基于PLS建模的中国石油企业天然气销售影响因素实证研究

李宏勋+鞠晓桐

摘要：对天然气销售相关文献进行分析与总结，运用基于偏最小二乘法的结构方程建模方法建立天然气销售影响因素模型，以中石油和中石化两家石油企业的天然气销售数据为基础进行实证研究。研究结果表明，天然气供应能力、运输能力对天然气销售产生正向影响，天然气价格对天然气销售产生负向影响。另外，企业的创新能力对天然气供应能力和运输能力具有很强的促进作用，进而对天然气销售产生影响。

关键词：天然气销售；影响因素；石油企业；PLS

中图分类号：F407.22 文献标识码：A 文章编号：1673-5595（2017）03-0007-05

一、引言

进入第三次产业革命以来，人们的生活水平不断提高，世界各国环境保护意识不断增强，国际社会对低碳经济、节能减排的呼声日益强烈，全球能源结构亟待改变。天然气因具有低碳、燃烧后污染物少的特点，其愈发受国际社会的青睐，成为了可持续发展能源中的“新贵”。

近年来，中国经济发展呈现“新常态”，天然气市场也表现出类似特点，供需双方均出现低速增长的态势；全球油价低迷、经济复苏缓慢，致使天然气增长速度放缓。然而，《国家能源发展战略行动计划（2014—2020年）》提出，2020年中国天然气消费在一次能源中的比重要达到10%以上。为实现这一目标，中国石油企业应该从改善自身条件做起，优化营销资源配置，制定科学有效的销售策略，从而提高天然气消费比重，开拓天然气市场。

天然气市场目前仍然处于半垄断状态，关于天然气销售影响因素方面的研究相对较少。但新世纪以来，天然气领域全球出现了重大变化，美国页岩气革命改变了天然气的供应格局，2013年的俄乌争端改变了天然气的贸易格局，固有的市场体系不可避免地随之改变。[1]随着天然气产业的快速发展，天然气产业改革逐渐深入，天然气市场化已迫在眉睫，可以预见，今后关于天然气销售方面的研究将越来越多。从企业角度出发研究天然气销售的影响因素，既弥补了现有研究的不足，也为未来天然气销售方面的研究提供一定基础。同时，在总结归纳前人理论研究的基础上，采用定量方法，客观分析中国石油企业天然气销售的影响因素，可为今后合理规划销售资源、扩大天然气销量提供理论参考。

二、国内外研究现状

目前围绕中国天然气发展的研究多集中于市场开发、价格改革等方面，如李宏勋等的《国外培育天然气市场的经验及对我国的启示》《日本政府促进天然气消费的政策措施及其启示》阐述了政府支持、法律法规及行业机构等因素在市场开发过程中的作用[2-3]；聂光华、姜子昂等针对天然气价格改革展开研究，分析了中国的天然气价格体系，对气价应如何改革及改革后的效果等做了阐述。[4-5]这部分研究均以宏观分析为主，用来预测未来天然气市场的需求变化趋势、天然气市场的发展前景等。

从微观角度出发研究天然气销售的文献主要以定性分析为主，缺乏定量分析和实证分析。如赵蓓对中石油统销模式下的天然气营销策略进行了分析[6]，杨惠明探讨了中国加入WTO后，中石化的天然气营销策略[7]，马新华以川渝地区为例分析了天然气对中国能源革命的引领作用[8]。这些研究阐述了企业应该采取何种营销策略以提高天然气销量、扩大产品市场，针对天然气销售影响因素方面的研究相对较少，运用定量分析方法展开的研究更少，导致提出的建议和对策缺乏说服力。

综上所述，实证研究中国石油企业天然气销售影响因素，可以帮助石油企业改善天然气销售状况，弥补现有研究的不足，指导中国石油企业发展天然气业务。

三、PLS建模技术

本文采用基于偏最小二乘法的结构方程建模方法，即PLS（Partial Least Squares）建模方法。这种方法是Herman Wold 1975年创立的，它是一种特殊的结构方程模型。

PLS建模方法多用于处理缺乏理论知识的复杂问题，允许反映型结构与形成型结构同时存在，对数据没有分布要求[9]，即使在小样本下也可以出现比较满意的结果。PLS建模方法中，影响样本数量的主要因素是模型结构的好坏，当因素负荷量（载荷系数）高于0.7，或变量间的回归关系（路径系数）很强时，以较少的样本也可以满足估计的需求[10]，存在用15个样本进行分析并得出满意结果的情况。

考虑目前中国的销售以线上销售为主，主要是B2C销售模式，还没有对天然气此类采用B2B销售模式的产品提出较为成熟的理论框架；测量模型中可能存在反映型与形成型结构共存的情况；此外，以中石油、中石化两大石油企业2001—2015年的天然气销售数据为研究基础，样本数量比较小，因此本研究选用PLS建模方法构建天然气销售影响因素模型。

四、模型构建

（一）研究假设

1.天然气供应能力與天然气销售

天然气是一种能源，消费者购买天然气，本质需求就是保障动力安全。在影响天然气供给安全的众多因素（供给、市场、风险）中，天然气供给是影响较大的因素。[11]企业的产品供应能力比较强，供应期间从未出现过断供的现象，那么消费者对该企业就会产生安全感、满意感，在再次购买天然气时就会首先选择该企业。因此，我们提出假设H1：产品供应能力与天然气销售有正向影响关系。

2.天然气运输能力与天然气销售

天然气正常状态下呈现气态，运输受到很大的制约，必须依赖天然气管道完成输送任务。天然气从油气田到发电厂、炼化厂以及城市燃气公司，都需要经过天然气管道输送。如果没有管道等基础设施，而是通过液化压缩，采用汽车、轮船等方式运输，不仅运输量有限、工作效率较低，而且运输损耗也会增加，造成天然气极大的浪费，因此天然气陆地运输主要采取的方式仍然是管道运输。[12]石油企业的天然气运输能力越强，在获取天然气消费者中就越有竞争力。对此我们提出假设H2：产品运输能力与天然气销售有正向影响关系。

3.天然气价格与天然气销售

中国天然气定价机制随着天然气市场的发展不断发生变化，供给侧与消费侧的定价机制存在差异，供给侧（出厂价或边境价）与国际油价之间无直接关系，后者（门站价）与国际油价挂钩。[13]从整体角度出发，中国天然气定价机制是以政策指导为主，即存在外生价格。“新价格理论”认为，当存在外生价格时，产品的需求量同价格之间的关系存在不确定性，因此天然气需求量随价格的变化情况需要进一步验证。一般情况下，价格与需求之间存在反向关系，研究不妨假设天然气也服从该规律，在实证中对假设进行验证。因此，提出假设H3：天然气价格与天然气销售有负向影响关系。

4.企业创新能力与供应能力及运输能力

天然气产出及运输过程中，需要克服很多技术难关。譬如油气田的探测、特殊地形的天然气开采、不同地貌下如何铺设天然气管道、极端气候地区对于管道建设的要求等。对于天然气这类技术密集型产业来说，企业的技术创新能力对企业的可持续发展有重要的促进作用。[14]没有科学可靠的技术支持，就无法探知天然气藏的地点；没有针对不同地貌的开采及运输技术，深埋地下的天然气就不能转化成商品，送到消费者的手中。这些技术的攻克，都需要企业提供大量资金、人才作为支持。企业用于研发方面的支出越多，企业的创新水平就越高，产品供应能力及运输能力就会越强。因此，我们提出假设H4：企业的创新能力与产品供应能力呈正向影响关系；假设H5：企业的创新能力与运输能力呈正向影响关系。

（二）变量定义

中国天然气市场上近85%的天然气来自中石油、中石化，因此本研究选择这两家企业2001—2015年的天然气销售数据作为样本。数据主要来自企业年报，部分数据通过查询国家统计年鉴获得，部分指标通过作者计算得出。

模型中潜变量及显变量汇总见表1。

（三）模型确定

本文构建的天然气销售影响因素模型如图1所示。图1包含了上述5个潜变量以及它们之间的假设作用路径。

PLS的测量模型有反映型和形成型结构两种类型。一般认为仅有单一测量变量的结构变量与严格意义上的潜变量有一定差异，在PLS路径模型中建议采用“形成型结构”模式来表达它们之间的关系。因此模型中的价格潜变量与价格显变量之间的关系为形成型结构，对于其他潜变量，笔者在初步计算后发现反应型模型相对更适合。即天然气销售影响因素模型中潜变量与其显变量的关系是反映型与形成型结构模式共存。

五、实证分析

本文利用SmartPLS软件实现PLS结构方程建模。虽然SmartPLS输入的数据是未经标准化的原始数据，但在计算过程中，软件会自动将数据进行标准化，因此输出的包括路径系数、载荷系数在内的结果均为标准化结果。

基于PLS建模方法的实证分析主要分为三个阶段：模型估计参数的检验、测量模型的效果评价及结构模型的预测能力评价。以下是主要分析过程。

（一）路径系数估计及显著性检验

1.路径系数估计

一般情况下，载荷系数大于0.7说明显变量较好地反映了潜变量，路径系数在0.2左右才有意义。

软件计算结果如表2、表3所示，测量模型中的绝大多数路径系数和结构模型中的全部路径系数均满足标准，可以接受。

2.路径系数显著性检验

SmartPLS计算软件中采用Bootstrapping方法对模型路径系数进行显著性检验。计算过程中，重复抽样次数设定为500，因此取显著性水平α=0.05，自由度df>200的T=1.96为检验标准。

经计算发现，载荷系数和路径系数均通过了显著性检验，见表4、表5。

接下来，将对模型进行效度检验。在评价模型时，首先要考虑外部关系的效果，如果测量模型的效果不好，内部关系的评价也就没有意义。

（二）测量模型的效果评价

PLS建模方法中，测量模型的效果评价由共同因子（Communality）、组合信度（Composite Reliability）和平均方差提取率（AVE）三个指标综合体现。其中，共同因子是在每个测量模型中由潜变量解释的方差大于测量误差引起的方差，应至少大于0.5。组合信度主要是评价潜在变量的一致性程度，即测量变量分享该潜在变量的程度，一般认为在0.6以上为佳。AVE的作用在于评价测量模型的区别效度，AVE>0.5，表示一个潜变量能够解释其所反映的测量变量方差总和的50%以上；潜变量的AVE平方根大于其与其他潜变量之间的相关系数，说明一个潜变量所反映的测量变量组与其他潜变量所反映的测量变量组具有较好的区别性。运用SmartPLS软件的PLS Algorithm、Blindfdding计算可得出各变量的共同因子等指标，主要输出结果见表6～8。

由表6可知5个变量的共同因子均达到0.5的标准。整个模型的共同因子（各潜变量共同因子平均值）为0.8093，可以认为潜变量對于各自的显变量有较好的反映效果，显变量与潜变量总体上具有较高的共同度；组合信度大于0.6，说明显变量能够较大程度地反映对应的潜变量；各潜变量的平均方差提取率均大于0.5，表示潜变量能够解释其所反映的测量变量方差总和的50%以上，满足测量模型标准。

在表7中供应能力与运输能力的对角线是每一个潜变量AVE的平方根数值，其他数值是潜变量之间相关系数。可以看到，模型中潜变量的平均方差提取率并不完全满足区别效度的检验条件，AVE的平方根并不是大于所有潜变量间的相关系数。具体来看，供应能力、运输能力、价格和销售所表述的意义具有明显的区别性，创新能力存在不符合标准的情况。但总体上各潜变量具有良好的独立性和区别性，测量模型可以接受。

（三）结构模型的预测能力评价

PLS建模方法中，结构模型的预测能力用R2和冗余度（Redundancy，F2）检验。R2值表示由模型做出解释的方差在因变量总方差中所占的比重，最低标准为0.5；冗余度反映内部和外部关系的联合预测能力，用于度量外生潜变量预测内生显变量的能力，最低标准为0.35。

模型中的内生潜变量销售的R2高达0.9717，说明天然气销售总变异中由价格、产品供应能力和产品运输能力解释的比例达到了97.17%，模型中主要潜变量对天然气销售的解释能力强。整体来看，各个潜变量的R2均值（模型的平均R2）为0.8022，说明在内部关系中，各潜变量对销售的解释功效较强，整个结构模型估计效果可以接受。各潜变量的冗余度Redundancy及整个模型的平均冗余度均大于0.35的标准。因此天然气销售影响因素模型的整体预测能力强、拟合效果好。

六、结论

综合以上分析，模型中5条路径系数中有3条路径系数大于0.8，载荷系数绝大部分在0.9左右，参考Marcoulides和Saunders在2006年所提出的不同因素负荷量与回归系数所需要的样本规模对照表，本文构建的模型所需样本规模在15～25之间[15]，本研究所采用的数据数量满足该要求，因此可以认为模型检验是有效的，结论具有一定的参考意义。我们可以得出结论：

其一，产品供应能力对天然气销售的路径系数为0.8507，产生正向的影响。表明企业的天然气供应能力越强，天然气销售越好。且系数超过0.5，说明供应能力对销量的影响程度比较强，这符合天然气卖方市场的特点，产品供应越有保障，销售越好，假设H1成立。

其二，产品运输能力对天然气销售的路径系数为0.2141，产生正向的影响，假设H2成立。但路径系数相对于其他系数比较小，说明运输能力对销售产生的影响相对较弱。

其三，天然气价格对天然气销售的影响系数是-0.2191，即产生负的影响。说明天然气产品虽然存在政府管制的情况，但仍然与需求理论相符合，天然气价格越高，销售越不理想。此外，价格因素影响系数与其他因素相比较小，刚刚达到有意义的标准0.2，因此可以认为天然气需求量对价格的敏感程度比较弱，假设H3成立。

其四，企业的创新能力对于天然气供应能力和运输能力的影响系数分别为0.8894和0.8000，表明企业创新能力的提高，可以加强企业的天然气供应能力和运输能力，假设H4、H5成立。

参考文献：

[1] 叶张煌，王安建，闫强，等. 全球天然气格局分析和我国的发展战略[J]. 地球学报，2017（1）：17-24.

[2] 李宏勋.国外培育天然气市场的经验及对我国的启示[J].天然气工业，2001（4）：103-106.

[3] 李宏勋，赵玺玉，张荣旺，等.日本政府促进天然气消费的政策措施及其启示[J].天然气工业，2002，22（6）：109-111.

[4] 聂光华.我国天然气定价机制研究[J].中国青年政治学院学报，2013（1）：75-79.

[5] 姜子昂，何春蕾，段言志，等.我国天然气价格理论体系构建的思考[J].价格理论与实践，2016（7）：61-64.

[6] 赵蓓.中石油统销模式下的营销策略分析[J].商场现代化，2010（22）：40-41.

[7] 杨惠明.入世后中石化天然氣营销策略探讨[J].南方论刊，2004（11）：19-22.

[8] 马新华.天然气与能源革命——以川渝地区为例[J]. 天然气工业，2017（1）：1-8.

[9] Gudergan S P， Ringle C M， Wende S， et al. Confirmat-ory Tetrad Analysis in PLS Path Modeling[J]. Journal of Business Research， 2008，61（12）：1238-1249.

[10] 邱皓政.当PLS遇上SEM：议题与对话[J].αβγ量化研究学刊，2011（3）：20-53.

[11] 田时中，黄炎，王子迪.天然气供给安全评价指标及实证研究[J].中国国土资源经济，2016（6）：54-60.

[12] 付丹丹，赵蕴彪，田雨. 天然气长输管道站场选址问题浅析[J]. 化工管理，2017（2）：135.

[13] 温倩，李志坚.油价波动背景下的煤制天然气产业竞争力分析[J].化学工业，2015（4）：8-14.

[14] 秦智广.天然气企业管理创新与技术创新协同发展模式研究[J].中国经贸，2015（14）：96.

[15] Marcoulides G A， Saunders C. PLS： A Silver Bullet？ [J]. MIS Quarterly，2006，30（2）：iv-viii.

Empirical Research on Factors Influencing Natural Gas Sales

of Chinas Oil Company Based on PLS

LI Hongxun， JU Xiaotong

（School of Economics & Management， China University of Petroleum， Qingdao， Shandong 266580， China）

Abstract：With the review of natural gas sales literature， a gas sales factors modelis established using Partial Least Squares Structure Equation Model. An empirical research is conducted using gas sales data of two oil companies in China， i.e. PetroChina and Sinopec. The results show that natural gas supply capacity， transport capacity and gas price have affected the sales of natural gas， and that the first two have positive impact and the gas price has negative impact. At the same time， innovation capacity affects gas supply capacity and transport capacity strongly.

Key words： natural gas sales；factors；Chinas oil company；PLS