基于Malmquist—DEA方法我國風電行業運行效率分析

韓潔平+孫小園+張瀅鈺

摘 要：風電一種干凈的、儲存量極為豐富的可再生能源。它和存在于自然界中的礦物燃料，如煤、石油、天然氣等不同，它不會隨著其本身的轉化而減少。風力發電是可再生能源發電中增長速度最快、最有商業化前景的產業。為科學評價我國風電行業運行效率情況，選用Malmquist-DEA模型，選取能夠反應風電行業運行效率的投入、產出指標，運用該方法分析測算出風電行業運行效率，可以清楚知道風電行業在市場運作下成本情況，并對風電行業的發展提出相關的政策建議，對正在進行的新能源產業改革起到評估與指導作用。

關鍵詞：Malmquist-DEA模型 風電行業 運行效率 分析

中圖分類號：F062.4 文獻標識碼：A 文章編號：1672-3791（2014）11（a）-0002-02

風電一種干凈的、儲存量極為豐富的可再生能源。它和存在于自然界中的礦物燃料，如煤、石油、天然氣等不同，它不會隨著其本身的轉化而減少。風力發電是可再生能源發電中增長速度最快、最有商業化前景的產業。在眾多可再生能源中，風電因具有無法比擬優勢受到各國政府相關部門的大力支持，使全球風電行業得到了迅速發展。

1 理論與模型

該文選用Malmquist-DEA模型，對我國風電行業運行效率進行分析，選取能夠反映風電行業的投入、產出指標，對我國風電行業投入產出的有效性進行評價。

1.1 研究方法

（1）DEA模型。

DEA模型的構建：假設有n個決策單元DMU，利用m種輸入變量，得到s輸出變量輸入與輸出指標的選取標準是：輸入指標應包括所有的對產出有影響的因素，輸出指標應反映所有生產所能達到的有用結果。

（1）

式子中：為輸入指標，為輸出標量，為松弛變量，為剩余變量，為經濟運行的重要指標，稱之為固定規模報酬的技術效率（CRS）取值范圍在0～1之間。其經濟意義為：當=1時，且，時，DMU為DEA有效，決策單技術效率最佳。當=1時，且，時，決策單元為DEA弱有效。當<1時，且，時，決策單元為DEA無效，其中<1表示實際投入可以依的比例壓縮，表示在相同的產出水平下投入過多，表示在相同的投入下產出過少，均應按相應的數據予以改進才能達到DEA有效。

（2）Malmquist指數方法。

從基于投入的Malmquis生產率指數出發，TFP可以表示如公式，其中（，）（，）分別表示s時期和t時期的投入和產出向量，和表示以s時期和t時期的技術為參照的距離函數。

Ech和Tch分別表示t時期相對于s時期技術效率和技術進步效率的變化。當技術為不變規模報酬時，Ech可在分解為純技術效率Tech和規模效率Sech。而TFP指數可分解為技術進步效率Tch、純技術效率Tech和規模效率Sech的乘積。

2 風電行業運行效率計算結果及分析

該文輸入指標有：（1）風電裝機容量：指風電場發電容量。（2）風機臺數：各省份風力發電機組臺數。輸出指標有：①發電量：風力發電機進行能量轉換產出的電能數量，發電量的計量單位為千瓦時。根據中國風電協會、中國機電數據網、國家統計局、中國統計年鑒相關數據整理得出2008-2012年我國風電行業投入產出數據。計算得出結果如表1所示。縱觀2008—2012年我國風電行業Malmquist指數的變化，結果顯示出中國風電行業全要素生產率（TFP）在2010—2011年期間增加0.58%。從增長階段來看，全要素生產率有比較明顯的波動特征，分別在2009—2010、2011—2012期間表現出較強的增長趨勢，而在2010—2011年期間運行效率明顯下降，說明風電運行情況在一定程度上的不穩定性。當國家政策形勢有利于風電行業發展時，整個風電行業表現出相當穩定的增長，當國家政策形式不利時，風電行業表現出強烈的震蕩。

根據Malmquist生產力指數，我們進一步將TFP變動分解成技術效率和技術進步，以找出它們各自的變動對全要素生產率變動的影響。技術效率的概念是Farell在1957年提出來的，他所指的技術效率是指在給定一組投入要素不變的情況下，一個企業的實際產出同一個假設同樣投入情況下的最大產出之比，因而技術效率是一個相對的概念。從全要素生產率分解因素來看，我國風電行業全要素生產率（TFP）主要得益于技術進步水平的提高，其平均增長率為0.72%；而同期技術效率則為正增長，其平均增長率為1.055%。從最終的估計結果來看，我國風電行業技術效率方面是上升的，且技術進步是推動我國風電行業全要素生產率增長的主要動力，風電行業 TFP對技術進步的依賴性是顯而易見的。

為了再一次更加清楚比較中國風電行業TFP變動的差異，我們挑選出具有代表性的14個省份地區，結果如表2所示。

（1）技術進步變化分析：除河北省、吉林省、黑龍江省、山東省、上海省之外，其余9個省份都大于1，表明整個風電行業技術水平都有所提升，平均值是1.055%，技術效率提升同時增強風電行業生產率的提高。

（2）純技術效率變化分析：除了遼寧、吉林、黑龍江、山東省純技術效率沒有達到1，其他省份純技術進步效率變化均不小于1，表明大部分省份技術效率水平處于不斷上升的態勢，沒有出現技術使用效率降低的情況。

3 結語

該文是運用數據包絡分析方法對我國風電行業運行效率進行評價，通過前文的計算和分析可以得出以下結論。

第一，通過DEA方法分地區對我國風電行業的效率水平進行了分析，在被考察的14個省份中只有9個地區到達DEA有效，除了9個有效的地區外，其余5個決策單元都處在規模收益遞增區間，與最優規模之間存在差距，通過對非有效決策單元進行投影分析，有利于各地區風電行業針對自身實際情況來制定相關的產業政策。

第二，DEA對于風電行業運行效率的評價是從多方面多角度進行的，通過DEA模型求解與相關分析，不僅可以判斷出風電行業對應的投入產出量是否位于有效生產前沿面上，，而且還可以對那些未達到有效的地區分析原因，找出影響運行效率的因素并提供改進的方向，使其城市資源利用率達到最佳，因此相對于單一的評價方法而言，評價的結果有一定的可信度。

參考文獻

[1] 馬占新，馬生均，包斯琴高娃.數據包絡分析及其應用案例[M].北京：科技出版社，2013.

[2] 孫鵬.基于DEA方法的我國電力行業效率分析[D].遼寧：東北大學，2008.

[3] 孫廣生.全要素生產率、投入替代與地區間的能源效率[J].經濟研究，2012（9）：99-112.

[4] 黃健柏，湯春效.DEA方法在經濟運行效率評價中的應用研究[J].全國商情：經濟理論研究，2008（16）：30-31，53.

[5] 張經文，蒲春玲，凌長青.基于DEA的風力發電場管理效率評價[J].長江大學學報，2008（4）：149-151.endprint