И.А.Данилов. 

Об опережающих темпах развития электроэнергетики

На снимке  Google Maps корпус Б Ивановского государственного энергетического университета 

им. В.И.Ленина. Все права на снимок принадлежат его владельцам

Данилов Илья Анатольевич 

Danilov Ilya Anatolievich

Инженер-электрик. Окончил электроэнергетический факультет Ивановского энергетического института им. В.И. Ленина(1971 г.), к.т.н.; начальник отдела методологии и экономической работы Главного планово-экономического управления Минэнерго СССР (1985); заместитель начальника Главного планово-экономического управления Минатомэнерго СССР (1987); первый заместитель начальника Сводного управления социально-экономического развития Госкомтруда СССР (1990) разработчик хозяйственных механизмов в электроэнергетике (1985) и атомной энергетике (1987). 

Electrical engineer, graduated from the Electric Power Faculty of the Ivanovo Power Engineering Institute named after V.I.Lenin (1971), Cand.Sc.; head of the Department of Methodology and Economic Work of the General Economic Planning Administration of the Ministry of Energy of the USSR (1985); deputy head of the GeneralEconomic Planning Administration of the Ministryof Atomic Energyof the USSR (1987); first deputy head of the Integrated Department of Social and Economic Development of the State Labor Committee of the USSR (1990) – designer of economicmechanisms in electrical power engineering (1985), and atomic power engineering (1987).

Введем обозначения: Y – душевое потребление ВВП* (зависимая переменная); Х1 – душевое потребление полезной электроэнергии (независимая переменная); Х2 – душевое потребление энергоносителей (независимая переменная); Х3 – энергоемкость ВВП* (независимая переменная); Х4 – электроемкость ВВП* (независимая переменная) и Х5 – уровень технологического развития (независимая переменная). 

В таблице 1 приведены результаты расчетов коэффициентов парной корреляции между зависимым признаком (Y) и независимыми признаками (X) в ряде стран и организаций 

Таблица 1. Коэффициенты п...льных стран и организаций

Результаты расчетов коэффициентов множественной корреляции для показателей энергетической эффективности Бразилии, России и США представлены в таблице 2.

Коэффициенты множественно...‎‎(Бразилия, Россия, США)‎‎

 

     Выводы: 

      1. В ведущих технологических странах, странах с высоким уровнем качества жизни населения все показатели энергетической эффективности являются высоко коррелированными переменными. В отдельных случаях можно говорить о практически линейной связи между отдельными из них.

     2. Предложенный интегральный показатель энергетической эффективности – уровень технологического развития , наиболее адекватно отображает уровень развития страны с высоким уровнем душевого потребления ВВП*, поскольку является одновременным отражением и энергоемкости и электроемкости ВВП*.

     3. Страны ЕврАзЭС и СНГ имеют весьма слабые статистические связи между исследуемыми показателями. Причем в отдельных случаях нельзя дать и приемлемое физическое объяснение направлениям их связи, как это присутствует в большинстве ведущих стран. Но, при этом обращает на себя внимание показатель электроемкости, например, в Южной Корее, где также невозможно объяснить ни связь (она должна быть отрицательной), ни величину коэффициента корреляции. Эти примеры показывают, что не исключается так называемая ложная корреляция между отдельными показателями энергетической эффективности. Это требует дополнительных исследований методами многомерного корреляционного и регрессионного анализа.

     До настоящего времени, оставался невыясненным следующий вопрос. Как зависит изменение переменного (зависимого) фактора (ВВП*, показателя душевого потребления ВВП*) от показателей энергетической эффективности (в абсолютной или относительной форме)?

     В практическом плане это означает, каковы роль и место изменений абсолютных или относительных показателей энергетической эффективности? Как по отношению друг к другу они должны развиваться? С какими приоритетами?

     Поставленный вопрос - задача самостоятельная. И, рассматривая ее, мы ожидаем получить следующий ответ:  Опережающие значения потребления полезной электроэнергии являются необходимым условием развития экономической модели.

     Искать решение этой задачи в рамках, например, множественного регрессионного анализа не представляется возможным уже потому, что построение адекватной математической модели является практически невозможным. Для стран ЕврАзЭС и стран СНГ потому, что эти связи слабы. Это вызвано и, главным образом, тем, что в практике необходимо учитывать как можно большее количество независимых физически значимых факторов, влияющих на исследуемую (зависящую) переменную. В этом смысле методы множественной регрессии являются и очень полезными, но и, как замечают авторы [1] , могут быть очень опасными, если неверно используются или интерпретируются. И легкость подобных анализов при помощи современных методов программирования может оказаться соблазнительной в части интерпретации наукообразных выводов, поскольку (кроме грубого искажения) лишены содержательного смысла, в чем легко убедиться, проанализировав парные коэффициенты корреляции, приведенные выше. Или, например, автор [3], ссылаясь на [1], отмечает, что при поиске лучшей регрессионной модели в числе наиболее общих требований находится и требование того, что регрессионная модель должна объяснять не менее 80% вариации зависимой переменной, т.е. R2 = 0,8 ( здесь R2  – коэффициент детерминации). Однако, как отмечается [2] в случае простой регрессии коэффициент детерминации сам по себе является случайной переменной, поскольку исследуемые величины – случайны. Нецелесообразно использовать R2 для сравнения регрессионных моделей, которые содержат разное число объясняющих переменных. Применение коэффициента детерминации при сравнении степени пригодности простой регрессионной модели и многофакторной модели (имеющей несколько независимых переменных) не оправдано.

     Характеризуя проблемы использования, например, пакетов прикладных программ SPSS [4] для исследования влияния потребления энергоносителей, полезной электроэнергии или их относительных характеристик (душевого потребления электроэнергии, энергоемкости и электроемкости) на ВВП* (душевое потребление ВВП*) следует, прежде всего, отметить набор опасностей, которые сводят задачу построения адекватной множественной регрессии к проблемам корректного применения метода наименьших квадратов, хорошо известных и описанных в специальной литературе [1,2].

     Первой же опасностью в нашем случае является проблема мультиколлинеарности, поскольку все независимые переменные, являясь производными друг от друга, зависимы и очень сильно (см. данные табл. 1-4). Элиминировать же их влияние, исключив одну или несколько из них, является ложным путем, поскольку неясно какая из независимых переменных вносит больший вклад в изменение зависимой переменной (хотя, на первый взгляд, величины коэффициентов множественной корреляции ранжируют это влияние). В связи с часто появляющимися рекомендациями об исключении любых переменных, связанных коэффициентом парной корреляции более 0,7 (при построении и исследовании уравнений множественной регрессии), приведем следующее утверждение [2 стр.290]: « Если некоторые или все независимые переменные в множественной регрессии являются высококоррелированными, регрессионной модели трудно разграничить их отдельные объясняющие воздействии на зависимую переменную. В результате высококоррелированные независимые переменные действуют в одном направлении и не имеют недостаточно независимое колебание, чтобы дать возможность модели изолировать влияние каждой переменной». Не существует точного граничного значения уровня корреляции переменных, при котором возникает проблема мультиколлинеарности.

     В дополнение к представленным выше расчетам проиллюстрируем сказанное еще на одном практическом примере.

     В соответствии с данными Росстата [5] экономическое развитие России в 1995 ÷ 2009 гг., характеризуется следующими показателями (таблица 3):

     Y - зависимой переменной (валовой внутренний продукт в текущих ценах, млрд. рублей); Х1 – независимой переменной (установленная мощность электростанций, млн. кВт); Х2 – независимой переменной (добыча нефти и газового конденсата, млн. тонн); Х3 – независимой переменной (добыча природного газа, млрд. м³); Х4 – независимой переменной (добыча угля - всего, млн. тонн)

      В таблице 3 представлены также результаты расчетов корреляции Пирсона с использованием уже отмечавшейся компьютерной программы SPSS Statistics - 17,0 [4]

Таблица 3. Исходные данны...я России за 1995-2009 гг.

   

      Обратим внимание на умеренное влияние (в терминах шкалы Чеддока) независимой переменной Х3 (добыча природного газа) на зависимую переменную Y, т.е. на валовой внутренний продукт. 

     При этом следует заметить, что наиболее предпочтительной моделью (при пошаговой регрессии) явилась модель с включением в качестве независимой переменной Х1 (установленной мощности электростанций). Коэффициент детерминации при этом составил 93,9%, а скорректированный  R2   = 0,934. Но означает ли это, что изменения зависимой переменной (валового внутреннего продукта) в 93,4% объясняется изменениями установленной мощности электростанций (независимой переменной)? 

     Другой серьезной проблемой, как показывают наши многочисленные расчеты, является проблема  автокорреляции (сериальная корреляция, когда остатки не независимы друг от друга, потому что текущие значения зависимой переменной находятся под влиянием прошлых значений). 

     Таким образом, нам представляется, что ответ на поставленную задачу следует искать при помощи анализа динамики временных рядов на основании относительных приростов и их взвешивании (отношении)  к базовому году. 

     Однако для начала решим задачу определения роли и места показателей энергетической эффективности на примере анализа экономики ведущих технологических стран. 

     Решение сформулированной задачи содержится в приводимых ниже точечных диаграммах рейтингов показателей энергетической эффективности ведущих технологических стран мира рис. 1 и 2.

Точечные диаграммы рейтингов показателей энергетической эффективности за 2008 год

Точечные диаграммы рейтин... эффективности за 2008 г.

      Выводы: 

      1. Точечные диаграммы показывают, что ведущие технологические страны мира по рейтингам энергоемкости ВВП* и электроемкости ВВП* находятся в группах рейтингов от 60 до 180 , в то время как по рейтингам душевого потребления ВВП*, душевого потребления электроэнергии и душевого потребления энергоносителей располагаются в группах рейтингов от 1 до 60.

     2. Показатели энергоемкости и электроемкости ВВП* являются важными показателями, но уровень технологического развития, представляющий отношение электроемкости ВВП* к ее энергоемкости, адекватно отражает реальное положение технологии той или иной страны и ее место в мире и в этом смысле является интегральным показателем энергетической эффективности. 

     3. Для выявления модели (сценария) состояния экономики той или иной страны определим динамические относительные характеристики приростов душевого показателя ВВП*, потребления энергоносителей и полезной электроэнергии и уровня технологического развития к базовому году. 

     В презентации "Энергоэкономические модели стран мира" приводятся результаты расчетов перечисленных в пункте 3 относительных приростов перечисленных показателей, сгруппированные по трем моделям.

Энергоэкономические модели стран мира

Энергоэкономические модели стран мира

      Особенности и свойства трех моделей (сценариев) заключаются в следующем:

     I. Модель технологического развития 

     Общими для этих стран являются опережающие приросты потребления электроэнергии-нетто (в дальнейшем- электроэнергии), исчисленные в виде относительных величин к 1980 (базовому) году над соответствующими приростами душевого ВВП* и значительное опережение над приростами потребления энергоносителей. У обеих стран значительны и темпы приростов уровней технологического развития. 

     II. Модели потребительского развития 

     Общими для этих стран являются опережающие темпы относительных приростов душевого потребления ВВП* над соответствующими приростами потребления электроэнергии, которые, в свою очередь, опережают приросты потребления энергоносителей. Принципиальная разница заключается в том, что если в США темпы прироста УТР опережают относительные приросты потребления энергоносителей, у Гонконга, как это видно из графика, наоборот. При этом, последний период развития Гонконга характеризуется опережением темпов прироста энергоносителей над темпами прироста потребления электроэнергии и стагнацией УТР. 

      III. Модели cтагнации

     Главная особенность подобной модели заключается в отстающих темпах развития электроэнергетики, что видно из расположения относительных приростов потребления электроэнергии в отрицательном квадранте. Следует обратить внимание, что положение могло бы быть еще хуже в случае, если аналогичные темпы прироста потребления энергоносителей опережали темпы потребления электроэнергии. 

     О  зависимостях , характеризующих энергоэкономическую модель Кыргызстана,  хотя она и включена в третью группу моделей, по их характеру, иначе как моделью (сценарием) хаотичности не назовешь.

     В [6 стр. 44] и выше мы отмечали отсутствие парной корреляции между душевыми показателями ВВП* и потребления полезной электроэнергии у стран ЕврАзЭС в отличие от ведущих стран. Приведем расчет этих корреляций по результатам анализа зависимостей названных показателей и тесноты связей между ними в терминах шкалы Чеддока: Беларусь – 0,34318 (умеренная), Казахстан – 0,38109 (умеренная), Кыргызстан – 0,032417 (отсутствует характеристика степени тесноты связи). Что касается Таджикистана и Узбекистана у них отрицательные коэффициенты корреляции соответственно -0,34724 и - 0,65695, что говорит о ложной корреляции. И, наконец, Россия – 0,84417 (высокая степень тесноты связи).

      РЕЗЮМЕ:

     1. Точечные диаграммы группировки рейтингов показателей энергетической эффективности для 25 ведущих технологических стран мира показали следующее. Ведущие технологические страны мира по рейтингам энергоемкости ВВП* и электроемкости ВВП* находятся в группах рейтингов от 60 до 180. По рейтингам душевого потребления ВВП*, душевого потребления электроэнергии и душевого потребления энергоносителей располагаются в группах рейтингов от 1 до 60.

     2. Сравнительный анализ изменения зависимостей относительных приростов душевого потребления ВВП*, потребления энергоносителей, потребления электроэнергии, уровня технологического развития за 1980-2008 гг. (1992-2008 гг.) в США, а также России, ЕврАзЭС, Китае и Южной Кореи, крупных и ведущих странах позволил выявить и определить три возможных сценария развития: 

      I. Опережающее развитие электроэнергетики и в этом случае опережение относительных темпов прироста электроэнергии в сравнении с душевым потреблением ВВП* (Израиль, Южная Корея - модель технологического развития; 

     II. Опережающие темпы относительного прироста душевого потребления ВВП* над относительными приростами потребления электроэнергии при опережающих темпах последних над относительными темпами прироста потребления энергоносителей (ведущие страны, Китай, США, ОЭСР, ОЭС) – модель потребительского развития; 

     III. Опережающие темпы душевого потребления ВВП* при практически совпадающих темпах относительных приростов потребления энергоносителей и потребления электроэнергии (ЕврАзЭС) – модель стагнации. 

     Суммируя изложенное, необходимо подчеркнуть, что допущенное за истекший период отставание может быть преодолено лишь на основе усиления роли государства, изменения организационной структуры управления электроэнергетикой, создания мощных научно-производственных холдингов по проектированию, энергомашиностроению и строительству электростанций. Решающим при этом становится незамедлительное законодательное оформление опережающего характера развития электроэнергетики  и газохимии, а также создание Единой энергетической системы ЕврАзЭС. 

SUMMARY

 1. Dot charts of grouping of ratings of the energy efficiency indicators for 25 leading technological countries of the world have demonstrated the following. Leading technological countries of the world with their ranks of energy intensity of GDP (PPP) and consumption of useful electric energy per GDP (PPP) unit are in the rating groups of 60 to 180. The ratings of consumption of GDP (PPP) per capita, consumption of electric power per capita and consumption of power resources per capita are in the rating groups of 1 to 60. 

 2. Comparative analysis of change in dependencies of relative growths of consumption of GDP (PPP) per capita, consumption of power resources, consumption of electric power, technological development level in 1980-2008 (1992-2008) in USA and in Russia, EAEC, China and South Korea, large and advanced countries, allowed to reveal and determine three possible scenarios: 

I. Excelling development of electric power industry and hence excelling of the relative rate of growth of electric power in comparison with consumption of GDP (PPP) per capita (Israel and South Korea) – a model of technological development; 

II. Excelling rate of relative growth of consumption of GDP (PPP) per capita over relative growths of consumption of electric power, while the latter exceed the relative rate of growth of consumption of power resources (advanced countries, China, USA, OECD, ECO) – consumer development model; 

III. Excelling rate of consumption of GDP (PPP) per capita with almost the same rates of relative growths of consumption of power resources and consumption of electric power (EAEC) – stagnation model. 

Summarizing the aforesaid, it should be emphasized that the lag developed during the previous period can be overcome only by strengthening of the role of the government, alteration of the organizational structure of management of electric power sector, creation of major scientific and production holdings involved in designing, power industry machinery construction and construction of power stations. The critical factor here is immediate legal enforcement of the excelling nature of development of power industry and formation of the Uniform Energy System of EAEC. 


Указатель ссылок:  


1. Н. Дрейпер, Г.Смит, Прикладной регрессионный анализ, Издание второе, Книга 1 М., «ФИНАНСЫ И СТАТИСТИКА», 1986, 366 с. 

Н. Дрейпер, Г.Смит, Прикладной регрессионный анализ, Издание второе,Книга 2 М., «ФИНАНС Ы И СТАТИСТИКА», 1987, 351 с. 

 2. Терри Дж. Уотшем, Кейт Паррамоу Количественные методы в финансах. М., Финансы, Издательское объединение «ЮНИТИ», 1999, 525 с. 

3. С.В. Кабанов. Использование пакета Statistica 5.0 для статистической обработки опытных данных

http://www.exponenta.ru/educat/systemat/kabanov/regress.asp 

4. SPSS (Statistical Package for the Social Sciences) –http://www.spss.ru/2009/software.htm 

5. Росстат. «Российский статистический ежегодник». 2001÷2010 

6. Данилов И.А. и др. Энергетический баланс ведущих стран мира. Роль и место энергетического комплекса ЕврАзЭС: Статистика, оценки /И.А.Данилов, Е.В.Корнеев, Б.С.Посягин, Б.Д.Сюткин, А.А.Апостолов, Н.В.Еремин, Г.Р.Шварц; отв. ред. В.Г.Мартынов.- М.: «Наука», 2009, 198 с.     

  

 Приложение (обновлено 16 марта 2020 г.):