基于STATA的山東省煤炭產量及其影響因素

周 梟,高康麗

[1.中共山東省委黨校(山東行政學院),濟南 250014;2.青島濱海學院,山東 青島 266555]

0 引言

目前,很多學者對煤炭的產量問題進行研究。房穎(2011)指出,我國對進口煤炭的需求量增加,進口煤炭量會對本土煤炭產量產生影響[1]。張欣(2016)通過研究我國煤炭行業的發展及影響因素發現,煤炭開采廢物量會影響煤炭產量[2]。宋曉震(2019)結合灰色預測模型所需樣本數量少及馬爾科夫模型能較好地處理波動性較大數據的優勢,預測了2019—2020年我國的煤炭產量[3]。陳春照(2021)通過建立VAR模型,預測突發狀態下的煤炭價格[4]。王俊賀(2021)認為,煤礦生產水平與國際油價呈負相關,大宗商品價格指數對國際煤炭價格波動的影響較大,會影響煤礦的煤炭產量[5]。孫超(2021)指出,“十四五”期間,我國煤炭產量及消費量仍處于穩步上升階段[6]。陳曉坡(2021)將二氧化硫、氮氧化合物、煙粉塵及揮發性有機物質排放量列為項目環評審查的前置要求,對企業實行清潔審查[7]。謝英儀(2022)認為,隨著碳達峰目標相關政策措施的深入落實,煤炭燃料消費結構將出現深刻改變[8]。張春暉(2022)指出,“雙碳”目標既給煤炭行業發展帶來了新的挑戰,又為煤炭行業摒棄產量超負荷增長的包袱和走清潔高效發展之路提供了機遇[9]。范楊奕(2022)指出,煤炭產業作為我國主體能源其生產發展的同時也伴隨著一定的環境問題,會間接影響煤炭產量[10]。

可見,影響煤炭產量的因素較多,其中采掘技術及行業管理水平對煤炭產量的影響較大,但難以對其數據進行統計分析。本研究主要從生產要素因素、供需影響因素及節能減排因素三方面選取具有代表性的指標,分析影響煤炭產量的因素(見表1)。

表1 影響煤炭產量的各項指標的意義Tab.1 Significance of influencing indicators of coal output

山東省是我國的產煤大省,為分析山東省煤炭產量及其影響因素,使用STATA統計分析軟件進行多元回歸分析。以山東省煤炭產量Y為因變量,從業人口X1、煤炭開采和洗選業法人單位數X2、外省調入煤炭量X3、煤炭消費量X4、出廠價格指數X5、天然氣使用量X6、固體廢棄物排放量X7作為自變量,對所有變量進行回歸分析,依次剔除不合格變量,得出擬合模型,再進行多重共線性分析和異方差分析,確定最終模型并進行結果分析。山東省的煤炭數據序列如表2所示。

表2 山東省煤炭產量相關原始數據Tab.2 Original data of coal output in Shandong Province

1 回歸分析

將數據進行標準化后,對全部變量及剔除后剩余變量進行回歸分析。

1)對全部變量進行回歸分析,結果如表3所示。

表3 全部變量回歸分析結果Tab.3 Regression results of all variables

因變量均值為10 800.17241,被解釋變量標準差為25 487 983.5,可決系數為0.9341,樣本數為16,返回F檢驗為16.21,Prob>F為0.0004

表3對8個變量進行了回歸分析,模型的返回F檢驗數為16.21,P(Prob>F)為0.0004,說明模型整體顯著。模型的可決系數(R-squared)為0.9341,模型修正的可決系數(AdjR-squared)為0.8765,說明模型的解釋能力一般,但由于模型中部分P遠大于0.05,且方差膨脹系數(VIF)遠大于10,具有完全的多重共線性,故此要依次剔除P>0.05的變量。剔除X1、X3、X4、X7變量后,再次進行回歸分析,結果如表4所示。

表4 剩余變量的回歸分析結果Tab.4 Regression results partial variables

表4對4個變量進行了回歸分析,模型的返回F檢驗數為24.04,P(Prob>F)為0.0000,說明模型整體上顯著。模型的可決系數(R-squared)為0.8473,模型修正的可決系數(AdjR-squared)為0.8120,說明模型的解釋能力顯著,但由于模型變量X2、X6的P>0.05,需對數據進行標準化處理,將X6平方化,繼續進行回歸分析,結果如表5所示。

表5 修正后的回歸分析結果Tab.5 Results of revised regression model

當只剩下X2、X5、X623個變量時,P遠小于0.05,說明模型的顯著性很高。此時擬合模型Y=3.899X2+24.0862X5-0.0464623X62+5475.444,模型的樣本可決系數為0.8680,說明模型的擬合效果較為理想,但模型的其他性質還有待進一步檢驗。

2)多重共線性檢驗。對修正后的模型進行多重共線性分析,檢驗結果如表6所示,VIF值均小于10,可以認為模型不具有多重共線性。

表6 多重共線性檢驗結果Tab.6 Results of multicollinearity test

3)異方差檢驗。STATA運行的模型異方差檢驗結果顯示,Prob>chi2=0.9397,P明顯大于0.05,不拒絕原假設,說明該模型是同方差的。

4)遺漏變量檢驗。模型的遺漏變量檢驗結果顯示,Prob>F=0.781,P>0.05,不拒絕原假設,故此認為并沒有遺漏變量。

2 研究結果及討論

2.1 生產要素的約束效應

山東省通過政策組織、政府支持、企業主導等形式對生產安全無保證、資源匱乏、賦存環境差、環境污染重、持續虧耗嚴重的五類煤炭礦井作退市處理,2016—2018年共退出產能2796萬噸[11]。2016—2019年,山東省退出各類煤礦85處,化解產能3839萬噸,產能30萬噸以下煤礦全部關閉退出,煤炭去產能成效明顯[12]。由擬合模型可知,X2的系數為3.899,說明每增加1個煤炭開采和洗選業法人,山東省的煤炭產量將增加3.899萬t。煤礦產業實體數量決定著原煤的產量,煤炭開采和洗選業法人數減少是近年山東省煤炭產量逐漸減少的主要因素之一。

2.2 價格因素的促進作用

價格因素具有多樣性,是影響煤炭產業發展不可或缺的因素之一,在生產中起著關鍵性作用。2017—2020年上半年,我國動力煤價格維持在500～600元/t。2021年,其價格持續上漲,突破2500元/t,隨后在多部門的調控下,煤炭價格開始平穩回落[13]。煤炭價格的合理區間須在充分考慮成本的基礎上,兼顧煤、電上下游利益,并與煤電市場化電價機制妥善銜接,以有效實現“上限保電、下限保煤”,煤炭價格能充分反映出市場供需變化,有利于充分發揮市場調節作用[13]。擬合模型的X5系數為24.0862,說明煤炭價格每上漲1個百分點,山東省的煤炭產量將增加24.086 2萬t。由于國際能源價格上漲,國內煤炭價格也隨之上漲,這提升了煤炭企業的生產積極性。

2.3 清潔能源的替代效應

通過該計量結果可以看出,煤炭開采和洗選業法人數、煤炭價格及天然氣使用量是影響山東省煤炭產量的主要因素,山東省各級政府可以通過出臺相關政策,調控煤炭產量。