烟台业达热电集团有限公司 山东烟台 264000
摘要:本文选取山东省的人均电力消费量代表电力消费水平,借助Geodata、Stata等计量软件,分别构造邻接空间权重和地理距离权重,通过测算Moran's I指数发现,在两种空间权重下的Moran's I指数均为正值且在统计上显著,说明山东省电力消费在全域上具有正向空间相关性;通过绘制Moran散点图发现,山东省电力消费在局域上具有空间集聚性。
关键词:电力消费 Moran's I指数 空间相关性
一、引言
电力是促进经济可持续发展的重要能源,对国民经济发展起基础性作用。改革开放以来,城镇化进程的不断加快,人口流动和人口集聚改变了以往的电力消费模式,使电力消费呈现出新的空间特征,所以从空间角度研究山东省的电力行业具有一定理论意义;随着我国经济步入新常态和供给侧改革的深入推进,消费已成为拉动经济增长的首要动力,所以从电力消费端研究电力行业具有一定现实意义。
关于电力消费的相关研究,目前已有很多文献从多种角度、运用多种方法进行了研究:在研究电力消费的预测方面,聂婧(2017)运用改进的人工蜂群算法构建预测模型,测算河北省2020年的电力消费总量。童雅芳、丁珩和周小兵(2017)考虑湖北省电能替代电量的情况,基于体现经济新常态特征的方法对湖北省用电需求进行预测。吕素佼、张斌(2016)分别运用弹性系数法和马尔科夫链的趋势预测分析法,依次对山东省的电力消费情况和电力消费结构进行了预测。王书平、魏晓萌(2017)将数据驱动与理论驱动建模的方法相结合,通过构建多尺度预测模型对北京市电力消费进行预测。在研究电力消费与经济增长的关系方面,杨敏、叶彬和王宝(2018)从经济增长方式和内在动力角度出发,探索安徽省电力消费的增长潜力。曹金龙、陈洁赟(2017)运用协整检验分析出经济增长与电力消费之间具有长期均衡关系。李汶聪、丁文斌(2018)基于结构断点和周期分析,研究经济增长与电力消费间的因果关系,得出电力消费增加会促进经济增长的结论。宣伟锡、黄玮琼(2017)和叶珊、李士华(2018)都运用协整检验和格兰杰因果检验等方法进行研究,得出电力消费会促进经济增长的结论。
以上研究主要集中在电力消费的预测、与经济增长的关系等方面,研究角度大同小异,无非是在研究方法上略有不同。新时代背景下,新旧动能转换需要更加全面地了解山东省电力消费的状况,近几年已有很多学者从空间角度对电力消费进行研究,李峰、孙广通、王秋玲和钱安(2018)基于县级的夜间灯光数据对廊坊市的电力消费进行了空间相关性分析,得出存在空间自相关的结论。蔡国田、王兰体、李沛、赵黛青(2018)利用ESDA方法中的空间自相关指数分析海南省电力消费的空间相关性,得出海南省的人均电力消费存在负向弱相关性的结论。王立平、鲁东晓(2018)通过测算Moran's I指数发现,我国的人均电力消费存在正向空间相关性。随着各地区的经济往来越来越密切,不同地区的电力消费必然存在一定的关联关系,鉴于以上思考,本文将运用空间计量方法,实证检验山东省电力消费的空间相关性。
二、理论基础
(一)空间权重矩阵的设置
分别考虑位置相邻和地理距离的影响,依次构造邻接空间权重矩阵和地理距离权重矩阵,记地区i和地区j的区域关系为wij,定义空间权重矩阵为式(1):
1.邻接空间矩阵
对于邻接空间矩阵中的元素wij,如果两个地区之间有公共边界,则认为二者存在空间关系,记wij=1;反之,则无空间关系,记wij=0。
2.地理距离矩阵
地理距离权重矩阵的元素wij选取两市球面距离平方的倒数,假定d为城市间球面距离,那么地理距离权重矩阵的矩阵元素wij可表示为式(2):
(二)空间自相关分析
1.Moran's I指数
本文采用Moran's I指数检验电力消费的全域空间相关性,以此来反映山东省各市电力消费空间关联程度的总体特征。Moran's I指数的取值范围为[-1,1],取值为正,表明各地区电力消费呈现空间正相关性;取值为负,表明存在空间负相关性,其计算公式如式(3):
(3)
其中,xi表示第i个地区的电力消费, 表示电力消费的均值,S2表示电力消费的方差,n为地区总数,wij为空间权重矩阵。
2.Moran散点图
全域空间性反映了空间变量的整体空间相关状况,但可能会忽略局部地区的非典型性特征,本文采用Moran散点图来更直观地反映局域空间集聚特征,其空间关联模式分为四个象限,一、三象限表示变量间存在空间正相关,二、四象限表示变量间存在空间负相关。
三、实证分析
(一)数据说明
本文参照所用山东省地图中的城市顺序,样本依次为:东营市、临沂市、威海市、德州市、日照市、枣庄市、泰安市、济南市、济宁市、淄博市、滨州市、潍坊市、烟台市、聊城市、莱芜市、菏泽市、青岛市,变量的时间跨度为2011-2017年,现将电力消费数据说明如下:
本文采用人均电力消费量代表电力消费水平,其计算方法为:人均电力消费量=电力消费总量/人口总数。其中,电力消费总量为山东各市电力消费的实物量,人口总数为山东各市的常住人口数,以上两项数据均来源于《山东统计年鉴(2012-2018)》。
(二)空间相关性检验
表2报告了两种空间权重矩阵下的Moran's I指数检验结果,以此来分析电力消费的全域空间相关性。根据表2,在两种空间权重下,2011-2017年的Moran's I指数都是正值,均通过了5%的显著性检验,说明2011年以来山东省各地区的电力需求存在明显的正向空间相关性。同时,通过对比两种空间权重下的Moran's I指数大小发现,在统计范围年限内,邻接空间权重Moran's I指数均大于地理距离权重下的Moran's I指数,说明空间相关性受位置相邻的影响要大于受地理距离的影响。此外,通过对比两种空间权重下的P值大小发现,在统计范围年限内,地理距离权重下的Moran's I指数比邻接空间权重下的Moran's I指数更显著。
表2 两种空间权重情况下人均电力消费的Moran's I指数
为进一步观察山东省各城市电力消费的空间集聚特征,图1绘制了山东省2017年电力消费在两种空间权重下的Moran散点图。如图所示,大多数城市分布于第一、三象限,说明山东各城市的电力消费存在高度的空间集聚性。
图1 山东省 2017年电力消费的Moran散点图
三、研究结论与政策建议
(一)研究结论
通过对山东省电力消费的现状和实证分析,得出如下研究结论:
1.研究范围年限内Moran's I指数为正值且显著,说明各城市电力消费在全域具有正向空间相关性;
2.通过绘制Moran散点图发现,各城市电力消费在局域具有空间集聚性。
(二)政策建议
1.充分考虑空间关联,精确衡量电力消费。实证分析结果表明,山东省电力消费之间存在正向空间相关性,因此在制定相关政策时,要站在全局角度宏观调度,不能忽视其空间关联关系,否则会使估计结果出现偏差。
2.重视空间集聚特征,突出地区异质特性。Moran散点图中大部分城市分布于第一象限和第三象限中,少数分布在第二象限和第四象限中,所以地方政府在制定本地区政策时,应当在重视电力消费空间集聚性的基础上,在促进全区域协同发展的同时突出地区异质性。
3.加大政策支持力度,重视电力产业创新。建议相关部门在政策上更多倾向电力等基础性行业,加快电力体制改革,提高系统运行效率,调整电力消费结构。各电力公司要借助新旧动能转换的政策东风,加大技术投入,实现创新发展。
参考文献:
[1]聂婧.京津冀协同发展下河北省电力消费预测研究[D].华北电力大学,2017.
[2]童雅芳,丁珩,周小兵.考虑电能替代的湖北省新常态电力需求预测[J].湖北电力,2017,41(02):33-37.
[3]吕素佼,张斌.山东省电力需求预测及分析[J].煤炭经济研究,2016,36(10):56-61.
[4]王书平,魏晓萌.基于CEEMDAN分解的北京市电力消费预测研究[J].《中国管理科学》2017:9.
[5]杨敏,叶彬,王宝.安徽省经济社会发展与电力需求研究[J].当代经济,2018(15):16-18.
[6]曹金龙,陈洁赟.华东地区经济增长与电力能源消费的关系[J].首都经济贸易大学学报,2017,19(02):60-64.
[7]李汶聪,丁文斌.基于结构突变点的省域经济增长与电力消费关系——以湖北省为例[J].现代商贸工业,2018,39(05):1-5.
[8]宣伟锡,黄玮琼.基于数理分析的经济增长与电力消费关系研究[J].云南电力技术,2017,45(05):25-28+31.
[9]叶珊,李士华.江苏省电力消费与地区经济关系的实证分析[J].电工电气,2018(01):60-63.
[10]李峰,孙广通,王秋玲,钱安.NPP-VIIRS夜间灯光数据的县级电力消费空间化研究[J].测绘与空间地理信息,2018,41(04):8-11+15+18.
[11]蔡国田,王兰体,李沛,赵黛青.海南省电力生产和消费空间特征分析[J].世界地理研究,2018,27(05):105-115.
论文作者:李建学,鲁东晓
论文发表刊物:《基层建设》2019年第18期
论文发表时间:2019/9/17
标签:电力论文; 空间论文; 权重论文; 山东省论文; 相关性论文; 矩阵论文; 指数论文; 《基层建设》2019年第18期论文;