福建师范大学经济学院,福州,350000
摘要:本文从产业结构、经济发展水平、人口、外贸、环境因素等维度,选取了八个指标来对福建省电力需求进行实证分析,研究表明福建省的电力需与GDP,人口,产业结构,外贸额,气温等五个因素相关性高,可以为有关部门提供实践参考。
关键词:灰度关联分析;主成分分析;多元模型预测
一、福建省电力需求影响因素分析
影响居民用电需求的因素有很多,如产业结构、GDP、人口规模等,同时出于提高模型的预测精度的考虑,本文也综合考虑外贸与环境因素间相互作用对居民电力需求的影响。
1.1 产业结构
进入“十四五”规划以来,福建省的产业结构进一步进行了调整优化,这也将对电力的需求预测产生影响。数据显示在2005~2020年的15年间,福建省的一二产业占国民经济的权重逐渐降低,而三产服务业的权重逐渐升高。
1.2 区域经济水平
电力需求与区域经济发展水平具有正相关性,在经济处于衰退阶段时,电力需求弹性必然会降低,而当经济处于复苏繁荣阶段时,弹性则会提高。因此,本模型选用GDP来评价区域经济发展的水平。
1.3 外贸因素
根据其他学者的研究表明,外贸对电力需求也会产生显著的影响。出口可以拉动就业和消费提高居民对消费电子的需求。而进口对就业存在边际负效应,不利就业与劳动生产率的提高,从而影响终端的电力需求。
1.4 人口因素
居民用电是福建省电力需求预测中必须的一部分,人口规模的上升势必会导致用电量的上升。
1.5 环境因素
由于温室效应的影响,环境温度与电力的需求预测的相关性也愈来愈显著。考虑到夏季居民空调保有量和增量的提高,可以得出夏季平均气温与电力需求也存在有相关性。
二、模型的构建
2.1 建模思路
基于以上分析预测,本文初步建立需求模型如下:
其中为福建省生产总值,表示福建省第年的电力需求,表示第 年的经济发展水平,表示第 年福建省的产业 结构,表示第 年的人口数量,表示福建省第 年的对外贸易情况,表示第 年福建省的气温情况。
2.2 变量选取及数据来源
上述分析可得,区域经济水平使用GDP为指标,单位为亿元。产业结构、人口规模、外贸因素、环境因素,先初筛选取不同的表征指标。具体如下表所示。
表一 各影响因素简介
变量 | 维度 | 指标 | 符号 | 单位 |
解释变量 | 经济发展水平 | 福建省生产总值 | FJSGDP | 亿元 |
产业结构 | 第三产值占GDP的比重 | SCZB | 百分比 | |
第三产业与第二产业的比值 | SBE | 百分比 | ||
人口因素 | 人口数量 | RK | 万人 | |
对外贸易 | 福建省进出口总额 | JCK | 亿美元 | |
福建省出口总额 | CK | 亿美元 | ||
气温因素 | 年平均气温 | NPJQW | 摄氏度 | |
被解释变量 | 电力需求 | 全社会用电量 | Q | 亿千瓦时 |
在样本的数据来源上,本文主要是来自福建省2005-2020年的统计年鉴,也有部分样本数据来自Csmar数据库,研究中通过对数据进行对数处理的方法,来调整多元回归模型的异方差。
三、实证分析
3.1 影响因素的灰色关联度分析
本文,先通过灰色关联度分析对各变量的相关性进行分析,然后由面板数据的趋势对各因素的关联度进行预测。灰色关联度大表示与主因子的相关性强,灰色关联度小则表示其不受该因子的影响或影响较小。本文以被解释变量福建省居民用电需求作为特征主因子,先对各数据进行无量纲化处理,然后求特征因子与影响因子 的差序列,进而计算两极最小差和最大差,再计算关联系数和关联度:
各变量间的灰色关联度如表二所示:
表二 影响因子与特征因子的关联度
影响因素 | 灰色关联度 | 影响因子 | 灰色关联度 |
人口数量 | 0.7214 | 第一产业 | 0.4984 |
福建省生产总值 | 0.9214 | 福建省进出口总额 | 0.8249 |
第三产业 | 0.7357 | 福建省出口总额 | 0.8310 |
第二产业 | 0.7214 | 年平均气温 | 0.7136 |
本文选择的建模的最终变量如表三所示:
表三 模型最终影响变量
变量 | 维度 | 指标 | 符号 | 单位 |
解释变量 | 经济发展水平 | 福建省生产总值 | GDP | 亿元百 |
产业结构 | 第三产业占比 | Dscy | 分比 | |
人口因素 | 常住人口 | Rk | 万人 | |
对外贸易情况 | 福建省出口总额 | Jckze | 亿美元 | |
气温因素 | 年平均气温 | Xjzgqw | 摄氏度 | |
被解释变量 | 电力需求 | 全社会用电量 | Ydl | 亿千瓦时 |
四、多元回归模型修正
4.1多重共线性检验
根据上述所筛选的主要经济指标,可以首先展开对多重共线性的检测,通过相关性系数的结果,可确定各解释变量之间存在多重共线性。。、
4.2修正模型
主本文采用主成分回归的方法,其是通过将变量中多重共线性较大的解释变量转化成几个主成分,来处理多元回归模型的多重共线性的问题,分析结果如图一:
图一 主成分分析结果
通过累积方差贡献率来准确定主成分的个数,由图一主成分分析结果显示主成分中中的累计贡献率已经达到79%,即反映了五个解释变量79%的信息,因此只需取第一主成分 即可,表达式为:
接着建立对的回归模型可得图二
图二 多元回归结果
图三 DW检验与怀特检验结果
可得回归方程为
(108.28) (-48.30)
从由图三可以观察到,在显著性为5%水平时,本多元回归模型通过了DW检验和White检验,并且模型的残差图也说明了模型的拟合状态良好,异方差和自相关性也得到了克服。由此将代入上式,可以得到主成分回归模型
五、结论
本文在建立回归模型的过程中,预先说明变量数据的归一化处理,因此,知道具体的数量,将模型生成回归模型,可以粗略的对福建省电力需求进行预测,对有关部门进行电力规划有一定的参考意义。
参考文献:
[1] 黄晨宏. 影响上海电力需求的主要因素及电力需求 预测[J]. 电力需求侧管理,2011,13(3):72-76.
[2] 陈树民. 我国电力需求影响因素研究[D]. 济南:山东大学 (硕士学位论文),2018. [3] 周杰. 上海电力市场的分析预测[J]. 电子世界,2013 (24):81-82.
[3] 王宝,马静,叶斌,等. 基于经济与气象维度影响因 素的省级电网年度电力需求预测方法[J]. 电力需求 侧管理,2020,22(2):51-56.