影响我国电力产量的因素分析

    随着我国经济的飞速发展和人民生活水平不断提高，用电大幅度增长，但是我国的电力供应却跟不上经济发展的速度，以至于近几年平平出现局部地区拉闸限电的现象。造成这种现象的原因是多方面的，但总的来说可以概括为以下几点：
我国主要是靠火力发电，火电占到全部电力产量的70％，所以火力发电对电力供应紧张有决定性的影响，但火电生产也受到诸多因素的限制。
 1）价格纠纷造成局部电煤供应紧张，是造成中、西部地区电力供应紧张的原因之一。2003年年初的全国煤炭定货会上，因价格谈不拢，1.5亿吨电煤合同没有著落，造成年初一些电厂煤炭储备不足或供应不能落实。
 2）由于全国各地相继出台了关停小煤矿政策，加大煤炭安全生产管理力度，特别是近几年钢铁、建材、有色等高耗能行业的快速发展，煤炭需求量急剧上升，全国的煤炭供应形势骤然吃紧。
 以上两点原因都是因为供需紧张引起的，因此可以归结为煤炭的产量不能满足需求。
 3）运力不足是造成局部电荒的原因之一，我国的产煤区主要是陕西山西一带，所以其他地区要发电就必须从山西陕西一带运煤，煤炭主要是靠铁路运输
而铁路运输运力不足导致了煤炭不能及时供应影响了发电。
（二）在水电方面2003年是特枯水年。来水特枯不仅使大中型水电 发电力下降，还使得小水电减发，增加了对主网的供电压力。
        （三）电网结构仍显薄弱，局部地区输、配电“卡脖子”，城市配电设施超负荷，影响了电力优化配置和电力输送。如江苏的过江输电通道能力不足，四川的成、德、绵地区变电设施在高峰时超负荷，广东东莞、深圳一带输电线路能力不足造成输电受阻，大区间电力交换仍十分有限等。
      （四）从需求方面看
        1）居民生活用电对电力负荷的影响较大，高峰用电负荷增长较快。 华中、川渝地区夏季制冷负荷一度达到电力负荷的1／3，华东达到28. 7％，京津唐达到28.9％。
        2）工业高耗电产业高速增长。最近几年，电力消费增长的驱动力主要来自工业用电迅速增长1999－2002年间工业用电年均增长10.7％。受市场、价格等因素的影响，一些地区高耗电行业发展较快，主要高耗电产品产量增长速度高于全国GDP增长速度。
      （五）电力建设投资不足。
 本文就是要分析以上因素对电力产量的影响由于资料原因一些因素的数据无法获得，所以不得不舍弃一些因素或者用相关数据替换。
 通过分析我国改革开放以来（1978-2002）的电力产量的历史资料，可以建立一个方程模型。根据理论及对现实情况的认识，影响我国电力Y（亿千瓦时）的可能主要因素有：原油供给量（用原油产量代替）X（万吨），电煤产量X（用原煤产量代替）（万吨），电力方面的建设投资（用国有经济固定资产投资代替）X（亿元），铁路运输量X（万吨）。数据详见表一。
表一
obs Y X1 X2 X3 X4
1978  2566.000  10405.00  6.180000  668.7200  110119.0
1979  2820.000  10615.00  6.350000  699.3600  111893.0
1980  3006.000  10595.00  6.200000  746.9000  111279.0
1981  3093.000  10122.00  6.220000  638.2100  107673.0
1982  3277.000  10212.00  6.660000  805.9000  113495.0
1983  3514.000  10607.00  7.150000  885.2600  118784.0
1984  3770.000  11461.00  7.890000  1052.430  124074.0
1985  4107.000  12490.00  8.720000  1523.510  130709.0
1986  4495.000  13069.00  8.940000  1795.320  135635.0
1987  4973.000  13414.00  9.280000  2101.690  140653.0
1988  5452.000  13705.00  9.800000  2554.860  144948.0
1989  5848.000  13764.00  10.54000  2340.520  151489.0
1990  6212.000  13831.00  10.80000  2534.000  150681.0
1991  6775.000  14099.00  10.87000  3139.030  152893.0
1992  7539.000  142   11.16000  4473.760  157627.0
1993  8395.000  14524.00  11.50000  6811.350  162663.0
1994  9281.000  14608.00  12.40000  9355.350  163093.0
1995  10070.30  15004.95  13.61000  10702.97  165855.0
1996  10813.10  15733.39  13.97000  12185.79  170915.0
1997  11355.53  16074.14  13.73000  13838.96  172019.0
1998  11923.31  16036.04  12.49000  15369.30  164082.0
1999  12269.08  16000.00  10.45000  15947.80  167196.0
2000  13042.03  16300.00  9.980000  16904.40  178023.0
2001  14627.99  16395.90  11.61000  17607.00  192580.0
2002  15495.03  17000.00  13.90000  18877.40  204246.0

 从上表可以看出，随着我国原油，原煤，国有经济固定资产投资和铁路运输量的增长，电力的产量也在不断的增长，因此它们之间很可能存在线性相关关系。
设模型的函数形式为
 
    假设模型中误差满足古典假定，用Eviews软件进行回归，运用OLS估计，得到输出结果如图一

Dependent Variable: Y
Method: Least Squares
Date: 11/21/04   Time: 20:09
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. 
C -4249.679 620.0638 -6.853616 0.0000
X1 -0.260639 0.101521 -2.567330 0.0184
X2 -90.68484 46.62634 -1.944927 0.0660
X3 0.396137 0.016717 23.69704 0.0000
X4 0.091599 0.008175 11.20501 0.0000
R-squared 0.997527     Mean dependent var 7446.020
Adjusted R-squared 0.997033     S.D. dependent var 4163.273
S.E. of regression 226.7850     Akaike info criterion 13.86274
Sum squared resid 1028629.     Schwarz criterion 14.10651
Log likelihood -168.2842     F-statistic 2017.053
Durbin-Watson stat 1.336282     Prob(F-statistic) 0.000000
    由F=2017.053>F(4,20)=2.87(显著性水平=0.05)，表明模型从整体上看电力产量与解释变量之间线形关系显著。
    检验解释变量之间的简单相关系数。结果如下

 由表可以看出高度线性相关。同时的符号与经济意义相悖，而且T值不是很显著。表明模型中解释变量确实存在多重共线性，需要修正。
 运用OLS方法逐一求y对各个解释变量的回归。
 经分析在四个一元回归模型中电力产量对的线性关系强，拟和程度好，即
 
    (242.5679) (0.02659)
    
 逐步回归得。将其余解释变量逐一代入上式得如下几个模型
 
    (598.5574) (0.019844)  (0.004777)
    
 将，的数据分别代入上式中，其结果不符合经济意义，故将它们舍去。
所以最后的估计模型为
   
其OLS估计结果如图二
Dependent Variable: Y
Method: Least Squares
Date: 12/23/04   Time: 20:52
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. 
C -4098.954 482.8634 -8.488849 0.0000
X3 0.386125 0.015937 24.22878 0.0000
X4 0.060508 0.003852 15.70837 0.0000
R-squared 0.996876     Mean dependent var 7388.775
Adjusted R-squared 0.996592     S.D. dependent var 4048.670
S.E. of regression 236.3487     Akaike info criterion 13.88066
Sum squared resid 1228935.     Schwarz criterion 14.02692
Log likelihood -170.5082     F-statistic 3510.273
Durbin-Watson stat 1.023948     Prob(F-statistic) 0.000000

经过逐步回归法的到的方程比原方程效果好的多，消除了变量之间的严重共线性，同时使拟合优度提高，回归系数的估计标准差下降，提高了方程的精度。
    异方差性的检验：
    为了判断模型中随机误差项是否存在异方差性，首先进行图形分析法的检验，由Eviews软件，得到残差平方E 分别与的散点图如下：
 
可以看出，残差平方并未呈现出随解释变量的不同取值而发生规律变化，初步判断模型不存在异方差性。在此基础上，对模型进行ARCH检验：
ARCH Test:
F-statistic 1.577596     Probability 0.229524
Obs*R-squared 4.580227     Probability 0.205245
    
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/23/04   Time: 21:55
Sample(adjusted): 1981 2002
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 78697.80 23978.22 3.282054 0.0041
RESID^2(-1) 0.040606 0.238153 0.170503 0.8665
RESID^2(-2) -0.378967 0.215325 -1.759978 0.0954
RESID^2(-3) -0.200387 0.237719 -0.842956 0.4103
R-squared 0.208192     Mean dependent var 51887.28
Adjusted R-squared 0.076224     S.D. dependent var 55175.82
S.E. of regression 53031.28     Akaike info criterion 24.75812
Sum squared resid 5.06E+10     Schwarz criterion 24.95649
Log likelihood -268.3393     F-statistic 1.577596
Durbin-Watson stat 1.446068     Prob(F-statistic) 0.229524
    从输出的辅助回归函数中得R，计算,查分布表，给定=0.05，自由度为P=3，得临界值(3)=7.81,因为(n-P)R=4.580224<(0.05)=7.81。所以接受H，表明模型中随机误差项不存在异方差。
 自相关的检验
 （1）图示法。由上述OLS估计，可得到散点图如下：

从图中我们初步判定随机误差可能存在自相关。
    （2）DW检验
    根据图二的结果显示，由DW=1.023948，在给定显著性水平，查Durbin-Waston表，n=25，k’=2,得下限临界值d=1.206，上限临界值d=1.55，因为DW=1.023948<d=1.206。根据判定区域，可知这时随机误差项存在正的一阶自相关。
    自相关的修正
    由DW=1.023948，根据=，计算出=0.488。用GENR分别对y，x3，x4作广义差分，然后用OLS方法估计其参数，结果如图四：
Dependent Variable: DY
Method: Least Squares
Date: 12/23/04   Time: 20:36
Sample(adjusted): 1979 2002
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C -1752.280 382.0242 -4.586828 0.0002
DX3 0.397663 0.023587 16.85952 0.0000
DX4 0.055656 0.005800 9.595323 0.0000
R-squared 0.992084     Mean dependent var 4148.829
Adjusted R-squared 0.991330     S.D. dependent var 2177.420
S.E. of regression 202.7430     Akaike info criterion 13.57822
Sum squared resid 863199.2     Schwarz criterion 13.72548
Log likelihood -159.9387     F-statistic 1315.949
Durbin-Watson stat 1.763509     Prob(F-statistic) 0.000000
在差分过程中，我们损失了一个观测值，此时n=24，k’=2，DW=1.7635，在给定显著性水平，查Durbin-Waston表，n=24，k’=2,得下限临界值d=1.188，上限临界值d=1.546，d=1.546<DW=1.7635<4- d=2.454，表明随机误差不存在一阶自相关。

    经济意义分析：由以上分析可以看出影响我国电力产量的主要因素是固定资产投资和铁路运输量。这也较符合经济意义，因为电力产量取决于装机容量和电站建设，而此项大多是靠国家的投入，因此增加电力产量的方法之一便是增加对电力基础设施建设的投入；铁路运输量对发电的影响前面已经分析过，因此要使铁路运输不拖电力的后腿就必须提高铁路的运力。
     在我们的分析中，原煤产量和原油产量作为解释变量被舍去，其原因可能有以下几点
首先，原煤并不等于发电用煤，由数据可以看出部分年份原煤是减产的，但这些年份的发电用煤却是增加的，所以原煤产量的数据不具有代表性；其次，原油产量并不是我国原油的消费量，众所周知，我国早已成为原油进口大国，近几年情况尤为如此，因此，原油消费必定比原油产量大的多，所以用原油产量去模拟是不恰当的。
     总的来说，在电力建设方面，应切实抓好今年的电力基础建设中的投产项目，在严重缺电的地区，争取上半年多投产，以便在今夏高峰负荷时期发挥作用。电网企业也要加强电网的主网架建设，以充分发挥电网网络间的调剂作用。考虑到电网建设周期较短，可以优先建设一些影响电力跨区输送的项目，以加大区间电力交流。  目前，我国发电能力基本以水电和火电为主。对于水电，首先在汛期来水后，电站水库要尽可能地恢复到正常蓄水水位。其次，在研究确定水调方案时，应防止电力紧张时出现水库蓄水不足的问题。在火电厂电煤供应方面，应保证电煤及时供应。发电企业也要适时加大科技进步的投入，以提高资源的利用效率。在电力严重短缺的地区，应尽快采用经济办法来优化用户优化结构用电，如实施峰谷分时电价。  在电价方面，需要整顿和规范一些地方自行出台的优惠电价，重点是适当调整一些地方对高耗能企业的优惠电价政策，并在试点的基础上，对可中断负荷的用户制定实施可中断负荷电价，提高电力的投入产出的效益。还应该加大对铁路的建设，提高铁路运力，为发电所需物资提供运输保证。