區域產值單耗的行業因素影響分析方法研究

楊斌　尚永濤　賀巖　婁建旻

摘 要：基于區域性的總體產值單耗和分行業的產值單耗數據，運用逐步回歸模型建立行業數據與區域總體數據的關系，不斷篩選進入模型方程的行業，最終選擇出對區域總體產值單耗產生顯著影響的行業，并與區域總體數據建立線性回歸方程.分析了行業對區域總體產值單耗產生的重要影響，并量化出影響系數.研究結果有利于指導節能監管部門加強主要行業的節能監管力度，降低區域產值單耗，促使區域工業經濟向低能耗方向發展.

關鍵詞：區域； 產值單耗； 行業因素； 逐步回歸

中圖分類號： F 062.1 文獻標志碼： A

工業是我國主要的能源消費領域，加強工業節能是實現經濟持續、快速發展的必然選擇，同時有助于促使企業提高生產技術水平和企業競爭力，是企業保持可持續發展的重要途徑.節能監管部門通過有效的科學管理，針對監管區域內的行業結構和能耗水平，制定符合實際的節能監管方法，能夠提高區域節能管理水平，有效降低區域內的總體能耗水平[1-2].

國外工業節能信息化建設中有強大的數據挖掘應用軟件作為支撐.國內工業節能信息化系統中數據分析的應用還較少，數據分析結果的成功應用還需進一步挖掘.本文的研究即為數據挖掘技術在工業節能信息化中的應用探索.

1 區域產值單耗

能源消耗可用產值單耗或產品單耗兩種方式表示.產值單耗，即單位產值綜合能耗，是指統計報告期內，綜合能耗與期內用能單位總產值或增加值的比值（本文使用單位總產值）.產品單耗，是指統計報告期內，用能單位生產某種產品或提供某種服務的綜合能耗與同期該合格產品產量（工作量、服務量）的比值.對于一個區域而言，由于其包括多個行業、多個企業，并且同一企業有多種產品，因此產品單耗無法計算，但區域產值單耗可計算[3]，因此選取產值單耗作為能源消耗的計量，即

G=a1b1+a2b2+…+anbn

（1）

式中：G為區域產值能耗；a1、a2、an分別為行業1、行業2、行業n產值單耗；b1、b2、bn分別為行業1、行業2、行業n產值比重；n為區域內的行業數.

因此，區域產值單耗可反映一個區域內的總體能耗水平，是評價區域能耗水平的重要指標.在保證區域產業結構合理發展的同時，降低區域產值單耗是節能監管工作的實際體現.區域單位為省級或市級時，需考慮的重點用能單位的行業數量很多，同時由于行業之間相互影響，行業的產值單耗存在相關關系，因此難以發現哪些行業的產值單耗對總體產值單耗有顯著影響.本文運用數學模型分析行業產值單耗與區域總體產值單耗的關系，找出對區域產值能耗有顯著影響的行業并進行重點關注和監管，逐步優化產業結構.在保證經濟結構合理條件下提高對區域產值單耗影響大且低于區域總體產值單耗的行業產值比重，降低區域產值單耗，促使區域工業經濟向低能耗方向發展.

2 逐步回歸的行業因素分析模型

2.1 模型簡介

逐步回歸模型是根據多元回歸分析法、求解求逆緊湊變換法及雙檢驗法（即引進和剔除檢驗法）建立的能夠反映各個要素之間變化關系的最優回歸模型.該模型僅包含對因變量有顯著影響的自變量.它實質上是在多元線性回歸分析的基礎上派生出的一種研究和建立最優多元線性回歸方程的算法.

為了得到區域內哪些重點行業對區域總體產值單耗有顯著影響，本文基于產值單耗月度數據建立逐步回歸行業因素分析模型.當模型中行業較多時，有的行業可能對總體產值單耗影響不大，而且各行業之間可能不完全獨立，存在關聯.在這種情況下可使用逐步回歸分析的方法，對行業的產值單耗進行篩選，最終得到與總體產值能耗關系較密切的重點行業，并建立這些重點行業產值單耗與總體產值單耗的回歸分析方程[4-6].

2.2 模型步驟

建立逐步回歸行業因素分析模型的步驟為：

（1） 根據各行業的產值單耗數據，求得初始相關系數矩陣，確定變量存在相關關系.

（2） 運用求解求逆緊湊變換法對相關系數矩陣進行變換，并找出偏回歸平方和最大的變量并將其引入回歸方程.

（3） 剔除變量檢驗.找到引入的所有變量的偏回歸平方和最小的變量進行剔除檢驗（F值即F統計量值檢驗），確定變量是否要剔除.

（4） 重新計算相關系數矩陣，轉入第（2）步，直到再無顯著變量可引進時終止，并求出最優回歸模型.

根據回歸過程，最終得到部分行業組成的區域總體產值單耗的回歸模型為

G=a1d1+a2d2+…+andn+C（2）

式中：d1、d2、dn分別代表行業1、行業2、行業n系數；C為常數項.

少數行業的產值單耗可解釋區域總體產值單耗.加強有效監管手段，促使這些行業的產值單耗降低，則可有效降低區域總體產值單耗.并且從長期產業結構調整的角度來看，在保證經濟結構合理的條件下，要重點提高這些行業中產值單耗低于區域總體產值單耗的產值比重，抑制高于區域總體產值單耗的行業產值比重增長.

3 案例分析

3.1 區域產值能耗模型建立

本文選取某市22個重點用能單位行業2011年1月—2013年11月共35個月的產值單耗月度數據作為樣本，即為實際值.對數據作均值處理以保證數據的有效性，記為實際數據的相對值.由于回歸過程為線性分析，運用相對值與實際值的計算效果相同，因此應用相對值計算，建立逐步回歸的行業因素分析模型，并進行模型驗證.

經過數據處理后發現，2011年1月的數據為離群數據，因此剔除該月度數據，即取2011年2月—2013年11月共34個樣本進行計算.

3.2 模型結果驗證

由于解釋變量之間存在多重共線性，故采用判定系數檢驗法檢驗多重共線性.模型中每一個被解釋變量分別以其余解釋變量為解釋變量進行回歸計算，并計算相應的擬合度，也稱判定系數.如果判定系數較大，則說明該被解釋變量可用其它解釋變量的線性組合代替，即解釋變量之間存在共線性.

運用樣本數據計算22個行業之間的多重共線性關系，得到各行業的擬合度如表1所示.

從表1中可看出，多個變量的擬合度均在0.9以上，說明解釋變量之間存在較強的共線性.因此，通過逐步回歸分析模型，消除解釋變量之間的共線性，最后選取了部分行業的產值單耗作為解釋變量，區域產值單耗為被解釋變量，建立回歸方程，即

y=0.859x4+0.118x5+0.062x13+0.393x15+

0.042x17+1.831x21+4.931x22-180.4（3）

式中：y為區域總產值單耗；x4為煙草制品業產值單耗；x5為紡織服裝、鞋、帽制造業產值單耗；x13為電力、熱力的生產和供應業產值單耗；x15為飲料制造業產值單耗；x17為化學原料及化學制品制造業產值單耗；x21為交通運輸設備制造業產值單耗；x22為電氣機械及器材制造業產值單耗.

對回歸方程進行驗證，得到回歸方程的擬合度為0.95，擬合度很高，表明該回歸方程可用于模型預測，并對預測誤差進行分析.誤差分析結果如圖1所示.

從圖1中可看出，回歸方程具有很好的擬合效果.模型的方差分析結果如表2所示.從表2中可看出，對回歸方程的回歸效果進行F值檢驗，顯著性值小于0.05.模型通過檢驗，說明利用該模型可對因變量區域總體產值單耗進行解釋.

4 結 論

本文從區域節能監管角度出發，尋找運用科學的數學模型方法輔助節能監管工作.運用節能監管信息系統中現有的能耗數據，以產值單耗為區域能耗水平指標，通過逐步回歸模型建立區域總體產值單耗與主要影響行業產值單耗的關系模型，從而幫助節能監管部門對影響區域內能耗水平的行業有直觀的了解，以采取相應決策有效地降低區域產值單耗，促使區域工業經濟向低能耗方向發展.

參考文獻：

[1] 宋衛東，王乾坤.產業和能源消費結構調整對單位產值能耗影響分析[J].中國能源，2013，35（12）：34-37.

[2] 王鎮.影響新疆工業部門節能目標實現的因素分析[J].新疆財經大學學報，2013（1）：22-29.

[3] 全國能源基礎與管理標準化技術委員會.綜合能耗計算通則GBT 2589—2008[M].北京：中國標準出版社，2008.

[4] 馬慶國.應用統計學：數理統計方法、數據獲取與SPSS應用[M].北京：科學出版社，2008.

[5] 楊有，李曉虹.多重共線性的逐步回歸檢驗分析[J].重慶三峽學院學報，2006，22（3）：39-41.

[6] 李松臣，張世英.基于逐步回歸法的人口出生率影響因素分析[J].統計與決策，2008（4）：7-9.