环保及公用事业行业排污大数据之二：大数据跟踪全国2000家火电厂从月度排污量预测火电发电量

1、目录 HYPERLINK l _TOC_250006 排污大数据跟踪全国火电企业排污量4 HYPERLINK l _TOC_250005 火电企业占比 90.8%，其中鲁蒙苏浙电力企业较多5 HYPERLINK l _TOC_250004 火电污染物主要集中在蒙鲁苏晋等地5 HYPERLINK l _TOC_250003 实际排放量情况：历史数据较多，披露及时性有待提高7 HYPERLINK l _TOC_250002 火电发电量的拟合及预测：相关性较好，拟合预测有待提升11 HYPERLINK l _TOC_250001 火电发电量及污染物历史拟合：利用颗粒物及 SO2 排放量环比平均值来拟

2、合发电量环比增速效果最好11 HYPERLINK l _TOC_250000 火电发电量回测：7-8 月回测效果较好，9 月存在较大误差16图表目录图 1：全行业排污许可证核发进度图（2017 年-2020 年）4图 2：核发许可证电力生产企业二级行业分布（单位：家）5图 3：核发许可证电力生产企业位置分布5图 4：电力生产企业 NOx 许可排放量热力图6图 5：火电企业颗粒物许可排放量热力图6图 6：火电企业 SO2 许可排放量热力图6图 7：火电企业 NOx 许可排放量热力图6图 8：主要省份 6000 千瓦以上火电装机容量（单位：万千瓦）6图 9：火力发电企业污染物许可排放量（单位：万吨

3、）6图 10：火电企业排污样本量情况（单位：个）7图 11：578 家火电企业 2018 年实际颗粒物排放量热力图8图 12：578 家火电企业 2018 年实际 SO2 排放量热力图8图 13：578 家火电企业 2018 年实际 NOx 排放量热力图8图 14：578 家火电企业 2018 年分省份实际污染物排放量（单位：吨）8图 15：分省份 2018 年第二产业 GDP 及 NOx 排放量情况（单位：亿元，吨）9图 16：各省份 2018 年 1-11 月电量交换情况（单位：亿千瓦时，电量净输入=输入电量-输出电量）9图 17：工业增加值累计同比及火电发电量累计同比对比（单位：%）11

4、图 18：火电发电量及污染物排放量环比情况13图 19：火电发电量及污染物排放量环比回归情况14图 20：添加虚拟变量后的回归检验结果15图 21：颗粒物及 SO2 环比平均值拟合火电发电量环比增速情况15表 1：2018 年全口径发电量及清洁能源占比情况（单位：亿千瓦时，清洁能源=水电+核电+风电+太阳能）10表 2：2018 年至今我国分月份火力发电量情况（单位：亿千瓦时）12表 3：污染物环比数据计算结果（单位：%，个）12表 4：添加虚拟变量后的待检验变量14表 5：各指标回归拟合结果对比15表 6：回溯预测 2019 年 7 月火电发电量环比值16表 7：回溯预测 2019 年 8

5、月火电发电量环比值16表 8：回溯预测 2019 年 9 月火电发电量环比值17表 9：2019 年 7-9 月回溯预测结果17表 10：全国大型火电企业环保排放绩效情况（单位：克/千瓦时）18系列报告前篇介绍：2019 年 8 月我们发布了排污大数据之屠宰行业：屠宰排污大数据观察养殖行业，通过大数据统计了所有屠宰企业的污染物排放量的信息，以图量化跟踪分析行业变化情况。主要结论包括：按照屠宰废水 COD 产污系数进行换算，2019 年 1-6 月 92 家牲畜屠宰重点企业屠宰量分别约为 149、97、162、120、111 和 109 万头（占到商务部披露的生猪定点屠宰企业屠宰量的 7%-10

6、%），2019 年 4 月开始屠宰量持续环比下滑，6 月相比 3 月单月屠宰量下滑超过 30%（COD 和氨氮分别下降 32.7%、46.2%），河南及湖南屠宰排污量下降较多，Q2 相比 Q1 屠宰停产率提升。此外，禽类 氨氮污染物排放量持续提升，也一定程度上表明禽类肉制品作为生猪肉制品的替代品， 屠宰量正持续提升。本篇报告结论：本篇报告通过对近 2,000 家火电企业 2018 年至今的三类大气污染物（颗粒物、SO2、NOx）实际排放量情况进行收集整理，并与统计局公布的火电发电量时间序列进行拟合发现，利用颗粒物及 SO2 排放量环比平均值来拟合发电量环比增速效果 最好，R 平方值为 0.93

7、7，两个参数（回归方程的截距和斜率）p 值分别为 0.012 和3.13x10-11，远小于 0.05。利用此方法回测 2019 年 7-9 月份实际值来验证方法的准确性，回测结果来看，2019 年 7 月预测值相对较为准确，同比值相差仅为 0.1%，8 月环比值相差 0.8%，而 9 月数据相差较大，可能的原因包括：1）9 月样本数据过小，无法反应客观事实（最重要原因）；2）火电行业持续推进超低排放改造，污染物数据影响拟合结果；3）统计范围存在差异。以下为报告全文：排污大数据跟踪全国火电企业排污量电力行业是最早一批核发排污许可证的行业，与造纸行业共同于 2017 年下半年完成核发，即最迟至

8、2018 年 1 月开始，所有已经拿到排污许可证的电力企业理应开始对外披露排污许可执行报告。我们通过对电力企业排污大数据进行整理和分析，以期能够前瞻性获得全国乃至区域性发电量数据，以进一步分析佐证经济运行情况。图 1：全行业排污许可证核发进度图（2017 年-2020 年）资料来源：固定污染源排污许可分类管理名录（2017 年）， 火电企业占比 90.8%，其中鲁蒙苏浙电力企业较多电力行业 2017 年下半年开始核发排污许可证，截至 2019 年 10 月 10 日，共有 2,199家电力企业获发排污许可证。按照二级行业来看：获发排污许可证的电力生产企业中共有 1,996 家火力发电企业，占比

9、达 90.8%，此外热电联产企业 98 家，占比 4.5%，生物质能发电企业 64 家，占比 2.9%，太阳能发电企业 1 家，及其他类型电力生产企业 40 家获发排污许可证；按照分布区域来看：山东省（357 家，占比 16.2%）、江苏省（214 家，占比 9.7%）和浙江省（140 家，6.4%）获发排污许可证的电力生产企业数量全国靠前。40, 2%火力发电98, 4%其他电力生产64, 3%1, 0%热电联产1996, 91%生物质能发电太阳能发电图 2：核发许可证电力生产企业二级行业分布（单位：家）图 3：核发许可证电力生产企业位置分布资料来源：生态环境部， 资料来源：生态环境部， （

10、2,199 家公司中 1,924 家企业含有位置信息）火电污染物主要集中在蒙鲁苏晋等地火力发电企业污染物许可排放量来看：颗粒物总许可排放量为 44.6 万吨，占所有电力生产企业颗粒物核发量的 97.5%， 主要集中在内蒙古（4 万吨，占比 9%）、山西省（2.9 万吨，占比 6.6%）和江苏省（2.9 万吨，占比 6.4%）；SO2 总许可排污量为 215 万吨，占所有电力生产企业 SO2 核发量的 98%，内蒙古（20.9 万吨，占比 9.7%）、贵州省（17.8 万吨，占比 8.3%）、山西省（15.8 万吨，占比 7.3%）等省份核发量排名靠前；NOx 总许可排污量为 212.7 万吨，

11、占所有电力生产企业 NOx 核发量的 97%，山东省（17.9 万吨，占比 8.5%）、内蒙古（17.9 万吨，占比 8.1%）、江苏省（17.2万吨，占比 7.8%）等省份核发量排名靠前；图 4：电力生产企业 NOx 许可排放量热力图图 5：火电企业颗粒物许可排放量热力图资料来源：生态环境部， 资料来源：生态环境部， 图 6：火电企业 SO2 许可排放量热力图图 7：火电企业 NOx 许可排放量热力图资料来源：生态环境部， 资料来源：生态环境部， 主要省份 6,000 千瓦以上装机容量来看，主要集中在山东省（10,530 万千瓦，占比 9.%）、江苏省（10,081 万千瓦，8.62%）和内

12、蒙古（8,642 万千瓦，占比 7.39%），总体来看与火电污染物排放（尤其是 NOx 排放）分布趋同。图 8：主要省份 6000 千瓦以上火电装机容量（单位：万千瓦）图 9：火力发电企业污染物许可排放量（单位：万吨）12,00025火电装机量2019年9月颗粒物SO2NOx10,000208,000156,000104,00052,0000山东江苏内蒙古广东 河南山西浙江 安徽新疆河北 陕西 辽宁贵州 福建 湖北宁夏上海 湖南广西黑龙江江西甘肃吉林 天津 四川重庆云南 北京海南青海山东内蒙古江苏山西广东 辽宁黑龙江贵州安徽 河南浙江新疆 湖北 福建吉林河北 陕西 湖南云南广西 宁夏 甘肃江西

13、四川 天津建设兵团重庆青海上海海南北京0资料来源：生态环境部, 资料来源：生态环境部, （注：按照 NOx 许可量排序）实际排放量情况：历史数据较多，披露及时性有待提高由于火电企业数量及污染物核发量相较电力生产企业整体都占绝大多数，以下仅分析火电企业情况。剔除异常值后，火电企业共有 1,850 家企业获发排污许可证，但受制于排污许可证执行报告质量因素，能够连续完整披露排污量数据的企业占比并未达到 100%（部分企业披露了执行报告但排污量为空或异常值、另有部分企业延迟披露或暂时未与披露）。从样本数量来看，2017 年下半年三类污染物样本数量平均值约为 1,025 个、2018 年 1 月至201

14、9 年 3 月样本数量平均值为 1,325 个、2019 年 4-9 月样本数量逐渐减少，9 月有 87个平均样本数据（截至 2019 年 10 月 10 日的数据采集日）。16001400120010008006004002000颗 粒 物 SO2 NOx图 10：火电企业排污样本量情况（单位：个）2017-72017-82017-92017-102017-112017-122018-12018-22018-32018-42018-52018-62018-72018-82018-92018-102018-112018-122019-12019-22019-32019-42019-52019-

15、62019-72019-82019-9资料来源：生态环境部, 选取 2018 年 1-12 月有连续非零排污数据的企业（共 578 家）作为分析样本，全年颗粒物排放量为 2.6 万吨，其中内蒙古（3,260 吨，占比 12.5%）、山东省（1,893 吨，占比 7.4%）和辽宁省（1,694 吨，占比 6.6%）排名靠前；全年 SO2 总排放量为 19.2 万吨，其中贵州省（2.9 万吨，占比 15.3%）、内蒙古（2.3 万吨，占比 11.7%）和山东省（1.7 万吨，占比 8.7%）排名靠前；全年 NOx 总排放量为 31.5 万吨，其中山东省（4.1万吨，占比 13%）、内蒙古（3.7

16、万吨，占比 11.7%）和江苏省（2.4 万吨，占比 7.6%）排名靠前。图 11：578 家火电企业 2018 年实际颗粒物排放量热力图图 12：578 家火电企业 2018 年实际 SO2 排放量热力图资料来源：生态环境部， 资料来源：生态环境部， 图 13：578 家火电企业 2018 年实际 NOx 排放量热力图图 14：578 家火电企业 2018 年分省份实际污染物排放量（单位：吨）45,000颗粒物合计SO2合计NOx合计40,00035,00030,00025,00020,00015,00010,0005,000山东省江苏省内蒙古河南省河北省山西省广东省辽宁省安徽省新疆浙江省黑

17、龙江陕西省建设兵团湖北省吉林省贵州省甘肃省宁夏 湖南省重庆市广西 上海市福建省四川省天津市云南省江西省海南省0资料来源：生态环境部, 资料来源：生态环境部, 分省份对比各省 2018 年第二产业 GDP 与污染物排量的情况（以 NOx 为例），总体来看二产 GDP 体量较大的省份排放污染物也比较多，如广东、山东及江苏，但也有部分中西部地区省份（例如内蒙古、贵州等）排污量仍较高，原因除了火电企业超低排放改 造东部省份完成比例较高以外，还有蒙电外送，水电落地华东及华南等地原因。山东内蒙古江苏贵州辽宁河北河南广东黑龙江 山西新疆宁夏陕 西 安 徽甘肃广西吉林 云南 重庆海南江西湖南天 津 上 海福建

18、湖北浙江四川第二产业GDP（亿元）图 15：分省份 2018 年第二产业 GDP 及 NOx 排放量情况（单位：亿元，吨）45,000NOx排放量（吨）40,00035,00030,00025,00020,00015,00010,0005,000005,00010,00015,00020,00025,00030,00035,00040,00045,000资料来源：生态环境部， 其次，发用电的不匹配也是原因之一：在上图中，二产 GDP 是各省份工业企业的产出， 代表的是各省用电量的情况，NOx 排放量则代表着该省份火电企业为主的发电量，然而各省份的用电量并不一定是本省的火电企业所生产的。在我国，

19、各省份之间存在着较为频繁的电能交换，甚至存在诸如西电东送、皖电东送等大型电能输送工程。从 2018 年1-11 月（12 月数据不披露）我国各省电能交换的情况来看，江苏、广东、浙江等地区都是我国的电能接收大省，有大量的电能输送到这些沿海省份，使得他们本地排污水平相对较低；与之相对的，内蒙古等省区则是我国的煤电基地，其所发电量输送到华北、华东甚至华中等地，因此承担了超过本省 GDP 的排污量。电量净输入（亿千瓦时）0 图 16：各省份 2018 年 1-11 月电量交换情况（单位：亿千瓦时，电量净输入=输入电量-输出电量2,0001,5001,000500广东江苏浙江 河北上海山东 北京河南 辽

20、宁湖南重庆 天津江西 广西海南西藏 黑龙江青海 吉林陕西福建 甘肃新疆 宁夏安徽贵州 湖北山西四川云南内蒙古0-500-1,000-1,500 -2,00资料来源：中电联， 另外的可能原因是清洁能源占比：电能交换不能完全解释图中 GDP 和排污量的偏离， 比如外送电大省云南和四川，他们在2018 年的外送电量仅次于内蒙古，但相对于其GDP 水平的排污量却极低。造成此现象的主要原因，系云南和四川二省为我国水电大省，其所发电量中清洁能源的比例极高，因此产生了虽然承担大量送电职责，但本身排污水平依旧处于较低水平的现象，再次验证了生态环境部排污数据真实性及有效性。省份清洁能源占比火电水电核电风电太阳能

21、总量西藏98.24%1.1957.19-0.148.3667.44云南91.35%281.242,716.78-220.1934.943,253.16四川88.44%434.673,249.10-54.6522.423,760.84青海85.14%119.68517.00-37.57131.07805.32湖北55.58%1,266.531,471.23-64.4048.902,851.06广西50.77%795.66608.47160.9641.999.231,616.30甘肃48.10%829.61443.94-230.0695.021,598.63福建42.92%1,405.13325.

22、27645.5872.3013.602,461.88贵州40.35%1,262.72770.14-68.4115.762,117.04湖南35.88%919.05433.49-60.3520.491,433.39海南35.44%211.3927.3177.175.146.41327.41重庆31.51%546.70241.52-8.002.02798.23辽宁28.29%1,380.9846.16301.57165.0931.911,925.72广东27.81%3,301.40280.38890.4763.1537.854,573.25浙江25.93%2,598.24191.67586.943

23、0.59100.313,507.83吉林23.85%663.5878.76-104.8224.22871.38新疆22.80%2,494.09255.96-359.36121.473,230.88宁夏18.84%1,310.3619.96-186.8397.321,614.45黑龙江16.58%858.5925.77-124.6320.271,029.26内蒙古16.12%4,198.0545.06-632.12129.505,004.73江西16.05%1,092.62116.12-41.1851.531,301.45河北15.28%2,361.0816.58-282.64126.472,7

24、86.77陕西12.31%1,746.36102.59-71.5671.101,991.61山西11.31%2,738.5542.90-212.1394.053,087.63江苏11.30%4,462.3733.59242.18172.53119.805,030.87河南9.57%2,689.27144.04-56.8983.772,973.98安徽7.60%2,518.8053.46-50.09103.642,725.98山东7.55%4,823.964.8538.67213.55136.835,217.87北京3.65%432.569.83-3.493.05448.93上海2.78%832

25、.82-17.726.06856.59天津2.43%653.590.15-8.058.08669.87表 1：2018 年全口径发电量及清洁能源占比情况（单位：亿千瓦时，清洁能源=水电+核电+风电+ 太阳能）资料来源：中电联， 火电发电量的拟合及预测：相关性较好，拟合预测有待提升发电量作为反映我国经济状况的重要指标，一直受到市场广泛关注。总体来看，发电量累计同比值与工业增加值累计同比基本保持同步，且相关系数很高。因此，通过对火电企业污染物排放量拟合、测算，对领先获得反映经济运行状况的同步指标火电发电量大有裨益。50%40%30%20%10%0%-10%-20%图 17：工业增加值累计同比及火电

26、发电量累计同比对比（单位：%）工业增加值:累计同比产量:火电:累计同比资料来源：Wind， 火电发电量及污染物历史拟合：利用颗粒物及 SO2 排放量环比平均值来拟合发电量环比增速效果最好国家统计局每月定期公布月度发电量、结构性发电量及其对应同比增速，例如：“2019年 9 月，发电 5908 亿千瓦时，同比增长 4.7%，增速较上月加快 3.0 个百分点。其中， 火电同比增长 6.0%，上月下降 0.1%”。拟合的合理性：若不考虑企业环保水平短期内大幅提升的情况，企业发电量与污染物排放量成正相关关系（火电企业单位发电量所产生的污染物，即排污系数恒定），这也是不适用排污量同比来预测的原因（同比数

27、据排污量间隔一年会下滑）；数据修正方法：由于统计局公布数据口径为当期调整统计范围后数据，需要根据当期公布的同比数据对历史数据进行修正，根据 2019 年各月份公布的同比数据计算 2018 年回溯后火力发电量数据，根据回溯后的数据进行环比增长率的计算；数据修正假设：一个自然年份中，统计局公布的月度数据统计口径不变，均为主营业务收入 2000 万元以上的工业企业；表 2：2018 年至今我国分月份火力发电量情况（单位：亿千瓦时）时间统计局公布火电发电量当月同比回溯后火电发电量回溯后当月环比回溯比例2018-024,043.259.8%4,142.92102.5%2018-034,017.401.4

28、%4,118.51-0.6%102.5%2018-043,784.707.3%3,893.99-5.5%102.9%2018-053,921.5010.3%4,027.973.4%102.7%2018-063,940.406.3%4,047.850.5%102.7%2018-074,534.904.3%4,636.6914.5%102.2%2018-084,601.706.0%4,733.232.1%102.9%2018-093,787.303.7%3,914.72-17.3%103.4%2018-103,629.403.0%3,729.54-4.7%102.8%2018-114,050.70

29、3.9%4,163.8611.6%102.8%2018-124,775.905.0%4,908.6817.9%102.8%2019-024,213.351.7%4,213.35-14.2%100.0%2019-034,159.701.0%4,159.70-1.3%100.0%2019-043,886.20-0.2%3,886.20-6.6%100.0%2019-053,830.60-4.9%3,830.60-1.4%100.0%2019-064,051.900.1%4,051.905.8%100.0%2019-074,562.50-1.6%4,562.5012.6%100.0%2019-084

30、,728.50-0.1%4,728.503.6%100.0%2019-094,149.606.0%4,149.60-12.2%100.0%资料来源：Wind， （注 2018 年 2 月及 2019 年 2 月统计局公布火电发电量数据为 1-2 月累计值的平均，2018 年 2-9 月回溯后发电量按照统计局公布的同比数据计算而得，2018 年 10-12 月回溯后发电量为根据历史回溯比例均值计算所得）污染物环比数据计算：由于 2018 年 1 月至 2019 年 9 月持续存在非零非空数据的样本数量较少（仅有 50 余家，主要原因在于 9 月份数据披露率不高所致），故选取每对相邻月份中非零非空

31、数据作为样本进行环比增速的计算，火电企业样本数量约 1,0001,400 个，大样本能够更加准确地反映总量环比变化情况。表 3：污染物环比数据计算结果（单位：%，个）时间颗粒物环比增速SO2环比NOx环比样本大小-颗粒物样本大小-SO2样本大小-NOx2018-02-14.6%-14.3%-11.6%8819199382018-03-2.5%-1.4%-2.4%1210127113042018-04-12.6%-10.0%-9.4%1154123512682018-051.4%1.2%3.4%1214130913492018-06-3.0%-7.0%-4.3%1250135413952018-

32、0712.0%15.3%15.6%1175130513502018-081.3%1.8%1.6%1210131713622018-09-17.2%-18.6%-15.5%1212131213502018-10-2.2%-0.9%-5.4%1082119312172018-1110.8%14.1%13.1%1139125312762018-1213.2%18.1%16.5%1160127412982019-02-11.0%-13.0%-10.7%1029115811872019-03-2.9%-2.4%-2.1%1148126212992019-04-10.8%-8.3%-11.9%107411

33、6811992019-05-5.7%-6.5%-3.0%1069114711772019-066.3%2.4%4.5%1050113011642019-0715.9%7.5%11.1%6126576662019-082.8%3.7%2.7%4845165242019-09-21.5%-19.1%-20.3%828688资料来源：生态环境部， 定量来看，如下图所示，颗粒物、SO2 及 NOx 本身走势高度吻合，同时回溯后火电发电量环比数据与颗粒物、SO2 及 NOx 排放量环比数据呈非常高正相关，R2 达到了 0.94。图 18：火电发电量及污染物排放量环比情况25.0%20.0%15.0%10

34、.0%5.0%0.0%-5.0%-10.0%-15.0%-20.0%-25.0% 火电发电量环比数据颗粒物排放量环比SO2环比Nox环比资料来源：生态环境部, 20%15%10%5%0%-20%-15%-10%-5%0%5%10%15%20%-5%-10%-15%y = 1.0399x - 0.0169R = 0.9369-20%-25%-30%回溯后火电发电量环比污染物排放量环比均值图 19：火电发电量及污染物排放量环比回归情况资料来源：生态环境部, 定量来看，分别选用一元一次线性回归、多元一次线性回归、添加以月份为代表的虚拟变量的多元一次线性回归（验证季节性因素）等方法，最终发现一元一次线

35、性回归大部分结果假设相关，而其他方法大部分参数假设均不显著，例如添加以月份为代表的虚拟变量后的回归检验结果不显著：环比数据均环比数据虚拟变量时间火电发电量 污染物排放量平表 4：添加虚拟变量后的待检验变量-YX1X2X3X4X5X6X7X8X9X10X112018-3-0.6%-2.1%10000000002018-4-5.5%-10.7%01000000002018-53.4%2.0%00100000002018-60.5%-4.8%00010000002018-714.5%14.3%00001000002018-82.1%1.6%00000100002018-9-17.3%-17.1%00

36、000010002018-10-4.7%-2.8%00000001002018-1111.6%12.7%00000000102018-1217.9%15.9%00000000012019-2-14.2%-11.6%00000000002019-3-1.3%-2.4%10000000002019-4-6.6%-10.3%01000000002019-5-1.4%-5.1%00100000002019-65.8%4.4%00010000002019-712.6%11.5%00001000002019-83.6%3.1%00000100002019-9-12.2%-20.3%0000001000资料

37、来源：Wind，生态环境部， 图 20：添加虚拟变量后的回归检验结果资料来源：生态环境部, 利用颗粒物及 SO2 排放量环比平均值来拟合发电量环比增速效果最好，R 平方值为0.937，两个参数 p 值分别为 0.012 和 3.13x10-11，远小于 0.05；表 5：各指标回归拟合结果对比回归指标调整后R平方P-value 1P-value2是否均显著颗粒物0.8960.0361.71E-09显著SO20.9110.0364.76E-10显著NOx0.9290.0548.14E-11不显著颗粒物及SO20.9370.0123.14E-11显著颗粒物及NOx0.9240.0311.38E-1

38、0显著SO2及NOx0.9320.0295.45E-11显著颗粒物、SO2及NOx0.9330.0205.08E-11显著资料来源：生态环境部, （注：一般 p 值小于 0.05 则表明有统计学差异，可以拒绝原假设，即参数显著）20%15%10%5%0%-5%-10%-15%-20%火电发电量环比增速火电发电量环比增速拟合结果图 21：颗粒物及 SO2 环比平均值拟合火电发电量环比增速情况资料来源：生态环境部, 火电发电量回测：7-8 月回测效果较好，9 月存在较大误差选择历史数据 2018 年 3 月-2019 年 6 月的历史数据，利用颗粒物及 SO2 环比平均值预测拟合的方法，回测 20

39、19 年 7-9 月份，验证方法的准确性。1、 预测 2019 年 7 月：SUMMARY OUTPUT表 6：回溯预测 2019 年 7 月火电发电量环比值回归统计Multiple R0.9658R Square0.9328Adjusted R Square0.9276标准误差0.0261观测值15方差分析dfSSMSFSignificance F回归分析10.1226 0.1226180.45895.34E-09残差130.0088 0.0007总计140.1315Coefficients 标 准 误 差 t StatP-valueLower 95% Upper 95% 下 限 95.0%

40、 上 限 95.0%Intercept0.01500.0068 2.21500.04520.00040.02970.00040.0297显著X Variable 10.95490.0711 13.4335 5.33912E-090.80131.10840.80131.1084显著资料来源：生态环境部, 2、 预测 2019 年 8 月：SUMMARY OUTPUT表 7：回溯预测 2019 年 8 月火电发电量环比值回归统计Multiple R0.9692R Square0.9394Adjusted R Square0.9350标准误差0.0251观测值16方差分析dfSSMSFSignifi

41、cance F回归分析10.13680.1368216.84646.5E-10残差140.00880.0006总计150.1457Coefficients 标准误差 t StatP-valueLower 95% Upper 95% 下 限 95.0% 上 限 95.0%Intercept0.01500.0063 2.38630.03170.00150.02850.00150.0285显著X Variable 10.95440.0648 14.72576.49547E-100.81541.09340.81541.0934显著资料来源：生态环境部, 3、 预测 2019 年 9 月：SUMMARY

42、 OUTPUT表 8：回溯预测 2019 年 9 月火电发电量环比值回归统计Multiple R0.9690R Square0.9390Adjusted R Square0.9349标准误差0.0244观测值17方差分析dfSSMSFSignificance F回归分析10.13740.1374230.95061.61E-10残差150.00890.0006总计160.1463Coefficients标准误差t StatP-valueLower 95%Upper 95% 下 限 95.0% 上 限 95.0%Intercept0.01440.00592.43810.02770.00180.02700.00180.0270显著X Variable 10.95210.062715.19711.61438E-100.81861.08570.81861.0857显著资料来源：生态环境部, 表 9：2019 年