协同响应政府决策的我国区域电力效率管理研究

邝立新 韩向荣 张世鹏

摘 要：提高电力效率既是各国电力公司的基本需求，也是各经济体内各地区进行区域经济发展规划中最重要的决策重心所在。因此提升区域电力部门的产出效率，向来是各行政地区重要的区域能源运行决策关注问题之一。在我国，随着经济持续快速发展、城市经济水平迅速提高，生产和生活的用电需求也随之增加，城市用电量日益增加，区域电力为代表的能源效率治理与提升问题也备受关注。而“双碳”目标实现的压力则使得提高电力行业尤其是重点城市的发电效率迫在眉睫。

关键词：电力行业；电力效率;能源效率治理

中图分类号：F224    文献标识码：A 文章编号：1005-6432（2024）01-0034-04

DOI：10.13939/j.cnki.zgsc.2024.01.008

1 文献综述

国内已有很多关于电力行业效率的研究，内容上大致可以分为影响因素分析和效率评价。在影响电力运行的效率因素方面，国内学术界得出的结论并不统一。陶锋、郭建万等（2008）认为国有煤炭价格、出厂电价、资产比重、企业规模、运输费用、煤炭稀缺程度等都会影响电力行业效率，同时难以确定行业竞争程度是否为影响因素。张各兴和夏大慰（2011）则与他持相反观点，认为煤炭价格和出厂电价与电力行业效率的关系并不显著。此外，还认为影响因素包括所有权结构、环境规制、短期内标准煤耗的变化和设备利用率等。李宏舟和邹涛（2012）的研究表明区域经济发展水平、能源消耗、设备利用率、区域电源结构、激励性价格规则等都对电力行业效率有所影响。综上，由于影响电力行业效率的因素繁多且不同学者选取的数据、采用的研究方法不同，目前很难得出全面的结论。

在电力行业的效率评价上，大多数学者选择全要素效率指标，常用的方法有随机前沿分析方法、数据包络分析方法等。研究者运用DEA方法对我国各省市电力行业的环境效率、技术效率等进行实证分析。如曲茜茜（2012）、盖兆军（2015）等均有运用DEA 模型分析我国不同电力行业的相关效率。但传统DEA模型存在着未能排除系统中随机因素影响的缺点，当样本中出现特殊点时，DEA方法得到的结果将会出现很大的误差。鉴于传统DEA方法存在缺陷，Fried（2002）对该模型进行了改进，提出DEA与SFA相结合的三阶段DEA模型。三阶段DEA模型可以剔除随机误差，因此被广泛运用于能源效率的研究中，例如白雪洁和宋莹（2008）、Yu等（2017）以及王萌等（2021）。然而，需要指出的是，现有研究对于电力行业依然多采用DEA方法。由于电力行业很大程度上受到环境因素和随机误差的影响，一般的DEA模型无法有效测算出电力市场中的效率。有鉴于此，运用三阶段DEA模型对我国主要城市的电力行业效率进行研究与评价，从而给出结论与建议，并对该行业未来的发展提出展望。

2 变量选取与数据来源

本研究选取的数据时间段为2014—2020年。在投入变量方面，文章选取我国主要城市的劳动力人口数据作为劳动投入；选取我国主要城市的固定资产投资总额作为资本投入；能源投入则选取我国主要城市的工业能源消费量。同时，研究将工业废气二氧化硫视作非期望投入变量处理。在产出变量方面，文章选取城市发电量来代表发电行业产值。

此外，研究参考已有研究，选取主要城市的消费价格指数数据来表征价格水平；选取各城市的生产总值数据来表征经济发展水平；选取进出口总额占地区生产总值的比例来表征对外开放程度；选取城市人均可支配收入来表征收入水平；选取研究与发展（R&D）经费内部支出占地区生产总值的比例来表征科技水平。上述五个指标共同构成环境变量，相关解释说明见表1。

文章旨在研究我国不同城市电力行业的效率及彼此间的差异，因此选取了我国各省级行政区的省会城市为代表城市。研究剔除了香港澳门特别行政区、台北市、西宁市、南宁市、海口市和拉萨市。

3 实证结果

在研究中，第一阶段采用以投入为导向的BCC模型展开分析。由于文章篇幅有限，文中仅列出2020年的结果以及全年份平均值（见表2）。

表2中TE为综合效率，PTE为纯技术效率，SE为规模效率。整体而言，我国主要城市在考察时间点间电力行业的综合技术效率较低；综合技术效率和规模效率均呈现出先降低后增加的趋势；纯技术效率较高，每年各城市纯技术效率均值大于0.8。由于本阶段尚未分离环境要素以及随机扰动因素对效率的影响，因此所测效率值与真实效率值存在一定偏差。

进一步，研究在第二阶段进行了随机前沿分析，将五个环境变量作为自变量，以上一阶段中劳动投入、资本投入、能源投入以及非期望产出去二氧化硫排放量的松弛变量作为因变量。SFA回归结果通过了单边广义似然比检验，回归结果见表3。

第二阶段结果表明，从价格水平来看，价格水平对劳动投入、资本投入、能源投入以及非期望产出的松弛变量的影响均为显著负值。这说明劳动投入、资本投入、能源投入和非期望產出与价格水平反向变动，价格上升的结果是劳动投入、资本投入、能源投入和非期望产出的松弛减少。这意味着较高的物价迫使工业企业节约各项投入。其中，能源投入松弛变量回归系数绝对值最大，表明价格水平的变动对电力行业能源投入量的选择的影响较大，这是因为能源在电力生产中的消耗量大、成本高、重要性强。

从经济发展水平来看，经济发展水平对劳动投入、资本投入、能源投入以及非期望产出的松弛变量的影响均为正值，其中劳动投入和能源投入的松弛变量表现较显著。这说明劳动投入、资本投入、能源投入和非期望产出与经济发展水平正向变动，经济发展水平上升即城市生产总值增加的结果是劳动投入、资本投入、能源投入和非期望产出的松弛变量增加，这表明生产总值的增加并不能提高电力行业的效率。其中，能源投入松弛变量的回归系数绝对值较大，表明电力行业在利用能源方面的效率较低。

从对外开放程度来看，对外开放水平对劳动投入、资本投入、能源投入以及非期望产出的松弛变量的影响均为正值，其中劳动投入和能源投入的松弛变量显著，资本投入的松弛变量相对显著，资本投入松弛变量的回归系数较大。结果表明对外开放不仅不能有效地提高电力行业的效率，反倒可能引起电力行业对资本的利用率下降，因为外资的引入意味着企业更容易获得充足的资金。

从收入水平来看，收入水平对劳动投入、能源投入的松弛变量的影响为负数，其中劳动投入松弛变量显著，能源投入松弛变量相对显著。结果表明居民整体收入水平的提高会减少劳动投入和能源投入的冗余，这是因为收入的增加影响了就业结构，电力行业的生产要素密集度也随之受到影响，进一步促进要素利用效率的提高，推动产业结构升级；收入水平对资本投入和非期望产出的松弛变量的影响为正数，表明收入的增加带来资本的浪费和非期望产出的增加，这是因为电力行业对资本的利用率和处理污染物的效率均较低，收入增加带来的消费结构变化会展现为效率方面的劣势。

从科技水平来看，科技水平对劳动投入松弛变量的影响为负数，这表明科学技术的发展使电力行业生产要素的密集度发生逆转，工业企业选择用资本等其他要素部分替代劳动，从而使劳动的边际效率提高；科技水平对资本投入、能源投入和非期望产出的松弛变量的影响为正数，其中能源投入的松弛变量显著。结果表明科学技术水平的提高不一定能带来发电效率的提高，这是因为研发存在边际效率递减现象。增加科研投入曾经带来效率的大幅、快速提升，然而当下的科技水平已经达到一定的高度，此后继续增加科研投入带来的效率提升空间有限，甚至会造成投入资源的浪费。

由于不同城市受到的环境要素和随机扰动要素的影响不同，测算出的地区效率值也会有较大偏差。因此需要调整初始阶段的投入变量，将各地区置于相同的外部环境之下，从而测算出真实的电力行业效率。在第二阶段中得到各投入变量调整后的数值。再次对原始产出变量数据和调整后的投入变量数据进行回归分析，即可测算出我国各主要城市2014—2020年电力行业的真实效率。

和第一阶段的回归结果进行对比，在排除环境影响与随机扰动后，我国主要城市在考察年份内电力行业的综合技术效率逐年下降，纯技术效率和规模效率均呈现出先降后增趋势，但增加后的效率值却低于初试年份的效率值。各市技术效率和规模效率存在较大差异但纯技术效率仍较高，各年各城市纯技术效率均值达到0.8以上。可见，不同城市电力行业效率的差异取决于是否达到规模经济，而非纯技术无效。同时，研究发现大部分城市的规模效率低于对应年份的纯技术效率，且规模效率值与纯技术效率值之间的差距扩大，表明第一阶段的DEA分析高估了规模效率。在对投入变量进行调整后，各市综合技术效率和规模效率普遍下降且效率值偏低，而纯技术效率值虽然存在一定程度的下降，仍较高。这表明我国主要城市电力行业效率低下的主要原因不在于技术层面，而在于规模不经济。作为在各区域的天然垄断型行业，电力行业在我国各地区均以大规模展开运营。然而，值得注意的是，绝大多数城市的电力行业每年均处于规模报酬递增阶段，这表明比起能源利用的效率，企业更重视经济收益。

4 结论与建议

通过上述分析可以发现，以重点市为代表的我国城市电力效率展现出运行规模不经济，同时企业注重经营效率而忽视运行效率的现状。因此，各省市均应注意以次为决策基础，更多地督促当地电力行业中各企业在继续扩大生产规模的同时注重绿色生产和可持续发展。在实践中，督促电力企业增加先进设备投入，引入更新技术同时与各地区电力企业的上级主管部门共同协商适当放宽地方企业的经营绩效成为地区协调当地电力企业提升运行效率的主要政策导向。与之相对应，对于电力型企业而言，也应当意识到现有经营模式下运营效率并没有达到完全最优状态，而对于地方政府而言，充分推进区域内能源使用的效率提升是各地在能源政策中的优先事项。因此，各地电力企业应当积极地优化企业运行中的导向目标，在完成主管单位要求的同时尽可能优化自身运行效率，以便更好地响应地方政府的电力能源效率管理。

参考文献：

［1］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）：157-174.

［2］CAI Y，XIONG S Q，MA X M.Energy efficiency measures in China：a three-stage DEA analysis［J］.IOP Conference Series：Earth and Environmental Science，2017，61（1）.

［3］白雪洁，宋莹.中国各省火电行业的技术效率及其提升方向——基于三阶段DEA模型的分析［J］.财经研究，2008（10）：15-25.

［4］陶鋒，郭建万，杨舜贤.电力体制转型期发电行业的技术效率及其影响因素［J］.中国工业经济，2008（1）：68-76.

［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）：130-140.

［6］曲茜茜.火电行业环境效率评价及监管研究［D］.天津：天津大学，2012.

［7］李宏舟，邹涛.我国电力行业发电技术效率及影响因素：2000—2009年［J］.改革，2012（10）：44-50.

［8］盖兆军.基于低碳经济的我国电力行业可持续发展研究［D］.长春：吉林大学，2015.

［9］王萌，徐湘博，张梅，等.区域能源效率测算及影响分析——基于三阶段DEA方法［J］.环境保护科学，2021，47（1）：28-35.