مطالعه‌ی تأثیر ارزش افزوده بخش صنعت برتقاضای برق این بخش و پیش بینی تقاضای برق صنعت با توجه به اصلاحات قیمتی

سلیمی فر, مصطفی; سیفی, احمد; شعوری, سعید

doi:10.22059/jte.2017.61855

مطالعه‌ی تأثیر ارزش افزوده بخش صنعت برتقاضای برق این بخش و پیش بینی تقاضای برق صنعت با توجه به اصلاحات قیمتی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ عضو هیئت علمی دانشکده اقتصاد دانشگاه فردوسی

² عضئ هیئت علمی دانشکده اقتصاد دانشگاه فردوسی مشهد

³ فارغ التحصیل کارشناسی ارشد اقتصاد انرژی

10.22059/jte.2017.61855

چکیده

با توجه به اهمیت انرژی برق به‌عنوان یکی از ارکان مهم رشد و توسعه‌ی اقتصادی، مطالعات گسترده‌ای به منظور برآورد و پیش بینی تقاضای برق انجام گرفته است. در این مقاله با استفاده از از روش ARDL، تقاضای برق در بخش صنعت کشور ایران برآورد و پیش‌بینی شده است. نتایج توابع برآورد شده حاکی از آن است که ارزش افزوده بخش صنعت تأثیر مثبت و معناداری بر تقاضای برق این بخش دارد. کشش درآمدی در بخش صنعت کوچک‌تر از یک بوده که بیانگر ضروری بودن کالای برق می‏باشد.
نتایج حاصل از تخمین، بیانگر وجود رابطه‌ی بلندمدت میان متغیرهای بخش صنعت است. در این مقاله بر اساس اصلاحات قیمتی مربوط به قانون هدفمند کردن یارانه‌ها و تخمین‏های به‌دست آمده، پیش بینی تقاضای برق تا پایان برنامه‌ی پنجم توسعه انجام شده که نتایج بیانگر افزایش مصرف برق در بخش صنعت میباشد. در پایان پیشنهادات سیاستی جهت ایجاد تغیرات اساسی در ساختار صنعت برای بهبود تکنولوژی ماشین‏آلات و تجهیزات صنایع مختلف ارائه می‏کند که در این راستا توصیه می‏شود دولت پس از تدوین ضوابط و استانداردهای کارائی تجهیزات و ماشین آلات، بر اجرای آن نظارت داشته باشد.
طبقهبندی Q31, E64 ,L16 , C32: JEL

کلیدواژه‌ها

عنوان مقاله [English]

The Study of the Impact of Value Added of the Industrial Sector on Electricity Demand and Forecast of Demand for Electricity in Industrial Sector with Attention to Price Reforms

نویسندگان [English]

mostafa salimifar ¹
ahmad safi ²
saeed shouri ³

¹ Ferdowsi University economics faculty member

² Ferdowsi University economics faculty member

³ Graduated in M.a Energy Economics

چکیده [English]

Given the importance of electrical energy as one of the main factors behind economic growth and development, numerous studies in different countries have been devoted to estimation and forecasting of electricity demand. In this paper, ARDL technique is used to estimate and forecast electricity demand in the industrial sector. The results indicate that the value added of the industrial sector has a significant positive impact on the demand for electricity in this sector. The income elasticity in industrial sector is found to be less than unity, which shows electricity to be a necessary commodity.
The results indicate the existence of a long-term relationship between the variables in this industry. In this article, based on amendments to the law on subsidies and obtained cost estimates, forecast of electricity demand was carried out until the end of the Fifth Development Plan; and the results point to an increase in power consumption in the industry. At the end, fundamental changes in the structure of industry to improve technology and equipment in various industries have been proposed. In this regard, government should develop standards for equipment efficiency and monitor its implementation carefully.
JEL Classification: Q31, E64, L16, C32

کلیدواژه‌ها [English]

Electricity Demand
Value Added
Model ARDL
industrial sector
Price Reform

مراجع

بانک اطلاعات سری‌های زمانی اقتصادی بانک مرکزی جمهوری اسلامی ایران.

سهیلی، کیومرث (1391). برآورد کشش‌های قیمتی و تولیدی تقاضای نهاده‌ی انرژی در بخش کشاورزی، با استفاده از الگوی فرم تصحیح خطای خودتوضیح با وقفه‌ی توزیعی، فصلنامه‌ی اقتصاد کشاورزی و توسعه، 78، 171.

صفاری پوراصفهانی، مسعود (1376). بررسی و پیش بینی تقاضای برقدر ایران، مجله‌ی برنامه و بودجه، 13 و 14، 75 – 92.

صفاری پوراصفهانی، مسعود (1380). چشم انداز تقاضای برق و ظرفیت علمی نیروگاهی مورد نیاز در برنامه‌ی سوم توسعه، مجله‌ی برنامه و بودجه، 37، 171-180.

صمدی، سعید، شهیدی، آمنه و محمدی، فرزانه (1387). تحلیل تقاضای برق در ایران با استفاده از مفهوم همجمعی و مدل ARIMA (1383-1363). مجله‌ی دانش و توسعه، 25، 113-136.

عباسی، ابراهیم و صفوی، درسا ( 1385 ). برآورد مصرف انرژی الکتریکی، مطالعات اقتصاد انرژی، 9، 13 – 38.

عسکری، علی ( 1379 ). تخمین تقاضای برق خانگی و برآورد کشش‌های قیمتی و درآمدی آن، مجله‌ی برنامه و بودجه، 10، 62 و 63.

گجراتی، دامور (1387). مبانی اقتصادسنجی، مؤسسه‌ی انتشارات و چاپ دانشگاه تهران، ترجمه حمید ابریشمی، تهران، چاپ پنجم.

لطفعلی پور، محمدرضا، فلاحی، محمدعلی و ناظمی معزآبادی، سیما (1394)، برآورد توابع تقاضای برق در بخش‌های خانگی و صنعتی ایران با به‌کارگیری الگوی سری زمانی ساختاری، فصلنامه‌ی مطالعات اقتصادی کاربردی ایران، 13، 187-208.

لطفی، احمد (1383). برآورد عوامل مؤثر بر تقاضای برق خانگی در استان خراسان، پایانامه‍ی کارشناسی ارشد اقتصاد، دانشکده‌ی اقتصاد دانشگاه فردوسی مشهد.

نوفرستی، محمد (1378). ریشه‌ی واحد و همجمعی در اقتصاد سنجی. تهران: مؤسسه‌ی خدماتی رسا.

نیاکان، لیلی و منظور، داوود (1392). تحلیل جانشینی بین سوخت‌ها در بخش صنعت با استفاده از مدل لاجیت خطی، فصلنامه‌ی مطالعات اقتصاد انرژی، 39، 155.

وزارت نیرو، ترازنامه‌ی انرژی کشور، سال‌های مختلف.
1. Ang, B.W. (1988). East and South East Asian developing countries, Energy Policy, 16, 2, 115-121.
2. Ang, B.W. (1988). Electricity-output ration and sectoral electricity use case of East and South East Asian developing countries. Energy Policy, 16, 115-121.
3. Bianco, V., Manca, O., & Nardini, S. (2009). Electricity consumption forecasting in Italy using linear regression models, Energy, 34 , No. 9, 1413–1421.
4. Box, G.E.P., & Jenkins, G.M. (1970). Time series analysis: forecasting and control, San Francisco: Holden-Day.
5. Ceylan, H., & Ozturk, H.K. (2004). Estimating energy demand of Turkey based on economic indicators using genetic algorithm approach, Energy Convers Manage, 45, 25-37
6. Egelioglu, F., Mohamad, A.A., & Guven, B. (2001). Economic variables and electricity consumption in Northern Cyprus, Energy, 26, No. 4, PP: 355–362.
7. Kavaklioglu, K., Ceylan, H., Ozturk, H.K., & Canyurt,O.E. (2009). Modeling and prediction of Turkey’s electricity consumption using ArtificialNeural Networks. Energy Conversion and Management, 50, 11, 2719 - 2727.
8. Lin, Bo. Q. (2003). Electricity Demand in the People's Republic of China:Investmentrequirement and Enviromental Impact. Asian Development Bank, Working 50. 37.