影响我国电力产量的因素分析 影响我国电力产量的因素分析随着我国经济的飞速发展和人民生活水平不断提高，用电大幅度增长，但是我国的电力供应却跟不上经济发展的速度，以至于近几年平平出现局部地区拉闸限电的现象造成这种现象的原因是多方面的，但总的来说可以概括为以下几点：我国主要是靠火力发电，火电占到全部电力产量的70％，所以火力发电对电力供应紧张有决定性的影响，但火电生产也受到诸多因素的限制1）价格纠纷造成局部电煤供应紧张，是造成中、西部地区电力供应紧张的原因之一2003年年初的全国煤炭定货会上，因价格谈不拢，1.5亿吨电煤合同没有著落，造成年初一些电厂煤炭储备不足或供应不能落实2）由于全国各地相继出台了关停小煤矿政策，加大煤炭安全生产管理力度，特别是近几年钢铁、建材、有色等高耗能行业的快速发展，煤炭需求量急剧上升，全国的煤炭供应形势骤然吃紧以上两点原因都是因为供需紧张引起的，因此可以归结为煤炭的产量不能满足需求3）运力不足是造成局部电荒的原因之一，我国的产煤区主要是陕西山西一带，所以其他地区要发电就必须从山西陕西一带运煤，煤炭主要是靠铁路运输而铁路运输运力不足导致了煤炭不能及时供应影响了发电。
二）在水电方面2003年是特枯水年来水特枯不仅使大中型水电发电力下降，还使得小水电减发，增加了对主网的供电压力三）电网结构仍显薄弱，局部地区输、配电“卡脖子”，城市配电设施超负荷，影响了电力优化配置和电力输送如江苏的过江输电通道能力不足，四川的成、德、绵地区变电设施在高峰时超负荷，广东东莞、深圳一带输电线路能力不足造成输电受阻，大区间电力交换仍十分有限等四）从需求方面看1）居民生活用电对电力负荷的影响较大，高峰用电负荷增长较快华中、川渝地区夏季制冷负荷一度达到电力负荷的1／3，华东达到28.7％，京津唐达到28.9％2）工业高耗电产业高速增长最近几年，电力消费增长的驱动力主要来自工业用电迅速增长1999－2002年间工业用电年均增长10.7％受市场、价格等因素的影响，一些地区高耗电行业发展较快，主要高耗电产品产量增长速度高于全国GDP增长速度五）电力建设投资不足本文就是要分析以上因素对电力产量的影响由于资料原因一些因素的数据无法获得，所以不得不舍弃一些因素或者用相关数据替换通过分析我国改革开放以来（1978-2002）的电力产量的历史资料，可以建立一个方程模型根据理论及对现实情况的认识，影响我国电力Y（亿千瓦时）的可能主要因素有：原油供给量（用原油产量代替）X（万吨），电煤产量X（用原煤产量代替）（万吨），电力方面的建设投资（用国有经济固定资产投资代替）X（亿元），铁路运输量X（万吨）。
数据详见表一表一obsYX1X2X3X419782566.00010405.006.180000668.7200110119.019792820.00010615.006.350000699.3600111893.019803006.00010595.006.200000746.9000111279.019813093.00010122.006.220000638.2100107673.019823277.00010212.006.660000805.9000113495.019833514.00010607.007.150000885.2600118784.019843770.00011461.007.8900001052.430124074.019854107.00012490.008.7200001523.510130709.019864495.00013069.008.9400001795.320135635.019874973.00013414.009.2800002101.690140653.019885452.00013705.009.8000002554.860144948.0***5848.00013764.0010.540002340.520151489.019906212.00013831.0010.800002534.000150681.019916775.00014099.0010.870003139.030152893.019927539.00014210.0011.160004473.760157627.019938395.00014524.0011.500006811.350162663.019949281.00014608.0012.400009355.350163093.0199510070.3015004.9513.6100010702.97165855.0199610813.1015733.3913.9700012185.79170915.0199711355.5316074.1413.7300013838.96172019.0199811923.3116036.0412.4900015369.30164082.0199912269.0816000.0010.4500015947.80167196.0200013042.0316300.009.98000016904.40178023.0200114627.9916395.9011.6100017607.00192580.0200215495.0317000.0013.9000018877.40204246.0从上表可以看出，随着我国原油，原煤，国有经济固定资产投资和铁路运输量的增长，电力的产量也在不断的增长，因此它们之间很可能存性相关关系。
设模型的函数形式为假设模型中误差满足古典假定，用Eviews软件进行回归，运用OLS估计，得到输出结果如图一Dependent Variable: YMethod: Least SquaresDate: 11/21/04Time: 20:09Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-4249.679620.0638-6.8536160.0000X1-0.2606390.101521-2.5673300.0184X2-90.6848446.62634-1.9449270.0660X30.3961370.01671723.697040.0000X40.0915990.00817511.205010.0000R-squared0.997527Mean dependent var7446.020Adjusted R-squared0.997033S.D. dependent var4163.273S.E. of regression226.7850Akaike info criterion13.86274Sum squared resid1028629.Schwarz criterion14.10651Log likelihood-168.2842F-statistic2017.053Durbin-Watson stat1.336282Prob(F-statistic)0.000000由F=2017.053>F(4,20)=2.87(显著性水平=0.05)，表明模型从整体上看电力产量与解释变量之间线形关系显著。
检验解释变量之间的简单相关系数结果如下由表可以看出高度线性相关同时的符号与经济意义相悖，而且T值不是很显著表明模型中解释变量确实存在多重共线性，需要修正运用OLS方法逐一求y对各个解释变量的回归经分析在四个一元回归模型中电力产量对的线性关系强，拟和程度好，即(242.5679) (0.02659)逐步回归得将其余解释变量逐一代入上式得如下几个模型(598.5574) (0.019844)(0.004777)将，的数据分别代入上式中，其结果不符合经济意义，故将它们舍去所以最后的估计模型为其OLS估计结果如图二Dependent Variable: YMethod: Least SquaresDate: 12/23/04Time: 20:52Sample: 1978 2002Included observations: 25VariableCoefficientStd. Errort-StatisticProb.C-4098.954482.8634-8.4888490.0000X30.3861250.01593724.228780.0000X40.0605080.00385215.708370.0000R-squared0.996876Mean dependent var7388.775Adjusted R-squared0.996592S.D. dependent var4048.670S.E. of regression236.3487Akaike info criterion13.88066Sum squared resid1228935.Schwarz criterion14.02692Log likelihood-170.5082F-statistic3510.273Durbin-Watson stat1.023948Prob(F-statistic)0.000000经过逐步回归法的到的方程比原方程效果好的多，消除了变量之间的严重共线性，同时使拟合优度提高，回归系数的估计标准差下降，提高了方程的精度。
异方差性的检验：为了判断模型中随机误差项是否存在异方差性，首先进行图形分析法的检验，由Eviews软件，得到残差平方E 分别与的散点图如下：可以看出，残差平方并未呈现出随解释变量的不同取值而发生规律变化，初步判断模型不存在异方差性在此基础上，对模型进行ARCH检验：ARCH Test:F-statistic1.577596Probability0.229524Obs*R-squared4.580227Probability0.205245Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/04Time: 21:55Sample(adjusted): 1981 2002Included observations: 22 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.C78697.8023978.223.2820540.0041RESID^2(-1)0.0406060.2381530.1705030.8665RESID^2(-2)-0.3789670.215325-1.7599780.0954RESID^2(-3)-0.2003870.237719-0.8429560.4103R-squared0.208192Mean dependent var51887.28Adjusted R-squared0.076224S.D. dependent var55175.82S.E. of regression53031.28Akaike info criterion24.75812Sum squared resid5.06E+10Schwarz criterion24.95649Log likelihood-26。