基于 VAR 模型的辽宁省能源消耗影响因素.doc

上传人:sccc 文档编号:5195759 上传时间:2023-06-13 格式:DOC 页数:10 大小:332KB
返回 下载 相关 举报
基于 VAR 模型的辽宁省能源消耗影响因素.doc_第1页
第1页 / 共10页
基于 VAR 模型的辽宁省能源消耗影响因素.doc_第2页
第2页 / 共10页
基于 VAR 模型的辽宁省能源消耗影响因素.doc_第3页
第3页 / 共10页
基于 VAR 模型的辽宁省能源消耗影响因素.doc_第4页
第4页 / 共10页
基于 VAR 模型的辽宁省能源消耗影响因素.doc_第5页
第5页 / 共10页
点击查看更多>>
资源描述

《基于 VAR 模型的辽宁省能源消耗影响因素.doc》由会员分享,可在线阅读,更多相关《基于 VAR 模型的辽宁省能源消耗影响因素.doc(10页珍藏版)》请在三一办公上搜索。

1、精品论文基于 VAR 模型的辽宁省能源消耗影响因素分析董琨,谭飞5(大连理工大学经济学院,大连 116024) 摘要:本文构建了辽宁省能源消耗影响因素的 VAR 模型,并应用辽宁省 1978-2010 年间的 时间序列数据进行了实证检验。结果表明,辽宁省能源消耗与各类因素之间存在长期均衡的 稳定关系,其中重工业比重的变动对能源消耗的长期影响最为显著;第三产业比重的调整对10能源消耗的短期波动具有显著影响;从脉冲响应函数和方差分解中都可以看出人口因素对能 源消耗的扰动与其他因素相比是最不显著的。 关键词:工业经济学;能源消耗;向量自回归模型中图分类号:F062.115Impact Factor

2、Analysis of the Energy Consumption ofLiaoning Province Based on VAR ModelDong Kun, Tan Fei(School of Economics, Dalian University of Technology, Dalian 116024)Abstract: This paper built the influence factors of the energy consumption of Liaoning Province20VAR model and an empirical test application

3、of time-series data in Liaoning Province between1978-2010 years. The results show a stable long-run equilibrium relationship between the energy consumption and the impact factors in Liaoning Province. Heavy industry is the most significant impact of the energy consumption in long-term, and the terti

4、ary industry has a significant impact in short-term. Disturbance of demographic factors on the consumption for energy is the least25significant according to the results of impulse response function and variance decomposition.Key words: Industrial Economics; Energy Consumption; Vector auto regression

5、 (VAR) model0引言一直以来,世界各国的能源消耗均以化石燃料为主,经济的持续增长需要依靠能源的消30耗来维持,随着人口的增长和工业化水平的不断提高,不可再生能源的存量正不断减少并变 得越来越昂贵。根据世界资源研究所(WRI)的研究报告,61.4%的温室气体排放来自于能 源消耗。因此,为了解决经济快速发展与环境不断恶化之间的矛盾,必须从能源问题着手。 探究能源消耗背后的产业驱动因素,明晰能源消耗的影响因素,不仅有利于相关部门更好地 把握能源消耗特征,制定合理可行的节能降耗政策,促进能源及相关产业的发展,并且对于35提高能源利用效率、减少不合理的能源消耗、降低环境污染等都具有重要的现实意

6、义。 辽宁省作为我国传统的老工业基地,也是全国能源生产与消耗大省,受重工业比重过高的影响,原油消费量一直居于全国第一位,焦炭、汽油、柴油等的消费量也位于全国前列。 本文应用辽宁省 1978-2010 年间的时间序列数据,建立一个非限制性向量自回归模型来考察 辽宁省能源消耗与各影响因素之间的关系,并进行脉冲响应分析和方差分解,进一步分析各40影响因素的冲击对辽宁省能源消耗的响应以及贡献度,从长期均衡角度来考察各变量之间的 动态变化规律,从短期波动角度分析各变量对能源消耗总量的影响和作用。基金项目:高等学校博士学科点专项科研基金(20090041120045);辽宁省社会科学规划基金(L11BJY

7、025)作者简介:董琨(1980-),男,讲师,主要研究方向:产业结构优化,能源经济. E-mail: dongkun- 10 -1文献综述国外文献对能源消耗的研究从定量方面最早可以追溯到 Kraft. J 和 Kraft. A(1978),通 过对美国 1947-1974 年间的数据分析发现,GDP 对能源消耗具有单向因果关系。随后,这45种计量方法被学者们广泛应用于各个国家:Cheng 和 Lai 通过对韩国和新加坡的研究,也验 证了两国均存在从 GDP 到能源消耗的单向因果关系1;A.阿基尔针对巴基斯坦的能源消耗 与经济增长以及劳动力之间的因果关系进行考察,结果显示经济增长可以促进能源消

8、耗总量 及其部分构成的增加2;Stern 采用美国 1947-1990 年间的数据,对 Divisia 能源指数、实际 GDP、就业和资本四个变量进行 Granger 因果关系检验,发现了美国具有从能源消耗到经济50增长的单向因果关系3;在后期的研究中,Stern 又运用了 Johansen-Juselius 协整检验对美国1948-1994 年间的数据进行分析,得到了同样的结果4;Apergis 和 Payne 研究了独联体 11 个国家 1991-2005 年间的数据,运用多变量面板数据模型探讨了能源消耗与经济增长之间的 关系,发现实际 GDP、能源消耗、固定总资本投资和劳动力之间的系数是

9、正相关的,并且 误差修正模型揭示了短期存在能源消耗到经济增长的单向因果关系,而在长期二者具有双向55因果关系5。影响能源消耗的因素不仅仅是 GDP,人口数量、经济结构、产业政策、能源价格和能 源利用效率等也是不可忽略的因素,国内学者对这方面的研究比较丰富,史丹通过产出水平、 经济结构对能源消耗的影响回归分析,发现结构变动对能源消耗的影响大于经济增长对能源 消耗的影响6;王火根和沈利生利用空间邻近性矩阵和空间自相关系数检验中国省级能源消60耗与经济增长之间的空间相关性,得出中国 30 个省级城市 GDP 和能源消耗都有显著的空间 相关特性7;林伯强将 GDP、煤炭价格、经济结构、运输成本作为解释

10、变量,分析了这些因 素对煤炭消耗的影响89;此后,林伯强等利用投入产出结构分解法,分析了国内能源消耗、 进出口贸易和技术进步对中国能源部门和非能源部门电力消费的影响10;周建建立了向量 自回归模型和脉冲响应函数来分析能源消耗和经济增长、效率改进之间的作用机理,研究结65果表明,在我国能源消耗的众多影响因素中,经济增长方式的转变和重工业比例在经济结构 中的调整对能源消耗具有决定性的作用11。综上所述,国内外学者对能源消耗的研究方法和角度都在不断深入,越来越多的因素被 考虑到研究范围内,本文在借鉴了以往研究的基础之上,综合考察辽宁省地区生产总值、人 口总量、服务业比重和重工业比重对能源消耗的影响,

11、原因如下:首先,GDP 是影响能源70消耗的最主要因素,大量文献已验证了这一点;其次,由于我国处于一个转型时期,经济结构的变化,尤其是能耗巨大的重工业的变化会对能源消耗产生较大的影响,同时,第三产业 比重的增加对于降低能源消耗有一定的正向作用;最后,生活用能源对能源消耗总量的影响 也不容忽视。752变量与数据2.1经济总量GDP大量的经验研究表明,经济总量和能源消耗量之间存在着显著的正相关关系,经济总量 一般用国内生产总值来衡量,本文去除了价格因素的影响,均以 1978 年为基期。2.2人口数量 pop80能源消耗分为生产消耗和生活消耗,人口数量是决定了生活能源消耗量的最主要因素。 近年来,随

12、着社会的进步和生活水平的提高,生活能源消耗总量稳定增长,人均能耗也存在 着一定的上升趋势,但并不明显。因此,本文仅考虑了人口数量对于生活能源消耗的影响。2.3服务业比重 stru产业结构是影响能源消耗的另一个重要因素,不同产业的能源消耗强度是不同的。总体85来看,服务业能源消耗水平普遍较低,能源能耗强度较小,因此,增加服务业在国民经济中 的比重对于改善能源利用效率、降低能源消耗总量具有促进作用。本文应用服务业增加值占 GDP 的比重来描述区域产业结构,假定服务业比重与能源消耗之间具有负向关系。2.4重工业比重ind重工业一直是辽宁省最主要的能源消耗行业,本文应用重工业总产值占全部工业总产值90

13、的比重来衡量工业内部结构的变化,将其作为能源消耗的一个解释变量。 数据均直接来源于各年度辽宁省统计年鉴。根据以往文献,本文将辽宁省能源消耗函数表示为:95100105ener = GDP 1 pop 2 e( 3stru + 4ind +e ) 为消除数据的剧烈变动和异方差性,对模型左右两边各变量取对数处理,可得: ln ener = 0 + 1 ln GDP + 2 ln pop + 3 stru + 4ind + eb1 、 b 2 分别为辽宁省能源消耗对经济增长和人口的弹性反应, b 3 、 b 4 分别表示第三产业增加值比重、重工业比例每变动一个单位,辽宁省能源消耗平均变动单位。3模型

14、与实证分析3.1VAR 模型构建向量自回归模型(VAR)最初由希姆斯(C.A.Smis,1980)引入到经济学研究中,与其 他经济模型相比,VAR 模型更加关注随机扰动项对多变量时间序列的动态影响。一般情况 下,VAR 模型中的变量必须具有平稳性,因此首先对变量进行平稳性检验。3.1.1单位根检验检查序列平稳性的标准方法是单位根检验,常用的检验方法有六种:ADF 检验、DF-GLS 检验、PP 检验、KPSS 检验、ERS 检验和 NP 检验。在小样本情况下,ADF 检验对于含有 时间趋势的退势平稳序列的检验是失效的,因此本文使用经改进的 DF-GLS 检验,原假设为 时间序列是非平稳的,备择

15、假设是平稳的。检验过程为:dDytd= hyt -1p -1d+ bi Dyt - i + mti =1110检验结果如表 1 所示,原始时间序列在 10%的显著性水平下均无法通过 DF-GLS 检验, 因此这 5 个序列都包含单位根,即时间序列为非平稳的,而对这些变量进行一阶差分之后, 检验统计量的显著性水平均小于 5%,因此差分序列不包含单位根,从而表明 ln ener 、 ln GDP 、 ln pop 、 stru 和 ind 序列是平稳序列,具有一阶单整性 I(1)。115变量检验类型(c, T, d)表 1 单位根检验Tab. 1 Unit Root Test显著性水平下的检验结果

16、DF-GLS 值结论1%5%10%ln ener ln ener ln GDPln GDP ln pop ln pop(c,0,0) 1.28-2.64-1.95-1.61非平稳 (c,0,0)-6.11-2.64-1.95-1.61 平稳 (c,0,1)-0.41-2.64-1.95-1.61非平稳 (c,0,0)-2.63-2.64-1.95-1.61 平稳 (c,0,1)-0.59-2.64-1.95-1.61非平稳 (c,T,1)-3.96-3.77-3.19-2.89 平稳stru (c,0,1)-0.78-2.64-1.95-1.61非平稳stru (c,0,0)-3.84-2.6

17、4-1.95-1.61平稳 ind (c,0,0)-0.92-2.64-1.95-1.61非平稳 ind (c,0,0) -5.58 -2.64 -1.95 -1.61 平稳 注: (c, T, d)分别代表所检验的方程中含有截距项、趋势项和滞后阶数;滞后阶数按照 AIC 和 SC最小准则确定。1201253.1.2最优滞后期的确定在对变量进行协整检验之前,需要确定 VAR 模型的最优滞后阶数,在选择滞后阶数 p 时,一方面想使滞后阶数足够大,以便较好地反映模型的动态特征;另一方面,滞后阶数越 大,需要估计的参数越多,模型的自由度越少。本文运用 LR 检验、AIC 和 SC 准则来确定 滞后阶

18、数,结果见表 2。由 5 个评价指标的检验结果可知,最优滞后阶数为 1 阶。表 2 向量自回归模型的滞后期Tab. 2 Lag Period of Vector Auto Regression ModelLagLogLLRFPEAICSCHQ0243.415NA8.61E-14-15.894-15.661-15.8201428.325*295.856*2.07E-1*-26.555*-25.1538*-26.1072451.20428.9802.78E-18-26.411-23.845-25.5923475.01122.2204.65E-18-26.334-22.598-25.139注: *

19、表示根据相应准则确定的滞后阶数。1303.1.3VAR 模型及稳定性检验基于所选取的变量,本文构建不含外生变量的非限制 VAR 模型:式中:Yt = f1Yt -1 + L + f pYt - p + e t ,t = 1,2,LT135Yt = (ln ener, ln GDP , ln pop, stru, ind ) ; e t 为扰动列向量;f 是系数矩阵; p 是滞后阶数。因此,可以建立 1 阶向量自回归模型,即 VAR(1),根据 Eviews6.0 对 VAR 模型参140145数进行估计,得到以下 5 个方程:ln ener = 0.503* ln ener(-1)- 0.05

20、33* ln GDP(-1)+ 6.543* ln pop(-1)- 2.991* stru(-1)+ 1.806 * ind(-1)- 49.576ln ener = 0.120 * ln ener(-1)- 0.760 * ln GDP(-1)+ 5.451* ln pop(-1)-1.550 * stru(-1)+ 0.944 * ind(-1)- 44.453ln ener = 0.007 * ln ener(-1)- 0.003* ln GDP(-1)+ 0.941* ln pop(-1)+ 0.019 * stru(-1)- 0.005 * ind(-1)+ 0.454stru =

21、 -0.004 * ln ener(-1)- 0.021* ln GDP(-1)+ 0.647 * ln pop(-1)+ 0.764* stru(-1)+ 0.006 * ind(-1)- 5.079ind = -0.006 * ln ener(-1)- 0.062 * ln GDP(-1)- 1.498 * ln pop(-1)+ 0.710 * stru(-1)+ 0.302 * ind(-1)+ 12.268建立脉冲响应函数和方差分解之前需要对 VAR 模型的稳定性进行检验,从图 1 可以看 出,该模型特征方程的所有根的倒数值均位于单位圆内,因此,VAR 模型是平稳的。Inverse

22、Roots of AR Characteristic Polynomial1.51.00.50.0-0.5-1.0-1.5-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5150155图 1 VAR 模型的平稳性检验Fig. 1 Stationary Test of VAR Modle3.2协整检验和向量误差修正模型协整检验要求协整变量必须具有相同的单整阶数,从单位根检验结果可以看出,本文 VAR 模型种的变量都满足协整条件。协整检验方法主要有两种:一种是基于回归系数的协 整检验,如 Johansen 协整检验,也称为 JJ 检验;另一种是基于回归残差的协整检验,如 E-G 两步法。

23、本文的变量个数多于两个,JJ 检验将明显优于 E-G 两步法,因此选择 JJ 检验。JJ 检验分为特征根迹检验(Trace 检验)和最大特征值检验(Maximum Eigenvalue 检验)。 特征根迹检验的原假设是至多有 r 个协整关系,备择假设是有 m 个(满秩)协整关系,检 验统计量为:khr = -T ln (1 - li )i =r +1r = 0,1,L, k - 1160最大特征值检验的原假设是有 r 个协整关系,备择假设是至少有 r+1 个协整关系,检验 统计量为:xr = -T ln(1 - lr +1 )r = 0,1,L, k -1165表 3 Johansen 协整检

24、验Tab. 3 Johansen Cointegration Test原假设Trace 统计量5%临界值Max-Eigen 统计量5%临界值None*69.488660.0614*42.595130.4396At most 126.893540.174916.005624.1592At most 210.887924.27607.266617.7973At most 33.621312.32093.343711.2248At most 40.27764.12990.27764.1299注: * 表示在 5%的显著性水平下拒绝原假设;滞后阶数为 1 阶。170175180协整检验结果见表 3。从

25、 Trace 统计量和 Max-Eigen 统计量检验结果可知,在 5%的显著性水平下拒绝了 0 个协整方程的原假设,只存在唯一的协整关系,协整方程为:ln ener = 0.1837 ln GDP + 0.3893ln pop - 2.3739stru + 6.5344ind + ecm(0.05438)(0.05010)(0.58743) (0.70970)方程中 ecm 代表误差修成项。结果表明,在 1978-2010 年间,辽宁省的能源消耗总量与 地区生产总值、人口数量、服务业比重、重工业比重之间均存在长期均衡的协整关系。从长 期来看,能源消耗对 GDP 的弹性为 0.1837,经济增

26、长对辽宁省的能源消耗总量有着正向拉 动作用;能源消耗对人口数量的弹性为 0.3893,说明人口数量对能源消耗总量也有正向影响; 服务业比重对能源消耗具有负向作用,每提高一个百分点,能源消耗会降低 2.37%;重工业 比重对能源消耗的影响最为显著,可见重工业仍是影响辽宁省能源消耗的最重要因素。表 4 向量误差修正模型的估计结果Tab. 4 Estimated Results of Vector Error Correction Model误差修证D(LNENER)D(LNGDP)D(LNPOP)D(STRU)D(IND)CointEq1-0.0678840.047883-0.0039970.03

27、82340.119099-0.0939-0.06541-0.0032-0.01485-0.02572-0.72294 0.73210-1.24718 2.57453 4.62973D(LNENER(-1)-0.4201390.0099180.0018470.019296-0.073239-0.18089-0.126-0.00617-0.02861-0.04956-2.32265 0.07872 0.29915 0.67450-1.47792D(LNGDP(-1)0.6584110.6569030.01091-0.114759-0.150698-0.25282-0.1761-0.00863-0.

28、03998-0.06926 2.60431 3.73037 1.26448-2.87013-2.17580D(LNPOP(-1)0.9359573.9629270.8500271.135592-3.07515-3.02011-2.10362-0.10307-0.47764-0.82738 0.30991 1.88386 8.24679 2.37750-3.71672D(STRU(-1)-1.539892-0.8676630.0907-0.308481-0.39564-1.47527-1.02758-0.05035-0.23332-0.40416-1.04380-0.84437 1.80139-

29、1.32214-0.97891D(IND(-1)1.0884610.66863-0.0194030.1437060.116931-0.52791-0.36771-0.01802-0.08349-0.14463 2.06182 1.81836-1.07694 1.72121 0.80851R-squared0.3837390.2492740.7517640.4385530.558862Adj. R-squared0.2604860.0991290.7021170.3262630.470634Sum sq. resids0.1202460.0583390.000140.0030080.009025

30、S.E. equation0.0693530.0483070.0023670.0109680.019F-statistic3.113441.66022115.14213.9055556.33431Log likelihood42.0721153.28273146.777999.2419282.21027Akaike AIC-2.327233-3.050499-9.082442-6.015608-4.916791Schwarz SC-2.049687-2.772953-8.804896-5.738062-4.639245Mean dependent0.0425790.1380720.006809

31、0.0069680.002655S.D. dependent0.0806480.0508950.0043370.0133630.026114185由于变量之间存在协整关系,可以由回归分布滞后模型导出误差修正模型(VEC)。VEC 可以显示出能源消耗与各影响因素之间的短期动态调整过程,反映当变量受到外界冲 击偏离长期均衡状态时,系统如何在下一期使变量重新回到长期均衡状态。VEC 模型结果 见表 4,系统自身的误差系数为-0.068,滞后一期的能源消耗增长率、经济增长率、人口增 长率对能源消耗的短期影响系数分别为-0.42、0.658、0.936,服务业比重、重工业比重变化 对能源消耗的短期影响系

32、数为-1.54、1.088。可以看出,各因素对能源消耗的短期波动都有 一定的影响,同时能源消耗对其他因素也有相应的影响。.8.7.6.5.4.3.2.1.01980 1985 1990 1995 2000 2005 2010Cointegrating relation 1190195200图 2 VEC 模型的协整关系Fig. 2 The VEC Models Cointegration Relationship图 2 中的零均值线代表了变量之间的长期均衡稳定关系。在 1991 年左右,误差修正项 的数值最大,表明该时期短期波动偏离长期均衡关系的幅度最大,大约经过了 13 年时间的 调整,即在

33、 2004 年重新回到了长期均衡稳定状态。之后,误差修正项曲线又震动上升,表 明短期波动又开始偏离了长期均衡状态。3.3脉冲响应函数脉冲响应函数可以用来分析 VAR 模型中随机扰动项对各内生变量的影响。下面分别给 ln ener 、ln GDP 、ln pop 、 stru 、ind 一个单位的正冲击,可以得到关于辽宁省能源消 耗总量的脉冲响应函数图,见图 3。其中,横轴表示冲击作用的滞后期间数(单位:年),纵轴表示辽宁省能源消耗总量(单位:万吨标准煤)。实线表示脉冲响应函数,虚线表示正负两倍标准差偏离带。Response to Cholesky One S.D. Innovations 2

34、S.E.06Response of LNENER to LNGDP.06Response of LNENER to LNPOP.04.04.02.02.00.00-.02-.02-.0412345678910-.0412345678910.06Response of LNENER to STRU.06Response of LNENER to IND.04.04.02.02.00.00-.02-.02-.0412345678910-.0412345678910205图 3 各变量对辽宁省能源消耗总量的冲击Fig. 3 Respones of The Total Energy Consumpti

35、on to Each Variable in Liaoning Province210215220可以看出,在当期给 ln GDP 一个正的冲击之后,ln ener 到第 3 期对 ln GDP 扰动所做出的响应达到最大(约为 0.0163),这表明当经济增长受到外部冲击后,经市场作用传递给 能源行业,并给能源行业带来正向的冲击;当给 ln pop 一个正的冲击之后,ln ener 始终没 有做出较大响应,其值一直低于 0.006,在第 4-8 期趋于 0,这表明人口因素对能源消耗的 冲击不显著,虽然随着生活质量的提高,居民对汽车、家电等的需求增加,但与其他因素相 比,生活能源消耗对能源消耗的

36、影响依旧较小;当给 stru 一个正向冲击之后发现,传递给 ln ener 的是负向的作用,在第 2 期对能源消耗有最大的负作用,然后开始逐渐减弱,从第7 期开始基本稳定在-0.005,其影响始终都是负向的;当给 ind 一个正向冲击时,ln ener 对ind 扰动所做出的响应在第 2 期迅速增高,达到 0.0323,其后逐步下降,在第 10 期降到0.0089。从服务业比重和重工业比重对能源消耗的影响以及辽宁省的能源现状中可以看出, 要想实现节能降耗,产业结构调整的重点应该放在发展第三产业,降低第二产业,尤其是重 工业的比重。3.4方差分解脉冲响应函数描述的是 VAR 模型中内生变量受到冲

37、击之后给其他变量带来的影响,方PeriodS.E.LNENERLNGDPLNPOPSTRUIND10.069885100000020.10206585.34172.0747660.2871412.3103819.98600930.11562081.059973.610680.2978612.88938212.1421140.12284878.849614.9544860.2875593.11356112.7947950.12762277.327936.1350320.2825943.22614413.028360.13126276.143277.1574210.2872483.29291213

38、.1191570.13428475.170828.0320480.3045943.33664413.1558980.13691474.351098.7737050.3374383.36662113.1711490.13926273.648719.3985680.3877383.38715813.17783100.14138773.039539.9222920.4564653.40055713.18116差分解则是通过分析结构冲击对内生变量变动的贡献度,进一步评价不同冲击的重要性。本文只考虑各变量冲击对能源消耗的贡献度,其方差分解模型为: q1 js jj q1 jRVC1 j(S ) = q=

39、0( q ) ) 2=(q=0( q ) ) 2j = 1,2,Lk ,var( y1 )k ( q ) 2 (q1 jj =1 q =0) s jj 225当 RVC1 j (S ) 大时,代表第 j 个变量对能源消耗的影响大,当 RVC1 j (S ) 小时,即认为 第 j 个变量的影响小。表 5 LENER 方差分解结果Tab. 5 LENER variance decomposition results230235240245注:第 1 列为预测期,第 2 列为 LENER 各期预测的标准误差。其他各列表示对预测误差的贡献度(%)表 5 给出了各变量对能源消耗的方差分解结果。可以看出,

40、重工业比重对能源消耗的贡 献程度最大,在第十年达到了 13.18%,表明辽宁省能源消耗预测方差的 13.18%可以由重工 业水平变动来解释。这体现了辽宁省老工业基地的产业特点,近年来,除了原有的沈阳-抚 顺-鞍山-本溪重工业区外,还出现了以机械、化工为主的旅大工业区,以煤炭、化工等为主 的辽西走廊工业区等。经济增长对能源消耗的贡献度仅次于重工业比重,排在第三位的是服 务业比重。人口数量对能源消耗的贡献度很小,表明生活能源消耗占能源消耗总量的比例依 旧很小,人均生活能源受制度变迁等因素的影响较大。4结论本文通过对辽宁省能源消耗与其影响因素之间关系的分析,揭示了辽宁省能源消耗的基 本特征,主要结论

41、为:从长期看,辽宁省能源消耗与经济总量、人口数量、服务业比重、重 工业比重均存在稳定的均衡关系,重工业比重对能源消耗的作用最显著;从短期波动看,当 系统受到外界冲击时,服务业比重 的变化是使系统从短期向长期回调最有力的因素;生活 能源对能源消耗的正向影响比生产能源要小的多,虽然随着生活水平的提高,生活用能的空 间增大了,但生活能源受其他因素的影响较大。辽宁省近年来能源供需出现了不均衡的现象,在 2010 年,辽宁省从省外和以进口方式 净调入能源量达到 13242.97 万吨标准煤,约占当年能源消耗总量的 66.7%。长此以往,辽250255260265270275宁省能源消耗对外依赖度将越来越高。因此,建议加强可再生能源技术的开发和引进,可加大水能、风能、太阳能开发利用等的补贴力度。这样一方面能够解决辽宁省未来的能源不足 问题,同时能够减轻环境污染,符合新型工业化道路的发展要求。长期以来,辽宁省的经济发展模式形成了以第二产业(尤其是重工业)为主体的经济结 构,决定了辽宁省的能源消耗特点。2010 年,工业耗能增长率高达 12.97%。而服

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 建筑/施工/环境 > 农业报告


备案号:宁ICP备20000045号-2

经营许可证:宁B2-20210002

宁公网安备 64010402000987号