電力公司股權集中度與技術效率關系的實證分析
——基于DEA模型和固定效應模型

芮 筠，姚喬茜，王 樂

電力公司股權集中度與技術效率關系的實證分析
——基于DEA模型和固定效應模型

芮 筠，姚喬茜，王 樂

運用數據包絡分析（DEA）方法，以我國39家電力行業上市公司2012～2016年的數據為樣本，測算其技術效率得分，并構建面板固定效應模型，進一步分析股權集中度與技術效率之間的關系。結果表明：我國電力行業上市公司的技術進步呈現出上升趨勢；部分電力企業DEA綜合技術效率低的主要原因是其規模效率較低；目前我國電力行業上市公司第一大股東持股比例、前五大股東持股比例之和與技術效率之間呈顯著負相關關系，前五大股東持股差距與技術效率呈正相關關系。

電力上市公司；數據包絡分析；技術效率；股權集中度

一、引言

電力行業作為我國壟斷性基礎能源行業，其技術效率關系著電力行業的長久發展，只有提高技術效率，實現資源的有效配置，電力上市公司才能實現自身投資價值、利潤目標和可持續成長，從而更好地為民生和國民經濟做貢獻。我國電力上市公司基本源于國有企業改革，其國有股東大多為第一持股人，股權結構作為公司治理的基礎，決定著股東（特別是第一大股東）的性質和行使權力的方式，從而對公司的技術效率、資源配置模式以及未來國有企業改革的推進產生舉足輕重的影響。公司治理相關理論表明，“一股獨大”的現象不利于企業經營效率的提升。因此，研究股權結構對公司技術效率的影響在現階段具有重要的現實意義。本文選取2012～2016年我國39家電力行業上市公司數據，利用DEA模型測算了其綜合技術效率得分，并通過面板固定效應模型，進一步實證研究電力上市公司大股東持股比例、股權集中度對企業技術效率的影響。

二、文獻回顧

國外利用數據包絡分析（DEA）方法測算電力公司效率起源于19世紀80年代。由于現實中電力公司往往不會清晰地向政府部門報告，Aradhana等（2014）提出一種新型的數據包絡模型（RDEA），用以研究模糊的輸入或輸出數據，并對伊朗38個電力分銷公司數據進行調查。Marcus Vinicius等（2010）通過DEA和SFA方法評估巴西60家配電公司的效率指標，提出將這兩種方法用于公共事業績效能有效減少信息不對稱、激勵監管機構提高運作效率。

借鑒國外的研究方法和經驗，國內學者也開始利用DEA和SFA技術測算電力企業的技術效率。滕飛和吳宗鑫（2003）通過DEA方法分析了1991年燃煤基本負荷電廠的相關數據，評價了中國電力企業的發電績效，認為燃料使用過度是電力企業效率低下的主要原因。李永來（2015）運用DEA方法對2002～2007年我國39家電力上市公司的績效進行分地區測算，結果顯示東部地區電力上市公司的技術效率和規模效率優于中西部地區。呂金超（2012）則得出了不同的結論，他指出西部地區的技術效率一直處于上升狀態，中部地區的技術效率在2008年趕超了東部地區，三個地區的技術效率差異逐漸縮小。

隨著研究的不斷深入，學者們開始關注股權結構對企業技術效率的影響。高偉、何楓（2005）運用SFA方法考察了2001～2003年間我國家電行業上市公司第一大股東持股比例與公司技術效率之間的關系,實證研究表明，二者呈反向關系。毛璐、吳蓓菁（2006）指出，制造業上市公司的技術效率與股權結構之間不存在相關關系。蔣文定（2013）指出，石油行業公司股權集中度與技術效率呈顯著負相關關系。

總體而言，由于電力產業價格規制、體制改革等國情的差異，國外電力產業技術效率研究文獻對中國值得借鑒的內容較少。國內學者對電力產業技術效率的研究多采用DEA模型和SFA模型，研究結論和政策建議對電力產業效率評價和規制改革具有一定的啟示作用，但也存在以下主要問題：一是多數文獻主要以省級數據為基礎研究整個發電產業的技術效率，從企業層面通過DEA方法分析電力產業效率及影響因素的研究較少。二是多數文獻研究采用的是截面數據或者時間跨度較短的面板數據，且主要集中于2010年之前的效率測評，對于近5年發電產業技術效率水平及變動趨勢并沒有過多的研究。三是關于股權集中度（特別是第一大股東持股比例）對于企業技術效率提升的影響，學術界并沒有達成一致的結論。通過文獻梳理可以看出，不同行業的股權集中度對技術效率的影響不同，同一行業在不同時期的股權集中度對技術效率的影響也不同。本文選擇我國39所電力上市企業2012～2016年的面板數據，對其技術效率具體數值、大股東持股比例與技術效率之間的關系進行較為全面的定量研究，具有更強的針對性和可靠性。

三、電力上市公司技術效率的測算及評價

（一）方法和模型

DEA是績效評價領域廣泛應用的一種方法，最早由Farrell（1957）提出，其主要思想是：將微觀經濟學中的生產函數用包絡線代替，根據帕累托最優效率配置原理，利用數學線性規劃確定一個多投入或多產出的多個決策單元的最優解。Farrell利用DEA方法將效率分為技術效率和配置效率，技術效率是從投入到產出的實際轉換率，配置效率衡量的是投入價格和生產效率既定情況下企業的各項投入比率。Charnes、Cooper（1978）在 Farrell的基礎上對DEA方法進行了改進——將規模效率納入評價體系。規模效率主要評價決策單元的規模報酬。企業生產過程可分為固定規模報酬（即當各項投入量同比例增加時，企業的產出也隨之同比增加）和可變規模報酬（即當各項投入量同比例增加時，企業的產出不一定同比增加，有可能出現規模報酬不變或遞減）。DEA模型因此可分為兩個子模型：CCR模型和BCC模型，CCR模型假定企業具有不變的規模報酬，BBC模型則假定企業具有可變的規模報酬。本文選擇的是可變規模報酬的BBC模型，如下：

（二）指標選擇及數據來源

考慮到數據的完整性和各電力公司的盈利狀況，本文在已有研究的基礎上選取了39家電力行業上市公司，采用DEAP 2.1軟件進行指標測算，數據來源于國泰安數據庫中2012～2016年各公司的資產負債表、利潤表和財務指標分析表。文中將流動資產合計、固定資產凈值、無形資產、員工數、營業成本、管理費用和資產負債率七項作為投入項，將營業收入、凈資產收益率和營業利潤率三項確定為產出項，并對所有數據進行無量綱化處理，公式如下：

其中，Si表示指標i的實際觀測值；Smax和Smin分別表示指標i的組內最大值和最小值。

（三）電力上市公司技術效率評價

本文使用DEA軟件DEAP 2.1，測算了2012～2016年39家電力上市公司技術效率值、規模效率值、不同地區技術效率以及技術進步變化趨勢。

1.從技術效率來看，表1反映了投入要素既定時最大產出的情況。具體衡量標準為：以技術效率最高的電力上市公司作為參照物，測算其余電力上市公司相對于該參照物的大小。因此，技術效率是一個相對值且取值范圍在0～1之間。技術效率值等于1表示有效率，小于1表示存在無效率。表1顯示，2012～2016年電力上市公司的平均技術效率（crste）分別為0.980、0.979、0.960、0.955、0.967，可見我國電力行業上市公司的技術效率處于一個較高的水平，主要原因可能是中國2002年開始實施的電力規制改革取得了良好的成效，極大地促進了電力生產企業技術效率的提高。從各上市公司2012～2016年技術效率均值可以看出，有16家企業實現了DEA技術有效，余下23家電力公司中DEA技術效率排在后面三位的分別是華電國際（0.849）、樂山電力（0.887）、通寶能源（0.890），這三家公司的投入產出技術效率均未達到0.9，明顯低于其他電力公司，一方面反映出我國電力行業各個公司之間在效率上存在明顯差異，另一方面也反映出技術效率低的背后可能隱藏著內部管理不善、資源浪費的現象。

表1 2012～2016年中國39家電力上市公司技術效率值

2.從規模效率來看，表2 Re欄中的D代表規模報酬遞減，I代表規模報酬遞增，-代表規模報酬不變。從五年的規模收益特性來看，2012～2016年處于規模報酬遞增的公司較少，未超過10家。有16家企業近5年一直處于規模報酬不變階段，占全部樣本的41.03%。特別指出，東部地區的華電能源、國電電力、哈投股份，中部地區的通寶能源和西部地區的樂山電力、文山電力在近五年里總體上呈現出規模報酬遞減趨勢，這6家企業需要在一定程度上控制公司的投資規模，因為處于規模報酬遞減階段的企業若增加投資，會使得投資回報率減小，進而降低企業產出水平和利潤水平。電力公司一般投資規模巨大，事實上我國電力上市公司的規模也的確普遍屬于大中型，DEA技術有效可以為企業節約大量投入成本、提高產出效率。若想獲得最優投資回報率，實現DEA技術有效是一個首當其沖且行之有效的方法。

技術效率由規模效率（反映的是公司規模報酬程度）和純技術效率（反映的是公司的內部管理、控制水平）組成，且技術效率等于規模效率乘以純技術效率。因此，根據表1和表2中的數據可以計算得到，電力行業上市公司近五年的平均純技術效率為0.982、0.981、0.966、0.959、0.973，在規模報酬可變的條件下，均超過了0.95，幾乎已達到了技術有效的水平，且各年純技術效率均值都大于各年綜合技術效率均值，表明我國電力上市公司在生產技術和生產設備方面處于先進水平，技術管理成本得到了較好的控制，技術管理水平得到了有效提升。

3.從不同區域來看，由圖1可知，2012～2016年，地域分布不同的電力上市公司的技術效率也有一定差別。2012年，西部地區的技術效率最高，之后的4年內，西部地區技術效率不斷下降，東部地區和中部地區出現了先下降后上升的趨勢，特別是東部地區走勢與全國均值走勢基本相同，均是在2015年處于效率最低值。2014年，東部、西部地區電力上市公司的技術效率差別不大，而從2015年開始，各地區電力企業的技術效率開始出現明顯的差異，中部地區電力上市公司的技術效率明顯高于東部和西部地區，西部地區高于東部地區。這一結論可能與人們常常具有的“東部高于中西部地區”的直觀感覺相反，原因之一可能是中部地區的電力上市公司一般建成投產的時間較晚，具有“后發優勢”。

表2 2012～2016年中國39家電力上市公司規模效率值

圖 1 2012～2016年按區域劃分中國39家電力行業技術效率均值

4.從技術進步來看，Ech表示技術效率的變化值；Tch表示技術進步的變化值；Pch表示純技術效率的變化值；Sch表示規模效率的變化值（其中，Tch=Pch×Sch，Ech×Tch=Fch）；Fch表示全要素生產率的指數。所有數值均是以1為分界線，如果大于1，則表示效率值與技術效率變化值均為正，說明技術進步和效率較優。例如，深圳能源的Ech值和Pch值均小于1，說明其技術效率和純技術效率有下降趨勢，深圳能源的Tch、Sch和Fch均大于1，表示深圳能源在技術進步、公司規模以及全要素生產率方面呈現出上升趨勢。由均值可以看出，我國39家電力上市公司的技術進步和全要素生產率處于穩步上升的水平，技術效率和規模效率處于下降趨勢，這與前文所得出的各年純技術效率總體上大于技術效率的狀況相呼應，進一步證明我國部分電力企業綜合技術效率低的主要原因是規模效率較低，大部分電力企業的DEA純技術效率已經實現了最優。

四、電力行業上市公司股權集中度與技術效率關系的實證分析

（一）變量選取及假設提出

表3 2012～2016年中國39家電力上市公司技術進步變化

一般認為，現代公司存在著“委托—代理”關系。由于利益沖突或信息不對稱，代理人（公司管理層）和委托人（公司股東）之間可能會存在一定的矛盾沖突，為了使管理層更好地滿足股東利益，必須對管理層予以監督。而監督是需要成本的，分散的小股東可能無法承擔監督所帶來的成本費用，大股東則有較強的動機和實力去監督。但是，這并不意味著股權越集中越好。當股權過于集中時，股東之間難以形成制衡作用，大股東可能會利用自己手中的“特權”，做出有損于公司利益的行為。因此，股權集中度在一定程度上影響著公司技術效率。根據國泰安數據庫提供的數據，2012～2016年我國39所電力上市公司第一大股東持股比例均值分別為34.89%、37.58%、36.53%、37.67%、34.26%。那么，我國電力上市公司大股東持股比例到底是促進了公司技術效率的提升，還是阻礙了公司技術效率的增長？

本文選取第一大股東持股比例（CR1）、公司前五大股東持股比例之和（CR3）、第一大股東與第二大股東持股比例的比值（Z）和前五大股東持股差距（H）4個指標來衡量股權結構。其中：CR1越大，在公司決策管理方面的地位就越高，對公司的運營狀況和技術效率的影響程度越大；同樣地，CR3指標也體現了公司持股比例較高的股東們對公司運營狀況和技術效率的影響程度；Z指標越大，表明公司持股占比最高的兩個股東對彼此的約束就越小，股東利用“特權”做出違反公司章程或有損公司利益的事情的概率就會越大；同樣地，H指標反映的是前五大股東之間的約束程度。通過以上理論分析，本文提出以下假設：

假設1：CR1指標與電力公司技術效率正相關。

假設2：CR3指標與電力公司技術效率正相關。

假設3：Z指標與電力公司技術效率負相關。

假設4：H指標與電力公司技術效率負相關。

（二）模型構建

本文采用面板數據進行實證分析，為防止偽回歸的出現，首先對5個變量進行單位根檢驗，表4顯示各變量的單位根檢驗均是平穩的。在模型的選取上，本文首先利用Wald檢驗在固定效應模型與混合效應模型之間進行篩選，F值顯示拒絕原假設（即固定效應模型較優）；其次，利用Hausman檢驗來比較固定效應模型和隨機效應模型，Hausman檢驗結果顯示強烈拒絕原假設（即固定效應模型較優）。因此，本文選取了固定效應模型，如下：

yi,t=ai+b1CR1i,t+b2CR3i,t+b3Zi,t+b4Hi,t+ei,t

其中：i和t分別表示公司和年份；ai代表不同個體效應的截距項；ei,t代表隨機誤差項。

表4 變量及變量一階差分的單位根檢驗

（三）實證結果分析

由表5可以看出，CR1的系數通過了1%的顯著性檢驗，第一大股東持股比例與技術效率之間呈負相關關系，假設1不成立，表明在我國電力上市公司中，第一大股東持股比例越大，越不利于公司技術效率的提升。CR3通過了10%的顯著性檢驗，表明前五大股東持股比例之和在一定程度上抑制了技術效率的提升，與假設2相反。H的系數通過了1%的顯著性檢驗，且與技術效率顯著正相關，說明隨著電力上市公司前五大股東之間持股差距的增大，公司技術效率在顯著提升，驗證了假設3。Z通過了5%的顯著性檢驗，說明第一大股東與第二大股東持股比例的比值越大，電力公司技術效率越高，驗證了假設4。

表5 實證回歸結果

五、結論

本文選取2012～2016年我國39家電力上市公司的面板數據，用DEA方法測度了其技術效率得分，并用面板固定效應模型分析了股權結構對技術效率的影響。結果顯示：我國電力上市公司的綜合技術效率基本處于一個較高的水平（技術效率達到0.9以上），但普遍未能實現DEA技術效率最優。純技術效率相比綜合技術效率更高（純技術效率達到了0.96），企業規模無效率是技術效率未能達到1的主要原因，故可通過提高人員和內部管理水平來提升技術效率，從而改善經營狀況，縮減企業規模是目前行之有效的方法。我國電力上市公司大股東持股比例、持股差異與技術效率之間關系的實證研究表明，電力上市公司的技術效率隨著大股東持股比例的增加而下降、隨著股權集中程度（持股差異）的降低而顯著提升。因此，當前我國電力上市公司可以通過降低第一大股東持股比例、縮小大股東之間的持股差異、走股權多元化之路、優化股權結構，來實現技術效率的提升。

姜春海，胡亞妮.火電上市公司的技術效率及影響因素——基于DEA方法和Tobit模型的實證分析［J］.宏觀經濟研究，2014（8）.

徐云鵬.中國電力生產業的效率：一個基于政府管制的研究視角［J］.數理統計與管理，2012（1）.

程里禮，雷鵬，陶園，古輝云，張超，趙國忠.基于統計學角度：解讀固定效應模型和隨機效應模型［J］.中國循證心血管醫學雜志，2017（3）.

F276.6

A

1004-0994（2017）36-0053-6

1.國網江蘇省電力有限公司財務資產部，南京210024；2.國網江蘇省電力有限公司經濟技術研究院，南京210024