風電產業技術效率及其影響因素分析

魏詠梅，檀勤良，2，張 充，鄧艷明，劉 媛

(1.華北電力大學經濟與管理學院，北京 102206；2.北京能源發展研究基地，北京 102206)

風電產業技術效率及其影響因素分析

魏詠梅1，檀勤良1，2，張 充1，鄧艷明1，劉 媛1

(1.華北電力大學經濟與管理學院，北京 102206；2.北京能源發展研究基地，北京 102206)

基于2007—2012年滬深兩市22家風電產業上市公司的數據，運用DEA-Tobit方法對我國風電產業的技術效率及其影響因素進行實證分析，結果表明:風電產業技術效率整體水平并不理想，大部分企業處于規模報酬遞減階段，資源整合效果不佳。在影響技術效率演化的重要因素中，R＆D投入和凈資產報酬率對技術效率、純技術效率、規模效率均產生顯著正影響；技術人員數量對規模效率和技術效率起正向作用；資產負債率對規模效率和技術效率起顯著的反向作用；股權集中度對純技術效率和技術效率產生積極影響。

風電產業；數據包絡分析；技術效率；Tobit回歸

1 引言

針對風電產業績效評價問題，主要的研究成果有:施衛東、金鑫運用DEA-Malmquist指數等對風電上市公司的全要素生產率指數、技術效率進行估計與分解，得到中國風電產業技術起點相對較低，但成長速度較快的結論[1]。楊博文等采用DEA的非參數方法研究了風電企業的財務績效[2]。梁樹廣等測算了風電上市公司的技術效率，并構建面板模型對股權結構與技術效率之間的關系進行分析[3]。李永來運用DEA模型對上市公司績效進行評價，發現電力上市公司的效率尚有較大提升空間[4]。本研究基于以2007—2012年22家風電產業上市公司為樣本，對中國風電技術效率及其影響因素進行定量分析，以便為風電產業的技術戰略制定提供科學依據。

2 風電產業技術效率測度與分析

2.1 DEA模型

對于風電產業上市公司來說，規模大小對技術效率的影響是存在的，假設規模效益不變缺乏現實操作性，因此本文選用BCC投入導向模型。根據對偶理論中的松弛理論，假設有n個同類型決策單元，i種投入變量，k種產出變量，BCC模型可構建為:

式中，λj代表第j個決策單元的權重，p、q分別代表第p種投入指標和第q種產出指標。代表第p個投入指標的冗余量，代表第q種產出指標的不足量。當＝0、＝0且θ＝1時，同類決策單元為DEA有效，說明企業在技術效率達到前沿面。當≠0或≠0且θ＝1時，同類型決策單元的DEA為弱有效。在這種情況下保持投入或產出不變的前提下，相對應的變量仍有可調控的空間。當θ＜1時，決策單元的DEA為無效，各種效率都未達到前沿面。

2.2 指標與數據

結合風電產業上市公司特點，選取營業收入、利潤總額和每股收益作為產出指標；以總資產、職工人數、營業成本和期間費用作為投入指標，其中期間費用是管理費用、銷售費用與財務費用的合計。考慮到樣本數據的客觀性、可獲性和可比性，選取滬深兩市2007—2012年22家風電產業上市公司為樣本，全部數據均來源于上市公司年報。

2.3 風電上市公司效率測度

基于BCC投入導向模型，運用DEAP2.1軟件，對22家風電產業上市公司的技術效率、純技術效率以及規模效率進行測算，實證結果如表1和表2所示。

2.4 結果分析與討論

(1)從總體上，中國風電產業的技術效率并不理想。首先，2007—2012年間平均技術效率和平均規模效率分別有20家公司未達到DEA有效，占全部樣本總數的90.9%；平均純技術效率雖然表現略好，但是未達到DEA有效的樣本比例也達到了77.27%。從各年度效率指標分布狀況看，技術效率和規模效率指標的分布狀態趨同，技術效率在2010年和2012年達到峰值，達到有效的企業數量占樣本總數的比例達到36.36%；然而表現最差的2008年弱DEA有效的樣本比例達到77.27%。這種現象與中國風電產業發展歷程高度吻合，2008年我國風電產業剛剛進入快速發展時期，產業體系尚未健全、產能盲目擴張、核心技術比較缺乏、產業鏈對外依賴嚴重，因此，樣本企業在這個階段整體技術效率表現不佳。2010年開始，在強大市場需求的拉動下，中國風電產業技術水平迅速提高，零部件國產化率大幅提升，葉片、齒輪箱、發電機、變槳偏航系統、塔架、主軸等主要零部件逐漸實現國產化，生產體系初具規模。特別是在2012年中國陸續出臺一系列扶持風電產業的利好政策，推動風電產業進一步壯大，促進風電產業技術進步。純技術效率指標的DEA有效樣本比例一直保持在50%以上，遠遠高于技術效率和規模效率的平均水平，這表明中國風電產業發展過程中，技術研發體系已經初步建立，產業技術水平真正得到提升，特別是在超低速風機、6MW風機和海上風電等前沿技術領域不斷取得突破，逐漸實現從 “中國制造”到 “中國創造”的轉變。

表1 2007—2012年技術效率及純技術效率

(2)從效率指標的波動趨勢看，2007—2012年期間，技術效率呈上升趨勢，只有2012年期間略有下降，這表明中國風電產業技術一直穩定而持續發展，特別是其演化趨勢與規模效率高度吻合，這表明資本投入和產業規模擴張仍然是中國風電產業技術效率的主要增長動力。

值得注意的是，風電產業純技術效率指標的波動趨勢一直比較平緩，經歷2008—2010年3年穩定發展期后，2011年開始有所下滑，這說明:第一，中國風電產業發展初期所具備的“后發優勢”紅利已經逐漸消失，技術門檻不高的零部件實現國產化之后，在控制系統、精密軸承、變流器等關鍵零部件和核心技術研發方面仍然舉步維艱。第二，中國風電產業規模擴張對于技術提升的推動作用逐漸弱化，在出口困境和產能過剩的雙重壓力下，單純依靠企業研發投入的模式已經難以為繼，純技術效率出現徘徊甚至下滑。

表2 2007—2012年規模效率及狀態

(3)從典型企業的比較來看，不同樣本的效率指標差異明顯。首先，寶新能源和匯通能源一直保持DEA有效，整體技術效率表現優異，通過深入分析不難發現兩家企業技術效率較高的共性原因在于兩個方面:一是專注于核心業務。以寶信能源為例，公司已經逐漸從房地產領域開始收縮經營，將更多精力集中于新能源發電，加快風電場的建設。二是充分利用資源優勢。兩家公司均認識到風能資源是風電企業發展的重要基礎，因此在風能資源豐富的內蒙古等地著力布局，有效將區位優勢和資源優勢轉化為經營績效。比較而言，銀星能源、湘電股份、中航重機等企業在2007—2012年期間的效率指標表現不佳，技術效率、純技術效率和規模效率幾乎從未實現DEA有效。深入分析中國風電企業技術創新現狀，不難發現當前技術效率指標表現不佳的主要原因可能在于三個方面:①創新意識不夠強。良好的創新意識越來越成為技術創新的前提和基礎。企業無疑是技術創新的主體，也是創新意識的孵化器，但是縱觀我國風電企業，真正具有良好創新意識的寥寥無幾。特別是一些在風電經營規模上具有明顯優勢的 “國”字頭企業，對于創新驅動的發展模式認識不足，對于突破風電產業主要技術難題興趣并不明顯。②創新投入不足。從中國風電產業發展看，規模龐大的龍頭企業更多關注的是企業的主營業務或傳統領域，對于風電這類新能源電力更多是向生產領域進行投資，而對研發領域的投入強度不足；中國風電產業總體面臨創新投入不充足的問題，行業平均R＆D投入占銷售收入的比重大約1.85%，遠低于國外先進企業8%左右的投入強度。③創新能力不夠。真正有較高難度的核心技術領域仍然未能取得突破性進展，導致這種局面的主要原因在于中國企業的創新能力與國外存在較大差距。主要表現在兩個方面:第一，高水平的技術人才仍然缺乏。大多數企業的人才隊伍結構善于開展實際作業，而原始創新能力偏弱。第二，技術管理能力仍然欠缺。以銀星能源為例，該企業面向風電和太陽能發電領域開展從設備制造到發電場運營的雙產業鏈經營模式，其技術效率一直表現不佳的重要原因可能在于技術管理邊界超過了企業能力范疇。

3 風電產業技術效率的影響因素分析

3.1 因素選取

在借鑒先前研究基礎上[5－12]，本文選取三類影響因素指標:第一，企業經營狀況指標，包括資產負債率和凈資產周轉率；第二，企業性質指標，主要是股權結構；第三，企業R＆D指標，包括技術人員數量、R＆D經費投入。所有數據均來自于上市公司年報，考慮到R＆D投入的作用滯后性質，我們按照目前學術界的常用做法，對企業R＆D指標進行了1年的滯后處理。

3.2 Tobit模型

Tobit模型是對部分離散和部分連續分布的因變量的一種模型。其模型的基本形式為:

ui∈N(0，σ2)，βT為未知參數。因為DEA方法得到的效率指數受到因變量的影響，如果直接采用最小二乘進行估計得到的參數結果可能有偏差。因此本文在進行DEA分析的基礎上采用Tobit進行回歸分析。

本文根據解釋變量和被解釋變量之間的關系，構建Tobit回歸分析模型。模型如下:

其中，i＝1，2，…，yi表示技術效率、純技術效率和規模效率，x1表示資產負債率，x2為股權結構，x3為凈資產報酬率，x4為技術人員數量，x5為企業R＆D投入。

3.3 結果分析與討論

依據方程 (3)，用Eviews軟件求得效率回歸結果如表3所示。

依據計算結果，我們可以做如下分析:

(1)從企業經營狀況指標的計算結果看:首先，資產負債率指標對于企業技術效率和規模效率具有比較顯著的負效應，對于純技術效率影響不顯著。這表明負債是企業技術進步的一種制約因素，不僅由于企業財務負擔加重，直接導致企業減少研發投入；而且由于企業悲觀預期，會間接弱化企業的創新熱情。其次，凈資產報酬率指標對企業的技術效率、規模效率產生顯著正效應，但是對于純技術效率的正向作用偏弱。這表明我國當前風電企業的盈利狀況和預期對于創新活動的影響主要表現在加速規模擴張和直接采購技術為主，對于自主創新活動并不具有顯著推動作用，特別是在中國風電行業技術創新體系尚未健全的條件下，盈利企業會通過投資擴大風場規模、采購整機及配套技術直接提高企業的技術水平，而將利潤分配到投資回收期較長、不確定性明顯的原始創新活動可能成為企業的次優選擇。

(2)股權結構反映企業所有權等方面的重要性質，從計算結果我們不難發現，股權結構對于技術效率和純技術效率產生比較顯著的正效應，而對規模效率作用不明顯。這表明企業股權集中程度越高，創新決策越有效率，更傾向于做出加強研發活動的戰略選擇，更有可能產生創新性成果。反之，若股權集中度較低，可能在決策過程中面臨更多博弈和制約，從而導致低效率的創新決策，不利于企業有效把握市場機會。

(3)技術人員數量和R＆D投入指標的計算結果顯示，兩個指標均對技術效率產生正向作用。比較而言R＆D經費投入的正向效應系數更大，說明持續的經費投入確實是企業技術進步的重要動力。值得注意的是，技術人員數量對于技術效率和規模效率產生的正向作用非常微弱，對于純技術效率的作用則不顯著。這與我們調研中發現的兩方面問題非常吻合:第一，企業招聘的比較優秀的高學歷人才一般都需要下放到基層風場運營一線，在技術人才上升通道缺乏的情況下，雖然企業招聘的人才數量不少，但是真正發揮作用、能夠脫穎而出的優秀技術骨干并不多，人才在企業中利用的效率并不理想。第二，企業的研發團隊整體技術水平并不理想，未能充分滿足當前風電企業技術創新的能力要求，特別是在一些大型企業和國有企業中，人浮于事、效率低下的現象尚未完全杜絕。

表3 效率回歸結果

4 結論與建議

實證研究發現，中國風電產業上市公司效率整體水平尚不理想，位于有效前沿面的企業比重低，規模無效的企業大部分處于規模報酬遞減階段。通過分析可以看出導致效率較低的主要原因在于現階段技術進步仍然依靠規模擴張和直接購買，企業的原始創新意識不強、自主創新能力不足，特別是在關鍵器件和核心技術的研發方面面臨困境。通過采用Tobit回歸方法分析效率指標的影響因素，我們發現R＆D投資和凈資產報酬率對純技術效率、規模效率、技術效率均產生顯著正影響；資產負債率對規模效率和技術效率起顯著的反向作用；股權集中度對純技術效率和技術效率產生積極影響。技術人員數量對規模效率和技術效率起正向作用。

(1)企業應樹立自主創新意識。企業自主創新意識是企業提高創新能力、在風電領域關鍵技術取得突破的重要前提，風電企業應該正視現有的技術差距，錨定技術創新的關鍵科學和技術問題，持續推動創新體系建設，對構建創新驅動發展模式的重要性和必要性給予足夠重視。

(2)企業應加快構建自主創新體系。第一，穩步增加創新投入。建議在未來5～10年的周期中，穩步提高創新投入在企業銷售收入中的比例，逐漸縮小中國企業與國際先進企業之間在創新投入方面的差距。第二，進一步提高企業研發團隊的創新水平。未來企業要想在風電技術領域獲得更多市場話語權，就有必要廣納國內外有實績的高水平技術人才，通過人才戰略實現技術突破。在外部引進人才的同時，注重內部優秀人才的培養和挖掘。

(3)開展國家層面的專項技術攻關。調動、整合國家創新體系中的優勢資源和頂尖人才，在國家重大專項或國家科技攻關計劃中以 “超級科技計劃”的方式，在3～5年的周期內對風電產業內的重大科學問題進行持續投入。這一方面增加了風電產業研發投入總量，為風電產業提高技術水平奠定基礎；另一方面也是對企業研發投入的引導和激勵，有利于吸引社會資金集中進入風電產業技術攻關領域。在這類重大專項工程中，應該著力推動產學研合作，實現企業和科研院所的優勢互補；并在選擇科研團隊的過程中，考慮團隊的技術效率評價結果和前期工作基礎，將資金向科研成果豐富、技術效率持續改進的創新型企業傾斜，切實提高專項經費的使用效率，真正使科研經費投入見到實效。

[1]施衛東，金鑫.中國風電產業生產率增長、效率改進與技術進步—基于風電上市公司財務數據的實證分析[J].經濟管理，2011，(4):61－67.

[2]楊博文，張天，陳麗壯.中國風電上市公司財務績效評價研究[J].稅務與經濟，2012，(1):63－67.

[3]梁樹廣，崔健，袁見.我國電力行業上市公司的股權結構與技術效率關系—基于超效率DEA模型和面板模型[J].上海立信會計學院學報，2011，(4):78－86.

[4]李永來.市場化改革與電力行業效率:基于DEA的電力行業上市公司分析[J].當代經濟科學，2009，(1):59－64.

[5]陶鋒，郭建萬.電力體制轉型期發電行業的技術效率及其影響因素[J].中國工業經濟，2008，(1):68－76.

[6]姚偉鋒，何楓，馮宗憲.R＆D對中國產業技術效率的實證研究[J].科技管理研究，2005，25(1):38－40.

[7]韓清，朱平芳，郭蓉.企業技術效率的影響分析[J].統計研究，2011，28(10):66－75.

[8]趙玻，王連.我國汽車產業技術效率及其影響因素實證分析[J].生產力研究，2005，(12):157－159.

[9]范凌鈞，陳燕兒.R＆D對中國高技術產業技術效率的影響研究[J].研究與發展管理，2010，22(3):36－43.

[10]吉生保，周小柯，趙海斌.中國機械設備行業經營績效評價及影響因素—基于超效率DEA-Tobit模型[J].山西財經大學學報，2011，(1):64－71.

[11]吉生保，席艷玲，趙祥.中國農業上市公司績效評價—基于SORM-BCC超效率模型和Malmquist的DEA-Tobit分析[J].農業技術經濟，2012，(3):114－127.

[12]袁勇.浙江省高新技術企業技術創新效率與影響因素研究[D].浙江工業大學，2012.

(責任編輯 譚果林)

Technical Efficiency of W ind Power Industry and Its Influencing Factors Based on DEA-Tobit M odel

Wei Yongmei1，Tan Qinliang1，2，Zhang Chong1，Deng Yanming1，Liu Yuan1
(1.School of Economics and Management，North China Electric Power University，Beijing 102206，China；2.Research Center for Beijing Energy Development，Beijing 102206，China)

Based on the data of22 listed wind power companies in the Shanghai Stock Exchange and the Shenzhen Stock Exchange from 2007 to 2012，the paper used the DEA-Tobit approach to take the empirical analysis on the technical efficiency of China'swind power industry and its influencing factors.Firstly，the overall levelof China'swind power industry is not ideal.Mostenterprises are in the stage of decreasing returns to scale.And the resource integration is ineffective.Secondly，among the important factors of influencing the technical efficiency evolution，the R＆D investment and the return ratio of net assets have the significant positive impact on technical efficiency，pure technical efficiency and scale efficiency.The number of technical personnel performs the positive effect on technical efficiency and scale efficiency.The debt-asset ratio negatively influences the technical efficiency and scale efficiency.And the influencing impact of the ownership concentration on pure technical efficiency and technical efficiency presents active and positive.

Wind power industry；DEA analysis；Technical efficiency；Tobit regression

F206

A

國家自然科學基金 (71373077)，教育部博士點基金項目 (20110036120013)，北京市哲學社會科學規劃重點項目 (11JGA010)，北京市共建項目(北京市新能源產業現狀與發展對策研究)。

2014－10－10

魏詠梅 (1969－)，女，四川人，華北電力大學副教授；研究方向:新能源產業發展，企業管理。