我国电力产业技术效率分析

罗锦宏

[提要] 本文运用三阶段DEA模型对我国电力产业技术效率及其影响因素进行实证分析。研究结果表明：在不考虑外部环境和随机因素情况下会高估我国电力产业技术效率。在剔除外部环境和随机因素影响后，多数地区电力产业技术效率值呈现下降趋势且多处于规模报酬递增阶段，通过扩大规模有利于电力产业效率提高。

关键词：电力产业；三阶段DEA；技术效率；纯技术效率；规模效率

中图分类号：F270 文献标识码：A

收录日期：2018年3月9日

一、引言

电力产业技术效率研究领域使用较多的方法是Chernes A和Aigner D J等提出的数据包络分析（DEA）和随机前沿方法（SFA）等分析方法。国外学者分别从产权结构、市场结构、价格规制等方面分析了电力产业的技术效率变化情况。国内学者自2002年电力改革以来，也对电力行业效率问题开展相关研究。Lam and Shiu最早使用DEA模型对我国1995～2000年火力发电产业的技术效率进行了研究。陶锋等与张各兴和夏大慰分别采用DEA和SFA分析方法，对我国电力产业技术效率进行了研究。

本文拟采用Fried等提出的三阶段DEA模型来评价我国区域电力产业技术效率，为我国电力产业改革提出更合理的建议。

二、三阶段DEA模型原理

第一阶段：传统DEA模型分析初始效率。将每个地区视为一个决策单元（DUM），选取一定的投入产出指标，利用投入导向的BCC模型，得出各DUM的效率值和投入松弛变量。

第二阶段：相似SFA分析模型。Fried等认为，通过传统DEA模型分析得到的松弛变量会受到来自外部环境、随机扰动和管理无效率三个因素的影响。为剥离以上影响因素，可以通过建立SFA模型来进行分析。

第三阶段：调整后的DEA效率分析。运用调整后的投入产出变量再次带入BCC模型，测算各决策单元的效率，此时的效率已经剔除环境因素和随机因素影响的真实效率状况。

三、变量选取和数据来源

（一）投入与产出变量的选取。在投入变量上选取资本、人力和資源作为三大投入要素。劳动力投入用当年年末电力生产行业就业人数表示，单位为人；资源投入选取电力生产标准煤耗表示，单位为万吨；资本投入采用各省（直辖市，自治区）的电力生产行业资本存量来表示，本文借鉴实证研究领域常用的“永续盘存法”来估计年末的实际资本存量，其中折旧率参考杨钟馗等的研究，选取5%作为电力产业固定资产折旧率，单位为亿元。产出变量选取各省（直辖市，自治区）发电量作为产出变量，单位为亿千瓦时。

（二）环境变量的选取。本文综合宏观和微观层面的影响，选取了以下三个环境变量：

1、技术进步，即各省火力发电量与各省发电总量之比。在环境规制愈发严格且清洁能源技术不断发展的环境下，分析电力生产的能源结构对于电力产业的技术效率影响尤为重要。

2、环境规制，即各地区工业二氧化硫排放量。由于目前我国火电仍占据相当比例，以减少二氧化硫排放为主要目标的环境规制，会影响到电力产业成本，进而对电力产业技术效率产生影响。

3、产业结构，即第二产业增加值占地区生产总值GDP的比重。由于第二产业为高耗能产业，其在各地区的发展将会对电力产业的效率产生影响。

（三）数据来源。本文选取2015年我国30个省、直辖市、自治区的数据作为样本（其中，西藏由于数据不完整未纳入样本范围）。依照传统的区域分类方法，本文将我国划分为东、中、西三大区域。数据来源于《中国统计年鉴2016》、《中国能源统计年鉴2016》、《中国劳动统计年鉴2016》、《中国电力统计年鉴2016》。

四、实证分析

第一阶段，传统DEA实证结果。本文第一阶段通过运用DEA2.1软件进行数据分析，得到各省市2015年电力产业技术效率值。在不考虑外部环境和随机误差的情况下，我国30个地区平均技术效率为0.87，平均纯技术效率为0.892，平均规模效率为0.974。为进一步确定纯技术效率是否为制约电力产业技术无效率的主要因素，本文将通过SFA回归分析，剔除外部环境和随机误差的影响，确定纯技术效率是否被低估，规模效率是否被高估。

第二阶段，SFA回归分析。通过第一阶段获得的投入变量理想值计算的投入变量的松弛变量，将三个环境变量作为自变量，代入frontier4.1软件进行回归分析，结果如表1所示。可以看出，通过第二阶段的SFA回归分析验证，三个外部环境变量对三个投入松弛变量LR值均通过了单边检验（临界值为7.045）。技术进步和产业结构对资本、劳动力和资源投入松弛变量均通过了显著性水平为1%的检验；环境规制对资本和资源投入松弛变量通过了显著性水平为1%的检验，对劳动力松弛变量通过了显著性水平为5%的检验。因此，有必要对外部环境变量和随意误差进行剔除，将所有的地区置于相同外部环境下，得到更精确的技术效率结果。（表1）

第三阶段，调整投入DEA实证结果。根据第二阶段SFA回归分析结果，对原始投入变量进行调整后，将调整后的投入变量与原始产出变量运用DEAP2.1软件进行求解。对比第一阶段与第三阶段结果，电力产业的效率值有一定的变化。各地区的技术效率由0.87降低至0.827；纯技术效率值由0.892上升至0.922；规模效率值由0.974下降至0.897。通过进一步的观察可以发现，各地区的规模效率下降幅度较大，表明规模不经济并非源于纯技术无效。

电力产业技术效率总体与区域差异分析：

1、总体分析。从第三阶段DEA的分析结果可以看出，综合技术效率值和纯技术效率值分别为0.827、0.922，且纯技术效率值水平高于综合技术效率值，表明了我国多数区域的电力产业决策和管理水平较为成熟。但另一方面也反映出了电力产业技术效率不高是由于规模效率导致的。

2、区域分析。由于我国三大区域间的经济发展水平存在一定差异，本文也将各个区域间的电力产业技术效率水平进行分析比较。调整前后综合技术效率值各区域间保持不变，排序依次为西部、东部、中部。调整后三大区域间的纯技术效率值，东部和西部较高，分别为0.953、0.940，中部地区效率值最低为0.855。规模效率在调整后，各区域间都有大幅降低，其中东部区域规模效率值最低。

五、结论及建议

本文通过运用三阶段DEA模型对我国目前电力产业技术效率进行研究，得到的结论如下：

（一）本文使用三阶段DEA分析方法，模型设计通过了检验，并且调整前后整体的综合效率值TE、纯技术效率值PTE、规模效率值均出现了增减变化，具体体现为规模效率值被高估、纯技术效率值被低估。

（二）从区域上看，我国三大区域的技术效率排序为西部、东部、中部，其中纯技术效率中部低于其他两个区域，规模效率东部低于中西部区域。为此，中部区域应当加强纯技术效率的提升，在管理、技术创新等方面向东西部区域学习，而东部区域应当加强新能源电力产业发展布局，增强地区的规模效益。

（三）在环境因素上，技术进步系数为负，且通过了显著性水平1%检验，代表了提升清洁能源结构比重对电力产业技术效率有着提升效果；环境规制和产业结构系数为正，均通过了显著性水平检验，表明了环境规制力度的加强和产业结构比重提升，不利于电力产业技术效率提升。显然，短期内环境规制会影响到电力产业技术效率提升，但是从长远来看增强环境规制、推动电力产业提升资源配置、提升新能源发电技术将会对电力产业技术效率产生促进作用。

主要参考文献：

[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，郭建万，杨舜贤.中国电力产业规制效果的实证研究[J].中国工业经济，2008.1.

[5]张各兴，夏大慰.所有权结构、环境规制与中国发电行业的效率——基于2003-2009年30个省级面板数据的分析[J].中国工业经济，2011.6.

[6]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000[J].经济研究，2004.10.