基于环境禀赋差异的内蒙古牧区家庭能源贫困的经济学分析
[摘 要]文章运用经济学理论，使用内蒙古12个盟市牧区居民的一手微观调研数据，采用统计方法和SPSS因子分析等方法，考察了基于环境禀赋差异下对牧民家庭能源贫困产生影响的各个因素，并得出相关结论和建议。
毕业论文网 [关键词]环境禀赋差异；牧区家庭；能源贫困ki.zgsc.2017.33.226 1 引 言 能源动力是社会经济发展的驱动力，能源贫困问题一直是社会关注的重点。
随着内蒙古经济发展进程加快，居民对能源的需求也在不断扩大，牧区家庭能源贫困问题值得关注。
文章利用经济学原理，基于环境禀赋差异的角度，对牧民家庭能源贫困问题进行探讨研究。
2 文献回顾及述评 2.1 能源贫困的概念界定 能源贫困的含义较丰富。
国际能源署认为主要依靠传统生物质能或无法获取或使用电能是能源贫困人群的最主要特征。
Hills定义为满足基本生活需求的能源消费成本高于社会平均成本，且剩余收入低于官方经济贫困线。
Pachauri & Spreng（2003）将能源服务获得途径方面纳入能源贫困定义中，认为扩展能源获得途径能提高生活质量。
2.2 关于环境禀赋差异与能源贫困关系研究 环境禀赋差异主要体现在地区资源占有量储存量、地区能源的可获得性。
Gordon以英国为例，得出能源系统分散化程度与能源贫困程度存在正相关关系。
Pachauri（2011）通过将发展中国家作为能源贫困对象研究，发现发展中国家由于经济发展的不均衡造成能源贫困的广泛性和差异化。
魏一鸣、廖华（2014）认为不同地区之间的气候会影响到能源的可获得性，使消除能源贫困的难度加大。
2.3 关于能源贫困影响因素的研究 在受教育年限与能源贫困关系方面。
郝宇和尹佳音（2014）指出，中国能源贫困人群受教育程度低是影响能源贫困的一个因素。
李慷（2014）发现受教育年限更高的群体对能源的可替代性和污染环境程度的关注度越高，在能源消费中偏好选择清洁低耗的能源类型有助于减缓能源贫困。
Mekonnen和Kohlin（2005）通过分析2000年和2004年埃塞俄比亚城镇家庭选择生活燃料的数据，发现居民收入水平是影响家庭能源消费水平的主要因素。
廖华、魏一鸣（2015）根据能源阶梯假说（Energy Ladder Hypothesis），认为经济发展水平提高和收入增加将使家庭能源使用类型向清洁低耗的现代化能源过渡。
Kalwij和Allessie（1998）通过分析荷兰统计数据发现人口分布和家庭消费支出间相互影响。
齐跟兄（2013）发现随着劳动力转移趋势的扩大，牧区家庭人口年龄结构呈老龄化趋势，用能水平较低和用能结构单一的特点。
Clancy（2002）认为研究能源贫困问题时，应依据家庭性别比例制定有差异的解决措施。
Burke和Dundas（2012）分析了国家层面的纵向数据，发现家庭中妇女就业比例与家庭用能结构对传统生物质能依赖度间有反向关系。
向征（2014）认为男性和女性不同的能源决策将影响家庭能源贫困程度。
2.4 文献评述 国内外研究主要关注农村能源贫困情况，环境禀赋差异主要体现在经济发展、气候条件、城乡地域差异等方面，对牧区能源贫困的研究较少。
本文将使用微观调研数据并结合内蒙古地区特殊情况，从多个因素度量牧区家庭能源贫困问题。
3 环境禀赋差异对牧区家庭居民能源贫困影响程度的经验验证 基于文献研究，能源贫困线是个人消费支出水平低于官方收入贫困线10%水平以下的能源消费的平均值。
本文采用2016年内蒙古能源贫困参考基准线300元/人作为基准进行研究，将能源贫困度的测量转化为个人能源消费量的测量。
3.1 研究假设 3.3 ?稻菅∪∮朊枋? 本文选取2017年内蒙古牧区家庭调查问卷微观数据。
该调查覆盖内蒙古12个盟市牧区家庭，较全面代表内蒙古牧区家庭。
选取年龄段18周岁以上的受访人群作为研究对象，对信息缺失严重的重要变量，剔除研究个体或补充相关资料。
最终筛选有效数据634份，作为研究样本。
通过对样本数据整理分析得出，牧民个人能源消费额差距大，最小值30元/年，最大值高达33833元/年，平均个人能源消费额1427元/年，是2016年内蒙古能源贫困线的4.7倍。
家庭个人年收入贫富差距悬殊，最小值111.11元/年，最大值500000元/年。
交通情况均值0.2145，可见牧区交通情况不太便利。
电、煤炭、太阳能和汽油是使用率最多的能源类型，风能、生物能和其他新兴能源使用率依然很低。
中部和西部个人能源消费额略高于东部，东部地区能源消费额较集中，中部和西部存在奇高值。
女性个人能源消费额略高于男性，两者存在个人能源消费额奇高值，侧面反映了牧民能源消费额差距大的情况。
4 主成分分析 4.1 变量选取 主成分分析依次选取个人能源消费额、家庭个人年收入、受教育程度、家庭老人人口总数、家庭中子女人口总数、居民健康状况、性别差异、交通便利程度、能源基础设施情况、地区分布情况等变量确定主成分。
4.2 主成分分析结果 通过对上述变量进行KMO和Bartlett检验，KMO值为0.544，大于0.5阀值，巴特利球度检验的概率值为0.000，小于显著性水平0.05，因此拒绝Bartlett球形度检原假设，表明样本适合做因子分析。
特征值及因子贡献率检验分析前4个特征值（家庭个人年收入、受教育程度、家庭老人人口总数、家庭中子女人口总数）大于1的因子累计百分比为58.391%，提取前4个因子为主因子。