中國生活能源消費密度的影響因素分解、空間差異和情景預測

?

中國生活能源消費密度的影響因素分解、空間差異和情景預測

劉滿芝，徐悅，劉賢賢，姚舜禹

(中國礦業大學 管理學院，江蘇 徐州221116)

摘要：僅次于工業能源消費總量的生活消費用能作為第二用能部門，日益受到廣泛關注。探究生活能源消費變化及其影響因素，并比較各區域的空間差異是預測生活能源消費趨勢、制定居民節能措施的前提。本文運用LMDI分解模型，對全國和29個省份的2000~2012年間的生活能源消費密度變化進行因素分解，分解成能源消費結構、能源強度、經濟發展水平三個影響因素，分別表示結構效應、技術效應、經濟效應，并通過構建四象限法評價空間差異，在此基礎上，基于影響因素未來發展的兩種情景，預測組合的8種情景下2016~2030年間區域生活能源消費密度的變化趨勢。研究結果顯示，“十五”時期和“十一五”時期，全國生活能源消費密度變化率由52.43%降為43.71%。在影響各地區生活能源消費密度的三因素中，經濟發展水平對生活能源消費密度變化產生較大的正向經濟效應，對各區域的貢獻度均值由63.47%上升為67.28%，能源強度產生由正轉負的技術效應，對各區域貢獻度均值由4.19%降為-24.89%，能源結構產生負向結構效應，對各區域貢獻度均值由-20.36%變為-0.83%。文章表明中國各區域的生活能源消費密度增長趨勢放緩，且密度變化由經濟和技術拉動型變為經濟和結構拉動型。各區域間經濟效應差異變小且比較穩定，而技術效應差異縮小，結構效應差異變大。8種情景預測結果顯示經濟因素仍然是導致居民生活能源消費密度增加的主要驅動因素。

關鍵詞：生活能源消費密度；因素分解；LMDI；空間差異；四象限法；情景預測

引言

生活能源消費規模、結構與方式是經濟發展水平和社會生活方式的反映[1]。居民能源消耗是重要的能源消耗部門，研究區域生活能源消費差異及其影響因素，對于因地制宜制定各區域居民能源消費戰略具有重要意義。近年來我國居民生活能源消費量快速增長，已經成為能源消耗的主要增長點[2]。全球看，能源消費總量的20%~30%為生活能源消費[3]。2010年美國居民能耗占比22.6%，工業能耗占比卻下降到30.7%，居民家庭能源消費正在成為能源消耗的主要增長源。2010年，歐盟27國生活服務類能耗占一次能源消耗總量的比重為28.22%，工業能耗占比為16.58%，生活服務類能耗遠遠超過工業能耗。中國生活能源消費呈現顯著上升趨勢，占能源消費總量比重為11%左右，IEA統計該比重為22%。中國人均生活消費用能從1980年的0.0977tce上升到2012年的0.28999tce，增長2.96倍。另一方面，中國正處于城鎮化進程快速發展時期，1990年到2014年城鎮化率從26.41%上升到54.77%，城鎮居民生活用能結構的改變也使能源消費需求大幅上升?！赌茉窗l展戰略行動計劃(2014-2020年)》提出要重視生活節能，開展全民節能行動。處理好生活能源消費增長與生活節能的關系，把控生活能源消費變化趨勢至關重要。探究生活能源消費變化的影響因素是預測生活能源消費趨勢、制定居民節能措施的前提。國內外諸多學者運用分解技術或者計量經濟學方法，探究生活能源消費的主要影響因素。

很多學者運用分解技術對生活能源消費密度或能源強度的影響因素進行分解。González等[4]對歐盟27國2001~2008的數據進行分析，采用LMDI模型將能源總消費分解為能源強度、能源結構和經濟水平三個因素，研究表明能源強度改善并不能抵消經濟發展和結構調整帶來的能源消費增長。孫涵等[5]對中國1991~2012年的數據進行分析，采用Kaya恒等式將城鎮居民生活能源消費總量分解為完全能源消費強度、居民消費支出和人口數三個因素，研究表明居民消費支出對能源消費影響最大，其次是能源消費強度，最后是人口因素。Greening 等[6]研究了OECD國家的收入和價格對居民能源需求量的影響。Xu等[7]構建包括人口、結構、房屋面積、生活方式和強度等五因素的混合分解模型，研究新加坡居民能源消費的影響因素。針對中國狀況，Zhao等[8]將中國城市居民能源消費影響因素分解為人口、人均消費支出、能源支出占總消費支出比重、各類能源支出比重、各類能源消費強度五個因素。秦翊[2]運用LMDI分解模型，對中國居民直接生活能源消費變化的影響因素分解為人口、經濟水平、能源強度和能源消費結構。Zhang[9]將中國農村居民能源消費的影響因素分解為能源結構、能源強度、人均收入和人口數量。Nie等[10]將居民能源消費量影響因素分解為能源消費結構、單位居住建筑面積能源消費量、人均居住建筑面積、人口數量。

部分學者運用計量經濟學方法探究生活能源消費的影響因素，數據主要為統計年鑒數據或者問卷調查數據。我國正處于城鎮化中期階段，居民生活水平不斷提高，消費結構日益升級，對居民能源消費的拉動作用不斷增強。丁永霞[1]采用分層聚類法和面板模型檢驗對我國30省(除西藏數據缺失)的分析得出，我國生活能源消費模式空間格局呈現從東北向西南遞減的變化趨勢，反映溫度和經濟發展水平為主導指向的規律；長期來看，收入水平是生活能源消費增加的原因，而短期不存在因果關系。Tso 等[11]運用多層回歸方法，研究環境因素和家庭特征因素對居民能源消費量的影響。Estiri[3]運用結構方程模型和調查數據，分析家庭特征對美國居民能源消費量的直接、間接和綜合效應。張馨等[12]運用問卷調查和線性支出系統模型，得出黃土高原西部地區城鄉家庭的生活能源邊際消費傾向分別為0.044 和0.065。岳婷等[13]認為人均消費支出的增長、人均生活能源消費結構的變化與生活能源消費量之間存在長期的協整關系，并且二者均是人均生活能源消費量變化的格蘭杰原因。

關于居民生活能源消費預測，邢璐等[14]從居民的基本需求著手，運用混合能源投入產出模型，預測中國在2020 年全面實現小康社會條件下，由居民最終消費引起的能源直接和間接需求。

綜觀生活能源消費密度影響因素的研究，得出主要影響因素有能源消費結構、能源強度和生活水平。但綜合從地區空間差異視角和時間縱向比較視角，分解生活能源消費密度變化及其影響因素的研究較少，且研究中欠缺結構效應因素。生活能源消費密度變化的主要影響因素有哪些，各因素的貢獻度如何等問題，都有待研究分析。本文主要研究生活能源消費密度，從空間差異與縱向差異結合的視角，分解比較中國省級層面生活能源消費密度變化差異及其各影響因素的貢獻度，并運用構建的四象限法評價生活能源消費密度的空間差異，針對主要影響因素進行深度分解，以評價各地區消費密度的時空間差異。在此基礎上，基于影響因素的情景預測，研究8種情景下生活能源消費密度變化趨勢。

一、 生活能源消費密度分解模型構建與數據說明

(一) 生活能源消費密度LMDI分解模型構建

因素分解法由Ang等[15]在1998年建立，通過將研究對象拆分成若干個相關因子，分析不同因子對研究對象的影響程度。因素分解法主要有拉氏指數分解法和迪氏指數分解法，后者又包括數學平均迪氏分解(AMDI)法和對數平均迪氏分解(LMDI)法，LMDI法在分解過程中不產生殘差項，更適于進行影響因素分解研究[16]，目前被廣泛應用于能源、環境等多個研究領域。

生活能源消費密度受能源消費結構、能源強度、經濟發展狀況等因素的綜合影響。采用LMDI分解模型，構建的生活能源消費密度影響因素模型如下。

(1)

FOP=FOE|EOG|GOP

(2)

式中F為生活能源消費量，P為人口數，E為能源消費總量，G為經濟規模，用GDP(地區用GRP)表示。模型中其它指標解釋如下：

(1)FOP為生活能源消費密度，用生活能源消費量除以人口數表示。

(2)FOE為能源消費結構，表示生活能源消費量占能源消費總量的比重。如果生活能源消費量增長率(下降)慢(快)于能源消費總量，則該指標下降。

(3)EOG為能源強度，該指標反映產出過程的能源效率，用能源消費總量除以總產出表示。保持產出不變降低總能源消費量或者總能源消費量不變增加產出，都可以降低該指標數值。

(4)GOP為經濟發展水平，用國內生產總值除以人口數表示。如果經濟規模增長率(下降)快(慢)于人口數，則該指標上升。

依據公式(2)，生活能源消費密度從t-1年(FOPt-1)至t年(FOPt)的變化趨勢可表示為：

(3)

FOPt,t-1=FOPt-FOPt-1

(4)

因此，生活能源消費密度變化可分解為FOE、EOG、GOP引起的變化。公式(4)兩端各除以Pt-1，可得到3個因素對生活能源消費密度變化率的貢獻度。

(二) 數據來源

為對比我國“十五”和“十一五”時期的生活能源消費變化，本文以省為單位表征空間狀況，以生活能源消費密度作為因變量，經濟規模用地區生產總值GRP表示。所用統計數據主要來自2001~2013年《中國統計年鑒》和《中國能源統計年鑒》。主要分析全國(不含港澳臺)以及29個省市區共計30個樣本的數據(其中西藏、寧夏數據缺失)。經濟發展水平指標以2000年為基期，采用GDP和GRP發展指數將名義數據調整為實際數據。生活能源消費總量數據依據《中國能源統計年鑒》能源平衡表中各類生活能源消費量折標煤后求和而得，單位為萬噸標準煤(10000 tce)。

二、 生活能源消費密度變化的時空差異分析

(一) 生活能源消費密度變化趨勢

不同地區在2000~2005年、2005~2010年的生活能源消費密度變化絕對量和變化率如圖1所示。從圖1可看出，全國2010年相對于2005年生活能源消費密度增長量大于2005年相對于2000年的增長量，但增長率整體低于2005年相對于2000年的增長率，表明“十一五”時期比“十五”時期生活能源消費密度總量增加，但增速放緩?！笆濉睍r期，全國生活能源消費密度變化量增加0.0617 tce/人，增長率達52.43%，用能增長量排前5位的省份有內蒙古、青海、吉林、山東、湖南，其中內蒙古高達0.2291 tce/人，青海0.1491 tce/人；有13個省份增長率超過全國平均水平，其中，內蒙古、山東、湖南的增長率最高，均超過100%；有6個省份呈現負增長，其中海南、河北增長率最低，分別為-17.87%、-13.66%。

圖1　生活能源消費密度變化趨勢

“十一五”時期，2010年相對于2005年，全國生活能源消費密度變化量增加0.0784 tce/人，增長率為43.71%，用能增長量排前5位的省份有內蒙古、黑龍江、吉林、天津、北京，其中內蒙古高達0.2962 tce/人，黑龍江0.2360 tce/人。增長率高于全國平均水平有12個省份，其中，海南省高達178.42%；貴州負增長率最高，為-22.78%；變化率低于0%的有3個省份，表明“十一五”時期各省份生活能源消費密度變化的差異較大。

(二) 生活能源消費密度變化的空間差異分析

以2005年相對于2000年生活能源消費密度變化率為橫軸、2010年相對于2005年變化率為縱軸，以“十五”時期和“十一五”時期全國生活能源消費密度變化率作為橫坐標和縱坐標的交叉點(52.43%，43.71%)，將各省份生活能源消費密度變化率的表現分成(高，高)、(低，高)、(低，低)和(高，低)4個象限，得出29個省份生活能源消費密度變化率所屬的象限(圖2所示)。每個省份的表現用散點表示，如內蒙古落在第I象限(高、高)，其2010年相對于2005年、2005年相對于2000年，生活能源消費密度變化率分別為93.32%、259.43%，表示“十五”和“十一五”期間生活能源消費密度增長率均高于全國平均水平。第Ⅲ象限為(低，低)象限，表示“十五”和“十一五”期間生活能源消費密度增長率均低于全國平均水平，落入該象限的省份有京、津、滬、等。第Ⅳ象限(高，低)表示“十五”期間表現低于全國平均水平，但“十一五”好于全國平均水平，落入該象限的省份有吉、遼、閩、粵等；第Ⅱ象限(低、高)表示“十五”期間低于全國平均水平、但“十一五”期間高于全國平均水平，落在該象限的省份有黑、瓊、鄂、川、渝。落在第Ⅲ象限的有11個省份，反映這些省份生活用能變化率低于全國平均水平；落在第Ⅰ、Ⅱ、Ⅳ象限的分別有7、5、6個，表明這些省份不同時期變化較大，尤其是落在第Ⅰ象限的7個省份在“十五”和“十一五”時期的表現均高于于全國平均水平。

圖2　生活能源消費密度變化率的空間分布差異

三、 生活能源消費密度的影響因素分解

(一) 生活能源消費密度影響效應的縱向變化

圖3所示為2000~2012年全國生活能源消費密度變化率及其三因素貢獻度的縱向變化。全國生活能源消費密度總量增加，但增長率呈現先升后降的波動態勢，根據“峰—峰”劃分周期方法，可分成2003~2008年、2008~2011年兩個完整的周期。生活能源消費密度在2008年出現異常波動，主要是受國際金融危機的影響，中國經濟增速下滑，同時，產業結構也發生了較大調整，工業用能量下降，生活能源消費比重上升。結構因素FOE、技術因素EOG和經濟因素GOP對生活能源消費密度變化率的貢獻度呈現不同的正負效應：結構因素方面，能源消費結構的貢獻度表現為波動態勢，由正效應轉為2003~2007年的負效應又變為正效應，2010年轉為負效應之后變回正效應，如2008年其貢獻度高達14.85 %；技術因素方面，能源強度2003~2005年呈現正效應而2006~2012年呈現為負的貢獻度，如2012年貢獻度為-3.60%；經濟因素方面，經濟發展水平對生活能源消費密度變化率呈現持續的正向效應，貢獻度表現均勻，均值為9.47 %，最大值為2007 年13.04 %，最小值為2012年的7.07 %?？傮w看，經濟效應表現正向穩定態勢；技術效應為由正向轉負向態勢，但強度轉弱；結構效應由負轉正，且正向強度增加。從全國范圍看，以2005年相對于2000年、2010年相對于2005年兩個時間段為例，生活能源消費密度增長率分別為52.43%、43.71%，結構、技術、經濟3個因素對生活能源消費密度增長率的貢獻度分別為-9.93%∶8.35%∶54.01%和8.19%∶-25.49%∶61.00%，反映出結構、技術、經濟的效應分別呈現由負轉正、由正轉負、正向穩定的態勢。表明生活用能比重的不斷提高對生活能源消費密度貢獻增大、能源強度下降產生的負向貢獻增大，經濟發展狀況提高支撐人均生活用能的增加。在一定程度上顯示了中國生活能源消費密度變化由經濟和技術拉動型轉為經濟和結構拉動型。

圖3　全國生活能源消費密度變化率及三因素貢獻度趨勢

(二) 生活能源消費密度變化影響效應的空間差異分析

全國和29個省份的2010年相對于2005年各個因素對生活能源消費密度變化率的貢獻度見圖4所示。2005年相對于2000年、2010年相對于2005年的生活能源消費密度增長率顯示，全國及其14個省份2010年相對于2005年的生活能源消費密度增長率低于2005年相對于2000年的增長率，表明生活能源消費密度呈下降趨勢。而15個省份如北京、河北、黑龍江等生活能源消費密度變化率呈上升趨勢。2010年相對于2005年的生活能源消費密度增長率中，大于全國平均水平43.71 %的有12個省份。

圖4　區域生活能源消費密度變化率及三個因素貢獻度的空間差異

從2010年相對于2005年各因素對生活能源消費密度變化率的貢獻度看出，結構貢獻度有正有負，均值為-0.83%，有12個省份表現為正貢獻；效率貢獻度均為負向，表明能源強度下降拉低了生活能源消費密度變化率；經濟貢獻度均為正向，均值為67.28%，貢獻度最大為109.72%，最小為31.08%。

(三) 生活能源消費密度變化率影響因素的差異程度比較

運用全距、標準差等指標，反映各省份生活能源消費密度變化影響因素的差異程度。計算結果見表1所示。

表1中29個省份的生活能源消費密度變化率的三因素貢獻度顯示，“十五”時期(2005年相對于2000年)和“十一五”時期(2010年相對于2005年)，能源消費結構FOE貢獻度的均值分別為-20.36%和-0.83%，表明能源消費結構對生活能源消費密度的負向效應減弱，而全距和標準差指標增大，表明各省間仍然存在能源消費結構差異，且差異顯著；能源強度EOG對生活能源消費密度的貢獻效果顯著，貢獻度均值從4.19%變化為-24.89%，表明“十一五”時期各省份注重能源效率的提升，全距和標準差指標減小，表明各省間能源強度差異縮??；經濟發展狀況GOP呈現較大的正向經濟效應，貢獻度由63.47%上升到67.28%，表明正向經濟效應上升，而各省間該指標的貢獻度差異縮小。以北京為例，2005年相對于2000年生活能源消費密度變化率為-4.53%，其中三個因素貢獻度分別為-20.54%、-27.31%、43.32%，2010年相對于2005年生活能源消費密度變化率為20.11%，其中三個因素貢獻度分別為21.52%、-32.49%、31.08%，反映出北京“十一五”相比“十五”期間，能源消費結構和經濟發展狀況對生活能源消費密度呈現正向效應，能源效率提高在一定程度上降低了生活能源消費密度。表明，北京更加注重關注民生的能源結構調整、提升能源效率等措施。

表1　中國29個省份的生活能源消費密度變化率的三因素貢獻度(%)

注:兩個標準差不帶“%”。

總體看，能源強度對生活能源消費密度的影響較大且為負向效應，即能源效率對生活能源消費密度呈現較大的負向技術效應，經濟發展狀況呈現較大的正向經濟效應，各省份能源消費結構對生活能源消費密度的影響不一致且差距較大。

四、 生活能源消費密度變化的情景預測

(一) 情景描述及參數設定

根據LMDI因素分解結果，未來影響生活能源消費密度的因素主要包括能源消費結構、能源強度和經濟發展狀況。在我國用能部門中，居民能源消耗已成為繼工業部門外的第二大能源消耗部門，占所有終端能源消費的11%[17]，在中國，隨著人民生活水平和城鎮化水平的提高，中國未來的生活能源消費量將大幅增加，比重也會相應提高?？紤]節能減排等因素，中國不可能達到美歐的23%~30%，因此將能源消費結構中生活能源消費所占比重設為年均增加0.5個百分點和0.8個百分點兩種情景。依據中國“十二五”規劃并考慮能耗實際降低情況以及《2009中國可持續發展戰略報告》[18]和中國政府相關報告將能源強度設為年降低3.2%和年降低4%兩種情景。到2030年之前，中國年經濟增速預計會從30年來的平均10%降至3.5%至6.9%，其主要原因是人口步入老齡化和經濟發展模式更加注重質量而不是速度[19]；因此，設定GDP年均增長3.5%和6.9%兩種情景，GDP與預測人口數[20,21]相比得到高低兩種情景的經濟發展水平?；谟绊懸蛩匚磥戆l展情景的判斷，將三個因素各分為兩種情景，預測組合的8種情景下2016~2030年間區域生活能源消費密度的變化趨勢。8種預測情景設定如表2所示。

表2　生活能源消費密度預測的影響因素情景設定

(二) 預測結果與分析

結合8種情況下的參數設置，由LMDI模型預測出2016~2030年生活能源消費密度變化趨勢，生活能源消費密度年變化趨勢如圖5所示，2016~2030年生活能源消費密度變化量、年均變化率以及三因素貢獻度均值如表3所示。

圖5　8種情景下生活能源消費密度變化趨勢

FOP年均總增量(tce/人)FOP年均變化率FOE貢獻度EOG貢獻度GOP貢獻度情景10.22874.00%3.20%-2.58%3.38%情景20.58647.41%3.25%-2.62%6.79%情景30.18953.46%3.19%-3.10%3.38%情景40.51766.86%3.24%-3.15%6.77%情景50.34705.18%4.37%-2.60%3.40%情景60.80518.64%4.45%-2.64%6.83%情景70.29704.64%4.36%-3.12%3.39%情境80.71748.08%4.43%-3.17%6.81%

8種情景中，考慮能源消費結構、經濟發展水平對生活能源消費密度變化呈正向效應、而能源強度呈負向效應，因此，2030年時，情景6(高、低、高)下的生活能源消費密度最大，達到1.1319 tce/人，年均增加8.64%，即在生活用能比重增加、居民生活生平提高、能源效率控制較差的情景下，人均生活能耗呈增大趨勢；相反，情景3(低、高、低)狀態下的生活能源消費密度增速最慢，2030年生活能源消費密度僅為0.4739 tce/人，年均增加-0.1895 tce/人。

圖5中曲線按生活能源消費密度的高低分為4組，情景6與情景8為最高組、情景2與情景4為較高組、情景5與情景7為較低組、情景1與情景3為最低組。每組中能源消費結構和經濟發展狀況相同，能源強度不同，即能源強度變動對居民用能有一定的負向作用，但作用效果差距不大，組間差異主要是由經濟因素和結構因素引起。

情景1與情景7的結果較為相似，二者經濟發展狀況設定相同，情景1中能源消費結構較低，能源強度較高，情景7與之相反，能源效率的提高降低了居民能耗，這與能源消費結構變化的正向作用相抵消，導致二者預測結果相似。情景2與情景8的結果類似也是這個原因。

在上述8種情景中，生活能源消費密度均呈上升趨勢。經濟發展狀況即經濟因素仍是生活能源消費密度增加的主要促進因素，其貢獻度較高，正向強度逐年增加；結構效應在能源消費結構升級時貢獻度為正，但影響較??；效率因素貢獻度為負值，是導致生活能源消費密度降低的關鍵因素。這表明我國生活能源消費密度控制為結構和經濟拉動型。

五、 結論

探究生活能源消費變化的影響因素是預測生活能源消費趨勢、制定居民節能措施的前提。本文運用LMDI方法構建了生活能源消費密度的分解模型，運用2000~2012年數據測度分析全國和29個省份的生活能源消費密度變化及其主要影響因素的貢獻度。得出如下結論和建議：

全國和29個省份“十一五”時期比“十五”時期人均生活用能增速放緩，表明國家日益重視生活用能縮減和能效提升。運用四象限法評價各省份生活能源消費密度變化所處象限，得出各省份變化量和變化率差異較大，分別分布在4個象限。

將生活能源消費密度變化的影響因素分解為結構因素、技術因素和經濟因素，各自體現結構效應、技術效應和經濟效應。三個因素的貢獻度分解結果顯示，全國層面，經濟發展水平GOP代表的經濟因素表現正向穩定態勢，能源強度EOG代表的技術因素為負向態勢、并且由強轉弱，能源消費結構FOE代表的結構因素由負轉正，且正向強度增加。在一定程度上顯示了中國生活能源消費密度控制由效率和經濟拉動型轉為結構和經濟拉動型。省級層面，各因素對2010年對2005年生活能源消費密度變化率的貢獻度顯示，各省間技術因素和經濟因素差別較小，結構因素差異較大。

對2016~2030年生活能源消費密度及分解因素的預測發現，在8種情景下，經濟因素仍然是導致居民生活能源消費密度增加的主要驅動因素，能源強度的降低是導致居民用能降低的關鍵因素，結構因素影響不大但仍要重視。要實現不同情景下的節能目標，可以在經濟發展速度、調整能源消費結構、加強技術革新、降低能源強度等方面制定具體的政策措施。

參考文獻：

[1] 丁永霞.我國居民生活能源消費時空變化分析[D].蘭州:蘭州大學,2011.

[2] 秦翊.中國居民生活能源消費研究[D].太原:山西財經大學,2013.

[3] Estiri H.A Structural Equation Model of Energy Consumption in the United States:Untangling the Complexity of Per-capita Residential Energy Use[J].Energy Research & Social Science,2015(6):109-120.

[4] Fernandez González P,Landajo M,Presno M J.Multilevel LMDI Decomposition of Changes in Aggregate Energy Consumption:A Cross Country Analysis in the EU-27[J].Energy Policy,2014,68:576-584.

[5] 孫涵,王洪健,彭麗思,郭海湘.中國城鎮居民生活完全能源消費影響因素的實證研究[J].中國礦業大學學報(社會科學版),2015(3),53-59.

[6] Greening L A,Ting M,Krackler T J.Effects of Changes in Residential End-uses and Behavior on Aggregate Carbon Intensity:Comparison of 10 OECD Countries for the Period 1970 through 1993[J].Energy Economics,2001,23:153-178.

[7] Xu X Y,Ang B W.Analysing Residential Energy Consumption Using Index Decomposition Analysis[J].Applied Energy,2014,113:342-351.

[8] Zhao X L,Li N,Ma C B.Residential Energy Consumption in Urban China:A Decomposition Analysis[J].Energy Policy,2012,41:644-653.

[9] Zhang M,Guo F.Analysis of Rural Residential Commercial Energy Consumption in China[J].Energy,2013,52:222-229.

[10] Nie H,Kemp R.Index Decomposition Analysis of Residential Energy Consumption in China:2002-2010[J].Applied Energy,2014,121:10-19.

[11] Tso G K F,Guan J.A Multilevel Regression Approach to Understand Effects of Environment Indicators and Household Features on Residential Energy Consumption[J].Energy,2014,66:722-731.

[12] 張馨,牛叔文.城鄉居民家庭生活能源消費需求的實證分析[J].中國人口·資源與環境,2013(S1):1-5.

[13] 岳婷,龍如銀.我國居民生活能源消費量的影響因素分析[J].華東經濟管理,2013,27(11):57-61.

[14] 邢璐,鄒驥,石磊.小康社會目標下的居民生活能源需求預測[J].中國人口·資源與環境,2010,20(6):131-135.

[15] ANG B W,ZHANG F Q,CHOI K.Factorizing changes in energy and enviornmental indicators through decomposition[J].Energy,1998,23(6):489-495.

[16] Fu C,Wang W,Tang J.Exploring the sensitivity of residential energy consumption in China:Implications from a micro-demographic analysis[J].Energy Research & Social Science,2014,2:1-11.

[17] 鄭新業,魏楚,秦萍.中國家庭能源消費報告[EB/OL].南方能源觀察,[2015-02-26],http://finance.cenet.org.cn/show-1514-66419-1.html.

[18] 中國科學院可持續發展戰略研究組.2009中國可持續發展戰略報告[M].科學出版社，2009.

[19] 世界銀行集團.巴西與中國：如何避免經濟減速[EB/OL].世界銀行,[2014-07-15].http://www.shihang.org/zh/news/feature/2014/07/15/brasil-china-brics-exportaciones-desaceleracion-economia.

[20] 面對70億人的世界——專訪國家人口計生委主任[EB/OL].中華人民共和國中央人民政府,[2011-10-30].http://www.gov.cn/jrzg/2011-10/30/content_1981946.htm.

[21] 孫明哲.使用六普數據對中國未來人口規模趨勢的預測——兼論未來50年中國人口規模衰減的程度[J].北京社會科學,2014(05):85-92.

Factors Decomposition, Spatial Difference and Scenario Forecast

of Residential Energy Consumption Density in China

LIU Man-zhi, XU Yue, LIU Xian-xian, YAO Shun-yu

(School of Management, China University of Mining & Technology, Xuzhou 221116, China)

Abstract：As the second largest energy-consuming sector after industry, residential energy consumption has received increasing attention in China. To predict the consumption trend and develop residential energy-saving measures, the variation of residential energy consumption and its influence factors were explored, and the spatial differences among regions were contrastively analyzed. According to Logarithmic Mean Divisia Index (LMDI) model, the variation of energy consumption density in the whole nation and 29 provinces from 2000 to 2012 was decomposed into three influence factors, which include energy consumption structure, energy intensity and economic level, respectively representing structure effect, technology effect and economy effect. The four-quadrant method was employed to evaluate the provincial spatial disparities. Variation tendency of residential energy consumption density over the period 2016-2030 were predicted as eight scenarios. Research results show that throughout the implementation process of 10th and 11th Five-year Plan, the national residential energy consumption density change rate decreased from 52.43% to 43.71%. Among the three factors influencing the regional residential energy consumption density, economic level exerted the largest positive economy effect, and its average contribution to the change rate increased from 63.47% to 67.28% during this period. By contrast, energy intensity produced first positive and then negative technology effects, whose average contribution degree decreased from 4.19% to -24.89%. Energy structure negatively affected the consumption density, and its average contribution rate changed from -20.36% to -0.83%. Decomposition results suggest that the increasing trend of residential energy consumption density in different regions of China is slowing down, and the driving factors of density change is transferring from economy and technology to economy and structure. The spatial disparity analysis results indicate that among the 29 provinces the economic difference is small and stable, while the discrepancy in technology is shrinking and in structure is broadening. Eight kinds of scenarios forecast results reveal that the economy is still the main driving factor for density increase of residential energy consumption.

Key Words：residential energy consumption density; factors decomposition; LMDI; spatial difference; four-quadrant method; scenario forecast

中圖分類號：F206

文獻標識碼：A

文章編號：1009-105X(2016)02-0048-09

作者簡介：劉滿芝(1978-)，女，中國礦業大學管理學院副教授，博士，主要研究能源經濟與管理、營銷工程。

基金項目：中國博士后科學基金面上資助項目“福利損失補償視角下供運需協同的電煤應急儲備規模研究”(項目編號：2014M551708);;江蘇省博士后科研資助計劃“國家煤炭應急儲備最優規模的決策模型研究”(項目編號：1302079B); 國家級大學生創新訓練計劃項目“中國城市居民綠色消費的現狀、行為阻隔和引導政策研究”(項目編號：201410290046)。

收稿日期：2015 - 10 - 10修回日期： 2015 - 12 - 21