عوامل موثر بر شاخص شدت مصرف انرژي استان هاي كشور: رهيافت داده هاي تابلويي پوياي فضايي

Identification of Factors that Influence Iran's Provincial Energy Intensity Index: A Spatial Dynamic Panel Data Approach

از جمله عوامل مهم قهري كه تفاوت در شدت مصرف انرژي بين كشورها و بين استان هاي يك كشور را موجب مي شود، موقعيت جغرافيايي آنها مي باشد. در مطالعات تجربي بين-كشوري و بين- استاني، مدلسازي شدت مصرف انرژي تنها در حضور بعد فضا و با حذف تورش تخمين، استنتاجات صحيح آماري ممكن خواهد شد. در سطح استان هاي كشور ج.ا.ايران نيز عواملي مانند اقليم، مساحت و سياست هاي تمركزگرايي( و قطب هاي صنعتي) باعث بروز وابستگي فضايي شدت مصرف انرژي شده و مدلسازي آن بايد در حضور بعد مكان(فضا) صورت گيرد. هدف اين مطالعه بررسي عوامل موثر بر شاخص شدت مصرف انرژي استان هاي كشور و برآورد كشش فضايي شدت مصرف انرژي طي دوره 1379-1392 مي باشد. بدين منظور، مدل تحقيق در چارچوب داده هاي پانلي تصريح شده و ضرايب توسط تكنيك هاي اقتصادسنجي فضايي پانلي و تخمين زن شبه- حداكثر راستنمايي(QMLE) برآورد شدند. بر طبق نتايج كشش خودرگرسيون فضايي شدت مصرف انرژي در بين استان هاي كشور 0/55 درصد ارزيابي شد و لذا براي كاهش شدت مصرف مصرف انرژي در بين استان هاي كشور بايد منطقه اي عمل كرد. در پايان مهم ترين توصيه هاي سياستي اين پژوهش براي پژوهش گران و سياست گزاران بحث شده است.

Among the important factors that cause differences in energy intensity between countries and amongst regions in a country is their geographical location. Inter-provincial and cross-country empirical studies can correctly model energy intensity by relying on spatial characteristics and eliminating estimation biasses. Energy intensity in Iranian province is influenced by such spatial factors as climate, size and existence of industrial poles. This study investigates the factors that affect the energy intensity index in Iranian provinces and estimates spatial autocorolation over the period 2000-2013. For this purpose, we estimate an emprical model using panel data and determine the relevant coefficients by applying spatial panel econometric techniques and the quasi-maximum likelihood (QMLE) method. Our model estimates the regional spatial elasticity of energy intensity to be 0.55. Therefore, to reduce energy intensity at the provincial level we need to act regionaly. The most important policy recommendations of this study for scholars and policymakers are detailed in the paper.