论文部分内容阅读
截至2030年，俄罗斯是确保以社会负担得起的价格向人民提供可靠的能源。同时，定价政策应符合能源生产者的利益，并确保电力行业的投资回报。这一政策的实施有助于完善零售电价的监管体系，以便维持人口可支配的必要能源供应份额，并提高人口目标社会支持系统的效率，消除交叉补贴的措施。 因此，似乎有必要制定电价，为最不富裕的人口群体提供社会保障，涵盖电力生产的所有成本。这一政策催生了多部分关税优化模型，不同于用电量，这一量被称为社会规范。它们能够在能源公司收支平衡和最贫困人口群体的社会保护的条件下，最大限度地提高社会福利。 社会用电量定额是确定的月用电量，可以满足公寓（民房）租户的基本需求。在引入社会规范之前，这个容量的电价比当前的更低。对于更高水平的能源消费来说，价格明显更高。因此，国家希望刺激人口节约能源。同时，宣布了不同的目标——从节能到减少“交叉融资”，这意味着通过以更高的价格向工业消费者出售能源来补贴居民的电价。“社会规范”具有的主要问题是实施的复杂性和纠结性。 从以前研究人口用电量决定因素的研究中可以发现：有许多影响家庭能源使用的决定因素，如收入水平、年龄、种族和地区。所有这些因素都应该考虑在内，以便公正地计算一个家庭的社会规范数量。然而，选择一个子样本或将样本分成若干组的研究受到抽样偏差的影响。为了避免这种抽样偏差，一些学者采用分位数回归方法，利用整个样本来估计因变量对能源使用的影响。他们的研究表明，依赖变量的高分位数和低分位数对家庭能源使用有不同的影响。本文采用分位数回归的方法，不仅可以确定哪些因变量对用电量有相关影响，而且可以用同样的方法计算不同类型家庭的社会定额分配。 本文所用数据由俄罗斯纵向监测调查高等经济学院（RLMS-HSE）提供。RLMS-HSE是具有全国代表性的调查机构，旨在监测俄罗斯改革对俄罗斯联邦家庭和个人健康以及经济福利的影响。这些影响通过多种方式进行测量：详细监测个人的健康状况和饮食摄入，精确测量家庭支出和服务利用率，收集相关的社区层面数据，包括特定地区的价格和社区基础设施数据。本研究自1992年至今共收集资料25次，采用2005年至2016年的调查数据。 本文的目标样本量设定为4000户，采用多阶段概率，以获得俄罗斯联邦具有全国代表性的样本。首先，创建了1850个综合区域（行政区域）的清单，其中包含95.6%的人口，用作主要抽样单位（PSU）。基于地理因素和城市化水平以及存在显著变异的种族，研究数据涵盖了38个阶层。本文选择了三个非常大的人口单位：莫斯科市、莫斯科地区和圣彼得堡市构成了自我代表（SR）阶层，剩余的非自我代表阶层（NSR）被分配到35个大小相等的社会阶级。本文共选择98个PSU：3个自代表层包括63个PSU，其余非代表层包括35个PSU。 所选PSU的城市地区，二次抽样单位（SSU）由人口普查计数区的边界定义。在农村，村庄被编成SSU，并以年度调查进行设计。由于1994年至2014年之间存在资金短缺，错过了1997和1999两年。本文的样本在补充文件2第二阶段和RLMS-HSE网站上有更详细的描述。 无论是在城市还是农村，采访者都被要求访问每个选定的住宅三次，以确保采访的安全，并且他们不允许进行任何形式的替换。“家庭”是指在一个给定的住所内共同生活并分享共同收入和支出的一群人。家庭也被定义为包括18岁或18岁以下的未婚子女，他们在调查时暂时居住在住所外。 然后，采访者对尽可能多的对14岁及14岁以上的家庭成员进行了个人访谈，获取有关他们个人活动和健康的数据。13岁及以下儿童的数据来自家庭中的成年人，这提供了一个俄罗斯个体的概率样本，基线时没有特殊加权。 从收集的一千多个家庭特征中，选择家庭消耗的电能作为分位数回归的一个因变量。选择的自变量是：调查年、家庭城市/居民点的人口、家庭成员数、家庭估计市值（卢布）、家庭居住面积（平方米）、户型面积（平方米）、户内房间数、过去30天家庭收到多少卢布付款、过去30天内、每个家庭成员收到多少卢布付款、家庭所在地的地位、家庭生活在公寓或房子里、家里有没有煤气表、家里有没有电炉吗。 根据这一数据，大多数家庭（第三个四分位数）每月消耗的电能不足200kWh，其中4名或以下家庭成员每月总收入为39000卢布。一套公寓最常见的特点是少于或等于3个房间，建筑面积63平方米，其中43平方米是居住空间。一套公寓的市值通常不到200万卢布。大多数家庭都是城市化的，住在有计量燃气的公寓里，没有安装电炉。 在这项研究中，R—统计计算和图形的语言和环境—被用来对来自RLMS-HSE的数据进行分位数回归。将家庭消耗的电能作为一个独立变量输入，将选定的变量作为因变量输入，在第一次迭代中得到以下结果。 分位数回归结果表明：居民家庭的能源消费稳步增长，但增长速度缓慢。这一点很明显，因为调查年度较高数量的电能消耗水平较高。由于此变量对于在给定时期内消耗电能的所有家庭都是相等的，因此，此变量将不会在QR的进一步迭代中使用。 地方地位从最大（区域中心）到最低（农村）进行分类。数据显示，与居住在区域中心和城市的住户相比，居住在农村地区的住户消耗的电能显著增加。 地方人口与用电量无相关性，在某些分位数上具有较高的P值，表明家庭所在地的人口对用电量无影响。因此，可以假设：这个变量与家庭能源使用无关。 家庭成员的数量对家庭能源消耗有正向影响，在高分位数产生的影响较大。这表明家庭成员的数量与能源消耗成正比。 通过对一套公寓的市场价值分析发现，住宅的预计市场价值对其能耗没有影响。因此，可以假设：这个变量与家庭能源使用无关。 生活空间在回归分析中呈现出较低的负值，在高分位数中具有较高的绝对有效值。这表明：如果家庭有更多的生活空间，它更可能使用较略少的电能。因此，可以假设：这个变量与家庭能源使用无关；相反，楼层空间的正值较低，高分位数的绝对值较高。这表明，如果家庭有更多的空间，它可能使用稍微更多的电能。因此，可以假设：这个变量与家庭能源使用无关。 房间数量在0到0.85分位数之间显示出较高的正值，约为6kWh，但在高分散度下，最高分位数下降到3.5kWh。这说明：家庭中的房间数量对电力消耗有显著的积极影响，但房间数量的影响却在减少。 家庭在一个月内收到的付款表明，家庭收到的付款金额对各分位数的用电量没有显著影响。因此，可以假设：这个变量与家庭能源使用无关。 每个家庭成员收到的付款在所有分位数上都具有很高的p值，这表明每个家庭成员收到的付款在能源使用方面没有关系。因此，可以假设：这个变量与家庭能源使用无关。 对公寓类型的分析表明，被视为公寓或公寓一部分的家庭不会消耗额外的能源。相反，被视为独立住宅或部分住宅的家庭消耗更多的能源，平均高达7kWh。 根据家庭是否有天然气，获得计量天然气显示出最清晰的共分等级和最高的用电量。在家庭已计量天然气的较低分位数地区，能源消耗仅略高于5kWh左右。在较高分位数地区，家庭没有连接计量气体，家庭消耗的电能更高达85kWh。 安装电炉是难以分析的变量。它对能量消耗有负面影响，特别是对中分位数。在最高分位数和最低分位数上，这种效果不那么明显。 为了确保独立变量在数量上影响因变量，省略了QR第一次迭代中的相关、无关变量，并用这些结果处理了QR第二次迭代。 在删除不相关的变量后，可以看到，位置状态变量在所有分位数上变得不那么明显，因此假设该变量是不相关的。相反，随着消费量的稳步增加，所有分位数的房间数量变化变得非常明显。 通过第三次迭代，去除了局部状态变量，与第二次迭代相比，得到了如下结果。 在第三次迭代中留下的所有变量都是相关的。 家庭成员的数量、房间的数量、对计量气体的接近程度显示出相似的现象，低分位数的值接近零，高分位数的值稳步增加。公寓的类型表明，居住在房子里的家庭比居住在公寓里的家庭消耗更多的电能。电炉安装对能耗有负面影响，其绝对值越高，分位数越高。 在RLMS数据上实施QR的结果表明，与以往的研究存在一定的相关性，但也与以往的研究存在矛盾。 年用电量的增加可能是由于各种电器、计算机等更广泛的集成所造成的，以往的工作已经证明，房间的数量和家庭成员的数量对能耗有很大影响，这使得它们成为家庭用电量的主要决定因素之一。另一个重要的能源使用决定因素是家庭是否可以使用燃气。没有计量燃气的家庭每月消耗的电量比没有计量燃气的家庭高出70kWh。数据表明，安装了专用电炉的家庭平均每百分位数的电能消耗量减少25kWh，这表明电炉比其他类型的炉子（如感应面等）效率更高。一个家庭的类型，无论是公寓的一部分还是房子，都有一个对电力消耗有显著影响，住宅比公寓多10千瓦时。 相反，一个家庭的富裕程度对用电量几乎没有任何影响，这一点可以从家庭市值的QR、上个月家庭和家庭成员收到的付款来证明。尽管这与之前的研究结果相矛盾，但由于RLMS是一个问题，参与者可能会在收入水平上给出不准确的答案，因此需要使用不同的方法和数据集进行进一步的研究。一个家庭的其他特征，如居住空间、建筑面积、当地状况和一个家庭所在地的人口对用电没有显著影响。