2.4 能源利用效率研究方法

美国能源情报署（Energy Information Administration, EIA）列举了一些能源利用效率研究中的常用方法：市场购物篮法（Market Basket Approach）、综合法（Comprehensive Approach）、因素分解法（Factorial Decomposition Approach）、Divisia指数法（Divisia Index Approach）、最佳表现法（Best Practice Approach）等。其中，因素分解法在国际能源利用效率研究中应用广泛，而国内更多地运用过程分析法。另外，情景分析法也是一个使用频繁的方法。

2.4.1 因素分解法

因素分解法目前正在应用的有较多具体方法，如图2-1所示。下面针对基于Divisia指数和Laspeyres指数的相关指数分解分析方法作一简单介绍。

1. Divisia指数相关方法

（1）对数平均迪氏指数法（Log Mean Divisia Index Method, LMDI）：主要有乘数分解和加和分解两种方法，优点是分解后不会出现不可解释的余项，分解公式相当简单，并且很容易把乘数分解和加和分解建立联系。

（2）算术平均迪氏指数法（Arithmetic Mean Divisia Index, AMDI）：采用算术平均权重函数，方程式要比LMDI简单，也有乘数和加和两种分解方法。在很多情形下，AMDI可以替代LMDI使用，其分解结果也非常接近。但AMDI有两个缺点：一是不能因素逆向检验，有一个很大的残余项。二是当数据集含有0值时，AMDI就不适用了。例如，在研究期内一个部门的一种能源资源开始或退出使用时。

2. Laspeyres指数相关方法

相对于Divisia指数相关方法，在Laspeyres指数相关方法中，乘数分解和加和分解的关系很难割裂。

（1）修改Fisher理想指数法：Ang B. W．等（2002）提出的修改Fisher理想指数是一种很优秀的因素分解法，当分解只有两个因素时，修改Fisher理想指数与经济学中的Fisher理想指数是一样的。把修改Fisher理想指数归到Laspeyres指数法下，是因为它的公式与Laspeyres指数有一些相关。

（2）Shapley/Sun法和Marshall-Edgeworth法：在加和法中，经常被研究者用来分析成本分配问题的Shapley指数法，2002年被Albrecht等人应用到能源分解中。但该方法是Sun J. W．首先在1998年提出的，因此，称为“Shapley/Sun法”，基本形式很复杂。当只有两个因素分解时，与Marshall-Edgeworth法是一致的。

3．因素分解法应用综述

因素分解法中，早期（20世纪70年代末80年代初）主要采用Laspeyres指数法，在将所有其他因素各自固定在基年值的条件下，计算某因素的影响力。如Jenne和Cattell（1983）、Marlay（1984）分别分析了英国和美国工业的能源使用情况及其影响因素；加拿大能源利用效率办公室2004年使用Laspeyres指数法来追踪和报告加拿大1990～2002年的能源利用效率趋势。国际能源组织（International Energy Agency, IEA）也采用Laspeyres指数法来设法解决能源利用效率指标问题。Laspeyres指数法同样被亚太能源研究中心（Asia Pacific Energy Research Centre, APERC）应用在亚太经合组织（APEC）能源利用效率指标项目的研究中。

1987年，Boyd等提出了Divisia指数法，为能源因素分解法提供了另外一种选择，从此Divisia指数相关的方法也得到了扩展和改进。然而，由于在数据上缺乏一致性和方法选择上没有形成权威的看法，很多学者在应用方法选择上很武断，经常不会提及选择方法的依据，而直接选择一种进行分解分析，如Farla J C M和Blok K.（2000）评估了荷兰1980～1995年期间能源利用效率提高以及产业结构变化对一次能源消耗总量的影响。Hepbasli A和Ozalp N（2003）评价了土耳其工业部门的能源利用效率进展情况；Pimentel D（2004）等从成本和收益的角度分析了美国能源利用效率问题。在国家能源利用效率监测方面，新西兰、美国能源部和欧洲能源利用效率指标SAVE项目均采用了改进的Divisia指数法。

国内，有关因素分解法在能源方面的应用还较少，韩智勇、魏一鸣、范英（2004）将中国1998～2000年间的能源强度变化分解为结构份额和效率份额，定量分析结果表明：中国能源强度下降的主要动因是各产业能源利用效率的提高。近年来，徐国泉（2008）、魏楚（2009）和张炎治（2009）等在其博士论文中，都利用了该方法对中国能源利用效率进行分解，说明中国工业能源强度下降是总体能源强度下降的主要原因。另有两篇环境研究领域的文献采用了因素分解法：哈尔滨工业大学的齐中英（1998）建立了分解模型，实现对二氧化碳的排放量和人均GDP指标、能源密度、能源结构等因素作用的定量分析；陈六君、王大辉、方福康（2004）利用分解分析方法将中国工业污染变化分解为规模效应、结构效应、清洁技术效应和污染治理效应，分解结果表明，1992～2000年期间，规模效应与结构效应增加工业污染，其中规模效应占主要部分，清洁技术效应与污染治理效应减少工业污染，其中清洁技术效应占主要部分。

2.4.2 过程分析法

过程分析法是国内能源利用效率研究中使用的主要方法，将能源生产供应活动，按照初级能源资源的种类，包括水电、煤炭、原油、天然气进行分类；再将终端用能部门按照工业、农业、交通运输业、商业与城乡民用、建筑等分为若干种类。沿着各种能源从一次能源投入到最终使用过程的实际流向，结合生产活动特点，将能源系统划分为一次能源投入、输送与加工、转换、中心电站转换、二次能源及直接使用的一次能源输送与分配、能源终端消费等环节，根据相应的技术资料和统计资料计算出各个环节和综合能源利用效率。

1982年国家发展和改革委员会能源研究所“中国1980年能源平衡表与能源系统流程图编制方法研究”课题组，基于所编制的中国1980年能源平衡表、国内外相关统计资料、专家课题以及分布于不同行业的200多个企业主要耗能设备的能量平衡测试资料，采用过程分析与部门分析相结合的方法，运用能源系统描述模型（能源系统网络图），分析计算出中国1980年能源利用效率为25.86%。1995年，王庆一教授在能源所和清华核能研究院成果的基础上，收集相关数据，估算出中国1992年能源系统总效率为9.3%。1999年国家计委宏观经济研究院课题组应用同样方法分析计算得出中国1995年终端能源利用效率为34.31%，与1980年的25.86%相比，提高了8.45个百分点，年均提高1.9%。

2.4.3 情景分析法

情景分析法是对某一主体或某一主题所处的宏观环境进行分析的一种特殊的研究方法。概括地说，情景分析的整个过程是通过对环境的研究，识别影响研究主体或主题发展的外部因素，模拟外部因素可能发生的多种交叉情景以分析和预测多种可能前景。主要应用于依据目前环境进行直接的向外趋势预测和向目前环境中增加新的条件，对趋势进行观察，相较其他系统方法更易于处理复杂的社会、经济等问题，尤其是一些包含了过多不确定因素的问题。但实际应用中，需特别注意事物发展过程的连续性、事物间的联系性、逆转的合理性以及各种可能性和现实性。

国内，周大地（2003）用情景分析法提出，中国2050年达到中等发达水平时，终端能源消费部门结构将由工业、交通、建筑业（含居民和服务业）各占约1/3；人均能源消费量达到2吨～2.5吨标准油，能源消费总量将达到30亿吨～37.5亿吨标准油左右；能源结构中煤炭不高于35%，油气一次能源消费大约在40%～50%，一次电力（核、水、风及其他可再生能源）消费在15%～25%以上。周凤起、王庆一等（2003）用情景分析法分3种情景给出了2000～2020年一次能源需求总量及其品种构成，认为如果采取正确的能源战略和相关的政策措施，未来20年中国能源需求将有可能保持相对较低的增长速度。梁巧梅等（2004）建立了基于投入产出的能源需求和能源强度情景分析模型的总体框架，围绕影响能源需求和能源强度变化的各种社会经济因素，以逐层叠加的方式，运用1997年的数据，针对全面实现小康社会目标的各种情景，定量分析了社会经济发展因素对能源需求和能源强度的影响。

国外，采用情景分析法，壳牌公司成功预测了几次石油危机；Weber C和Perrels A（2000）运用投入产出模型、情景分析法等研究了生活模式变化对能源需求及相应气体排放的影响；Worrell E和Price L（2001）通过设定提高能源利用效率的3种不同政策情景来说明美国工业面临的能源、经济和环境的挑战；Silberglitt R（2003）等人利用情景分析法对美国的能源需求进行了预测。