武蘭玉

（1.臨沂大學(xué) 商學(xué)院，山東 臨沂276005；2.南京航空航天大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 南京 211106）

電力消費(fèi)是目前中國最主要的能源消費(fèi)種類之一，它對(duì)經(jīng)濟(jì)發(fā)展具有重要影響。我國電力消費(fèi)量2000年為1.35萬億千瓦時(shí)，到2017年達(dá)到6.48萬億千瓦時(shí)，年均增速超過9.6%。電力消費(fèi)的快速增長促進(jìn)了經(jīng)濟(jì)的持續(xù)高速發(fā)展，但是中國30個(gè)省、市、自治區(qū)的電力消費(fèi)效率有較大差異。因此對(duì)全國30個(gè)省、市、自治區(qū)的電力消費(fèi)效率進(jìn)行研究，識(shí)別和量化電力消費(fèi)的影響因素，并對(duì)30個(gè)省、市、自治區(qū)的電力消費(fèi)效率高低進(jìn)行排序具有重要意義。

1 文獻(xiàn)回顧

1989年日本學(xué)者Kaya提出了經(jīng)典的KAYA恒等式[1]，這一恒等式建立了關(guān)于經(jīng)濟(jì)、人口、能源消費(fèi)和碳排放的經(jīng)典框架。在研究能源消費(fèi)和碳排放問題時(shí)，多數(shù)以KAYA恒等式為基礎(chǔ)，使用指數(shù)分解法（IDA）和結(jié)構(gòu)分解法（SDA）進(jìn)行分析。其中，Ang and Zhang(2000)[2]對(duì)IDA方法進(jìn)行了詳細(xì)介紹，Ang(2004)[3]介紹了IDA的幾種算法，Xu and Ang(2013)[4]對(duì)IDA方法進(jìn)行了詳細(xì)評(píng)述，Ang(2015)[5]概述了2005年至2014年期間的IDA方法。在這些文獻(xiàn)中，IDA通常用經(jīng)濟(jì)效應(yīng)、結(jié)構(gòu)效應(yīng)和能源強(qiáng)度等指標(biāo)來分析一個(gè)國家的能源消費(fèi)情況。Su and Ang(2012)[6]對(duì)SDA方法進(jìn)行了詳細(xì)評(píng)述并對(duì)IDA和SDA方法進(jìn)行了比較。SDA方法是建立在投入—產(chǎn)出模型上來分析直接和間接效應(yīng)，對(duì)數(shù)據(jù)要求較高；IDA對(duì)數(shù)據(jù)要求較低，應(yīng)用比較靈活（Wang等，2018）[7]。

在各類IDA分解的計(jì)算方法中，LMDI具有獨(dú)特優(yōu)勢(shì)（Ang2005）[8]：首先，能完美分解，結(jié)果不包含無法解釋的殘差項(xiàng)，可簡化結(jié)果解釋；其次，乘法分解結(jié)果可以通過取對(duì)數(shù)獲得加法特性，乘法分解與加法分解結(jié)果很容易聯(lián)系起來；再次，分解結(jié)果可以構(gòu)成一個(gè)整體，子區(qū)域進(jìn)行匯總可以分析整個(gè)區(qū)域的影響。因此，LMDI方法非常適合做能源消費(fèi)和碳排放等方面的分解分析。

LMDI指數(shù)分解法可分為兩類：一類是將能源消費(fèi)或者碳排放的影響因素按照時(shí)間進(jìn)行指數(shù)分解，用來研究同一地區(qū)不同年份各影響因素的累積效應(yīng)，如Zha D（2009）[9]、Karmellos M（2016）[10]、Reuter M（2017）[11]、Van Megen B（2019）[12]。多層指數(shù)分解可以研究不同產(chǎn)業(yè)、部門、地區(qū)能源消費(fèi)碳排放的影響因素，如魯萬波等（2013）[13]、潘文卿等（2017）[14]。對(duì)單個(gè)地區(qū)能源消費(fèi)或碳排放影響因素按時(shí)間進(jìn)行指數(shù)分解后，可以比較不同地區(qū)隨時(shí)間發(fā)展不同影響因素之間的差異，這類研究包括Vinuya等(2010)[15]、Zhang等(2011)[16]、Chong等(2012)[17]。另一類是對(duì)不同地區(qū)的能源消費(fèi)或碳排放的影響因素進(jìn)行分解，以分析兩個(gè)或兩個(gè)以上地區(qū)同一時(shí)間段內(nèi)對(duì)能源消費(fèi)的區(qū)別，稱為“空間指數(shù)分解法”?？臻g指數(shù)分解法最早是由Ang&Zhang（1999）[18]用于分析三個(gè)地區(qū)間（一般稱為B-R模型）能源消費(fèi)引起的碳排放問題。其他學(xué)者如Lee&Oh(2006)[19]、Bartoletto&Rubio(2008)[20]、Gingrich(2011)[21]、李玉敏等（2016）[22]也用空間分解的方法進(jìn)行了相關(guān)研究。

當(dāng)研究的國家或地區(qū)數(shù)量較多的時(shí)候，對(duì)不同國家或地區(qū)間進(jìn)行兩兩比較是不切實(shí)際的。所以Sun(2000b)[23]選擇了一個(gè)特定的國家作為基準(zhǔn)國，用空間分解分析的方法將其他國家分別與基準(zhǔn)國做比較以研究不同國家碳排放強(qiáng)度的區(qū)別。Schipper(2001)[24]、Bataille(2007)[25]用空間指數(shù)分解（一般稱為R-R模型）分別分析了14個(gè)國家和7個(gè)國家的碳排放，這兩位學(xué)者的“基準(zhǔn)國”是指除去被比較國以外的所有國家的平均數(shù)。

空間指數(shù)分解分析在比較不同地區(qū)能源消費(fèi)影響因素方面特別有效，不同地區(qū)可以按照其能源消費(fèi)總效應(yīng)進(jìn)行排序，并探討各地區(qū)的節(jié)能潛力。傳統(tǒng)的時(shí)間分解使用一個(gè)地區(qū)的時(shí)間序列數(shù)據(jù)或者不同年份的數(shù)據(jù)，指數(shù)分解的影響因素之間差異不大?？臻g分解分析使用的是不同地區(qū)的數(shù)據(jù)，不同地區(qū)指數(shù)分解的影響因素往往差別很大。為了適應(yīng)這一特性，Ang(2015)[5]在選擇指數(shù)分解法的時(shí)候設(shè)立了兩個(gè)標(biāo)準(zhǔn)：因子反轉(zhuǎn)測(cè)試和目標(biāo)反轉(zhuǎn)測(cè)試，通過這兩個(gè)測(cè)試可以確保獲得完美和對(duì)稱的空間分解結(jié)果。由于LMDI方法計(jì)分解結(jié)果可通過因子和目標(biāo)反轉(zhuǎn)測(cè)試，計(jì)算結(jié)果具有穩(wěn)健性，并且加法和乘法分解結(jié)果的一致性和使用的簡便性，所以本文選取LMDI方法做中國地區(qū)電力消費(fèi)影響因素的空間分解分析。

2 數(shù)據(jù)來源及模型構(gòu)建

2.1數(shù)據(jù)來源

本文選取了2017年中國各地區(qū)的電力消費(fèi)量和地區(qū)生產(chǎn)總值及各地區(qū)各行業(yè)產(chǎn)值來進(jìn)行研究。各地區(qū)生產(chǎn)總值及各行業(yè)產(chǎn)值數(shù)據(jù)來源于2018年《中國統(tǒng)計(jì)年鑒》，各地區(qū)電力消費(fèi)量和各行業(yè)用電量數(shù)據(jù)來源于2018年《中國能源統(tǒng)計(jì)年鑒》。

2.2模型構(gòu)建

KAYA恒等式提供了將能源消費(fèi)分解為不同影響因素的良好方法，由于LMDI具有的良好性質(zhì)，我們使用LMDI方法對(duì)中國30個(gè)省、市、自治區(qū)的電力消費(fèi)進(jìn)行分解，公式如下：

各變量含義及單位如表1所示，其中，i分別表示農(nóng)林牧漁業(yè)，工業(yè)，建筑業(yè)，交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)，批發(fā)零售和住宿餐飲業(yè)，其他第三產(chǎn)業(yè)。

表1 因素分解模型中各變量含義及單位

Ang(2015)[5]提出將每個(gè)地區(qū)與參考地區(qū)（參考地區(qū)的各項(xiàng)指標(biāo)是所有地區(qū)各項(xiàng)指標(biāo)的平均值）進(jìn)行比較的空間比較方法，這種方法可以避免多地區(qū)空間指數(shù)分解的偏差。本文將采用中國各地區(qū)與參考地區(qū)進(jìn)行比較的空間指數(shù)分解模型，這種模型稱為多地區(qū)（M-R）空間指數(shù)分解分析模型，如圖1。

圖1 多地區(qū)（M-R）空間指數(shù)分解分析模型

在圖1中，實(shí)線表示任意一個(gè)地區(qū)與參考地區(qū)的直接分解分析關(guān)系，虛線表示任意兩個(gè)地區(qū)之間電力消費(fèi)的分解分析是通過各自與參考地區(qū)之間分解分析結(jié)果間接得到的。在本文中，一共有30個(gè)地區(qū)，每個(gè)地區(qū)與參考地區(qū)進(jìn)行空間分解比較，一共有30個(gè)直接分解比較結(jié)果。不同地區(qū)與參考地區(qū)之間的比較，選取參考地區(qū)作為基準(zhǔn)比較地區(qū)進(jìn)行空間分解分析，兩個(gè)地區(qū)之間電力消費(fèi)總效應(yīng)：

其中Rx和Ry表示30個(gè)地區(qū)中的任意兩個(gè)地區(qū)，Ru表示參考地區(qū)。M-R模型①不同地區(qū)之間電力消費(fèi)效率的差別比較公式如下：

研究能源消費(fèi)影響因素的指數(shù)分解法主要有拉氏指數(shù)分解法和迪氏指數(shù)分解法，根據(jù)Ang(2015)[5]的研究，對(duì)數(shù)平均數(shù)迪氏指數(shù)分解法I（LMDI-I）因?yàn)闆]有殘余項(xiàng)且其分解的殘差項(xiàng)能被完全解釋（Ang(2003)[26]）而得到廣泛應(yīng)用，本文采用LMDI-I的方法分析中國各地區(qū)電力消費(fèi)的空間特征。

每個(gè)地區(qū)與參考地區(qū)之間的分解公式可以分別表示為：

3 中國地區(qū)間電力消費(fèi)影響因素空間分解結(jié)果的實(shí)證分析

我們使用M-R空間分解模型分析中國30個(gè)省、市、自治區(qū)電力消費(fèi)的影響因素。電力消費(fèi)的總效應(yīng)可以分解為人口效應(yīng)、經(jīng)濟(jì)效應(yīng)、經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)、電力強(qiáng)度效應(yīng)。各地區(qū)電力消費(fèi)的業(yè)績之間的排序會(huì)根據(jù)前文所列公式計(jì)算得出。

3.1各地區(qū)電力消費(fèi)效率

電力消費(fèi)強(qiáng)度是指單位GRP所消費(fèi)的電量，電力消費(fèi)效率是各省、市、自治區(qū)電力消費(fèi)帶來的產(chǎn)出，通常用電力消費(fèi)強(qiáng)度的倒數(shù)來表示。30個(gè)地區(qū)的電力消費(fèi)效率是該地區(qū)單位電力消費(fèi)帶來的地區(qū)產(chǎn)值增值，計(jì)算公式為I=GRP/E，I表示電力消費(fèi)效率，單位為元/千瓦時(shí)。

在2017年度，電力消費(fèi)效率超過均值的有14個(gè)地區(qū)。其中，電力消費(fèi)效率超過20元/千瓦時(shí)的地區(qū)有6個(gè)，分別是北京、湖南、天津、吉林、上海和重慶。北京電力消費(fèi)效率最高，達(dá)28.03元/千瓦時(shí)。電力消費(fèi)效率在10-20元/千瓦時(shí)之間的地區(qū)有18個(gè)。低于10元/千瓦時(shí)的地區(qū)有6個(gè)，其中最低的是青海和寧夏，分別是3.95元/千瓦時(shí)和3.61元/千瓦時(shí)，這些地區(qū)的電力消費(fèi)效率有較大的提升空間。

3.2各地區(qū)用電量與參考地區(qū)用電量差值分解結(jié)果

將中國30個(gè)省、市、自治區(qū)的電力消費(fèi)量與其平均值進(jìn)行比較，以了解各地區(qū)電力消費(fèi)與均值的差異。然后對(duì)各省市電力消費(fèi)量和均值進(jìn)行因素分解，將電力消費(fèi)的影響因素分解為人口效應(yīng)、經(jīng)濟(jì)效應(yīng)、經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)，從而確定影響電力消費(fèi)的各因素對(duì)各地區(qū)電力消費(fèi)的影響程度，以便有針對(duì)性的提高電力消費(fèi)效率。

3.2.1 總效應(yīng)

總效應(yīng)是指各地區(qū)電力消費(fèi)量與參考地區(qū)電力消費(fèi)量之差。根據(jù)《中國能源統(tǒng)計(jì)年鑒》數(shù)據(jù)，由公式（2）計(jì)算得出的各地區(qū)電力消費(fèi)量與參考地區(qū)電力消費(fèi)量之差如表3所示。

表3 2017年各地區(qū)電力消費(fèi)效率及與參考地區(qū)加法乘法和分解效應(yīng)

《中國能源統(tǒng)計(jì)年鑒》數(shù)據(jù)顯示，2017年電力消費(fèi)量超過5000億千瓦時(shí)的地區(qū)有3個(gè)，分別是山東、江蘇、廣東，其中廣東電力消費(fèi)量最多。有8個(gè)地區(qū)的電力消費(fèi)量不足1000億千瓦時(shí)，其中海南電力消費(fèi)量最少，只有286.3億千瓦時(shí)。

各地區(qū)的電力消費(fèi)平均值為2059.46億千瓦時(shí)，電力消費(fèi)量超過均值的地區(qū)有11個(gè)。其中超過均值用電量最多的是廣東省，超出3672.67億千瓦時(shí)，其次為江蘇和山東。電力消費(fèi)量低于均值的地區(qū)有19個(gè)，最低的是海南省，比均值低1773.16億千瓦時(shí)，其次為青海和吉林。

3.2.2 人口效應(yīng)

各地區(qū)用電量與每個(gè)地區(qū)人數(shù)多少密切相關(guān)，人口數(shù)量和人口效應(yīng)基本一致。人口效應(yīng)導(dǎo)致的用電量超過參考地區(qū)的地區(qū)有13個(gè)。其中，廣東省和山東省人口均超過1億，這兩個(gè)省的人口效應(yīng)導(dǎo)致的用電量也最高。廣東省、山東省電力消費(fèi)量比參考地區(qū)分別多3163.71億千瓦時(shí)、2719.49億千瓦時(shí)。其余高于參考地區(qū)用電量的地區(qū)，其人口數(shù)量與人口效應(yīng)也基本一致，其中浙江人口效應(yīng)導(dǎo)致的用電量與其他地區(qū)相比略高一些，四川導(dǎo)致的用電量比其他地區(qū)略低一些。人口效應(yīng)導(dǎo)致的用電量低于參考地區(qū)的地區(qū)有17個(gè)。其中最低的是寧夏，其次是青海和天津。

3.2.3經(jīng)濟(jì)效應(yīng)

各行各業(yè)紛紛擺拍出“不小心摔了一跤”的“炫富照”， 這些照片，雖是擺拍，卻不失為他們的真實(shí)狀態(tài)。年輕一代敢于表達(dá)自我，他們因愛崗而炫，因奉獻(xiàn)而“富”！

每個(gè)地區(qū)人口和地理面積不一樣，因此更能衡量一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平的是人均地區(qū)生產(chǎn)總值。人均地區(qū)生產(chǎn)總值超過10萬元的地區(qū)有4個(gè)，北京市人均地區(qū)生產(chǎn)總值最高為12.90萬元，其次分別為為上海、天津、江蘇。人均收入超過7萬元的地區(qū)有4個(gè)，從高到低分別為浙江、福建、廣東和山東。其余地區(qū)人均收入超過6萬元的有3個(gè)，超過5萬元的有4個(gè)，超過4萬元的地區(qū)最多，有11個(gè)，超過3萬元的有3個(gè)。人均地區(qū)生產(chǎn)總值最低的是甘肅，只有2.85萬元。

經(jīng)濟(jì)效應(yīng)導(dǎo)致電力消費(fèi)量高于參考地區(qū)電力消費(fèi)量的地區(qū)有10個(gè)，最高的是江蘇，其電力消費(fèi)量比參考地區(qū)電力消費(fèi)量高1980.38億千瓦時(shí)。由經(jīng)濟(jì)效應(yīng)導(dǎo)致的電力消費(fèi)量低于參考地區(qū)電力消費(fèi)量的地區(qū)有20個(gè)，最低的是甘肅，低于參考地區(qū)電力消費(fèi)量1166.93億千瓦時(shí)。

3.2.4 經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和部門電力強(qiáng)度效應(yīng)

各地區(qū)電力消費(fèi)量分解結(jié)果中，經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)能衡量不同產(chǎn)業(yè)電力消費(fèi)帶來的經(jīng)濟(jì)效益，因此經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)數(shù)據(jù)更有意義。如圖2所示，橫軸代表經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)，縱軸代表電力強(qiáng)度效應(yīng)。經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)大于0的地區(qū)表示該地區(qū)工業(yè)結(jié)構(gòu)的電力消費(fèi)密集度高于均值，從圖中可以看出有14個(gè)地區(qū)的電力消費(fèi)密集度高于均值。而電力強(qiáng)度效應(yīng)大于0的地區(qū)表示該地區(qū)的電力消費(fèi)效率低于均值，總共有15個(gè)地區(qū)的用電效率低于均值?；诮?jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)分解結(jié)果，在圖2中處于右上象限的地區(qū)河北、山西的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)均大于0且距離0值較遠(yuǎn)，說明這兩個(gè)地區(qū)與均值相比是高電量消費(fèi)地區(qū)。這兩個(gè)地區(qū)應(yīng)采取適當(dāng)?shù)慕Y(jié)構(gòu)調(diào)整措施、提高電力消費(fèi)效率，具有較高的節(jié)能潛力。位于左下象限的地區(qū)北京、上海、四川等與均值相比，屬于低電力消費(fèi)密集度并具有較高的電力消費(fèi)效率的地區(qū)。

圖2 各地區(qū)加法模式分解的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)

圖2是加法分解結(jié)果，顯示的是不同地區(qū)經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)貢獻(xiàn)的絕對(duì)電力消費(fèi)量。相同的電力消費(fèi)量在不同地區(qū)的相對(duì)貢獻(xiàn)不同，電耗率也不同，要分析相對(duì)貢獻(xiàn)和電耗率需要使用乘法分解結(jié)果。乘法分解是以比率形式表示的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)來估算，其分解結(jié)果由表2中的乘法分解公式計(jì)算得出，分解結(jié)果以指數(shù)表示，如圖3所示?？v軸刻度是對(duì)數(shù)刻度顯示，該圖顯示了各地區(qū)電力消費(fèi)與均值之間偏差的相對(duì)幅度。例如北京的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)是0.80、電力強(qiáng)度效應(yīng)是0.61，這表示按指數(shù)分解的北京的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)導(dǎo)致北京的電力消耗都低于均值，相對(duì)差距如圖3所示。

表2 LMDI分解公式匯總

圖3 各地區(qū)乘法模式分解的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)

圖3的地區(qū)分布與圖2類似。兩者的信息可以相互補(bǔ)充并且一起使用來對(duì)各地區(qū)用電效率情況進(jìn)行解釋。例如在圖2中位于右上象限的地區(qū)是具有高節(jié)能潛力的地區(qū)，其相對(duì)于全國平均水平的節(jié)能潛力以絕對(duì)值給出。圖3中顯示的是各地區(qū)占全國平均電力消費(fèi)的百分比。兩個(gè)圖的數(shù)據(jù)結(jié)果顯示，地區(qū)間電力強(qiáng)度效應(yīng)大于經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)。

3.3各地區(qū)電力消費(fèi)強(qiáng)度和各影響因素乘法分解結(jié)果排序

各地區(qū)電力消費(fèi)效率除了可以通過各地區(qū)電力消費(fèi)強(qiáng)度進(jìn)行排序之外，還可以用乘法分解結(jié)果中的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和部門電力強(qiáng)度效應(yīng)對(duì)各地區(qū)電力消耗的貢獻(xiàn)不同進(jìn)行排序。如表4所示，各地區(qū)電力消費(fèi)強(qiáng)度排序是按照每個(gè)地區(qū)單位地區(qū)生產(chǎn)總值所耗費(fèi)電量值高低來排的，排名比較靠前的地區(qū)說明每單位地區(qū)產(chǎn)值耗費(fèi)電量較低，總體效率較高。其他效應(yīng)排序是按照乘法分解的效應(yīng)數(shù)值來排的，排名靠前說明在這方面該地區(qū)表現(xiàn)較好。比如海南的經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)排名第一，說明海南具有最低電力強(qiáng)度效應(yīng)的工業(yè)結(jié)構(gòu)；吉林的電力強(qiáng)度效應(yīng)排名第一，說明吉林是電力效率最高的地區(qū)?？偟膩碚f，我們可以認(rèn)為，那些在列表中排名比較靠后的地區(qū)具有較高的節(jié)能減排潛力。

表4 各地區(qū)總電力消費(fèi)強(qiáng)度和乘法分解結(jié)果排序

4 結(jié)論和政策建議

（1）各地區(qū)電力消費(fèi)量與人均地區(qū)生產(chǎn)總值趨勢(shì)大體一致，大多數(shù)人均地區(qū)生產(chǎn)總值較高的地區(qū)電力消費(fèi)效率也較高；但也有一些例外，如福建省在地區(qū)產(chǎn)值中處于較高地區(qū)范圍，但是電力消費(fèi)效率卻偏低，這說明福建省的經(jīng)濟(jì)發(fā)展處于較粗放發(fā)展階段，技術(shù)水平相對(duì)較低，因此電力消費(fèi)效率低。其次寧夏、青海、新疆等地區(qū)人均地區(qū)生產(chǎn)總值不屬于最低的地區(qū)，但電力消費(fèi)效率是所有地區(qū)中最低的。這是因?yàn)檫@些地區(qū)面積較大，經(jīng)濟(jì)總量水平較高，但是技術(shù)水平低于其他地區(qū)，所以電力消費(fèi)效率最低。這些地區(qū)的電力消費(fèi)效率有較大的提升空間，政府應(yīng)采取措施提高電力利用效率。

（2）人口數(shù)量與用電量成正比，各地區(qū)人口效應(yīng)帶來的用電量差異與人口數(shù)量的差異基本一致。各地區(qū)經(jīng)濟(jì)效應(yīng)導(dǎo)致的用電量變化趨勢(shì)與各地區(qū)人均生產(chǎn)總值變化趨勢(shì)基本一致，也就是說人均收入越高的地區(qū)用電量越多。

（3）分解結(jié)果中經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)能更好地衡量各地區(qū)的電力消費(fèi)效率。其中電力強(qiáng)度效應(yīng)影響要高于經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)。分解結(jié)果顯示河北、山西兩個(gè)省份不同產(chǎn)業(yè)的電力消費(fèi)密度和電力消費(fèi)強(qiáng)度均大幅度高于均值。說明這兩個(gè)地區(qū)如果采取合適的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整措施、提高電力消費(fèi)效率，會(huì)具有較高的節(jié)能減排潛力。經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)和電力強(qiáng)度效應(yīng)來衡量電力消費(fèi)效率，表現(xiàn)較好的地區(qū)是北京、上海、四川等地。這些地區(qū)產(chǎn)業(yè)電力消費(fèi)密度與電力消費(fèi)強(qiáng)度均低于均值，說明電力消費(fèi)效率較高，是其他地區(qū)借鑒的榜樣。

（4）本文根據(jù)電力消費(fèi)強(qiáng)度和LMDI分解效應(yīng)對(duì)中國30個(gè)地區(qū)進(jìn)行了排序，排序結(jié)果見表4?？傮w電力消費(fèi)效率北京排序最高，人口效應(yīng)青海排序最高，經(jīng)濟(jì)效應(yīng)甘肅排序最高，經(jīng)濟(jì)結(jié)構(gòu)效應(yīng)海南排序最高，電力強(qiáng)度效應(yīng)吉林排序最高。排序較低的地區(qū)可以有針對(duì)性的借鑒排序較高地區(qū)的措施來提高本地區(qū)的電力消費(fèi)效率。

注釋：

①M(fèi)-R模型比B-R模型和R-R模型更加適合一些，主要在于：（1）在圖1中我們可以看出，每個(gè)地區(qū)與參考地區(qū)進(jìn)行比較，每個(gè)地區(qū)只需要進(jìn)行一次比較計(jì)算，因此需要進(jìn)行分解計(jì)算的數(shù)量大大少于B-R模型。該地區(qū)與其他地區(qū)的比較結(jié)果都可以通過各地區(qū)與參考地區(qū)的分解比較結(jié)果中間接得出。（2）選取所有地區(qū)的平均值作為參考地區(qū)，降低了參考地區(qū)選擇的主觀性，而且所有地區(qū)都可以有一個(gè)統(tǒng)一的參考標(biāo)準(zhǔn)。（3）所有地區(qū)跟參考地區(qū)進(jìn)行比較，可以對(duì)所有地區(qū)的電力消費(fèi)效率進(jìn)行業(yè)績排序并得出一般結(jié)論，這個(gè)排序可以為政策分析和決策提供有一定價(jià)值的信息。（4）各地區(qū)間存在一一對(duì)應(yīng)的間接關(guān)系，間接比較的結(jié)果沒有沖突，滿足地區(qū)循環(huán)的要求。