شناسنامه علمی شماره

نویسندگان

1 دانشیار اقتصاد دانشگاه شهید چمران اهواز

2 دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز

چکیده

با توجه به ضرورت صرفه‌جویی در مصرف انرژی در سطح کل کشور و نقش مهم بخش صنعت در این میان، شناسایی عوامل موثر بر شدت انرژی در این بخش از اهمیت بالایی برخوردار است. در این تحقیق با استفاده از روش داده‌های ترکیبی[1] تأثیر قیمت انرژی، تولید ناخالص داخلیو تکنولوژی بر شدت انرژی در صنایع نه‌گانه طی دوره‌ 1389-1374 مورد بررسی قرار می­گیرد. نتایج تحقیق دلالت بر آن دارد که قیمت انرژی و سطح تکنولوژی، رابطه‌ معکوس با شدت انرژی دارند و شتاب افزایش مصرف انرژی (رشد مصرف انرژی) کمتر از شتاب افزایش ارزش افزوده صنایع (رشد تولید) است که این امر دلالت بر افزایش کارائی مصرف انرژی در صنایع با مقیاس بزرگ دارد. بنابراین، توصیه می­شود حتی­الامکان با ادغام کردن صنایع با مقیاس کوچک، از صنایع با مقیاس بزرگ به جای صنایع کوچکتر استفاده شود. همچنین اصلاح قیمت انرژی، افزایش سطح تکنولوژی و کنترل نرخ تورم به عنوان سیاست­هایی مستمر، می­توانند در کاهش شدت انرژی در صنعت مؤثر باشند.



[1]. Panel Data

کلیدواژه‌ها

عنوان مقاله [English]

Assessment of Effective Factors on Energy Intensity in Iran's Industrial Manufacturing

نویسندگان [English]

  • Seyed Aziz Armen 1
  • Samira Taghizadeh 2

چکیده [English]

Due to the need forenergy efficiency inindustrial sector, assessment of thefactors affectingenergy intensity seems as an essential task.Inthis study, using panel data approach, the main factorsaffectingenergy intensityinnine branches of Iran's industry during 1374-1389 period were examined. Results show that both energy price and technology are inversely related to the energy intensity. Meanwhile, the results also indicate that the speed of energy consumption (growth of energy consumption) is less than the speed of growing of value added in industries (growth of production) which in turn is indicative of the fact that bigger scale manufactures are more energy-efficient. Therefore, we recommende the use of   bigger scale industies through integrating small scale ones. In addition, energy price adjustment, promotion of technology and inflation rate control, as the permanent policies to decrease energy intensity, could be effective. 

کلیدواژه‌ها [English]

  • Energy Intensity
  • Manufacturing Industries
  • Panel data approach

بررسی عوامل مؤثر بر شدت انرژی در صنایع کارخانه‌ای ایران

سیدعزیز آرمن* و سمیرا تقی‌زاده**

 

تاریخ دریافت: 5 آبان 1392                       تاریخ پذیرش: 21 اسفند 1392

چکیده

با توجه به ضرورت صرفه‌جویی در مصرف انرژی در سطح کل کشور و نقش مهم بخش صنعت در این میان، شناسایی عوامل موثر بر شدت انرژی در این بخش از اهمیت بالایی برخوردار است. در این تحقیق با استفاده از روش داده‌های ترکیبی[1] تأثیر قیمت انرژی، تولید ناخالص داخلیو تکنولوژی بر شدت انرژی در صنایع نه‌گانه طی دوره‌ 1389-1374 مورد بررسی قرار می­گیرد. نتایج تحقیق دلالت بر آن دارد که قیمت انرژی و سطح تکنولوژی، رابطه‌ معکوس با شدت انرژی دارند و شتاب افزایش مصرف انرژی (رشد مصرف انرژی) کمتر از شتاب افزایش ارزش افزوده صنایع (رشد تولید) است که این امر دلالت بر افزایش کارائی مصرف انرژی در صنایع با مقیاس بزرگ دارد. بنابراین، توصیه می­شود حتی­الامکان با ادغام کردن صنایع با مقیاس کوچک، از صنایع با مقیاس بزرگ به جای صنایع کوچکتر استفاده شود. همچنین اصلاح قیمت انرژی، افزایش سطح تکنولوژی و کنترل نرخ تورم به عنوان سیاست­هایی مستمر، می­توانند در کاهش شدت انرژی در صنعت مؤثر باشند.

 

واژه‌های کلیدی: شدت انرژی، صنایع کارخانه­ای، الگوی داده‌های ترکیبی.

طبقه‌بندی JEL: Q43، L60، C23.

 

1. مقدمه

انرژی به عنوان یکی از نهاده‌های مهم تولید در حیات اقتصاد صنعتی جوامع، نقش زیربنایی را ایفا می‌کند. به این معنا که هرگاه انرژی به مقدار کافی و به موقع در دسترس باشد یکی از مقدمات توسعه‌ اقتصادی فراهم است. از سوی دیگر استفاده‌ نامناسب و غیرکارا از انرژی، منجر به پیامدهای نامطلوب زیست‌محیطی و حتی غیراقتصادی می‌شود؛ لذا توجه به بهبود کارایی انرژی و بررسی عوامل مؤثر بر آن، به خصوص در کشوری که از منابع غنی انرژی برخوردار است، اهمیت زیادی دارد. با توسعه و پیشرفت اقتصادی، اهمیت انرژی هم به طور فزاینده­ای افزایش می‌یابد. در این میان بخش صنعت از اهمیت ویژه­ای برخوردار است. بهبود کارایی مصرف انرژی در صنعت و زیربخش‌های آن باعث کاهش هزینه تولید، پرداخت میزان کمتر یارانه و کاهش قیمت تمام شده محصولات صنعتی می­شود و از این طریق باعث ارتقای سطح ارزش افزوده این بخش‌ها، افزایش توان رقابتی، افزایش کیفیت تولید و در نهایت، باعث کاهش واردات برخی کالاهای مورد لزوم و افزایش صادرات مصنوعات ساخته شده می‌شود.

براساس آمار ترازنامه انرژی کشور، مصرف کل انرژی بخش صنعت از سال 1374 تا 1389 بیش از 262 درصد افزایش یافته است. مصرف کل انرژی بخش صنعت کشورمان در سال 1374 بالغ بر 7/104 میلیون بشکه معادل نفت خام بود که در سال 1389 این رقم به 6/274 میلیون بشکه افزایش پیدا کرده است.

از آنجایی که قدر مطلق میزان مصرف انرژی در بررسی‌ها نمی‌تواند به خودی خود ملاک درستی برای محاسبه بهره‌وری و آگاهی از الگوهای فرهنگی و مصرفی باشد، شاخصی به نام شدت مصرف انرژی تعریف شده است. «شدت انرژی»[2] از تقسیم مصرف نهایی انرژی بر تولید ناخالص داخلی به دست می­آید[3] و نشان می‌دهد که برای تولید مقدار معینی از کالاها و خدمات، چه مقدار انرژی به کار رفته است. در حال حاضر معیار شدت انرژی از جمله شاخص‌های استراتژیک در کشورهای توسعه‌یافته است (بومان[4]، 2008: 6).

 بالا بودن شدت مصرف انرژی در تولید محصولات صنعتی پدیده‌ای است که کشورهای در حال توسعه از جمله ایران با آن روبرو هستند. محققان برای اینکه درک بهتری از رفتار صرفه‌جویی انرژی داشته باشند به بررسی عوامل مؤثر بر میزان شدت انرژی به خصوص در بخش­های پرتقاضا و با پتانسیل‌های لازم برای صرفه‌جویی در مصرف انرژی، پرداخته‌اند تا با اعمال سیاست‌های مناسب، میزان آن را کنترل کنند.

هدف اصلی این مقاله تجزیه و تحلیل مصرف انرژی در صنایع کارخانه­ای ایران و تعیین عوامل مهم و مؤثر بر شدت انرژی در این بخش است.

این مقاله شامل شش بخش است: پس از مقدمه، در بخش دوم مبانی نظری و پیشینه تحقیق، در بخش سوم  نگاهی به وضعیت شدت انرژی و در بخش چهارم روش تحقیق و مدل مورد نظر ارائه گردیده است. پس از معرفی الگوی تحقیق در بخش پنجم، نتایج تجربی مدل مطرح شده است. سرانجام، نتیجه­گیری مقاله ارائه گردیده است.

 

2. چارچوب نظری و پیشینه تحقیق

برای تشخیص عوامل مؤثر بر شدت انرژی می‌توان هدف کلی اقتصاد را حداقل‌سازی تابع هزینه کل با فرم کاب-‌ داگلاس به صورت رابطه‌ زیر در نظر گرفت (فیشر- وندن[5]، 2004):

(1)            

که در آن Q سطح محصول کل، PL قیمت نهاده نیروی‌ کار، PK قیمت نهاده‌ سرمایه، PE قیمت نهاده‌ انرژی، PM قیمت نهاده مواد اولیه و αX کشش نهاده X () را نشان می‌دهد. همچنین A نشان‌دهنده‌ سطح تکنولوژی است. براساس لم شفارد[6]، در تابع بهینه شده‌ هزینه، مقدار تقاضا برای هر نهاده برابر مشتق تابع هزینه نسبت به قیمت آن نهاده است، بنابراین مقدار تقاضا برای انرژی (E) برابر خواهد بود با:

(2)                                  

با تقسیم طرفین بر Q می‌توان شدت انرژی تعادلی را به دست آورد:

(3)                                     

بنابراین شدت انرژی تحت تأثیر دو عامل مهم تکنولوژی تولید و قیمت نسبی سایر نهاده‌های تولید به نهاده انرژی، قراردارد. با توجه به مبانی نظری موجود، هر چه سطح تکنولوژی بالا باشد، برای تولید مقدار معین تولید (مثلاً یک واحد) به نهاده‌های تولیدی (از جمله نهاده انرژی) کمتری نیاز است و بنابراین شدت انرژی پایین­تر خواهد بود. از سوی دیگر هر چه قیمت سایر نهاده‌ها نسبت به نهاده‌ انرژی بالاتر باشد و به عبارت دیگر انرژی به طور نسبی نهاده ارزان­تری باشد، تمایل به جایگزینی نهاده‌ انرژی بیشتر خواهد بود.

چنانچه شاخص کل قیمت انرژی افزایش یابد (با فرض ثابت بودن قیمت سایر عوامل تولید) مصرف آن کاهش می­یابد و در نتیجه بر شدت انرژی اثر می‌گذارد. اما چنانچه در مجموعه حامل‌هایی مانند انرژی، تنها قیمت یکی از حامل‌ها افزایش یابد، یا افزایش آن بیش از سایر حامل‌ها باشد، آنگاه مقداری از اثر افزایش قیمت این حامل، توسط جانشینی سایر حامل‌ها جبران خواهد شد. میزان این جانشینی بستگی به این امر دارد که از نظر تکنیکی تا چه حد سایر حامل‌ها بتوانند جانشین آن گردند و مدت زمان این تعدیل چقدر باشد. بنابراین افزایش قیمت از یک سو باعث جانشینی سایر حامل‌های انرژی‌زا به جای آن خواهد شد و از سوی دیگر در کوتاه‌مدت باعث افزایش هزینه‌های تولید گشته و میزان تولید را کاهش خواهد داد. در بلندمدت نیز افزایش هزینه‌ها بستگی به توان جایگزینی سایر نهاده‌ها و حامل‌ها خواهد داشت. چنانچه قابلیت جایگزینی وجود داشته باشد مصرف‌کنندگان و تولیدکنندگان اقدام به جایگزین نمودن منابع انرژی رقیب می‌نمایند. در این صورت تقاضا برای منابع انرژی رقیب افزایش یافته و به دنبال آن هزینه تولید منابع رقیب جهت عرضه بیشتر در بازار افزایش می‌یابد (عمادزاده، 1382، ص 100).

طی سال‌های مختلف مطالعات متعددی در این زمینه انجام شده است که در زیر به چند مورد از مطالعات خارجی و داخلی اشاره می‌کنیم.

وندن و کوان[7] (2002)، در پژوهشی با عنوان «چگونگی روند کاهش شدت انرژی در چین» با استفاده از اطلاعات آماری 2500 بنگاه بزرگ و متوسط در فاصله سال‌های 1997 تا 1999، با استفاده از روش رگرسیون­های به ظاهر نامرتبط به بررسی عوامل مؤثر بر کاهش شدت انرژی در بخش صنعت چین پرداخته‌اند. آنها نشان داده‌اند که تغییر قیمت انرژی و مخارج تحقیق و توسعه از مهمترین عوامل تأثیرگذار بر کاهش شدت انرژی بوده و تغییر در مالکیت، منطقه استقرار و موقعیت صنعت مورد نظر تأثیر معنی‌داری بر شدت انرژی نداشته است.

کومار[8] (2003)، در مقاله­ای با عنوان «شدت انرژی: اکتشاف کمی برای کارخانه­های تولیدی هند» با استفاده از تحلیل رگرسیون چندگانه برای شناسایی عوامل مهم مؤثر بر شدت انرژی در 5000 بنگاه صنعتی هند طی سال­های 1995 تا 2002 نشان داده است که عواملی چون اندازه‌ بنگاه، مخارج تحقیق و توسعه، شدت سرمایه‌ فیزیکی، مالکیت بخش خصوصی، سطح دستمزد و شدت هزینه‌ تعمیر ماشین­آلات بر شدت انرژی اثر دارند. نتایج نشان می­دهد که اندازه‌ بنگاه، مخارج تحقیق و توسعه و مالکیت بخش خصوصی اثر منفی و شدت سرمایه‌ فیزیکی، سطح دستمزد و شدت هزینه‌ تعمیر ماشین­آلات اثر مثبت بر شدت انرژی بنگاه دارند و همچنین مخارج تحقیق و توسعه مهمترین عامل مؤثر بر شدت انرژی بنگاه می‌باشد.

پاپادوگنز[9] و همکاران (2005)، در مطالعه‌ای با عنوان «اندازه شرکت و سیاست­های زیست‌محیطی ملی، شواهد از یونان» به بررسی اثر اندازه‌ بنگاه بر شدت انرژی برق در میان صنایع کشور یونان پرداخته و نشان داده‌اند که برخلاف انتظار، بنگاه‌های کوچک از شدت انرژی به مراتب پایین‌تری برخوردار بوده و اندازه‌ بنگاه اثری کاهنده بر شدت انرژی برق دارد.

کول[10] (2006)، در یک مطالعه‌ بین کشوری با عنوان «آیا آزادسازی تجاری استفاده از انرژی‌های ملی را افزایش می­دهد» با استفاده از روش پنل دیتا به بررسی اثر درجه‌ باز بودن تجاری بر شدت انرژی پرداخته و به این نتیجه رسیده است که با افزایش تجارت خارجی، شدت انرژی نیز افزایش می‌یابد. همچنین مطالعه‌ وی نشان‌دهنده‌ اثر مثبت GDP سرانه و نسبت موجودی سرمایه به نیروی کار بر شدت انرژی است. هنگ و تو (2007) در کشور چین نیز به نتایج مشابهی رسیده است.

پاپادوگنز و مایلو ناکیس[11] (2007)، در پژوهشی با عنوان «مصرف انرژی و ویژگی­های شرکت در بخش تولیدی یونان» با استفاده از داده‌های آماری بیش از 4000 بنگاه صنعتی کشور یونان و با استفاده از روش پنل دیتا، عوامل تعیین­کننده شدت انرژی در بنگاه‌های صنعتی را مورد بررسی قرار داده‌اند. نتایج این مطالعه نشان می‌دهد که شدت سرمایه فیزیکی تأثیر مثبت بر تکنولوژی و اندازه‌ بنگاه تأثیر منفی بر شدت انرژی دارد.

لیو و هان[12] (2008)، در تحقیقی با عنوان «عوامل مؤثر بر شدت انرژی با در نظر گرفتن تجارت درون صنعت» به بررسی عوامل مؤثر بر شدت انرژی با استفاده از داده­های پانل برای 25 بنگاه تولیدی چین در طی دوره­ 2005-1996 پرداختند و نشان دادند که نسبت موجودی سرمایه به نیروی‌کار و نسبت تجارت خارجی به GDP به عنوان شاخص تکنولوژی اثری منفی بر شدت انرژی در کشور چین دارند. همچنین نتایج این مطالعه نشان‌دهنده‌ اثر مثبت شاخص قیمت تولیدکننده (به عنوان معیاری برای قیمت سایر نهاده‌های تولید) بر شدت انرژی در این کشور است. بدیهی است هر چه سطح تکنولوژی بالاتر باشد، به کارگیری ماشین‌آلات نسبت به نیروی انسانی نیز  بالاتر رفته و نسبت موجودی سرمایه به نیروی کار افزایش می­یابد. همچنین شی و پلنسک[13] (2005)، در مطالعه دیگری برای کشور چین نشان داده‌اند که قیمت انرژی اثر منفی بر قیمت سایر نهاده‌ها و GDP اثر مثبت بر شدت انرژی در این کشور داشته است.

وینگ[14] (2008)، در پژوهشی با عنوان «توضیح کاهش شدت انرژی اقتصاد ایالات متحده» درکشور نشان داده ‌است که افزایش قیمت انرژی نقش تعیین‌کننده‌ای در کاهش شدت انرژی این کشور داشته، در حالی که اثر نوآوری ناچیز بوده‌ است. مطالعه‌ی متکالف[15] (2008) در ایالات متحده نیز نشان‌دهنده‌ اثر منفی قیمت انرژی و اثر مثبت GDP سرانه بر شدت انرژی بوده است.

ساهو و ناریان[16] (2009 و 2010)، مطالعاتی با عنوان «عوامل مؤثر بر شدت انرژی در صنایع تولیدی هند: تجزیه و تحلیل سطح شرکت» در میان بنگاه‌های صنعتی کشور هند و در فاصله‌ سال‌های 2000 تا 2008 و با استفاده از تحلیل رگرسیون چندگانه انجام داده­اند و نشان دادند که اندازه‌ بنگاه و مالکیت از مهمترین عوامل مؤثر بر شدت انرژی در بنگاه هستند.

ایروان[17] و همکاران (2010)، با مطالعه‌ای تحت عنوان «تجزیه و تحلیل شدت انرژی در کارخانه­های تولیدی اندونزی» با استفاده از روش پنل دیتا در طی سال­های 2008-2000 نشان دادند که عمر بنگاه، دستمزد، شدت سرمایه‌ فیزیکی و مالکیت بخش خصوصی، تأثیر مثبت بر تکنولوژی و اندازه بنگاه اثر منفی بر شدت انرژی بنگاه داشته است.

در ادامه به چند مطالعه‌ داخلی انجام شده در زمینه‌ عوامل مؤثر بر شدت انرژی می‌پردازیم.

عمادزاده و همکاران (1382)، در پژوهشی با عنوان «تحلیلی از روند شدت انرژی در کشورهای OECD» به بررسی آثار قیمت انرژی و تولید ناخالص داخلی بر شدت انرژی در کشورهای عضو OECD طی سال‌های 1996-1965 با استفاده از روش داده­های ترکیبی پرداخته‌اند و رابطه‌ تقارن و عدم تقارن شدت انرژی با قیمت و تولید ناخالص داخلی را بررسی کرده­اند. نتایج مطالعه نشان می‌دهد، نه تنها زمانی که قیمت انرژی افزایش یافته، بلکه حتی زمانی که قیمت انرژی کاهش یافته (به­رغم افزایش مصرف انرژی) به دلیل تداوم سیاست‌های صرفه‌جویی و افزایش کارایی در مصرف انرژی، شتاب افزایش تولید بیشتر شده و لذا شدت انرژی نیز کاهش یافته است. همچنین، نه تنها زمانی که تولید کاهش یافته، بلکه حتی زمانی که تولید افزایش یافته (گرچه مصرف انرژی نیز افزایش یافته است) چون میزان افزایش مصرف انرژی کمتر از میزان افزایش تولید بوده لذا شدت انرژی نیز کاهش یافته است. این بدان معنی است که بحران‌های انرژی دهه‌ هفتاد، بسترساز انقلاب صنعتی نوینی شده است که در افزایش بهره‌وری و بهینه­سازی مصرف متجلی شده است.

عباسی­نژاد و وافی نجار (1383)، در پژوهشی با عنوان « بررسی بهره‌وری و بهره‌وری انرژی در بخش‌های مختلف اقتصادی و تخمین کشش نهاده‌ای و قیمتی انرژی در بخش صنعت و حمل و نقل با روشTSLS » طی سال­های 1379-1350، به بررسی بهره‌وری و بهره‌وری انرژی در بخش‌های مختلف اقتصادی و تخمین کشش نهاده‌ای و قیمتی انرژی در بخش صنعت و حمل و نقل با روش 2SLS، پرداخته‌اند. نتایج تخمین­ها نشان می‌دهد که کشش‌های قیمتی، نسبتاً پایین و گویای آن است که تغییرات اندک قیمت انرژی به تنهایی نمی­تواند تأثیر قابل توجهی در میزان مصرف آن در بخش حمل و نقل داشته باشد، مگر در صورت افزایش‌های شدید و با فرض ثابت بودن قیمت سایر عوامل و اعمال سیاست‌های تبعیض قیمت، برای انتقال مصرف از یک سوخت یا نهاده به سمت سوخت یا نهاده‌ دیگر.

سیف (1387)، در یک مطالعه‌ بین کشوری با عنوان «شدت انرژی: عوامل تأثیرگذار و تخمین یک تابع پیشنهادی»، به بررسی عوامل مؤثر بر شدت انرژی در کشورهای مختلف با روش OLS، پرداخته است. در این مطالعه به بررسی عواملی همچون مساحت کشور، شاخص توسعه انسانی، شاخص درآمد سرانه، درصد جمعیت استفاده‌کننده از اینترنت و سهم ارزش افزوده بخش خدمات در تولید ناخالص داخلی به عنوان نماینده تغییرات ساختاری در اقتصاد کشورها، بر شدت انرژی پرداخته شده است.  نتایج این مطالعه نشان‌دهنده اثر معکوس تغییرات ساختاری و اثر مثبت و معنی‌دار سایر متغیرها بر شدت انرژی است. درصد پوشش اینترنت اگرچه معنی‌دار بوده لیکن علامت آن برخلاف انتظار، مثبت و اندازة آن نیز ناچیز است. در حقیقت متغیر درصد پوشش اینترنت نتوانسته است جانشین خوبی برای استفاده از ظرفیت دولت الکترونیک در کشورها باشد. دلیل این نکته این واقعیت تلخ می‌تواند باشد که در کشورهای جهان سوم اینترنت یک کالای لوکس بوده و بیشتر در خدمت سرگرمی‌ها عمل می‌کند.

بهبودی و همکاران (1389)، در پژوهشی با عنوان «تجزیه شدت انرژی و بررسی عوامل مؤثر بر آن در اقتصاد ایران» به بررسی عوامل مؤثر بر شدت انرژی در اقتصاد ایران در دوره 1347-1385 با استفاده از روش ARDL به تحلیل عوامل مؤثر بر شدت انرژی پرداختند، نتایج نشان می‌دهد که در ایران نسبت موجودی سرمایه‌ فیزیکی به نیروی‌کار اثر بهبود بخشی بر شدت انرژی ندارد، یعنی با پیشرفت تکنولوژی و افزایش به‌کارگیری تجهیزات سرمایه‌ای به جای نیروی‌کار، شدت انرژی افزایش می‌یابد. به نظر می‌رسد که تغییرات تکنولوژی تولید، نتوانسته مطابق انتظار به بهبود بهره‌وری منجر شود. علت آن را می‌توان فرسودگی و قدیمی بودن تجهیزات سرمایه‌ای و همچنین بخاطر نبود مهارت‌های لازم در به‌کارگیری تمام ظرفیت‌های تجهیزات سرمایه‌ای دانست.

جمع‌بندی پیشینه مطالعات فوق­الاشاره حاکی از این است که عواملی چون اندازه­ بنگاه، تکنولوژی (نسبت موجودی کار به سرمایه)، قیمت انرژی، شدت سرمایه فیزیکی و مالکیت بخش خصوصی، سطح دستمزد و شدت هزینه‌ تعمیر ماشین‌آلات، شاخص قیمت تولیدکننده بر شدت انرژی اثرگذار بوده­اند. در ضمن، صنایع با مقیاس بزرگتر از شدت انرژی کمتری نسبت به صنایع کوچکتر برخوردار بوده­اند.

 

3. نگاهی به وضعیت شدت انرژی در صنایع نه‌گانه کشور

یکی از متغیرهای مهم در بین شاخص‌های انرژی، شاخص شدت انرژی است. این شاخص تحت تأثیر عواملی هم چون شرایط آب و هوایی، جغرافیایی و ساختار اقتصادی هر کشور قرار دارد. در نمودار 1 تغییرات شدت انرژی در بخش صنعت به تفکیک صنایع نه‌گانه در سال‌های 1374 و 1389 که ابتدا و انتهای دوره‌ مورد بررسی است، نشان داده شده ‌است. بیشترین مقدار این شاخص در سال 1374 مربوط به صنایع فلزات اساسی و کانی غیرفلزی و کاغذ و مقوا است. محاسبه شاخص مذکور در سال 1389 بیانگر آن است که بیشترین مقدار شاخص شدت انرژی به ترتیب مربوط به فلزات اساسی، صنایع کاغذ، کانی غیرفلزی و چوب و نساجی بوده ‌است. همانطور که مشاهده می‌شود به جز زیربخش صنایع کاغذ و مقوا، در تمامی بخش‌ها شدت انرژی کاهش داشته است. این پدیده می­تواند نشانی از افزایش بهره‌وری در مصرف انرژی در بیشتر زیربخش‌های صنعت باشد. همچنین اطلاعات مربوط به ارزش افزوده صنایع حاکی است که زیربخش­های چوب و کاغذ و کانی غیرفلزی که شدت انرژی نسبتاً بالایی دارند از سال 1374 تا 1389 به ترتیب دچار کاهش سهم تولیدی به میزان 70 و 68 و 25 درصد شده‌اند و زیربخش ماشین‌آلات که شدت انرژی به نسبت پایین‌تری دارند با افزایش سهم تولیدی 88 درصد مواجه‌ بوده اند. با توجه به نمودار 2 شدت انرژی در کل بخش صنعت بعد از سال 1378 کاهش یافته ‌است یا روند نسبتاً ثابتی را به خود گرفته که هر دو عامل بهره‌وری و ساختار فعالیت‌های صنعتی احتمالاً در کاهش شدت انرژی بخش صنعت مؤثرند.

 

 

نمودار 1. شدت انرژی در سال 1374 و 1389 در زیربخش صنعت

مأخذ: مرکز آمار ایران و نتایج تحقیق

 

نمودار 2. شدت انرژی صنعت

مأخذ: نتایج تحقیق

4. روش برآورد و مدل مورد بررسی

 در این مطالعه از روش تجزیه و تحلیل مبتنی بر داده­های ترکیبی و با استفاده از نرم­افزار Eviews.6  جهت تخمین مدل استفاده می‌شود. داده‌های ترکیبی به مجموعه­ای از داده­ها گفته می­شود که براساس آن مشاهدات به وسیله تعداد زیادی از متغیر­های مقطعی (N)، که اغلب به طور تصادفی انتخاب می­شوند، در طول یک دوره زمانی مشخص (T) مورد بررسی قرار گرفته باشند، در این صورت (N×T) داده آماری را داده­های ترکیبی یا داده­های مقطعی- سری زمانی می­نامند. اگر برای یک داده ترکیبی الگوی رگرسیون زیر را در نظر بگیریم:

(4)                                                          

می‌توان فروضی را برای رابطه (4) وضع کرد.

هم شیب و هم عرض از مبدأ یکسان است (مدل مقید)

(5)                                                             

شیب ثابت و عرض از مبدأ متفاوت باشد (مدل غیرمقید)

(6)                                                           

مدل غیرمقید رابطه (6) دارای اثر ثابت و تصادفی است. در مدل اثر ثابت تفاوت در طول مقاطع مختلف در ثابت‌ها خود را نشان می‌دهند، بنابراین در هر یک  یک پارامتر ناشناخته است که باید تخمین زده شود. به عبارت دیگر، عرض از مبدأ در میان واحدهای انفرادی تغییر می‌کند و همین عرض از مبدأ انفرادی در طول زمان نیز ثابت نیست. در مدل اثر تصادفی عرض از مبدأ تکی بصورت انحرافی از میانگین ثابت بیان می‌شود که این میانگین ثابت میانگین جامعه‌های بزرگ‌تر است.

جهت بررسی اعتبار استفاده از داده‌های ترکیبی در مدل، از آزمون F لیمر استفاده می­شود. با استفاده از مجموع مربعات باقیمانده مقید (RRSS) حاصل از تخمین مدل ترکیبی به دست آمده از روش OLS و مجموع مربعات باقی‌مانده غیرمقید (URSS)، آماره‌ F به صورت زیر تعریف می‌شود:

(7)                                                          

که در آن N تعداد مقاطع، K تعداد متغیرهای توضیحی مدل و NT تعداد کل مشاهدات است. در این آزمون فرضیه صفر نشان‌دهنده همگنی[18] مدل و فرضیه مخالف نشان‌دهنده ناهمگنی مدل است. به عبارت دیگر فرضیه صفر در آزمون لیمر دلالت بر تلفیقی[19] بودن داده­ها و فرضیه مخالف حاکی از ترکیبی[20] بودن آن ها است. در صورت رد فرضیه  مدل ناهمگن بوده و از داده‌های ترکیبی جهت آزمون استفاده خواهد شد. در مرحله بعد انتخاب روش تخمین بین اثر ثابت[21] و اثر تصادفی[22] بوسیله آزمون هاسمن[23] انجام می­گیرد (هیسائو[24]، 2003). در آزمون هاسمن، فرضیه صفر بیانگر انتخاب روش تصادفی و فرضیه مخالف نشان‌دهنده اثر ثابت است. درصورت رد فرضیه صفر، اثر ثابت قابل پذیرش است (بالتاجی، 2005: 12).

5. مدل مورد بررسی

در این مطالعه از الگوی مشابه با الگوی ارائه شده توسط کول (2006)، هانگ و تو[25] (2007)، متکاف (2008)، لیو و هان (2008)، استفاده می‌شود. مبنای این الگو رابطه‌ (2) در بالا است. آنها عنوان می­کنند با توجه به اینکه مقدار شاخص قیمت تولیدکننده () تابعی با فرم کاب داگلاس از شاخص‌های قیمت نهاده‌های تولید است:

(8)                                              

به طوری که  است، بنابراین می‌توان رابطه‌ (2) را به فرم زیر نوشت:

(9)                               یا  

با لگاریتم‌گیری از تابع فوق خواهیم داشت:

(10)                            

برای اندازه‌گیری A (اثر تکنولوژی) در مطالعات تجربی از شاخص‌های مختلفی استفاده می‌شود. برای مثال لین و هان (2008) از نسبت نهاده سرمایه فیزیکی به نیروی‌کار به عنوان شاخص تکنولوژی استفاده کرده ‌است. بدیهی است که هرچه سطح تکنولوژی بالاتر باشد، به کارگیری ماشین‌آلات نسبت به نیروی انسانی بالاتر رفته و نسبت موجودی سرمایه به نیروی‌کار افزایش می‌یابد.

متغیر مهم دیگری که در تابع شدت انرژی قابل توجه است، سطح تولید (ارزش افزوده) صنایع است. از تولید ناخالص به مثابه اندازه فعالیت‌های اقتصادی صنعت (اثر مقیاس در مصرف انرژی) که در میزان تقاضای انرژی نیز تأثیر می‌گذارد، استفاده شده است. هر چند انتظار می‌رود که با افزایش مقیاس صنعت، کل مصرف انرژی در آن صنعت هم افزایش یابد، اما اینکه شدت انرژی چگونه تغییر می­یابد نیاز به بررسی دارد.

با توجه به آنچه بیان شد تصریح مدل به صورت رابطه (11) قابل ارائه است:

(11)                    

 در این مدل متغیرها به شرح زیر است:

LnI، لگاریتم شدت انرژی است که از نسبت مصرف به ارزش افزوده به قیمت ثابت سال 76 بدست آمده است. در اینجا ارزش افزوده و مصرف انرژی زیربخش‌های صنعت مورد نیاز است. ارقام مربوط به ارزش افزوده، از نشریه حساب‌های ملی مرکز آمار ایران و برحسب میلیارد ریال به قیمت ثابت 1376 تهیه شده است. آمار مربوط به مصرف انرژی نیز از نشریه «نتایج آمارگیری از کارگاه‌های صنعتی 10 نفر کارکن و بیشتر» برای سال‌های 1389-1374 تهیه شده است. در این نشریه آماری که از طرف مرکز آمار ایران منتشر می‌شود، داده‌های مربوط به مصرف حامل‌های انرژی شامل، نفت سفید، گازوئیل، گاز طبیعی، گاز مایع، بنزین، نفت کوره، زغال سنگ، برق و برحسب واحد فیزیکی هر حامل است[26]. به منظور هم­مقیاس کردن واحدهای انرژی (پتاژول) از ضریب تبدیل مربوط به هر حامل، ارائه شده توسط وزارت نیرو و ترازنامه انرژی (1387) استفاده شده است.

lnPE، لگاریتم قیمت انرژی است که قیمت انرژی از «نتایج آمارگیری از کارگاه‌های صنعتی 10 نفر کارکن و بیشتر» تهیه شده است. آماری که در این نشریه منتشر می‌شود برحسب اجزای حامل‌های انرژی است. با محاسبه یک میانگین وزنی از قیمت ‌حامل‌های انرژی، قیمت کل انرژی برآورد شده است و با استفاده از شاخص قیمت تولیدکننده صنعتی، قیمت انرژی به قیمت ثابت سال پایه 1376 تبدیل شده است.

lnPQ، لگاریتم شاخص قیمت تولیدکننده به قیمت سال پایه 1376است. این شاخص به قیمت ثابت سال 1375 در مرکز آمار ایران موجود است که به سال پایه 1376 تبدیل گردید.

LnGDP، لگاریتم ارزش افزوده زیربخش­های صنعت به قیمت سال پایه 1376 است.

K، موجودی سرمایه فیزیکی به قیمت سال پایه 1376 را نشان می‌دهد. با توجه به اینکه اطلاعات موجودی سرمایه به تفکیک حامل‌های انرژی در دسترس نیست، لازم است از روش‌های متعارف برای برآورد آن استفاده کرد. در این تحقیق از روش نمایی  و با استفاده از داده‌های سرمایه‌گذاری بخش صنعت، منتشره توسط مرکز آمار ایران، این برآورد  صورت گرفته است (کلانتری، 1371). براساس این روش، موجودی سرمایه به وسیله رابطه (11) برآورد می‌شود:

(11)                                                               

که در آن  نشانگر سرمایه‌گذاری خالص (برگرفته از «نتایج آمارگیری از کارگاه‌های صنعتی 10 نفر کارکن و بیشتر») در سال t و  سرمایه‌گذاری در سال پایه r نیز نرخ رشد سرمایه‌گذاری است. با استفاده از تبدیل لگاریتمی، رابطه (11) به صورت زیر است:

(12)                                                       

که بیانگر روند زمانی است. با توجه به اینکه داده‌ها به صورت ترکیبی هستند (با شانزده سال و 9 مقطع) بنابراین رابطه فوق باید به روش داده­های ترکیبی  برآورد شود. سپس با اخذ آنتی لگاریتم از عرض از مبدأ برآورد شده، سرمایه‌گذاری در سال پایه () بدست می­آید. موجودی سرمایه در سال پایه () از رابطه زیر محاسبه می‌شود:

(13)                                                                 

برای به دست آوردن موجودی سرمایه در سال‌های بعد، از رابطه زیر استفاده می‌شود:

(14)                                                        

که kt به ترتیب ارزش خالص موجودی سرمایه در زمان t و d نرخ استهلاک سرمایه‌های ثابت است. بنابراین، برای محاسبه موجودی سرمایه خالص لازم است نرخ استهلاک سرمایه­های ثابت به تفکیک در اختیار باشد. براساس گزارش‌های آماری وزارت صنایع و سازمان مدیریت و برنامه‌ریزی، نرخ استهلاک به تفکیک گروه‌های صنعت استخراج و اعمال گردید.

L، نیروی‌کار شاغل است که از «نتایج آمارگیری از کارگاه‌های صنعتی 10 نفر کارکن و بیشتر» استخراج شده ‌است و vi اثر ثابت کشورها، Ut اثر ثابت زمان و εit جزء خطاء تصادفی هستند و همچنین i نشان‌دهنده صنایع نه‌گانه (مقاطع) و t نشان‌دهنده‌ بازه‌ زمانی است.

6. تجزیهوتحلیلنتایجتجربی

ابتدا با استفاده از آزمون‌های مناسب ریشه واحد، به بررسی ویژگی آماری پایایی سری‌های زمانی می‌پردازیم. آزمون­های ریشه­ی واحد[27] داده­های ترکیبی توسط بریتون[28] (1994) پایه­ریزی شد. فرانکل و رز[29] (1996) در تحقیق­ خود نشان دادند به کارگیری آزمون­های ریشه­ واحد متداول، مانند آزمون دیکی فولر[30] و دیکی فولر پیشرفته دارای قدرت آماری پایین­تری نسبت به آزمون­های ریشه­ واحد داده­های ترکیبی هستند. انواع آزمون­های پایایی در داده­های ترکیبی شامل آزمون لوین، لین و چو[31]، آزمون ایم، پسران و شین[32] (IPS)، آزمون فیلیپس پرون و فیشر[33] و آزمون دیکی فولر مقطعی (CADF) هستند (اشراف­زاده و مهرگان، 1387). در این تحقیق به منظور بررسی پایایی از آزمون لوین، لین و چو (LL) استفاده شده است.

 

 

 

جدول 1. نتایج حاصل از تخمین آزمون ریشه واحد متغیرها

نتیجه

آزمون لوین، لین و چو

متغیر

احتمال

آماره

(0)I

0013/0

00585/3-

lnCE

(0)I

0321/0

85011/1-

lnI

(0)I

0000/0

28615/4-

lnPE

(0)I

0154/0

15981/2-

lnGDP

(0)I

0000/0

70502/1-

lnPQ

(0)I

0007/0

20982/3-

ln(K/L)

مأخذ: نتایج تحقیق

نتایج جدول 1 حاکی از این است که براساس آزمون LLC، تمام متغیرها در سطح معنی­داری 5 درصد جمعی[34] از درجه صفر هستند و پایایی آن‌ها مورد تأیید قرار می‌گیرد. بنابراین به دلیل پایایی کلیه متغیرهای مورد استفاده در مدل، می­توان بدون نگرانی از تولید نتایج کاذب[35] از روش‌های استاندارد رگرسیون استفاده کرد و نیازی به آزمون هم‌جمعی نیست.

نظر به این که داده‌های مدل از نوع ترکیبی[36] است، برای تعیین نوع روش برآورد مدل، از آزمون­های مختلفی استفاده می‌شود. ابتدا با استفاده از آزمون چاو[37] نوع رویکرد تلفیقی یا ترکیبی[38] مشخص می‌شود. سپس در صورتی که رویکرد مناسب، رویکرد ترکیبی تعیین شود، با استفاده از آزمون هاسمن در مورد انتخاب روش اثر ثابت یا اثر تصادفی تصمیم‌گیری می‌شود (اشراف­زاده و مهرگان، 1387). نتایج آزمون‌ها در جدول 2 ارائه شده است.

جدول 2. نتایج آزمون چاو و هاسمن

858263/127

آماره F

آزمون چاو

0000/0

احتمال

230413/10

آمارهChi

آزمون هاسمن

4

درجه آزادی

0367/0

احتمال

ثابت

تصادفی بودن یا ثابت بودن اثر

مأخذ: نتایج تحقیق

 

آماره آزمون چاو نشان می‌دهد داده‌ها از نوع ترکیبی است، همچنین آزمون هاسمن در سطح معنی­داری 5 درصد نشان می‌دهد که مدل از نوع اثر ثابت است. با توجه به الگوی ارائه شده، شدت انرژی صنایع نه‌گانه برای دوره 1389-1374 به صورت زیر (جدول 3) تخمین زده شده ‌است.

جدول 3. تخمین مدل شدت انرژِی صنعت

متغیر وابسته            lnI

احتمال

آماره‌ t

ضرایب

متغیرها

0000/0

211907/9-

525622/0-

Ln(GDP)

0000/0

927516/4-

198900/0-

Ln(PE)

0221/0

315455/2-

144417/0-

Ln(K/L)

0000/0

137432/6

317817/0

Ln(PQ)

0000/0

13894/10

717232/4

C

7080/501=  F

976/0=

978/0=

86/1 =DW

مأخذ: نتایج تحقیق

     

رابطه فوق نشان می‌دهد که علامت پارامترها صحیح و مطابق با علامت مورد انتظار است. علامت منفی در مقابل متغیر قیمت انرژی، نظریه وجود رابطه معکوس بین قیمت خودی و مقدار تقاضای انرژی و به­تبع آن شدت انرژی را تأیید می‌کند و همان‌طور که انتظار می‌رود شدت انرژی تابعی معکوس از سطح قیمت انرژی است. بدین معنی که با افزایش سطح قیمت انرژی، صنایع  به افزایش سطح کارایی و بهره‌وری خود اقدام می­کنند و هر واحد محصول را با سطح مصرف انرژی کمتری تولید می­نمایند. رابطه معکوس بین سطح تولید صنعتی و شدت انرژی حاکی از این است که کارایی انرژی در صنایع با مقیاس تولید بزرگتر، افزایش می‌یابد. این امر ممکن است ناشی از صرفه‌جویی‌هایی باشد که در مقیاس‌های بزرگ‌تر تولید مقدور خواهد بود. به منظور بررسی بیشتر این موضوع، چنانچه به جای شدت انرژی (مصرف انرژی به ازای یک واحد محصول)، کل مصرف انرژی را در مدل بالا جایگزین کنیم، این رابطه مثبت می شود (جدول شماره‌ 4). بدیهی است که وقتی با افزایش تولید، مقدار کل مصرف انرژی افزایش ‌یابد اما مصرف انرژی به ازای تولید یک واحد محصول (شدت انرژی) کاهش ‌یابد  معنای آن افزایش کارایی در مصرف انرژی است.

جدول 4. تخمین مدل مصرف انرژی صنعت

متغیر وابسته            lnCE

احتمال

آماره‌ t

ضرایب

متغیرها

0000/0

313826/8

474378/0

Ln(GDP)

0000/0

927516/4-

198900/0-

Ln(PE)

0221/0

315455/2-

144417/0-

Ln(K/L)

0000/0

137432/6

317817/0

Ln(PQ)

0000/0

13894/10

717232/4

C

432/1535=  F

99/0=

99/0=

86/1 =DW

مأخذ: نتایج تحقیق

 

به عبارت دیگر، شتاب افزایش ارزش افزوده صنایع (رشد تولید) بیشتر از شتاب افزایش مصرف انرژی (رشد مصرف انرژی) است و این امر دلالت بر افزایش کارایی دارد. نسبت موجودی سرمایه به نیروی‌کار رابطه‌ای معکوس و معنی‌دار با شدت انرژی را نشان می‌دهد. به‌کارگیری بیشتر تجهیزات سرمایه‌ای به جای نیروی‌کار (حاکی از افزایش تکنولوژی)، شدت انرژی کاهش می‌یابد. در نتیجه تغییرات تکنولوژی به افزایش بهره‌وری در فرایند تولید منجر شده است. اثر LnPQ، بر شدت انرژی، اثری مستقیم دارد و معنی­دار است و حاکی از آن است که افزایش شاخص قیمت سایر نهاده‌ها موجب جایگزینی انرژی به جای نهاده‌های دیگر می‌شود.

7. نتیجه­گیری

شناسایی عوامل مؤثر بر افزایش مصرف انرژی برای برنامه‌ریزی جهت صرفه‌جویی در مصرف انرژی از ضرورت بالایی برخوردار است. در این مقاله تأثیر قیمت انرژی، تکنولوژی و تولید ناخالص داخلی بر شدت انرژی مورد بررسی قرار گرفته است. نتایج و یافته‌های مطالعه نشان می‌دهد که قیمت انرژی تأثیر منفی قابل توجه‌ای بر شدت انرژی دارد. این تأثیر حاکی از آن است که قیمت پایین انرژی سبب حرکت ساختار فعالیت‌ها به سمت صنایع انرژی‌بر به منظور بهره‌مندی از رانت‌های ناشی از یارانه‌های انرژی می‌شود و همچنین وجود یارانه‌های انرژی و به‌تبع آن پایین بودن قیمت انرژی عامل مهمی در افت بهره‌وری خواهد بود. بنابراین، صرفه‌جویی در مصرف انرژی و کاهش شدت انرژی، در واقع ارتقای بهره­وری در مصرف انرژی به عنوان یکی از نهاده‌های تولید است.

با توجه به نتایج بدست آمده توصیه­ می شود:

-      با توجه به اینکه با افزایش ارزش افزوده (اثر مقیاس) مصرف انرژی افزایش اما شدت انرژی کاهش می­یابد، بهتر است حتی­الامکان از صنایع با مقیاس بزرگ استفاده شود.

-        اصلاح قیمت انرژی و کاهش یارانه­های پنهان انرژی همراه با  برنامه­ریزی و سیاست­های مناسب.

-        افزایش بهره­وری تکنولوژی تولید و نوسازی تجهیزات تولید به منظور کاهش مصرف انرژی.

-      از آنجایی که شاخص قیمت سایر نهاده­ها بر شدت انرژی اثر مستقیم دارد، می­توان انتظار داشت با اعمال سیاست­های مناسب از طریق کاهش قیمت سایر نهاده­ها، به جایگزینی آنها با نهاده انرژی در تولید اقدام کرد.

 

منابع

الف- فارسی

اشرف­زاده، حمید­رضا و نادر مهرگان (1387)، اقتصاد سنجی پانل دیتا، تهران: مؤسسه تحقیقات تعاون دانشگاه تهران، 154 صفحه، صفحات 136-135.

بهبودی، داود، اصلانی­نیا، نسیم مهین و سکینه سجودی (1389)، «تجزیه­ شدت انرژی و بررسی عوامل مؤثر بر آن در اقتصاد ایران»، فصلنامه‌ مطالعاتاقتصادانرژی، شماره 26، سال هفتم، پاییز، صفحات 130-105.

سیف، اله­مراد (1387)، «شدت انرژی: عوامل تأثیرگذار و تخمین یک تابع پیشنهادی»، فصلنامه‌ مطالعاتاقتصادانرژی، شماره 18، سال پنجم، پاییز، صفحات 201-177.

عباسی­نژاد، حسین و داریوش وافی نجار (1383)، «بررسی بهره‌وری و بهره‌وری انرژی در بخش‌های مختلف اقتصادی و تخمین کشش نهاده‌ای و قیمتی انرژی در بخش صنعت و حمل و نقل با روشTSLS »، مجله‌ تحقیقاتاقتصادی، شماره 66، پائیز، صفحات 137-113.

عمادزاده، مصطفی، صفدری، مهدی، شریفی، علیمراد و رحیم دلالی اصفهانی (1382)، «تحلیلی از روند شدت انرژی در کشورهایOECD»، فصلنامه پژوهشنامهبازرگانی، شماره 28، پاییز، صفحات 118-95.

کلانتری، باقر و عباس عرب­مازار (1371)، «برآورد موجودی سرمایه 1338-1367 اقتصاد»، مجله علمی پژوهشی دانشکده علوم اقتصادی و سیاسی، سال اول، شماره 1.

مرکز آمار ایران، کارگاه‌های بزرگ صنعتی، نشریه نتایج آمارگیری ا ز کارگاههای صنعتی 10 نفر کارکن و بیشتر، سال‌های مختلف.

مرکز آمار ایران، نشریه حساب‌های ملی، سالهای مختلف.

وزارت نیرو، ترازنامه انرژی سال 1386.

 

ب- انگلیسی      

Baltagi, Badi H. (2005), Econometric Analysis of Panel Data, third edition, Johan Wiley and Sons, 366 pages.

Baumann, Florian (2008), Energy Security as multidimensional concept, Center for Applied Policy Research (C·A·P), Research Group on European Affairs, No.1, March 2008, PP. 4-14.

Breitung, J. & W. Meyer (1994), “Testing for Unit Roots in Panel Data: Are Wages on Different Bargaining Levels Cointegrated?”, Applied Economics, No. 26, PP. 353-361.

Cole, M. A. (2006), “Does Trade Liberalization Increase National Energy Use”, Economics Letters, Vol. 92, No. 1, PP. 108-112.

Eviews, http://www.eviews.com/home.html

Fisher-Vanden, K., Jefferson, G.H., Liu, H. & Q. Tao (2004), “What is Driving China's Decline in Energy Intensity”, Resource and Energy Economics, Vol. 26, pp. 77-97.

Frankel, J. A. and K. Rose (1996), “Currency Crashes in Emerging Markets: an Empirical Treatment”, Journal of International Economics, Vol. 41.

Hang, Leiming and Meizeng, Tu (2007), “The Impacts of Energy Prices on Energy Intensity: Evidence from China”, Energy Policy, Vol. 35, PP. 2978-2988.

Hsiao (2003), Analysis of Panel Data, 2nd Edition, Cambridge University Press, Ch. 4, PP. 1-4.

Irawan, Tony, Hartono, Djoni and Noer Azam Achsani (2010), “An Analysis of Energy Intensity in Indonesian Manufacturing”, Department of Economics Padjadjaran University, Working Paper in Economics and Development Studies, No. 201007.

Kumar, A. (2003), “Energy Intensity: A Quantitative Exploration for Indian Manufacturing”, SSRN Paper No. 468440.

Liu, C. P. and G. Y. Han (2008), “Determinants of Aggregate Energy Intensity with Consideration of Intra industry Trade”, Industrial Electronics and Applications, PP. 716-719.

Metcalf, Gilbert E. (2008), “An Empirical Analysis of Energy Intensity and Its Determinants at the State Level”, The Energy Journal, Vol. 29, No. 3, PP. 1-26.

Papadogonas, T. & J. Mylonakis (2007), “Energy Consumption and Firm Characteristics in the Hellenic Manufacturing Sector”, International Journal of Energy Technology and Policy, Vol. 5: 1, pp. 89-96.

Papadogonas, Theodore A., Floutsakos, Michalis G. and John Mylonakis (2005), “Firm Size and National Environmental Policies, Evidence from Greece”, International Journal of Environmental Technology and Management, Vol. 5, Number 4, PP. 426-431(6).

Sahu, Santosh and K. Narayanan (2009), “Determinants of Energy Intensity in Indian Manufacturing Industries: A Firm Level Analysis”, MPRA Paper, No. 21646.

Shi, X. and K. R. Polenske (2005), “Energy Prices and Energy Intensity in China: A Structural Decomposition Analysis and Econometric Study”, 06-006 Working Paper, MIT CEEPR.

Vanden K. F., Jeferson, G. H., Hangmei, L. & T. Quan (2002), “What is Driving China's Decline in Energy Intensity”, P. 787.

Wing Sue, I. (2008), “Explaining the Declining Energy Intensity of the U. S. Economy”, Energy Economics, No. 30, PP. 21-49.

 



* دانشیار اقتصاد دانشگاه شهید چمران اهواز                                                                                               saarman2@yahoo.com

** دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز                                                samiraeghtesad@gmai.com

[1]. Panel Data

[2]. Energy intensity

[3]. ترازنامه انرژی

[4]. Baumann

[5].  Fisher-Vanden

[6].  Shephard's Lemma

[7]. Vanden and Quan

[8]. Kumar

[9]. Papadogonas

[10]. Cole

[11]. Papadogonas and Mylonakis

[12]. Liu and Han

[13]. Shi and Polenske

[14]. Wing

[15]. Metcalf

[16]. Sahu and Narayanan

[17]. Irawan

[18]. Homogeneity

[19]. Pooled

[20]. Panel

[21]. Fixed Effect Model

[22]. Random Effect Model

[23]. Hausman Test

[24]. Hsiao

[25]. Hang and Tu

[26]. واحد فیزیکی حامل‌های انرژی به ترتیب هزار لیتر، هزار لیتر، هزار مترمکعب، هزار کیلوگرم، هزار لیتر، هزار کیلوگرم، هزار لیتر و هزار کیلووات است.

[27]. Unit Root

[28]. Breituing

[29]. Francel & Rose

[30].  ADF

[31]. Levin, Lin & Chu

[32]. Im, Pesaran & Shin

[33]. PP-Fisher

[34]. Integrated

[35]. Spuirius

[36]. Pooled Model

[37]. Chow Test

[38]. Pooled or Panel

الف- فارسی
اشرف­زاده، حمید­رضا و نادر مهرگان (1387)، اقتصاد سنجی پانل دیتا، تهران: مؤسسه تحقیقات تعاون دانشگاه تهران، 154 صفحه، صفحات 136-135.
بهبودی، داود، اصلانی­نیا، نسیم مهین و سکینه سجودی (1389)، «تجزیه­ شدت انرژی و بررسی عوامل مؤثر بر آن در اقتصاد ایران»، فصلنامه‌ مطالعاتاقتصادانرژی، شماره 26، سال هفتم، پاییز، صفحات 130-105.
سیف، اله­مراد (1387)، «شدت انرژی: عوامل تأثیرگذار و تخمین یک تابع پیشنهادی»، فصلنامه‌ مطالعاتاقتصادانرژی، شماره 18، سال پنجم، پاییز، صفحات 201-177.
عباسی­نژاد، حسین و داریوش وافی نجار (1383)، «بررسی بهره‌وری و بهره‌وری انرژی در بخش‌های مختلف اقتصادی و تخمین کشش نهاده‌ای و قیمتی انرژی در بخش صنعت و حمل و نقل با روشTSLS »، مجله‌ تحقیقاتاقتصادی، شماره 66، پائیز، صفحات 137-113.
عمادزاده، مصطفی، صفدری، مهدی، شریفی، علیمراد و رحیم دلالی اصفهانی (1382)، «تحلیلی از روند شدت انرژی در کشورهایOECD»، فصلنامه پژوهشنامهبازرگانی، شماره 28، پاییز، صفحات 118-95.
کلانتری، باقر و عباس عرب­مازار (1371)، «برآورد موجودی سرمایه 1338-1367 اقتصاد»، مجله علمی پژوهشی دانشکده علوم اقتصادی و سیاسی، سال اول، شماره 1.
مرکز آمار ایران، کارگاه‌های بزرگ صنعتی، نشریه نتایج آمارگیری ا ز کارگاههای صنعتی 10 نفر کارکن و بیشتر، سال‌های مختلف.
مرکز آمار ایران، نشریه حساب‌های ملی، سالهای مختلف.
وزارت نیرو، ترازنامه انرژی سال 1386.
 
ب- انگلیسی      
Baltagi, Badi H. (2005), Econometric Analysis of Panel Data, third edition, Johan Wiley and Sons, 366 pages.
Baumann, Florian (2008), Energy Security as multidimensional concept, Center for Applied Policy Research (C·A·P), Research Group on European Affairs, No.1, March 2008, PP. 4-14.
Breitung, J. & W. Meyer (1994), “Testing for Unit Roots in Panel Data: Are Wages on Different Bargaining Levels Cointegrated?”, Applied Economics, No. 26, PP. 353-361.
Cole, M. A. (2006), “Does Trade Liberalization Increase National Energy Use”, Economics Letters, Vol. 92, No. 1, PP. 108-112.
Eviews, http://www.eviews.com/home.html
Fisher-Vanden, K., Jefferson, G.H., Liu, H. & Q. Tao (2004), “What is Driving China's Decline in Energy Intensity”, Resource and Energy Economics, Vol. 26, pp. 77-97.
Frankel, J. A. and K. Rose (1996), “Currency Crashes in Emerging Markets: an Empirical Treatment”, Journal of International Economics, Vol. 41.
Hang, Leiming and Meizeng, Tu (2007), “The Impacts of Energy Prices on Energy Intensity: Evidence from China”, Energy Policy, Vol. 35, PP. 2978-2988.
Hsiao (2003), Analysis of Panel Data, 2nd Edition, Cambridge University Press, Ch. 4, PP. 1-4.
Irawan, Tony, Hartono, Djoni and Noer Azam Achsani (2010), “An Analysis of Energy Intensity in Indonesian Manufacturing”, Department of Economics Padjadjaran University, Working Paper in Economics and Development Studies, No. 201007.
Kumar, A. (2003), “Energy Intensity: A Quantitative Exploration for Indian Manufacturing”, SSRN Paper No. 468440.
Liu, C. P. and G. Y. Han (2008), “Determinants of Aggregate Energy Intensity with Consideration of Intra industry Trade”, Industrial Electronics and Applications, PP. 716-719.
Metcalf, Gilbert E. (2008), “An Empirical Analysis of Energy Intensity and Its Determinants at the State Level”, The Energy Journal, Vol. 29, No. 3, PP. 1-26.
Papadogonas, T. & J. Mylonakis (2007), “Energy Consumption and Firm Characteristics in the Hellenic Manufacturing Sector”, International Journal of Energy Technology and Policy, Vol. 5: 1, pp. 89-96.
Papadogonas, Theodore A., Floutsakos, Michalis G. and John Mylonakis (2005), “Firm Size and National Environmental Policies, Evidence from Greece”, International Journal of Environmental Technology and Management, Vol. 5, Number 4, PP. 426-431(6).
Sahu, Santosh and K. Narayanan (2009), “Determinants of Energy Intensity in Indian Manufacturing Industries: A Firm Level Analysis”, MPRA Paper, No. 21646.
Shi, X. and K. R. Polenske (2005), “Energy Prices and Energy Intensity in China: A Structural Decomposition Analysis and Econometric Study”, 06-006 Working Paper, MIT CEEPR.
Vanden K. F., Jeferson, G. H., Hangmei, L. & T. Quan (2002), “What is Driving China's Decline in Energy Intensity”, P. 787.
Wing Sue, I. (2008), “Explaining the Declining Energy Intensity of the U. S. Economy”, Energy Economics, No. 30, PP. 21-49.