能源消费影响因素分解方法的比较研究
在能源消费研究中经常要将其变化分解为各种因素,通过各种因素的影响程度来分析影响能源消费的变化原因.自20世纪70年代以来,已经发展了多种分解方法,这些方法的假设前提与算法都有较大差异.本文从能源消费变化量与能源强度两个角度介绍了各种分解算法,对其进行了对比,并运用中国制造业的相关数据比较了分解的结果.能源消费变化量的分解方法中,Shapley算法与M-E算法分解结果相同,但是Shapley算法按照各因素的贡献加权来计算各因素对能源消费量的影响,更适合多因素分解;Se-Hark Park算法与AWT-PDM算法能较好地体现经济结构对能源消费量的影响,但AWT-PDM算法由于权数的确定问题,使得该算法存在不能分解的剩余项.能源强度变化的分解方法分为乘法分解和加法分解两大类,乘法分解反映的是能源强度变化率,加法分解反映的是能源强度变化量.Fisher算法与LMDI算法均是对能源强度的完全分解,而Laspeyres算法与AMDI算法均存在剩余项;方法是对AMDI算法的改进.研究者在研究能源问题或环境问题时,应根据研究要求及所掌握的数据选择恰当的分解方法.
能源强度、因素分解、LMDI、方法比较
35
教育部新世纪优秀人才支持计划NCET-06-060890;陕西省重点学科西方经济学建设项目2008SZ09
2013-04-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
102-108