中國電力系統環境效率研究：考慮松弛變量的網絡DEA視角

中國電力系統環境效率研究：考慮松弛變量的網絡DEA視角

鄧英芝

(天津大學管理與經濟學部，天津300072)

摘要：電力系統的環境效率變化直接影響中國節能減排目標的實現，文章采用基于松弛變量的網絡數據包絡分析模型(slack based measure-network data envelopment analysis：SBM-NDEA)研究30個省級行政區域(未包括港澳臺和西藏)電力系統環境效率變動情況。通過對運算結果的分析發現：由于考慮了發電部門和輸配部門間的競爭合作關系，SBM-NDEA模型結果的區分度更高，比傳統模型更適用于電力系統效率評價；是否將上網電量作為輸入對評價結果影響很大；加強對中西部電力輸出地區的轉移支付，有利于實現電力系統的調度優化。

關鍵詞：非理想產出；網絡DEA模型，電力系統；環境效率

收稿日期：2015-07-15修回日期：2015-10-20

基金項目：國家自然科學基金項目(71373172，71003072)；國家發改委清潔發展機制基金項目(2012023)；住房與城鄉建設部項目(11-R1-338)

作者簡介：鄧英芝(1979-)，女，山東聊城人，天津大學管理與經濟學部講師，碩士，研究方向：信息管理與信息系統，能源政策與管理。

中圖分類號：F224.7

文獻標識碼：A

文章編號：1002-9753(2015)11-0145-10

Abstract：The environmental efficiency ofChina’s power system is very important for achieving its energy saving and carbon emission reduction goals.This study employs a two-stage slack-based measure-network data envelopment analysis (SBM-NDEA)model to evaluate the environmental efficiencies of China’s power systems and the effects of related policy reforms.Thirty provincial administrative regions (PARs)are taken as decision making units (Taiwan，Hong Kong，Maocao and Tibet are not included due to data availability).The empirical analysis reach the following conclusions.First，compared with the traditional SBM-DEA，the network model does better in evaluating the environmental efficiency of the power systems as it can take the cooperation and competitive situation between generation and grid division into consideration.Second，whether on-grid power is taken as inputs will greatly affect the efficiency results.Finally，to strengthen the financial payment transfer policies for Midwest regions will help to optimize the national power dispatch.

Environmental Efficiency Evaluation on China’s Power Systems：

Perspective of Slack Based Network DEA

DENG Ying-zhi

(CollegeofManagementandEconomics，TianjinUniversity，Tianjin300072,China)

Key words:Undesirable outputs；slack based measure；power systems；network DEA；environmental efficiency.

一、 引言

中國政府在2009年底的哥本哈根氣候峰會上提出了2020年單位GDP碳排放要在2005年基礎上下降40%～45%的目標；并于2014年中美氣候變化峰會期間進一步做出2030年左右二氧化碳排放總量達到峰值且將努力早日達峰的承諾。要實現這一宏偉目標，需要各行業的統籌安排。電力系統占中國碳排放總量的49%[1]，是產生碳排放最多的生產部門，且隨著現代化程度的提高，經濟發展對電力的依賴將越來越大，預計電力系統造成的碳排放將會進一步增長。提高電力部門的生產效率，減少電力系統排放，是實現這一目標不可或缺的重要環節。

電力系統是包含發、輸、配、售等多個環節的縱向一體化系統，在中國分別由發電企業和電網公司經營。電力生產過程中會產生二氧化碳，輸配過程中產生線路損耗。要提高電力系統環境效率，減少碳排放，需要綜合考慮能源結構、技術水平、經濟發展與電力管理體制等多方面因素。近年來，中國的電力事業發展迅速，技術水平不斷提高。6000KW以上供電標準煤耗已從2000年的389g/KWh降低到2012年的326g/KWh；同期輸配網絡線路損失率從7.70%降低到6.50%[2]。因此，在考慮非理想產出的情況下，如何科學評價電力系統環境效率，進而對其整體發展進行優化調整，是影響我國未來節能減排工作的重要課題。

本文采用兩階段均含有非理想產出、第二階段含有新增投入變量的考慮松弛變量的網絡數據包絡分析方法(slack based measure-network data envelopment analysis：SBM-NDEA)模型，以30個省市區為決策單元，實證分析2001—2010年的電力系統運行情況，研究促進電力系統環境效率提高的影響因素，提出激勵發電部門積極生產，輸配部門減少損耗，消費部門減少電力浪費，推進電力體制改革的政策建議。

二、文獻綜述

由于無需提前確定投入產出指標間的關系，非參數的數據包絡分析(Data Envelopment Ana-lysis，DEA)方法在能源與環境領域的效率評價中得到了廣泛應用[3]。F?re等最早采用DEA方法進行電力系統效率研究，他采用基于徑向距離函數的DEA方法，在分別假設規模收益不變與規模收益可變的情況下，研究了1975到1979年22家美國伊利諾斯州發電企業的純技術效率、規模效率與投入要素擁擠情況[4]。Lam 和Shiu結合DEA與兩階段回歸分析法研究了1995到1996年中國各省、直轄市、自治區熱電部門的生產效率[5]。解百臣等采用了投入型Malmquist指數研究了我國不同省份發電部門的生產效率[6]。劉明磊等采用基于距離函數的DEA方法研究了我國不同省份的碳排放績效和邊際減排成本[7]。曲茜茜等和Wang等較早進行了發電部門的環境效率研究，將碳排放作為非理想產出分析了我國不同地區火電部門的生產效率[8]。趙曉麗等進一步分析了實施廠網改革政策對火電企業的影響[9]。

Weyman-Jones是最早開展電網公司效率研究的學者之一，研究了英格蘭與威爾士地區12家輸配公司的效率差異，分析了企業技術無效的原因及1980年放松管制對企業效率的影響，提出技術無效企業相應的效率改進措施及放松管制的改進機制[10]。Yu等采用兩階段成本DEA模型研究天氣變化對英國電網企業的效率影響時，將運營費用、顧客損失和電網損失等作為投入指標納入評價指標體系，發現這些因素將顯著影響企業效率[11]。?elen 認為電網公司的效率評價同發電企業一樣，不能只局限于靜態效率評價，還要考慮效率的動態變化[12]。Gouveia在電網公司的效率評價中納入了價值型指標[13]。

上述研究大多只研究發電企業或電網企業的生產效率，Nemoto和Goto采用動態DEA方法測算了含有近似固定投入變量時縱向一體化電力系統的生產效率[14]。Arocena對西班牙發電企業的研究發現：一體化經營和多樣化發電來源會帶來成本節約和效益提高，但企業規模過大卻往往導致管理效率低下，因而宜在保持一體化經營和范圍經濟的前提下對大型電力公司進行拆分[15]。Sueyoshi和Goto在研究電力企業生產效率過程中，將企業經濟效益考慮在內，發現經營效益、生產效率、企業價值的提高是相互促進的，放松管制后，一體化電力公司的協同效應并不明顯，主營業務單一的公司生產更有效[16]。Xie等的研究發現發電形式的差異不僅影響發電部門的環境效率，而且顯著影響一體化電力系統的效率[17]。Khalili-Damghani的研究也證明，發電部門和電網部門應統籌考慮，并探討了非理想產出的處理方式[18]。

當前中國電力體制下，發電部門與輸配部門隸屬于不同企業，兩部門間競爭與合作的關系直接影響電力系統整體效率。網絡DEA模型將上網電量視為中間變量，在發電部門與輸配部門的研究中分別考慮，克服了以往一體化電力系統評價中忽視系統內部因素影響的缺陷。環境DEA模型，不僅考慮生產效率，還考慮發電過程中的碳排放，以及輸配過程中的線路損耗等因素，與目前減緩氣候變化，促進可持續發展的指導思想一致；SBM-DEA模型能夠分析各投入指標的冗余和產出指標的提高空間，刻畫引致DEA無效的原因。本文有效結合3種模型優點，判斷引致不同省份電力系統效率差異的原因。基于松弛變量的網絡DEA模型的優點目前已經有很多文獻探討，并證實該方法適用于電力、銀行、醫療等多個領域[19]。但結合中國電力政策改革實踐，分析引致電力系統環境效率變化的分析少見報道，研究成果將能夠為電力系統政策改革提供有益的決策參考。

三、研究方法與數據獲取

(一)研究方法

傳統的DEA模型將決策單元的生產過程視為“黑箱”，只關注決策單元總的投入和產出，相當于認為不同部門之間是完全合作的，且能夠在最優狀態下生產。現有的電力管理體制下，發電部門與輸配部門隸屬于不同企業，這種假設過于理想化。

F?re和Grosskopf首先在DEA方法的研究中引入中間變量的概念[16]，試圖觀測決策單元生產過程中各部門間關系對生產效率的影響，并于2000年正式提出了網絡DEA模型概念[20]，分析該模型與以往動態DEA模型在內涵和求解方式上的不同。Kao等從不同的視角對網絡DEA進行研究，他們將具有兩階段特征企業的整體效率分解為其內部部門效率的乘積，從而計算出決策單元整體效率和部門效率值[21]。需要指出的是，前述模型都是建立在基于徑向距離函數基礎上，在線性規劃求解過程中忽略了投入與產出的松弛變量。Tsutsui和Goto認為投入產出數據基于徑向變化的假設過強，因此建立了基于松弛變量的網絡DEA模型[19]。Fukuyama 和Weber等將非理想產出的概念引入兩階段SBM-NDEA模型，并以2000—2006年日本銀行業的經營情況為例進行實證分析，發現是否引入非理想產出對效率評價值影響很大[22]。發電部門除了產生有效發電量這一中間變量外，還會產生碳排放、廠用電等非理想產出，輸配環節的輸入除了中間變量發電量外，還包括如輸配網絡的投入因素等。下面首先按照傳統的效率評價方法，采用含有非理想產出的SBM-DEA模型研究電力系統整體效率，然后提出與電力系統運行狀況相吻合的含有非理想產出的兩階段SBM-網絡DEA模型，對比分析網絡模型的特點與不同。

(二)單部門模型

對任一決策單元j，以xj,yj，uj表示發電部門N維投入、M維理想產出和L維非理想產出。只要進行電力生產和輸配，就不可避免的會產生碳排放、廠用電、線路損耗，也就意味著要想減少非理想產出，必須以減少理想產出為代價。若求解決策單元DMU(x0,u0,z0)的效率值，設定λ,s-,su-,s+分別為決策變量，參照Cooper 等的方法[23]，建立電力系統的SBM-DEA模型如下：

(1)

(DP’)max1-vx0-μuu0+μy0

(2)

其中，[1/x]，[1/u]，[1/y]分別表示列向量(1/x10,1/x20,…1/xN10)T，(1/u10,1/u20,…1/uL10)T和 (1/z10,1/z20,…1/zM0)T。對偶變量v∈RN,μu∈RL,μ∈RM可以理解為投入產出變量的價格，顯然，對于生產前沿面上的決策單元，效率值不小于0，當值為1時達到SBM有效。

(三)兩部門網絡DEA模型

(3)

(4)

四、實證分析

(一)數據

2001年，由于經濟快速發展，中國開始出現電力供需緊張的局面，這種趨勢一直持續到2009年才基本緩解。文章以中國30個省級行政區域電力系統為決策單元(由于數據收集困難，香港、澳門、西藏和臺灣未包括在內)，研究了2001到2010年期間電力系統效率變動情況。結合DEA模型指標設定的原則，投入指標為：裝機容量、勞動力、燃料、線路長度；理想產出為：終端用電量和服務區域；非理想產出為：碳排放量和損失電量*包括廠用電和線路損耗兩部分.。各指標具體定義與來源如表1所示。

表1　電力系統投入產出指標

(二)SBM-DEA 與 SBM-Network DEA結果對比分析

首先按照傳統效率評價方法，將電力系統作為整體，采用含有非理想產出的SBM-DEA模型計算效率值。然后將上網電量視為中間變量，未考慮各省市區間的電力調度的情況下，采用含有非理想產出的SBM-網絡DEA模型計算各決策單元效率值。由于目前中國并沒有針對二氧化碳排放采取直接懲罰性措施，也沒有針對電力輸出地區的制定相應的優惠政策，所建模型與現有電力管理體制基本吻合。兩模型的計算結果如表2所示。

從表2中可以看出，所有年份傳統模型效率值為1的決策單元的數量遠大于網絡DEA模型，且效率均值也大于網絡模型，這與以往的研究成果結果相同[22]。研究期間，傳統模型位于生產前沿面上的決策單元數量平均為6，占決策單元總數的20%，而SBM-NDEA模型下生產有效決策單元最多只有2個。進一步分析各年份決策單元效率最小值，發現所有年份網絡DEA模型效率的最小值都小于傳統模型。這說明，與傳統模型相比，網絡DEA模型具有更高的區分度。從研究期內決策單元效率均值來看，兩模型均波動不大，最大均值分別出現在電力供應緊張的2005年和供需基本平衡的2009年。標準差的分析也得出類似結果。電力系統的最佳運行狀態是供需平衡，供大于求和供應不足都不利于生產效率提高和節能減排，同樣表明網絡模型視角下的評價結果優于傳統模型。加之傳統模型未考慮中間變量，相當于假設發電部門與輸配部門是完全合作的，在兩者隸屬于不同公司的情況下，這種假設顯然過于牽強。綜合以上分析，網絡DEA模型效率評價結果優于傳統模型。

(三)電力自給情況影響分析

上述網絡DEA模型中盡管將發電部門與輸配部門分開考慮，但假定有效發電量全部進入本省輸配部門，支持當地經濟發展，這種假設與實際情況不符。若考慮各省份間的電力輸送，發電部門的投入產出指標仍直接采用年鑒中對應省份的值，輸配部門的投入產出指標采用如下方法折算[17]：

α=電網輸入量*包括本省生產的電力和外省市調入的電力./發電量

投入產出指標值調整后的值=年鑒中對應投入產出指標值/α

將各指標未經處理的情況定義為情形1，經過折算后的指標值對應的情況定義為情形2。分別采用含有非理想產出的SBM-網絡DEA模型計算。研究中遵循國家的分類，將30個省市區分為東中西三組，東部地區包括北京、福建、河北、遼寧、廣東、江蘇、山東、上海、天津、海南和浙江；中部地區包括安徽、河南、黑龍江、湖北、湖南、吉林、江西和山西；西部地區包括甘肅、廣西、貴州、內蒙、寧夏、青海、四川、陜西、新疆、云南、重慶等。圖1、圖2、圖3分別為兩種情形下東中西部地區效率均值與全國均值的對比情況。

通過圖1可以看出，情形1下東部省份所有年份效率值大于全國均值，且差值穩定在0.1左右。情形2下，除2002年外，東部省份效率均值依然都大于全國均值，但兩者之間的差距波動較大，從0.02到0.10不等。2002年正是“廠網分離”政策出臺年份，開始出現全國大范圍電力供應緊缺。這可以理解為，情形2下東部地區受電力供需形勢的影響變大，政策紅利變小。進一步分析發現，情形2下，東部省份有5年，全國則有7年效率均值高于情形1。這說明，情形2下總體上各地區間的效率差異變小，但這種趨勢在東部經濟發達地區并不明顯。

綜合圖1、圖2、圖3可以看出，情形2下，東中西部與全國效率均值的差距都小于情形1。這說明輸出指標進行調整后，地區之間的效率差異變小。另外，中、西部省份效率均值分別有10年和7年高于情形1，以中部地區為例，盡管情形2下其效率值仍低于全國均值，但平均差距從0.12縮小到0.07左右。電力系統改革的目標是在保證公平的情況下，激勵電力輸出地區多發電，滿足電力輸入省份的需求。情形1下，投入產出數據直接來源于統計年鑒，未考慮省份間的電力調度，發電環節的碳排放、廠用電等非理想產出都計入電力輸出省份，而輸配環節的終端用電量直接計入電力輸入省份。對電力輸入省份而言，相當于以較少的資源投入獲得較大產出，因而效率值較高；而對電力輸出省份，將眾多非理想產出留在本地，卻不能帶來經濟和社會效益，因而在評估中處于不利地位。多角度分析都說明，情形2下，由于經濟發展差異造成的地區差異對評價結果的影響減小，顯然更有利于激發電力輸出地區的發電積極性，實現全國電力供需的統籌安排和電力政策改革目標，比情形1更適合于未來的電力行業生產效率評價。

表2　SBM-DEA與SBM-NDEA模型結果對比分析

圖1　東部地區效率均值變動情況

圖2　中部地區效率均值變動情況

圖3　西部地區效率均值變動情況

(四)東中西部地區效率值差異分析

通過以上對電力自給情況影響的分析可以發現，將目前類似于情形1的電力系統運行狀況轉化為情形2將有利于電力系統整體效率的提高。圖4和圖5分別為情形2下東中西部地區效率均值和標準差變動情況。

通過圖4可以看出，幾乎所有年份東部地區效率均值都是最高的，甚至其效率值優勢有擴大的趨勢。研究初期，西部地區效率值與東部較為接近，但隨著時間的推移，與東部地區之間的差距擴大，愈來愈與中部地區的效率值趨同。

如圖5所示，幾乎整個研究期內中部地區效率值標準差一直是最低的；在研究初期，東部地區的標準差最大；隨著時間的推移，西部取代東部成為標準差最大的地區。理想狀態下，同類型省份效率值應差別不大。通過近年來的能源基地建設，西電東輸等工程，各省份原來各自電力生產自給自足的模式逐步打破，如今東部地區多為電力輸入地區或電力供給較為平衡的地區；西部省份多為自給自足省份或電力輸出地區；中部地區一直是我國西電東輸的主要通道，囊括了大部分電力生產基地，如山西、湖北等；研究期間在國家電力戰略規劃中的地位基本未變。東中西部地區環境效率標準差的變化趨勢與國家電力生產形勢的變化不謀而合，也印證了電力生產基地建設在一定程度上取得了成功，并已經反映到各省市區效率值的變化中。

要實現全國電力系統的整體優化，效率評價結果應該在各類型地區間無明顯差異，為鼓勵節能減排和電力輸出地區增加供應，電力輸入地區效率值應略低于全國均值才是最佳狀態。現有評價體系下，東部地區甚至在效率評價中處于有利地位，就缺乏開展節能減排工作的動力；而中西部地區處于不利地位，加之研究期內燃料價格波動，

圖4　情形2下東中西部效率均值變動情況

圖5　情形2下東中西部效率均值標準差

企業大面積虧損，影響了其發電積極性。這種結果相當于鼓勵各地區電力自給自足，與國家在全國范圍內統籌調度電力需求的思想相違背，也是造成研究期內電力供應緊張的原因之一。

五、結論與建議

文章以中國30個省級行政區域為決策單元，采用含有非理想產出的SBM-DEA模型對電力系統整體環境效率進行研究，然后提出與電力系統運行狀況相吻合的含有非理想產出的兩階段SBM-NDEA模型。研究引入有效發電量這一中間變量，研究其對系統整體效率的影響，并對比分析是否考慮省域間電力調度各省份效率值的差異，結果發現。

(1)網絡模型比傳統模型更適合于電力系統效率評價。與傳統模型相比，網絡模型由于考慮了有效發電量這一中間變量，在發電部門與輸配部門隸屬于不同公司的情況下，這種處理方式更貼近電力系統運行實際。此外，網絡模型評價結果具有更高的區分度，處于生產前沿面上的決策單元數量大為減少，改不了傳統模型位于生產前沿面上決策單元數量過多無法排序的問題。最后，網絡模型在不同時期效率值標準差變動較小，更有利電力系統從總體上提高效率，節能減排。

(2)各省市區間的電力調度情況顯著影響效率評價結果。情形1未考慮各省份間的電力調度，而情形2根據決策單元的電力輸入輸出情況調整了輸配部門相應輸出指標值。結果發現兩種情形下，都是東部省份效率值最高，但情形2下各類型省份間效率值差異和標準差更小。目前電力管理體制接近于情形1，電力系統改革的目標，是在保證公平的情況下，激勵電力輸出地區多發電，滿足電力輸入省份的需求，因而有必要在未來的電力政策改革中應形成有利于情形2出現的政策。

綜合上述分析和目前國家電力系統建設情況，結合電力系統特性和其他國家成功經驗，文章為未來的政策改革提出如下可分步實施的政策建議。

(1)加強對電力輸出省份的財政轉移支付，提高其電力生產積極性。東部沿海地區大多經濟發達，目前已經進入工業化進程后期，擁有充足較為先進的技術和充足的資金儲備，而中西部地區經濟與減排技術相對落后。同時必須注意的是，由于人口稠密和長期存在的發展方式誤區，東部地區已經付出了沉重的代價：環境污染、生態惡化、節能減排形勢嚴峻。通過加強對電力等能源輸出地區的財政轉移支付，一方面有利于鼓勵中西部地區輸出電力，實現全國電力系統的調度優化；另一方面能夠加快地區間的技術交流，加快技術擴散速度，增加國家總體的節能減排投入，從而加強東部地區的節能減排意識和環保資金投入的綜合效益，同時避免中西部地區重復東部地區先污染后治理的老路。

(2)探討從能源消費視角進行環保類稅收改革和節能減排指標分解的可行性。從評價結果中可以看出，兩種情形下，電力輸入地區在效率評價中均處于優勢地位。這說明，無論采取哪種評價方式，中西部地區均在國家的節能減排指標分配中處于不利地位。要實現國家總體的溫室氣體排放和能耗控制目標，必須調動多方面的積極性，形成有利于全社會節能減排的政策環境。能源基地建設、西電東輸、西氣東輸等工程的宗旨正是在統籌規劃全國能源供需，發揮中西部地區的資源優勢和東部地區的經濟與技術優勢。相對而言，從消費視角進行環境類稅收改革和節能減排指標分解，形成有利于情形2出現的政策環境，有利于企業和居民的積極參與，減少電力浪費，同時評價結果更為客觀，有利于國家重大能源工程項目的實施，從總體上提高全國的電力系統運行效率。

(3)電力行業的產權機制改革是未來電力價格形成機制改革的前提。研究結果表明：發電部門與輸配部門復雜的競爭合作關系，電力系統對經濟與環境影響等多方面情況顯著影響評價結果。實際上，電網內部的輸配售三等環節同樣存在錯綜復雜的關系。價格是未來電力體制改革的核心，而厘清價格形成機制的前提是明晰企業的產權機制。國家正在推行的大用戶直購電，一方面是從消費環節開展能源價格形成機制試點，另一方面也是探討明晰電力企業財務核算體系的有意嘗試。新一輪的電力體制改革進一步明晰了“放開兩頭，管住中間”的基本思路，可以看作是電力行業產權機制改革的有意嘗試，與本文得出的結論不謀而合。可以預見，售電側改革的成敗將會顯著影響配電行業改革的進程。

當然，文章中還有些未進行充分論證的地方，如由于統計資料的限制，勞動力的投入完全計算在了發電環節而并非按照全局最優在兩部門之間進行合理分配；由于統計資料收集與概念界定的原因，非理想產出只考慮了碳排放；將發電部門與輸配部門同等對待，而非根據現實條件各給予一定的權重等，這些工作將在后續研究中不斷完善。

參考文獻：

[1]IEA.World energy balance[R].Paris：IEA，2013.

[2]《中國電力年鑒》編委會.中國電力年鑒[M].北京：中國電力出版社，2002-2011.

[3]ZHOU P，ANG BW，POH KL.A survey of data envelo-pment analysis in energy and environmental studies[J].Eur-opean Journal of Operational Research，2008,189(1):1-18.

[5]LAM P，SHIU A.A data envelopment analysis of the ef-ficiency of China’s thermal power generation [J].Utilities Policy，2001，10(2):75- 83.

[6]解百臣，徐大鵬，劉明磊，許睿.基于投入型 Malmqu-ist 指數的省際發電部門低碳經濟評價[J].管理評論，2010，22(6):119-128.

[7]劉明磊，朱磊，范英.我國省級碳排放績效評價及邊際減排成本估計:基于非參數距離函數方法[J].中國軟科學，2011(3):106-114.

[8]曲茜茜，解百臣，殷可欣.考慮非理想產出的中國火電行業效率省際差異分析[J].資源科學，2012，34(6)：1160-1166.

[9]趙曉麗，馬騫，馬春波.電力工業廠網分開改革對火電企業效率影響的實證分析[J].中國軟科學，2013(2):184-192.

[10]WEYMAN-JONES T.Productive efficiency in a regulated in-dustry：The area electricity boards of England and Wales[J].Energy Economics，1991，13(2):116-122.

[11]YU W，JAMASB T，POLLITT M.Does weather explain cost and quality performance？An analysis of UK electricity distribution companies[J].Energy policy，2009，37(11):4177- 4188.

[12]CELEN A.Efficiency and productivity (TFP)of the Tur-kish electricity distribution companies：An application of two-stage (DEA&Tobit)analysis[J].Energy policy，2013，63(1):300-310.

[13]GOUVEIA M，DIAS L，ANTUNES C，et al.Be-nchmarking of maintenance and outage repair in an electricity distribution company using the value-based DEA method[J].Omega，2015，53(1):104-114.

[14]NEMOTO J，GOTO M.Measurement of dynamic efficiency in production：An application of data envelopment analysis to Jap-anese electric utilities[J].Journal of Productivity analysis，2003，19(2/3):191-210.

[15]AROCENA P.Cost and quality gains from diversification and vertical integration in the electricity industry：A DEA app-roach[J].Energy Economics，2008,30(1):39-58.

[16]SUEYOSHI T，GOTO M.Operational synergy in the US ele-ctric utility industry under an influence of deregulation po-licy：A linkage to financial performance and corporate value[J].Energy Policy，2011，39(2):699-713.

[17]XIE BC，FAN Y，QU Q Q.Does generation form influence environmental efficiency performance？An analysis of China’s power system[J].Applied Energy，2012，96(8):261-271.

[18]KHALILI-DAMGHANI K，SHAHMIR Z.Uncertain network data envelopment analysis with undesirable outputs to evaluate the efficiency of electricity power production and dist-ribution pro-cesses[J].Computers & Industrial Engineering，2015，88(1):131-150.

[19]TSUTSUI M，GOTO M.A multi-division efficiency eval-uation of U.S.electric power companies using a weighted slacks-based measure[J].Socio-Economic Planning Sciences，2009，43(1):201-208.

[21]KAO C，HWANG SN.Efficiency decomposition in two-stage data envelopment analysis：An application to non-life ins-urance companies in Taiwan[J].European Journal of Ope-rational Research，2008，185(1)：418- 429.

[22]FUKUYAMA H，WEBER WL.A slacks-based ineffici-ency measure for a two-stage system with bad outputs[J].Omega，2010，38(5):398- 409.

[23]COOPER WW，SEIFORD LM，TPNE K.Data envelop-ment analysis：A comprehensive text with models，appli-cations，refer-ences and DEA-solver software[M].Springer Verl-ag，2007.

(本文責編：海洋)