基于分位数回归方法居民能源消费影响因素分析.docVIP

基于分位数回归方法居民能源消费影响因素分析 　　摘 要：中国的居民能源消费占据了总能源消费的10.97%，并且这一数字正在不断上升。但是各种政策比如改变房屋类型、提高能源价格等对家庭能源消耗的影响还没有达成一致的结论。文章使用美国能源情报署的家庭能源消耗调查的数据，应用分位数回归的研究方法，分析对不同分布（分位点）家庭能源消耗的影响因素，而不仅仅是对能源消耗整体的平均影响。通过对不同分布家庭能源消耗的影响因素的分析，可以为针对高能耗的消费者采取合理措施以达到更有效率的节能目的的政策提供建议。 　　关键词：分位数回归 居民能源消费 影响因素 　　中图分类号：F014.32 文献标识码：A 　　文章编号：1004-4914（2017）06-021-02 　　一、研究背景 　　根据《中国统计年鉴》，2012年中国能源消费总量为361732.01万吨标准煤，其中工业消费为252462.78万吨，占比69.79%；居民生活消费39666.09万吨，占比10.97%。目前的能源需求与能源供给不匹配，亟需改变高能耗高排放的生产模式，提高能源利用效率。工业减排将是降低能耗的重点工作。而居民能源消费是除了工业能源消费外第二大能源消耗领域。根据发达国家经验，即使完成了工业结构的调整，节能形势也依旧严峻，而这主要是由居民能源消费的不断增长导致的。房屋的例如大小、种类、建筑密度以及墙壁材料等因素都会影响能源的消耗。本文将研究能源消耗的分位数分布与平均分布是否存在不同，如果存在，公共政策重心可以侧重于高能耗者（右侧尾部）的行为规范，高效地降低居民能源消耗。 　　二、研究方法 　　本节将介绍实证分析部分所应用的分位数回归方法模型，回归系数的估计方法、分位数回归方法的特点和优点以及在本文实证分析中的举例说明。 　　这里我们首先给出下节实证分析中使用的分位数回归的模型： 　　三、实证分析 　　1.数据说明。居民能源消费调查（The Residential Energy Consumption Survey，RECS）公用微数据库由美国能源情报署（EIA）发布，这项调查是横跨1987-2009年全国有代表性的数据调查。本文主要对2009年的数据库作出分析，得到能源消费模式的决定性因素。 　　RECS数据有以下三个来源：对家庭做出的访问，邮件发出的问卷调查以及从相关部门获得的能源账单、消费数据等。2009年，该调查收集了10838个家庭的数据作为样本。 　　本文中使用2009年的数据进行研究分析。在接下来的分析中相关的数据包括被解释变量：总家庭能源消耗（单位：kWh）。自变量包括房屋年龄，住宅面积，采暖度日，制冷度日，以及房屋类型（单家独户分离型、独户式联排住宅、2～4单元公寓、5单元以上公寓、移动房屋），房屋墙壁类型（砖瓦、木头、混凝土、复合材料、石头、壁板、水泥、茅草以及其他）。这些数据的统计分布见表1。 　　2.实证分析结果。当其他变量不变时，采暖度日（HDD）每变化1，会使10%分位点的热能源消耗改变1.09KWh，而会使90%分位点的消耗改变2.95kWh，对右尾部的影响基本上是对左尾部影响的3倍。制冷度日（CDD）对能源消耗的影响也类似这样的模式。在10%分位点，CDD变化会导致能源消耗变化0.6kWh，90%分位点处CDD变化会导致能源消耗变化1.25kWh，CDD对右尾部的影响是对左尾部影响的两倍。将CDD与HDD数据对比，我们发现HDD对能源消耗在左尾部的影响是CDD的接近2倍，在右尾部接近3倍。这可能是由于在家庭能源消费中，冬天暖气等的使用率要高于夏天空调的使用率。 　　房屋年龄在10%分位点每增加1年都会令能源消耗增加30.2kWh，而在90%分位点这项数据达到了143.71kWh，对右尾部的影响是左尾部的几乎四倍。而这项差距可能是由新建住房的设施居然更高的能源节省效率或者房屋结构新技术的应用导致的。这项结果显示，如果政策针对房屋年龄作出规范可能会达到较好的节能效果。 　　家庭住宅总面积每增加1平方米，在左尾部会使能源消费增加2.36kWh，在右尾部则是使家庭能源消费增加6.24kWh。家庭住宅面积对能源总消费的影响可以从以下一些因素得来。住宅面积的增加首先带来的就是空调系统或者热暖系统需作用面积的增大，而高能耗的消费者由于节能意识较为淡薄，可能会对热暖系统或者空调系统的开关机状态不够关注，因此带来的能源浪费相对于低能耗者来说要多。其次，住宅面积的增加也意味着相应能源消耗的设施?盗康脑黾樱?这也会间接增加家庭住宅能源消耗。 　　此外，从单家独户分离型或移动式住宅迁移到多户住宅公寓中一般会减少家庭能源的消耗。但这些都与单相连式独栋住宅没有明显的差异。而较大的公寓住宅区一般会节省大量的家庭能源消耗（4163.