后疫情时代降低用能成本推动经济高质量发展的效果及机制

杨 丹，邓明艳，刘自敏,c，黄 敏

(西南大学 a.经济管理学院；b.农村经济与管理研究中心；c.经济研究中心， 重庆 400716)

一、引言

新冠肺炎疫情(以下简称“疫情”)对中国消费品制造、交通运输、住宿餐饮、旅游休闲、地产金融等工业与商业领域打击沉重，不利于经济增长与经济发展。在中国经济由高速增长转为高质量发展的背景下，政府应尽快采取强有力的精准措施，尽可能对冲疫情的“负效应”，在后疫情时代助力经济的高质量发展(1)本文采用王竹立(2020)对“后疫情时代”的定义，“后疫情时代”指新冠肺炎疫情过去后的时代，但并不是说疫情完全消失、一切恢复如前的状况，而是疫情时起时伏，随时都可能小规模暴发，从外国外地回流以及季节性发作，而且迁延较长时间，对各方面都产生深远影响的时代。。其中，“减税降费”政策，特别是降费政策能有效减轻企业负担，帮助经济复苏。近年来，中央的各项政策已显示了降低企业成本的重要性，2016年国务院专门制定了《降低实体经济企业成本工作方案》，强调多方面降低企业成本。

电力作为重要的二次能源，电力消费与经济增长紧密相关，具有很强的乘数效应。从2015年开始，中央已多次采取措施积极降低工业用能成本，在2019年12月的中央经济工作会议上，首次明确表示“要降低企业用电成本”。国家发展和改革委员会于2020年2月发布的《关于阶段性降低企业用电成本支持企业复工复产的通知》，明确了除高耗能行业用户外，一般工商业和大工业企业的电费将下调5%。同时，《应对疫情中央及地方支持性政策汇编》显示，不同省份为推动企业发展均提出了具体的降成本措施。电费作为“第二税收”，降电费不仅直接惠及企业用电客户，还在二次传递上降低了各行各业的成本。

根据2005年国际能源署(IEA)与经合组织(OECD)的报告，OECD国家平均居民电价与工业电价之比为1.7∶1，全世界主要国家中，只有印度、俄罗斯与中国的居民电价低于工业电价。中国工业电价与居民电价的交叉补贴现象严重，需采取措施降低交叉补贴。由于居民用户对电价的可接受能力有限，同时电量市场交易量的比重不断上升，工业电价的市场化降价空间较大，所以减少企业用能成本，降低交叉补贴的重要措施便是降低工业电价。

目前，突发事件冲击下企业用能成本对经济发展影响的相关研究主要集中在以下3个方面：

第一，突发事件的冲击会对人类生活、经济发展产生极大的影响。突发事件对经济发展的负效应一般为两年[1]，SARS病毒短期不利于国民经济发展，长期制度性因素的改变会提升资源配置效率[2]。长期灾害会促进技术进步、更新资本存量，提升全要素生产率[3]。飓风作为突发事件会造成工人工资和就业率的变动[4-5]，对不同受教育程度的居民存在异质性就业效应[6]。地震会使经济短期(1年以内)受损，中期(2～5年)恢复，长期(6～12年)提升[7]。

第二，能源价格会影响经济增长，降低企业用能成本将促进经济复苏及其发展。降成本的措施可概括为：降低能源成本、降低制度性交易成本、降低企业人工成本、降低企业税费负担等[8]。降成本是实现中国经济增长与经济发展的核心[9]。石油价格上涨将对宏观经济产生负向影响[10]，能源价格下降有助于实际GDP和社会福利增加[11]。石油价格冲击对经济增长存在影响[12]；天然气价格波动与经济系统变化有关系[13]；差别能源价格对欧盟和非欧盟国家的宏观经济影响不同[14]。

第三，中国电力交叉补贴严重，减少交叉补贴对经济高质量发展有重要作用。交叉补贴的本质是价格扭曲，价格扭曲损害了经济增长、能源效率与社会福利[15]，要素扭曲阻碍了资源的再配置[16]，消除扭曲有助于生产率提升[17]。减少电力补贴可以提高用电效率、减少碳排放与无谓损失[18]。经济高质量发展要借助于要素价格的资源配置功能[19]，技术进步偏向是资源配置的重要体现[20]，减少要素配置扭曲可以使全要素生产率提升43%[21]。

综上所述，大量文献分析了突发事件、价格扭曲对经济发展的不利影响。基于中国工业电价补贴居民电价的现实背景，在后疫情时代，如何实现经济高质量发展，将是政府面临的重要难题。本研究将基于中国经济高质量发展的视角，以能源效率、工业产值、CO2排放量、社会福利等指标作为衡量经济高质量发展的指标，探讨减少价格扭曲，即企业用能成本降低对企业高质量发展的效果及其机制。本文的贡献与创新点在于：(1)估计了2006—2019年全国工业和居民用户间电价交叉补贴的总体趋势，有助于更好地了解中国电力交叉补贴的基本面；(2)基于城市数据分析了降低企业用能成本对经济高质量发展的影响及其机制；(3)以能源效率、工业产值、社会福利等作为经济高质量发展的代理变量，评估降低企业用能成本，减少价格扭曲对经济高质量发展的短期、中期及长期效果。

二、理论分析与研究思路

降低工业用能成本，减少交叉补贴能够提高效率、提升福利、减少碳排放，促进经济高质量发展[18,22]。基于消费者理论，交叉补贴会引致价格扭曲。一方面，工业企业这类低成本用户由于高电价而抑制生产规模，不利于生产；另一方面，居民用户这类高成本用户由于低电价而过度消费，造成资源浪费，均不利于社会经济的提升。存在交叉补贴时，工业用户及居民用户的经济损失如图1所示。

图1 交叉补贴下工业用户和居民用户的经济损失

其中，Q为用电量，ph、pi、p0分别是现行的居民电价、现行的工业电价、调整后的电价，h、i表示居民用户、工业用户(2)需要说明，确定理想价格(即不存在交叉补贴)时，假设居民与工业用电的理想价格均为p0，此时得到中国真实居民与工业电价间交叉补贴值的下限。。当工业电价大于居民电价，存在交叉补贴时，工业用户由于无法达到最优生产规模造成的经济损失为△ABC的面积，而居民用户由于电价偏低而多消费，造成资源浪费的经济损失为△DEF的面积，且二者的关系为：△ABC=△DEF。

由于只估计工业与居民用户间的交叉补贴，没有分析二者共同享受到的外部补贴或工业与居民对其他能源的补贴等。因此，在分析两两间的交叉补贴时，交叉补贴支出额等于交叉补贴所得额。补贴方和受补贴方的交叉补贴额的下限值关系为：

(p0-ph)*Qh=(pi-p0)*Qi

(1)

根据价差法，在式(1)的基础上计算出无交叉补贴时的价格p0，就可以计算出中国电力结构中工业对居民用电的交叉补贴的下限。单位交叉补贴额、交叉补贴总额与交叉补贴率的计算公式分别为：

Cross_Sub=|Δp|=pi-p0=p0-ph

(2)

Cross_Sub_sum=|Δp*Q|=(pi-p0)*Qi=(p0-ph)*Qh

(3)

Cross_Sub_Ratio=Cross_Sub/(pi*Qi)

(4)

基于式(2)～(4)可以计算出工业和居民用户间的交叉补贴下限。减少交叉补贴的途径主要是降低工业电价，提升居民电价，同时配合其他的非价格手段[22]。但是，居民对电力价格的接受力有限，居民电价提升程度不宜过高，否则不利于居民福利提升。

因此，减少交叉补贴应该从工业降价开始。交叉补贴引致效率损失的可能机制包括：交叉补贴引致偏向传统能源而非新技术能源的技术进步引致纯技术效率下降；交叉补贴引致价格扭曲导致无法达到生产最优规模，最终导致规模配置效率下降等[23-24]。因此，纯技术效率和规模效率下降是导致能源效率下降的可能途径。本文的研究思路如图2所示。

图2 企业用能成本降低对经济高质量发展影响的内容框架

一方面，纯技术效率会对企业的技术创新产生影响[25]，不利于经济增长。全要素生产率的提升主要依靠技术效率的改善[26]，对经济高质量发展至关重要[27]。中国电力价格扭曲严重，导致较高的企业用能成本，不利于企业增加清洁能源(电力)的使用。过高的交叉补贴，导致企业缺乏技术创新激励，不会增加更多的技术改进投入，纯技术效率偏低，不利于经济的运行。另一方面，规模效率下降是导致全要素生产率提升的主要因素[28]。电力价格扭曲，导致企业的资源配置效率低下，企业难以实现规模经济。同时，当交叉补贴严重时，企业不能根据自身的比较优势选择投入要素，以达到最优生产规模，最终将由于生产不足造成经济损失。但二者的作用具体如何，本文将在实证分析中进行验证。

此外，本文将探讨企业用能成本降低对经济高质量发展的影响与机制，就企业用能成本降低的短期、中期、长期经济效应进行场景分析，即降低企业用能成本最终对经济增长、节能减排、社会福利等的影响。

三、数据说明及相关指标的测算

本节首先是对本文所使用的100个样本城市数据进行说明，然后基于全局SBM方法测算绿色能源效率及其分解结果，并分析由于工业电价高于居民电价引致的交叉补贴情况。

(一)数据说明

本研究所使用的电价数据来自中国价格信息网，该网站采集了中国大陆地区31个省、自治区、直辖市的100个典型城市(东部36个，中部30个，西部34个)2006—2016年的居民与工业用电月度价格(3)限于数据可获性与统计口径的变化，研究期仅到2016年。根据最新的《中国城市统计年鉴》显示从2017年开始，城市层面的诸多指标的统计口径发生了变化，由市辖区变成了全市。因此，诸多最新的基于城市数据所做的分析，其数据期都截止到2016年，如：人口密度自从2016年后就不再公布了；2017年的工业用电量和全社会用电量为全市层面的数据；2017年的城乡居民生活用电为全市的城镇居民生活用电而非全市的城乡居民生活用电。。该数据样本区域分布较为均衡，每个省、自治区、市均包含2～3个城市(西藏除外)，东、中、西部地区城市数量分布较为均匀，具有较好的代表性。本文实证分析所使用的变量来自多个数据库。参照《2006年IPCC国家温室气体清单指南》和张子龙[29]的研究，对各城市的能源消费和水泥生产过程中的CO2排放量进行计算。工业与居民能源消费量、GDP、工资额、人口数等变量自于《中国城市统计年鉴》，气候特征变量来源于中国气象数据网。因为所有控制变量均在年份层面，因此本文将月度电价数据加总平均到年度层面，得到年度电价并和其他变量进行匹配，形成本文分析所使用的完整数据。根据新冠肺炎疫情的严重程度(4)本文对新冠肺炎疫情地区的分类借鉴国务院联防联控机制印发的《关于科学防治精准施策分区分级做好新冠肺炎疫情防控工作的指导意见》，根据确诊病率来划分疫情的区域。其中，确诊病率大于等于1的为疫情重度地区；确诊病率在0.5～1的为疫情中度严重；确诊病率小于0.5为疫情轻度地区。数据统计截止日期为2020年3月2日，数据来源于国家统计局及国家卫建委及各地卫健委。虽然截至2020年3月，中国疫情尚未结束，但是本文划分疫情的标准，即确诊人数是疫情最严重的时期，比较具有代表性。，变量描述性统计如表1所示。

表1 变量描述性统计

从表1可知，中国城市工业电价比居民电价高0.21元。在疫情严重程度不同的地区稍有变化，其中疫情重度地区的工业电价比居民电价高0.208元；疫情中度地区的工业电价比居民电价高0.255元；疫情轻度地区的工业电价比居民电价高0.185元。可以初步判断中国工业与居民电价之间的交叉补贴问题严重，这将造成能源效率与社会福利损失，不利于经济高质量发展(5)虽然本文对于新冠肺炎疫情的分类是根据2020年的数据划分的，相对于2006—2016年的工业与居民消费存在滞后性。但是，基于此分析降低企业用能成本对疫情造成的经济冲击的对冲效应是合理的。原因在于降价行为和GDP、碳排放、社会福利等之间的关系存在一定经济规律。将这个规律进行归纳总结后，如果这个规律(理论)成立，那么它将适用于中国其他情形。所以即使本文的数据是疫情前的，在疫情期间的降价行为对经济或者碳排放等经济高质量发展指标产生基本相似的影响。。

(二)绿色能源效率的测算

基于相关研究[22，30]，本节在全局DEA的框架下，在非径向、非角度和考虑非合意产出的基础上，构建全局SBM(Slack Based Model)模型来测度包含能源投入的绿色能源效率，即通过全局SBM模型测算效率。具体的模型设定如下所示：

假设共有n个决策单元(DMU)，每个DMU均有m种投入，s1种期望产出，s2种非期望产出，3种指标分别表示为xi，gi，bi；向量表达式分别为xi∈Rm，gi∈Rs1,bi∈Rs2。再定义X，G，B的矩阵形式分别如下：X=[x1,x2,...,xn]∈Rm×n，G=[g1,g2,...,gn]∈Rs1×n，B=[b1,b2,...,bn]∈Rs2×n，且xi>0，gi>0,bi>0。基于SBM方法，确定的生产可能集为：

(5)

规模报酬可变时，非期望产出的SBM模型如下：

(6)

其中，s-、sg、sb分别表示为投入松弛变量、期望产出的松弛变量和非期望产出的松弛变量。同时，由于规模报酬可变，所以综合效率(Technical Efficiency，TE)可以分解为纯技术效率(Pure Technical Efficiency，PTE)和规模效率(Scale Efficiency，SE)，且综合效率与纯技术效率与规模效率间的关系为：TE=PTE*SE[31]。

由此，本文构建出考虑非合意产出的非径向全局SBM模型，来测度考虑了能源投入的绿色能源效率、纯技术效率及规模效率。进一步地，本文选择表2所示的变量来测度包含能源投入的绿色能源效率。投入变量主要包括资本存量、劳动力与工业用电量，产出变量主要包括工业总产值与作为负产出代表的碳排放量。变量定义及数据来源如表2所示。

表2 能源效率测度指标选择

资本存量的计算主要是借鉴柯善咨和向娟[32]的研究，采用永续盘存法，用最新的投资数据进行扩展。其中，第二产业产值以1995年为基期进行价格平减。

绿色能源效率显示，2006—2016年中国能源效率较低，各地区的纯技术效率均小于规模效率，说明传统的通过提高能源利用企业规模的方式来获取规模经济以提升规模效率，进而提高能源总效率的方式不可持续。不同疫情程度、不同地区的效率对比如表3所示。

表3 2006—2016年各地区能源效率均值对比

疫情严重程度不同的地区效率存在差异，其中疫情重度地区的纯技术效率最高，而疫情中度地区的绿色能源效率及规模效率最高。分区域来看，中部地区的绿色能源效率及规模效率最高，而东部地区的纯技术效率最高。但全国的绿色能源效率均值仅为0.276，纯技术效率仅0.395，规模效率相对高一点，但总体处于低水平。

(三)交叉补贴的计算

基于式(3)(4)，可以计算出交叉补贴总额及交叉补贴率，如图3所示。

图3 2016年各地区工业与居民用户的电力交叉补贴情况

从交叉补贴总额来看，交叉补贴总额最大的3个省份分别为：江苏、广东、山东；交叉补贴总额最小的3个省份为：青海、宁夏、海南，可以看出经济发达地区的交叉补贴总额较经济欠发达地区更大。从交叉补贴率来看，交叉补贴率最高的3个省份分别为：北京、陕西、云南；交叉补贴率最低的3个省份为：海南、宁夏、河北。

基于2016年工业和居民电力消费量，利用加权平均的方法，计算全国层面的工业电价与居民电价。结合国家能源局2017—2019年社会用电量，可以计算2017—2019年全国交叉补贴总额下限值。由此，2006—2019年的电力交叉补贴总额变化如图4所示。

图4 2006—2019年全国工业与居民用户的电力交叉补贴变化趋势

如图4所示，自2006年以来，中国的电力交叉补贴总额均较高，2006—2017年一直在稳定提升。但是在2018年开始出现了转折，电力交叉补贴总额总体上有所下降，总体呈倒“U”型。可能原因是中国在2018年和2019年实施了“一般工商业降价10%”的政策。即使工业电价的下降实现了企业用能成本降低，交叉补贴总额有所下降，但总体还是偏高。其中很重要的原因在于：居民用电价格近年来基本保持不变，而居民用电占比在不断提升。因此，尽管自2015年实施供给侧结构性改革以来的一系列举措，适当降低了工商业电力交叉补贴水平，但随着居民用电占比逐年提高，交叉补贴规模依旧较高(6)王鹏和曹雨洁(2019)估计的2017年全国(居民和农业用户)电力交叉补贴总额为2 700亿元，与本文根据最新数据粗略计算的数据差异不大(本文仅估算了工业用户对居民用户的电力交叉补贴)，这也佐证了本文提出的交叉补贴下限估计思路的有效性。而根据国际能源署(IEA)的估算，中国目前的电力和石油补贴稳居世界第一，2016 年分别为241.21亿美元和162.62亿美元。。

四、交叉补贴对经济高质量发展影响的实证分析

基于理论部分的分析，可知降低工业电价是减少交叉补贴的重要措施，那么交叉补贴的减少对经济发展的效果如何呢？本节将以能源效率作为经济高质量发展的指标，评估交叉补贴减少对经济高质量发展的影响。进一步地，分析交叉补贴影响能源效率的机制。

(一)影响评估

借鉴IEA(1999)，本文采用对数线性的半弹性需求函数形式来估计交叉补贴引致的价格扭曲对能源效率的影响效果。具体的估计方程为：

lnTEit=α+βCross_Subit+φXit+μi+υt+εit

(7)

lnTEit=α+βCross_Sub_Ratioit+φXit+μi+υt+εit

(8)

其中，TEit为不同城市不同年份的绿色能源效率值，Cross_Subit为对应的交叉补贴额，Cross_Sub_Ratioit为对应的交叉补贴率，Xit为控制变量，包括工业总产值、工业企业数、煤气供应量、市辖区面积、气温等变量。

考虑到交叉补贴与能源效率之间的内生性(7)交叉补贴主要是由电力价格测度的，会直接影响能源效率，但是当能源效率很低时，政府会出面采取价格或非价格手段进行干预，其中又以价格手段为主。因此，能源效率可能会反过来影响到居民或工业企业部门的交叉补贴。，本文将通过工具变量的方法解决二者之间互为因果的问题。所采用的工具变量为：除本市之外的国家能源局省级监管办或省级电网公司管辖内其他城市工业与居民交叉补贴额(率)的平均[22]。首先，基于式(7)利用普通双固定效应模型进行估计。然后，引入工具变量(IV)分析交叉补贴额对经济影响的效果，结果如表4所示。

表4 交叉补贴额与绿色能源效率的半弹性估计

表4中的(1)和(2)为普通双固定效应的估计结果，其中列(1)并未引入控制变量。可以看出，交叉补贴额会显著降低能源效率，并且如果不引入控制变量，如工业总产值、工业企业数、煤气供应量、市辖区面积、气温等，将会高估其影响效果。此外，列(3)是引入工具变量后的估计结果，可以看出，解决二者间的内生性问题后，交叉补贴额对能源效率的影响依然显著为负。同时，分地区估计结果显示东中西部地区间并没有显著差异。

同样地，基于式(8)分析交叉补贴率对经济影响的效果，结果如表5所示。

表5中的(1)和(2)为普通双固定效应的估计结果，其中(1)并未引入控制变量。可以看出，交叉补贴率会显著降低能源效率，并且如果不引入控制变量，将会高估其影响效果。此外，(3)是引入工具变量后的估计结果，结果显示，解决内生性后，交叉补贴率仍然显著降低能源效率。同时，分地区估计结果显示东中西部地区间并没有显著差异。

表5 交叉补贴率与绿色能源效率的半弹性估计

此外，由于疫情的严重程度不同，本文进一步分析了交叉补贴引致的价格扭曲在不同的疫情地区对经济发展扮演的作用，结果如表6所示。

表6 同疫情地区的交叉补贴与绿色能源效率的半弹性估计

由表6可以看出，在使用工具变量解决内生性问题后，交叉补贴额(率)对于疫情严重程度不同的地区均造成显著的效率损失。因此，针对效率损失的大小不同，在制定政策降低企业用能成本对冲疫情造成的不利影响时，可以针对疫情的严重程度不同实施差异化的政策。

(二)机制分析

为了验证理论分析中提出的交叉补贴是否是通过纯技术效率和规模效率影响绿色能源效率，本文将构成两个实证模型分析其影响机制：一是检验降低工业电价，减少交叉补贴是否是通过纯技术效率的改变而促进能源效率的提升；二是检验规模效率相应的作用。参考温忠麟[33]的研究，设定如下模型：

(9)

其中，TE为绿色能源效率，M为中介变量(即纯技术效率或规模效率)，Cross_sub为单位交叉补贴额，X为控制变量。基于式(9)所示的模型，相应的估计结果如表7所示。

由表7可以看出，纯技术效率是重要的机制，交叉补贴减小会刺激纯技术效率提升，从而使得效率提升。纯技术效率的中介效应占比为62.20%。但是，规模效率主要表现为遮掩效应。也就是说，交叉补贴减少会导致规模效率减小，不利于能源效率的增加。

表7 交叉补贴对绿色能源效率影响的机制分析

因此，为应对新冠肺炎疫情给经济带来的不利影响，减少工业电价应该更加具有针对性，比如对于中小企业实施降费政策，助力中小企业减负，提升其技术效率，促进经济高质量发展。而对于规模较大的企业而言，要适度实施降费政策，减小交叉补贴。实现效率提升和经济发展的重点在于提升纯技术效率。

五、降低企业用能成本对经济高质量发展影响的场景分析

基于表4交叉补贴额对能源效率影响评估中的半弹性分析，本节将以2020年 “降低企业用能成本”作为政策背景，分析新冠肺炎疫情发生后，工业电力降费对经济高质量发展的影响。在此，将以能源效率、社会福利等指标作为经济高质量发展的衡量标准。

(一)场景设定

降低企业用能成本，即工业电力降费的政策措施是为了减少电力交叉补贴，让工业企业用户的电力价格反映真实的电力成本，减少价格扭曲，提升效率与社会福利。基于降价政策和现实背景，我们不仅关注降价政策的短期效果，更关注其中长期的经济效应。因此，本文主要分析以下3种常见情况中，工业用能成本降低对经济高质量发展的影响。

场景一：短期效果分析。为了应对新冠肺炎疫情，国家发改委明确规定：除高耗能行业用户外，一般工商业和大工业企业的电费将下调5%，降价时间自2月1日至6月30日。因此，场景一主要是分析工业电力降费5%的短期经济效益。场景二：中期效果分析。中期(2～5年)来看，本文将借鉴2018年和2019年全年工业电力降费10%的政策，分析未来工业电力降费10%的中期经济效果。场景三：长期效果分析。如果未来完全实现无交叉补贴的政策目标，即工业电力降费标准为理论降价潜力，那么其经济效应将如何呢？因此，本文根据中国价格信息网2020年1月公布的最新工业与居民电价可以计算出工业电价的降价潜力，以“理论降价潜力”作为长期政策目标，分析实现无交叉补贴带来的长期经济效益。

(二)场景分析

1.新冠肺炎疫情冲击下不同场景工业电力降费的效果分析

基于不同场景电力降价比例，可以计算出交叉补贴的减少额度，进一步通过表4的弹性，分析出效率的提升情况。基于全局SBM模型，可以计算出相应的CO2减少、工业产值的增加及GDP增速。同时基于逆DEA模型，可以计算出社会福利变化，如表8所示。

表8 不同场景下工业电力降费的效果分析

可见，在后疫情时代，通过工业电力降费可以实现经济高质量发展。短期工业电力降费5%使得绿色能源效率提升1.71%，纯技术效率提升2.50%，规模效率提升4.46%；工业产值增加了4 849.617亿元，社会总福利提升20.695亿元。中期实现“工业电价再降10%”，全国绿色能源效率将提升3.62%，纯技术效率提升5.27%，规模效率提升9.41%；工业产值将增加10 238.090亿元，GDP增速为1.02%，CO2排放减少0.31%，社会总福利提升43.689亿元。长期如果完全消除交叉补贴，工业产值将增加23 562.892亿元，GDP增速增加2.54个百分点，CO2排放量减少0.71%，社会总福利将提升98.819亿元。

2.新冠肺炎疫情冲击下不同疫区工业电力降费的经济效益分析

基于上述分析，不同疫情地区降低企业用能成本的经济效益对比如表9所示。

表9 不同场景下不同疫区工业电力降费的经济效益分析

从疫情的严重程度来看，短期内企业用能成本降低5%时，疫情重度地区的各项经济高质量发展指标的变化均最高，疫情中度地区次之，疫情轻度地区变化最小。通过工业电力降费，各区域的效率(绿色能源效率、纯技术效率、规模效率)均有所提升，其中效率提升最大的是疫情重度地区，各效率提升的比例依次为1.96%、3.15%、4.52%。对于受新冠肺炎疫情影响最大的湖北、广东等省份而言，可以使得地区的工业产值增加2 444.273亿元，GDP增速为0.48%，CO2排放量减少0.18%，社会总福利提升11.452亿元。

中期实现企业用能成本降低10%时，疫情重度、中度、轻度地区的工业产值分别可以增加5 160.119、3 914.504、1 163.468亿元；疫情重度地区的社会总福利提升最大，为24.181亿元，疫情中度地区次之，疫情轻度地区增加最少。长期完全消除交叉补贴后，各经济指标的变化幅度更大，其经济效益更加明显。可见，工业电力降费的长期经济收益为能源效率提升、CO2排放减少、工业产值提升与社会福利的提升，进而推动经济的高质量发展。

六、结论及政策建议

本文利用中国100个样本城市2006—2016年工业和居民电力消费数据及2020年最新的电价数据，结合“降低企业用能成本”政策，以能源效率、碳排放、GDP增速、社会福利等指标衡量经济高质量发展的水平，分析企业用能成本降低对经济高质量发展的影响效果及其机制。同时，针对疫情对中国经济造成的不利冲击，分析企业用能成本下降对经济高质量发展的短期、中期、长期经济效果。本文的研究结论和政策建议主要包括：

首先，中国交叉补贴现象严重，2006—2019年的交叉补贴总额呈现倒“U”型，自2018、2019年实施“一般工商业降价”以来虽有所下降，但是总体偏高。此外，中国目前的绿色能源效率水平总体偏低，绿色能源效率均值为0.304，纯技术效率总体低于规模效率。因此政府及各部门需要关注环境与气候变化问题，通过产业升级、清洁能源转型等方式，积极采取措施减少环境污染物排放，提升中国的能源效率，特别是纯技术效率。

其次，交叉补贴会显著造成效率损失，不利于经济高质量发展。虽然东中西部地区之间的作用效果无显著差异，但是疫情的严重程度不同，作用效果不同，其中对于疫情重度和中度地区存在显著的不利影响，对轻度地区的作用效果不显著。因此，在后疫情时代为助力经济高质量发展，政府应该因地制宜，实施“差异化”政策。对疫情十分严重的地区，企业用能成本降价幅度可以比疫情不严重的地区更大。

再次，在降低工业电价，减少交叉补贴，引致能源效率提升的过程中，纯技术效率是主要的机制，其中介效应占比为61.20%，而规模效率表现为遮掩效应。所以，政府在实施“降低企业用能成本”政策时，应该更加针对纯技术效率较小的中小企业，如引入新技术、转变能源利用方式，增强能源科技技术转化。同时，基于现实背景，相对于大中型企业，中小企业受疫情的影响更大。

最后，降低企业用能成本的短期、中期、长期经济效益较为明显。通过对国家发展改革委员会于2020年2月提出的“企业用能成本降费5%”的阶段性政策评估发现，该政策有助于能源效率、工业产值、GDP增速提升，CO2排放减少，社会总福利提升。同时，基于中期“降费10%”的评估和长期完全实现“消除交叉补贴”的效果来看，企业用能成本降低有助于经济高质量发展。因此，政府应分阶段降低交叉补贴，推动经济高质量发展。