我国电力消费与区域经济发展关联模式分析.docVIP

我国电力消费与区域经济发展关联模式分析 　　内容摘要：本文采用聚类分析、关联分析等数据挖掘技术，分析了1999～2009年我国30个地区的经济发展和电力消费数据，对各地区经济发展与电力消费的特征进行了有效识别和描述，并概括为10类典型特征，各地区所展现的经济发展与电力消费特征序列与我国区域经济发展格局及变化趋势的实际情况一致。本文通过关联分析所识别和提取的特征序列模式能够有效地反映历史变动状况和预测未来发展趋势。 　　关键词：经济发展 电力消费 聚类分析 关联分析 　　 　　相关文献综述 　　在我国经济结构转型、节能减排的背景下，研究各地区经济发展与电力消费的关联模式，可以更好的了解各地区的经济结构、发展阶段及电力消耗状况，从而可以准确把握区域经济发展与电力消费之间的关系，对经济、电力行业的协调发展以及相关政策的制定具有重要意义。 　　许多研究人员和学者对电力消费与经济增长相关关系进行了多个角度的研究，并形成了一系列的结论。相关的定量研究主要包括时序序列回归分析和面板数据分析两种方法。林伯强（2003）、朱天星等（2010）应用因果关系检验方法，得出了我国电力消费与经济增长之间存在长期的协整均衡关系、电力消费到GDP单向因果关系，而王海鹏等（2005）的研究则认为，我国电力消费与经济增长之间存在着双向的因果关系。 　　在区域经济发展与电力消费相关的研究方面，林卫斌、苏剑（2010）研究了我国2008年下半年以来发生的经济正增长而用电量负增长的特殊背离现象，并认为产业结构的变化是经济增长与电力消费不同步的重要因素，但是二者的背离程度无法从产业结构的变化得到完全的解释。潘雄锋、李良玉（2009）研究表明，我国电力消费强度下降的主要动力来自于各产业电力使用效率的提供，其中工业电力消费强度的下降是总体电力消费强度下降的主要原因，这一研究结论也体现了我国产业结构的变动趋势。张琳等（2008）应用面板单位根及协整检验对我国2001~ 2006 年30个省市的数据进行分析，研究了电力消费与我国经济增长之间的关系，结果表明电力消费对我国经济增长具有显著的促进作用，但在???同地区以及不同年份，其促进作用存在一定的差异。 　　在上述研究中，对我国经济总量GDP与电力消费总量进行时间序列回归分析时，得出的研究结论存在单向因果关系、双向因果关系的差异。导致这一差异的原因，一方面是因为回归分析可选取的样本数据量过小，估计效果不够理想，另一方面是因为我国各地区的经济发展存在较大差异，各地区经济发展的水平、所处的发展阶段也不尽相同，同时在长期内，我国宏观政策的调整也对二者之间的关联关系产生影响。因此，从总量上研究二者的关系会导致一定的局限性。 　　当应用面板数据分析方法，研究区域经济发展与电力消费之间的关系，可以在一定程度上避免上述的局限性，但仍不能有效处理区域间经济发展的阶段差异、周期差异及宏观政策变化等因素，影响了分析结果的准确性，不能较好的解释二者的关联关系。Squalli J（2007）对OPEC 的11个成员国的电力消费和经济增长的关系进行了研究，在得出二者类似的关联关系和因果关系的基础上，该研究指出应按各国的政策环境和经济特质分别进行研究，而不是盲目地进行统一的分析。我国各地区的基础设施、资源禀赋不同，相应的经济发展阶段和周期也各不相同，张珍花、刘安琪（2011）通过研究指出了泛珠江三角洲九省区间的经济发展水平存在一定的差距，白雪梅、赵峰（2011）采用面板数据空间计量模型，研究结论指出1997-2008 年间我国省区经济差距呈先扩大后缩小的趋势，地区间的差异主要源于东部地区内部的差异及东、中、西三大地区之间的差异。因此，在进行相关研究时，应考虑我国各地区的自身经济发展特点。 　　方法设计与指标选取 　　（一）方法设计 　　数据挖掘是对大量的数据进行探索和分析，以便发现有意义的模式和规则的过程。聚类分析和关联分析是数据挖掘的重要功能，分析时不需要传统计量分析模型所依赖的各种假设，对复杂、多样化的样本数据有较高的适应能力。本文将分二个步骤综合应用数据挖掘的聚类分析功能和关联分析功能，设计本研究的数据分析方法。应用聚类分析识别经济增长与电力消费的基本特征。聚类分析是一种非监督的模式发现方法，不需要任何先验知识，只是按照某种相似性的度量，将样本数据划为多个分组，每一组表示一个类。并要求同一个类中样本之间具有较高的相似度，而不同类中样本间的差异较大，即相似的样本划为一类，不相似的样本划分到不同的类中。聚类分析结果中的每一类代表了一种模式。 　　本文假设各地区的经济发展与电力消费的状况在每年均表现为某一个具体特征；一个地区可逐年表现为相同或不同特征，也可间隔、反复出现同一特征；不同地区在同一年内可表现为多种不同的特征。由此，