上海市住宅能耗计量经济分析

摘要：指出了在现在节能减排的大环境下，建筑能耗引起越来越多的关注，随着家庭小型化的发展，住宅能耗逐渐成为建筑能耗的重要组成部分。上海作为大都市，其人口密度在全国位于前列，其中住宅的能耗对于整个城市的节能减排影响巨大。为了实现节能减排的目的，首先需要确定影响住宅能耗的各种因素。为了研究影响上海市住宅能耗的因素，利用1985～2010年的统计数据，采用计量经济分析的方法，对数据进行了实证分析，对上海人均居住面积和人均可支配收入与住宅能耗之间的关系进行了分析，结果表明：上海人均居住面积是上海市住宅能耗的格兰杰原因。并据此分析结果，提出了减少上海市住宅能耗的建议。

关键词：住宅能耗；人均可支配收入；人均居住面积；计量经济分析

中图分类号：TU111.195 文献标识码：A

1 研究背景

改革开放以来，中国的经济突飞猛进，各产业都在蓬勃发展。上海作为中国的一个经济中心，对各种基础设施的需求越来越大，这大大推动了上海建筑业的飞速发展，然而建筑业的发展给上海市带来繁荣经济的同时也带来了沉重的能耗负担。据统计，上海市2010年的建筑能耗为218.37万t标准煤，比2000年增长151.58%[1]。当前，人们已经认识到建筑节能的重要性，纷纷对建筑能耗现状、建筑节能技术等问题展开研究分析，试图找到减少住宅能耗的方法，实现社会的可持续发展。虽然有关这一领域的研究越来越多，但是学者们通常侧重于对建筑节能技术的研究，忽略了对影响住宅能耗因素的分析，较为盲目地追求高科技节能技术。例如：郭芳[2]就着重强调了我国建筑节能的途径，包括墙体节能、门窗节能等专业技术。郑敏、孙丽云[3]从房屋维护节能技术、空调节能技术、太阳能利用、照明系统节能技术等方面，讨论了住宅节能的措施。

计量经济学是在经济理论的指导下，根据实际观测的统计数据，运用数学和统计学的方法，借助于计算机技术从事经济关系与经济活动数量规律的研究，并以建立和应用计量经济模型为核心的一门学科[4]。目前，计量经济学的运用范围已经覆盖了大部分的经济活动，甚至已经运用到其他的学科领域。然而，对于住宅能耗的计量经济分析并不充分，相关模型尚未建立。学者对于住宅能耗的研究通常使用传统的统计方法，利用基本的统计学原理分析统计数据，结合Excel、SPSS等软件简单分析统计数据之间的相关性。如谢艳群等[5]选取长沙市的65户住宅，对其建筑年代、建筑面积、建筑朝向、住户的生活方式等各方面信息分别统计整理，利用SPSS软件对整理的数据进行分析并形成统计图表，对其中的8个变量进行偏性关性分析，得到各因素与住宅能耗的偏相关系数，说明其与住宅能耗的相关性是否显著。孙娟等[6]分别对两个1980年和2003年完工的小区的住宅概况（维护结构、建筑面积、窗体结构及遮阳措施果）、家庭人数、住户年收入及年能耗支出等7个因素进行统计整理，利用SPSS软件中的偏相关性分析来分析总能耗与其自变量之间的相关性。由此可见，在以往有关住宅能耗影响因素的统计分析中，学者大多注重影响因素与住宅能耗的相关性分析，忽略了对变量之间因果关系的讨论，而且所做的实证研究获取的样本数量太少，且区域集中，结果的局限性较大。

本文采用计量经济学的方法，针对上海市住宅能耗的影响因素进行格兰杰因果分析。根据数据的可得性和对住宅能耗影响的大小的直观判断，主要选择的影响因素为人均居住面积和人均可支配收入。通过分析识别影响上海市住宅能耗的格兰杰（Granger）原因，并在此基础上提出节能措施建议。

2 理论基础

本文以计量经济学为理论基础，利用了其中关于时间序列的分析方法。对研究对象依次进行了平稳性检验、协整检验和Granger因果检验、异方差检验、自相关检验等。

2.1 平稳性检验

对时间序列模型进行回归分析时，应先对序列进行平稳性检验。因为对非平稳时间序列进行回归分析可能会发生伪回归的现象，即变量之间本来不存在相关关系，但回归结果却得出存在相关关系的错误结论。常见的时间序列的平稳性检验方法有以下几种：利用散点图进行平稳性检验、单位根检验。单位根检验又分为两种：DF检验和ADF检验。利用散点图检验简单直观，易于粗判断，但是精确度不高，因此本文通过运用单位根检验来检验序列的平稳性。DF检验仅适用于一阶自回归模型，并且无法保证随机干扰项的白噪声特性。因此本文采用ADF检验。ADF检验有以下3种模型[4]：

2.2 协整检验

协整检验是20世纪80年代末由Granger和Engle提出的。当两个非平稳变量间存在一种长期稳定的关系（协整关系）时，对该时间序列进行回归分析时就不会产生伪回归现象。而且仅当非平稳变量之间具有协整性时，由这些变量建立的回归模型才有意义。协整检验就是检验序列间是否存在协整关系的方法。本文考虑到三个变量的情形，因此采用Johansen协整检验。

2.3 Granger因果检验

该检验方法是Clive W. J. Granger在2003年开创的，用于分析经济变量之间的因果关系。在时间序列情形下，两个经济变量X、Y之间的Granger因果关系定义为：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即若变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的Granger原因。若序列X是序列Y产生的原因，而序列Y不是序列X产生的原因，则称序列X是序列Y的Granger原因。当对变量Y的当前值进行自身滞后期的自回归时，通过引入序列变量X的滞后期，能够显著提高回归模型对Y的解释程度，同时若根据X的过去值对X回归时，引入Y的过去值，不能显著提高回归模型对X的解释程度时，就称X是Y的Granger原因。

回归模型为：

Yt=∑P1i=1αiYt-i+∑P2i=1βiXt-i+μt；

原假设H0∶ β1=β2=…=βP2=0，其中Yt和Xt的滞后长度要预先选定。接受原假设表明，X不是Y的Granger原因[7]。

2.4 异方差检验及补救措施

古典线性回归模型的一个重要假定是进入总体回归函数的随机误差项是同方差的。而当方差随观察值的不同而变化时，就是异方差情形。当出现异方差问题时，OLS估计量依旧是无偏线性的但不是有效的。无论是大样本还是小样本，OLS估计量都不再是最优线性无偏估计量。OLS估计量的方差估计值是有偏的，t统计值、置信区间、假设检验结果都不可靠。

异方差的补救措施如下：

当总体误差项的方差σi2已知时，可以运用加权最小二乘法（WLS）。将Y和X 的每个观察值都除以已知的σi（权数w=1/σi），然后再对这些变换后的数据进行OLS回归。由此得到的估计量是加权最小二乘估计量。

当σi2未知时，若误差方差与Xi成比例，即E（ui2）= σ2Xi，此时考虑用平方根变换，即用加权最小二乘法，取权数w=1/Xi。 若误差方差与Xi2成比例时，即E（ui2）= σ2Xi2，用加权最小二乘法时，取权数w=1/Xi。

2.5 自相关检验及补救措施

古典线性回归模型假定总体回归函数的随机误差项无序列相关或无自相关，即 E（uiuj）=0 （i≠j）。 而当出现E（uiuj） ≠0 （i≠j）时，即出现了自相关问题。自相关通常与时间序列数据有关，但截面数据也可能产生自相关问题。自相关性产生的原因有经济变量惯性的作用、模型设定误差、蛛网现象、数据处理等问题。当模型出现自相关问题时，OLS估计量是线性无偏非有效的，即OLS估计量不是最优线性无偏估计量；OLS估计量的方差是有偏的；t检验、F检验、拟合优度检验不可靠。

自相关的常用检验方法有图形法、回归检验法、德宾-沃森d统计量检验（DW检验）、LM检验（亦称BG检验）等[8]。本文中采用的是的是图形法。

自相关的补救措施如下：

当出现自相关是因为模型设定存在误差时，应当修改模型的数学形式；

当出现自相关是因为模型中省略了重要解释变量时，应当找出略去的解释变量，把它作为重要解释变量列入模型。

剔除以上两种原因后，出现自相关问题，可以采用广义最小二乘法（GLS）和广义差分法。

3 实证研究

3.1 变量选择及数据收集

影响上海市住宅能耗的因素有很多，本文结合各种影响因素的可量化程度和上海市自身的特点，总结了两个方面的因素。第一，上海市居民的可支配收入。上海市的经济较为发达，居民相对比较富裕，因此有能力对居住环境的舒适性有所要求，加之上海市位于中国的东海之滨，受季风气候的影响，夏季湿热，冬季湿冷，许多居民的年均空调使用时间较长，家用电器的数量和种类也较多。第二，上海市人均住宅面积。毫无疑问，住宅面积的大小很大程度上会影响家用电器的数量和使用时间，尤其是空调，进而影响住宅能耗。

根据以上分析，本文选取了上海市居民的可支配收入XA和人均住宅面积XB这2个指标作为计量模型的解释变量，作为影响上海市住宅能耗的两个因素，被解释变量则为上海市住宅能耗Y。住宅能耗数据选用 《上海统计年鉴》中，主要年份能源终端消费量中的生活消费部分，综合2011年、2004年、2000年上海市统计年鉴，取得从1985～2010年的数据。人均居住面积数据选用《上海统计年鉴》中的住宅投资和竣工建筑面积表。人均可支配收入选取的是《上海统计年鉴》中城市居民家庭生活基本情况表，见表1。

3.2 研究思路

首先，运用相关性检验，粗略判断数据直接的相关性。

其次，运用ADF检验法，初步对住宅能耗、人均居住面积、人均可支配收入进行单位根检验，判断时间序列的稳定性，为下一步协整检验和因果分析做准备。

第三， 建立VAR模型，判断数据的最佳滞后阶数，并运用Johansen检验法对数据进行协整检验，分析各变量之间是否存在长期均衡稳定的关系。

然后，运用Granger因果检验方法，从因果关系角度判断人均居住面积、人均可支配收入和住宅能耗之间的关系。

最后，将符合Granger因果关系的变量，建立模型。

3.3 模型建立及统计检验

3.3.1 相关性分析

在1985～2010年，居民住宅能耗、人均居住面积和人均可支配收入的变化均有相同的时间趋势，随着时间的变化而增长。为了消除异方差的影响，分别对住宅能耗、人均居住面积和人均可支配收入取自然对数，用LNY、LNXA和LNXB表示。经过自然对数处理后的居民住宅能耗、人均居住面积和人均可支配收入也有相同的时间趋势。

用EVIEWS计算LNY、LNXA和LNXB的相关系数，分别达到96.78%和97.57%。两变量在数量上存在高度正相关，如表2，由此可以初步认为人均居住面积、人均可支配收入与住宅能耗之间存在某种关系。

3.3.2 单位根检验

首先，运用ADF检验方法进行单位根检验，以确定各个变量的平稳性。由图1可以看出，LNY、LNXA、LNXB数据表现出明显的时间趋势，所以选择ADF检验中截距及趋势项（Trend and intercept）的模型进行检验。结果如表3所示：

由表3、表4可以看出，原序列LNY、LNXA、LNXB的ADF值检验值均大于1%、5%、10%显著性水平的临界值，所以原序列都为不平稳序列。 LNY的一阶差分在1%的显著性水平下平稳， LNXA的一阶差分在5%显著性水平下平稳，LNXB的一阶差分在10%显著性水平下平稳，因此LNY、LNXA、LNXB为一阶单整序列。

3.3.3 协整检验

由于协整检验对于滞后阶比较敏感，如果选用了不当的滞后阶会产生虚协整。因此，需要先确定合理的滞后阶。具体做法是：首先选择不同的滞后期估计VAR模型能够，然后根据AIC信息准则（Akaike information criterion， AIC）和SC准则（Schwarz criterion， SC）选择滞后阶。

建立VAR模型，利用AIC信息准则和SC准则反复比较，最佳滞后阶数为1。在确定了滞后阶数后，将LNXA、LNXB分别与 LNY进行Johansen检验，判断是否存在协整关系，结果如表5。

由表5可以看出，对于LNY和LNXA来说，它们的迹统计量在原假设为0个协整关系时大于5%显著性水平下的临界值，所以拒绝原假设；而在原假设为1个协整关系时，迹统计量小于5%显著性水平下的临界值，故接受原假设，LNY和LNXA之间存在1个协整关系。同理，LNY和LNXB之间也存在1个协整关系。

3.3.4 Granger因果关系检验

协整检验结果表明LNXA、LNXB与LNY之间存在长期的均衡关系，但是否构成因果关系仍需要进行Granger因果关系分析。Granger因果分析对滞后阶数较为敏感，因此采用1～5滞后阶的情况进行检验，结果如表6。

可以看出，仅当滞后阶数为1时，“LNXA不是LNY的Granger原因”在5%的显著性水平下不成立，即LNXA是LMY 的Granger原因。这说明LNXA对LNY在一定程度上有解释影响作用，即人均居住面积是住宅能耗的一个重要影响因素。而人均可支配收入与住宅能耗不存在显著的Granger因果关系。

5 结论分析

根据单位根检验及协整检验可知，尽管上海市住宅能耗总量、人均可支配收入和人均居住面积都具有非平稳性，但它们之间却具有长期稳定的协整关系。而且对于长期而言，通过对数据的回归分析，可以看出上海市住宅能耗总量和人均居住面积之间存在正比例关系。从模型的系数来看，人均居住面积每增加1%，住宅能耗总量增加1.28%。

根据Granger因果分析可以看出，从长期来看，上海人均居住面积和上海住宅能耗总量存在单向因果关系，即人均居住面积是住宅能耗总量增长的Granger原因，而能耗总量增长不是人均居住面积增长的Granger的原因。人均可支配收入和住宅能耗总量之间不存在因果关系。

对以上计量经济分析的结论可以从以下几个方面进行解释。（1）当人均居住面积增加后，家用电器的种类和数量都会相应增加，且上海地处东海之滨，属于亚热带季风气候。夏季闷热，冬季湿冷，导致空调的使用量远超全国平均水平，从而空调的能耗是住宅能耗的一个主要组成部分。人均居住面积的增加，导致空调、照明器具等电器的使用量增加，从而增加了住宅能耗。因此人均居住面积对住宅能耗的影响较为显著。（2）人均可支配收入对住宅能耗有一定的影响，但与住宅能耗之间的因果关系不显著。这是因为本研究采用的是人均可支配收入，不同收入水平的家庭可支配收入的使用分配是不同的。如果对不同的收入层次的家庭展开分析结果或许会发生变化。

综合以上研究结果可知，人均住宅面积越小，住宅能耗就越少，因此适当减小住宅面积可以有效减少住宅能耗。一方面，可以鼓励开发商多建造小户型住宅，另一方面，可以在房屋节能改造的时候对面积较大的住宅进行合理分隔，以减少其能耗损失。

参考文献：

[1]上海市统计局.上海统计年鉴[M]. 北京：中国统计出版社，2010.

[2]郭 芳.上海市建筑节能现状与发展[J].福建建材，2008（5）：102～104.

[3]郑 敏，孙丽云.住宅节能措施[J].建筑工程，2009（1）：42.

[4]庞 浩.计量经济学（第2版）[M].成都：西南财经大学出版社，2002.231～242.

[5]谢艳群，李念平，陈淑琴，等.长沙市居住建筑能耗调查及偏相关分析[J]，2007（5）：85～88.

[6]孙 娟，李振海，伍 星，等.上海市不同年代住宅小区能源消费调查与分析[J].制冷空调与电力机械，2009（1）：85～89.

[7]孙敬水.计量经济学学习指导与Eviews应用指南.北京：清华大学出版社，2010.

[8]达莫达尔·N.古扎拉蒂.经济计量学精要[M].张 涛，译.北京：机械工业出版社，2010：233～259.