آرشیو

آرشیو شماره ها:
۲۶

چکیده

شناسایی و تحلیل مولفه های مصرف انرژی می تواند فرصت هایی را برای بهینه سازی مصرف انرژی فراهم کند به ویژه اگر همراه با تحلیل فضایی باشد. هدف اصلی تحقیق حاضر تحلیل تابلویی فضایی عوامل تعیین کننده مولفه های مصرف انرژی (فعالیتی، شدتی و ساختاری) برای 31 استان ایران می باشد. برای این منظور، نخست با رویکرد تحلیل عاملی، مصرف انرژی با به کارگیری آخرین داده های قابل دسترس طی دوره زمانی 1396-1390 تجزیه شده و سپس، با استفاده از رگرسیون داده های تابلویی فضایی، عوامل تعیین کننده مولفه های مصرف انرژی استان های کشور بررسی شده است. براساس یافته های این مطالعه، اولاً مدل دوربین فضایی به عنوان مدل فضایی مطلوب انتخاب شده است. ثانیاً ارزش افزوده (شاخص فعالیت)، سهم صنعت (شاخص ساختار) و سهم شهرنشینی دارای اثرات مستقیم و سرریز معنادار بر مولفه های مصرف انرژی هستند. اثر مثبت سهم صنعت بر مولفه های ساختاری و شدتی می تواند ناشی از تغییر ساختار اقتصادی در جهت فعالیت های انرژی بر و با تکنولوژی پایین باشد. کارایی فنی نیز طبق انتظار اثر منفی و معنادار بر مولفه شدتی مصرف انرژی دارد و در این رابطه اثرات فضایی نیز اثر مستقیم را تقویت کرده است، براساس نتایج به دست آمده توصیه می شود اولاً در برنامه ریزی انرژی به ساختار فضایی استان ها توجه شود. ثانیاً توصیه می شود کارایی فعالیت های اقتصادی و سرمایه انسانی ارتقاء یابد. تاکید بر مولفه های شدتی و ساختاری در جهت کاهش مصرف انرژی می تواند اثرات مثبت متغیرهایی نظیر شهرنشینی را خنثی کند.

Spatial Analysis of Energy Consumption Components in the Provinces of Iran

Identification and analysis of energy consumption components can provide opportunities to optimize energy consumption, especially if combined with spatial analysis. The main purpose of the present research is to analyze the spatial panel of the determining factors of energy consumption components (activity, intensity and structure) for 31 provinces of Iran. For this purpose, first, with the factor analysis approach, energy consumption was decomposed by using the latest available data during the period of 2011-2017, and then, using spatial panel data regression, the determining factors of the components of energy consumption in the provinces were investigated. Based on the findings, firstly, Spatial Durbin Model has been selected as the optimal spatial model. Secondly, value added(activity index), industry share(structure index) and urbanization share have direct and significant spillover effects on energy consumption components. The positive effect of industry's share on structural and intensity components can be caused by changing the economic structure towards energy-intensive and low-tech activities. As expected, technical efficiency has a negative and significant effect on the intensity component of energy consumption, and in this regard, spatial effects have strengthened the direct effect. Based on the results, it is recommended to pay attention to the spatial structure of the provinces in energy planning. Secondly, it is recommended to improve the efficiency of economic activities and human capital. Emphasizing the intensity and structural components in order to reduce energy consumption can neutralize the positive effects of variables such as urbanization.

تبلیغات