费密度，从空间差异与纵向差异结合的视角，分解比较中国省级层面生活能源消费密度变化差异及其各影响因素的贡献度，并运用构建的四象限法评价生活能源消费密度的空间差异，针对主要影响因素进行深度分解，以评价各地区消费密度的时空间差异。在此基础上，基于影响因素的情景预测，研究8种情景下生活能源消费密度变化趋势。

一、 生活能源消费密度分解模型构建与数据说明

(一) 生活能源消费密度LMDI分解模型构建

因素分解法由Ang等[15]在1998年建立，通过将研究对象拆分成若干个相关因子，分析不同因子对研究对象的影响程度。因素分解法主要有拉氏指数分解法和迪氏指数分解法，后者又包括数学平均迪氏分解(AMDI)法和对数平均迪氏分解(LMDI)法，LMDI法在分解过程中不产生残差项，更适于进行影响因素分解研究[16]，目前被广泛应用于能源、环境等多个研究领域。

生活能源消费密度受能源消费结构、能源强度、经济发展状况等因素的综合影响。采用LMDI分解模型，构建的生活能源消费密度影响因素模型如下。

(1)

FOP=FOE|EOG|GOP

(2)

式中F为生活能源消费量，P为人口数，E为能源消费总量，G为经济规模，用GDP(地区用GRP)表示。模型中其它指标解释如下：

(1)FOP为生活能源消费密度，用生活能源消费量除以人口数表示。

(2)FOE为能源消费结构，表示生活能源消费量占能源消费总量的比重。如果生活能源消费量增长率(下降)慢(快)于能源消费总量，则该指标下降。

(3)EOG为能源强度，该指标反映产出过程的能源效率，用能源消费总量除以总产出表示。保持产出不变降低总能源消费量或者总能源消费量不变增加产出，都可以降低该指标数值。

(4)GOP为经济发展水平，用国内生产总值除以人口数表示。如果经济规模增长率(下降)快(慢)于人口数，则该指标上升。

依据公式(2)，生活能源消费密度从t-1年(FOPt-1)至t年(FOPt)的变化趋势可表示为：

(3)

FOPt,t-1=FOPt-FOPt-1

(4)

因此，生活能源消费密度变化可分解为FOE、EOG、GOP引起的变化。公式(4)两端各除以Pt-1，可得到3个因素对生活能源消费密度变化率的贡献度。

(二) 数据来源

为对比我国“十五”和“十一五”时期的生活能源消费变化，本文以省为单位表征空间状况，以生活能源消费密度作为因变量，经济规模用地区生产总值GRP表示。所用统计数据主要来自2001~2013年《中国统计年鉴》和《中国能源统计年鉴》。主要分析全国(不含港澳台)以及29个省市区共计30个样本的数据(其中西藏、宁夏数据缺失)。经济发展水平指标以2000年为基期，采用GDP和GRP发展指数将名义数据调整为实际数据。生活能源消费总量数据依据《中国能源统计年鉴》能源平衡表中各类生活能源消费量折标煤后求和而得，单位为万吨标准煤(10000 tce)。

二、 生活能源消费密度变化的时空差异分析

(一) 生活能源消费密度变化趋势

不同地区在2000~2005年、2005~2010年的生活能源消费密度变化绝对量和变化率如图1所示。从图1可看出，全国2010年相对于2005年生活能源消费密度增长量大于2005年相对于2000年的增长量，但增长率整体低于2005年相对于2000年的增长率，表明“十一五”时期比“十五”时期生活能源消费密度总量增加，但增速放缓。“十五”时期，全国生活能源消费密度变化量增加0.0617 tce/人，增长率达52.43%，用能增长量排前5位的省份有内蒙古、青海、吉林、山东、湖南，其中内蒙古高达0.2291 tce/人，青海0.1491 tce/人；有13个省份增长率超过全国平均水平，其中，内蒙古、山东、湖南的增长率最高，均超过100%；有6个省份呈现负增长，其中海南、河北增长率最低，分别为-17.87%、-13.66%。

图1　生活能源消费密度变化趋势

“十一五”时期，2010年相对于2005年，全国生活能源消费密度变化量增加0.0784 tce/人，增长率为43.71%，用能增长量排前5位的省份有内蒙古、黑龙江、吉林、天津、北京，其中内蒙古高达0.2962 tce/人，黑龙江0.2360 tce/人。增长率高于全国平均水平有12个省份，其中，海南省高达178.42%；贵州负增长率最高，为-22.78%；变化率低于0%的有3个省份，表明“十一五”时期各省份生活能源消费密度变化的差异较大。

(二) 生活能源消费密度变化的空间差异分析

以2005年相对于2000年生活能源消费密度变化率为横轴、2010年相对于2005年变化率为纵轴，以“十五”时期和“十一五”时期全国生活能源消费密度变化率作为横坐标和纵坐标的交叉点(52.43%，43.71%)，将各省份生活能源消费密度变化率的表现分成(高，高)、(低，高)、(低，低)和(高，低)4个象限，得出29个省份生活能源消费密度变化率所属的象限(图2所示)。每个省份的表现用散点表示，如内蒙古落在第I象限(高、高)，其2010年相对于2005年、2005年相对于2000年，生活能源消费密度变化率分别为93.32%、259.43%，表示“十五”和“十一五”期间生活能源消费密度增长率均高于全国平均水平。第Ⅲ象限为(低，低)象限，表示“十五”和“十一五”期间生活能源消费密度增长率均低于全国平均水平，落入该象限的省份有京、津、沪、等。第Ⅳ象限(高，低)表示“十五”期间表现低于全国平均水平，但“十一五”好于全国平均水平，落入该象限的省份有吉、辽、闽、粤等；第Ⅱ象限(低、高)表示“十五”期间低于全国平均水平、但“十一五”期间高于全国平均水平，落在该象限的省份有黑、琼、鄂、川、渝。落在第Ⅲ象限的有11个省份，反映这些省份生活用能变化率低于全国平均水平；落在第Ⅰ、Ⅱ、Ⅳ象限的分别有7、5、6个，表明这些省份不同时期变化较大，尤其是落在第Ⅰ象限的7个省份在“十五”和“十一五”时期的表现均高于于全国平均水平。

图2　生活能源消费密度变化率的空间分布差异

三、 生活能源消费密度的影响因素分解

(一) 生活能源消费密度影响效应的纵向变化

图3所示为2000~2012年全国生活能源消费密度变化率及其三因素贡献度的纵向变化。全国生活能源消费密度总量增加，但增长率呈现先升后降的波动态势，根据“峰—峰”划分周期方法，可分成2003~2008年、2008~2011年两个完整的周期。生活能源消费密度在2008年出现异常波动，主要是受国际金融危机的影响，中国经济增速下滑，同时，产业结构也发生了较大调整，工业用能量下降，生活能源消费比重上升。结构因素FOE、技术因素EOG和经济因素GOP对生活能源消费密度变化率的贡献度呈现不同的正负效应：结构因素方面，能源消费结构的贡献度表现为波动态势，由正效应转为2003~2007年的负效应又变为正效应，2010年转为负效应之后变回正效应，如2008年其贡献度高达14.85 %；技术因素方面，能源强度2003~2005年呈现正效应而2006~2012年呈现为负的贡献度，如2012年贡献度为-3.60%；经济因素方面，经济发展水平对生活能源消费密度变化率呈现持续的正向效应，贡献度表现均匀，均值为9.47 %，最大值为2007 年13.04 %，最小值为2012年的7.07 %。总体看，经济效应表现正向稳定态势；技术效应为由正向转负向态势，但强度转弱；结构效应由负转正，且正向强度增加。从全国范围看，以2005年相对于2000年、2010年相对于2005年两个时间段为例，生活能源消费密度增长率分别为52.43%、43.71%，结构、技术、经济3个因素对生活能源消费密度增长率的贡献度分别为-9.93%∶8.35%∶54.01%和8.19%∶-25.49%∶61.00%，反映出结构、技术、经济的效应分别呈现由负转正、由正转负、正向稳定的态势。表明生活用能比重的不断提高对生活能源消费密度贡献增大、能源强度下降产生的负向贡献增大，经济发展状况提高支撑人均生活用能的增加。在一定程度上显示了中国生活能源消费密度变化由经济和技术拉动型转为经济和结构拉动型。

图3　全国生活能源消费密度变化率及三因素贡献度趋势

(二) 生活能源消费密度变化影响效应的空间差异分析

全国和29个省份的2010年相对于2005年各个因素对生活能源消费密度变化率的贡献度见图4所示。2005年相对于2000年、2010年相对于2005年的生活能源消费密度增长率显示，全国及其14个省份2010年相对于2005年的生活能源消费密度增长率低于2005年相对于2000年的增长率，表明生活能源消费密度呈下降趋势。而15个省份如北京、河北、黑龙江等生活能源消费密度变化率呈上升趋势。2010年相对于2005年的生活能源消费密度增长率中，大于全国平均水平43.71 %的有12个省份。

图4　区域生活能源消费密度变化率及三个因素贡献度的空间差异

从2010年相对于2005年各因素对生活能源消费密度变化率的贡献度看出，结构贡献度有正有负，均值为-0.83%，有12个省份表现为正贡献；效率贡献度均为负向，表明能源强度下降拉低了生活能源消费密度变化率；经济贡献度均为正向，均值为67.28%，贡献度最大为109.72%，最小为31.08%。

(三) 生活能源消费密度变化率影响因素的差异程度比较

运用全距、标准差等指标，反映各省份生活能源消费密度变化影响因素的差异程度。计算结果见表1所示。

表1中29个省份的生活能源消费密度变化率的三因素贡献度显示，“十五”时期(2005年相对于2000年)和“十一五”时期(2010年相对于2005年)，能源消费结构FOE贡献度的均值分别为-20.36%和-0.83%，表明能源消费结构对生活能源消费密度的负向效应减弱，而全距和标准差指标增大，表明各省间仍然存在能源消费结构差异，且差异显著；能源强度EOG对生活能源消费密度的贡献效果显著，贡献度均值从4.19%变化为-24.89%，表明“十一五”时期各省份注重能源效率的提升，全距和标准差指标减小，表明各省间能源强度差异缩小；经济发展状况GOP呈现较大的正向经济效应，贡献度由63.47%上升到67.28%，表明正向经济效应上升，而各省间该指标的贡献度差异缩小。以北京为例，2005年相对于2000年生活能源消费密度变化率为-4.53%，其中三个因素贡献度分别为-20.54%、-27.31%、43.32%，2010年相对于2005年生活能源消费密度变化率为20.11%，其中三个因素贡献度分别为21.52%、-32.49%、31.08%，反映出北京“十一五”相比“十五”期间，能源消费结构和经济发展状况对生活能源消费密度呈现正向效应，能源效率提高在一定程度上降低了生活能源消费密度。表明，北京更加注重关注民生的能源结构调整、提升能源效率等措施。

表1　中国29个省份的生活能源消费密度变化率的三因素贡献度(%)

注:两个标准差不带“%”。

总体看，能源强度对生活能源消费密度的影响较大且为负向效应，即能源效率对生活能源消费密度呈现较大的负向技术效应，经济发展状况呈现较大的正向经济效应，各省份能源消费结构对生活能源消费密度的影响不一致且差距较大。

四、 生活能源消费密度变化的情景预测

(一) 情景描述及参数设定

根据LMDI因素分解结果，未来影响生活能源消费密度的因素主要包括能源消费结构、能源强度和经济发展状况。在我国用能部门中，居民能源消耗已成为继工业部门外的第二大能源消耗部门，占所有终端能源消费的11%[17]，在中国，随着人民生活水平和城镇化水平的提高，中国未来的生活能源消费量将大幅增加，比重也会相应提高。考虑节能减排等因素，中国不可能达到美欧的23%~30%，因此将能源消费结构中生活能源消费所占比重设为年均增加0.5个百分点和0.8个百分点两种情景。依据中国“十二五”规划并考虑能耗实际降低情况以及《2009中国可持续发展战略报告》[18]和中国政府相关报告将能源强度设为年降低3.2%和年降低4%两种情景。到2030年之前，中国年经济增速预计会从30年来的平均10%降至3.5%至6.9%，其主要原因是人口步入老龄化和经济发展模式更加注重质量而不是速度[19]；因此，设定GDP年均增长3.5%和6.9%两种情景，GDP与预测人口数[20,21]相比得到高低两种情景的经济发展水平。基于影响因素未来发展情景的判断，将三个因素各分为两种情景，预测组合的8种情景下2016~2030年间区域生活能源消费密度的变化趋势。8种预测情景设定如表2所示。

表2　生活能源消费密度预测的影响因素情景设定

(二) 预测结果与分析

结合8种情况下的参数设置，由LMDI模型预测出2016~2030年生活能源消费密度变化趋势，生活能源消费密度年变化趋势如图5所示，2016~2030年生活能源消费密度变化量、年均变化率以及三因素贡献度均值如表3所示。

图5　8种情景下生活能源消费密度变化趋势

FOP年均总增量(tce/人)FOP年均变化率FOE贡献度EOG贡献度GOP贡献度情景10.22874.00%3.20%-2.58%3.38%情景20.58647.41%3.25%-2.62%6.79%情景30.18953.46%3.19%-3.10%3.38%情景40.51766.86%3.24%-3.15%6.77%情景50.34705.18%4.37%-2.60%3.40%情景60.80518.64%4.45%-2.64%6.83%情景70.29704.64%4.36%-3.12%3.39%情境80.71748.08%4.43%-3.17%6.81%

8种情景中，考虑能源消费结构、经济发展水平对生活能源消费密度变化呈正向效应、而能源强度呈负向效应，因此，2030年时，情景6(高、低、高)下的生活能源消费密度最大，达到1.1319 tce/人，年均增加8.64%，即在生活用能比重增加、居民生活生平提高、能源效率控制较差的情景下，人均生活能耗呈增大趋势；相反，情景3(低、高、低)状态下的生活能源消费密度增速最慢，2030年生活能源消费密度仅为0.4739 tce/人，年均增加-0.1895 tce/人。

图5中曲线按生活能源消费密度的高低分为4组，情景6与情景8为最高组、情景2与情景4为较高组、情景5与情景7为较低组、情景1与情景3为最低组。每组中能源消费结构和经济发展状况相同，能源强度不同，即能源强度变动对居民用能有一定的负向作用，但作用效果差距不大，组间差异主要是由经济因素和结构因素引起。

情景1与情景7的结果较为相似，二者经济发展状况设定相同，情景1中能源消费结构较低，能源强度较高，情景7与之相反，能源效率的提高降低了居民能耗，这与能源消费结构变化的正向作用相抵消，导致二者预测结果相似。情景2与情景8的结果类似也是这个原因。

在上述8种情景中，生活能源消费密度均呈上升趋势。经济发展状况即经济因素仍是生活能源消费密度增加的主要促进因素，其贡献度较高，正向强度逐年增加；结构效应在能源消费结构升级时贡献度为正，但影响较小；效率因素贡献度为负值，是导致生活能源消费密度降低的关键因素。这表明我国生活能源消费密度控制为结构和经济拉动型。

五、 结论

探究生活能源消费变化的影响因素是预测生活能源消费趋势、制定居民节能措施的前提。本文运用LMDI方法构建了生活能源消费密度的分解模型，运用2000~2012年数据测度分析全国和29个省份的生活能源消费密度变化及其主要影响因素的贡献度。得出如下结论和建议：

全国和29个省份“十一五”时期比“十五”时期人均生活用能增速放缓，表明国家日益重视生活用能缩减和能效提升。运用四象限法评价各省份生活能源消费密度变化所处象限，得出各省份变化量和变化率差异较大，分别分布在4个象限。

将生活能源消费密度变化的影响因素分解为结构因素、技术因素和经济因素，各自体现结构效应、技术效应和经济效应。三个因素的贡献度分解结果显示，全国层面，经济发展水平GOP代表的经济因素表现正向稳定态势，能源强度EOG代表的技术因素为负向态势、并且由强转弱，能源消费结构FOE代表的结构因素由负转正，且正向强度增加。在一定程度上显示了中国生活能源消费密度控制由效率和经济拉动型转为结构和经济拉动型。省级层面，各因素对2010年对2005年生活能源消费密度变化率的贡献度显示，各省间技术因素和经济因素差别较小，结构因素差异较大。

对2016~2030年生活能源消费密度及分解因素的预测发现，在8种情景下，经济因素仍然是导致居民生活能源消费密度增加的主要驱动因素，能源强度的降低是导致居民用能降低的关键因素，结构因素影响不大但仍要重视。要实现不同情景下的节能目标，可以在经济发展速度、调整能源消费结构、加强技术革新、降低能源强度等方面制定具体的政策措施。

参考文献：

[1] 丁永霞.我国居民生活能源消费时空变化分析[D].兰州:兰州大学,2011.

[2] 秦翊.中国居民生活能源消费研究[D].太原:山西财经大学,2013.

[3] Estiri H.A Structural Equation Model of Energy Consumption in the United States:Untangling the Complexity of Per-capita Residential Energy Use[J].Energy Research & Social Science,2015(6):109-120.

[4] Fernandez González P,Landajo M,Presno M J.Multilevel LMDI Decomposition of Changes in Aggregate Energy Consumption:A Cross Country Analysis in the EU-27[J].Energy Policy,2014,68:576-584.

[5] 孙涵,王洪健,彭丽思,郭海湘.中国城镇居民生活完全能源消费影响因素的实证研究[J].中国矿业大学学报(社会科学版),2015(3),53-59.

[6] Greening L A,Ting M,Krackler T J.Effects of Changes in Residential End-uses and Behavior on Aggregate Carbon Intensity:Comparison of 10 OECD Countries for the Period 1970 through 1993[J].Energy Economics,2001,23:153-178.

[7] Xu X Y,Ang B W.Analysing Residential Energy Consumption Using Index Decomposition Analysis[J].Applied Energy,2014,113:342-351.

[8] Zhao X L,Li N,Ma C B.Residential Energy Consumption in Urban China:A Decomposition Analysis[J].Energy Policy,2012,41:644-653.

[9] Zhang M,Guo F.Analysis of Rural Residential Commercial Energy Consumption in China[J].Energy,2013,52:222-229.

[10] Nie H,Kemp R.Index Decomposition Analysis of Residential Energy Consumption in China:2002-2010[J].Applied Energy,2014,121:10-19.

[11] Tso G K F,Guan J.A Multilevel Regression Approach to Understand Effects of Environment Indicators and Household Features on Residential Energy Consumption[J].Energy,2014,66:722-731.

[12] 张馨,牛叔文.城乡居民家庭生活能源消费需求的实证分析[J].中国人口·资源与环境,2013(S1):1-5.

[13] 岳婷,龙如银.我国居民生活能源消费量的影响因素分析[J].华东经济管理,2013,27(11):57-61.

[14] 邢璐,邹骥,石磊.小康社会目标下的居民生活能源需求预测[J].中国人口·资源与环境,2010,20(6):131-135.

[15] ANG B W,ZHANG F Q,CHOI K.Factorizing changes in energy and enviornmental indicators through decomposition[J].Energy,1998,23(6):489-495.

[16] Fu C,Wang W,Tang J.Exploring the sensitivity of residential energy consumption in China:Implications from a micro-demographic analysis[J].Energy Research & Social Science,2014,2:1-11.

[17] 郑新业,魏楚,秦萍.中国家庭能源消费报告[EB/OL].南方能源观察,[2015-02-26],http://finance.cenet.org.cn/show-1514-66419-1.html.

[18] 中国科学院可持续发展战略研究组.2009中国可持续发展战略报告[M].科学出版社，2009.

[19] 世界银行集团.巴西与中国：如何避免经济减速[EB/OL].世界银行,[2014-07-15].http://www.shihang.org/zh/news/feature/2014/07/15/brasil-china-brics-exportaciones-desaceleracion-economia.

[20] 面对70亿人的世界——专访国家人口计生委主任[EB/OL].中华人民共和国中央人民政府,[2011-10-30].http://www.gov.cn/jrzg/2011-10/30/content_1981946.htm.

[21] 孙明哲.使用六普数据对中国未来人口规模趋势的预测——兼论未来50年中国人口规模衰减的程度[J].北京社会科学,2014(05):85-92.

Factors Decomposition, Spatial Difference and Scenario Forecast

of Residential Energy Consumption Density in China

LIU Man-zhi, XU Yue, LIU Xian-xian, YAO Shun-yu

(School of Management, China University of Mining & Technology, Xuzhou 221116, China)

Abstract：As the second largest energy-consuming sector after industry, residential energy consumption has received increasing attention in China. To predict the consumption trend and develop residential energy-saving measures, the variation of residential energy consumption and its influence factors were explored, and the spatial differences among regions were contrastively analyzed. According to Logarithmic Mean Divisia Index (LMDI) model, the variation of energy consumption density in the whole nation and 29 provinces from 2000 to 2012 was decomposed into three influence factors, which include energy consumption structure, energy intensity and economic level, respectively representing structure effect, technology effect and economy effect. The four-quadrant method was employed to evaluate the provincial spatial disparities. Variation tendency of residential energy consumption density over the period 2016-2030 were predicted as eight scenarios. Research results show that throughout the implementation process of 10th and 11th Five-year Plan, the national residential energy consumption density change rate decreased from 52.43% to 43.71%. Among the three factors influencing the regional residential energy consumption density, economic level exerted the largest positive economy effect, and its average contribution to the change rate increased from 63.47% to 67.28% during this period. By contrast, energy intensity produced first positive and then negative technology effects, whose average contribution degree decreased from 4.19% to -24.89%. Energy structure negatively affected the consumption density, and its average contribution rate changed from -20.36% to -0.83%. Decomposition results suggest that the increasing trend of residential energy consumption density in different regions of China is slowing down, and the driving factors of density change is transferring from economy and technology to economy and structure. The spatial disparity analysis results indicate that among the 29 provinces the economic difference is small and stable, while the discrepancy in technology is shrinking and in structure is broadening. Eight kinds of scenarios forecast results reveal that the economy is still the main driving factor for density increase of residential energy consumption.

Key Words：residential energy consumption density; factors decomposition; LMDI; spatial difference; four-quadrant method; scenario forecast

中图分类号：F206

文献标识码：A

文章编号：1009-105X(2016)02-0048-09

作者简介：刘满芝(1978-)，女，中国矿业大学管理学院副教授，博士，主要研究能源经济与管理、营销工程。

基金项目：中国博士后科学基金面上资助项目“福利损失补偿视角下供运需协同的电煤应急储备规模研究”(项目编号：2014M551708);;江苏省博士后科研资助计划“国家煤炭应急储备最优规模的决策模型研究”(项目编号：1302079B); 国家级大学生创新训练计划项目“中国城市居民绿色消费的现状、行为阻隔和引导政策研究”(项目编号：201410290046)。

收稿日期：2015 - 10 - 10修回日期： 2015 - 12 - 21