我國電力產業技術效率分析

羅錦宏

[提要] 本文運用三階段DEA模型對我國電力產業技術效率及其影響因素進行實證分析。研究結果表明：在不考慮外部環境和隨機因素情況下會高估我國電力產業技術效率。在剔除外部環境和隨機因素影響后，多數地區電力產業技術效率值呈現下降趨勢且多處于規模報酬遞增階段，通過擴大規模有利于電力產業效率提高。

關鍵詞：電力產業；三階段DEA；技術效率；純技術效率；規模效率

中圖分類號：F270 文獻標識碼：A

收錄日期：2018年3月9日

一、引言

電力產業技術效率研究領域使用較多的方法是Chernes A和Aigner D J等提出的數據包絡分析（DEA）和隨機前沿方法（SFA）等分析方法。國外學者分別從產權結構、市場結構、價格規制等方面分析了電力產業的技術效率變化情況。國內學者自2002年電力改革以來，也對電力行業效率問題開展相關研究。Lam and Shiu最早使用DEA模型對我國1995～2000年火力發電產業的技術效率進行了研究。陶鋒等與張各興和夏大慰分別采用DEA和SFA分析方法，對我國電力產業技術效率進行了研究。

本文擬采用Fried等提出的三階段DEA模型來評價我國區域電力產業技術效率，為我國電力產業改革提出更合理的建議。

二、三階段DEA模型原理

第一階段：傳統DEA模型分析初始效率。將每個地區視為一個決策單元（DUM），選取一定的投入產出指標，利用投入導向的BCC模型，得出各DUM的效率值和投入松弛變量。

第二階段：相似SFA分析模型。Fried等認為，通過傳統DEA模型分析得到的松弛變量會受到來自外部環境、隨機擾動和管理無效率三個因素的影響。為剝離以上影響因素，可以通過建立SFA模型來進行分析。

第三階段：調整后的DEA效率分析。運用調整后的投入產出變量再次帶入BCC模型，測算各決策單元的效率，此時的效率已經剔除環境因素和隨機因素影響的真實效率狀況。

三、變量選取和數據來源

（一）投入與產出變量的選取。在投入變量上選取資本、人力和資源作為三大投入要素。勞動力投入用當年年末電力生產行業就業人數表示，單位為人；資源投入選取電力生產標準煤耗表示，單位為萬噸；資本投入采用各?。ㄖ陛犑?，自治區）的電力生產行業資本存量來表示，本文借鑒實證研究領域常用的“永續盤存法”來估計年末的實際資本存量，其中折舊率參考楊鐘馗等的研究，選取5%作為電力產業固定資產折舊率，單位為億元。產出變量選取各?。ㄖ陛犑?，自治區）發電量作為產出變量，單位為億千瓦時。

（二）環境變量的選取。本文綜合宏觀和微觀層面的影響，選取了以下三個環境變量：

1、技術進步，即各省火力發電量與各省發電總量之比。在環境規制愈發嚴格且清潔能源技術不斷發展的環境下，分析電力生產的能源結構對于電力產業的技術效率影響尤為重要。

2、環境規制，即各地區工業二氧化硫排放量。由于目前我國火電仍占據相當比例，以減少二氧化硫排放為主要目標的環境規制，會影響到電力產業成本，進而對電力產業技術效率產生影響。

3、產業結構，即第二產業增加值占地區生產總值GDP的比重。由于第二產業為高耗能產業，其在各地區的發展將會對電力產業的效率產生影響。

（三）數據來源。本文選取2015年我國30個省、直轄市、自治區的數據作為樣本（其中，西藏由于數據不完整未納入樣本范圍）。依照傳統的區域分類方法，本文將我國劃分為東、中、西三大區域。數據來源于《中國統計年鑒2016》、《中國能源統計年鑒2016》、《中國勞動統計年鑒2016》、《中國電力統計年鑒2016》。

四、實證分析

第一階段，傳統DEA實證結果。本文第一階段通過運用DEA2.1軟件進行數據分析，得到各省市2015年電力產業技術效率值。在不考慮外部環境和隨機誤差的情況下，我國30個地區平均技術效率為0.87，平均純技術效率為0.892，平均規模效率為0.974。為進一步確定純技術效率是否為制約電力產業技術無效率的主要因素，本文將通過SFA回歸分析，剔除外部環境和隨機誤差的影響，確定純技術效率是否被低估，規模效率是否被高估。

第二階段，SFA回歸分析。通過第一階段獲得的投入變量理想值計算的投入變量的松弛變量，將三個環境變量作為自變量，代入frontier4.1軟件進行回歸分析，結果如表1所示?？梢钥闯?，通過第二階段的SFA回歸分析驗證，三個外部環境變量對三個投入松弛變量LR值均通過了單邊檢驗（臨界值為7.045）。技術進步和產業結構對資本、勞動力和資源投入松弛變量均通過了顯著性水平為1%的檢驗；環境規制對資本和資源投入松弛變量通過了顯著性水平為1%的檢驗，對勞動力松弛變量通過了顯著性水平為5%的檢驗。因此，有必要對外部環境變量和隨意誤差進行剔除，將所有的地區置于相同外部環境下，得到更精確的技術效率結果。（表1）

第三階段，調整投入DEA實證結果。根據第二階段SFA回歸分析結果，對原始投入變量進行調整后，將調整后的投入變量與原始產出變量運用DEAP2.1軟件進行求解。對比第一階段與第三階段結果，電力產業的效率值有一定的變化。各地區的技術效率由0.87降低至0.827；純技術效率值由0.892上升至0.922；規模效率值由0.974下降至0.897。通過進一步的觀察可以發現，各地區的規模效率下降幅度較大，表明規模不經濟并非源于純技術無效。

電力產業技術效率總體與區域差異分析：

1、總體分析。從第三階段DEA的分析結果可以看出，綜合技術效率值和純技術效率值分別為0.827、0.922，且純技術效率值水平高于綜合技術效率值，表明了我國多數區域的電力產業決策和管理水平較為成熟。但另一方面也反映出了電力產業技術效率不高是由于規模效率導致的。

2、區域分析。由于我國三大區域間的經濟發展水平存在一定差異，本文也將各個區域間的電力產業技術效率水平進行分析比較。調整前后綜合技術效率值各區域間保持不變，排序依次為西部、東部、中部。調整后三大區域間的純技術效率值，東部和西部較高，分別為0.953、0.940，中部地區效率值最低為0.855。規模效率在調整后，各區域間都有大幅降低，其中東部區域規模效率值最低。

五、結論及建議

本文通過運用三階段DEA模型對我國目前電力產業技術效率進行研究，得到的結論如下：

（一）本文使用三階段DEA分析方法，模型設計通過了檢驗，并且調整前后整體的綜合效率值TE、純技術效率值PTE、規模效率值均出現了增減變化，具體體現為規模效率值被高估、純技術效率值被低估。

（二）從區域上看，我國三大區域的技術效率排序為西部、東部、中部，其中純技術效率中部低于其他兩個區域，規模效率東部低于中西部區域。為此，中部區域應當加強純技術效率的提升，在管理、技術創新等方面向東西部區域學習，而東部區域應當加強新能源電力產業發展布局，增強地區的規模效益。

（三）在環境因素上，技術進步系數為負，且通過了顯著性水平1%檢驗，代表了提升清潔能源結構比重對電力產業技術效率有著提升效果；環境規制和產業結構系數為正，均通過了顯著性水平檢驗，表明了環境規制力度的加強和產業結構比重提升，不利于電力產業技術效率提升。顯然，短期內環境規制會影響到電力產業技術效率提升，但是從長遠來看增強環境規制、推動電力產業提升資源配置、提升新能源發電技術將會對電力產業技術效率產生促進作用。

主要參考文獻：

[1]Chernes A.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research.1978.6.

[2]Fried，H.O，Lovell.C.A.K，Schmidt.S.S.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis，2002.17.

[3]Kok Fong See，Tim Coelli. An Analysis of Factors that Influence the Technical Efficiency of Malaysian Thermal Power Plants[J].Energy Economics，2012.34.3.

[4]陶鋒，郭建萬，楊舜賢.中國電力產業規制效果的實證研究[J].中國工業經濟，2008.1.

[5]張各興，夏大慰.所有權結構、環境規制與中國發電行業的效率——基于2003-2009年30個省級面板數據的分析[J].中國工業經濟，2011.6.

[6]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000[J].經濟研究，2004.10.