近年来，煤炭消费的过快增长及其低效、不清洁利用使得我国资源、环境、经济和社会可持续发展问题日益突出。实施煤炭总量控制，倒逼能源结构调整和煤炭清洁高效利用，已成为我国推进生态文明建设和绿色发展的必然要求。事实上，我国政府已开始高度重视能源结构调整，特别是控制煤炭消费总量和降低煤炭在能源消费中的比重。《煤炭工业发展“十二五”规划》（ 发改能源〔2012〕640号） 提出，2015 年我国煤炭产量和消费量都要控制在39 亿吨。2013 年9 月国务院印发的《大气污染防治行动计划》提出，到2017 年，煤炭占一次能源消费比重降低到65%以下。国家能源局则提出 2015 年就要实现这一目标。2014年6 月13 日召开的中央财经领导小组第六次会议上，***同志更是提出要大力推动能源消费革命、抑制不合理能源消费等主要任务。这意味着，消费侧敞开口子供应的模式将终结，煤炭消费将受到新的更大限制。在这一新形势下，对煤炭需求及其峰值水平和出现时间的准确预测，将成为科学制定中长期煤炭总量控制目标和策略的关键。
煤炭需求及峰值预测是一项涉及经济-能源-环境的复杂系统工程。研究方法大体分为两类： 直接预测法和间接预测法。直接预测法（ 也称部门分析法） 指的是通过直接估计各主要耗煤行业的煤炭需求量，汇总形成对煤炭需求总量的估计（ 郭云涛，2004; 曾琳，2014） .而间接预测法则是指通过估计煤炭需求与其驱动因素之间的内在关系来构建模型，从而为煤炭需求预测提供依据和参考，模型主要涉及： EG 误差修正模型（ Chan and Lee,1979） 、BP 神经网络模型（ 宁云才，2003） 、向量自回归模型（ 林伯强等，2007） 、面板数据模型（ Cattaneo,2010） 、灰色滚动机制模型（ Kumar and Jain,2010） 等。纵观现有文献不难发现，已有成果多是煤炭景气时期所开展的研究，研究目的主要是应对煤炭供不应求的局面，很少涉及峰值测度问题。而专门针对煤炭经济下行以来所开展的峰值预测研究，目前国内外成果还几乎没有。本文借助计量经济学理论和方法，从分析煤炭需求的影响因素着手，不仅将经济发展水平作为主要解释变量，还将城市化、工业化、能源效率作为重要变量纳入模型，在深入探寻煤炭需求与这些驱动因素之间函数关系基础上，对未来煤炭需求发展趋势和峰值做出估计，进而为制定煤炭总量控制政策和我国能源发展规划提供决策参考。
一、煤炭需求的主要影响因素
（ 一） 煤炭价格
按照一般经济学理论，价格是决定需求的主要因素。1993 年之前，我国煤炭价格受到严格管制，实行政府定价。随着社会主义市场经济体制的初步建立，国家开始逐步放开除电煤之外的煤炭价格，但占煤炭消费量一半以上的电煤，仍长期执行低于市场价格的政府指导价。尽管2001 年后国家决定全部放开电煤价格，但由于电价改革的敏感性，实际上仍对其实施经常性干预。直到 2012 年底，国务院出台《关于深化电煤市场化改革的指导意见》，明确提出自2013 年起取消重点合同，取消电煤价格双轨制，由此，煤炭价格开始真正走向市场化。本研究将煤炭价格作为自变量纳入模型，以检验其是否影响煤炭需求，假如变量不显着，则舍弃。
（ 二） 经济发展水平
一个国家的经济发展水平通常采用人均国内生产总值来表征。一般而言，在一定发展阶段内，人均国内生产总值水平越高，人均能源消费量就越大。煤炭是我国的主体能源，经济发展离不开能源尤其是煤炭的消费，煤炭是现代工业生产中重要的中间投入要素。相应地，经济发展同样影响煤炭需求，是促进我国煤炭需求增长的重要动力。
（ 三） 能源效率
能源效率指的是单位能源所带来的经济效益。其主要受能源结构与技术进步等因素影响。由于石油、天然气、水（ 核） 电等是较煤炭更为高级的能源品种的边际效率及其之间的边际替代率不同，因此，在存在替代可能的前提下，能源结构变动会直接影响能源效率进而影响作为我国主体能源的煤炭的供需状况。而技术进步对煤炭需求起作用的方式主要是通过采用新技术、新工艺、新手段，提升设备工作效率，简化交易过程，进而有效降低单位产品能耗和煤炭消费强度。
（ 四） 产业结构
国民经济三次产业之间的能耗差异很大，相比第一、三产业，第二产业的能耗水平要高出很多。尤其对能源结构以煤为主的我国来说，工业化、城市化的快速推进以及基础设施建设规模的不断扩大，对煤炭这一基础能源形成巨大的直接和间接需求。因此，产业结构调整尤其是二产结构的变动，会对综合能耗产生较大影响，在煤炭需求建模与分析过程中必须要充分考虑这一因素。
（ 五） 城市化水平
伴随城市化进程的加快，我国农业人口不断向非农产业、向城市转移，从而促使城市人口数量增多、城市规模不断扩大。这一过程中，大规模的基础设施、住房以及交通运输体系建设等必然带动建材、钢铁、化工等高耗煤行业快速发展，从而导致煤炭需求增长。与此同时，城市居民和农村居民的能源利用方式和消费水平差别很大。较为完善的能源供应基础设施，包括电力供应设施、天然气和城市煤气管道、热力供应管道等，使城市居民可以享受较好的能源服务； 而农村居民受能源基础设施、自身支付能力等因素制约，所享受的能源服务较城市明显减少，所产生的煤炭需求也要少很多。
（ 六） 环境政策
近年来，低碳生活、环境保护、经济的可持续发展日益受到各国的广泛重视，环境问题已成为世界性热点。一系列环保政策的出台使得环境质量价值开始显现，对能源供求技术与能源战略的影响也愈发明显。通常来讲，环境政策对煤炭需求起作用的方式，主要是通过政府制定越来越严格的燃煤污染排放标准或者出台直接的“控煤”政策等，推动煤炭清洁利用以及能源结构和产业结构调整，进而达到控制煤炭需求的目的。出于对影响因素独立性、可量化和数据可获取性的考虑，环境政策这一因素在本文中暂通过能源效率、产业结构等指标来反映。
二、基于煤炭需求的多变量计量模型的建立
（ 一） 数据来源与预处理
在对煤炭需求（ CC,亿吨标煤） 进行建模时，首要问题是变量与数据的选择问题。基于指标代表性和数据可获得性的考虑，煤炭价格、经济发展水平、能源效率、产业结构、城市化水平等影响因素分别采用煤炭工业品出厂价格指数（ CPR,-） 、人均 GDP（ GDPP,万元） 、能源效率（ 亿元/亿吨标煤，EEF） 、第二产业比重（ PSI,%） 、城市化率（ URB,%） 等指标来反映。各变量数据来自历年的中国统计年鉴以及国家统计局网站（ 为剔除物价波动因素，对各经济变量进行了 1978 年不变价处理） ,样本考察期为1978-2013 年。实证过程借助计量经济软件 EVIEWS6. 1实现。
（ 二） 各变量序列的平稳性检验
利用 ADF 和 PP 检验方法对各序列进行平稳性检验。
表 1 结果显示，1978-2013 年所有序列均非平稳，但 CC、GDPP、URB、EEF 为二阶单整序列，PSI 和CP 为一阶单整序列。
（ 三） 各序列的协整检验
根据协整理论，两个以上不同阶数单整序列通过线形组合可构成低阶单整序列从而形成协整关系。本文采用Johansen 方法对各变量进行协整检验并确定它们之间的符号关系。结果显示（ 表 2） ,在 1%显着性水平下变量序列之间存在3 个协整关系。
考虑到变量的显着性以及模型的整体性能，选取第一个方程来反映系统的长期协整关系（ 如表3 所示） ,进而对模型残差做单位根检验，发现属平稳序列，且在0 均值上下波动，验证了协整关系的正确性。
由 CM 各变量系数 t 统计量可知，其弹性表出均符合经济学意义： 煤炭消费量与人均 GDP、二产比重、城市化率之间存在显着正向关系，而与能源效率存在明显负向关系。
（ 四） 多变量（ V） ECM 的建立
向量误差修正模型（ VECM） 是对诸变量施加了协整约束的向量自回归模型，仅使用于具有协整关系的序列建模。基于前已证明的协整关系，可构建 VECM 如下。
其中，方括号内为回归系数 t 统计量。
表 4 列出了基于 VECM、ECM 和 CM 的 AIC 值和 SC值，该值越小越好。可以看出，ECM 的模型性能优于VECM 和 CM,具有更好的拟合效果，因此本文选择 ECM 来刻画煤炭需求和各驱动因素之间的关系。由 ECM 可知，所有统计量检验值在1%和5%的显着性水平下均显着，误差修正项的系数为负值（ -0.2726） ,符合负向调整机制。
三、基于 ECM 的煤炭需求峰值预测
进行预测之前，需对模型拟合效果和预测效果进行评价。由统计检验结果可知（ 表 5） ,ECM 模型性能整体良好，可对煤炭需求的短期波动和长期均衡进行直接描述。
图1 给出了模型在样本区间内的拟合值、实际值以及两者之间的误差。可以看出，ECM 的拟合效果较好，模型误差多分布在一个较小的范围内（ 2% -4%） ,满足预测要求。
为完成对未来我国煤炭需求峰值的预测和估计，需要设定相关经济变量的趋势值，本文采用各大机构发布的预估值作为参考标准，如表 3 所示。预测期为 2014 - 2030年。
根据模型预测结果（ 图2） ,我国煤炭需求量峰值出现在2020 年附近，峰值水平为 32.39 亿吨标准煤，折合原煤45. 34 亿吨（ 与中国能源研究会牵头的“中国煤炭峰值预测”课题组初步预测结果接近，可相互印证①） .2020 年之前，我国煤炭需求量年均增速 3.9%; 之后，伴随能源效率的逐步提升和经济结构中二产比重的持续下降，煤炭需求量将缓慢下降（ 年均降速0.76%） ,并在2030 年降至29.99亿吨标煤的水平。
需要指出的是，不同预测方法各有利弊，本文所采用的多变量计量模型作为一种间接预测方法，尽管目前已较为成熟，但仍受到诸多因素的制约，如变量选择过程全面性与独立性及数据可获得性之间的矛盾、各变量在预测期取值科学性的问题等，都在一定程度上影响着模型的预测效果。更为先进的预测技术以及基于不同类别预测模型如计量、灰色、神经网络、支持向量机等所开展的组合预测有待进一步深入研究。
四、应对煤炭需求峰值到来的相关建议
（ 一） 加强煤炭需求及峰值预测研究，科学制定我国煤炭消费总量调控目标和策略
基于煤炭需求预测结果，科学设定我国煤炭总量控制目标，如2015 年可设定为39 亿吨，2020 年为45 亿吨，2025年为44 亿吨，2030 年为42 亿吨； 同时，根据峰值出现前后煤炭需求的不同增速（ 年均分别为 3.9%和 -0.76%） ,制定差异化的总量控制策略，确保煤炭总量控制工作稳步有序推进。
（ 二） 注重产业结构调整，能源结构优化和加强煤炭清洁高效利用是实现煤炭总量控制目标的关键
实证结果表明，产业结构、能源效率对煤炭需求的影响非常显着且符合经济学意义。为实现煤炭总量控制目标，就必须要充分挖掘产业结构调整、能源结构优化潜力，大力推动非化石能源和气体清洁能源发展。与此同时，还要充分意识到由于我国“多煤、贫油、少气”的能源禀赋特征，推动能源生产和消费革命并非要“革”煤炭“命”,即使峰值到了，煤炭消费量 2030 年也不低于 40 亿吨，因此，煤炭清洁高效利用大有作为。
（ 三） 加强能源战略规划和政策的超前谋划，科学做好下一阶段的煤炭产能规划和部署
综合考虑煤炭需求预测结果以及目前我国的煤炭产能状况（ 据煤炭工业协会数据，目前我国煤炭产能达40 亿吨，产能建设超前3 亿吨左右； 预计到2020 年，全国煤矿可利用产能40 亿吨，产能缺口5 亿多吨） ,不难发现，短期内全国煤炭市场供大于求问题十分突出，而从中长期看煤炭的安全稳定供给仍值得高度关注。建议国家充分研判煤炭供需形势，科学部署产能，引导市场理性投资及产能有序释放，积极应对我国短期煤炭产能过剩的局面； 与此同时，继续推进煤炭大基地、大集团、大矿井、大通道建设，鼓励企业“走出去”,确保煤炭的长期稳定供应和国家能源安全。
（ 四） 正确发挥政府在煤炭总量控制中的作用
正确处理政府与市场关系，为实施煤炭总量控制创造公平、有效的竞争环境。在供给侧，重点要严厉打击违规建设和超能力开采行为，充分发挥市场机制，以严格的安全、环保等外部性标准依法淘汰落后产能； 要加快研究出台商品煤质量标准与质量管理实施细则，从环保角度严格限制劣质煤炭的进口、长途运输和异地利用。在需求侧，要充分发挥国家宏观调控作用，在保障经济向“新常态”平稳过渡的同时，加快转变煤炭经济发展方式，有效遏制煤炭的低效率消耗。此外，鉴于长期以来我国煤炭价格形成机制的不合理使得价格对煤炭需求的影响并不显着，建议进一步加快和深化煤炭流通体制改革，继续坚持煤炭价格市场化改革方向和供需双方自主协商定价。同时，加强市场垄断和不正当竞争监管，强化外部成本监管，加快形成反映市场供求关系、资源稀缺程度、环境损害成本的煤炭价格形成机制，使其对煤炭需求的杠杆调节作用得以充分发挥。
参考文献
[1]宁云才。 煤炭需求预测的复合小波神经网络模型[J].煤炭学报，2003（1） .
[2]郭云涛。 中国煤炭中长期供需分析与预测[J]. 中国煤炭，2004（19） .
[3]林伯强，魏巍贤，李丕东。 中国长期煤炭需求： 影响与政策选择[J],经济研究，2007（2） .
[4]易丹辉。 数据分析与 Eviews 应用[M]. 北京： 中国人民大学出版社，2008.
[5]曾琳。 煤炭峰值预测与对策研究[J]. 煤炭经济研究，2014,34（ 4） .
[6]国务院发展研究中心，世界银行。 2030 年的中国： 建设现代化和谐有创造力的社会[M],北京：中国发展出版社，2013.
[7]国务院发展研究中心。 中国中长期能源发展战略研究[M],北京：中国发展出版社，2013.
[8]国务院发展研究中心，世界银行。 中国：推进高效、包容、可持续的城镇化[M],北京：中国发展出版社，2014.
[9]Chan H L Lee S K.Modelling and forecasting the demandfor coal in China[J]. Energy Economics,1997,19（ 3） .
[10]Chavez S G,Bemat J X,Coalla H L. Forecasting energyproduction and consumption in Asturias（ North Spain） [J],Energy,1999,24（ 6） .
[11]Kumar U,Jain V K. Time series models,Grey Model withrolling mechanism and singular spectrum analysis to forecast energyconsumption in India[J],Energy,2010,35（ 4） .
[12]Cattaneo C,Manera M,Scarpa E. Industrial coal de-mand in China: a provincial analysis[J],Esource and Energy Eco-nomics,2011,33（ 1） .
