周 梟,高康麗

[1.中共山東省委黨校(山東行政學院),濟南 250014;2.青島濱海學院,山東 青島 266555]

0 引言

目前,很多學者對煤炭的產(chǎn)量問題進行研究。房穎(2011)指出,我國對進口煤炭的需求量增加,進口煤炭量會對本土煤炭產(chǎn)量產(chǎn)生影響[1]。張欣(2016)通過研究我國煤炭行業(yè)的發(fā)展及影響因素發(fā)現(xiàn),煤炭開采廢物量會影響煤炭產(chǎn)量[2]。宋曉震(2019)結(jié)合灰色預測模型所需樣本數(shù)量少及馬爾科夫模型能較好地處理波動性較大數(shù)據(jù)的優(yōu)勢,預測了2019—2020年我國的煤炭產(chǎn)量[3]。陳春照(2021)通過建立VAR模型,預測突發(fā)狀態(tài)下的煤炭價格[4]。王俊賀(2021)認為,煤礦生產(chǎn)水平與國際油價呈負相關,大宗商品價格指數(shù)對國際煤炭價格波動的影響較大,會影響煤礦的煤炭產(chǎn)量[5]。孫超(2021)指出,“十四五”期間,我國煤炭產(chǎn)量及消費量仍處于穩(wěn)步上升階段[6]。陳曉坡(2021)將二氧化硫、氮氧化合物、煙粉塵及揮發(fā)性有機物質(zhì)排放量列為項目環(huán)評審查的前置要求,對企業(yè)實行清潔審查[7]。謝英儀(2022)認為,隨著碳達峰目標相關政策措施的深入落實,煤炭燃料消費結(jié)構(gòu)將出現(xiàn)深刻改變[8]。張春暉(2022)指出,“雙碳”目標既給煤炭行業(yè)發(fā)展帶來了新的挑戰(zhàn),又為煤炭行業(yè)摒棄產(chǎn)量超負荷增長的包袱和走清潔高效發(fā)展之路提供了機遇[9]。范楊奕(2022)指出,煤炭產(chǎn)業(yè)作為我國主體能源其生產(chǎn)發(fā)展的同時也伴隨著一定的環(huán)境問題,會間接影響煤炭產(chǎn)量[10]。

可見,影響煤炭產(chǎn)量的因素較多,其中采掘技術及行業(yè)管理水平對煤炭產(chǎn)量的影響較大,但難以對其數(shù)據(jù)進行統(tǒng)計分析。本研究主要從生產(chǎn)要素因素、供需影響因素及節(jié)能減排因素三方面選取具有代表性的指標,分析影響煤炭產(chǎn)量的因素(見表1)。

表1 影響煤炭產(chǎn)量的各項指標的意義Tab.1 Significance of influencing indicators of coal output

山東省是我國的產(chǎn)煤大省,為分析山東省煤炭產(chǎn)量及其影響因素,使用STATA統(tǒng)計分析軟件進行多元回歸分析。以山東省煤炭產(chǎn)量Y為因變量,從業(yè)人口X1、煤炭開采和洗選業(yè)法人單位數(shù)X2、外省調(diào)入煤炭量X3、煤炭消費量X4、出廠價格指數(shù)X5、天然氣使用量X6、固體廢棄物排放量X7作為自變量,對所有變量進行回歸分析,依次剔除不合格變量,得出擬合模型,再進行多重共線性分析和異方差分析,確定最終模型并進行結(jié)果分析。山東省的煤炭數(shù)據(jù)序列如表2所示。

表2 山東省煤炭產(chǎn)量相關原始數(shù)據(jù)Tab.2 Original data of coal output in Shandong Province

1 回歸分析

將數(shù)據(jù)進行標準化后,對全部變量及剔除后剩余變量進行回歸分析。

1)對全部變量進行回歸分析,結(jié)果如表3所示。

表3 全部變量回歸分析結(jié)果Tab.3 Regression results of all variables

因變量均值為10 800.17241,被解釋變量標準差為25 487 983.5,可決系數(shù)為0.9341,樣本數(shù)為16,返回F檢驗為16.21,Prob>F為0.0004

表3對8個變量進行了回歸分析,模型的返回F檢驗數(shù)為16.21,P(Prob>F)為0.0004,說明模型整體顯著。模型的可決系數(shù)(R-squared)為0.9341,模型修正的可決系數(shù)(AdjR-squared)為0.8765,說明模型的解釋能力一般,但由于模型中部分P遠大于0.05,且方差膨脹系數(shù)(VIF)遠大于10,具有完全的多重共線性,故此要依次剔除P>0.05的變量。剔除X1、X3、X4、X7變量后,再次進行回歸分析,結(jié)果如表4所示。

表4 剩余變量的回歸分析結(jié)果Tab.4 Regression results partial variables

表4對4個變量進行了回歸分析,模型的返回F檢驗數(shù)為24.04,P(Prob>F)為0.0000,說明模型整體上顯著。模型的可決系數(shù)(R-squared)為0.8473,模型修正的可決系數(shù)(AdjR-squared)為0.8120,說明模型的解釋能力顯著,但由于模型變量X2、X6的P>0.05,需對數(shù)據(jù)進行標準化處理,將X6平方化,繼續(xù)進行回歸分析,結(jié)果如表5所示。

表5 修正后的回歸分析結(jié)果Tab.5 Results of revised regression model

當只剩下X2、X5、X623個變量時,P遠小于0.05,說明模型的顯著性很高。此時擬合模型Y=3.899X2+24.0862X5-0.0464623X62+5475.444,模型的樣本可決系數(shù)為0.8680,說明模型的擬合效果較為理想,但模型的其他性質(zhì)還有待進一步檢驗。

2)多重共線性檢驗。對修正后的模型進行多重共線性分析,檢驗結(jié)果如表6所示,VIF值均小于10,可以認為模型不具有多重共線性。

表6 多重共線性檢驗結(jié)果Tab.6 Results of multicollinearity test

3)異方差檢驗。STATA運行的模型異方差檢驗結(jié)果顯示,Prob>chi2=0.9397,P明顯大于0.05,不拒絕原假設,說明該模型是同方差的。

4)遺漏變量檢驗。模型的遺漏變量檢驗結(jié)果顯示,Prob>F=0.781,P>0.05,不拒絕原假設,故此認為并沒有遺漏變量。

2 研究結(jié)果及討論

2.1 生產(chǎn)要素的約束效應

山東省通過政策組織、政府支持、企業(yè)主導等形式對生產(chǎn)安全無保證、資源匱乏、賦存環(huán)境差、環(huán)境污染重、持續(xù)虧耗嚴重的五類煤炭礦井作退市處理,2016—2018年共退出產(chǎn)能2796萬噸[11]。2016—2019年,山東省退出各類煤礦85處,化解產(chǎn)能3839萬噸,產(chǎn)能30萬噸以下煤礦全部關閉退出,煤炭去產(chǎn)能成效明顯[12]。由擬合模型可知,X2的系數(shù)為3.899,說明每增加1個煤炭開采和洗選業(yè)法人,山東省的煤炭產(chǎn)量將增加3.899萬t。煤礦產(chǎn)業(yè)實體數(shù)量決定著原煤的產(chǎn)量,煤炭開采和洗選業(yè)法人數(shù)減少是近年山東省煤炭產(chǎn)量逐漸減少的主要因素之一。

2.2 價格因素的促進作用

價格因素具有多樣性,是影響煤炭產(chǎn)業(yè)發(fā)展不可或缺的因素之一,在生產(chǎn)中起著關鍵性作用。2017—2020年上半年,我國動力煤價格維持在500～600元/t。2021年,其價格持續(xù)上漲,突破2500元/t,隨后在多部門的調(diào)控下,煤炭價格開始平穩(wěn)回落[13]。煤炭價格的合理區(qū)間須在充分考慮成本的基礎上,兼顧煤、電上下游利益,并與煤電市場化電價機制妥善銜接,以有效實現(xiàn)“上限保電、下限保煤”,煤炭價格能充分反映出市場供需變化,有利于充分發(fā)揮市場調(diào)節(jié)作用[13]。擬合模型的X5系數(shù)為24.0862,說明煤炭價格每上漲1個百分點,山東省的煤炭產(chǎn)量將增加24.086 2萬t。由于國際能源價格上漲,國內(nèi)煤炭價格也隨之上漲,這提升了煤炭企業(yè)的生產(chǎn)積極性。

2.3 清潔能源的替代效應

通過該計量結(jié)果可以看出,煤炭開采和洗選業(yè)法人數(shù)、煤炭價格及天然氣使用量是影響山東省煤炭產(chǎn)量的主要因素,山東省各級政府可以通過出臺相關政策,調(diào)控煤炭產(chǎn)量。