碳達峰目標下我國煤炭消費量預測與分析

賈大任，王建民

(安徽理工大學 經濟與管理學院，安徽 淮南 232001)

煤炭資源在我國能源結構中占據著重要位置，雖然近年來煤炭資源在能源結構中的占比有所下降，但是依舊達到了57%左右(2020年)。隨著我國經濟從依靠資源消耗發展模式轉變為高質量發展模式，追求更少的資源消耗成為當今社會研究的課題。習近平總書記在第七十五屆聯合國大會一般性辯論中指出，我國力爭二氧化碳的排放在2030年前達到峰值，在2060年前實現碳中和，即實現碳達峰的目標和碳中和的愿景[1]。

在我國當前能源結構下，實現經濟增長需要一定的能源消費。煤炭能源的消費是碳排放的主要來源，增加煤炭能源消費勢必會造成碳排放的增長，這給我們同時追求經濟發展和碳減排的雙贏目標帶來挑戰。

實現碳達峰的目標和碳中和是我們的美好愿景，要實現這個愿景，減少能源的消耗尤其是煤炭能源的消耗是基礎和關鍵。但是，這并不意味著絕對不使用煤炭資源，在碳達峰戰略背景下如何控制煤炭消費量，實現碳達峰目標和經濟增長的雙贏發展是我們必須要面對的重要問題。

一、文獻綜述

國內許多學者都針對煤炭消費量的研究，如門東坡、王金力[2]等采用最優加權組合模型對煤炭消費結構進行預測，得出了我國未來煤炭消費總量會有小幅度增長的結論；王亞珍[3]等以煤炭消費的供給側和需求側兩方面為基礎構建模型，采用VAR模型以及Granger因果檢驗的方法，研究結果表明經濟發展和人均煤炭消費量之間存在著單向的Granger的因果關系；劉威[4]等人基于回歸分析、時間序列分析的方法，建立了多元回歸模型和時間序列模型以及神經網絡模型，對影響秦皇島市動力煤價格的主要因素及其影響程度進行了分析，并依據分析的結果對秦皇島市動力煤的價格進行了預測；李潤宸[5]利用了LSTM模型構造了煤炭消費量模型，對煤炭消費的時間序列變化規律進行了預測，以此來為參與者提供煤炭消費市場的借鑒；趙宇[6]利用多元回歸模型和灰色預測模型對江蘇省農業碳排放的動態變化進行了影響因素分析和趨勢預測，結果表明江蘇省的農業碳排放量呈先下降、再升高、再下降的趨勢，并預測了在2016—2030年間會呈現下降趨勢；冷建飛[7]等人利用多元回歸的分析方法，以民航客運量的實例證明了多元線性回歸方程回歸結果具有科學性；陳喆[8]采用VECM模型研究了煤炭消費與低碳經濟發展二者的因果關系，發現了低碳經濟的發展對煤炭消費的影響程度較為明顯。

綜上所述，許多學者使用多元線性回歸法對其研究主體的影響因素進行分析、對煤炭消費量進行預測。但是在現有研究中，使用多元線性回歸法對煤炭消費量進行研究的文獻不多。針對這種情況，以現有的文獻與研究為基礎，更進一步展開了研究分析：①在實現碳達峰目標背景下，采用多元線性回歸的分析方法，探討影響煤炭消費量的因素；②根據煤炭消費量的趨勢、影響因素，構造了我國煤炭消費量多元線性回歸預測模型，對實現碳達峰目標下的煤炭消費量進行動態全景式預測；③以2004—2017年的相關數據的分析作為預測基準，預測的結果將為煤炭消費控制戰略提供數據支持，并且能夠發現碳達峰目標對煤炭消費量、產業結構調整以及包括能源利用效率和產業技術進步在內的技術創新的影響，也能夠進一步化解經濟高質量發展和減少能源資源消費如何雙贏的困局。

基于此，以煤炭的消費量入手，綜合考慮現實狀況，分析影響煤炭消費量的主要因素。根據分析所得結論，總結進行煤炭消費量預測的啟示，目的是為能源消費調整、實現碳達峰的目標和碳中和的愿景打下堅實基礎。

二、研究設計

1.構建多元線性回歸模型

多元回歸分析將一組相關變量中的其中一個作為因變量，其他一個或多個變量作為自變量，從而建立起多個變量之間的線性、非線性數量關系模型，并使用樣本數據進行分析的統計分析方法。多元線性回歸模型在包括收入差距[9]、并網光伏發電[10]、環境領域[11]及地區用水需求量[12]等諸多領域進行過重要的分析預測，并以實踐證明了該模型具有科學性和實用性。

在針對實際問題的分析解決中，我們可以發現，通常影響一個變量Y的因素由許多個預測變量X構成。若由n個預測變量構成，則這些預測變量可以表示為Xn(n=1,2,3,…,n)，預測變量Xn與變量Y之間存在相關關系，即當預測變量Xn有一個定值時，那么變量Y便會有一個相應的值與之對應。所以，多元線性回歸模型可以表示為式(1)。

Y=C+β1X1+β2X2+β3X3+…+βnXn+α

(1)

在式(1)中，C表示常數項，α表示隨機誤差，β1、β2、β3…βn即回歸系數。在該多元線性回歸模型中，為了保證能夠達到所期望的預期效果，必須要使得所選擇的預測變量X對變量Y有明顯的相關性和顯著的影響，并且所選擇的預測變量之間也要呈現互斥性。經過對模型運行分析得到多元線性回歸方程后，要經過檢驗和修正的步驟，以此來保證其準確度和可信度。

2.數據來源

所用數據均摘取自國家統計局網站發布的年度數據，分別由指標欄目中的子欄目國民經濟核算、人口等選取相關數據。由于煤炭消費量暫只公布至2018年，所以選取數據年份為2004—2017年，多元線性回歸方程建立后，以2018年發布的相關數據為準進行模型的檢驗和修正[13]。

在選取的數據中，根據已建立模型的需要，將煤炭消費總量作為變量Y，其影響因素作為預測變量。其中，將國內生產總值記為X1、工業生產總值記為X2、全社會固定資產投資記為X3、城鎮人口數量記為X4、社會消費品零售總額記為X5，由此展開處理與分析。

三、數據處理與分析

1.數據處理

將原始數據上傳至SPSS軟件，選擇分析-回歸-線性，將煤炭消費量(Y)作為因變量，將國內生產總值等(X1,X2,…,Xn)記為自變量。根據研究分析需要，特做出以下選擇。

(1)因為要研究煤炭消費總量的影響因素，所以根據回歸方程性質，選擇步進的方法，軟件系統能夠根據事先設定好的F統計量的概率值進行自動篩選和過濾，最先進入回歸方程的自變量是與因變量相關性最大、貢獻最多的，根據進入順序依次遞減。

(2)在分析檢驗中需要選擇估算值、模型擬合、共線性診斷和個案診斷。在離群值中以默認的3倍標準差為準，此為異常值依據，也就是說當殘差超過3倍標準差的觀測時會被看做異常值處理。而之所以要選擇共線性診斷，是因為本模型中的預測變量有5個，若其中有2個或2個以上的預測變量之間存在線性相關關系，即會產生出多重共線性現象。

(3)在系統作圖中，我們通常以自變量作為X軸，用殘差作為Y軸。但是為了照顧完整的情況、不忽略特殊，所以以標準化預測值ZPRED作為X軸，分別用血生化剔除殘差SDRESID；以標準化殘差ZRESID作為Y軸，分別作為兩組繪圖變量，并且選擇作出直方圖，以便對導出的結果進行直觀分析。

(4)選擇庫克距離、平均值、單值和標準化。之所以選擇庫克距離，是為了以庫克距離的大小來判斷個案對回歸系數的影響。

2.運行結果及分析

在對上傳的數據和根據研究需要作出選擇后，運行SPSS軟件，會首先得到在構建模型時選取的5個預測變量中被輸入和被除去的變量，結果如表1所示。

表1 輸入/除去的變量a

如前所述，由于采用的是步進法，所以先進入模型的相關性最強且貢獻最大，后者次之。由表1可知，由先進入模型的城鎮人口數量建立的模型1，由后進入模型的社會消費品零售總額建立的模型2。根據相關性強弱和貢獻性大小我們可以知道，影響煤炭消費總量最關鍵的因素是城鎮人口數量，其次是社會消費品零售總額。

根據對煤炭消費總量影響程度的大小，進一步得到關于由城鎮人口數量和社會消費品零售總額構建的兩個模型的摘要，如表2所示。

表2 模型摘要c

從表2可以得知，在構建的兩個模型中，觀察R2即可知擬合優度。顯然，由社會消費品零售總額構建的模型2的R2為0.908，優于由城鎮人口數量構建的模型1。

在比較所構建的兩個模型的擬合優度后，進一步得到ANOVA表，以此來判斷因變量和自變量之間是否存在線性關系。ANOVA表如表3所示。

表3 ANOVAa

由表3中兩個模型的顯著性均為0的結果來看，因為0.00<0.01，即因自變量X的引入，得到的顯著性概率值小于0.01，所以很明顯的拒絕了總體回歸系數為0的原假設，也就是我們要研究的煤炭消費總量與城鎮人口數量和社會消費品零售總額之間存在著線性關系。

在判斷完成因變量和自變量之間的線性關系后，需要根據t檢驗值來判斷所構建的兩個模型中哪些因素被排除。結果如表4所示。

表4 排除的變量a

由表4已排除的變量表中可以得知，模型2中的國內生產總值X1、工業生產總值X2和全社會固定資產投資額X3的t檢驗值均大于0.05，無法引入線性回歸模型，所以予以排除。

根據被排除和被輸入的變量，可知對因變量產生影響的自變量因素。根據多元回歸模型，需要計算得出這些自變量的系數。結果如表5所示。

表5 構建的多元回歸預測模型系數a

由表5系數表中，模型2中各個因素的顯著性均小于0.05，所以我們可以得到多元線性回歸方程應該為：煤炭消費總量=-128.922+29.767×城鎮人口數量-2.325×社會消費品零售總額。

由共線性統計中，預測變量城鎮人口數量X4和社會消費品零售總額X5容差值一樣為0.011，且方差膨脹因子VIF值相等，為92.565，雖然VIF值遠大于我們通常依據的標準5和10，會出現共線性的可能性很大，但是由于意在預測煤炭消費量，而又由前文可知數據擬合性較好，所以即使存在多重共線性的可能，但是往往不影響預測結果。

在完成構建的多元回歸模型后畫出直方圖，根據直方圖結果來判斷多元回歸預測模型的有效性。結果如圖1所示。

圖1 多元回歸預測模型直方圖

由圖1可知，預測變量的殘差都符合正態分布，說明建立的煤炭消費量預測模型有合理性和準確性。

3.結果檢驗和驗證

根據以上針對數據作出的分析處理，得到了多選線性回歸方程如式(2)所示。

Y=29.767X4-2.325X5-128.922

(2)

將所選取數據代入式(2)進行驗證，得到的結果差別不大。再將國家統計局公布的2018年城鎮人口數量8.64億人和社會消費品零售總額37.78萬億元代入到式(1)中，可預測得出2018年煤炭消費總量為40.43萬噸，與國家統計局公布的2018年全國煤炭消費量39.75萬噸差別不大，所以該模型的準確度和可信度是成立的。因國家暫未公布2019年全國煤炭消費量，但是公布了2019的城鎮人口數量和社會消費品零售總額，由已構建出的多元回歸預測模型估計2019年的煤炭消費量Y=29.767×8.84-2.325×40.80-128.922≈39.36，也就是根據此預測模型，2019年的國家煤炭消費量約為39.36萬噸。

四、煤炭消費量的預測

由于煤炭消費總量出現波動，如2009—2017年煤炭消費總量并不是一直上升或下降趨勢，所以無法直接根據增長或減少的數量趨勢直接預測煤炭消費量。此時，觀察城鎮人口數量和社會消費品零售總額數據，可以發現二者數據均呈現一直上漲趨勢，所以根據二者增長的平均數估計在2030年即碳達峰目標實現時對應的數據。而2004—2017年間我國因基礎比較薄弱、各個產業具備巨大發展潛力，又得益于國家政策支持、人民群眾的艱苦奮斗，所以在此期間經濟發展飛速，城鎮化率快速上升，但是在2017—2030年期間，無論是GDP增速還是城鎮化的發展勢必因經濟向高質量發展出現放緩，所以根據實際情況和固有的發展，可以推算出在2030年時，我國城鎮化人口數量大約為10億人，社會消費品零售總額大約為58萬億元。根據預測模型，即煤炭消費量=29.767×城鎮人口數量-2.325×社會消費品零售總額-128.922，代入預測數據，可得2030年時我國的煤炭消費總量為33.898億噸。

由此對比不難看出，煤炭消費量不增反減，由煤炭消費造成的碳排放也已過了峰值。換而言之，碳達峰目標下放到煤炭消費總量的任務在2030年時根據預測是能夠完成的。

五、結論與啟示

1.結論

根據選取的5個影響煤炭消費量的因素，結合2004—2017年其對應的統計數據，進行了處理和分析，并建立了預測模型。從建立的預測模型觀察，城鎮人口數量和社會消費品零售總額對煤炭消費量有顯著的影響。其中，城鎮人口數量與煤炭消費量呈現正相關的關系，社會消費品零售總額與煤炭消費量呈現負相關關系。以模型為基礎進行實證，對2018年和2019年的國家煤炭消費量進行了檢驗和預測，發現誤差不大，在可接受范圍內，說明了模型據有可信度和準確度。再由已知數據進行推算后代入預測模型，發現在2030年前我國是可以實現碳排放達到峰值即碳達峰的目標的。

2.啟示

(1)保持經濟的適度持續增長。根據上文所做出的預測模型，不難發現經濟發展是促使城鎮人口數量和社會消費品零售總額上升的因素，所以要保持經濟發展的持續增長，要保證經濟發展的模式徹底由粗放式向高質量的方向轉變，這對煤炭消費量的控制相當必要。更加注重高質量的經濟增長模式會使煤炭的消費量出現下降。

(2)控制能源消費總量。要實現碳中和和碳達峰，現期內要保證煤炭消費的下降趨勢。因為煤炭消費總量的下降，會對二氧化碳的排放量的抑制有突出的貢獻效果。要保證經濟的發展，就不得不在一定程度上依賴能源的消耗，然而可以尋找煤炭的替代產品，以減少對其的依賴程度：如加大對風能、太陽能、水能、生物能、地熱能、海洋能等非化石能源的開發利用，努力提高使用效率[14]。

(3)切實提高煤炭清潔利用水平，大力減少散煤消費。在此方面黑龍江省已經提出通過大力削減農村地區、城中村、城市棚戶區及城鄉結合部散煤使用等方式來降低對散煤的消費，從而減少重污染天氣。其他省市地區可以借鑒其經驗。

(4)重視科學技術的發展水平。科技是第一生產力。從歷史發展的進程來看，科技進步不僅帶來了效率的提升，而且還有一定的對資源依賴程度的降低。

(5)推動技術創新水平的進步和產業結構的調整。技術創新水平的進步和產業結構的優化調整會對碳排放的強度起到明顯的抑制作用。技術創新要素作用于生產制造業會使生產制造效率得以提升，生產性服務業的附加值會得到提升,從而促使產業結構趨于高級化、合理化。

(6)更好地利用全國碳排放權交易市場。碳排放權交易市場的開市不僅僅意味著人民幣的國際化，更是承載了中國人民對綠色發展的美好中國的期待。在碳達峰和碳中和的目標牽引下，通過對煤炭消費總量的研究，勢必會使人與自然更加和諧相處。