安徽省主要城市工業用電效率及影響因素分析——基于DEA及Tobit兩階段模型

錢曉燕 朱立冬 方葉兵

自2006年促進中部地區崛起列入“十一五”規劃綱要以來，安徽省作為中部崛起戰略的實施主體以及煤炭能源大省，在地區經濟得到快速發展的同時能源消耗也與日俱增。但是產業結構不合理、科學技術水平落后、技能意識不強等原因嚴重影響了安徽省各市的能源效率，從而制約城市經濟發展。

國家“十二五“規劃明確提出要推動能源生產和利用方式變革，并預計到2015年國內生產總值能耗要降低16%，因此各省也制定了相應的能耗降低指標。

隨著現代化工業的發展，電力能源作為推動經濟發展的主要能源之一，在國民經濟發展中占有很高的地位。但是面對電力需求的不斷增大，我國電力供應逐年緊張，而電力能源效率卻一直得不到提高。2011年，我國國內生產總值能耗為0.793噸標準煤/萬元，安徽省為0.754噸標準煤/萬元，說明安徽省能源效率位于全國平均水平之上，但是與北京、浙江、江蘇等低能耗地區相比，仍有較大差距。因此，就工業用電來說，如何降低電能損耗，提高電力能源效率成為推動安徽省經濟增長的下一個目標。

全要素效率理論認為，決定最終產出的是能源、資本和人力等各種生產要素的投入組合。本研究基于面板數據的DEA模型，對2004-2011年間安徽省17個主要城市的工業用電效率進行分析比較，從中發現安徽省內各主要城市之間的效率差距，為提高安徽省工業用電效率提供數據支持。

一、文獻回顧

1985年，Hu&Wang基于數據包絡模型（DEA）提出用全要素能源效率對區域能源效率進行評價[1]。此后，國外學者根據研究層面的不同選取的各種投入指標來評價能源效率，例如Azadeh利用電力消費量、化石燃料消費量為投入指標，測算各個國家能源效率[2]；而Hu等則采用從業人員數、資本存量、能源消費總量作為研究各區域能源效率的投入指標[1]。

隨著我國對能源集約消費的倡導，不斷有國內學者運用DEA方法來考察全要素能源效率，其中吳琦，武春友（2009）基于超效率DEA的能源效率評價模型構建了以能源消費總量、從業人員總數和固定資產折舊為投入指標以及以經濟產出和環境影響為產出指標的能源效率評價指標體系[3]。徐國泉等(2007)基于省際面板數據分析中國八大經濟區域全要素能源效率，發現中國區域全要素能源效率呈現東南向西北逐步下降的趨勢，且與經濟發展水平呈“U”型關系[4]。

影響能源效率的因素有很多，國內學者根據分析的影響因素提出了相應的改善措施。蔣金荷（2004）通過對我國1980-2000年間經濟結構和產值能耗的分析比較，認為調整經濟結構（包括產業結構、產品結構、降低高能耗行業比重、增加高附加值產品比重）是提升我國能源效率的有效手段[5]。史丹（2006）認為影響各地區能源效率的主要因素是第二產業，尤其是工業生產技術水平，而不是第二產業比重[6]。 魏楚、沈滿洪（2007）發現對外開放程度對能源效率具有雙重影響[7]。 高振宇、王益（2006）在對我國不同省區能源生產率的研究中發現，經濟發展水平、產業結構特征、投資情況和能源價格影響能源生產率的重要因素[8]。馬海良（2011）等基于超效率DEA模型和Malm-quist指數，研究中國三大經濟區域全要素能源效率，最終發現能源效率的改善依賴于全要素生產率，技術進步和技術效率都可能提高能源效率[9]。

二、工業用電效率評價

在研究工業用電效率領域，也有學者基于DEA方法進行了全要素電力效率分析。2010年，高雪蓮在對我國71個城市工業用電效率進行分析，得出我國城市工業用電總體效率逐年提高，節電降耗政策效應顯著的結論[10]。 不過對于各個省份具體城市工業用電效率，尚沒有學者有所涉及。

基于數據包絡模型，以安徽省17個城市的具體數據為基礎，計算安徽省各城市工業用電效率，此外還采用Tobit模型，對影響工業用電效率的影響因素進行探究，從而為安徽省各城市節能減排，提升用電效率提供建設性的意見。

1.模型選取

數據包絡分析（DEA）是一種評價多投入多產出的非參數分析方法，由美國著名運籌學家Charnes于1978年提出。其原理是利用線性規劃方法，主要目標是為所有決策單元（DUM）確定一個效率前沿面，落在前沿面上的DUM被認為是有效率的，否則無效。現設有 n 個 DUMj（1≤j≤n），DUMj對應的輸入、輸出向量分別為：

則有：

式2.1即可變規模報酬下的DEA模型公式。其中表示決策單元（DUM）的綜合相對效率，和為松弛變量，分別表示投入冗余量和產出不足量，值在0-1之間變動，越趨向于1，則說明要素投入產出組合越合理。模型計算中一般會出現以下三種情況：當θ=1且S-=S+=0時,則決策單元DUMj0為DEA有效；當θ=1且S-≠0時,DUMj0為弱DEA有效；當θ<1時,DUMj0為DEA無效。

2.數據、指標的選取

（1）數據選取。本研究采用年度面板數據，以安徽省17個地級城市為樣本，樣本期間為2004-2011年。鑒于安徽省于2011年進行行政區域改革，將巢湖市劃分給合肥、馬鞍山、蕪湖三個個城市，所以在2012年統計年鑒中沒有巢湖市的統計資料,為了數據的完整性，本研究擬用2010年巢湖市數據代替2011年。

（2）指標選取。在用DEA模型進行效率測算時，需要投入指標和產出指標的數據。產出指標采用安徽省各市工業增加值；投入指標則由資本、人力、能源三要素組成。具體指標數據如下：

1）資本投入指標：對于資本投入的選擇，國內學者有很多不同意見，李廉水、周勇以固定資本年均余額和流動資本年均余額作為資本投入基礎數據[11]，吳琦、武春友選取當期固定資產折舊來衡量評價單元的資本投入[3]。本研究采用固定資產凈值這一指標，因為固定資產凈值撇除了固定資產折舊，能較好的反映評價單元當年資本投入量。本研究采用規模以上工業企業固定資產凈值作為資本投入指標，以億元為單位，基礎數據來自于《安徽省統計年鑒》；并根據《安徽省統計年鑒》（2012）“固定資產投資價格指數”折算成1990年不變價。

2）人力投入指標：人力資本包括數量和質量兩個層面，很多學者采用受教育程度來衡量人力資本的質量，例如徐國泉，劉則淵以15周歲以上平均受教育的時間來表示勞動力的素質[4]。目前安徽省統計數據中沒有針對提出工業企業勞動人員素質的測評資料，因此本研究只能以勞動力數量來衡量人力投入。以年末工業企業從業人員作為人力投入指標，以萬人為單位；基礎數據來源于《中國城市統計年鑒》（2005-2012）。

3）能源投入指標：以工業用電量作為能源投入指標，以萬千瓦時為單位，基礎數據來源于《中國城市統計年鑒》（2005-2012）。

4）產出指標：主要研究工業領域，因此在計算工業用電效率時，我們選用工業增加值作為產出指標，以萬元為單位，基礎數據來自 《中國城市統計年鑒》（2005-2010）、《安徽省統計年鑒》（2011-2012）， 并根據《安徽省統計年鑒》（2012）“工業生產者出廠價格指數”折算成1990年不變價。

3.實證分析

（1）2004-2011年安徽省工業用電效率評價

使用DEAP2.1軟件，根據安徽省17個主要城市2004-2011年間的基礎數據，對安徽省工業行業電力消費效率進行計算，得到各年份的電力綜合效率，并將其進一步分解為純技術效率和規模效率，結果見表1。

表1 安徽省2004-2011年工業用電效率

圖1 2004-2011年安徽省工業用電效率分解

從上表可以看出，自2004-2011年間，安徽省工業用電效率平均值在逐年提高，反映出安徽省所實施的一系列能源增效措施已經得到顯著的政策效果。不過規模效率增幅較小，而且其平均值基本都在0.9之上，說明安徽省工業在現有的資源利用能力的基礎上，工業發展的規模效應已經得到較大程度的釋放。但是這也說明，安徽省各市工業經濟的發展仍然倚靠生產要素的規模擴張，這并不符合國家對集約型經濟發展的要求。

但是需要注意的是，安徽省城市工業用電效率無論是綜合效率、純技術效率還是規模效率都與最優效率水平存在一定差距。其中用電綜合效率水平最低，這說明安徽省各市工業用電規模過大，粗放利用嚴重，在工業生產中，相對資金、勞動力而言，電力能源投入過大。城市工業用電的規模效率平均值遠高于純技術效率的平均值，這充分說明，安徽省城市工業投入產出組合中，規模效率已經趨向最優，但由于技術效率一直不高，現有資源還未得到充分利用。

（2）2004-2011年安徽省17個主要城市工業用電效率評價

為了能在時間和地域兩個層面研究城市工業用電效率，使用DEA-Solver軟件對2004-2011年安徽省17個主要城市面板數據進行測算，得出各城市2004-2011年工業用電效率。具體如表2：

表2 2004-2011年按平均工業增加值排名的城市工業用電效率

從上表可以看出這各城市的工業用電效率總體上呈現增長趨勢，其中合肥、蕪湖、滁州、黃山四市的用電效率相對較高，特別是合肥市，自2007年之后一直保持在最優效率附近。而淮南、馬鞍山、阜陽、宿州、池州等市用電效率最低。其主要原因在于，淮南市煤炭資源豐富，電力工業能源消費以煤炭為主，根據史丹研究結論，煤炭在一次能源消費結構中的比重越大，能源效率越低[6]。馬鞍山作為重工業城市，能源消費呈總量需求大，單位GDP能耗高的特征，經濟發展對能源依賴度高。從各市變化趨勢可以明顯看到，宿州、六安兩市在2007-2008年用電效率發生明顯下降，主要原因可以認為是與2008年經濟危機有關。

8年間用電效率幅度變動最大的當屬銅陵市，經歷了“上升-下降-上升”的階段。主要原因有以下兩點：（1）銅陵市主要支柱產業為有色、化工、建材等，其占規模以上工業總產值的81.2%，成為推動銅陵市工業生產快速增長的主要力量。而這些產業的增長離不開資源的大量投入，尤其是金屬和電力能源的消耗。（2）銅陵市2006年至2009年電力能源效率出現大幅下降，主要與2008年經濟危機有關。2007年銅陵市出口總額下降58.7%，同時其經濟外向度又居全省之首①，說明銅陵市出口額占全市經濟比重相當之大，經濟危機造成的市場出口大幅下降，直接導致工業總產出下降。

從上述分析中可以發現，工業增加值與用電效率之間不存在線性關系，例如，淮南市工業增加值在全省位列第四，但是其工業用電效率卻是17個省中最低的一個；而黃山市工業增加值雖然處于安徽省倒數第三，但是自2007年后，其工業用電效率卻一直保持最優狀態。這說明了，不能一味的以產出來衡量經濟運行效率，在高工業增加值的背后可能存在大量的能源浪費現象。

（3）安徽省產出不同市之間用電效率分解

用電效率可以分解為技術效率和規模效率，技術效率是指在利用技術條件、管理制度，在給定投入量的條件下實現產出最大化或者在給定產出水平的條件下投入最小化的能力；而規模效率是指在要素價格一定的前提下，實現投入產出要素。通過對17個城市技術效率和規模效率的比較，研究其工業用電效率的來源。

表3 8年間平均工業增加值排名前八和后九市的效率值

圖2 8年間平均工業增加值排名前八和后九市的效率值

從圖2中可以看出，除了蚌埠和池州市之外，其余15個城市的用電效率和技術效率同步變化，這說明當這15個城市的工業技術水平和管理水平提高時，工業企業的用電效率也隨之提高。

圖中除了黃山市和池州市，其他城市技術效率均低于規模效率。池州市技術效率已經趨向最優，而規模效率只有0.6左右，說明池州市亟須通過擴大投入規模來推進工業經濟發展。黃山市工業用電效率達到0.93，這說明有的工業欠發達城市在電力資源利用方面反而顯得更加理性，這一點很值得廣大工業發達城市學習和借鑒。

在17個城市中，淮南、淮北、阜陽、宿州以及亳州技術效率最低，說明這5個城市迫切需要通過加大技術投入力度來擺脫粗放型經濟發展模式，提高電力能源使用效率。

在排名前八的市中，隨著工業增加值的減少，其規模效率略有增長，這說明工業發達的城市，其規模效應已經得到充分發揮，且處在規模報酬遞減階段，需要通過改變工業產業結構、提高技術水平以及改善投入要素質量等方法推進工業經濟發展。

在排名后九的城市中，隨著工業增加值的減少，其規模效率呈現下降趨勢，這說明工業欠發達的城市，其產業規模效應還未完全釋放，可以通過擴大投入規模或推動產業集群來實現效率的提高。

三、2004-2011年安徽省工業用電效率影響因素分析

1.Tobit回歸模型

從DEA分析結果可以看到，工業用電效率值是介于0-1之間的，而Tobit回歸模型就是用于被解釋變量受限制時的一種模型。Tobit模型公式如下：

其中，Y是第j個市的工業用電效率值，β是待估計系數向量，Xj是該市工業的影響因素向量，εi是隨機擾動項，Y*j是潛在工業用電效率，服從正態分布，當 0＜Y*j≤1 時，Yj=LSE*j，表示可觀測到的工業用電效率值，否則表示無法觀測到。

2.影響因素設定

上文利用DEA的BC2模型，分別對安徽省17個主要城市2004-2011年工業用電效率進行分析，結果表明各主要城市工業用電規模效率已趨向最優，技術效率則需要通過改變產業結構、提高技術水平以及改善要素投入質量等方法進行提高。

一般認為，對外開放度、要素流動、產業結構變動、經濟發展水平、能源消費結構、資源稟賦等要素會影響能源效率。然而史丹、李金隆的研究認為，產業結構是影響能源效率的主要因素，但是其影響隨著時代的發展對能源效率的作用正在逐漸削弱[12]。李廉水等通過對工業部門35個行業能源效率進行研究后發現，1993-2003年間，技術進步對中國工業增長作用十分有限，但從長遠角度來看，依靠科技進步提高能源效率應成為主要努力方向[13]。

結合電力效率問題，從對外開放度、政府財政支出力度、節電意識、科技水平等方面來考察對電力消費效率的影響，因而可以設計如下回歸模型：

其中，efficiency表示工業電力效率，open表示對外開放度，在此我們用城市出口總額占GDP比重度量(與進口相比，出口對于工業用電的影響更大，因而本研究選取出口總額而不是進出口總額作為度量指標)；ep為人均工業用電量，人均用電量越低，說明節電意識越強；finance表示政府支出占GDP比重，比重越大，表明政府對公共設施、基礎設施建設力度越強；science代表科技水平，由于《安徽省統計年鑒》中缺乏2004-2010年各市大中型企業R&D支出數據，因此本研究用科技支出占財政支出比重表示。

最終本研究采用用電效率為因變量，出口額占GDP比重（%）、人均用電量（千瓦時）、財政支出占GDP比重（%）以及科技支出占財政支出比重（%）為自變量，基于安徽省17個主要城市2004-2011各變量的面板數據建立回歸模型。

3.實證結果及分析

本研究使用Stata軟件，基于面板數據，最終采用Tobit模型來進行回歸，模型結果如表5。

表4 工業用電效率影響因素回歸結果

從表4中可以看到，四個影響因素p值為0，均小于0.05，說明這四個因素對工業用電效率影響顯著。其中：

（1）對外開放對工業用電使用效率的影響為正，且通過顯著性檢驗，出口每增長1%，用電效率則上升1.12%。說明隨著我國國際地位的不斷提升，我國低能耗產品在總出口中的比重越來越高，高能耗產品在總出口中的比重趨于下降，對外貿易結構發生了重大變化。這一點與宋馬林等在中國電力能源影響因素分析中的結論類似[13]。

（2）人均用電量系數為負，表示隨著人均用電量的提升，用電效率呈下降趨勢。人均用電量越低，意味著節電意識越高，節電意識影響著用電主體對電力資源的使用態度，節電意識越強，用電效率也就越高。

財政支出占比系數為正，財政支出占GDP比重每上升1%，工業用電效率上升2.93%。前文假設財政支出占比越高，用電效率越低，這與高雪蓮財政支出會降低能源效率結論相反。主要原因上筆者認為財政支出用于公共事業、基礎設施建設的部分對工業經濟的發展起著正向作用。

科技支出占財政支出比重系數為正，科技投入每上升1%，工業用電效率上升6.4%。工業企業通過技術進步提升了競爭優勢從而有利能源效率的提高。這一結論與段文斌、余泳澤的研究結論類似。其在對我國35個工業行業面板數據分析過程中，認為科技進步對能源效率的提升具有顯著作用[14]。安徽省2011年大中型工業企業R&D內部經費支出為131.57億元，比2010年上漲26.48%，可以明顯看到安徽省工業發展過程中科技投入越來越大[15]。

四、結論及政策建議

1.主要研究結論

本研究通過DEA以及Tobit回歸模型對安徽省17個主要城市2004-2011年工業用電效率及影響因素進行分析，得出以下結論：

（1）安徽省自2004年以來，工業用電效率一直處在穩步增長中，但仍未達到效率最優，其中規模效率高于純技術效率，說明安徽省工業經濟發展仍主要倚靠規模擴張。但從長遠來看，純技術效率增長趨勢將超越規模效率，技術將成為推動安徽省工業經濟發展的新動力。

（2）工業增加值與用電效率并不存在顯著關系，高工業增加值的背后可能存在嚴重的能源浪費。但研究發現，工業增加值與規模效率存在一定的相關性，在產出不同的城市中，這種相關性呈現出反向變化。在工業發達城市，隨著工業增加值的減少，規模效率呈上升趨勢；在工業欠發達城市，隨著工業增加值的減少，規模效率呈下降趨勢。

（3）在對17個城市工業用電效率進行分解中，發現安徽省部分城市，如淮南、淮北、阜陽、宿州以及亳州純技術效率較低，從而拉低了其用電效率，說明這5個城市迫切需要通過加大技術投入力度來擺脫粗放型經濟發展模式，提高電力能源使用效率。而池州市用電效率較低是因為其規模效率處于17個城市中最低，表明池州市仍需通過擴大投入規模來實現產出的大幅增長。

（4)通過tobit回歸模型對安徽省2004-2011年17個主要城市工業用電效率影響因素及進行分析，結果表明對外開放、節電意識、政府財政支出以及科技水平對工業用電效率均有顯著性影響。其中人均用電量系數為負，即人均用電量最高，用電效率越低。

2.政策建議

(1)節能減排政策要從影響各市工業用電效率因素出發

例如，工業經濟較為發達的城市，要從提升技術效率的角度出發，通過提高科技水平、設備能源使用效率等方法節約能源。而工業經濟欠發達的城市要從規模經濟的角度出發，通過發展規模以上工業企業、加大政府對工業基礎設施建設支出等方式提高工業經濟產出，從而提升電力資源使用效率。

(2)節能減排政策要立足于各市工業產業結構和工業經濟發展階段

例如銅陵市經濟外向度較高，出口貿易決定著其經濟增長，因此銅陵市應從提高出口產品附加值的角度提升用電效率。而馬鞍山市作為鋼鐵城市，資源依賴性強，要著重發展電子信息、設備制造等低能耗產業。

(3)節能要從個人做起，切實加強對企業職工節電意識的宣傳和教育，從根本上轉變職工對節能減排重任事不關己的態度。

［1］Jin-Li Hu,Shih-Chuan Wang.Total Factor Energy Efficiency of Regions in China[J].Energy Policy,2006,34(17):3206-3217.

［2］Az adeha,Amalinckm.S,Ghaderisf.An Integrated DEA PCA Numerical Taxonomy Approach for Energy Efficiency Assessment and Consumption Optimization in Energy Intensive Manufacturing Sectors[J].Energy Policy,2007,35(7):3792-3808.

［3］吳琦,武春友.基于超效率DEA的能源效率評價模型研究[J].管理學報,2009,22(1):103-112.

［4］徐國泉,劉則淵.1998-2005年中國八大經濟區域全要素能源效率——基于省際面板數據的分析[J].中國科技論壇,2007,(7):68-73.

［5］蔣金荷.提高能源效率與經濟結構調整的策略分析[J].數量經濟技術經濟研究,2004,(10):16-23.

［6］史丹.中國能源效率地區差異與節能潛力分析[J].中國工業經濟,2006,(10):49-58.

［7］魏楚,沈滿洪.能源效率及影響因素基于DEA實證分析[J].管理世界,2007,(8):66-76.

［8］高振宇,王益.我國能源生產率的地區劃分及影響因素分析[J].數量經濟技術經濟研究,2006,(9):46-57.

［9］馬海良,黃德春,姚惠澤.中國三大經濟區域全要素能源效率研究——基于超效率DEA模型和Malmquist指數[J].人口資源與環境,2011,21(11):38-43.

［10］高雪蓮.中國各區域城市工業用電效率的分解與比較[J].統計與決策.2010,(12):106-110.

［11］李廉水,周勇.技術進步能提高能源效率嗎——基于中國工業部門的實證檢驗[J].管理世界,2006,(10):82-89.

［12］史丹,張金隆.產業結構變動對能源消費的影響[J].經濟理論與經濟管理,2003,(8):30-32.

［13］曹秀芬,楊桂元,宋馬林.中國電力能源效率影響因素研究[J].科學決策,2011,(11):76-93.

［14］段文斌,余泳澤.全要素生產率增長有利于提升我國能源效率嗎?[J].產業經濟研究,2011,(4):78-88.

［15］安徽省統計局.安徽統計年鑒2012[Z].北京：中國統計出版社,2012.