光伏发电企业运营效率及影响因素研究——基于DEA-Malmquist-Tobit模型的分析

潘成蓉, 雷 敏

(1.四川外国语大学国际工商管理学院, 重庆 400031; 2.四川外国语大学国际金融与贸易学院, 重庆 400031)

近年来,全球在能源安全和环境变化领域面临严峻的挑战,可再生能源被认为是应对这些挑战的有效途径。2020年9月,我国提出了碳达峰、碳中和目标,在这一目标的引领下我国要加速实现能源绿色低碳转型[1]。为此,新能源在新型电力系统中的重要作用得以凸显[2-3]。在所有可再生能源中,太阳能发电具有建设周期短、能源清洁和可再生等特点[4],因此太阳能被认为是最具吸引力的能源之一,迅速发展成为我国能源转型的重要支撑。国家《“十四五”可再生能源发展规划》指出要大力推进太阳能光伏发电基地化开发,积极推进太阳能光伏发电分布式开发。据国家能源局统计,2022年我国可再生能源新增装机1.52亿kW,占全国新增发电装机的76.2%,其中太阳能光伏发电新增0.87亿kW,占可再生能源新增装机的57.2%,太阳能光伏已成为我国可再生能源中的主力能源[5]。

作为国家大力支持的战略性新兴产业,太阳能光伏产业获得了广泛而有效的政策支持和有利的市场条件。各级政府发布的政策主要有补贴政策[6-7]、上网电价政策[8-9]、金融政策[10-11]、绿色证书制度交易政策[12]等,研究领域涉及投资决策[13]、技术创新[14]、政策协同[15-16]等方面。在这些政策的支持下,太阳能光伏产业的发展取得了明显成效。然而,太阳能光伏发电企业的经济效益除了受到政策环境的影响,也受到自身运营效率的影响。2021年我国光伏电站交易59起,交易规模超8 GW,交易金额超过268亿元,作为国内曾经最大的民营光伏电站投资企业,协鑫新能源自2018年开始就以大量出售光伏电站资产换取企业生存机会[17]。

运营效率是衡量企业运营水平的重要标准,提高运营效率是企业实现可持续性发展的一种有效途径。光伏发电企业想要达到经济效益最大化必须考虑如何提高自身的运营效率,以此优化内部资源配置,从而实现企业乃至整个光伏产业的健康可持续发展。目前关于光伏企业运营效率的研究相对较少,尤怀墨等[18]运用数据包络分析(data enve-lopment analysis,DEA)模型和动态Malmquist指数模型对中国24家光伏上市企业的相关投入产出数据进行研究,并通过Tobit回归模型对影响光伏企业绿色发展效率的因素进行探索。王恒田和杨晓龙[19]以知识和技术、行为人和网络、制度与环境为框架,分析中国光伏产业的技术创新系统,采用DEA模型对中国光伏产业技术创新效率进行评价。

综上所述,现有对于光伏产业运营效率的研究较少,学术界大多对光伏企业的绿色发展效率、技术创新效率进行研究。但目前评价我国光伏发电企业的运营效率,分析其可能受到哪些因素的影响,又该如何优化内部资源配置、规避可能的风险,从而改善企业的运营效率,都是光伏发电企业发展中应该考虑的重要问题。因此,本文聚焦光伏发电企业,使用DEA、Malmquist和Tobit模型对其运营效率进行测度和静态动态分析,进而实证分析影响运营效率的主要因素,以期为光伏发电企业改善经营提供参考。

1 研究方法

1.1 数据包络分析法

数据包络分析法(DEA)最初是由运筹学家A. Charnes、W.W. Cooper和E. Rhoades教授于1978年提出,已被广泛用于各种效率评价分析中。作为一种典型的非参数方法,DEA目前有十几种扩展模型,其中CCR模型和BCC模型是最基本和最重要的两个DEA模型[20]。DEA模型适用于从多投入和多产出的角度评估效率,光伏发电企业的运营效率也涉及多项投入和多项产出指标。因此本文选用DEA模型中以投入为导向的BCC模型,科学测度光伏发电企业的运营效率。BCC模型可以表示为

(1)

1.2 Malmquist指数

Malmquist指数可以动态反映综合效率指数(Tfpch)、技术效率指数(Effch)和技术进步(Tech)之间的关系,其中,技术效率指数为纯技术效率指数(Pech)和规模效率指数(Sech)的乘积。表达式如下:

(2)

式中:t和t+1为不同时期;x、y分别为投入和产出。

1.3 Tobit模型

用DEA法测度的运营效率值分布区间为[0,1],不能用最小二乘法对模型直接回归,否则将导致参数有偏或不一致。Tobin于1958年构建了Tobit模型专门解决数据观测值受限或者被截断的问题,该模型对受限因变量进行回归分析可以有效地规避估计偏差,提高回归准确性。Tobit模型的具体形式如下:

(3)

式中:Xi为解释变量;β为回归参数系数;Yi为被解释变量。若Yi≤0,无法得到观测值;若Yi>0,则观测值不受限制。

2 光伏发电企业运营效率实证研究

2.1 样本选择及数据来源

选取2014年之前上市的沪深两市主板光伏产业的企业共26家2014—2022年的面板数据作为研究样本,收集的原始数据来源于东方财富Choice数据库。样本数量为26,符合DEA模型应用的要求。

2.2 指标体系的构建

考虑到光伏发电企业在我国的发展特点,同时为了能够较为准确地反映光伏发电企业的运营效率,基于数据的可得性,采用如下变量分别作为光伏发电企业运营效率的投入和产出指标,具体如表1所示。

表1 光伏发电企业投入、产出指标

2.2.1 投入变量的选择

(1)固定资产。光伏发电项目需要投入逆变器、光伏组件、支架、电缆、相关电气设施配套用房以及储能设施等大量固定资产,占总资产比重较大,对项目运营起着关键作用。

(2)营业成本。营业总成本的重大组成部分,直接影响企业盈利水平的高低,因此需对其加以科学的管控。

(3)管理费用。光伏发电项目有较长的运营周期,日常的管理和维护应在财务支出中加以考虑。

2.2.2 产出变量的选择

(1)营业收入。企业获取利润的重要保证,可以有效衡量企业的价值创造水平和盈利能力,且较为直观地反映了企业的产出情况。

(2)净利润。衡量企业的经营效益,反映出企业投入、产出效率水平及综合管理水平。

在运用DEA模型对光伏发电企业的运营效率评估时,要求投入指标与产出指标之间为正向关系。因此,为验证26家光伏发电企业2014—2022年的投入产出指标选取是否恰当,使用SPSS27.0软件对其进行了Pearson相关性分析。检验结果证明投入指标与产出指标间的相关系数均为正值,且所得相关系数均在0.6以上,具体如表2所示。

表2 投入产出指标Pearson相关性检验结果

2.3 光伏发电上市公司运营效率评价与分析

使用DEAP2.1软件测算2014—2022年26家光伏发电上市公司的运营效率。DEA模型是研究相对效率的,各样本的指标数应为正数,因此针对各样本公司净利润指标中出现的负数,均取0.0001进行计算。

2.3.1 光伏上市公司运营效率静态分析

将26家光伏发电上市公司2014—2022年的投入及产出指标数据分别导入DEAP2.1软件,经模型测算分别得出26家光伏发电上市公司的综合效率、纯技术效率和规模效率。2014—2022年的各效率值的均值测算结果及各效率有效企业数如表3所示。

表3 2014—2022年26家光伏发电上市公司运营效率

从综合效率平均值来看,2014—2022年光伏发电企业的综合效率处于波动状态,整体呈下降趋势,最大值为2014年的0.939,最小值为2021年和2022年的0.861。说明过去9年间整个行业的投入要素存在6.1%～13.9%的利用不足现象,可能是由于光伏相关政策的调整以及行业的逐步规范所导致的。从综合效率有效的企业数量来看,达到经营效率有效的企业数量占比较低,2022年综合效率有效的企业数量降到了5个,约占样本总量的19.2%,这可能是因为自2021年起我国光伏行业正式实行平价上网,部分企业市场竞争力不足。

从纯技术效率和规模效率来看,2014—2022年光伏发电企业的纯技术效率均值为0.900～0.944,规模效率的均值为0.932～0.994。可以发现光伏发电企业的纯技术效率整体低于规模效率,说明纯技术效率主要影响我国光伏发电上市公司的综合效率,多数企业不能拥有核心技术,同时也说明我国光伏企业主要走规模扩张的模式,而面对着产能过剩的压力,这种模式已经难以为继。纯技术效率有效的企业数量相比规模效率有效的企业数量多,说明样本企业的运营效率差异明显,不具有稳定性,部分企业难以维持技术和规模之间的协调发展。

2.3.2 光伏上市公司运营效率动态分析

Malmquist指数可以动态地反映各光伏发电企业9年间的运营效率变化趋势,运用DEAP2.1软件对2014—2022年26家光伏发电上市公司运营效率进行了分析,结果如表4和表5所示。

表4的结果表明,样本光伏发电上市公司的全要素生产率平均每年提高1.8%,且主要是得益于技术进步指数平均每年提高3.0%。大部分年份的全要素生产率大于1,说明光伏发电企业的运营效率整体上是增长的,其中2021—2022年增长较为明显,可能是光伏评价上网政策带来的技术升级效应、分布式市场及扶贫项目快速扩大、新兴市场开拓等多重因素共同作用的;2014—2015年全要素生产指数小于1,可能是受产业结构调整等因素影响,电力消费增速放缓,光伏行业的经营形势严峻;2018—2019年全要素生产指数小于1,可能是受到2018年“电价补贴政策退坡”的影响所导致的。

表4 9年间光伏发电上市公司Malmquist指数

由表5可知,有20家光伏发电上市公司全要素生产率大于1,占样本总数的76.9%,表明我国光伏发电行业整体发展态势向好。值得注意的是,协鑫集成的全要素生产率相比于其他企业来说偏低,主要是由技术进步较低所导致的。协鑫集成位居光伏产业链中下游,主营业务收入主要为光伏电池组件及系统集成业务。2020年,受国家实现全面脱贫及光伏平价上网政策等的影响,EPC总包价格下降,同时受材料和人工施工成本上升等因素影响,使得公司毛利下降[21];2021年光伏全行业上游硅料供应紧张,导致协鑫公司组件生产成本快速攀升,并影响了公司EPC业务中标及开工并网规模,加之新冠肺炎疫情又影响了其出货量。因此,在多重不利因素的共同作用下,使得协鑫集成近年来运营效率不佳,协鑫集成不得不亏本变卖多个电站,处置了部分电池及组件产能。

表5 2014—2022年26家光伏发电上市公司Malmquist指数

3 光伏发电企业运营效率影响因素分析

3.1 影响因素的选取和研究假设

影响企业运营效率的因素有很多,根据光伏发电企业的特点,基于数据的可得性,最终选择股权结构、每股收益、营运能力、资本密集、企业规模、管理费用率和偿债能力共7个变量作为可能影响光伏发电企业经营效率的因素。此外,对以上7种因素可能对光伏发电企业运营效率产生正向或者反向的影响提出了假设,具体如表6所示。

表6 变量选取及研究假设

3.2 Tobit回归模型的构建

分别以上文DEA方法测算出的综合效率值、纯技术效率值和规模效率值为因变量,以上文选取的7个因素为自变量,构建 Tobit 回归模型,评估光伏发电企业运营效率的影响因素。如果将固定效应Tobit模型运用于包含各个光伏发电企业运营效率及其影响因素的面板数据,可能很难得到一致的估计值。因此,采用随机效应Tobit模型进行分析。Tobit模型构建为

y=α0+α1crtit+α2epsit+α3roundit+α4capiit+α5sizeit+α6agcit+α7dait+εit

(4)

式中:y为根据DEA模型测算得出的综合效率(y1)、纯技术效率(y2)和规模效率(y3);α0为模型的待估系数;i为企业;t为年份;crt为股权结构;eps为每股收益;round为运营能力;capi为资本密集;size为企业规模;agc为管理费用率;da为偿债能力;εit为随机误差项。根据y代表的不同含义,分别建立三个回归方程。对全部解释变量进行描述性统计,结果如表7所示。

表7 描述性统计结果

3.2.1 相关性检验

本文共有7个自变量,为了保证回归结果的可靠性,选择Pearson检验方法对7个解释变量进行相关性检验。由表8的检验结果可知,7个变量之间的相关系数绝对值均在0.5以下,说明解释变量间的相关性不高,可以进行回归分析。

表8 解释变量Pearson相关性检验

3.2.2 Tobit回归结果与分析

在进行回归分析之前对解释变量数据进行Z-score标准化处理,运用Stata17.0软件对处理后的数据进行Tobit回归,结果如表9所示。

从表9的回归结果可知,股权结构(crt)和运营能力(round)对综合效率、纯技术效率在1%和5%的置信水平下产生了显著的正向影响,实证检验结果与假设相同;但是对规模效率的影响不显著。经济意义表明,股权结构和运营能力对运营效率的促进作用主要来自对纯技术效率的提升,还未达到规模收益的阶段。每股收益(eps)在1%的置信水平下对综合效率、纯技术效率和规模效率产生了显著的正向影响,实证结果与假设相符。实证结果说明,每股收益对运营效率的促进开始达到规模收益的阶段。资本密集(capi)在1%的置信水平下对3个效率值均产生了显著的正向影响,实证结果与假设相符。企业规模(size)在1%的置信水平下对综合效率、规模效率产生了显著的负向影响,实证结果与假设恰恰相反。说明光伏发电企业存在一定的盲目扩张现象,资产总额的增加没能提高企业的运营效率,反而导致企业运营成本的增加,并抑制了运营效率的提升。管理费用率(agc)在1%的显著性水平下分别对纯技术效率和规模效率产生了显著相反方向的影响,最终导致其对综合效率的影响不显著。偿债能力(da)对综合效率、纯技术效率和规模效率的影响均不显著,实证结果与假设不符,说明资产负债率与光伏发电企业运营效率不存在直接相关关系。

表9 Tobit回归结果

3.2.3 异质性分析

光伏行业对资本和技术有较高的门槛,项目开发、建设期间需要投入大量资金,运营全过程需要企业具备丰富的实践经验,拥有行业专有的技术知识与能力。不同类型的光伏发电企业的运营效率影响因素可能存在差别,本文从企业异质性角度,分组检验了民营企业和非民营企业(包括国企、集体企业和外资企业)运营的综合效率影响因素,回归结果如表10所示。

由表10可知,光伏发电民营企业的股权结构、每股收益、运营能力、资本密集和企业规模均对其运营的综合效率产生了显著的影响,而非民营企业运营的综合效率只受到每股收益和偿债能力的影响。说明由于体制机制、综合实力、运营管理等原因,相较于资金雄厚、技术先进、管理水平较高的非民营企业,民营企业的运营效率容易受到更多因素的影响,抗风险能力较差。随着国有企业的大规模进入,民营企业在光伏发电的市场占比正逐步下滑,要想抓住“碳达峰、碳中和”以及大基地项目推进的机遇,民营光伏发电企业还需要付出巨大努力。

表10 综合效率分组回归结果

4 结论与建议

4.1 结论

本文基于国内26家光伏发电上市公司考察期内的面板数据,通过DEA模型和Malmquist指数方法从静态和动态两个方面对样本企业的运营效率进行了度量和分析,运用Tobit模型对光伏发电企业运营效率影响因素进行了实证研究。研究结果显示,第一,静态方面,光伏发电企业的综合效率处于波动状态,整体呈下降趋势;第二,动态方面,9年间光伏发电企业的全要素生产率呈1.8%增长率的小幅上升趋势,主要得益于技术进步指数的提高;第三,股权结构、每股收益、运营能力、资本密集、企业规模5个变量对光伏发电企业的运营效率有显著性影响。其中,股权结构和运营能力对运营效率的促进作用主要来自对纯技术效率的提升,每股收益和资本密集对运营效率具有促进作用,而且同时具备提高纯技术效率和规模效率的作用,企业规模对运营效率的抑制主要来自规模效率的抑制作用。

4.2 建议

企业管理层面:①优化企业规模,提高管理水平。光伏发电企业应结合自身实际情况,合理规划公司产能,协调各生产要素的投入水平,使生产规模符合企业当前的发展需求。同时,部分光伏发电上市公司纯技术效率的低下说明其管理水平的不足,因此需要优化企业各级管理人员的管理能力。②注重技术创新,提升人才技能。当前光伏发电的售价已经相对较低,相较于常规电源而言,光伏发电成本相对较高制约着光伏发电企业的市场竞争力。因此光伏发电企业应重视技术创新,加大研发投入,提高自主创新能力,通过技术优势获得较高的成本效益,提高产能和效能。同时,光伏发电属于技术密集型行业,发电生产技术含量较高,需要加大力度提升专业技能、申请相关证书。③关注政策变化,创新发展模式。当前,我国光伏行业的发展已由政策扶持期进入了市场导入期,通过一系列市场化方式来补偿光伏发电商的成本,引导绿色消费。因此,光伏发电企业在制定光伏电站的开发战略时,可以拓展应用场景,将光伏与产业和生活领域融合发展,加强与农业、养殖业、生态旅游业、等行业深度融合。

国家政策层面:①合理调整政策,考虑政策整体效应。为了维护光伏产业的健康可持续发展,要积极优化补贴结构配置,及时调整政府补贴的方向和重点,进一步提高补贴效率。此外,要充分考虑政策整体效应,鼓励引导光伏全产业链的均衡发展,推动光伏产业链各环节的优质资源整合,更好发挥规模效应和协同优势。②大力发展光伏平价上网项目,提升光伏消纳能力。国家应将政策重心转移到光伏产业技术创新、人才培养和基础设施建设等方面,进一步落实绿色电力证书、碳交易等市场交易机制,从而降低补贴需求。同时,要建立保障新能源电力消纳的长效机制,平衡光伏发电的供需两侧。③创造公平的市场环境,促进光伏产业高质量发展。一方面,各级有关部门应该加强监管,推动光伏行业健康可持续发展。另一方面,要不断扩大国内消费需求,鼓励企业良性的市场竞争,从而避免光伏产业对政府补贴的依赖性,倒逼其提高创新能力,形成光伏行业创新的自我驱动力。