Document Type : applicative
Author
Professor in Economics, Department of Energy Economics, University of Mazandaran, Iran
10.30473/jier.2024.70604.1443
Abstract
Identification and analysis of energy consumption components can provide opportunities to optimize energy consumption, especially if combined with spatial analysis. The main purpose of the present research is to analyze the spatial panel of the determining factors of energy consumption components (activity, intensity and structure) for 31 provinces of Iran. For this purpose, first, with the factor analysis approach, energy consumption was decomposed by using the latest available data during the period of 2011-2017, and then, using spatial panel data regression, the determining factors of the components of energy consumption in the provinces were investigated. Based on the findings, firstly, Spatial Durbin Model has been selected as the optimal spatial model. Secondly, value added(activity index), industry share(structure index) and urbanization share have direct and significant spillover effects on energy consumption components. The positive effect of industry's share on structural and intensity components can be caused by changing the economic structure towards energy-intensive and low-tech activities. As expected, technical efficiency has a negative and significant effect on the intensity component of energy consumption, and in this regard, spatial effects have strengthened the direct effect. Based on the results, it is recommended to pay attention to the spatial structure of the provinces in energy planning. Secondly, it is recommended to improve the efficiency of economic activities and human capital. Emphasizing the intensity and structural components in order to reduce energy consumption can neutralize the positive effects of variables such as urbanization.
Keywords
ابراهیمی، محسن، و ممی‌پور، سیاب، و بنی‌مشهدی علی، میلاد (1400). بررسی عوامل موثر بر شدت انرژی با تاکید بر اثر شکست ساختاری در ایران. پژوهش های اقتصادی، 19 (2): 107-87.
ابونوری، عباسعلی، و نیکبان، آزاده (1388). عوامل موثر بر شدت مصرف انرژی به روش دیویزیا (مطالعه موردی سیمان تهران). مدلسازی اقتصادی، 3 (7): 92-77.
آرمن، سید عزیز، و تقی‌زاده، سمیرا (1392). بررسی عوامل مؤثر بر شدت انرژی در صنایع کارخانه‌ای ایران. پژوهشنامه اقتصاد انرژی ایران، 2 (8): 20-1.
بهبودی، داود، و اصلانی‌نیا، نسیم مهین و سکینه، سجودی (1389). تجزیه شدت انرژی و بررسی عوامل مؤثر بر آن در اقتصاد ایران. فصلنامه مطالعات اقتصادانرژی، 26 (7): 130-105.
بهمنی، مجتبی، انصاری لاری، محمد صالح، و جمشدنژاد، آرش(1393). بررسی عوامل موثر بر مصرف انرژی بخش خانگی استان‌های کشور. فصلنامه مطالعات اقتصاد انرژی، 10(42): 181-161.
بیسادی، زینب و فریدزاد، علی و بانوئی، علی اصغر (1399). تجزیه شدت انرژی در سطح بخش‌های اقتصادی ایران با تاکید بر دو اثر مقیاس و الگوی مصرف، فصلنامه اقتصاد و الگوسازی، 11(3).
درگاهی، حسن، و بیابانی خامنه، کاظم (1395). نقش عوامل قیمتی، درآمدی و کارایی در شدت انرژی ایران. پژوهش‌ها اقتصادی، 115: 355-384.
دهقان شبانی، زهرا، صدرایی جواهری، احمد و عباسپور کازرونی، الهه (1399). تأثیر شهرنشینی بر مصرف انرژی در استان‌های ایران: رویکرد داده‌های تابلویی فضایی. پژوهشنامه اقتصاد انرژی ایران، 9(34): 142-113.
doi: 10.22054/jiee.2021.55099.1780.
راسخی، سعید و پروین سلمانی (1392). رابطه شدت انـرژی و کـارایی اقتصـادی در کشورهای منتخب با استفاده از الگوی گشتاور تعمیم یافته: کاربردی از تحلیـل پنجره ای پوششی داده‌ها. پژوهش ها و سیاست های اقتصادی، 21(67): 24-5.
راسخی، سعید، اسدی، سید پیمان وکیانی، مائده (1395). مدلسازی شدت انرژی در صنایع کارخانه ای ایران، مدلسازی اقتصادسنجی، 2(1):57-33.
راسخی, سعید و خدام‌الحسینی, سید حمید (1402). اثر فناوری و نوآوری سبز بر تولید زباله‌های الکترونیکی در کشورهای منتخب OECD، پژوهش های اقتصاد صنعتی، 7(24): 82-69
doi: 10.30473/jier.2024.70065.1431.
سلطانی، ابراهیم و ملامیرزایی، محمد صادق و شکوه، حسن (1401). تاثیر شاخص‌های اقتصاد دانش بنیان و اقتصاد مقاومتی بر شدت مصرف انرژی در کشورهای منتخب صادرکننده نفت، مطالعات مدیریت راهبردی دفاع ملی، 6(21).
سیف، اله‌مراد، و حمیدی رزی، داود (1396). عوامل مؤثر بر شاخص شدت مصرف انرژی استان‌های کشور: رهیافت داده‌های تابلویی پویای فضایی. فصلنامه مطالعات اقتصاد انرژی، 13(53): 103-61.
سیف، اله‌مراد و حمیدی رزی، داود (1395). بررسی تأثیر شاخص‌های منتخب اقتصاد دانش‌بنیان بر شدت انرژی استان‌های کشور، پژوهشنامه اقتصاد انرژی ایران، 5(18): 145-101. doi: 10.22054/jiee.2016.7194.
شکری، فرشاد، و فیروزی، مهران، و تحریری، کامران (1394). نگرشی بر شدت مصرف انرژی در کشورهای توسعه یافته و درحال توسعه( کاریردی از منحنی زیست‌محیطی کوزنتس). دومین کنفرانس اقتصاد و مدیریت کاربردی با رویکرد ملی، بابلسر.
صادقی، زین‌العابدین، جلایی، سید عبدالمجید و نیک روش، مهلا (1397). بررسی عملکرد مصرف انرژی در استان‌های ایران: تحلیل تجزیه شاخص اقتصاد و توسعه منطقه ای،25(15): 86-57.
doi: 10.22067/erd.v25i16.68848.
عاشوری، مریم، و پارسا، حجت، و حیدری، ابراهیم (1398). عوامل موثر بر شدت انرژی در استان‌های ایران: رویکرد میانگین‌گیری بیزی. پژوهش‌های سیاست‌گذاری و برنامه‌ریزی انرژی، 5(14): 63-29.
کفایی، سید محمد علی و خسروی، عاطفه(1396). بررسی همگرایی بهره‌وری انرژی استان‌های ایران: رویکرد اقتصادسنجی فضایی، پژوهش‌های اقتصادی (رشد و توسعه پایدار)، ۱۷ (۲) :۱۷۷-۱۹۷.
مبینی دهکردی، علی، و حوری جعفری، حامد (1396). بررسی تحلیلی سیاست‌ها و برنامه‌های اصلاح الگوی مصرف و تاثیر اجرای آنها بر شدت انرژی در ایران. سیاست نامه علم و فناوری، 20: 64-49.
مزینی امیرحسین(1398). برآورد موجودی سرمایه در سطح استانی در اقتصاد ایران. فصلنامه سیاست های مالی و اقتصادی، ۷ (۲۶) :۷-۲۹.
منظور، داود(1402). تجزیه و تحلیل تغییرات شدت انرژی صنایع استان‌های کشور: رویکرد تسهیم تغییرات متقاطع، فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، ۳۱ (۱۰۵) :۳۹-۶۱.
موسوی, حسنا و محمدیان, فرشته (1401). تجزیه و تحلیل مصرف برق ایران: کاربرد تحلیل تجزیه شاخص و تحلیل جداسازی، پژوهش‌های اقتصاد صنعتی، 6(19): 75-63، doi: 10.30473/jier.2022.9183 .
نورانی آزاد، سمانه (1402). نقش سرریز فضایی شاخص توسعه فناوری اطلاعات و ارتباطات صنایع کارخانه‌ای بر اشتغال بخش صنعت استان‌های ایران پژوهش‌های اقتصاد صنعتی، 7(24): 36-19.
doi: 10.30473/jier.2024.69542.1418 .
اله‌وردی، عاطفه، و پورحاتمی، زهره (1394). بررسی تاثیر شهرنشینی و صنعتی شدن بر شدت انرژی در ایران، دومین کنفرانس بین‌المللی پژوهش‌های نوین در مدیریت، اقتصاد و حسابداری، کوالالامپور، مالزی.
References
Adom, Ph. K. (2015). Determinants of energy intensity in South Africa : Testing for structural effects in parameters, Journal Energy, 89: 334-346.
Akarsu, G., & Berke, B. (2016). Convergence of electricity consumption in Turkey: Spatial panel data analysis. Available at SSRN 2875301.
Akhlaghi, M.M., Abbasizade, F., Shafiei Alavijeh, A., Hosseinalizadehd, R. and Amirabadi Farahanic, M.M.(2023). Scientia Iranica, Transactions E: Industrial Engineering, 30: 1159-1168.
Akyürek, Z. (2020). LMDI decomposition analysis of energy consumption of Turkish manufacturing industry: 2005–2014. Energy Efficiency, 13:649–663. doi:10.1007/s12053-020-09846-8.
Ang, B. W. (2005). The LMDI approach to decomposition analysis: a practical guide. Energy policy, 33(7), 867-871.
Ang, B. W., and Choi, K. H. (1997). Decomposition of aggregate energy and gas emission intensities for industry: a refined Divisia index method. Energy Journal, 59-73.
Anselin, L. (1981). Estimation methods for spatial autoregressive structures, Cornell University.
Babaie Pirouziana, A. R., Zahedi, R., Ahmadi, A. and Olya, N. (2023). Renewable Energy Research and Applications, 4(1): 21-30.
Belloumi, M., and Alshehry, A. S. (2016). The Impact of Urbanization on Energy Intensity in Saudi Arabia, Sustainability. MDPI, doi:10.3390/su8040375.
Bhattacharyya, S. C. (2011). Energy Economics: Concepts, Issues, Markets and Governance, University of Dundee, UK.
Blázquez, L., Boogen, N., & Filippini, M. (2013). Residential electricity demand in Spain: new empirical evidence using aggregate data. Energy economics, 36, 648-657.
Cao X., Deng M., Song F., Zhong S., and Zhu J. (2019). Direct and moderating effects of environmental regulation intensity on enterprise technological innovation: The case of China. PLoS ONE, 14(10).
Chao Bao & Ruowen Liu (2019). Electricity Consumption Changes across China’s Provinces Using A Spatial Shift-Share Decomposition Model, Sustainability, MDPI, 11(9): 1-15.
Chen, D., Chen, Sh., Jin, H. and Lu, Y. (2021). The impact of energy regulation on energy intensity and energy structure: Firm-level evidence from China, China Economic Review, 59.
Cole, M.A. (2006). Does trade liberalization increase national energy use? Economics Letters, 92, 108-112.
Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data envelopment analysis: a comprehensive text with models, applications, references and DEA-solver software (Vol. 2, p. 489). New York: springer.
Elhorst, J. P. (2014). Spatial panel data models. In Spatial econometrics. Springer, Berlin, Heidelberg.
Elliott, R. J.R., Sun, P. and Chen, S. (2013). Energy intensity and foreign direct investment: A Chinese city-level study, Energy Economics, 40: 484-494.
Elliott, R. J.R., Sun, P. and Zhu, T. (2014). Urbanization and Energy Intensity: A Province-level Study for China, Department of Economics, University of Birmingham.
Gorus,M.S. and Karagol, E.T. (2022). Reactions of energy intensity, energy efficiency, and activity indexes to income and energy price changes: The panel data evidence from OECD countries, Energy, 254, Part A, 124281.
Hao, Y., & Wu, H. (2020). The Role of Internet Development on Energy Intensity in China: Evidence From a Spatial Econometric Analysis. Asian Economics Letters, 1(1). https://doi.org/10.46557/001c.17194.
Jiang, L., Folmer, H., Ji, M., & Tang, J.(2017). Energy efficiency in the Chinese provinces: a fixed effects stochastic frontier spatial Durbin error panel analysis. The Annals of Regional Science, 58(2): 301-319.https://doi.org/10.1007/s00168-016-0782-5.
Jones, D.W. (2004). Urbanization and Energy, RCF economic and financial consulting Inc. United State, Chicago.
Karahasan, B.C., Pinar, M.(2022). The environmental Kuznets curve for Turkish provinces: a spatial panel data approach. Environ Sci Pollut Res 29, 25519–25531. https://doi.org/10.1007/s11356-021-17706-w.
Liu, C. P. & G. Y. Han. (2008). Determinants of Aggregate Energy Intensity with Consideration of Intra industry Trade. Industrial Electronics and Applications, 716-719.
Long R., Zhang Q., Chen H., Wu M. & Li Q.(2020). Measurement of the Energy Intensity of Human Well-Being and Spatial Econometric Analysis of Its Influencing Factors. Int J Environ Res Public Health; 17(1):357. doi: 10.3390/ijerph17010357.
Muzayanah, I. F. U., Lean, H. H., Hartono, D., Indraswari, K. D., & Partama, R.(2022). Population density and energy consumption: A study in Indonesian provinces. Heliyon, 8(9), Article e10634. https://doi.org/10.1016/j.heliyon.2022.e10634.
Oveysi Kahkha, F., & Hosseinzadeh, R. (2023). Changes in Production Structure and Natural Gas Consumption in Iran’s Provinces: Spatial Econometric Approach. Environmental Energy and Economic Research, 7(3), 1-14. doi: 10.22097/eeer.2023.312762.1276.
Pesaran, M. Hashem (2021). General diagnostic tests for cross-sectional dependence in panels, Empirical Economics, 60(1): 13-50.
Syrquin, M., & Chenery, H. (1989). Three Decades of Industrialization. The World Bank Economic Review, 3(2), 145–181. doi:10.1093/wber/3.2.145.
Tobler W. R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region, Economic Geography, 46:234–40.
Wang, H., & Liu, P. (2023). Spatial correlation network of renewable energy consumption and its influencing factors: evidence from 31 Chinese provinces. Renewable Energy, 217, 119173.
Wang, J., Sun, F., Lv, K. and Wang, L. (2022). Industrial agglomeration and firm energy intensity: How important is spatial proximity?, Energy Economics, 112, 106155.
Wu, Y.-M. (2009). Spatial Econometric Analysis of Energy Efficiency Convergence of Chinese Provinces. Asia-Pacific Power and Energy Engineering Conference. doi:10.1109/appeec.2009.4918776.
Zhang, J., Zhang, K., & Zhao, F.(2020). Spatial effects of economic growth, energy consumption and environmental pollution in the provinces of China—An empirical study of a spatial econometrics model. Sustainable Development. doi:10.1002/sd.2042.
Zhang, W. and Wang, N. (2021). Decomposition of energy intensity in Chinese industries using an extended LMDI method of production element endowment, Energy, 221(15):119846.
Zhang, X., Su, B., Yang, J. and Cong, J. (2022). Analysis of Shanxi Province's energy consumption and intensity using input-output framework (2002–2017), Energy, 250: 123786.
Zhao, F., Sun, Y., Zhang, J., & Sun, P. (2021). Modeling the spatial correlations among energy consumption, economic growth, and the ecological environment. Discrete Dynamics in Nature and Society, 1-13.
)