家庭能源消费的人口敏感性分析&以中国城镇居民为例_老年人口论文

生活能源消费的人口敏感性分析——以中国城镇家庭户为例,本文主要内容关键词为:敏感性论文,为例论文,中国论文,城镇论文,人口论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

修订日期:2013-06-17

1 引言

全球气候变暖正在成为威胁人类社会可持续发展的重要事件之一,而人类生产、生活活动产生的温室气体很可能是气候变暖的原因[1]。按照世界银行公布的数据①,中国于2006年首度超过美国成为世界第一大二氧化碳排放国,节能减排成为中国不可回避的选择和向国际社会的郑重承诺。尽管中国生活能源消费占社会总能源消费的比例只有百分之十几[2],但庞大的人口数量和特殊的人口结构决定了生活能源消费具有不可忽视的量,而且随着城镇化进程的加深和生活水平的提高,生活能源消费还具有相当的增长空间。

人口因素可能不是能源消费的决定因素,但作为能源消费的基础性参数,除了要关注人口数量,人口的结构性因素,对引起这些结构性因素变动的人口微观过程也应该进行科学研究。本文将从微观人口变动的视角分析影响生活能源消费的敏感性指标,识别中国城镇生活能源消费变化背后所蕴涵的人口因素,回答哪些人口因素对生活能源消费有显著的影响?如何影响?从而为预见和适应未来生活能源消费变化提供人口学理论基础。

2 文献回顾

人口与能源消费之间的影响关系已经得到了学术界的普遍认可,众多能源消费、碳排放以及气候变化相关的研究都把人口作为重要变量。因此人口变动与生活能源消费关系的研究成果、人口与能源消费或碳排放关系的相关研究方法和研究进展都是本文的借鉴内容。

相关研究的基础性理论框架是I-PAT模型[3]及其扩展模型[4],典型的研究方法是因素分解和回归。由于I-PAT模型具有数据可获得性高、运用范围广等的突出优势,其研究成果也十分丰富。但这类模型的缺陷也是明显的,如它能够处理的人口因素过于单一,研究结果的可比性差,只能考察各因素与研究对象的同比例关系等。对此,Dietz等[5-7]提出改进模型:人口、财富、技术影响动态回归(STIRPAT)模型,用来检验人口、经济和技术因素的弹性系数。

随着研究的深入,学界认识到人口总量不足以体现人口与能源消费或碳排放的复杂关系。近期的研究动向是在STIRPAT模型中引入一些人口结构性变量,以体现人口的结构性因素对能源消费或环境的影响作用[8-12],有的研究甚至将消费水平也纳入其中[13]。总之,类似的研究成果还有很多,但其本质并没有突破STIRPAT模型的理论范畴,还是建立在宏观人口指标基础上的线性模型,在进一步细分年龄结构、家庭模式、城乡分布以及它们之间的交互变化关系方面存在方法论上的限制。

在系统模型中加入更加丰富的人口结构指标是当前研究的一个新动向。政府间气候专门委员会(IPCC)第四次报告中的人口模块就采用了四大类40种假设[14],但它也只是反映人口总量的变化情况,没能直接包括城乡分布、家庭结构、年龄结构等重要的人口结构因素,被认为低估了人口因素对气候变化的影响[15]。Dalton等[16]采用人口-环境-技术模型(PET)对中国和印度的碳排放进行了分析,其中人口因素除了包括人口总量外,还包括了人口城乡分布、家庭规模和年龄结构。最近的一项研究对人口结构进行了比较详细的考虑,包括户主年龄、家庭规模和城乡状态[17]。

一般认为,与能源消费模式密切相关的重要人口因素主要包括家庭规模、城乡分布、人口的年龄结构等[18],它们都会对能源消费产生直接或间接影响。家庭规模对能源消费产生显著影响的理论基础是能源消费的规模效应[19,20]。城乡居民消费水平及消费模式的差异决定了其对能源消费的显著性影响[21,22],但影响的方向却存在不一致性。在发达国家或地区,城市人口密集区的碳排放小于郊区,而在不发达国家或地区则正好相反[23]。人口老龄化是全球正在进行的人口过程,其对能源需求的影响也备受关注[16]。但随着老年人口收入水平、生活和消费习惯变化,老龄化对能源消费/碳排放带来的影响也可能不一样[24]。

现有相关研究丰富了人口与能源消费或碳放排关系研究的科学认识和政策含义,但仍有一些值得改进或重视的方面。相对来说,基于宏观人口指标的能源消费或碳排放研究所涉及的人口模块过于简单,无法体现人口微观变化的特点,虽然在人口和家庭动态变化研究方面取得丰富的成果[25],但不突破方法论的限制,这些研究成果很难引入到能源消费研究中来。当所涉及的人口参数过多时,传统模型也就变得无法理解,研究成果很难为其它研究所借鉴,理论贡献也就十分有限。如何将人口宏观指标下所包含的微观人口变动充分体现到能源消费的分析模型中,是必须回答的科学问题。

3 理论模型推演

根据现有的研究发现,人口数量远不能反映人口对生活能源消费复杂影响,人口结构与生活能源消费间有着密切的关联。人口学研究已发现[26-28],人口动态变化是由人口数量变化和人口微观变动过程导致的人口结构变化的结果。有理由相信,不同的人口微观变动过程对于生活能源消费的变化有着特别重要的意义。

生活能源消费的人口敏感性:生活能源消费系统受到人口变动的影响所产生的变化及其程度,包括生活能源消费量的增减,消费模式的转变等,变化的大小对应于敏感性的强弱。人口变动主要包括年龄结构的变化,城乡分布的变化,以及由生育率和死亡率主导的人口自然变化。

规模效应:维持家庭的正常生活都需要一定的能源消费,其中一部分能源消费是不以家庭人数的多少而改变或改变很少,可称其为固定能源消费,比如照明和取暖能源消费。另外一部分能源消费是与家庭人数密切相关,人数多则消费量大,可称其为可变能源消费,比如交通和炊用能源消费。对于特定家庭②来说,人数越多,家庭内人均固定能源消费量就越少,从而导致人均生活能源消费量也相对较少。

如果规模效应的存在得到证实,就可以得到以下生活能源消费的人口敏感性推论:

推论一:若人口城镇化过程对家庭规模产生显著影响,则在规模效应的作用下,人口城镇化对生活能源消费具有敏感性。

推论二:若人口老龄化对家庭规模产生显著性影响,则在规模效应的作用下,人口老龄化对生活能源消费具有敏感性。

推论三:若人口自然变动对家庭规模产生显著性影响,则在规模效应的作用下,人口自然变动对生活能源消费具有敏感性。

如果上述理论推演成立,构建如图1的理论框架,则生活能源消费可以在理论上表述为:一个特定人口的是在人口数量的基础上,通过微观人口变动形成特定的家庭模式和家庭人口分布,在规模效应的作用下,相应人口敏感性和特定的生活能源消费模式相结合,决定该人口的生活能源消费量。显然,规模效应是在一定经济和技术条件下形成的,对于规模效应的模拟本身就包含了经济、技术因素的影响,可以起到部分控制经济、技术因素的作用,从而得到人口敏感性对生活能源消费的“净”影响。由于相同的宏观人口水平可以由多种微观人口过程实现,即使是相同的宏观人口水平和生活能源消费水平,不同的微观人口过程也可能导致不同的生活能源消费变化,其理论上的可能性正是本文要验证的。

4 实证研究

为了验证上述理论构想,本文以2005-2010年中国城镇家庭生活能源消费为例进行分析:检验生活能源消费是否具有规模效应,并对人口敏感性进行测定,最后对不同年份间生活能源消费变化进行归因。

图1 生活能源消费和人口敏感性的理论框架

Fig.1 The theoretical framework of REC and population sensitivity

4.1 数据来源与描述

生活能源消费数据采用2005年和2010年“中国城镇住户调查”抽样数据(数据说明见文献[29]的附录),样本量为各1万户③,加权方法见文献[29]中的《城市住户调查方案》。

生活能源消费选取5类:①电费。家庭用电所产生的费用。②炊用燃料费。购买炊用燃料的费用。③取暖费。集中供暖所缴纳的费用。④车用燃料费。购买汽车、摩托车等交通工具所用燃料的费用。⑤交通费。乘坐公共交通工具购票所产生的费用。从表1看,电能消费最高,取暖消费最低,乘坐公共交通工具所消费的能源依然是主体,私家车消费的能源有明显增长的趋势。为简化计算和减少误差,生活能源消费量的计量单位没有转换成标准的能源计量单位(如kg标准煤),因为不同的地区和时期,能源的价格也不相同。

人口数据主要采用2005年全国1%人口抽样调查汇总数据和2010年全国人口普查汇总数据。2005-2010年,中国城镇人口④增长了10400万人,城镇人口占总人口的比重上升了6.69个百分点,2010年的城镇化率首次接近50%。城镇化的发展很大程度是人口流动的结果,期间流动人口增长了77.39%,2010年流动人口达到2.61亿。年龄结构也发生了变化,2010年65岁及以上人口的比重达到8.87%,比2005年上升了1.19%。同时,家庭平均人口数持续减少,由2005年城镇户均人口2.97人下降到2010年的2.84人,减少了0.13人。

4.2 规模效应

按照上述关于生活能源消费的规模效应的界定,要检验规模效应是否存在于中国城镇人口的家庭生活,可以从两个方面进行鉴别:①如果规模效应确实存在,那么必然有某种或某几种的生活能源消费是不受家庭规模影响,即存在固定能源消费;②家庭总的生活能源消费与家庭规模有密切关联,一般来说家庭人口数多,生活能源消费量大,即存在可变能源消费。

将家庭规模分为五类:1人户、2人户、3人户、4人户和5人及以上户。这样,就可以通过分别对各类生活能源消费做一元方差分析来判断具体哪类生活能源消费与家庭规模无关。对每一种类型的生活能源消费,将五类家庭规模两两进行方差分析,只要大多数家庭类型之间没有显著性差异,就可以认为该类生活能源消费是“固定能源消费”。

结果显示,电费、炊用燃料费和取暖费的方差分析结果多数是不显著的,且只有个别家庭规模相差较大的方差分析的F值是显著的(见图2a-图2c)。与此相反,车用燃料费和交通费的方差分析结果多数是显著的,而只有个别家庭规模相差较小的方差分析的F值是不显著的(见图2d-图2e)。因此,从统计上说,电费、炊用燃料费和取暖费与家庭规模没有显著性关系,也就是前述的所谓“固定能源消费”。车用燃料费和交通费与家庭规模有显著性关系,也就是前述的所谓“可变能源消费”。

生活能源消费是上述5类能源消费的总和(见图2f),方差分析结果显示,家庭规模与生活能源消费有显著性关系。但是,要判断生活能源消费是否存在规模效应,还需要检验人均生活能源消费量是否随家庭人数增长而减少。

分别对2005年和2010年不同家庭规模的人均生活能源消费量作曲线拟合,比较直线、罗吉斯特和指数曲线,发现指数曲线的拟合度最好⑤。图3显示,生活能源消费是单调递减曲线,即随着家庭人数的增加,人均生活能源消费减少。至此,验证了生活能源消费与家庭规模有显著性关系,且随家庭人数单调递减,这正契合了生活能源消费的“规模效应”的理论设定。

注:1、表格的右上三角为2005年数据的分析结果;左下三角为2010年数据的分析结果。2、Δ表示F值不显著;▲表示F值显著。

图2 生活能源消费与家庭规模关系的方差分析

Fig.2 ANOVA of relationship between REC and family size

4.3 人口敏感性

由于生活能源消费存在“规模效应”,能够对家庭规模产生显著影响的人口过程也对生活能源消费产生显著性影响。比如,人口城镇化、人口老龄化和人口自然变动等。

4.3.1 人口年龄结构的敏感性 如果不同年龄段的人在生活能源消费方面存在明显的差异,那么人口年龄结构的变化势必对生活能源消费产生或多或少的影响,其程度的大小取决于年龄结构变化的程度。“城镇住户调查”中的生活能源消费量是以家庭为单位统计的,对于按人口年龄计算生活能源消费量需要将其转换为不同年龄的个人的消费量。本文假设家庭内每个成员平均消费生活能源,这样家庭内部人均生活能源消费量即是个人的生活能源消费量。生活能源本身就是以家庭为单位消费的,很难区分哪种能源、具体多少是由家庭中的某个成员消费的。从图4初步判断,生活能源消费对于年龄结构似乎并不完全敏感,只是老龄组(60岁及以上)有比较明显的下降。

注:2010年的值按2005年不变价格计算。

图3 生活能源消费和家庭规模关系的规模效应曲线

Fig.3 The curve of the scale effect of the relation between per capita REC and family size

为了在统计上检验这种观测到的现象,以年龄为因变量,以生活能源消费量为自变量,做回归分析。统计结果显示,虽然全人口的年龄结构与生活能源消费有一定的线性关系,但是如果把人均生活能源消费量变化明显的老年人口去除,则回归分析的结果不显著,也就是说非老年人口的生活能源消费与年龄结构没有统计上的显著性关系。

据此推测,生活能源消费对于人口年龄结构具有局部敏感性,对于0~59岁人口来说,其年龄结构没有敏感性,但老年人口(60岁及以上)具有敏感性,至于程度如何,将在后面详细分析。

4.3.2 人口老龄化的敏感性 要验证人口老龄化的敏感性存在的可能性,可以分析老年人口的家庭结构是否明显区别于其他年龄人口。如果成立,那么在规模效应的作用下,将对生活能源消费产生显著性影响。但是,在数据分析之前一般不太容易判断家庭结构变化的方向,既存在老年人口家庭空巢而导致的小型化因素,也存在家庭养老需要而与已婚子女同居的大型化因素。另外,老年人生活方式和消费模式的改变,生活能源消费也发生相应的变化,特别是退出主流社会生活后,其交通能源消费有显著减少的可能性,这种现象在发展中国家比较普遍[24]。

图4 生活能源消费和年龄结构关系

Fig.4 Relation of per capita REC and age structure

t检验显示,不论是2010年还是2005年,0~59岁人口的生活能源消费与60+岁人口的生活能源消费都有显著差异,老年人口的平均生活能源消费量明显低于非老年人口的平均生活能源消费量。

为了测算人口老龄化对生活能源消费的影响程度,可以采用反推的方法,既假设2010年人口老龄化水平保持2005年的水平,其它条件维持实际情况,得到假想生活能源消费变化量,其占实际生活能源消费变化量的比例即为人口老龄化的敏感性。具体推导过程如下:

将2005年全国1%人口抽样调查数据和2010年全国人口普查数据代入上述公式,可以计算出相关的人口指标,然后代入相关生活能源消费数据,通过计算可得,人口老龄化的敏感性为-1.89%。由表2可见,虽然老年人口的家庭规模低于非老年人口,且与2005年相比,2010年老年人口的家庭规模缩小⑥。但是,老年人口的生活能源消费水平远低于非老年人口,从而抵消了老年人口家庭小型化的“规模效应”,导致人口老龄化的负向敏感性。

4.3.3 人口城镇化的敏感性 为了测算人口城镇化对生活能源消费的影响程度,首先要知道人口城镇化对城镇人口数量和家庭规模的影响,然后保持其它条件不变,比较城镇化水平变化与不变化两种情况下2005年至2010年生活能源消费增量变化的百分比得分。计算公式如下:

将2005年全国1%人口抽样调查数据和2010年全国人口普查数据运用到上述公式,通过计算可得,人口城镇化的敏感性为12.89%。也就是说,相对于2005年,2010年的生活能源消费增量中,有12.89%是由人口城镇化引起的。值得注意的是,人口城镇化导致的生活能源消费增加,是城镇人口数量增加和城镇家庭规模减小双重人口过程的结果。

4.3.4 人口自然变动的敏感性 人口自然变动指生育和死亡导致的人口变化,它既有人口数量的变化,也有家庭结构的变化。为了将人口自然变动对生活能源消费的影响体现出来,需要将人口数量的变化量分解到家庭结构中去。由于2005-2010年,中国的城镇人口自然变动为正值,只需要讨论由于自然变动而“增加”的人口对家庭构成的影响。

同样,假设人口自然变动为0,其它条件不变的情况下,2005-2010年城镇人口生活能源消费增量与实际生活能源消费增量之差,占2005-2010年实际生活能源消费增量的比例,即为人口自然变动的敏感性。要模拟人口自然变动为0,存在3种可能性:生育不变,而死亡人数增加到与生育人数相等;死亡人数不变,生育人数减少到与死亡人数相等;生育人数和死亡人数都发生变化,但二者保持相等。第一种情况不符合基本的社会伦理,第三种情况存在无数的可能性,不便于理解和解释分析结果,本文以第两种情况为假设前提进行分析。

式中B为2005-2010年间城镇生育子女总数。

为反映没有人口自然变动情况下的部分家庭规模的人口数,其实只要把多于死亡人数的那部分生育人数以适当的比例在2010年各家庭规模的人数中扣除,计这部分人数为ΔN,同时考虑“扣除”导致的家庭规模变动⑧。

将2005年全国1%人口抽样调查数据和2010年全国人口普查数据,以及生活能源消费数据运用到上述公式中,即可得到的公式(16)的结果为7.37%。一般来说,对于增长型人口,自然变动除了会直接导致人口数量的增加外,还会增加发生生育行为的家庭的规模,而这两种人口过程对生活能源消费的影响是相反的。

4.4 情景分析

通过上述实证检验,发现中国城镇人口的生活能源消费存在“规模效应”,且人口自然变动、城镇化和老龄化对于生活能源消费具有敏感性,因而可以把它们运用于未来生活能源消费的情景分析。

4.4.1 情景设定受篇幅的限制,本文只对2010-2015年的生活能源消费变化的人口敏感性进行情景分析,意在展示人口变动对生活能源消费将可能产生的影响机制和途径,并不是对2015年生活能源消费的预测⑩。情景设定5个参数:规模效应参数、家庭规模、城镇化水平、老龄化水平和自然变动,并构建出如表4的12种情景状态。

由4.2节可知,生活能源消费的“规模效应”呈指数分布,a决定了生活能源消费的基准水平,而b决定着规模效应的强度,也就是随家庭人数增加,人均生活能源消费量减少的速度。本文设定二种情景:2015年的a为2005年到2010年a外推的值,2015年的b与2010年的b相同,记为A1;2015年的a为2005-2010年a外推的值,2015年的b为2005-2010年b外推的值,记为A2。规模效应的情景设定主要是反映中国人口生活水平提高导致的生活能源消费需求增长的趋势。

家庭规模持续缩小是近来中国人口变化的常态,主要是由于我国生育水平不断下降、迁移流动人口增加、年轻人婚后独立居住等因素的影响。本文假定这种趋势在2010-2015年间还将维持。通过简单的外推可以得到,2015年的家庭规模约为2.72人(11),记为F_S-M。另外,为了表现人口敏感性通过“规模效应”对生活能源消费的影响,设定高低两种人口家庭规模,记为F_S-H和F_S-L,取值分别为2.94人和2.5人。

城镇人口的自然变动主要受到死亡率和生育率的影响。考虑到短期内死亡率不太可能发生太大的变化,而生育率在短期内也只受到生育政策的影响。因此,城镇人口自然变动的情景设定为:死亡率不变,生育率不变(N_C_1);死亡率不变,生育政策改为二孩政策(N_C_2)。需要说明的是,虽然人口政策调整的脚步正渐行渐近(12),但要在2015年前实施并产生政策效果的可能性还是比较小的。此处之所以要设定政策调整的人口生育情景,是希望通过对总和生育率变化的设定,模拟人口生育行为的微观变化过程对生活能源消费的影响。“六普”显示,时期总和生育率为1.18人,远低于政策终生平均生育子女数(1.47人左右),明显低估了中国的人口生育水平[30]。通过综合比较,本文借鉴相关研究[26,27]的时期总和生育率设定方法,假定城镇人口生育政策调整为二孩不限定生育年龄,设定2010-2015年中国城镇人口的时期总和生育率从1.2人逐步上升到1.8人。

人口城镇化可能是近期中国人口变化最确定的趋势,并且这种趋势还将受到国家发展政策的强化(13)。情景设定2010-2015年,中国人口城镇化率每年提高一个百分点,到2015年的城镇化率为54.68%,记为U。

城镇人口老龄化水平除受到生育水平的影响外,还与人口迁移流动有很大的关联。由于中国人口迁移流动的经济活动特点明显,其年龄结构主要也集中在劳动年龄段,它必然也会缓解城镇人口的老龄化程度。本文的城镇人口老龄化水平的情景设定为在U和N_C_1、U和N_C_2情况下的老龄化水平,分别记为Aging_1和Aging_2。

4.4.2 结果分析根据人口敏感性的推导公式和情景设定,选择适当的基准数据可以算出2015年生活能源消费的人口敏感性强度,结合生活能源消费的绝对量,可得2015年城镇生活能源消费的情景分析结果(见表5)。人口敏感性的情景分析结果为相对值,为了更直观的描述生活能源消费与人口因素的关系,可将2015年的人口敏感性强度转换为绝对值,这就需要估算2010-2015年的生活能源消费增量。本文利用文献[23]中的2005-2010年生活能源消费量的数据,采取自回归模型进行趋势外推,估算2015的生活能源消费量,其与2010年实际生活能源消费量之差即为生活能源消费增量。其实,此处2015年生活能源消费量相当于一个常数,其数值大小并不会影响各种情景分析结果间的相对关系,因此它不会对分析结果的解释产生根本性的影响。

(1)即使是在相同的宏观人口水平下,不同微观人口变动也可能会导致完全不同的生活能源消费情景。比如,情景1-情景3和情景7-情景9的人口城镇化、人口老龄化和自然人口变动水平设定都是相同的,但它们2015年的生活能源消费增量的差异最高(情景9与情景2)达到478.32万t标准煤(或7.68%),最低(情景3与情景2)仅为212.38万t标准煤(或3.41%)。如果说这个最大差异还包括了规模效应不同的因素(14),那么情景9与情景8的生活能源消费增量差异(388.71万t标准煤或6.24%)则是规模效应相同情况下的“净”差异。由4.3章节的推导过程可见,2015年,要形成上述情景设定的宏观人口水平,可以有多种实现途径,既取决于2010年的人口年龄性别结构、家庭模式、年龄别家庭人数构成、迁移流动状态等微观起始人口条件,也受到2010-2015年间不同个体的生育、死亡、迁移等的微观人口过程的影响。可见,特定宏观人口水平下的微观人口过程,是影响生活能源消费变化的不可忽略的潜在力量。

(2)人口敏感性对生活能源消费的影响持续放大,但人口因素并不构成生活能源消费的最主要因素。在“规模效应”的作用下,2015年人口敏感性的生活能源消费增量为1054.44(情景5)~1559.54(情景9)万t标准煤之间,比2010年增加了56.16~561.26万t标准煤,如果将其与2010年分行业能源消费总量比较,甚至超过了食品制造业、燃气生产和供应业等工业领域的16个子行业的能源消费量。尽管如此,人口敏感性导致的生活能源消费增量占总生活能源消费增量的比例在16.93%~25.04%之间,还有超过3/4的影响未得到解释,它们可能要从能源结构变化、能源技术进步和居民消费水平提高等其它因素中去寻找答案。

(3)在具有敏感性的各人口因素中,人口城镇化的敏感性最强,是导致城镇生活能源消费增加的首要人口因素。人口城镇化的敏感性与家庭规模呈明显的负相关关系,家庭规模缩小会增大人口城镇化的敏感性,家庭规模扩大则会减小人口城镇化的敏感性。其敏感性范围在10.74%(情景5)~16.67%(情景9)之间,而最高和最低的情景设定正是对应家庭规模为高(2.94人)和低(2.5人)。

(4)人口自然变动的敏感性受到生育水平的影响,其敏感性强度总体上低于人口城镇化的敏感性强度,强度范围是6.72%~12.11%。比较情景1和情景5的自然变动的敏感性强度可以发现,尽管情景5所设定的生育水平高于情景1,但情景5的自然变动的敏感性强度却低于情景1。这种现象可以理解为人口数量增长导致的生活能源消费增量被人口结构性因素所抵消。

(5)由于人口老龄化伴随着老年人口家庭规模的缩小和生活能源消费水平降低,人口老龄化的敏感性表现为负值,它会抵消一部分生活能源消费增量。老年人口的生活能源消费水平是导致人口老龄化负向敏感的主要原因,随着我国生活水平的提高,这种局面也许会发生变化。这也是发达国家人口老龄化导致生活能源消费增加的根本原因。

(6)生活能源消费与人口变动的关键纽带是“规模效应”,人口因素的变化都是通过影响家庭结构,再由“规模效应”传递到生活能源消费量的变化。从结果上看,由于情景7-情景12的“规模效应”较强,它们的人口敏感性也普遍高于情景1-情景6的人口敏感性。由此可以推测,生活能源消费与生产能源消费在人口因素方面存在根本性的差异。在没有证据证明生产能源消费也存在类似的“规模效应”之前,分析既包括生活能源消费也包括生产能源消费的全社会能源消费时,使用相同的人口模块可能会产生偏差,或者说至少是不够精确的。

5 结语

本文在构建理论模型的基础上,运用权威的住户调查数据、人口普查数据,以及中国能源统计宏观数据对理论构想进行了实证检验,并有以下几点启示:

(1)生活能源消费微观数据往往是采用计账式的方式获得,这就决定它的样本量不可能太大,更不太可能进行普查,无法满足进行人口微观分析的要求。如何将人口普查数据与生活能源消费抽样调查数据进行匹配,就显得格外重要,因为人口结构性变动的丰富内涵无法通过几个人口宏观指标完全表现出来。

(2)尽管人口自然变动、城镇化和老龄化具有相当的敏感性,但希望通过人口调控达到减少生活能源消费的想法似乎并不现实。既不能希望通过提高老龄化水平来减少生活能源消费,也不能为了节能而放弃城镇化的进一步发展,因为它违背了社会发展的基本规律和宗旨。正是由于人口的结构性因素对生活能源消费有着多重敏感性,不能简单地以人口数量的增减作为判断生活能源消费量变化的唯一指标,更要对那些认为控制人口数量对节能减排有积极作用的简单论断进行更为严谨的科学论证。

(3)正因为人口因素不是生活能源消费的最主要因素,从适应的角度应对生活能源消费需求的刚性增长,将政策视野放到人口因素之外是一种积极的战略。通过政府补贴等措施大力推广节能技术在居民生活领域的应用,加强对居民能源知识的普及和节能意识的强化等[31],都可以有效地缓解生活能源消费的刚性增长,同时又不影响居民生活水平提高对能源消费的适度需求。

(4)本文受篇幅和数据,以及作者的知识能力限制,依然存在几个方面的不足之处。首先,本文的研究范畴只包含了城镇人口,没有将乡村人口纳入其中是一个不小的缺憾。至本文即将成稿之际,作者也没有能够获得中国农村住户调查的原始数据,在感叹统计部门对数据保密之严之余,只能期望后续研究进行完善。其次,本文情景分析中的人口参数显得简单,如果能够辅之以精细的人口家庭户预测,并将预测时间跨度拉长,可能会得到更有意义的结果。另外,人口因素不是生活能源消费的决定因素,甚至不是主要因素,因此对人口敏感性研究的主要意义在于如何为其它相关研究提供一个简约、精确的人口模块,应用方面的问题是本文还没有触及的方面。

感谢深圳市谷大应用统计研究所为本研究提供的数据处理帮助。当然,文责自负。

注释:

①http://data.worldbank.org/indicator/EN.ATM.CO2E.KT/countries/1W?display=default,2012-02-03.

②指消费水平和消费模式相近的家庭。

③2005年和2010年“中国城镇住户调查”的调查户数分别为25000户和64500户,本研究所用数据是从其中再抽样得到。

④为了和“中国城镇住户调查”相匹配,这里的城镇人口主要是指城镇家庭户人口,而未包括集体户人口。

⑤人均生活能源消费量=exp(a+b×家庭人数),式中a2010=7.82,b2010=-0.26,a2005=7.27,b2005=-0.24;R22010=0.934,R22005=0.969。

⑥家庭规模为1人、2人、3人的老年人口的比例增大,而家庭规模为4人、5人及以上的老年人口的比例减小。

⑦此处未对年龄别进行分家庭规模的计算,认为不同家庭规模的妇女的生育率和死亡率没有明显区别。另外,2005年年龄为10~14岁的妇女在2005-2010年间陆续进入生育年龄,以及育龄妇女的死亡对生育子女数的影响也忽略不计,如此处理可以简化计算过程。

⑧不考虑死亡对家庭规模的影响,是因为2010年实际得到的各家庭规模的人数已经经历了死亡事件。

⑨考虑到扣除生育子女后,家庭规模也随之变动,如果不考虑一胎多育的情况,家庭规模会减少1人,且家庭规模为1人和2人的育龄妇女生育率几乎为0,故x’的取值从3人开始.另外,扣除家庭规模为6人及以上家庭生育的子女后,其家庭规模还是属于本文所指的“5+”,其估算方法与前述类似。

⑩因为生活能源消费量还与生活水平、收入水平,以及能源利用的技术水平等因素相关,显然这已经超出了本研究的范围.

(11)2005年城镇家庭规模为2.97人,2010年城镇家庭规模为2.85人。

(12)国务院发展研究中心,现行计划生育政策急需调整,调研报告,2012。

(13)http://finance.qq.com/zt2012/zyjjgz/,2013-01-01。

(14)规模效应部分地包含了能源技术水平、居民生活消费水平等非人口因素的影响。

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

家庭能源消费的人口敏感性分析&以中国城镇居民为例_老年人口论文
下载Doc文档

猜你喜欢