李洪兵 張吉軍

西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院

0 引言

由于經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化建設(shè)、環(huán)保政策等因素的需要，天然氣作為優(yōu)質(zhì)高效的綠色清潔能源，將為后疫情時(shí)代中國經(jīng)濟(jì)“綠色復(fù)蘇”、實(shí)現(xiàn)碳達(dá)峰、邁向碳中和作出重要貢獻(xiàn)?！赌茉瓷a(chǎn)和消費(fèi)革命戰(zhàn)略（2016—2030）》提出實(shí)施天然氣推廣利用重大戰(zhàn)略行動[1]，加快天然氣替代散煤步伐、大力發(fā)展天然氣分布式能源。《加快推進(jìn)天然氣利用的意見（2017）》強(qiáng)調(diào)將天然氣培育成為我國現(xiàn)代清潔能源體系的主體能源[2]。天然氣消費(fèi)量顯著增長，2019年四川、重慶地區(qū)的天然氣消費(fèi)量占各自能源總量的比重分別為17.0%和15.3%，在全國處于領(lǐng)先水平，但仍低于世界平均水平（24%），未來川渝地區(qū)天然氣市場仍具有較大增長空間。

深入分析并準(zhǔn)確預(yù)測天然氣需求量，不僅是相關(guān)部門制訂清潔低碳、安全高效現(xiàn)代化能源體系發(fā)展政策的基礎(chǔ)，也是建立天然氣供需預(yù)測預(yù)警機(jī)制的內(nèi)在需求。但天然氣需求量受諸多因素的制約，由于因素的動態(tài)隨機(jī)不確定性，因素之間相互影響的程度難以確定，準(zhǔn)確預(yù)測存在較大難度。筆者采用灰色相對關(guān)聯(lián)度挖掘影響天然氣需求量的重要因素，基于逐步回歸法構(gòu)建了預(yù)測精度高的雙對數(shù)需求函數(shù)模型，并對川渝地區(qū)天然氣需求量進(jìn)行了預(yù)測。

1 相關(guān)研究現(xiàn)狀

天然氣需求量預(yù)測結(jié)果受諸多因素的影響，這些因素大多數(shù)具有顯著的動態(tài)隨機(jī)不確定性特征，部分因素之間還存在某種線性或非線性關(guān)系，傳統(tǒng)簡單的預(yù)測模型不能滿足其預(yù)測精度的要求[3]。不同的預(yù)測方法從不同角度揭示了預(yù)測對象的演變規(guī)律，選用合適的數(shù)學(xué)模型是提高天然氣需求量預(yù)測精度的關(guān)鍵。近年來天然氣需求量預(yù)測模型呈多元化發(fā)展態(tài)勢，并得到了較好的實(shí)踐和發(fā)展[4]。例如，從天然氣需求量影響因素方面，王建良等[5]采用鄧氏灰色關(guān)聯(lián)度從GDP、人口、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率等因素中選擇3個(gè)核心因素，建立灰色GM（1,3）模型，對我國東中西部區(qū)域的天然氣消費(fèi)需求量進(jìn)行預(yù)測；盧全瑩等[6]篩選出GDP、城鎮(zhèn)化率、人口3個(gè)核心因素，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型；Szoplik[7]構(gòu)建神經(jīng)網(wǎng)絡(luò)模型預(yù)測天然氣需求量的演變趨勢；柴建等[8]也認(rèn)為可采用人口、GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)等因素作為預(yù)測天然氣需求量的解釋變量，并建立了BMA模型、RBF分位數(shù)回歸模型[9]預(yù)測未來天然氣需求量；Zhang等[10]將國內(nèi)生產(chǎn)總值、人口、消費(fèi)水平等因素作為解釋變量，采用貝葉斯模型平均法預(yù)測天然氣消費(fèi)量；Shahbaz等[11]構(gòu)建了多元框架模型，研究經(jīng)濟(jì)增長對巴基斯坦天然氣需求量的影響。另外，馬小艷[12]、李洪兵等[13]利用線性回歸模型分別對重慶市天然氣和湖北省城市天然氣需求量進(jìn)行預(yù)測，Zhu等[14]也利用回歸模型對全國天然氣需求量進(jìn)行了預(yù)測分析。通過對上述文獻(xiàn)的研究結(jié)果發(fā)現(xiàn)，天然氣需求量驅(qū)動因素出現(xiàn)頻次較高的有國內(nèi)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展、城鎮(zhèn)化率、消費(fèi)水平5個(gè)影響因素。預(yù)測模型中灰色預(yù)測方法適用于范圍較廣的短期預(yù)測，但預(yù)測精度有所下降[9]；神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度雖然較高，但容易出現(xiàn)過度學(xué)習(xí)且易陷入局部最小，從而降低泛化性[3]；線性回歸模型建模迅速、簡單方便，但難以刻畫復(fù)雜的非線性數(shù)據(jù)演變趨勢，且精度不夠理想。

基于上述分析，在天然氣需求量預(yù)測中，選擇的諸因素不可能同時(shí)都能通過統(tǒng)計(jì)顯著性檢驗(yàn)，并且若將較多的自變量同時(shí)選入同一預(yù)測模型，將不可避免地導(dǎo)致不同程度的多重共線性問題。為此，筆者利用灰色相對關(guān)聯(lián)度刻畫兩兩變量之間的關(guān)聯(lián)程度，剔除存在多重共線性關(guān)系的自變量，挖掘不同地區(qū)天然氣需求量的重要影響因素。天然氣需求量預(yù)測數(shù)學(xué)模型選擇應(yīng)用較廣泛的雙對數(shù)需求函數(shù)模型[15-17]，該數(shù)學(xué)模型能避免預(yù)測過程中異方差與異常值的問題[16]，降低復(fù)雜非線性數(shù)據(jù)的預(yù)測誤差，預(yù)測精度較高且擬合參數(shù)具有明確的經(jīng)濟(jì)含義。采用逐步回歸法逐一精細(xì)分析各影響因素對天然氣需求量的統(tǒng)計(jì)顯著性，剔除未通過顯著性檢驗(yàn)的因素，并采用最小二乘法估計(jì)待定參數(shù)，構(gòu)建以“最少”解釋變量解釋最多天然氣需求量變異量的“最佳”逐步回歸分析雙對數(shù)需求函數(shù)模型，并利用該模型對川渝地區(qū)天然氣中長期需求量進(jìn)行了預(yù)測。

2 相關(guān)方法和原理

2.1 灰色相對關(guān)聯(lián)度

灰色相對關(guān)聯(lián)度是灰色關(guān)聯(lián)分析的一種重要方法，其基本思想是根據(jù)數(shù)據(jù)序列之間幾何曲線發(fā)展變化趨勢的緊密程度來判斷數(shù)據(jù)序列的關(guān)聯(lián)程度[18]，克服了傳統(tǒng)數(shù)理統(tǒng)計(jì)方法要求樣本數(shù)據(jù)眾多且必須具備某種概率分布特點(diǎn)的不足，也彌補(bǔ)了定性分析與量化分析結(jié)果相互矛盾的缺陷。兩兩數(shù)據(jù)序列幾何曲線變化速率越接近，關(guān)聯(lián)度就越大，反之越小。采用灰色相對關(guān)聯(lián)度挖掘?qū)μ烊粴庑枨罅坑绊戄^重要的有效驅(qū)動因素。計(jì)算步驟如下：

2）為使不同量綱影響因素的指標(biāo)能進(jìn)行有效的比較和計(jì)算，采用初值像處理數(shù)據(jù)序列Xi，將其轉(zhuǎn)化為無量綱的數(shù)據(jù)序列，即

利用灰色相對關(guān)聯(lián)度rij，將各影響因素對天然氣需求量的影響程度進(jìn)行量化，相對關(guān)聯(lián)度較大，則表明對天然氣需求量的影響程度較大，對預(yù)測天然氣需求量就越重要。rij除了能夠刻畫影響因素對天然氣需求量的影響程度大小以外，還可用于分析、處理天然氣需求量預(yù)測中影響因素之間的多重共線性問題，主要通過比較影響因素之間rij的大小進(jìn)行診斷。如果影響因素之間的rij大于預(yù)先設(shè)定的閾值，表明該組影響因素存在多重共線性問題，此時(shí)可將與天然氣需求量關(guān)聯(lián)程度較低的影響因素剔除。從而進(jìn)一步精簡影響因素，為多因素預(yù)測模型的準(zhǔn)確預(yù)測提供基礎(chǔ)保障。

2.2 多項(xiàng)式回歸模型

多項(xiàng)式回歸模型是解釋變量之間相關(guān)關(guān)系的連續(xù)函數(shù)，且任意一個(gè)函數(shù)均可在一個(gè)較小范圍內(nèi)用多項(xiàng)式逼近，其擬合精度較高，因而在較復(fù)雜的實(shí)際問題中得到了廣泛應(yīng)用[19-21]。影響天然氣需求量的解釋變量具有時(shí)間序列特征，擬采用具有特殊性質(zhì)回歸式拋物線的一元三次多項(xiàng)式回歸函數(shù)，對天然氣需求量的各解釋變量指標(biāo)進(jìn)行預(yù)估。模型的一般形式為：

2.3 逐步回歸分析雙對數(shù)需求函數(shù)模型

將逐步回歸分析法引入具有需求彈性含義且常用于經(jīng)濟(jì)學(xué)分析的雙對數(shù)需求函數(shù)模型，建立逐步回歸分析雙對數(shù)需求函數(shù)模型，運(yùn)用該模型預(yù)測天然氣需求量，其一般形式為：

式中Qk表示天然氣在第k期的需求量；Xik表示第i個(gè)影響因素在第k期的數(shù)值，Xi表示GDP、人口發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、消費(fèi)水平等影響因素；β0表示函數(shù)截距，為常數(shù)項(xiàng)；βi表示第i個(gè)影響因素的偏回歸系數(shù)，其具有需求彈性系數(shù)相同的內(nèi)涵；u表示函數(shù)的隨機(jī)誤差項(xiàng)，一般情況下假定隨機(jī)誤差項(xiàng)平均值。

利用最小二乘法對式（6）中的各個(gè)參數(shù)進(jìn)行確定。最小二乘估計(jì)量要滿足最小方差性，故殘差平方和應(yīng)達(dá)到最小，則

逐步回歸分析是將解釋變量由相對關(guān)聯(lián)度最高者逐次一一選入雙對數(shù)需求函數(shù)模型，每選入一個(gè)解釋變量都將進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)，若原來選入的解釋變量因后選入的解釋變量變得不顯著時(shí)，則將后選入的解釋變量剔除，以確保雙對數(shù)需求函數(shù)模型中只包含相對關(guān)聯(lián)度較高的顯著性解釋變量。最后得到一個(gè)以最少解釋變量解釋最多被解釋變量變異量的最佳需求函數(shù)預(yù)測模型。

逐步回歸分析建模的一般步驟為：①計(jì)算天然氣需求量與各個(gè)影響因素之間的相對關(guān)聯(lián)度，以及兩兩影響因素之間的相對關(guān)聯(lián)度，根據(jù)相對關(guān)聯(lián)度大小進(jìn)行排序，同時(shí)剔除具有多重共線性問題的影響因素。②將相對關(guān)聯(lián)度最大者選入雙對數(shù)需求函數(shù)進(jìn)行建模，計(jì)算偏回歸系數(shù)，并進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)。如果統(tǒng)計(jì)顯著性通過檢驗(yàn)，則選入模型，否則剔除模型。③將剩余未選入的影響因素中相對關(guān)聯(lián)度較高者選入上述模型，進(jìn)行偏回歸系數(shù)計(jì)算，同時(shí)進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)。如果通過檢驗(yàn)，則選入模型，否則將該解釋變量剔除。④重復(fù)步驟③，直到全部選入模型的影響因素均通過顯著性檢驗(yàn)且無可選入的影響因素為止，此時(shí)所建模型包含了與天然氣需求量關(guān)聯(lián)程度較高又具有統(tǒng)計(jì)顯著性的所有影響因素，此時(shí)，稱該模型為“最佳”雙對數(shù)需求函數(shù)模型。

3 天然氣需求量預(yù)測模型構(gòu)建及預(yù)測分析

3.1 樣本數(shù)據(jù)的選取及收集

經(jīng)綜合分析歷史文獻(xiàn)資料，筆者選取天然氣需求量預(yù)測中出現(xiàn)頻次較高的地區(qū)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展、城鎮(zhèn)化率、消費(fèi)水平等外生變量作為天然氣需求量的影響因素。將地區(qū)生產(chǎn)總值設(shè)為解釋變量X1，產(chǎn)業(yè)結(jié)構(gòu)以使用能源較多的第二產(chǎn)業(yè)占比為解釋變量X2，人口發(fā)展采用地區(qū)年末總常住人口為解釋變量X3，城鎮(zhèn)化率以城鎮(zhèn)化率為解釋變量X4，消費(fèi)水平以社會消費(fèi)品零售總額為解釋變量X5。

2000—2019年川渝地區(qū)天然氣需求量及其影響因素的各項(xiàng)指標(biāo)數(shù)據(jù)來源于國家統(tǒng)計(jì)局、四川省統(tǒng)計(jì)年鑒、四川省統(tǒng)計(jì)公報(bào)、重慶市統(tǒng)計(jì)年鑒、重慶市統(tǒng)計(jì)公報(bào)的公布數(shù)據(jù)并經(jīng)整理所得，將天然氣需求量設(shè)為被解釋變量Q。天然氣影響因素指標(biāo)及其需求量數(shù)據(jù)如表1所示。

3.2 構(gòu)建逐步回歸雙對數(shù)需求函數(shù)模型

利用灰色相對關(guān)聯(lián)度模型計(jì)算川渝地區(qū)天然氣需求量與各影響因素以及兩兩因素之間的相對關(guān)聯(lián)度，結(jié)果分別如表2、3所示。相對關(guān)聯(lián)度越大，表明該影響因素對天然氣需求量的影響程度越高，反之越小。影響因素之間的相對關(guān)聯(lián)度較大表明因素之間存在線性關(guān)系，設(shè)定兩兩因素之間的灰色相對關(guān)聯(lián)度大于0.9時(shí)，判定該兩因素之間存在多重共線性，可剔除與天然氣需求量關(guān)聯(lián)度較小的影響因素。

由表2、3可知，四川地區(qū)與天然氣需求量關(guān)聯(lián)度由高到低的影響因素依次為城鎮(zhèn)化率、GDP、消費(fèi)水平、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展；而重慶地區(qū)則依次為城鎮(zhèn)化率、GDP、產(chǎn)業(yè)結(jié)構(gòu)、消費(fèi)水平、人口發(fā)展。若關(guān)聯(lián)度大于0.9，則判定為存在多重共線性，由表2、3發(fā)現(xiàn)四川省與重慶市的地區(qū)生產(chǎn)總值（X1）與消費(fèi)水平（X5）的相對關(guān)聯(lián)度分比為0.964 7與0.957 7均大于0.9，而X1與天然氣需求量（Q）的關(guān)聯(lián)度大于X5與Q的關(guān)聯(lián)度，故剔除關(guān)聯(lián)度較小的影響因素X5，初步確定地區(qū)生產(chǎn)總值（X1）、產(chǎn)業(yè)結(jié)構(gòu)（X2）、人口發(fā)展（X3）、城鎮(zhèn)化率（X4）為影響天然氣需求量的解釋變量。

將表1中2000—2019年天然氣需求量與各影響因素的數(shù)據(jù)進(jìn)行對數(shù)處理后，根據(jù)表2、3中關(guān)聯(lián)度，由大到小逐次將初步確定的影響因素選入雙對數(shù)需求函數(shù)模型，并進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)。本文研究采用IBM SPSS Statistics 26軟件執(zhí)行逐步回歸分析，以是否達(dá)到5%的顯著性水平為標(biāo)準(zhǔn)，經(jīng)反復(fù)迭代計(jì)算分析，逐次剔除不顯著的影響因素，篩選出相對重要的影響因素，結(jié)果列于表4。

表1 天然氣需求量及其影響因素指標(biāo)數(shù)據(jù)表

由表2可知，城鎮(zhèn)化率（X4）與四川地區(qū)天然氣需求量的相對關(guān)聯(lián)度最高，首先被選入模型中，構(gòu)建成為模型A，統(tǒng)計(jì)顯著性檢驗(yàn)結(jié)果如表4所示。此時(shí)，模型A外尚有3個(gè)預(yù)測解釋變量，各自變量與因變量的相對關(guān)聯(lián)度以地區(qū)生產(chǎn)總值（X1）的0.689 5為最高，因此是第二個(gè)被選入的影響因素。在模型A的基礎(chǔ)上選入變量X1，進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)，結(jié)果顯示修正的R2=0.961，地區(qū)生產(chǎn)總值的t值為0.734、P值為0.473，均未通過顯著性檢驗(yàn)，故剔除影響因素X1。余下的兩個(gè)因素中產(chǎn)業(yè)結(jié)構(gòu)（X2）的關(guān)聯(lián)度較高，被選入模型A，結(jié)果顯示X2的t值為1.561、P值為0.137，未通過檢驗(yàn)，不能納入模型A。最后將人口發(fā)展（X3）納入模型進(jìn)行顯著性檢驗(yàn)，分析表明X3的t值為－1.876、P值為0.078，未達(dá)到P=0.05的顯著性水平，不能選入預(yù)測模型，由于模型外無符合條件的影響因素，故選擇變量程序終止，此時(shí)，利用該最佳預(yù)測模型A對四川地區(qū)的天然氣需求量進(jìn)行預(yù)測，預(yù)測的擬合值及誤差結(jié)果如表5所示。

表2 四川地區(qū)各變量之間的灰色相對關(guān)聯(lián)度表

表3 重慶地區(qū)各變量之間的灰色相對關(guān)聯(lián)度表

表4 逐步回歸分析所得到的模型中與排除系數(shù)估計(jì)值表

表5 川渝地區(qū)天然氣需求量擬合值及誤差結(jié)果表

2010年是四川地區(qū)“十一五”規(guī)劃的收官之年，為實(shí)現(xiàn)“氣化”全川的能源戰(zhàn)略目標(biāo)，導(dǎo)致天然氣需求量呈“斷崖式上漲”的異常情況，但模型A仍可解釋被解釋變量變異程度的96.4%，其MAPE=5.1%＜10.0%，這表明模型A的預(yù)測精度為“優(yōu)”，對后續(xù)預(yù)測具有較強(qiáng)說服力[5]。模型A的預(yù)測結(jié)果優(yōu)于多元回歸預(yù)測模型（MAPE=5.3%）、灰色預(yù)測模型（MAPE=7.6%）、非線性預(yù)測模型（MAPE=6.8%）等預(yù)測模型的結(jié)果，表明該模型的預(yù)測精度高于其他模型。

由表3可知，在重慶地區(qū)天然氣預(yù)測模型中，首先被選入模型的仍是關(guān)聯(lián)度最高的城鎮(zhèn)化率，構(gòu)建的模型為模型B。在未選入模型B的解釋變量中，相對關(guān)聯(lián)度較高的是地區(qū)生產(chǎn)總值（X1），選入模型B后，城鎮(zhèn)化率（X4）與地區(qū)生產(chǎn)總值（X1）均通過了顯著性檢驗(yàn)（表4），此時(shí)構(gòu)建具有X4和X1兩個(gè)解釋變量的模型C。根據(jù)關(guān)聯(lián)度最大原則，繼續(xù)依次將剩余解釋變量產(chǎn)業(yè)結(jié)構(gòu)（X2）、人口發(fā)展（X3）選入模型C，檢驗(yàn)結(jié)果均未達(dá)到P=0.05的顯著性水平（X2：t=0.209、P=0.837；X3：t=－0.195、P=0.848），故終止選擇變量程序，此時(shí)，利用建立的最佳預(yù)測模型C對重慶地區(qū)的天然氣需求量進(jìn)行預(yù)測，其預(yù)測的擬合值及誤差結(jié)果如表5所示。重慶地區(qū)受環(huán)保政策和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整的影響，天然氣需求量在2000年出現(xiàn)“爆炸式增長”異?，F(xiàn)象，但模型C仍將被解釋變量變異量的解釋能力由模型B的93.7%提高到98.6%，模型C的MAPE=4.2%＜10.0%，表明該模型的預(yù)測精度為“優(yōu)”，對后續(xù)預(yù)測具有很強(qiáng)的說服力[5]。模型C的預(yù)測結(jié)果優(yōu)于多元回歸預(yù)測模型（MAPE=5.2%）、灰色預(yù)測模型（MAPE=5.4%）、非線性預(yù)測模型（MAPE=6.1%）等模型的預(yù)測結(jié)果，模型C的預(yù)測精度高于其他模型。

分析川渝地區(qū)天然氣消費(fèi)結(jié)構(gòu)可知，城市燃?xì)馓幱谔烊粴庀M(fèi)主力地位，占比達(dá)約45%，工業(yè)原料與工業(yè)燃料占比相當(dāng)約為21%，其他消費(fèi)占比約為13%，整體來說，消費(fèi)結(jié)構(gòu)比較合理。

對于四川地區(qū)，由表2可知，城鎮(zhèn)化率是影響天然氣需求量的最主要因素，近年來四川地區(qū)城鎮(zhèn)化率逐年攀升，2019年達(dá)53.8%，但相較于發(fā)達(dá)地區(qū)，如北京市城鎮(zhèn)化率86.6%的水平還有較大差距。該區(qū)天然氣需求量較大一部分來源于城市燃?xì)猓孩俪鞘谐Ｗ∪丝诘脑鲩L直接導(dǎo)致居民生活、公共建筑、采暖空調(diào)、城市交通、城市基礎(chǔ)設(shè)施建設(shè)等用氣量大幅度提高；②城鎮(zhèn)化建設(shè)帶動了區(qū)域經(jīng)濟(jì)發(fā)展、推動產(chǎn)業(yè)轉(zhuǎn)型升級，促使天然氣相關(guān)工業(yè)發(fā)展，間接拉動了天然氣需求量的增長，故城鎮(zhèn)化率的變化是影響四川地區(qū)天然氣需求量的重要因素。

對于重慶地區(qū)，影響天然氣需求量的最主要因素與四川地區(qū)保持一致，皆為城鎮(zhèn)化率。但與四川地區(qū)不同的是，四川城鎮(zhèn)化率提升空間較大，對天然氣需求量的影響后勁強(qiáng)勁，而城鎮(zhèn)化率在影響重慶地區(qū)天然氣需求量方面逐漸乏力，2019年重慶城鎮(zhèn)化率超過全國60.6%的水平，達(dá)到66.8%，城鎮(zhèn)化率仍將增長但后勁相對減弱。經(jīng)濟(jì)發(fā)展也是驅(qū)動能源消費(fèi)的重要因素，重慶地區(qū)經(jīng)濟(jì)增速優(yōu)勢明顯，由此帶動的天然氣需求量也非常龐大。

綜上所述，城鎮(zhèn)化率是影響川渝地區(qū)天然氣需求量的最主要影響因素，構(gòu)建的逐步回歸雙對數(shù)需求函數(shù)新模型對天然氣需求量的預(yù)測效果好，預(yù)測精度和可信度高，可作為預(yù)測未來川渝及其他地區(qū)天然氣需求量的預(yù)測模型。預(yù)測結(jié)果可作為相關(guān)部門及天然氣企業(yè)制訂儲氣計(jì)劃、合理調(diào)度調(diào)峰調(diào)壓、制訂購氣計(jì)劃、科學(xué)施策和保障重要領(lǐng)域用氣供應(yīng)安全的參考數(shù)據(jù)，可作為政府相關(guān)部門科學(xué)制訂天然氣供需協(xié)調(diào)機(jī)制的理論依據(jù)。

3.3 未來川渝地區(qū)天然氣需求量預(yù)測分析

采用逐步回歸雙對數(shù)需求函數(shù)模型預(yù)測2020—2030年川渝地區(qū)天然氣需求量，需要在相關(guān)解釋變量已知的情況下進(jìn)行預(yù)測。2020年受新冠肺炎疫情影響，四川精準(zhǔn)擴(kuò)大有效投資、穩(wěn)定外貿(mào)、提振消費(fèi)，推動經(jīng)濟(jì)健康穩(wěn)定發(fā)展；重慶市GDP同比增長將由2019年的6.3%預(yù)估降至5.0%左右[22]。采用預(yù)測性能較好的多項(xiàng)式回歸模型分別對2020—2030年四川、重慶地區(qū)的生產(chǎn)總值與城鎮(zhèn)化率指標(biāo)進(jìn)行預(yù)測，結(jié)果如表6所示。以構(gòu)建的“最佳”預(yù)測模型A和C分別對四川、重慶地區(qū)天然氣需求量進(jìn)行預(yù)測，結(jié)果如圖1所示。

圖1 2020—2030年川渝地區(qū)天然氣需求量預(yù)測圖

表6 川渝地區(qū)天然氣需求量影響指標(biāo)預(yù)測結(jié)果表

隨著我國能源清潔低碳高質(zhì)量發(fā)展戰(zhàn)略和環(huán)保政策的嚴(yán)格實(shí)施，在未來10年實(shí)現(xiàn)碳排放達(dá)到峰值，再經(jīng)過30年力爭實(shí)現(xiàn)碳中和的綠色低碳轉(zhuǎn)型期，將有效拉動川渝地區(qū)天然氣消費(fèi)需求剛性穩(wěn)健地持續(xù)增長。由圖1可知，2020—2030年川渝地區(qū)的天然氣需求量均呈上升趨勢，但兩個(gè)地區(qū)的天然氣需求量增長率因其城鎮(zhèn)化進(jìn)程、經(jīng)濟(jì)發(fā)展等情況的不同而呈現(xiàn)一定差異，四川地區(qū)的平均增長率最高，重慶地區(qū)次之。2020年受疫情影響天然氣市場需求疲軟[23]，四川地區(qū)天然氣需求量增長率降至4.6%，重慶地區(qū)降至2.0%左右，2021年重慶地區(qū)天然氣需求量增長率出現(xiàn)“報(bào)復(fù)性增長”，之后川渝地區(qū)增長率均呈下降趨勢，表明川渝地區(qū)天然氣需求量增速均有所減緩。到2030年四川和重慶的年天然氣需求量將分別約為321×108m3和137×108m3，增長率將分別降至1.7%和1.1%，屆時(shí)川渝地區(qū)天然氣需求總量也將約為458×108m3。

4 結(jié)論

1）影響天然氣需求量的因素繁多，某些因素不滿足統(tǒng)計(jì)量檢驗(yàn)或因素之間存在多重共線性。合理選擇處理方法有利于挖掘重要影響因素，剔除不符合要求的因素，提高天然氣需求量預(yù)測模型的可靠性和精度。

2）城鎮(zhèn)化率是影響川渝地區(qū)天然氣需求量的最重要因素，加快推進(jìn)四川地區(qū)城鎮(zhèn)化建設(shè)進(jìn)程，是拓展四川天然氣市場需求空間的有效手段；科學(xué)規(guī)劃重慶地區(qū)城鎮(zhèn)化發(fā)展，重點(diǎn)調(diào)整經(jīng)濟(jì)發(fā)展與能源消費(fèi)之間的關(guān)系，是保障重慶天然氣產(chǎn)業(yè)健康持續(xù)發(fā)展的有效措施。

3）選擇預(yù)測天然氣需求量的方法很多，本文構(gòu)建的逐步回歸雙對數(shù)需求函數(shù)模型優(yōu)于傳統(tǒng)的算法且預(yù)測結(jié)果精度高，可作為其他地區(qū)構(gòu)建類似的天然氣中長期需求預(yù)測模型的參考。

4）未來10年川渝地區(qū)天然氣需求量仍呈增長趨勢，但受城鎮(zhèn)化建設(shè)、經(jīng)濟(jì)發(fā)展等外部環(huán)境的影響，增長率逐年降低，到2030年川渝地區(qū)天然氣需求總量增長率約為1.6%，需求量約458×108m3，天然氣市場將由高速發(fā)展逐步轉(zhuǎn)向高質(zhì)量發(fā)展，應(yīng)加快推進(jìn)天然氣生產(chǎn)和消費(fèi)革命、建立健全協(xié)調(diào)穩(wěn)定發(fā)展機(jī)制，以保障川渝地區(qū)天然氣工業(yè)健康持續(xù)發(fā)展。

5）在經(jīng)濟(jì)由高速發(fā)展降速轉(zhuǎn)為高質(zhì)量發(fā)展新時(shí)期，調(diào)整優(yōu)化能源結(jié)構(gòu)，持續(xù)提高天然氣消費(fèi)占比是實(shí)現(xiàn)碳排放達(dá)峰與碳中和目標(biāo)的最佳路徑。新時(shí)期天然氣消費(fèi)將呈現(xiàn)“淡季不淡、旺季更旺”的新常態(tài)，需求量將持續(xù)攀升。