電力消費量與國房景氣指數關系研究

李海

（四川大學經濟學院，成都610065）

0　引言

當前，對各種大數據的發掘和利用正被越來越多的經濟學家、企業家們所重視，大數據中蘊含著許多經濟學和企業管理方面寶貴信息。電力消費數據作為大數據中的一種，可以反映出全社會的生產狀況，是衡量宏觀經濟走勢一個重要指標。目前，電力消費數據已經可以通過計量系統，實時產生大數據。隨著技術的進步和互聯網技術的發展，電力消費數據的取得將越來越方便和準確及時。利用電力消費大數據建立相應的預測模型為國家宏觀調控服務，應用前景十分廣闊。

房地產業是當前我國經濟類別中的重要綜合性產業，房地產行業投資活動，是當前國民經濟中的重要投資類別。全國房地產開發業綜合景氣指數（簡稱國房景氣指數）每年從3月到12月，逐月發布，并用百分制表示。國房景氣指數又分為房地產開發綜合指數、房地產開發投資指數、土地開發面積指數、銷售價格指數等4類。房地產開發綜合指數值100為景氣線，100以上為景氣空間，100以下為不景氣空間。通過對景氣所處空間、景氣值波動幅度、趨勢的評估發布，可為國家宏觀調控提供決策依據，引導中國房地產業健康、有序發展。

國內外許多學者對電力消費總量與宏觀經濟的關聯性等進行過許多研究，也取得了較好的成果[1-5]。從研究和可以公開得到的數據來看，房地地產投資活動，目前重要的統計數據應為國家統計局公布的32個房地產統計指標和國房景氣指數，本文將重點研究電力消費數據和國房景氣指數間的相關性、時間軌跡趨勢、滯后性以及預測模型等，力求盡可能發掘數據的價值，為國民經濟建設服務。因此，本文主要收集了2011—2015年的月度分行業電力消費大數據，按全社會、第一產業、第二產業、第三產業、輕工業、重工業、城鄉居民生活的分類，分析其與國房景氣指數的關系，采用皮爾遜系數（Pearson）進行相關性分析，建立時間系列對比并觀察其趨勢關系，應用分布滯后模型與阿爾蒙估計法（Almon）對其進行建模分析，研究電力消費與國房景氣指數的滯后關系，同時建立月度電力消費數據與國房景氣指數間的數學預測模型，以便更好利用電力數據為房地產業投資活動統計和宏觀管理服務。

1　分析方法

為進一步分析電力消費與國房景氣指數的關系，本文采用目前經濟學領域常用皮爾遜相關系數、時間軌跡分析及分布滯后模型與阿爾蒙估計法進行分析。

1．1　Pearson相關系數

相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。皮爾遜相關系數（Pearson）是進行相關性分析的重要方法，主要用于度量兩個變量X和Y之間的相關（線性相關），其值介于-1與1之間，常稱為積差相關系數，適用于研究連續變量之間的相關程度。利用相關系數r的大小可以判斷變量間相關關系的密切程度，計算公式為（1），本文采用SPSS19.0統計軟件進行計算。

其中：X的離均差平方和：LXX=∑(X-)2;Y的離均差平方和：LYY=∑(Y-)2;X與Y間的離均差積和：LXY=∑(X-)(Y-)。兩對數據，當相關系數|r|=0時，完全不相關；當0＜|r|≤0.19時，極低相關；當0.2＜|r|≤0.39時，低度相關；當0.4＜|r|≤0.69時，中度相關；當0.7＜|r|≤0.89時，高度相關；當0.9＜|r|≤1時，極高相關；|r|=1時，完全相關。

1．2　分布滯后模型與阿爾蒙估計法

在經濟運行過程中,普遍存在時間滯后效應。有些經濟變量不僅受到同期各種因素的影響,而且也受到過去某些時期的各種因素甚至自身的過去值的影響。由于房地產投資和采購相關的資源存在一定的時間差，電力作為生產產品的重要資源，必須先行投入，然后才能夠形成商品進入房地產投資領域，因此從現實生產中來看，需要分析電力消變量對房地產投資的滯后效應。因此把滯后變量引入回歸模型，這種回歸模型稱為滯后變量模型。滯后變量模型的一般形式為：

其中，s、q分別為滯后解釋變量和滯后被解釋變量的滯后期長度。

阿爾蒙估計法的原理，是設有限分布滯后模型為：yt=a+b0xt+b1xt-1+…+bkxt-k+εt;連續函數bi=f(i)可以用滯后期i的適當次多項式逼近：bi=f(i)=α0+α1i+α2i2+…+αmim(m＜k)。

將此關系式代入原分布滯后模型，經過適當的變量變換，可以減少模型中的變量個數，從而在削弱多重共線性影響的情況下，估計模型中的參數。分布滯后模型可以表示成：

設bi可以用二次多項式近似表示，即：bi=α0+α1i+α2i2。將此代入分布滯后模型，整理得：

變換為Almon變換；則原分布滯后模型可以表示成：

利用OLS法估計系數，進而得到bi的估計值：

2　實證分析

2．1　數據處理

根據中國電力企業聯合會網站每月定期公布的《全國電力工業統計數據一覽表》，2011—2015年間每月的全國全社會、第一產業、第二產業、第三產業量、輕工業、重工業、城鄉居民生活用電量，單位為億千瓦時。為便于和國家統計局公布的房地產業投資活動指標進行對比，此處電力消費增長率，按式（7）進行計算，同時刪除1月份數據以便于和國房景氣指數進行對比，可得到下頁表1。

其中：P（i）為當月行業用電同比增長率；Pc（i）為當月分行業電力消費總量；Pc（i-12）為上年同月分行業電力消費總量。

總之，標準是MyGDI的關鍵，沒有標準，MyGDI就不能實現空間數據的共享和轉換。MyGDI標準的順利制定在很大程度上取決于用戶組織、馬來西亞國家測繪與空間數據委員會（TC12）及馬來西亞科技與創新部（MOSTI）所屬的馬來西亞標準和工業研究院（SIRIM BERHAD）的共同努力和合作。

2．2　電力消費與國房景氣指數相關性分析

為進一步觀察全社會、第一產業、第二產業、第三產業產業、輕工業、重工業、城鄉居民生活與國房景氣指數的關系，本文采用SPSS19.0軟件對上述數據進行皮爾遜相關系數分析（見表2），從分析的情況看，國房景氣綜合指數與全社會用電量增長率相關性最高為0.658**，其次是第二產業用電量增長率，為0.650**。這說明房地產投資景氣情況與電力消費的關聯度較高，對各行業，特別是第二產業的帶動較為明顯。

表1　電力消費增長率與國房景氣綜合指數（樣本數=55）

表2　用電量增長率、國房景氣綜合指數皮爾遜相關系數分析（樣本數=55）

2．3　電力消費與國房景氣指數時間軌跡分析

為便于觀察電力消費與房地產業投資活動的變化，本文選擇了2011—2015年各年2—12月的全社會用電量和國房景氣綜合指數進行時間軌跡分析觀察（見圖1）。

圖1 全國全社會用電量和國房景氣綜合指數時間軌跡分析圖

從時間軌跡看，2011—2015年電力費量累計增長率和國房景氣指數的變化趨勢非常相近，均處于下降變緩趨勢。從圖1中也發現，全社會用電增長率、國房景氣綜合指數，從2012年2—12月期間增期間有所回升，2013年起又開始持續下行。從月度情況，每年2—3月期間，發現電力統計數據會發生波動，主要考慮到1—3月期間經歷春節的因素，因此電力統計數據存在一定的波動，影響到數據的準確性。

2．4　分布滯后模型分析

通過相關性分析，觀察時間軌跡分析，發現電力消費量和國房景氣指數相關性較強，變化和發展趨勢非常相近，為此本文選取了全社會用電量增長率（x）和國房景氣指數（y）作為重點研究對象，分別采用Eviews6.0進行滯后性分析，工作文件數據來源于表1數據。

打開Eviews6.0工作文件，在命令框鍵入“CROSS y x”，可輸出圖2，可看出全社會用電增長率（x）和國房景氣指數（y）存在一定的滯后性，約為3個月，滯后中度以上相關系數分別為i0=0.6581、i1=0.6044、i2=0.5280、i3=0.4367，根據結果可設式（8），假定bi可以用一個二次多項式逼近：

圖2 全國全社會用電累計增長率和國房景氣指數分析圖

2．5　阿爾蒙估計法建模

全社會用電增長率（x）和國房景氣指數（y）模型，打開Eviews6.0工作文件，在EViews6.0軟件的LS命令中使用PDL項，在命令框鍵入“LS y C PDL(x,3,2,0)”，其中，3為滯后期長度，2為多項式次數，0為對分布滯后特征進行控制的參數（對參數分布不作任何限制），可輸出圖3。

圖3 全國全社會用電增長率和國房景氣指數建模分析圖

在Eviews6.0軟件輸出圖3窗口的上部給出了a值=c=51.96606，下部給出了還原后的bi估計值a0=i0=0.14199,a1=i1=0.10635,a2=i2=0.08657,a3=i3=0.08267可得出式（9），該式展示了全社會用電累計增長率和國房景氣指數的數學模型：

2．6　模型驗證

為進一步驗證模型的準確性，本文選取了2015年全年和2016年2—6月國家統計局、國家信息中心、中國電力企業聯合會公布的最新數據，對采用阿爾蒙估計法建立的模型式（9）進行驗證。按式（10）計算公布值和計算值的實際相對誤差Υ：

其中△x為公布值-計算值，L為公布值。

表3　2015年2月至2016年6月國房景氣指數公布值和計算值（樣本數=16）

表3計算值和公布的國房景氣指數值的誤差范圍最大為2015年6月的1.62%，其次是2016年5月的1.28%、2016年6月的1.27%，誤差的絕對值平均數僅為0.83%。通過對比計算，本文發現式（10）數學模型具有一定的準確率，通過電力消費量預測和校準國房景氣指數具有一定的參考價值。

通過對式（9）模型進行進一步驗證，本文也發現模型逼近的最近數據的精度較高，如2015年9月至2016年2月間的模型計算精度較高，其他時段的精度開始逐漸變差。本文通過了進一步的試算，該模型如需要進一步提高準確性，需采用最新的數據進行動態滾動建模分析，具體方法可參考上述方法進行重復，由于篇幅所限，此處不再進行進一步分析。

3　結論和建議

通過皮爾遜相關系數計算本文發現，電力消費增長率與國房景氣指數的波動相關度較高。通過時間軌跡分析發現，2011—2015年電力費量累計增長率和國房景氣指數的變化趨勢非常相近，均處于下降變緩趨勢。全社會用電增長率、國房景氣綜合指數，從2012年2—12月期間有所回升，2013年起又開始持續下行。通過對全國全社會電力消費增長率與國房景氣指數進行滯后性分析，發現全國全社會電力消費增長率與國房景氣指數存在3個月左右的滯后期。通過分布滯后模型與阿爾蒙估計法對國全社會電力消費增長率與國房景氣指數進行建模，采用該模型，并通過對比2015年2月至2016年6月期間的國房景氣指數計算值和發布值進行對比分析，模型計算精度最大誤差為1.62%，平均誤差為0.83%，由此可見式（9）在利用全國全社會電力消費增長率來計算國房景氣指數具有一定的參考性。目前我們已經能夠按月和按季度獲得全國分行業的電力消費數據。隨著技術的進步和“互聯網+”的發展，電力消費數據的取得將會越來越方便和全面準確。通過電網公司的調度、營銷、配網和智能電表，在不遠的將來，將很快能夠獲得全國的分行業實時數據，甚至每家每戶的實時電力消費數據。這些數據對于分析我國宏觀和微觀經濟以及國房景氣指數等的情況，都將有十分重要的意義。下一步應該加強電力消費大數據的挖掘和運用研究，為我國的經濟社會發展和國房景氣指數的管理和預測貢獻力量。

參考文獻：

[1]朱天星,徐明圣,李倩,李丹.我國電力消費與經濟增長關系研究[J].價格理論與實踐,2010,(10).

[2]張龍.宏觀經濟與用電量關系辨析[J].中國電力企業管理,2012,(8).

[3]夏森茂,陳逢文.電力消耗與經濟增長關系研究的文獻綜述[J].商業時代,2009,(12).

[4]林伯強.電力消費與中國經濟增長:基于生產函數的研究[J].管理世界,2003,(11).

[5]王建林,趙佳佳.能源消費和經濟增長的因果關系測度與分析——基于中國樣本[J].工業技術經濟,2008,(1).