بررسی تغییرات کشش قیمتی تقاضای برق بخش خانگی در ایران با کاربرد روش فیلتر کالمن

اقتصاد مالی

مقاله 6، دوره 7، شماره 25، اسفند 1392، صفحه 147-175   

نویسندگان

علی اصغر اسماعیل نیا^{* 1}؛ تیمور محمدی²؛ ابوطالب زمانی³

¹استاد یار دانشکده اقتصاد دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران.ایران

²استادیار دانشگاه علامه طباطبایی.تهران.ایران

³کارشناس ارشد اقتصاددانشگاه آزاد اسلامی واحد تهران مرکزی، تهران.ایران

چکیده

نظر به اهمیتی که انرژی برق در پیشرفت و توسعه ی جوامع بشری دارد و به دلیل نقش تقاضای برق در سیاست گذاری ها و تصمیمات مربوط به تولید، انتقال و توزیع این انرژی حیاتی، ضروری است که تقاضای انرژی برق و بخصوص کششهای قیمتی و درآمدی تقاضای آن مورد مطالعه و بررسی قرار گیرد. انرژی برق نسبت به سایر حاملهای انرژی، ضمن داشتن نقش مؤثر در تولید و مصرف، اهمیت ویژه ای نیز در فرآیند تصمیم گیری اقتصادی واجتماعی دارد. روند تغییرات مصرف برق در بخش خانگی طی سالهای گذشته نشان از رشد شدید مصرف آن در این بخش دارد. مصرف کل دربخش خانگی طی دوره ۱۳۵۶تا۱۳۸۰ حدود ۱۰ برابر و مصرف سرانه هرمشترک حدود ۳ برابرشده است. لذا بکارگیری تکنولوژی های روز دنیا درتولید لوازم خانگی در جهت بهینه سازی مصرف به منظوررفاه بیشتر خانوارها دارای اهمیت است. با توجه به ضرورت مطالعه در حوزه تخمین کشش قیمتی تقاضای برق و نظر به اهمیت آن در سیاست گذاری، مطالعات متعددی در این خصوص در کشور ایران و سایر کشورها انجام شده است. این مطالعه در نظردارد با بکارگیری تکنیک اقتصاد سنجی فیلتر کالمن روند تغییرات کشش قیمتی تقاضای برق در بخش خانگی ایران و میزان تأثیرپذیری مصرف برق از سیاست قیمت گذاری را تعیین نماید و همچنین با توجه به تاثیرگذاری عوامل غیر قابل مشاهده و متغیر های دیگری که از مدل حذف شده اند از تکنیک فیلتر کالمن با هدف جلوگیری از برآورد اریب دار ضرایب استفاده شده است. نتایج این مطالعه نشان می دهد که کشش قیمتی تقاضای برق درطی زمان متغیر است و قدر مطلق کشش قیمتی تقاضای برق در طی بازه زمانی مورد مطالعه کاهش یافته و از رقمی نزدیک به یک در دهه 40 به رقمی پایین تر از یک در ابتدای دهه90 تقلیل یافته است.
Given the important of Electricity energy in improvement and progress of societies, the role of electricity energy demand in policy making and decisions about production, transition and distribution of this critical energy , the study about electricity energy demand and specially price and income elasticity of demand is essential.
Electricity energy compared to other energy carriers also have effective role in production and consumption and have important role in social /economic decision making. So use the modern technology in production of appliances for optimizing consumption create more welfare for families.
This study by using Kalman filter technique is intended to estimate the price elasticity change trend of electricity demand in residential sector of Iran and found the rate of influencing electricity demand from price policy and regarding to eliminating invisible factors and the other factors from the model , used kalman filter also to avoid error estimate of coefficients.
The result of this study show that the price elasticity of electricity demand change over time and absolute value of price elasticity of electricity demand during the period of the study reduced and from close to one in 40 decade reduced lower than  one in 90s.
 

کلیدواژه‌ها

واژگان کلیدی: تقاضای برق؛ فیلتر کالمن؛ کشش قیمتی

اصل مقاله

بررسی تغییرات کشش  قیمتی تقاضای برق بخش خانگی در ایران

با کاربرد روش فیلتر کالمن

علی اصغر اسماعیل نیا^[1]

تیمور محمدی^[2]

ابوطالب زمانی^[3]

دریافت: 16/07/1392                    پذیرش: 20/09/1392

چکیده

نظر به اهمیتی که انرژی برق در پیشرفت و توسعه ی جوامع بشری دارد و به دلیل نقش تقاضای برق در سیاست گذاری ها و تصمیمات مربوط به تولید، انتقال و توزیع این انرژی حیاتی، ضروری است که تقاضای انرژی برق و بخصوص کششهای قیمتی و درآمدی تقاضای آن مورد مطالعه و بررسی قرار گیرد. انرژی برق نسبت به سایر حاملهای انرژی، ضمن داشتن نقش مؤثر در تولید و مصرف، اهمیت ویژه ای نیز در فرآیند تصمیم گیری اقتصادی واجتماعی دارد. روند تغییرات مصرف برق در بخش خانگی طی سالهای گذشته نشان از رشد شدید مصرف آن در این بخش دارد. مصرف کل دربخش خانگی طی دوره ۱۳۵۶تا۱۳۸۰ حدود ۱۰ برابر و مصرف سرانه هرمشترک حدود ۳ برابرشده است. لذا بکارگیری تکنولوژی های روز دنیا درتولید لوازم خانگی در جهت بهینه سازی مصرف به منظوررفاه بیشتر خانوارها دارای اهمیت است. با توجه به ضرورت مطالعه در حوزه تخمین کشش قیمتی تقاضای برق و نظر به اهمیت آن در سیاست گذاری، مطالعات متعددی در این خصوص در کشور ایران و سایر کشورها انجام شده است. این مطالعه در نظردارد با بکارگیری تکنیک اقتصاد سنجی فیلتر کالمن روند تغییرات کشش قیمتی تقاضای برق در بخش خانگی ایران و میزان تأثیرپذیری مصرف برق از سیاست قیمت گذاری را تعیین نماید و همچنین با توجه به تاثیرگذاری عوامل غیر قابل مشاهده و متغیر های دیگری که از مدل حذف شده اند از تکنیک فیلتر کالمن با هدف جلوگیری از برآورد اریب دار ضرایب استفاده شده است. نتایج این مطالعه نشان می دهد که کشش قیمتی تقاضای برق درطی زمان متغیر است و قدر مطلق کشش قیمتی تقاضای برق در طی بازه زمانی مورد مطالعه کاهش یافته و از رقمی نزدیک به یک در دهه 40 به رقمی پایین تر از یک در ابتدای دهه90 تقلیل یافته است.

واژگان کلیدی: تقاضای برق، فیلتر کالمن، کشش قیمتی

 

 

 

مقدمه

امروزه این واقعیت در همه جای دنیا پذیرفته شده است که تعمیق فرآیند رشد صنعتی به فراهم بودن انرژی لازم و متناسب آن، بستگی دارد، بطوری که یکی از شاخص های پیشرفته بودن صنایع کشورها میزان تولید و مصرف انرژی برق آنهاست و بیشتر کشورها برای تامین و توسعه این انرژی حیاتی سرمایه گذاری های فراوانی را انجام می دهند. بکارگیری انرژی برق با پیشرفت زیاد فناوری و اختراع دستگاه های جدید به منظور رفاه بیشتر مصرف کنندگان اهمیت بیشتری یافته است.  به دو دلیل عمده، انرژی برق نسبت به سایر انرژیها در اولویت است، یکی اینکه  قرن جدید، قرن مصرف انبوه و افزایش روز افزون نیازهای انسان فرا صنعتی است که گسترش تحقیق و توسعه در تولید تجهیزات و لوازم مصرفی خانگی و صنعتی را ضروری می نماید و منجر به تقاضای بیشتر انرژی برق         می گردد. دلیل دوم کارایی بالای انرژی برق در همه زمینه ها­، در دسترس بودن­، قابلیت انتقال راحت تر آن و همچنین پاک تر بودن آن از نظر زیست محیطی نسبت به  سایر منابع فسیلی انرژی است.

یکی از مسائل مهم روز کشور ایجاد تعادل بین عرضه و تقاضای انرژی، افزایش سطح کارایی و اصلاح الگوی مصرف می باشد. با توجه به آمار تفصیلی صنعت برق کشور در سال 1390 مصرف برق در بخش خانگی­، 31 درصد کل مصرف برق را تشکیل می دهد. قیمت پایین انرژی در کشور در مقایسه با سایر عوامل تولید و کالاها، روند فزاینده مصرف انرژی در کشور را به دنبال داشته است. مصرف انرژی در کشور از کارایی مطلوبی برخوردار نیست ،یعنی با توجه به سطح تولید ناخالص داخلی، مصرف انرژی بسیار بالا است. به عبارت دیگر، شدت انرژی مصرفی یعنی مقدار انرژی مصرفی به ازای یک واحد تولید ناخالص داخلی در سطح بالایی قرار دارد. روند شدت انرژی در سالهای گذشته، حکایت از آن دارد که      بهره وری انرژی (عکس شدت انرژی) کاهش یافته است. بالا بودن عرضه انرژی در کشور، بیانگر عدم استفاده بهینه از انرژی است که این امر عمدتاً ناشی از وفور نسبی انرژی و عرضه آن با قیمت پایین در ایران می باشد که به واسطه محدودیت امکانات الگوی مصرف جامعه با تخصیص بهینه منابع در اقتصادهماهنگ نیست (اسماعیل نیا علی اصغر، 1378).  از برنامه سوم توسعه کشور­، تصمیم گیری در مورد سیاستهای قیمت گذاری انرژی به منظور تداوم افزایش سطح قیمتهای انرژی تا رسیدن به قیمت واقعی آن، به یکی از مباحث مهم و بحث برانگیز به خصوص در نحوه اجرای آن تبدیل شده است. در همین راستا طرح هدفمندی یارانه ها در سال 1388 به تصویب رسید و در سال 1389توسط دولت اجرایی گردید­، با این وجود تا واقعی شدن قیمتها فاصله زیادی وجود دارد. نتایج  این مطالعه در سیاست­گذاری اصلاح قیمت برق در­ بخش خانگی در راستای اجرای قانون هدفمندی   یارانه ها حائز اهمیت خواهد بود.

با توجه به اینکه مدلسازی اقتصاد سنجی در دو دهه اخیر با تحلیل همگرایی^[4] انجام شده است و تحلیل اقتصاد سنجی انرژی برق نیز از این امر مستثنی نیست .در بررسی فرضیه این مطالعه بایستی ناپایداری متغیر های مدل (کشش درآمدی و قیمتی متغیر در زمان) قبل از برآورد، با بکارگیری آزمون هانسن تایید و یا رد گردد. اگر متغیر های تخمین زده شده در طول زمان تغییر کنند روش فیلتر کالمن مناسب ترین روش خواهد بود. روش فیلتر کالمن در مورد ناپایداری پارامتر ها بر روش حداقل مربعات برتری دارد (آر.انگلیسی-لاتز، 2011).

به منظور برآورد صحیح تری از کشش قیمتی تقاضای برق با استفاده از مدل هایی که ضریب آنها در طول زمان تغییر می یابند^[5] ، در این تحقیق سعی شده است، برآورد کشش قیمتی تقاضای برق دربخش خانگی ایران با استفاده از یک روش پیشرفته فیلتر کالمن  انجام پذیرد.

بخش اول مقاله به مرور ادبیات و مختصری از مطالعات نظری داخلی و بین المللی در خصوص تخمین کشش قیمتی تقاضای برق بخش خانگی در ایران می باشد. در ادامه بخش دوم به متدولوژی فیلتر کالمن، داده های استفاده شده و مدل مفهومی پرداخته شده است. دربخش سوم نتایج تجربی این مطالعه ارائه شده است. دربخش پایانی تفسیر نتایج، استنتاجات سیاستی و کاربردی و پیشنهادات برای مطالعات آینده بیان شده است.

 

 

 

1- مروری بر ادبیات و مبانی نظری

تحلیل تابع تقاضا ی برق یکی از روشهایی است که برای پیش بینی رابطه بین پدیده ها و متغیر های اقتصادی بکار می رود.  از طریق تحلیل تابع تقاضای یک کالا می توان به چگونگی سیاست تغییر قیمتها بر روی تقاضای آن کالا پی برد. منحنی تقاضا برای یک کالا  نشان می دهد­که اگر قیمتها کاهش یابد، در هر قیمتی مصرف کنندگان معمولاً حاضر به خرید مقدار بیشتری از آن کالا هستند. با افزایش قیمتها معمولاً انتظار بر این است که مصرف کنندگان حساسیت (کشش قیمتی تقاضا) نسبت به تغییرات قیمت نشان دهند که می تواند کاهش مصرف را ا­ز طریق استفاده از کالای جانشین یا استفاده بهینه از کالای مورد نظر به دنبال داشته باشد. با افزایش قیمتها معمولاً انتظار بر این است­ که مصرف کنندگان حساسیت (کشش قیمتی تقاضا) نسبت به تغییرات قیمت نشان دهند، یا به دنبال یافتن راهی برای مصرف بهینه و استفاده از تکنیکهای مدیریت انرژی و یا حتی جایگزینی با سایر منابع انرژی باشند.

یکی از راه های استخراج تابع تقاضا استفاده از تابع مطلوبیت مستقیم است. تابع مطلوبیت مستقیم یک مصرف کننده دلالت برارزش ذاتی دارد که وی از مصرف کالاهای مختلف بدست می آورد. این تابع را می توان به شکل زیر نوشت:

(1)                                                                            که بیانگر سطح مصرف کالای­i ام در یک دوره زمانی معین (مثلاً یک سال­) و Z  مجموعه­ای از پارامتر­ها است­ که سلیقه مصرف­کنندگان و سایر عوامل را نشان می­ دهد. مجموعه قیمت هایP1  وP2  و...و Pn   برای n کالا و درآمد مصرف کننده I قید بودجه را به شکل زیر تعریف می کند:

(2)                                                                                                        

حد­اکثر مطلوبیت مصرف کننده با توجه به قید بودجه، مجموعه تقاضای مارشالی را برای هر کالای مصرف شده، توسط هر خانوار نتیجه می دهد.

(3)                                                                      

تابع تقاضای(3 ) را می توان به شکل ساده زیر نوشت:

(4)                                                                                      

که e بیانگر الکتریسیته و اندیسs  نیز بر شکل انرژی جانشین وp  بر شاخص قیمت سایر کالا ها دلالتدارد. با فرض همگنی درجه صفر تابع تقاضا می توان نوشت:

(5)                                                                    

بنابراین با شروع از نظریه ترجیحات مصرف کننده می توان به تابع تقاضایی رسید که بستگی به قیمت آن کالا، قیمت جانشین ها و درآمد بر حسب ارقام حقیقی دارد. تاثیر سایر عوامل Z را نیز می توان به صورت صریح در نظر گرفت. شکل نهایی عبارت (5) می تواند به گونه های کاملا متفاوتی باشد. میتواند مصرف کل خانوار یا مصرف سرانه باشد، تابع تقاضا می تواند خطی یا لگاریتمی خطی یا به شکل متعالی لگاریتمی باشد و می تواند حاوی متغیر های وقفه دار باشد،Z  نیز می تواند شامل قید های بخش عرضه مثل دست یابی و غیره باشد.

از جمله دیگر عوامل موثر بر تابع تقاضای  برق بخش خانگی می توان تعداد خانوار ، توزیع درآمد در میان خانوار ها، هزینه های اشتراک و در دسترس بودن و قابلیت اتکای به این حامل را نام برد.

در عمل برآورد توابع تقاضای جداگانه برای هر مصرف کننده امکان پذیر نیست. حتی اگر برای هر یک، داده های جامعی وجود داشته باشد، در متغیر های مستقل تغییرات کافی وجود ندارد تا نتایج مفهومی بدهد.

از سوی دیگر ادبیات نسبتا وسیعی راجع به نظریه همفزونی نشان می دهد که تحت فروض غیر واقعی تحدید کننده، می توان توابع تقاضای فردی را به یک تابع منفرد با متغیر های کل برای اهداف تخمین از طریق همفزونی رساند. بنابراین باید به یک آشتی یا نقطه وسطی بین دو حد نهایی یک تابع کلی و تعداد زیادی از توابع تقاضای فردی رسید. طبقات وسیع مصرف کننده در بخش های مختلف نظیر­ خانگی، تجاری و صنعت دارای مشخصه های رفتاری مشابهی درداخل بخش خود هستند و می توان فرض کرد که همفزونی در داخل طبقات امکان پذیر است. بنابراین در بخش خانگی ابتدا توابع تقاضا برای مصرف­ کنندگان استخراج و برآورد می گردد. یک مصرف کننده خانگی را در نظر بگیرید که تابع مطلوبیت آن به صورت است که در­آنB  مقدار مصرف از سایر کالا و خدمات به غیر از انرژی (­شامل الکتریسیته و جانشین های آن) و N کل مقدار مصرف شده خدمات انرژی از حامل الکتریسیته E و حامل های جانشین S می­ باشد. در حالت کلی ، خدمات انرژی تابعی از خدمات الکتریسیته و خدمات انرژی جانشین است. قید بودجه مصرف کننده را می توان به صورت زیر نوشت:

(6)                                                                                 

که Y درآمد،­  قیمت کلیه کالاها و خدمات به جز انرژی و  قیمت خدمات انرژی الکتریسیته و  قیمت خدمات انرژی جانشین است.

بنابراین مساله حداکثر سازی مطلوبیت مصرف کننده را می توان به شکل زیر نوشت:

(7)                                           

مطالعات تجربی

روش و داده ها:

مدل سازی اقتصاد سنجی اساساً در دو دهه اخیر با تحلیل همگرایی تکامل یافته است. انرژی نیز در تحلیل های اقتصاد سنجی پیرو همین روند بوده است. اگر چه رویکرد های همگرایی^[6] کاملاً وابسته به سریهای ایستا و همچنین به فرضیاتی که پارامتر ها را اساساً بدون تغییر در طول زمان برآورد می نمود. با توجه به این شرایط محققان  به وابستگی بیش از حد به تحلیل های همگرایی در برخی موارد تردید نمودندکه همه روشهای اقتصاد سنجی پویا نباید بر اساس خودرگرسیونی باشد(هاروی،1997^[7]­). همچنین  روشهایی را اضافه کردند که به ضرایب اجازه می داد تا بطور تصادفی در طول زمان متغیر باشند. این روشها می توانست موثر و مفید باشد(هانت و همکارانش،2003^[8]). روش فیلتر کالمن که در این مطالعه بکار گرفته شده است تمام ویژگیهای مورد نیاز فوق الذکر را در برمی گیرد. و چارچوب مناسبی را برای تخمین رگرسیون با پارامترهایی که در طول زمان متغیر است فراهم می نماید (مورسیون و پایک^[9]، 1977). همچنین بحث کردند که در مواردی که ضرائب تخمین زده شده در طول زمان متغیر نیستند روش فیلتر کالمن و روش حداقل مربعات انتظار می رود نتایج مشابهی داشته باشند. اگر چه روش فیلتر کالمن با وجود پارامتر های پایدار که ثابت شده است بر روش حداقل مربعات برتری دارد. بنابر این قبل از انتخاب تکنیک مناسب برای یک مورد خاص محققان نیازدارند تا امکان وجود پایداری پارامتر ها را بررسی نمایند. هانسن در 1992 نسخه توسعه یافته روشهای قبلی برای پوشش مدلهای عمومی با روندهای قطعی و تصادفی را ارائه نمود. فرضیه صفر پایداری پارامترها است و او بکارگیری آمارهLC  که ناشی از تئوری آزمونهای ضریب تکاثر لاگرانژ است را ارائه کرد. بکارگیری این آزمون در این مطالعه فرض متغیر بودن کشش قیمتی در طول زمان را قبل از برآورد آنها تایید یا رد خواهد کرد. اگر ضرایب تخمین زده شده ثابت شود که در طول زمان متغیر هستند روش فیلتر کالمن مناسب ترین روش می باشد.درخصوص کشش قیمتی تقاضای برق تاکنون مطالعات بسیاری انجام شده است که از روشهای مختلف اقتصاد سنجی استفاده کرده اند. با این وجود تاکنون در مطالعات داخلی از روش فیلتر کالمن برای برق در بخش خانگی استفاده نشده است. در مطالعه ماسیمو فلیپینی و شونال پاچوریا (2004)­^[10]­، کشش قیمتی تقاضای برق در بخش خانگی مناطق شهری هنددرطی دوره زمانی (1970-1995) با استفاده از داده های آماری حدود 30،000 خانوار برآورد شده است و نتایج مقادیر کشش قیمتی در طول ماه های زمستان، 42/0- و در طول ماه های موسمی 51/0-  و در طول ماه های تابستان 29/0- برآورد شده است. در مطالعه امانوئل زیرامبا^[11]، (2008) تقاضا ی برق بخش مسکونی در­ آفریقای جنوبی در طول دوره زمانی (1978-2005) به عنوان یک تابع از محصول ناخالص داخلی سرانه ، و قیمت واقعی برق است. بااستفاده ازروش تست مرزهای به هم انباشتگی(ARDL) در چارچوب توزیع خودبازگشت، در مدل(ARDL) نتایج بصورت زیر به دست آمد: کشش بلندمدت 0.31 وکشش قیمتی علامت منفی دارد و از نظر آماری ناچیزاست. درمطالعه آر.انگلیسی-لاتز^[12] (2011) در آفریقای جنوبی در دوره زمانی(1980-2005)،کشش قیمتی تقاضای برق را با تکنیک فیلتر کالمن بررسی نمود و نتایج بدست آمده بصورت میانگین در دهه1990 رقم %8/71- است ودر دهه2000 رقم %5/94-  می­ باشد. نتایج مطالعه وی نشان می دهد­ که کشش قیمتی در طول دهه 1980و اوایل 1990 بطور کامل منفی بوده با این وجود کشش قیمتی با میزان 04/0- (045/0- در سال 2005) کمتر قابل توجه است.در مطالعه انجام شده رضا زاده، کیمیا (1389) بررسی اثرات شوکهای درآمدی و قیمتی بر تابع تقاضای برق در ایران را با استفاده از مدل نیمه لگاریتمی و استفاده از روش GLS  برآورد نموده است. کشش قیمتی تخمین زده شده برابر 043/0- می باشد که حاکی از رابطه عکس بین تقاضای برق و قیمت آن دارد.

در مطالعه پورآزرم­، الهام(1391) تابع تقاضای برق خانگی استان خوزستان را به وسیله تخمین معادله کوتا­ه مدت ازروش^[13] OLS وتخمین معادله بلند مدت ازروش^[14] ­­ECM­ برآورد کرده است. کششهای قیمتی در بلند مدت 97/0- و در کوتاه مدت به تر­تیب 22/0- است.

برخی از مطالعات بین المللی و روش مدل سازی آنها در جدول شماره (1) ذکر شده است. همچنین نشان داده شده است که کشش قیمتی تخمین زده شده بر­اساس کشور و مخصوصاً دوره زمانی مورد بررسی متفاوت هستند. نکته قابل توجه در مطالعات زیر  این است که کشش قیمتی در دوره های زمانی ثابت فرض شده است. در جدول (2) مطالعات انجام شده کشش قیمتی برق در ایران با روش های مختلف اقتصاد سنجی آورده شده است.

 

 

 

 

 

 

 

 

 

 

 

جدول1. چکیده مطالعات بین المللی منتخب از کشش قیمتی تقاضای  برق در جهان

 

کشش قیمتی	متدولوژی	دوره زمانی	کشور	محققین
طیف :139/0- تا 01/0	Panel data(OLS,Fixd effects(time and region),random effects)	1980-1992	عربستان صعودی	دیابی (1998)
(با فرض ) 02/0 -	Cobb-Douglas for forecasting purposes	1996-2010	چین	وان هیرش هاوسن و اندرس(2000)
کوتاه مدت:09/0-	Johansen cointegration methodology	1970-1997	کشورهای حوزه خلیج فارس(GCC)	آل- فاریس (2002)
بلند مدت: 68/1-
طیف : 15/0 - تا 13/0 -	Flow adjustment model and 3-stage last squares	1973-2008	ایالات متحده آمریکا	کامرشن و پرتر (2004)
بلند مدت :34 /0-	ARDL-ECM	1980-2002	نامبییا	دیویتا.(2006)
رقم ناچیز	Panel data	1990-2003	قزاقستان	اتاخانووا و هوی (2007)
کوتاه مدت : 0	Various models(such as engle-granger,johansen,fully modified ols)	1970-2003	سریلانکا	امراویکراما  و هانت (2008)
بلند مدت:از 63/0- تا 0
کشش قیمتی رقم ناچیز کشش بلندمدت 0.31
	ARDL-ECM Autoregressions	1978-2005	آفریقای جنوبی	امانوئل زیرامبا (2008)
بصورت میانگین در دهه1990 رقم %8/71- در دهه2000 رقم%5/94-
	Kalman filter	1980-2005	آفریقای جنوبی	آر.انگلیسی-لاتز (2011)

 

 

 

جدول2. مطالعات انجام شده داخلی کشش قیمتی تقاضای برق ایران

 

کشش قیمتی برق	متدولوژی	دوره زمانی	محققین
کوتاه مدت   085/0- و 0103/0 بلند مدت 003542/0 -	روش رگرسیونی حداقل مربعات معمولی بصورت خطی، لگاریتمی - خطی و لگارتیمی	1346-1375	تبریزیان، بیتا. )1376(
59/0 - و 24/0	روش هم تجمعی یوهانسن - ژوسیلیوس   (1990) و مدل تصحیح خطای برداری	1346-1379	عباس امینی فرد  سارا استدلال (1381)
کشش متقاطع :                46/0
21/0-  و 46/0	روش حداقل مربعات معمولی  OLS	1346-1372	مسعود صفاری پور اصفهانی (1378)
کشش قیمتی بالا (02/1)	روش GLS و داده های تلفیقی	1374-1378	علی عسگری (1379)
کشش های قیمتی برق          بی کشش است	روش الگوی خود توضیع با وقفه های - گسترده (ARDL )	1350-1380	حلافی­، حمیدرضا و علیرضا ،اقبالی. (1384)
کشش قیمتی  043/0-	مدل نیمه لگاریتمی و استفاده از روش GLS	1346- 1387	رضا زاده، کیمیا (1389)
کشش قیمتی بلند مدت 97/0- کوتاه مدت 22/0-	ازروش[15] OLS­ وتخمین معادله بلند­ مدت ازروش  [16]  ECM	1346- 1389	پور آزرم، الهام (1391)

 

 

 

 

 

 

 

2-  متدولوژی

اولین سوال در چهار چوب نظری این مطالعه آن است که فیلتر کالمن چیست؟ به بیان ساده، کالمن فیلتر الگوریتم بهینه پردازش کننده داده های بازگشتی^[17] است. راه های زیادی برای تعریف بهینه بودن وجود دارد که به معیار های انتخاب شده برای ارزیابی وابسته است. می توان نشان دادکه تحت فروضی که در قسمت بعدی ذکر خواهد شد، فیلتر کالمن با توجه به هر معیاری واقعاً بهینه است(میبک^[18] ،1979). ابتدا مروری بر تخمین زننده بهینه خطی، کالمن فیلترخواهد شد. این امر دیدگاهی ابتدایی در مورد مفاهیم اساسی برای ما فراهم خواهد کرد. اگر چارچوب نظری تصویرروشن و ساده ای را ارائه نماید، جزییات که در ادامه آن بیان می شود بهتر قابل درک خواهد بود. یک جنبه بهینه بودن آن است که فیلتر کالمن همه داده هایی که می توان مهیا کرد را ترکیب می کند. این فیلتر همه اندازه گیری های ممکن را، با توجه به دقت شان برای تخمین صحیح مقدار متغیر موثر به وسیله:    

1- اطلاعات سیستم و پویایی های ابزار های اندازه گیری 

2- تعریف آماری اختلالات سیستم، خطاهای اندازه گیری و نااطمینانی در مدل های پویا

3- بکارگیری هر داده در دسترس در مورد حالت های ابتدایی متغیر های موثر

کلمه بازگشتی در تعریف بدین معنی است که برخلاف مفاهیم پردازنده های داده های مقطعی، کالمن فیلتر به تمامی داده های قبلی (برای نگهداری و ذخیره سازی و بازپردازش داده هایی که در هر بار اندازه گیری بدست می­ آید) نیاز ندارد و این برای عملی بودن به کارگیری فیلتر بسیار مهم خواهد بود. در شکل (1) تحلیل پویایی حاکم بر یک الگوو نحوه کار فیلتر کالمن نشان داده شده است.

 

 

 

 

 

شکل­1. تحلیل پویایی الگوی فیلتر کالمن

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

در حقیقت فیلترکالمن، الگوریتم پردازنده داده می باشد. علی­رغم اشاره ضمنی به عنوان  "جعبه سیاه"، حقیقت این است که در بسیاری از کاربرد های عملی، فیلتر فقط برنامه ای کامپیوتری در پردازنده مرکزی است. شکل (1) شرایط معمولی که در آن کالمن فیلتر    می تواند مفید باشد را شرح می دهد. این سیستم برخی دسته بندی ها را به وسیله تعدادی از کنترل کننده های شناخته شده استخراج می کند. همچنین ابزار های اندازه گیری نیز ارزش مقادیر قطعی را فراهم می کنند. دانش ورودی و خروجی های این سیستم همه آن چیزی است که به طور مستقیم از سیستم فیزیکی برای اهداف تخمین فراهم شده است. نیاز به یک فیلتر حالا مشخص می شود. اغلب متغیر های مورد توجه و تعداد معدودی از مقادیر برای شرح حالت سیستم را نمی توان به صورت مستقیم اندازه گیری کرد و برخی ابزار های استنباط کننده باید چنین مقادیری را از داده های در دسترس تولید کنند. علاوه بر این هر اندازه گیری براثر اختلالات، اریب ها و عدم دقت وسایل از مقدار واقعی انحراف دارد.

بنابراین ابزار های استخراج کننده اطلاعات از سیگنال اختلال^[19] می بایست فراهم گردد. همچنین ممکن است برخی از دستگاه های اندازه گیری (که هر کدام خطای مشخص و پویایی های مخصوص به خود دارند) موجود باشد که اطلاعات در مورد متغیر خاصی را فراهم کند. این امر می تواند با ترکیب کردن خروجی های این دستگاه ها در یک روش بهینه و سیستماتیک مطلوب باشد. کالمن فیلتر همه داده های اندازه گیری شده ممکن را به علاوه دانش پیشین درباره سیستم و ابزار های اندازه گیری برای بدست آوردن تخمین مطلوب متغیر ها، در روشی که خطاها از لحاظ آماری حداقل می شوند، ترکیب می کند. به بیان دیگر اگر تعدادی از فیلتر های حائز شرایط برای یک کاربرد را استفاده شده باشد، میانگین نتایج کالمن فیلتر از میانگین نتایج هر یک از آنها بهتر خواهد بود. با این مقدمه به استخراج روابط برای بدست آوردن تخمین ضرایب مورد نظر بر اساس سه فرض پایه ای خطی بودن مدل و اجزا اختلال نوفه سفید و نرمال پرداخته می شود.

2-1- استخراج روابط کالمن فیلتر

برای تخمین تابع تقاضا از روش اقتصاد سنجی توسط رگرسیونهای متغیر در طول زمان^[20] و به وسیله تکنیک فیلتر کالمن استفاده می شود. فیلتر کالمن تخمین هایی از ارزش های واقعی شاخص ها در طول زمان با بکارگیری داده های ورودی و مدل فرآیند ریاضیاتی را محاسبه می کند. این تکنیک می تواند به شکل آسانترین شبکه های پویا مورد توجه باشد. فیلتر کالمن براساس تخمین مدل هایState Space  که اصالتاً برای مهندسی و کاربردهای شیمیایی به کار می رفته گسترش یافته است. محققان^[21] از دهه­1980 شروع به بکارگیری این تکنیک در اقتصاد نمودند. مطابق با اظهارات (کات برسون و همکارانش^[22]، 1992) دو نوع اصلی از مدلها برای ارائه از طریق فیلتر کالمن مناسب است:                               

1- مدل های اجزای غیر قابل مشاهده^[23]

 

2- مدل های پارامتر های متغیر در زمان^[24]. در این مطالعه مدل State­Space با پارامتر های تصادفی متغیر در زمان در رگرسیون خطی که در آن ضرائب کشش درآمدی و کشش قیمتی در طول زمان متغیر هستند بکار گرفته شده است. ارائه تفصیلی سیستم پویای نوشته شده در ترکیب  State Space مناسب برای فیلتر کالمن بایستی بیان شود. سیستم ذیل از معادلات مدل State Space از پویایی بردار nX1 و­Yt. برای این منظور سیستم معادلات زیر را در نظر گرفته می شود.

(8)                                                                                      

(9)                                                                                              

معادله (1) به معادله مشاهده معروف است، yt بردارN×1  مشاهدات متغیر وابسته، که همان متغیر تقاضای برق­،A  ماتریس k×n مشاهدات متغیر وابسته­، که همان متغیر تقاضای برق است،A ماتریسk×n  مشاهدات متغیر های برونزا (قیمت،درآمد،دماو...)،xt  بردار K×1 پارامتر های مجهول x بردار متغیر های غیر قابل مشاهده است،vt  و wt اجزای اخلال معادلات حالت و مشاهده هستند که هر کدام مستقل و هم توزیع بوده  نیز  که حاکی از عدم وابستگی بین می باشد.     

(10)                                                                                                                        

 

کهQ  و  Rبه ترتیب ماتریس های  و  هستند.

در تکنیک فیلتر کالمن از الگوریتمی بازگشتی برای محاسبه پیش بینی های حداقل مربعات خطی بردار حالت بر پایه داده های مشاهده شده در دوره های گذشته استفاده می شود.

(11)                                                 کالمن فیلتر این پیش بینی ها را به صورت بازگشتی محاسبه می نماید.                                                                     

(12)                                                                                                     و در هر مرحله از پیش بینی MSE تخمین نیز به صورت قابل محاسبه خواهد بود

(13)                                                                             

نقطه شروع برای پیش بینی چنین الگوریتمی  و است که

(14)                                                                

اگر مقادیر ویژه F  درون دایره واحد باشند فرآیند  یک فرآیند کواریانس ایستا است. در این حالت میانگین غیر شرطی  از رابطه  بدست می آید و داریم:

(15)                                                                                

هنگامیکه عدد یک مقدار ویژه ماتریس F نباشد،  غیر منفرد است و این معادله یک ریشه خاص  دارد. واریانس غیر شرطی  از رابطه زیر به دست می آید.    

(16)          

با نامیدن ماتریس واریانس کواریانس  به داریم:   

(17)                                                                                                                               

پس در حالت عادی اگر مقادیر ویژهF  درون دایره واحد نباشد می توان از  و  تکرارهای کالمن فیلتر را آغاز نمود.

2- 2-  تخمین پارامتر ها به روش حداکثر راستنمایی

فیلتر کالمن محاسبه شده در قسمت های قبلی در قالب نمایش های خطی ساخته شد. پیش بینی  و  در میان مجموعه پیش بینی هایی که بر اساس  و خطی هستند، بهینه می باشد. اگر حالت ابتدایی و اجزا اخلال  برای هر t از1 تا T نرمال چند متغیره باشد.

(18)                                         

 

می توان ادعای محکمتری ارائه داد و آن این که پیش بینی  و که با فیلتر کالمن محاسبه شده اند در میان تمامی توابع ( ) بهینه هستند. به علاوه اگر و اجزا اخلال برای هر t  از 1  تا T نرمال باشند، توزیع شرطی  نرمال با میانگین  و واریانس  می باشد یعنی:

بر اساس توزیع فوق تابع چگالی احتمال زیر به دست می آید:   

(19)  

که این رابطه به ازای  برقرار است بر همین اساس با گرفتن لگاریتمی از طرفین و مجموع برای همه t ها می توان به رابطه زیر دست یافت: 

(20)                                                                                                                                       

با حداکثر سازی عددی این رابطه بر اساس مجهولات موجود در آن می توان تخمین لازم از ماتریس های F,Q,A,H,R را بدست آورد که این کار با استفاده از نرم افزارهای متفاوت قابل انجام است.^[25]

روند خطی با شیب و عرض از مبدا تصادفی یا ثابت در نظر گرفته می شود. در این حالت معادلات مشاهده و حالت به صورت زیر در خواهد آمد: روش دیگر آن است که عوامل غیر قابل مشاهده به صورت یک مولفه روند و یک مولفه فصلی تقسیم گردد. در این حالت چون داده های مورد استفاده دارای تواتر ماهیانه است مولفه فصلی (مولفه زمانی) به صورت یک فرآیند خود توضیح مرتبه 12درخواهد آمد. در مورد مولفه روند نیز می توان آنرا به صورت یک مولفه بصورت زیر نوشت:

 

 

 

 

(21)  

همانطور که مشاهده می شود جز حالت  در هر زمان از دو جز مولفه روند  و یک مولفه زمانی تشکیل یافته است. مولفه روند به صورت یک مولفه خطی بازگشتی با عرض از مبدا تصادفی است که در صورت صفر بودن واریانس اجزا اخلال  و  به صورت ثابت درخواهد آمد. ضرایب مولفه روند و مولفه زمانی ماتریس H را تشکیل می دهند. در صورتی که مولفه روند ماهیت تصادفی نداشته باشد. می توان آنرا را به صورت عرض از مبدا به مدل اضافه کرد.^[26]

3- معرفی و برآورد مدل

3-1- متغیر های به کار رفته در مدل

: مصرف سرانه برق در بخش خانگی در کشور، این متغیر از تقسیم میزان مصرف برق در بخش خانگی کشور بر تعداد مشترکین برق خانگی کشور از 1346 تا 1391 بدست آمده است. این اطلاعات از آمار تفصیلی صنعت برق کشور در سال 1390 مورد استفاده قرار گرفته است.

: قیمت حقیقی برق در بخش خانگی است. این متغیر ازحاصل (متوسط نرخ فروش برق خانگی به قیمت جاری (کیلووات ساعت/ریال) تقسیم بر شاخص بهای کالاها و خدمات مصرفی مناطق شهری در ایران از 1346 تا 1391) می باشد. قیمت جاری بر اساس تعرفه های تعیین شده توسط دولت در سال های مورد بررسی از آمار تفصیلی صنعت برق کشور و شاخص بهای کالاهاو خدمات مصرفی مناطق شهری در ایران ازسایت اداره آمار های اقتصادی بانک مرکزی استخراج شده است.

درآمد سرانه کشور: این متغیر بر اساس درآمد سرانه به قیمت ثابت (سال پایه1376) است که ازسایت اداره آمار های اقتصادی بانک مرکزی استخراج شده است.               

جدول3. توصیف داده های آماری

 

Date: 07/05/13   Time: 22:18
Sample: 1346 1391
	PET	QIT	INT
Mean	7.063652	32.46233	4775.860
Median	3.128755	25.88689	4179.000
Maximum	32.84615	99.84918	8847.000
Minimum	1.761573	1.047541	2292.000
Std. Dev.	7.263080	28.61831	1711.770
Skewness	1.861967	0.735395	0.676084
Kurtosis	6.017658	2.469636	2.504953
Jarque-Bera	41.16166	4.379746	3.714894
Probability	0.000000	0.111931	0.156071
Sum	303.7499	1395.880	205362.0
Sum Sq. Dev.	2215.598	34398.31	08+E1.23
Observations	43	43	43

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول4. آزمون هانسن تست ناپایداری پارامتر ها

 

Date: 07/28/13 Time: 10:09
Equation: UNTITLED
Series: Q P I
Null hypothesis: Series are cointegrated
Cointegrating equation deterministics: C
	Stochastic	Deterministic	Excluded
Lc statistic	Trends (m)	Trends (k)	Trends (p2)	Prob.*
0.716170	2	0	0	< 0.01
*Hansen (1992b) Lc(m2=2, k=0) p-values, where m2=m-p2 is the
number of stochastic trends in the asymptotic distribution

 

 

 

 

           

 

 

                                         

 3-2- برآورد پارامتر های مدل

در مرحله اول با استفاده از روش OLS به تخمین پارامتر های مدل پرداخته می شود­که خروجی نرم افزار در جدول( 3) آورده شده است. مدل اولیه تخمین زده شده به شرح زیر می باشد: 

(22)                                                            

در رابطه (22)،  ثابت و یا متغیر می­تواند باشد،در حالت متغیر در این مطالعه بصورتbit  است.SV1 یا همان (پارامتر های مدل State) کشش نسبت به قیمت و  در حالت متغیر را SV2 کشش ها نسبت به درآمد در نظر گرفته می شود. LNqt: مصرف سرانه برق خانگی ،LNpt  : قیمت حقیقی برق خانگی وLNit  : درآمد سرانه کشور می باشد.

قبل از بکارگیری تکنیک کالمن فیلتر بایستی نسبت به بی ثباتی پارامتر های تخمین زده شده مدل اطمینان حاصل گردد به همین منظور از آزمون هانسن استفاده می گردد در آزمون هانسن فرضیه H0  بر ثبات پارامتر ها دلالت دارد. نتایج آزمون هانسن در جدول (4)، میزان(آماره آزمون 716/0Lc statistic =) با 01/0 P-Value =   نشان می دهد. از آنجا که سطح اطمینان (01/0P-Value =  ) کمتر از 05/0 سطح معناداری است بنابراین آزمون هانسن فرضیه H0 را مبنی برثابت بودن پارامتر ها رد می نماید. با توجه به این نتایج این مطالعه تکنیک کالمن فیلتر را بکار می گیرد. نمودار آزمون هانسن (1992) برای  ناپایداری پارامترها در جدول(4) آورده شده است.

SV1 و SV2 تخمین نهایی کشش قیمتی و درآمدی تقاضای برق بخش خانگی در ایران  می باشد.

در این مرحله مدل نهایی با تکنیک  فیلتر کالمن تخمین زده می شودکه در زیر آمده است:

معادله (23)تا (25) مدلهای نهایی کشش قیمتی و درآمدی تقاضای برق خانگی در ایران برآورد شده است. در جدول 3-4 خروجی مدل  State Spaceوقفه ها و سایر اطلاعات ذکر گردیده است. برای تخمین از نرم افزارeviews7  برای ضرایب متغیر در طول زمان^[27] استفاده شده است. در این مدلها قیمت و مقادیر بصورت لگاریتمی می باشند.

(23)                                                                    

(24)                                                             

(25)                                                                                             

3-3-  تحلیل و تفسیر نتایج

با توجه به تغییرات نمودار کشش قیمتی تقاضای برق نقاط بحرانی را به دوره های مشخصی تقسیم کرده و میانگین کشش قیمتی این دوره ها را جهت مقایسه با مطالعات گذشته در جدول (5) محاسبه گردید.

در نمودار (1) روند تغییرات کشش قیمتی تقاضای برق خانگی در ایران 1346تا1391 ارائه شده است. در تمامی سالها کشش قیمتی تقاضای برق خانگی منفی می باشد. کشش قیمتی درسال­ 1346 ابتدای مطالعه 93/0- می باشد و تا آخر دهه 40 به 94/0- کاهش یافته است. در سال 1350 نیز 94/0- می باشد که در یایان دهه سال 1359 به 92/0- رسیده است. این روند تا پایان دهه 60 ادامه دارد و به 91/0- می رسد. در دهه 70  تا سال 1379 به 90/0- رسیده و در دهه 80  از سال 1382 تا 1386تغییری نداشته است. در سال 1389با اجرای طرح هدفمندی یارانه ها و اصلاح قیمتهای انرژی، تا سال پایانی مطالعه1391 به رقم 89/0- کاهش یافته که این روند کاهشی می تواند نشان دهنده تغییرات قیمت برق باشد. قدر مطلق کشش قیمتی در سالهای اولیه نزدیک به یک است و در سالهای انتهایی مقدار آن بطور حتم کمتر شده بگونه ای که نشان می دهد کالای برق در این مدل رفته رفته به یک کالای کم کشش یا بی کشش نزدیک می شود. بجز اثر کاهش قیمت برق به مصرف آن، میانگین کشش قیمتی برق 94/0- در دوره زمانی(1346-1353) و 93/0- در دوره زمانی(1354-1361) و 91/0- در (1362-1382) و 90/0- در دوره (1363-1391) محاسبه شد. یکی ار نتایج مهم این مطالعه این است که هر چه قیمت بالاتر باشد حساسیت مصرف کنندگان به تغییرات قیمت بالاتر است. بنابراین افزایش بیشتر قیمتهای برق منجر به تغییر رفتار مصرف کنندگان برق می گردد که مدیریت طرف تقاضا می تواند کارایی را افزایش دهد و یا حتی  به سمت جایگزینی منابع ارزانتر انرژی به منظور اجتناب از هزینه بالای مصرف برق حرکت نمایند ولی در ایران و بسیاری از کشور ها جایگزین مناسب برای برق در بخش خانگی وجود ندارد.

جدول­6. تخمین مدل نهایی با روش حداکثر راست نمایی نتایج فیلتر کالمن

 

Sspace: SS01
Method: Maximum likelihood (Marquardt)
Date: 07/05/13   Time: 23:11
Sample: 1346 1391
Included observations: 46
Valid observations: 43
Estimation settings: tol= 0.00100, derivs=accurate numeric
Initial Values: C(2)=-1.45519
Convergence achieved after 10 iterations
	Coefficient	Std. Error	z-Statistic	Prob.
C(2)	-8.414657	1.270551	-6.622842	0.0000
	Final State	Root MSE	z-Statistic	Prob.
SV1	-0.899491	0.224514	-4.006387	0.0001
SV2	0.581883	0.037880	15.36128	0.0000
Log likelihood	-23.59753	Akaike info criterion		1.144071
Parameters	1	Schwarz criterion		1.185029
Diffuse priors	2	Hannan-Quinn criter.		1.159175

 

جدول­5. میانگین کشش قیمتی تقاضای برق خانگی ایران

 

دوره زمانی	میانگین کشش قیمتی
1346-1353	94/0-
1354-1361	93/0-
1362-1382	91/0-
1363-1391	90/0-

 

 

 

 

 

 

منبع : نتایج تحقیق

 

 

 

 

نمودار1. کشش قیمتی تقاضای برق خانگی (13 منبع: نتایج تحقیق 46-1391)

خانگی(1346-1391)

 

 

 

 

 

 

 

 

 

 

 

منبع: آمار های اقتصادی بانک مرکزی ایران و نتایج تحقیق

 

نمودار2. قیمت حقیقی برق و کشش قیمتی برق

 

 

 

 

 

 

 

 

 

 

 

* P ELAS  : کشش قیمتی برق و PET : قیمت حقیقی برق 

 

با بررسی نمودار(2) قیمت حقیقی برق در بازه زمانی1346-1391 روند کاهشی را نشان  می دهد­ که به دلیل افزایش شاخص بهای کالاها و خدمات مصرفی در مناطق شهری، در همه سالهای مطالعه می باشد. قیمت حقیقی در سال 1347 از84/32  ریال به ازای هر کیلووات ساعت به 30/1 ریال به ازای هر کیلووات ساعت در سال 1391کاهش یافته است. نکته دیگر این نمودار آن است که قدر مطلق کشش قیمتی برق در طول دوره کاهش نشان می دهد. بنابراین قیمت برق اهمیت کمتری نسبت به مصرف برق دارد در حالیکه قیمت واقعی برق شروع به کاهش نموده است. این موضوع نشان می دهد که قیمت واقعی بالاتر موجب کشش قیمتی بالاتری می گردد. بنابراین سطح پایین قیمتها  می تواند نبود اثر قیمتی رادر دوره زمانی (1346-1391) توجیه نماید.کشش قیمتی تقاضای برق خانگی در تمامی سالها منفی می باشد. کشش قیمتی درسال 1346 ابتدای مطالعه 93/0- می باشد و تا آخر دهه در سال 1349 به 94/0- کاهش یافته است. در سال 1350 نیز 94/0-      می باشدکه در یایان سال 1359 به 92/0- رسیده است. این روند تا پایان دهه 60 ادامه دارد و به 91/0- می رسد.در دهه 70  تا سال 1379 به 90/0- رسیده و در دهه 80  از سال 1382 تا 1386تغییری نداشته است. در سال 1389با اجرای طرح هدفمندی یارانه ها و اصلاح قیمتهای انرژی، تا سال پایانی مطالعه1391 به رقم 89/0- کاهش یافته که این روند کاهشی می تواند نشان دهنده تغییرات قیمت برق باشد. قدر مطلق کشش قیمتی در سالهای اولیه نزدیک به یک است و در سالهای انتهایی مقدار آن بطور حتم کمتر شده بگونه ای که نشان می دهد کالای برق در این مدل رفته رفته به یک کالای کم کشش یا بی کشش نزدیک می شود. اهمیت این نمودار بیانگر این است که قدر مطلق کشش قیمتی برق شروع به کاهش  نموده است بنابراین قیمت برق اهمیت کمتری  در مصرف برق دارد در حالیکه قیمت واقعی برق شروع به کاهش نموده است. این موضوع نشان می دهد که قیمت واقعی بالاتر موجب کشش قیمتی بالاتری می گردد. بنابراین سطح پایین قیمت ها در دوره زمانی(1346-1391) می تواند نبود اثر قیمتی را توجیه می نماید.

 

 

 

نمودار3. مصرف سرانه برق و قیمت حقیقی برق ( 1346-1391)

 

 

 

 

 

 

 

 

 

 

نمودار4. مصرف سرانه برق و درآمد سرانه برق را در دوره 1346-1391

 

 

 

                                           

 

 

 

 

 

 

نمودار(3 ) نشان می دهد مصرف سرانه برق و درآمد سرانه برق رابطه منفی باهم دارند و از آنجایی که مصرف برق روند رو به بالایی دارد در این سالها ، در حالیکه قیمت حقیقی در طول دوره کاهشی می باشد. نتایج این مطالعه اثر کاهشی قیمت برق را نسبت به مصرف آن در طی دوره (1346-1391) را با روند­ کاهشی قیمت در تقابل با روند افزایشی کشش درآمدی نشان می­دهد. روند تغییرات قیمت واقعی برق و میزان تقاضای برق نشان می­دهد که تقریباً ارتباط معکوسی بین قیمت واقعی برق و مقدار مصرف سرانه آن به ازای هر مشترک وجود دارد، به طوری که، با کاهش قیمت واقعی برق ،تقاضا برای مصرف آن به ازای هر مشترک افزایش یافته است.

نمودار (4) نشان می دهد رابطه بین درآمد سرانه برق و مصرف سرانه برق مثبت است و هر دو روند رو به بالا و صعودی را در طول دوره زمانی (1346 -1391) را نشان می دهد. بنابراین، هم ارتباط قیمت واقعی و مصرف سرانه برق وهم ارتباط بین درآمد سرانه و مصرف سرانه برق بررسی شده است.

4- نتیجه گیری

در دهه اخیر تحلیل کشش قیمتی برق موضوع جدید مورد بحث در اقتصاد انرژی ایران نیست. به خصوص اثر قیمت برق به مصرف آن اهمیت بالایی برای سیاستگذاران انرژی پس از هدفمندی یارانه ها دارد این مطالعه با مطالعات محلی و بین المللی که کشش قیمتی برق را شاخصی متغیر در زمان می دانند هماهنگ است. دلیل تغییر آن در طول زمان به شرح زیر است:

1- فعالیت های اقتصادی و اهمیت آن     2- مقررات قیمتها و سطح قیمتها.

پس از جمع بندی مقایسه این مطالعه و پژوهش های مشابه انجام شده در ایران و جهان نتایج زیر حاصل شده است: با توجه به متغیر بودن پارامتر ها در این مطالعه ضرایب کشش قیمتی و کشش درآمدی را در 5 دهه بصورت روند تغییرات بررسی می­ کند ولی در مطالعات صورت گرفته در بخش برق خانگی در ایران با پارامتر های ثابت در نظر گرفته شده است. پس نتایج این مطالعه و تفسیر نتایج به دست آمده در این مطالعه جامع تر بیان کننده روند تغییرات کشش قیمتی می باشد که برای اولین بار در ایران از این روش در برق خانگی استفاده شده است.

بجز اثرکاهش قیمت برق به مصرف آن، میانگین کشش قیمتی برق 94/0- در دوره زمانی(1346-1353) و 93/0- در دوره زمانی(1354-1361) و­91/0- در (1362-1382) و 90/0- در دوره (1363-1391) محاسبه شد. یکی از نتایج مهم این مطالعه اینست که هر چه قیمت بالاتر باشد حساسیت مصرف کنندگان به تغییرات قیمت بالاتر است. بنابراین افزایش بیشتر قیمتهای برق منجر به تغییر رفتار مصرف کنندگان برق می گردد. به منظور توسعه سطح کارایی، باید مصرف کنندگان برق با تکنیکهای مدیریت طرف تقاضا آشنا شده و یا حتی  به سمت جایگزینی منابع ارزانتر انرژی به منظور اجتناب از هزینه بالای مصرف برق حرکت نمایند. مطالعات محلی و بین المللی زیادی کشش قیمتی تجمعی برق را در طیف 2- تا 0 و کشش درآمدی را بین 0 تا 2 برآورد کرده اند. اهمیت بالایی که نتایج این مطالعه برای کشش های قیمتی، در میان طیفهای برآورد شده قبلی قرار دارد. نتایج این مطالعه اثر کاهشی قیمت برق را نسبت به مصرف آن در طی دوره 1346-1391 را  با روند کاهشی قیمت در تقابل با روند افزایشی کشش درآمدی نشان می دهد.

از آنجایی که کشش قیمتی  نزدیک به صفر است اولین افزایش های  قیمت ممکن نیست اثر قابل توجه و مستقیمی بر مصرف برق داشته باشد.با این وجود اگر قیمتهای واقعی به سطح بالایی برگردند (نزدیک یا بالاتر از سطح قیمتهای دهه 40) ممکن است منجر به تغییرات در رفتار مصرف کننده برق و حساسیت آنها نسبت به قیمتها گردد. بنابر این کشش قیمتی دوباره بالاتر از صفر خواهد شد و قیمتها نقش مهمی در مصرف برق ایفا خواهند کرد. پس با کمی افزایش قیمتها آنچه که درطرح هدفمندی یارانه ها اتفاق افتاده نمی توان انتظار تاثیر قابل توجهی در رفتار مصرف کنندگان نسبت به افزایش قیمتها داشت. این نشان می دهد قیمت حقیقی برق خانگی در ایران بسیار پایین است و تا زمان رسیدن به قیمت حقیقی برق در سال 1347 نمی توان انتظار حساسیت مصرف کنندگان نسبت به  افزایش قیمت برق یا نگرش به سمت جایگزینی منابع ارزانتر انرژی به منظور اجتناب از هزینه مصرف برق را داشت. دلیل دیگر آن جایگزین مناسب و ارزان برای برق در ایران  وجود ندارد وتولید و توزیع بصورت انحصار دولتی می باشد.

نتایج این مطالعه نشان می دهد که کشش قیمتی تقاضای برق درطی زمان متغیر است و قدر مطلق کشش قیمتی تقاضای برق در طی بازه زمانی مورد مطالعه کاهش یافته و از رقمی نزدیک به یک در دهه 40 به رقمی پایین تر از یک در ابتدای دهه90 تقلیل یافته است.

پیشنهادات برای مطالعات آینده:

نتایج مطالعات مشابه درکشور های توسعه یافته و در حال توسعه در ارتباط با تغییرات کشش های قیمتی و درآمدی تقاضای برق در طی زمان با بکارگیری تکنیک فیلتر کالمن و وارد کردن متغیر های بیشتر مانند دما، تحصیلات، مساحت ساختمانها و.... مقایسه گردد.

با توجه به اینکه این مطالعه  تنها بخش خانگی را مورد مطالعه قرار داده است  پیشنهاد می شود تکنیک مورد استفاده در این مطالعه در سایر بخشها(عمومی و صنعتی و ...)  نیز بکار گرفته شود و نتایج کشش تقاضای برق در  بخشهای  مربوطه مقایسه گردد.

با مقایسه ی نتایج این مطالعه با روش های کلاسیک (رگرسیون سری های زمانی یا روش باکس جنکینز) شاخصی از میزان اثر گذاری متغیر های غیر قابل مشاهده بر روند مصرف برق تعیین شود.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---

[1]. استاد یار دانشکده اقتصاد دانشگاه آزاد اسلامی  واحد تهران مرکزی، تهران.ایران (نویسنده مسئول)Email: [e-mail]

[2]. استاد یار دانشکده اقتصاد دانشگاه علامه طباطبایی.تهران.ایران 

[3]. کارشناس ارشد اقتصاد از دانشگاه آزاد اسلامی واحد تهران مرکزی،تهران.ایران Email: [e-mail]                

1. Cointegration

2. Time Varying Cofficient

1.­ Cointegration

2. Harvey (1997(

3. Hunt et al. (2003)

4. Morissonand Pike (1977)

1. Massimo Filippinia, b, Shonali Pachauria(2004)

2. Emmanuel Ziramba(2008)

3. R.I nglesi- Lotz. ,2011

1. Ordinary Least Squares.

2. Error Correction Model.

1. Ordinary Least Squares.

2. Error Correction Model.

1. Optimal Recursive Data Processing Algorithm

2. Maybeck (1979)

1. Noisy Signal

2. Time Varying

3. (Currie and Hall, 1994; Cuthbertson, 1988; Harvey,1987; Lawson, 1980)

4. Cuthbertson et al. (1992)

5. unobservable components models

1. time-varying parameter models

1. Hamilton (1994)

1. Hunt,L.C.,judge,G.,Ninomiya,Y.(2003)

1. The  time varying  coefficients

مراجع

منابع

-      امامی میبدی، علی. محمدی، تیمور و سلطان العلمایی­، سیدمحمدهادی .(1389) ” تخمین تابع تقاضای داخلی  گاز طبیعی به روش فیلتر کالمن مطالعه ی موردی تقاضای بخش خانگی شهر تهران) 23- “ فصلنامه اقتصاد مقداری (بررسیهای اقتصادی سابق)، دوره 7، شماره 3، پاییز ، صفحات 41

-      پژویان ،جمشید و تیمور محمدی ، “1379. قیمت گذاری بهینه رمزی برای صنعت برق ایران “، فصلنامه پژوهش های  اقتصادی، شماره ششم ،  ص 39-61

-      پور آزرم ،الهام)1391( . ”برآورد تابع تقاضای برق خانگی استان خوزستان “ فصلنامه جستارهای اقتصادی ایران ، سال دوم، شماره4 ،صص 182-138

-      توکلی،اکبرو بحرینی ،جعفر (1377). " برآورد  رابطه تابع تقاضای برق خانگی استان اصفهان ". مجله تحقیقات اقتصادی،شماره 52،صص 115-136.

-      حلافی، حمید رضا و علیرضا ،اقبالی. ”برآورد توابع تقاضای برق استان خوزستان  به تفکیک خانگی و صنعتی “نشریه: اقتصاد » اقتصاد مقداری (بررسی های اقتصادی سابق) » بهار 1384)، دوره دوم - شماره 1 ، صص63 تا 88

-      صفاری پور اصفهانی ،مسعود .(1378)"بررسی و پیش بینی تابع تقاضای برق در ایران"مقاله مجله برنامه و بودجه ،شماره 13و 14 ،ص .75-92

-      لیارد پی. آر. جی و ا.ا. والترز. (1377). تئوری اقتصاد خرد. ترجمه عباس شاکری. تهران، نشر نی.

-      عسگری،علی (1379). ”تخمین تابع تقاضای برق خانگی و برآورد کشش قیمتی و درآمدی آن“.مجله برنامه و بودجه ،شماره 62و 63 ،صص 103-119   

 

-       Abdul Razak F. Al-Farisa,b, 2002, The demand for electricity in the GCC countries  a Economics Department, College of Business and Economics, United Arab Emirates University, United Arab Emirates b International Monetary Fund, Room 11-536, 700, 19th Street, N.W., Washington, DC, USA  Energy Policy 30 (2002) 117–124

-       Diabi, A., 1998." The demand for electric energy in Saudi Arabia: an empirical,investigation. OPEC Reviewm", 22 (1), 13–29.

-       Frederick L. Joutz, Associate Professor, Department of Economics, The George Washington University, WashingtonPernille Holtedahl,Frederick L. Joutz(2000),. Energy Economics, DC 20052, [phone],

-       Houthakker, H. S., P. K. Amer. J. Agr,.  1974. Verleger and S. Denis.” Dynamic demand  analysis for gasoline and residential electricity”. Econ.Vol.56, PP.412-418.

-       Hunt, L.C., G. Judge & Y. Ninomiya. (2003). Underlying Trends and Seasonality in UK Energy Demand: A Sectoral Analysis. EnergyEconomics, 25:93-118.

-       Hamilton, J.D. (1994). Time Series Analysis. Prinston University Press.

-       Maybeck, P.S. (1979). Stochastic Model, Estimation and Control. ,Page 4-13 Academic Press, 1-190.

-       R.I nglesi- Lotz. ,2011, ” The evoulution of price elasticity of electricity demand in South Africa : A Kalman filter application .Elsevier Energy Policy ” )1-7),doi:10.1016 / j . enpol.2011.03.078

 

ارزیابی و ش