基于GRA-TOPSIS的經濟增長對能源依賴度評價與預測

沈夢涵 鄒昀東

[摘 要] 從能耗水平和結構效應兩個維度，構建經濟增長對能源依賴度評價指標體系。在此基礎上利用基于熵值權重的GRA-TOPSIS評價方法，對我國2001—2018年經濟增長對能源的依賴度進行了評價與分析，進一步采用BP神經網絡模型預測我國2019—2021年的能源依賴度發展趨勢。研究表明，考察期內經濟增長對非清潔能源的依賴度并不穩定，總體上呈先上升后波動性下滑的趨勢，預期未來會有所回升;經濟增長對清潔能源的依賴度指數經歷了小幅波動和逐漸上升兩個階段，預期2019年后會略微下滑。

[關鍵詞] 經濟增長;能源;依賴指數;評價指標

[中圖分類號] F062.1[文獻標識碼] A[文章編號] 1009-6043（2020）06-0133-03

一、引言

能源作為國民經濟一大生產要素，一直是社會經濟發展的重要支柱，也是衡量經濟可持續發展的重要指標。現如今，我國正處于城鎮化、現代化發展的重要歷史時期，能源不僅成為促進現代化農業、工業發展的最大動力，更是成為用以衡量居民生活水平和綜合國力的重要標準。正是由于我國經濟的發展過度依賴于煤炭等非清潔能源，我國成為世界上最大的溫室氣體排放國，能源供給缺口也日益擴大。出于有效控制環境污染、緩解能源壓力等方面的全盤考慮，近年來，政府開始扶持清潔能源產業的發展，不斷優化能源結構，促進經濟發展方式轉變。在此背景下，經濟與各類能源之間的依賴關系必然會發生一定程度的變化。為此，科學測度經濟增長與能源之間的關系成為了一項重大的研究課題。

本文從能耗水平和結構效應兩個維度出發，構建評價經濟增長與能源依賴關系的綜合指標體系，提出用“經濟增長對能源依賴度”作為評價經濟對能源依賴程度的綜合指標，并對這一指標的發展趨勢進行了詳細分析與預測。

二、評價指標體系構建

由于經濟增長對能源的依賴涉及因素眾多，當前學界并無詳細的評價準則，因此本文在現有認知條件下，從能耗水平和結構效應兩個維度對其進行分解。據此，本文以2001-2018年為研究時段，構建了包含1個目標層，2個分解層和6項反映能源與國民經濟緊密程度的宏觀經濟指標在內的三級能源依賴度評價指標體系。以下就各指標的計算與經濟含義進行說明。

（一）能耗水平

1.億元GDP能源消耗（I1）。反映能源對經濟發展的貢獻，是每創造一億元GDP（以2000年為基期平減）所需平均消耗的實際能源量。

I1 =某種能源消費量/GDP總量

2.能源消費彈性系數（I2）。反映能源運行狀況和經濟發展對能源消費的依賴度，即實際GDP每增長百分之一，對應的能源消費增長的百分比。

I2 =某種能源消費增速/GDP增速

3.能源生產彈性系數（I3）。反映經濟發展對能源生產的依賴度，即實際GDP每增長百分之一，對應的能源生產增長的百分比。

I3 =某種能源生產增速/GDP增速

（二）結構效應

1.能源消費結構（I4）。反映各種不同能源在能源消費體系中的地位，即某種能源消費占我國能源消費總量的比例。

I4 =某種能源消費量/能源消費總量

2.能源生產結構（I5）。反映各種不同能源在能源生產體系中的地位，即某種能源生產占我國能源生產總量的比例。

I5 =某種能源生產量/能源生產總量

3.能源貢獻率（I6）。反映某種能源對能源消費增長的貢獻率。

I6 =某種能源消費增量/能源消費總增量

其中，I1-I6均為正向指標，即隨著指標值的上升，經濟增長對能源的依賴度提升。

三、評價方法

（一）熵值法

本文采用熵值法計算不同指標的權重。假設經濟增長對能源依賴度有T={T1，T2，…，Tm}個評價年度，共包含I={I1，I2，…，In}個評價指標。具體計算過程如下：

1.對數據進行歸一化處理，以消除數據本身的規模效應。設初始樣本為X=（xij）m×n，i∈{1，2，…，m}，j∈{1，2，…，n}，歸一化后的指標數值記為yij。由于本文采用的指標均為正向指標，因此采用歸一化公式：

yij=（xij-mini（xij））/（maxi（xij）-mini（xij））

2.確定指標權重。具體賦權過程如下：

式中：pij表示第j項指標下第i個評價年度占該指標的比重，ej表示第j項指標的熵值，dj為信息熵冗余度，wj即為第j項指標的權重。權重越大，對應的指標對目標層的影響越強。

（二）GRA-TOPSIS評價模型

由于能源依賴度涉及因素眾多，其指標體系也具有較大的動態性，因此選用單一評價模型對能源依賴度進行評價有失準確。鑒于此，本文采用GRA-TOPSIS綜合評價模型，基于熵值權重對能源依賴度進行測度與評價。由于該種評價方法完全利用樣本數據的信息，不需要相對較為主觀的專家法進行賦權，同時結合了灰色關聯度分析和TOPSIS評價模型的優點，因此得出的評價結果相較于單一評價方法更為準確和合理。具體評價步驟如下：

其中，zij為加權規范決策矩陣，Z+和Z-為決策矩陣的正負理想解，d+和d-為評價年度與正負理想解的Euclid距離，R+和R-為評價年度與正負理想解的灰色關聯系數矩陣，ρ為分辨系數，一般取ρ≤0.5463時達到最優分辨率，本文取ρ為0.5。r+和r-為評價年度與正負理想解的灰色關聯度，對d+、d-、r+和r-分別進行歸一化處理得到無量綱化后的Euclid距離和灰色關聯度。S+和S-分別反映了評價年度與理想值的接近程度和遠離程度，α和β則是用于反映評價者對評價年度關注程度的系數，本文取α=β=0.5。C+即為各評價年度的灰色貼近度，也即經濟增長對能源的依賴度指數。灰色貼近度越大，代表該年度經濟增長對能源依賴度越高。

（三）BP神經網絡預測模型

BP（Back Propagation）神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，其基本思想是信息的正向傳輸和誤差的反向傳輸。在正向傳輸過程中，輸入的信息通過隱藏層激活函數進行計算并將結果傳輸到輸出層。若輸出層接收到的結果與目標輸出的差超過給定的誤差值，則按照原始路徑反向傳播誤差，修改神經元的權重和閾值。BP神經網絡模型就是通過如此重復傳輸信息與誤差，以不斷接近所需目標輸出，最終達到預測目的。

設輸入樣本為P={P1，P2，…，Pq}，與其對應的輸出樣本為C={C1，C2，…，Cq}，實際輸出為O={O1，O2，…，Oq}，則具體實現步驟如下：

1.對能源依賴度指數進行訓練集和測試集的劃分。確定各層神經元個數和層間連接權值Wij、Wjk，指定訓練目標最小誤差、訓練次數、學習率、神經元激活函數等參數。其中，隱藏層神經元個數根據經驗公式L=+c計算得出，a為輸入層閾值，b為輸出層閾值，c為1-10之間的整數。

2.計算隱藏層第j個神經元輸出結果：

Hj=f1（∑WijPi+lj），j=1，2，…，L

3.計算輸出層第k個神經元輸出結果：

Ok=f2（∑WjkHj-bk），k=1，2，…，b

4.計算期望輸出與實際輸出的誤差：

ek=Ek-Ok

5.返回誤差，對權值、閾值進行更新：

式中，θ為學習率。步驟5后判斷算法迭代是否結束，若未結束則返回步驟2重復運算。如此多次重復更新后即可對能源依賴度進行預測。

四、經濟增長對能源依賴度評價與預測

（一）評價結果及分析

為揭示經濟增長對各類能源的依賴情況，本文依據前文構建的評價指標體系，采用2001-2018年的時序數據，分別測度經濟增長對非清潔能源、清潔能源的依賴度指數。指數發展趨勢如圖1所示。其中，非清潔能源包括煤炭、石油、天然氣等不可再生能源，清潔能源為包括水能、核能、風能等在內的可再生能源。非清潔能源和清潔能源的具體數據來源于歷年《中國統計年鑒》，各類清潔能源數據則是依據歷年《中國能源統計年鑒》中不同清潔能源占清潔能源總量的比例進行劃分。由于國家能源局2010年開始公布風電產量和消費量數據，因此本文針對清潔能源依賴度指數的探討，僅從水能和核能兩個角度展開。

由圖1可知，自2001年以來，經濟增長對非清潔能源依賴度總體趨勢是先上升后波動性下滑的。其中2001-2003年依賴度呈現出較高的增長水平，是由于當時我國仍舊處于以煤炭等非清潔能源資源消耗為主的粗放型經濟發展模式，經濟增長對非清潔能源依賴度較高。2003-2004年依賴度短暫的維持峰值后開始呈現出下降態勢，期間在2008-2011年經歷了小幅回升，這是由于清潔能源處于發展初期，能源需求尚不穩定，因此發展較為波動。2012后又顯著下降，原因在于當時清潔能源發展勢頭正猛，經濟對非清潔能源的需求有所下滑。而2016年后，經濟增長對非清潔能源依賴度指數有小幅回升。

經濟增長對清潔能源依賴度的總體發展趨勢大致經歷了小幅波動和逐漸上升兩個階段。其中2001-2011年的變化趨勢并不明朗，這主要是由于清潔能源發展初期，經濟增長對清潔能源的需求尚不穩定，因此呈現出波動趨勢。2012年后依賴度指數一路攀升，是由于近年來國家出臺的各項清潔能源利好政策使得經濟對于清潔能源的需求逐漸增強。2016年依賴度到達峰值后又有所回落，但降幅并不明顯，相對于基期仍舊處于高位狀態。

清潔能源中，兩類能源依賴度總體均呈上升趨勢。其中經濟增長對水能依賴度的發展趨勢較為波動，大致經歷了一個逐步下降，階段性回升，短暫下降，逐步提升，后又回落的變化過程。而經濟增長對核能依賴度的發展在很長一段時間內較為穩定，2001-2004年經歷了先升后降的過程，在此后的十年間一直維持穩定狀態，2014年開始迅速上升，其后除2017年有短暫的回落外，其余年份均保持高位狀態。

（二）發展趨勢預測

為揭示未來經濟增長對能源依賴度指數的發展趨勢，本文基于BP神經網絡模型實現了未來三年清潔能源與非清潔能源依賴度的預測。運用MATLAB程序對前文構建的神經網絡進行訓練及預測，得到各評價年度的最終誤差及預測結果如圖2所示。由圖可知，除極個別年份的擬合誤差較大外，其余年份的擬合情況良好，說明該BP神經網絡模型具有較高的預測精度。預測結果顯示，經濟增長對非清潔能源依賴度的未來發展趨勢是逐漸回升，而清潔能源依賴度的未來發展趨勢是先有上升，2019年后略微下滑。

五、結論與討論

本文利用基于熵值權重的GRA-TOPSIS評價方法，對經濟增長對能源的依賴度進行了測度與分析，進一步采用BP神經網絡模型對依賴度進行預測。結果顯示，考察期內經濟增長對非清潔能源的依賴度總體上呈先上升后波動性下滑的趨勢，而清潔能源的依賴度則是經歷了小幅波動和逐漸上升兩個階段。

清潔能源發展初期，受到技術和資源的限制，我國對清潔能源利用不充分，經濟發展對清潔能源的需求也較小，導致了清潔能源依賴度一直處于較低水平，能源需求主要還是集中在非清潔能源方面。近年來，隨著我國相關能源發展戰略的陸續出臺，清潔能源發展加快，其能源依賴度有了顯著提升。而同一時期，由于國家進一步加大了節能減排力度，加快退出落后產能，使得非清潔能源的依賴度大幅降低。2016年后清潔能源依賴度有所回落，主要是由于清潔能源的消費增量占比能源消費總增量顯著下降，導致清潔能源的貢獻率大幅降低，但預期未來的清潔能源依賴度仍舊能維持在較高水平。相對的，非清潔能源貢獻率顯著提升，預測結果也表明未來的非清潔能源依賴度會逐漸回升。

本文研究結果表明我國以煤炭等非清潔能源消耗為主的粗放型經濟發展模式，近年來已得到一定程度的轉變，清潔能源逐漸成為經濟增長的一條命脈。但經濟發展方式仍未得到根本性變革，非清潔能源在能源消費和經濟增長中的地位依舊難以撼動，我國要實現經濟形態向綠色、低碳、環保方向發展的任務，仍舊任重而道遠。

[參考文獻]

[1]范亞宣.河北省能源消費與經濟發展關系研究[J].商業經濟，2020（1）：33-34.

[2]金殿臣，李媛.能源消費、經濟增長與產業發展的實證研究——基于中國1953年-2014年的數據分析[J].現代管理科學，2017（5）：55-57.

[3]孟望生.經濟增長方式轉變與能源消費強度差異的收斂性——基于中國2001-2016年省級面板數據[J].資源科學，2019，41（7）：1295-1305.

[4]汪瀟，汪發元.能源工業投資、能源消費對經濟增長的影響[J].統計與決策，2019，35（20）：133-136.

[5]徐斌，陳宇芳，沈小波.清潔能源發展、二氧化碳減排與區域經濟增長[J].經濟研究，2019，54（7）：188-202.

[6]胡軍峰，趙曉麗，歐陽超.北京市能源消費與經濟增長關系研究[J].統計研究，2011，28（3）：79-85.

[7]謝和平，劉虹，吳剛.我國GDP煤炭依賴指數概念的建立與評價分析[J].四川大學學報（哲學社會科學版），2012（5）：89-94.

[責任編輯：高萌]

[作者簡介]? 沈夢涵（1996-），女，浙江杭州人，碩士研究生，研究方向：經濟統計;鄒昀東（1996-），山東煙臺人，碩士研究生，研究方向：經濟統計。