縱向分拆與價格規制對中國發電企業效率的影響

張　雷，樂　軍

(浙江財經大學中國政府管制研究院，浙江　杭州　310018)

?

縱向分拆與價格規制對中國發電企業效率的影響

張雷，樂軍

(浙江財經大學中國政府管制研究院，浙江杭州310018)

如何激勵電力企業改進生產效率一直是電力行業改革的核心問題。本文實證測度1999-2009年間我國數百家火力發電企業年度TFP，顯示2002年廠網分拆之后，火力發電企業TFP的增速較之前有明顯提升，表明市場化改革確實對發電企業生產效率的改進起到促進作用，但是通過銷售電價與發電企業TFP回歸分析發現，銷售電價下降對發電企業TFP有明顯的激勵作用，而銷售電價上升對發電企業TFP并無影響，即存在非對稱性激勵，表明銷售電價的變化信號被選擇性地向上游傳遞，僅規制銷售電價可能并不會促進輸配電企業改進生產效率，但發電企業受到規制轉嫁的風險卻確定性地增加了。

發電企業；全要素生產率；縱向分拆；價格規制

一、引言

如何激勵電力企業改進生產效率一直是電力行業改革的核心問題。為改變電力行業縱向一體化壟斷下的低效率狀態，中國政府于1985年開始電力市場化改革，但直到2002年國家電力公司被拆分，上游為發電市場才漸漸形成競爭的局面；而下游配電與輸電仍然一體，由于輸電具有自然壟斷的技術特征，在我國分區域壟斷經營，因而輸配電環節實質上仍然壟斷。

發電側引入競爭是否對我國發電企業效率產生激勵作用，學者Lam和Shiu(2004)[1]的回答是肯定的，他們使用Malmquist指數測算1995-2000年間中國不同地區火電企業全要素生產率(Total Factor Productivity，簡稱“TFP”)，發現在樣本期間內國家電力公司生產效率比其他獨立發電企業低，因而推測電力產業縱向一體化的分拆將增加發電企業的競爭，進而改善發電行業TFP。但由于2002年之前，國家電力公司沒有分拆，發電市場實質上是一家獨大，并沒有形成真正競爭的局面，Lam和Shiu囿于數據時間的限制，并未直接測算縱向分拆前后發電企業的生產效率，而本文將直接測算1999-2009年數百家發電TFP。

2002年中國電力行業結構變化之后，銷售電價仍然實行政府定價，而價格亦是影響企業效率的重要因素。*價格下降迫使企業通過降低生產成本來增加利潤，而降低成本的方式都可以歸結為技述進步、管理改進或規模經濟，薩繆爾森(Samuelson，1949)[6]及諾德豪斯(Nordhaus，1997)[7]等學者認為這三者正是導致企業TFP改變的主要因素。輸配電價等于銷售電價扣除上網電價、稅金、線損和政府性基金及附加，輸配電企業雖然難以影響銷售電價、稅金、線損和政府性基金及附加，但卻可以依賴自身的壟斷地位以及發電市場惟一購買者的身份影響上網電價，這在白讓讓和王小芳(2009)[2]的文章中已有證實，他們研究表明中國電力產業鏈上輸配電企業會依賴于自身的壟斷勢力對上游獨立發電企業進行價格和非價格接入歧視。無論是價格還是非價格歧視都會影響發電企業的利潤，進而影響發電企業的TFP，因此，受規制的銷售電價直接影響輸配電企業的行為，并可能通過輸配電企業的行為間接影響上游發電企業的生產效率。本文亦構建模型考察銷售電價對發電企業TFP影響的規律。

二、發電企業TFP測度

發電企業TFP的測度是本文研究基礎。TFP的測度方法較多，Olley和Pakes(1996)[3]提出的代理方法是其中利用生產函數測度TFP的方法中的一種，由于其解決了利用生產函數測度TFP中普遍存在的內生性問題，并且對任何形式的生產函數均適用，因此，正越來越多地被學者所采用。后來學者Levinsohn和Petrin(2003)[4]以及Ackerbergetal(2007)[5]都對該方法作了改進。本文TFP測度模型以Ackerbergetal(2007)[5]模型為基礎。

(一)TFP測度模型

由于柯布·道格拉斯(Cobb-Douglas)生產函數對制造業行業具有很好地適用性，本文假定發電企業i在時間t的生產函數滿足如下柯布·道格拉斯生產函數形式，取對數可得：

yit=βkkit+βllit+ωit+ωit

(1)

yit、kit、lit分別表示企業產出Yit、資本Kit以及勞動Lit的對數。ωit和ωit是計量學者難以觀測的，二者的區別在于，εit可以是效率波動，也可以是測量誤差；而ωit表示生產效率，企業在t期做投資決策時可以觀察到，因此，t期投入可能與ωit相關，這也是內生性問題的根源。由于發電企業中間投入數據不能獲得，而固定資產投資很少為0，因此，依然選擇用投資作為ωit波動的代理，假設投資與ωit間存在如下函數關系：

iit=ft(ωit,kit,lit)

(2)

f僅有下標t，表示投資成本隨時間而變，但是同一時間不同企業所面對的投資成本相同。式(2)表明，企業在觀察到kit、lit及其自身的生產效率ωit之后再決定投資規模。Olley和Pakes(1996)[3]認為投資iit與ωit具有單調關系，即企業知道自己有更高的生產效率ωit，便會選擇更多的資本投入iit，因此，式(2)可以寫成反函數形式，即：

ωit=ft-1(iit,kit,lit)

將上式代入式(1)，得

(3)

φit(iit,kit，lit)=βkkit+βllit+ft-1(iit,kit,lit)

為了認別βk和βl，假設ωit遵守一階馬可夫過程(First-orderMarkovprocess)，于是有：

ωit=E[ωit|Iit-1]+ξit=E[ωit|ωit-1]+ξit

(4)

Iit-1是企業在t-1期的信息集，一階馬可夫過程暗含著t-1期及其之前的信息都已經反映在Iit-1之中，因此ωit僅僅依賴于ωit-1。ωit的一致漸近估計可以通過如下回歸獲得：

ξit一般認為是創新引發的生產效率變動。資本kit是動態投入，并且與t-1期的投資iit-1及kit-1相關，滿足kit=f(kit-1,iit-1)，因此，kitIit-1，與ξit無關，即E[ξit|kit]=0，自然，kit的一階滯后項L.kit也與ξit無關，即E[ξit|L.kit]=0；與資本不同，勞動lit決定于當期，但lit-1Iit-1，即E[ξit|lit-1]=0，因而lit-1的一階滯后項L.lit-1也與ξit無關，即E[ξit|L.lit-1]=0。定義Zit=(kit,L.kit,lit-1,L,lit-1)T，有：

E[ξit(βk,βl)Zit]=0

(5)

(二)發電企業TFP測度

當前火力發電仍然占居我國發電的主導地位，以2010年及2011年為例，2010年我國火力發電占總發電量的80.8%，2011年為82.5%，較2010年增長1.7個百分點*數據來源：電力監管年度報告(2011)。，不降反增。基于火力發電的主導地位，本文僅測度火力發電企業的TFP。

1.數據說明

數據來源于《中國工業企業數據庫》，選取其中的火力發電企業(國家標準行業分類代碼：4411)時間跨度為1999-2009年的年度數據。初步篩選數據，刪除無法人代碼的企業，得到12,798條觀察值。由于異常值的存在，進一步篩選數據：首先，刪除工業總產值及固定資產小于0的觀察值，因為這些數據極有可能包含統計誤差；其次，刪除職工人數少于8的觀察值，一般認為這些企業缺乏可靠的會計系統，因而數據缺乏可信度；最后刪除投資小于0的觀察值，因為投資小于0意味著該企業會計數據可能失真。投資采用永續盤存法來計算，即Iit=Kit-(1-δ)Kit-1，其中Iit表示投資,Kit為當期資本存貨，δ為折舊率，按1994年7月1日施行的《電力工業企業固定資產年折舊率表》，火電企業的折舊率約等于10%。此外，還刪除一些特殊區域的發電企業數據，包括內蒙古東部、內蒙古西部以及西藏自治區的發電企業，這些區域發電企業的數據存在不連續性。經過以上步驟篩選之后，樣本觀察值減少到7078條，各年份包含的火力發電企業個數見表1。

表1　火力發電企業TFP測度樣本中各年份包含的企業個數

表2　火力發電企業TFP測度模型中變量描述統計

注：PPI和FPI來源于《中國統計年鑒2010》，作者以1999年為基期整理后獲得。

表2是各變量的描述統計，產出和資本的單位為千元，勞動的單位是人。除勞動外，產出、資本和投資均使用相應的指數平減，包括勞動在內，各變量均取對數值。經過處理后的變量標準差均不大，表明經過以上的數據篩選基本上剔除了極端值。

2. 發電企業TFP測度結果

在估計生產函數時，一般假設同行業企業擁有相同的技術參數，即同行業中企業的中間投入產出彈性是相同的，如Levinsohn和Petrin(2003)[4]、Petrinetal(2004)[8]以及De Locker和Warzynski(2012)[9]等。本文亦假設火力發電企業擁有相同的技術參數。

根據TFP測度理論模型，我們估計了樣本中每家火力發電企業年度TFP，限于篇幅，無法列出幾百家企業11年的TFP數據，所以在表3中，給出火力發電企業TFP的描述性統計。

表3　火力發電企業TFP描述性統計

1.觀察最大值，呈先上升后下降的趨勢，在2006年出現頂點，這表明隨著時間的推移，可能一部分高效率企業進入發電市場，其后又慢慢退出該市場，也可能是在位企業改進了TFP，但后來TFP又下降了，當然，也有可能是后來幾年高效率的企業被剔除出了樣本。

2.偏度均大于0，表明大多數火力發電企的TFP都落在均值左側，樣本所包含的發電企業整體TFP水平要低于均值，因為一些極大值影響了均值，這在2001、2003、2004、2005及2006年表現得尤為突出，極大的TFP值使得偏度較大，明顯地影響了TFP均值，因此，中位數可能比均值更好地反映樣本內發電企業整體的TFP狀態。

3.2003、2004、2005及2006年的標準差都比較大，但同時峰度值也較高，而且這些年份最大值與最小值之差都非常大，可以認為是極值影響了標準差，因此，可推測實際上各年份絕大多數公司的TFP水平都非常接近。

圖1　樣本內火力發電企業TFP均值與中位數趨勢圖

4.各年份及總體的峰度都大于3，進一步表明絕大多數公司的TFP非常接近，且處在均值附近，結合偏度的分析，可以認為樣本內火力發電企業的整體TFP水平在中位數和均值之間，如圖1，均值和中位數雖然增長幅度不大，但都有上升的趨勢，因此，可以認為1999-2009年期間，火力發電企業TFP呈緩慢增長狀態。

按中位數計算，2002年“廠網分開”之前，火力發電企業TFP年增長率為1.5%，但2003-2009年期間年增長率近2.0%，尤其是2008年和2009年，TFP增速明顯加快，平均年增長率達到2.8%，可見“廠網分開”之后，火力發電企業TFP增速較“廠網分開”之前有明顯的提升*2002-2003年間中位數揭示TFP有大幅度下降，極有可能是原先效率低下的國家電力公司分拆，從而導致TFP的中位數數值下降。。

三、實證檢驗

本節將通過回歸考察銷售電價波動對火力發電企業TFP的影響，價格波動無非是上升或下降，因此，在實證中，分別就銷售電價上升和下降省份進行回歸。

(一)實證模型

價格與TFP并非是一一對應的關系，即單個市場下，價格改變會引起TFP的變化，但是，TFP的變化并非必然由價格變化所引起。任何引起技述進步、管理改進和規模經濟這三個因素變化的因素都可能影響TFP，因而我們在銷售電價與火力發電企業TFP回歸模型中加入控制變量組合，體現其他因素對TFP的影響，模型如下：

TFPit=αi+α1Pit+ΣαkXit+εit

(6)

TFPit表示發電企業i在時間t的TFP，Pit表示企業i在時間t所面對的銷售電價，αi為個體時期恒量(Individual Time-invariant Variable)，反映了不同企業差異的影響。此外α1、αk(k=2,3,…,K)為參數項，εit為隨機誤差，ΣαkXit為控制變量組合：

ΣαkXit=α2ageit+α3stateit+α4T+Scale_Dummy+Period_Dummy

ageit和stateit分別為發電企業i在時間t的年齡和所有權結構，T為技術自然進步變量，Scale_Dummy和Period_Dummy分別為規模和代際啞變量，代際啞變量體現了發電企業生產效率的代際效應*代際效應見代際效應也稱年輪效應(cohort or vintage effect)，反映了不同時間點進入市場的企業之間所存在的差異，這種差異是企業在成立時就已經存在的固有差異。我國學者周黎安、張維迎、顧全林和汪淼軍(2007)[10]利用中國制造業企業數據研究了1998-2004年間中國制造業企業的生產效率變動中的代際效應和年齡效應。[10]。

(二)數據說明

TFPit是本文第二部分對我國火力發電企業TFP的測度值，Pit來源于2006-2009年各年的《電力監管年度報告》中省銷售電價數據。控制變量組合ΣαkXit中的變量數據均來自2006-2009年的《中國工業企業數據庫》，年齡ageit為火力發電企業觀察年份與成立年份的差；所有權結構Stateit按企業登記注冊類型代碼劃分，110的國有企業、141的國有聯營企業、143的國有與集體聯營企業以及151的國有獨資公司均劃為國家所有權企業，其他類型則劃歸一類。技術自然進步變量T即為時間變量，眾多學者都曾以時間代表企業技術自然進步的趨勢，如Nelson(1984)[11]，陶鋒、郭建萬和楊舜賢(2008)[12]等，在無法度量技術自然進步趨勢時，這樣做法較為合理；企業規模Scale按國家統計上大中小型企業劃分標準進行劃分；而代際Perriod的劃分標準則按中國電力改革階段及重要歷史事件時間劃分，具體而言，新中國成立(1949年)之前為第一個代際，1949年到文革前(1966年)為第二個代際，文革期間(1967-1976年)為第三個代際，電力市場化改革之前(1976-1985年)為第四個代際，市場化改革初見成效(1985至1996年)為第五個代際，電力改革解決“政企合一”問題階段(1996至2002年)為第六個代際，從2002年開始“廠網分開，競價上網”至2009年為第七個代際。企業規模和代際在回歸模型中均以啞變量的形式體現。

表4是發電企業TFP與銷售電價關系模型中各變量的描述性統計，其中銷售電價Pit是采用PPI平減后的數值，原銷售電價單位為元每兆瓦時；所有權結構stateit為0-1變量，1表示國有企業，0表示非國有企業；企業規模用1、2、3表示，1為大型企業，2表示中型企業，3則表示小型企業；企業代際也為類型變量，分別用數字1至7表示第一代際至第七代際；此外，電力出廠價格指數PPI為省指標，來源各省統計年鑒，筆者整理而得。觀察Pit數據，最大值與最小值有較大的差距，因此，在不同的時間和不同省份，銷售電價差異較大。

表4　發電企業TFP與銷售電價回歸模型中各變量描述性統計

注：TFP數據來源于本文火力發電企業TFP測度數據；省銷售電價數據來源于2006-2009年《電力監管年度報告》[13]；PPI數據來源于各省統計年鑒；其他變量數據均來源于《中國工業企業數據庫》。

實際上在進行發電企業TFP與銷售電價回歸時，需要區分銷售電價上升省份和銷售電價下降省份，對各省Pit趨勢圖分析，發現江蘇省、河南省、青海省、廣東省及山西省的Pit在樣本區間內表現為下降趨，其他省Pit份則為上升或基本不變的趨勢。在后文研究將分兩類省份分別回歸*銷售電價不變省份與銷售電價上升省份合為一類，事實上銷售電價不變省份歸入哪一類并不影響結果。。

(三)回歸結果及分析

根據式(6)分別進行兩組回歸。(Ⅰ)銷售電價上升省份：發電企業TFP與銷售電價回歸；(Ⅱ)銷售電價下降省份，發電企業TFP與銷售電價回歸。

1.第Ⅰ組回歸結果分析

第Ⅰ組回歸模型實變量之間的斯皮爾曼(Spearman)相關系數均不超過0.3，且相關關系的P值均不超過0.05，無明顯不顯著的問題，可以認為回歸模型不存在共線性問題。霍斯曼(Hausman)檢驗顯示使用固定效應的方法進行回歸更為合理。表5第Ⅰ組回歸給出了固定效應回歸的結果，F統計量非常顯著，表明模型整體回歸結果可信。銷售電價Pit的系數為正，并不能認為銷售電價上升，火力發電企業的TFP隨之上升，一方面前面相關系數檢驗二者關系為負，與回歸結果相背離，另一方面該系數P值為0.256，表現為較高的不顯著性，這表明在樣本期間，銷售電價上升的省份，銷售電價對火力發電企業TFP無明顯的影響，雖然二者的斯皮爾曼相關系數為負，但僅是數值上表現的偽相關性，實質二者之間并無因果聯系，即銷售電價上升對火力發電企業TFP并不產生影響。其它控制變量在該回歸中多不顯著，可能是無關變量Pit干撓的結果。

2.第Ⅱ組回歸結果分析

江蘇省、河南省、青海省、廣東省及山西省的Pit在樣本區間內表現為下降趨勢，使用這些省份的數據分析當銷售電價下降時，其對發電企業TFP的影響。第Ⅱ組回歸模型中各實變量之間的斯皮爾曼相關系數也都不超過0.3，且P值均不超過0.02，無明顯不顯著的問題，可以認為回歸模型不存在共線性問題。霍斯曼檢驗顯示使用固定效應的方法進行回歸更為合理。表5第Ⅱ組回歸給出了固定效應回歸的結果，F統計量非常顯著，表明模型整體回歸結果可信。銷售電價Pit的系數為負，且非常顯著，這表明在樣本期間，銷售電價下降的省份，銷售電價與火力發電企業TFP之間確實存負相關關系，銷售電價下降實質上對火力發電企業產生激勵，刺激其改進TFP。此外，控制變量T均顯著，年齡變量系數為正，表明火力發電企業存在“干中學”；所有權結構變量系數為負說明非國有制企業效率更高；變量T系數為負表明樣本期間火力發電企業不存在技術自然進步；規模啞變量系數揭示火力發電企業規模越大，TFP越高；代際啞變量系數均為正，表明年代越近，火力發電企業TFP越高。

表5　回歸結果

注：括號中是t統計量；“* ”表示p < 0.1、“** ”表示p < 0.05、“*** ” 表示p < 0.01；規模啞變量的基變量是scale=1，即大型規模；代際啞變量表中未列出，其基變量為period=1，即建國之前年代為基變量；第Ⅰ組回歸中代際啞變量系數為正，但均不顯著，第Ⅱ組回歸中代際啞變量系數為正，且均顯著。

四、結　論

本文實證測度了我國29個省市自治區數百家火力發電企業1999-2009年年度TFP，描述性統計分析揭示2002年 “廠網分開”之后，火力發電企業TFP增速較“廠網分開”之前有明顯的提升，表明電力市場化改革確實能激勵火力發電企業改進效率，應當堅定地執行市場化改革方針。

此外，通過銷售電價與火力發電企業TFP之間的回歸分析，發現2006-2009年期間，在銷售電價上升的省份，銷售電價對火力發電企業TFP無影響；而在銷售電價下降的省份，銷售電價與發電企業TFP之間存在顯著負相關。這表明銷售電價對火力發電企業TFP存在非對稱激勵，即銷售電價下降能刺激火力發電企業改進TFP，而銷售電價上升卻對火力發電企業TFP無影響。由于輸配電企業會依賴于自身的壟斷勢力對上游獨立發電企業進行價格和非價格接入歧視，因此，銷售電價對火力發電企業TFP存在非對稱激勵，可能的原因是輸配電企業并未合理地向上游發電企業傳遞銷售電價變動的信號，而是有選擇性的向上游傳遞，即傳遞對自身不利的價格信號，而保留對自身有利的價格信號，與發電企業分擔損失，卻不愿意分享利潤。

因為銷售電價對火力發電企業TFP非對稱激勵的存在，在銷售電價的規制過程中，必須審慎地決定銷售電價的提升和下降，銷售電價上漲無疑會損害消費者福利，而又無益于改善發電企業TFP，因此，應當避免在當前電力產業鏈結構未發生變化的前提下，銷售電價的攀升；而期望通過銷售電價的降低刺激輸配電企業改進生產效率，則必須意識到輸配電企業會依賴于自身的壟斷勢力向上游不對稱地傳遞價格信號，從而轉移規制壓力到上游發電企業，因此，僅依賴于價格規制難以激勵輸配電企業改進生產效率，但發電企業承受來自下游輸配電企業轉移的規制壓力卻確定性地增加了。

[1]Lam P. L. and A. Shiu. Efficiency and productivity of China’s thermal power generation [J]. Review of Industrial Organization, 2004, 24(1): 73-93.

[2]白讓讓, 王小芳. 規制權力配置、下游壟斷與中國電力產業的接入歧視——理論分析與初步的實證檢驗 [J]. 經濟學(季刊), 2009, (1): 611-634.

[3]Olley G. S. and A. Pakes. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica, 1996, 64 (6): 1263-1297.

[4]Levinsohn J. and A. Petrin. Estimating production functions using inputs to control for unobservables [J]. The Review of Economic Studies, 2003, 70(2): 317-341.

[5]Ackerberg D., K. Caves and G. Frazer. Structural identification of production punctions [J]. Mimeo, UCLA, 2007.

[6]Samuelson P. A. Market mechanisms and maximization [M]. Rand Corporation, 1949.

[7]Nordhaus W. D. Traditional productivity estimates are asleep at the (technological) switch [J]. The Economic Journal, 1997, 107(444): 1548-1559.

[8]Petrin A., B. P. Poi and J. Levinsohn. Production function estimation in stata using inputs to control for unobservables [J]. Stata Journal, 2004, 4: 113-123.

[9]De Loecker, J. and F. Warzynski. Markups and firm-level export status [J]. American Economic Review, Forthcoming, 2012.

[10]周黎安, 張維迎, 顧全林, 汪淼軍. 企業生產率的代際效應和年齡效應 [J]. 經濟學 (季刊), 2007, (4): 1297-1318.

[11]Nelson R. A. Regulation, capital vintage, and technical change in the electric utility industry [J]. The Review of Economics and Statistics, 1984, 66(1): 59-69.

[12]陶鋒, 郭建萬, 楊舜賢. 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.

[13]國家電力監管委員會. 電力監管年度報告 [R].國家電力監管委員會, 2006-2009.

(責任編輯:風云)

Effects of Vertical Unbundling and Price Regulation on the Performance of Power Generation Enterprises in China

ZHANG Lei, YUE Jun

(China Institute of Regulation Research, Zhejiang University of Finance & Economics, Hangzhou 310018, China)

How to motivate power enterprises to improve productivity has always been the core issue of power industry reforms. Through empirical analysis, this paper measures the annual TFP of hundreds of domestic thermal power enterprises. The results show that thermal power enterprises have enjoyed a significant boost of TFP since the separation of power generation and transmission in 2002. However, based on the regression analysis between sales price of electricity and the TFP of power generation enterprises, we find that the TFP is promoted when the sales price falls, but nothing happens to the TFP when the sales price increases. That is to say, there exists asymmetric incentives. This further suggests that changes in sales price are selectively transferred upstream, the regulation of sales price alone would not encourage the transmission and distribution enterprises to improve productivity. However, power generation enterprises are subject to increased risks of regulation transference.

power generation enterprises; total factor productivity; vertical unbundling; price regulation

2015-09-05

浙江省自然科學基金青年項目(LQ15G030005)；中國博士后科學基金第57批面上一等資助項目(2015M570495)；浙江省哲學社科研究基地規劃課題重點項目(15JDGZ01Z)

張雷(1984-)，男，安徽桐城人，浙江財經大學中國政府管制研究院助理研究員；樂軍(1990-)，女，湖北廣水人，浙江財經大學中國政府管制研究院碩士生。

F270.3；F421

A

1004-4892(2016)02-0097-08