信息化对能源效率的影响——基于北京市的实证研究.doc

信息化对能源效率的影响基于北京市的实证研究2011年第21期sci.锄d一r躺hdoi:10.3969/j.issn.10007695.2011.21.046信息化对能源效率的影响基于北京市的实证研究潘国刚,贾江涛(中国石油大学(华东)经济管理学院,山东青岛266555)摘要:选择信息量,信息装备水平及通信主体水平三个指标对信息化进行刻画,以北京市为例,对信息化与能源效率的相关性进行实证研究.研究证实信息化与能源效率存在明显的正相关性,企业信息化及国民经济信息化水平越高,越有利于能源效率的提升.关键词:信息化;能源效率;相关性中图分类号:f832.29;f206文献标识码:a文章编号:10007695(2011)21018603analysisoninformationimpactonenergyefficiencybasedonempiricalstudiesinbeijingpanguogang,jiajiangtao(schoolofeconomy&management,chinauniversityofpetroleum,qingdao266555,china)abstract:thispaperselectedinformationcontent,levelofinformationequipmentandusers.and,takingbeijingasanexample,itmadeallempiricalstudyontherelationshipbetweeninfomationizationandenergyefficiency.thestudycon-firmedthatthereexistedapositivecorrelationbetweeninfomationizationandenergyefficiency.andthehigherinfomation-izationlevelofenterpriseandnationaleconomywillmakemoreconducivetoimproveenergy.keywords:infomationization;energyefficiency;correlation1引言能源是人类社会发展的物质基础,是实现区域经济发展及国家安全的重要保障.改革开放以来,中国经济一直保持高速增长,经济建设取得举世瞩目的成就,但由于粗放型的经济增长方式,高能耗产业所占比重高居不下,能源需求量日益攀升,而我国能源资源相对缺乏,能源需求对外依存度较高且呈快速上升趋势,因此,如何以能源效率为突破口,提高能源配置效率和利用效率成为解决我国能源供需矛盾的关键.改革开放以来,我国能源效率有了较大提升,关于中国能源效率变化的动因成为国内外学者研究的热点.以往的研究主要以产业结构,能源消费结构,科技进步,能源价格,市场化程度等因素与能源效率之间的关系为切入点,寻求能源效率变动的主要影响因素,得出了许多有益的结论.但对于信息化与能源效率的研究甚少.2l世纪是一个信息化时代,人民生活,经济发展,社会进步都与信息化息息相关.(<20062020年国家信息化发展战略提出:利用信息技术改造和提升传统产业.促进信息技术在能源,交通运输,冶金,机械和化工等行业的普及应用,推进设计研发信息化,生产装备数字化,生产过程智能化和经营管理收稿日期:20110311.修回日期:20110620网络化.充分运用信息技术推动高能耗,高物耗和高污染行业的改造.由此可见,信息化对能源效率的提升有着不可忽视的作用.北京市作为全国的政治,交通,文化中心,在国家的社会经济发展中具有极为重要的战略地位,其信息化水平及能源利用效率又居于全国前列,因此,研究北京市信息化与能源效率问题对北京市制定节能政策,实现信息化节能及低能耗可持续发展意义重大.2相关文献综述目前关于信息化与能源效率问题的研究很少.魏楚(2010)对地区能源效率差异进行影响因素分析时引入了信息化作为解释变量,认为信息化对企业业务流程改善,资源配置效率及劳动生产率的提升有着极为重要的作用.宣能啸(2004)认为较低的信息化水平是造成能源管理,利用过程中无效低效的主要原因【2j.其他学者也认为,以信息化带动工业化战略,有利于向低能耗的新型工业化阶段过渡,并由此提高工业用能效率,进而实现信息化节能l4j.同时,信息资源本身也具有生产要素的性质,并且在一定程度上可以代替各种能源,实物等要素投入,从而实现能源节约,提高能源效率j.可以看出,以往的研究主要以定性研究为主,潘国刚等:信息化对能源效率的影响基于北京市的实证研究187实证研究缺乏.魏楚虽然在研究中引入了信息化作为能源效率的一个解释变量,但单纯以移动电话用户数占地区人口比重这一简单的指标来诠释信息化程度说服力不够,信息化涉及信息量,信息装备水平及通信主体水平等多方面的因素,而移动电话用户数只是信息装备水平在某种程度上的体现.可见,寻求可以全面,合理的反映信息化指标,并以此为基础对信息化与能源效率的关系进行实证研究具有一定的创新性和必要性.3实证分析3.1变量选择与数据说明3.1.1能源效率(energyefficiency)简写为ee.对于能源效率的测度指标及测度方法有很多.主要有能源宏观效率,能源实物效率,能源物理效率,能源价值效率,能源要素利用效率,能源要素配置效率及能源经济效率.目前能源宏观效率应用最为普遍,即单位能耗的gdp产出,本文也采用该指标测度能源效率.相应数据来自1980年2o08年北京市统计年鉴.3.1.2信息化水平(infomationization)简写为inf.信息化的类型可以分为产品信息化,企业信息化,产业信息化,国民经济信息化及社会生活信息化.考虑到数据的可获取性,本文主要参考了国民经济信息化评价体系.对于国民经济信息化测度理论与方法,目前国际上比较认可的有三种日本信息化指数模型,国际电联指标体系法及国际数据公司法.其中,以日本信息化指数模型最为科学合理,其侧重于社会信息活动相关方面,能够进行横向纵向比较,很好的反应的信息化发展进程,并且数据的获取相对容易.本文参考该模型选取了信息量(amountofinformation),信息装备水平(level0finformationequipment)及通信主体水平(levelofinformationusers)三个指标对信息化进行诠释.信息量反映了地区整体通信规模,是地区信息化最为直接的表现,文本以邮电业务总量(亿元)来衡量;信息装备水平体现了地区通信设施水平,是地区信息化发展的基础和实物表现,本文以每百人彩色电视机拥有量(台/百人)来刻画该指标;通信主体水平反映了地区通讯主体的整体素质水平,直接或间接对地区信息化产生影响,本文以在校大学生人数(万人)来代替.相应数据来自1980年一2008年北京市统计年鉴.为了减少数据的异方差性,对数据进行取对数处理.3.2模型设定及计量模型结果分析对于时间序列的估计方法以最dx-乘估计方程最为普遍,本文采用多元线性最dx-乘估计模型对上述变量进行参数估计.估计方程如下:lnee=c(1)+c(2)术lnai+c(3)lnle+c(4)半lnlu(1)其中变量lnee,lnai,lnle,lnlu分别为能源效率,信息量,信息装备水平及通信主体水平.表i各变量的统计性描述lneelnailelnlumean1.0768333.7191614.4295403.004366medianl_085l893.7347465.1750192.863360maximum0.4942966.6856305.6570404.052896minimum一2.618125l_10o1840.4700042.1l6641std.dev.1.0355221.8721641.68870.622395skewness一0.0074420.0493431.5253810.479638kttrtosis1.5773491.5350883.847o651.926166注:为了减弱模型中数据的异方差性,对各变量取对数进行估计.表2模型回归分析结果lnee=3.4281+0.48346十lnai+0.0406$ule+o.1243ul1ut=一34.4625.334.642.401从回归结果可以看出,可决系数r2为0.9981,调整后为0.9979,说明方程的拟合度很好,c,lnai,lnle均在1%的显着水平下通过了检验,lnlu在5%的显着水平下通过了检验,f统计量为4497.126通过检验,dw统计量为1.14,残差序列可能存在序列相关,对其进行lm检验(p=2),检验结果如下:表3lm检验结果fstatistic8.232878prob.f(2,23)0.002obsrsquared12.09927prob.chisquare(2)0.0024lm统计量显示,拒绝原假设,说明方程残差序列存在相关性,因此回归方程的估计结果不再有效,必须采取相应的方程修正残差的自相关性.本文采用ar(p)模型对回归方程残差序列的自相关性进行修正.模型如下:lnee=c(1)+c(2)宰lnai+c(3)水lnlei+c(4)lnlu+ar(3)=c(5)(2)估计结果如下:lnee=一3.39+o.49?lnai+o.04lnle+o.iilnlu+aa(3):一o.6756t=一55.9343.565.783.95从修正结果可以看出,可决系数r2为0.9987,调整后为0.9984,说明方程的拟合度很好,c,lnai,lnle,lnlu均在1%的显着水平下通过了检验,f统计量为4497.126通过检验.再次对方程的残差序列进行lm检验(p=2),表5lm检验结果fstatistic1.492734prob.f(2,19)0.25obsrsquared3.530613prob.chisqila(2)0.1711检验结果不能再拒绝原假设,说明修正后回归方程的残差序列不存在自相关性.从修正后回归方程结果可以看出,信息量,信息装备水平及通信主体水平与能源效率存在明显的正向相关关系,说明信息量越大,信息装备水平及通信主体水平越高能188潘国刚等:信息化对能源效率的影响基于北京市的实证研究源效率越高,即信息化水平越高,能源效率越高.3.3基于状态空间模型的变参数分析上述研究通过信息量,信息装备水平及通信主体水平来刻画信息化水平,在此基础上探究了信息化对能源效率的影响.但这种基于多元化回归分析基础上的研究方法只能证实这种影响的存在性,方向性及程度大小问题,但无法体现出这种影响的动态性特征.而随着经济的发展,科技的进步及生产,生活对信息化依赖程度的提高,信息化水平必将呈现出在变化中增长的趋势.因此,其对能源效率的影响也应该是一个动态的过程.为了探究信息化对能源效率的动态影响特征,本文采用状态空间模型分析方法对此展开进一步研究.状态空间模型被用来估计不可观测的时间变量及不可观测因素.该方法一方面可以将不可观测变量纳入可观测变量一起得到估计结果;另一方面该方法采用强有力的卡尔曼滤波算法进行估计,估计结果可信度高.本文构建模型如下:lneet=c+ol,f+:i=lnle+%上吧(1)f=1olf一1+叩1t,=2j8一1+772,y=3,一1+叼3(2)方程(1)和方程组(2)被称为状态空间模型.状态空间模型是动态模型的一般形式,由一组观察方程和状态方程构成.对于经典的线性回归模型及arima模型也可以根据需要写成状态空间模型的形式.其中方程(1)是测量方程(或称信号方程),刻画了各要素与能源效率之间的关系.其中参数仅,p,为状态变量,分别表示各个时点能源效率对各要素的敏感程度(或称弹性系数),c为常数.方程组(2)是状态方程(或称转移方程),它诠释了状态变量的生成过程,仪,p,虽然均为不可观测变量,但可以表示为一阶马尔科夫过程,本文对状态方程采用递推形式进行定义.u为扰动项,服从均值为0,方差为常数的正态分布.估计结果如下:lnee=一2.607+0.478:l:,l+0.052加+0.095l.+u图1状态空间模型分析结果图1为时变参数估计结果.从影响程度来看,信息量对能源效率的影响最为明显.弹性系数在0.5%左右.同时,信息量对能源效率的影响在时间上呈现出了较为显着的变化.上世纪80年代末90年代初出现了一个高峰期,之后一直维持在0.5%水平,说明自上世纪90年代开始,信息量的增加对能源效率提升具有长期稳定的推动作用.相比之下,信息装备水平及通信主体水平对能源效率的影响相对较弱,且十分稳定.尤其是信息装备水平对能源效率的影响,一直维持在0.1%的水平.4结论首先,本文采用最小二乘估计法及ar(p)修正模型探究了信息化与能源效率之间的相关关系,研究发现信息化水平的提升对我国能源效率的提升具有较为明显的正向影响.一方面,企业可以通过信息技术提高管理水平及监控水平,实现企业能源和其他资源管理的数字化,企业经营数字化和管理数字化,以此提升能源配置效率;另一方面,通过信息技术对传统生产设备进行技术改造,利用高能效设备取代低能耗设备,并且通过信息技术改造传统产品,提高传统产品质量,逐步使传统资源密集型产品变成高技术集约的新型产品,实现产品设计数字化,生产过程数字化,以此提高能源的利用效率.最后,本文利用状态空间模型探究了信息量,信息装备水平及通信主体水平对能源效率的影响在时间上存在的差异性问题.研究发现,信息量对能源效率的影响在时间上呈现出了较为显着的变化,但自上世纪90年代开始,信息量的增加对能源效率提升具有长期稳定的推动作用.相比之下,信息装备水平及通信主体水平对能源效率的影响相对较弱,且十分稳定.参考文献