我国电力消费与区域经济的关联模式

本文是一篇经济发展论文范文,关于经济发展类专升本毕业论文开题报告,关于我国电力消费与区域经济的关联模式相关函授毕业论文范文。适合经济发展及产业结构及区域经济方面的的大学硕士和本科毕业论文以及经济发展相关开题报告范文和职称论文写作参考文献资料下载。

内容摘 要：本文采用聚类分析、关联分析等数据挖掘技术,分析了1999～2009年我国30个地区的经济发展和电力消费数据,对各地区经济发展与电力消费的特征进行了有效识别和描述,并概括为10类典型特征,各地区所展现的经济发展与电力消费特征序列与我国区域经济发展格局及变化趋势的实际情况一致.本文通过关联分析所识别和提取的特征序列模式能够有效地反映历史变动状况和预测未来发展趋势.

关 键 词：经济发展电力消费聚类分析关联分析

相关文献综述

在我国经济结构转型、节能减排的背景下,研究各地区经济发展与电力消费的关联模式,可以更好的了解各地区的经济结构、发展阶段及电力消耗状况,从而可以准确把握区域经济发展与电力消费之间的关系,对经济、电力行业的协调发展以及相关政策的制定具有重要意义.

许多研究人员和学者对电力消费与经济增长相关关系进行了多个角度的研究,并形成了一系列的结论.相关的定量研究主要包括时序序列回归分析和面板数据分析两种方法.林伯强（2003）、朱天星等（2010）应用因果关系检验方法,得出了我国电力消费与经济增长之间存在长期的协整均衡关系、电力消费到GDP单向因果关系,而王海鹏等（2005）的研究则认为,我国电力消费与经济增长之间存在着双向的因果关系.

在区域经济发展与电力消费相关的研究方面,林卫斌、苏剑（2010）研究了我国2008年下半年以来发生的经济正增长而用电量负增长的特殊背离现象,并认为产业结构的变化是经济增长与电力消费不同步的重要因素,但是二者的背离程度无法从产业结构的变化得到完全的解释.潘雄锋、李良玉（2009）研究表明,我国电力消费强度下降的主要动力来自于各产业电力使用效率的提供,其中工业电力消费强度的下降是总体电力消费强度下降的主要原因,这一研究结论也体现了我国产业结构的变动趋势.张琳等（2008）应用面板单位根及协整检验对我国2001~2006年30个省市的数据进行分析,研究了电力消费与我国经济增长之间的关系,结果表明电力消费对我国经济增长具有显著的促进作用,但在不同地区以及不同年份,其促进作用存在一定的差异.

在上述研究中,对我国经济总量GDP与电力消费总量进行时间序列回归分析时,得出的研究结论存在单向因果关系、双向因果关系的差异.导致这一差异的原因,一方面是因为回归分析可选取的样本数据量过小,估计效果不够理想,另一方面是因为我国各地区的经济发展存在较大差异,各地区经济发展的水平、所处的发展阶段也不尽相同,同时在长期内,我国宏观政策的调整也对二者之间的关联关系产生影响.因此,从总量上研究二者的关系会导致一定的局限性.

当应用面板数据分析方法,研究区域经济发展与电力消费之间的关系,可以在一定程度上避免上述的局限性,但仍不能有效处理区域间经济发展的阶段差异、周期差异及宏观政策变化等因素,影响了分析结果的准确性,不能较好的解释二者的关联关系.SqualliJ（2007）对OPEC的11个成员国的电力消费和经济增长的关系进行了研究,在得出二者类似的关联关系和因果关系的基础上,该研究指出应按各国的政策环境和经济特质分别进行研究,而不是盲目地进行统一的分析.我国各地区的基础设施、资源禀赋不同,相应的经济发展阶段和周期也各不相同,张珍花、刘安琪（2011）通过研究指出了泛珠江三角洲九省区间的经济发展水平存在一定的差距,白雪梅、赵峰（2011）采用面板数据空间计量模型,研究结论指出1997-2008年间我国省区经济差距呈先扩大后缩小的趋势,地区间的差异主要源于东部地区内部的差异及东、中、西三大地区之间的差异.因此,在进行相关研究时,应考虑我国各地区的自身经济发展特点.

方法设计与指标选取

(一)方法设计

数据挖掘是对大量的数据进行探索和分析,以便发现有意义的模式和规则的过程.聚类分析和关联分析是数据挖掘的重要功能,分析时不需要传统计量分析模型所依赖的各种假设,对复杂、多样化的样本数据有较高的适应能力.本文将分二个步骤综合应用数据挖掘的聚类分析功能和关联分析功能,设计本研究的数据分析方法.应用聚类分析识别经济增长与电力消费的基本特征.聚类分析是一种非监督的模式发现方法,不需要任何先验知识,只是按照某种相似性的度量,将样本数据划为多个分组,每一组表示一个类.并要求同一个类中样本之间具有较高的相似度,而不同类中样本间的差异较大,即相似的样本划为一类,不相似的样本划分到不同的类中.聚类分析结果中的每一类代表了一种模式.

本文假设各地区的经济发展与电力消费的状况在每年均表现为某一个具体特征；一个地区可逐年表现为相同或不同特征,也可间隔、反复出现同一特征；不同地区在同一年内可表现为多种不同的特征.由此,在全国范围内,每一地区可按时间先后顺序呈现出其特有经济发展规律的特征序列模式；地区间的特征序列在时间上可能会出现重叠或滞后,这也更符合我国区域经济发展的实际情况.

各地区每一年的经济发展与电力消费状况均作为一个样本,若有m个地区,时间期限为n年,则可由m×n个样本构成聚类分析的数据集.然后,通过聚类分析,划分为若干类,每一类就代表了一种具体的经济发展与电力消费状况的典型特征.

应用关联分析发现特征的序列周期性.关联分析是寻找在同一个事件中出现的不同项的相关性,是为了挖掘出隐藏在数据间的关联规则.比如在购物篮应用中,应用关联分析获得顾客在一次购买活动中所买不同商品的相关性.如果同一事件中各个项的出现在时间上具有先后关系,则称为时序关联分析.

根据步骤1识别的基本特征,可以得到各个地区在n年内按年表现的经济发展与电力消费状况特征序列.有m个地区,则对应m个特征序列.每一个序列表示一个事件,序列中的一个特征表示一个项.应用时序关联分析可以发现具有强时序相关性的特征序列,这些特征序列就表示了各地区在经济发展过程中所蕴涵的经济发展与电力消费状况的变动规律和趋势.根据相应的变动规律和趋势,可以掌握区域经济发展与电力消费的综体状况,也可以预测某地区未来的变化趋向.

(二)指标选取

根据本文的研究目标,指标变量应涉及区域经济发展水平、经济结构、电力消费等方面,综合相关研究文献所使用的指标,本文选取人均GDP、第一产业GDP占比、单位GDP电耗共三个指标,由于电力消费水平与地区的济发展水平、经济结构密切相关,因此本文主要围绕GDP设计相关指标.人均GDP反映了地区的经济发展水平及所处的阶段,我国各地区的经济发展过程中,该指标表现为由低到高的变化规律；第一产业GDP占比指标体现了经济结构状况,通过这一指标的变动可以反映产业结构的变化情况,在地区经济发展由不发达到发达的变化过程中,该指标一般表现为由高到低的变化趋势；单位GDP电耗可以从总体上反映了GDP产出的用电效率,该指标可以直接体现节能减排、产业结构转型政策在近几年的实施效果,该指标的高低也能够从侧面反应地区经济发展的水平及所处阶段.

关联模式分析

本文选取了1999～2009年连续11年的相关数据,其中我国各地区的GDP、第一产业GDP等数据来源于“国研网区域经济数据库”,各地区各年的电力消费数据来源于“中宏产业数据库”.

由于西藏地区的电力消费数据缺失,因此在样本中剔除该地区,保留了我国其它所有的省及直辖市,共30个地区.其中,海南省1999年的GDP数据不完整,只保留该省2000～2009年数据,其它地区数据区间仍为1999～2009年,由此导致的数据区间不一致,对本文所采用的分析方法不会产生影响.关联模式分析中使用的指标数据包括人均GDP（eGDP）、第一产业GDP占比（wiGDP）、单位GDP电耗（eleGDP）,这三个指标全部可以由上面的数据计算得到.

（二）聚类分析识别典型特征

样本数据集包含30个地区、11年的329个样（除海南省1999年的样本数据）,应用SAS企业数据挖掘平台进行聚类分析,并采用最小二乘法聚类准则,自动分为10类,每类包含的样本数、地区数、年限数如表1所示.根据SAS聚类分析结果,三个变量eGDP、wiGDP和eleGDP在聚类分析中的贡献度（Importance）分别为0.784、1.00和0.756,表明变量选取合理,聚类结果理想.

表1显示出11年间31个地区的经济发展与电力消费状况可以划分为10类,每一类代表了一种特征.其中1、2、5、6、10等五类包含的样本数较多（不少于26个样本）,每一类所涵盖的地区也比较多（不少于6地区）,并分布到各个年份中（均为11个年份）,3、4、7、8、9等五类包含的样本数较少（最大为14个样本）,涵盖的地区比较少(最多为3个地区),也只包含部分年限.

表2详细列出了各地区各年度在经济发展与电力消费方面所属的类别特征.如1999年共29个地区（不含海南）总体表现为9个特征,特征9在本年度中未出现；2009年30个地区表现为7个特征,特征3、7、8未出现.从表中可以看出,在同一时间截面上,各地区经济发展与电力消费的特征呈现多样性.

同时,根据表2的数据按时间序列进行分析,自1999～2009年间,北京、上海、天津三地区先后经历了6、2、9三个特征阶段.尽管在同步性上不完全一致,但阶段先后和特征趋向是相近的,这说明了三个直辖市在发展过程中既有其区域发展的个性特点,也具有发展进程及阶段的共性.同理,宁夏、青海、山西表现为相近的模式；甘肃、贵州也相似.海南地区较最为特殊,前9年的特征均为8,该特征也是海南独有的,其它地区未出现过此特征,到了最后一年表现为5,这一结果体现了海南在区域经济发展与电力消费关联方面的特殊性.黑龙江地区在研究期内其特征保持不变,其特征始终为1,表现出其经济发展与电力消费状况的稳定性.

根据以上分析,可以确定聚类结果较好的解释和呈现了我国各地区在区域经济发展与电力消费方面的基本特征,也体现了地区间经济发展不平衡、某些地区滞后的特点.

(三)关联分析发现特征序列模式

根据表2所列出的各地区特征变化序列,文本将采用关联分析方法继续研究其中蕴含的序列模式.表2中一个地区（一行）表示关联分析的一个事件,所有事件包含的项种类只有10类,即特征1～特征10.每一事件是由多个项按时间先后组成的特征序列.

根据SAS时序关联分析的数据要求,需要把表2的数据重新整理,一个样本表示一个地区某一年度的特征值,分别用area、year、class表示地区、年度、特征值,样本数为329.在进行时序关联分析时,area设置为id变量,year设置为sequence变量,class设置为target变量.

关联分析的部分结果如表3所示.为了简略,表3只列出了支持度大于30%的关联规则.例如,关联规则“5等于等于>1”拥有36.67%

本文是一篇经济发展论文范文,关于经济发展类专升本毕业论文开题报告,关于我国电力消费与区域经济的关联模式相关函授毕业论文范文。适合经济发展及产业结构及区域经济方面的的大学硕士和本科毕业论文以及经济发展相关开题报告范文和职称论文写作参考文献资料下载。

由于关联分析实验的数据量较小（共30地区表示事件、10个特征表示事项）,同时各地区特征序列中连续重复出现相同特征的情形比较多（详见表2）,在研究期间内,有1个地区（黑龙江）的特征序列仅由1种特征（特征1）组成,22个地区的特征序列由2种特征组成,6个地区的特征序列由3种特征组成,1个地区（内蒙古）的特征序列由5种特征组成,各地区在时序上没有形成明显的阶段变化特点.由于这两个方面的原因,导致关联分析无法发现更长的关联规则链.因此,本文进一步应用SAS挖掘分析平台的链接分析工具,对各地区的特征序列进行分析,试图对潜在的变化规律进行更加全面的识别和展现.图1显示了链接分析建立的有向链接路径.图中10个结点表示了10种特征,边及边的方向表示了两个特征的先后关联顺序,边的粗细表示了链接次数的多少.表4具体列出了前、后结点及链接次数.

根据图1和表4,可以得到5→1→6→2→9或5→1→2→9等链接路径,并作为我国区域经济发展与电力消费的部分关联模式,用于判断和预测某些地区未来可能的变动趋势.例如,参照这一链接路径和表2显示的特征序列,则可以预测河南、湖南、吉林、江西、四川等地区在未来的几年内存在向特征6变化的可能.

结论

区域经济发展已经成为拉动我国经济社会发展的动力引擎.特别是实施西部大开发战略以来,西部地区生产总值年增长率明显高于大开发前,与全国和东部地区增长幅度之间的差距,亦呈收敛态势.在这一发展过程中,各地区也纷纷呈现出与地区实际相匹配的经济发展历程.

由于地区差异及发展战略重心不同,各区域在横向上表现为不同的经济发展形态及特征,具体表现为产业结构不同、经济增长与电力消费水平不同；在纵向上又表现为区域经济自身发展历程的趋同性,从第一、二产业到第三产业的比重逐步加大,随着经济规模的增长,电力消费水平也逐步提高.因此研究我国各地区经济发展与电力消费在发展过程中表现的阶段性,以及按时间先后形成的前后阶段关联模式,可以更好的了解各地区的经济结构、发展阶段及电力消耗状况,近而更好的把握和预测区域经济的发展趋势及电力消费水平,对促进我国经济结构转型、加强电力行业的协调发展以及完善和制定相关政策具有重要意义.

本文首先搜集了包含我国30个省、市行政地区1999～2009年连续11年的329个样本数据（除海南省1999年的样本数据；由于西藏地区的电力消费数据缺失,样本中不包含西藏地区）,这些样本包含了30个地区、11个年份的人均GDP、第一产业GDP占比、单位GDP电力消耗等指标数据.其次,应用SAS企业数据挖掘平台进行聚类分析,采用最小二乘法聚类准则,按10类进行归类识别,把各地区、各年份的经济发展状态划分为10类,三个指标变量均达到了较高的聚类贡献度,说明聚类结果较好地识别了各地区、各年份的经济发展特征；聚类分析的实际结果也显示出,在同一时间截面上,各地区的经济发展与电力消费的特征呈现出多样性,符合论文分析的基本假设.再次,应用关联分析方法研究了各区域经济发展过程中蕴含的序列模式,选择地区、年度、经济发展阶段的特征值作为分析变量,建立329个样本,应用时序关联分析建立了关联规则,确定地区经济的前后阶段关联情形,并在此基础上进一步应用SAS挖掘分析平台的链接分析工具,对各地区的特征序列进行衔接,建立了地区经济发展阶段的有向链接图,使各地区经济发展阶段的变化规律得到更加全面的识别和展现,从总体上揭示了我国东、中、西部各区域的经济发展格局及变化趋势.