عوامل موثر بر شدت انرژی در استان‌های ایران: رویکرد میانگین‌گیری بیزی

شناسایی مهم ترین عوامل موثر بر شدت انرژی با هدف کنترل و مدیریت مصرف انرژی موضوعی بااهمیت است. در مطالعات تجربی انجام شده پیرامون عوامل موثر بر شدت انرژی، تفاوت های قابل توجهی در یافته ها مشاهده می شود که شرایط عدم اطمینان نسبت به مدل را باعث می شوند. یکی از تکنیک های متناسب با شرایط عدم اطمینان مدل، تکنیک میانگین گیری بیزی می باشد. هدف مطالعه حاضر، شناسایی عوامل نیرومند و شکننده موثر بر شدت انرژی در استان های ایران طی سال های 1387 تا 1394 مبتنی بر رویکرد میانگین گیری بیزی است. متغیرهای مورد مطالعه از میان عوامل مختلف اقتصادی، جمعیت شناختی، صنعتی، تجاری، حمل ونقل، بخش انرژی، عوامل مربوط به اقتصاد دانش بنیان و نیز عوامل آب وهوایی انتخاب شده اند. با برآورد بیش از 8 میلیون رگرسیون و میانگین گیری بیزی از ضرایب، از میان 24 متغیر مورد بررسی، 9 متغیر: سهم بخش خدمات از تولید، نسبت صادرات به تولید، سهم نفت و فرآورده های نفتی از مصرف انرژی، درآمد سرانه، قیمت انرژی، تعداد ماه های گرم سال، سرمایه سرانه نیروی کار، تعداد ماه های سرد سال و نرخ رشد جمعیت به ترتیب به عنوان مهم ترین عوامل موثر بر شدت انرژی در استان های ایران شناسایی شدند. همچنین مشخص شد که متغیرهای درآمد سرانه، سهم بخش خدمات از تولید، سهم نفت و فرآورده های نفتی از مصرف انرژی، قیمت انرژی و تعداد ماه های گرم سال بر شدت انرژی اثر منفی دارند اما سایر متغیرهای نیرومند، شدت انرژی را افزایش می دهند. نتایج این تحقیق می تواند از منظر سیاستگذاری مورد استفاده برنامه ریزان حوزه انرژی قرار گیرد.

Factors Affecting Energy Intensity in Provinces of Iran: Bayesian Averaging Approach

The identification of the most important factors affecting energy intensity with the aim of controlling and managing energy consumption is an important topic. Findings of different empirical studies on the factors affecting energy intensity are inconsistent and this raises uncertainty about the employed models. One of the techniques that conform to these uncertainty conditions of the model is the Bayesian averaging approach. The purpose of this study is to identify robust and fragile factors affecting energy intensity in Iran provinces over the period from 2008 till 2015 using Bayesian averaging approach. The studied variables are selected from among the economic, demographic, industrial, commercial, transportation, Energy sector, factors related to Knowledgebased economy and climate factors. 24 variables were reviewed and by assessment of more than 8 million regressions and Bayesian averaging of the coefficients, 9 variables were identified as the most affecting factors on energy intensity in Iran provinces; share of service sector in production, ratio of export to production, share of oil and petroleum products in energy consumption, income per capita, energy price, number of warm months, per capita capital of employed persons, number of cold months and population growth rate. It was also revealed that per capita income, share of service sector in production, share of oil and petroleum products in energy consumption, energy price and number of warm months have negative effect on energy intensity but other robust variables increase energy intensity. These findings can provide important policy recommendations, especially for the use of energy planners and policy makers.