某地城市居民生活用电量的预测

摘要
近些年来，随着人民生活水平的不断提高，消费观念的转变，城市居民生活用电量增涨迅速。

居民生活用电量在社会总电量中的比重逐年上升，因此分析城市居民生活用电量的增长规律和趋势，作为城市居民生活用电量的预测工作，对提高经济和社会效益，推动中国经济稳定高速发展有着重要的作用。

因此，借此机会，运用预测与决策的知识对城市居民生活用电量进行研究分析。

通过对安徽省淮南市1994年至2009年的数据应用SPSS建立二元回归模型，进行模型分析并对安徽省淮南市2010年的居民用电做出预测。

关键字：城市居民生活用电预测
1前言
电力是一种洁净、高效、安全、优质的能源。

电力渗透到国民经济所有领域，与人民生活、经济社会发展息息相关。

电力消费量是衡量一个国家现代化程度和人民生活水平的一个重要的指标。

近些年，随着改革开放的不断深入，淮南市经济发展迅速、居民收入增加、人民生活水平不断提高，再加上人口快速增长，在全社会用电总量逐年上升的同时，城市居民生活用电也大幅度上升。

城市居民生活用电水平是衡量城市生活现代化程度的重要指标之一，人均居民生活用电量水平的高低，主要受城市的地理位置、人口规模、经济发展水平、居民收入、居民家庭生活消费结构及家用电器的拥有量、气候条件、生活习惯、居民生活用电量占城市总用电量的比重、电能供应政策及电源条件等诸多因素的制约。

调查资料表明，改革开放以来，随着城市经济的迅速发展，我国普通居民家庭经济收入得到提高，生活消费结构发生了改变，使得居民家庭生活用电量也出现了迅速增加的趋势。

随着中国经济的高速发展，城市居民对电力的需求也在不断增加。

从2005年起电力需求飞速增长，引起全国电力供应紧张。

在电力供应紧张的背后充分说明了对电力市场的预测出现了偏差，这对中国很多地区的经济和社会全面发展带来了负面影响。

对中国城市未来电力需求进行了预测分析，保持电网运行的安全可靠，推动中国经济稳定高速发展有着重要的作用。

2 SPSS 回归分析的模型建立
2.1变量的选择
变量的选择在回归分析模型的建立过程是一个非常重要的问题。

而居民生活用电量受诸多因素的影响，如家庭收入、价格、替代能源、家用电器拥有量、家庭人口数、居住面积、生活习惯、气候等因素对电量的影响。

变量的选择应从全面性、重点性、可量化性及可控制性的原则出发。

因此，回归模型中应保留对因变量影响最显著的变异，即变量的个数和质量要求是少而精。

本文选择了某地城镇居民人均收入X 1（元）和城镇居民人均居住面积X 2（平方米）这两个因素作为自变量建立回归分析模型，建立模型的数据如表2-1所示。

注:数据来源《中国统计年鉴》2.2模型的建立
通过观察分析，自变量与被预测变量存在明显的线性关系。

用SPSS软件中Regression分析处理，所得结果如表2-2。

回归方程为：y=-37.223+0.012x
1+4.378x
2
3检验
3.1 经济学检验
模型是否符合经济理论，需要进行经济学检验。

回归结果表明：在其他变量保持不变时，人均居住面积每增加1平方米，人均用电量增加4.378千瓦时；人均收入每增加1元，人均用电量增加0.012千瓦时。

人均用电量与人均收入、人均居住面积变量之间正相关。

3.2统计学检验
（1）回归方程的显著性检验
由表3—1知，回归方程的P值为0.000，说明回归方程十分显著，即可以以99.9%以上的概率判断自变量（人均收入、人均居住面积）对因变量（人均用电量）产生显著线性影响。

a Predictors: (Constant), X2, X1
b Dependent Variable: Y
（2）回归系数显著性检验
由表2-2知，人均收入和人均居住面积的系数都具有统计意义。

人均收入的偏回归系数为0.012，标准化回归系数为0.652；人均居住面积的回归系数为4.378，标准化回归系数为0.351.通过比较两个变量的标准化回归系数，可知人均收入对城市居民生活用电量的贡献量大。

（3）拟合优度检验
由表3-2知，回归模型的复相关系数R为0.997，R2为0.995，调整后R2为0.994,接近于1，表明：人均用电量与人均收入和人均居住面积间的线性关系显著，回归模型描述实际数据的近似程度好，拟合优度高，回归方程非常好地拟合了样本数据，拟合结果如图2所示。

表3-2 回归方程显著性检验表
a Predictors: (Constant), X2, X1
b Dependent Variable: Y
4 预测
单值预测
已知2010年人均收入为9422元、人均居民面积为25.0平方米，带入回归模型中得，
y=-37.223+0.012*9422+4.378*25.0
得，y=188.2312
则如果不考虑其他因素，按照上述建立的回归模型可以预测出2010年人均用电量为188.2312千瓦时。

5结论及建议
5.1结论
城市居民生活用电量的多少受很多因素的影响，本文以经济水平（人均收入来反映）为变量建立一种预测未来用电量的模型和方法。

这种定量化的预测比定性化的估计更具科学性和实用性。

利用SPSS软件中Regression分析模块进行用电量的预测，其方法易学易用，可以举一反三，事半功倍，提高工作效率、缩短工作周期、保证数据处理准确性和精密型，相对于其他数据处理软件而言，SPSS更加面向用户，直接用对话框选择形式。

代替了冗长的命令行，使用方便，适合非数据库专业人士的使用，已成为“数据仓库”和“数据挖掘”领域必备工具。

5.2建议
随着中国经济的高速发展，城市居民对电力的需求也在不断增加。

从2005年起电力需求飞速增长，引起全国电力供应紧张。

在电力供应紧张的背后充分说明了对电力市场的预测出现了偏差，这对中国很多地区的经济和社会全面发展带来了负面影响。

对中国城市未来电力需求进行了预测分析，保持电网运行的安全可靠，推动中国经济稳定高速发展有着重要的作用。

参考文献
[1] 郭宗任，吴亦峰可编程控制其应用系统设计及通讯网络技术[M] 北京人民出版社，1998
[2] 屈援，王举颖，赵全超市场预测与决策[M]北京经济科学出版社，2007
[3]何晓群应用回归分析[M],中国人民大学出版社，2007
[4]徐国祥统计预测和决策[M],上海财经出版社，1998
[5]李学伟经济数据分析预测学[M]，中国铁道出版社，1998。