協同響應政府決策的我國區域電力效率管理研究

鄺立新 韓向榮 張世鵬

摘?要：提高電力效率既是各國電力公司的基本需求，也是各經濟體內各地區進行區域經濟發展規劃中最重要的決策重心所在。因此提升區域電力部門的產出效率，向來是各行政地區重要的區域能源運行決策關注問題之一。在我國，隨著經濟持續快速發展、城市經濟水平迅速提高，生產和生活的用電需求也隨之增加，城市用電量日益增加，區域電力為代表的能源效率治理與提升問題也備受關注。而“雙碳”目標實現的壓力則使得提高電力行業尤其是重點城市的發電效率迫在眉睫。

關鍵詞：電力行業；電力效率;能源效率治理

中圖分類號：F224????文獻標識碼：A?文章編號：1005-6432（2024）01-0034-04

DOI：10.13939/j.cnki.zgsc.2024.01.008

1?文獻綜述

國內已有很多關于電力行業效率的研究，內容上大致可以分為影響因素分析和效率評價。在影響電力運行的效率因素方面，國內學術界得出的結論并不統一。陶鋒、郭建萬等（2008）認為國有煤炭價格、出廠電價、資產比重、企業規模、運輸費用、煤炭稀缺程度等都會影響電力行業效率，同時難以確定行業競爭程度是否為影響因素。張各興和夏大慰（2011）則與他持相反觀點，認為煤炭價格和出廠電價與電力行業效率的關系并不顯著。此外，還認為影響因素包括所有權結構、環境規制、短期內標準煤耗的變化和設備利用率等。李宏舟和鄒濤（2012）的研究表明區域經濟發展水平、能源消耗、設備利用率、區域電源結構、激勵性價格規則等都對電力行業效率有所影響。綜上，由于影響電力行業效率的因素繁多且不同學者選取的數據、采用的研究方法不同，目前很難得出全面的結論。

在電力行業的效率評價上，大多數學者選擇全要素效率指標，常用的方法有隨機前沿分析方法、數據包絡分析方法等。研究者運用DEA方法對我國各省市電力行業的環境效率、技術效率等進行實證分析。如曲茜茜（2012）、蓋兆軍（2015）等均有運用DEA?模型分析我國不同電力行業的相關效率。但傳統DEA模型存在著未能排除系統中隨機因素影響的缺點，當樣本中出現特殊點時，DEA方法得到的結果將會出現很大的誤差。鑒于傳統DEA方法存在缺陷，Fried（2002）對該模型進行了改進，提出DEA與SFA相結合的三階段DEA模型。三階段DEA模型可以剔除隨機誤差，因此被廣泛運用于能源效率的研究中，例如白雪潔和宋瑩（2008）、Yu等（2017）以及王萌等（2021）。然而，需要指出的是，現有研究對于電力行業依然多采用DEA方法。由于電力行業很大程度上受到環境因素和隨機誤差的影響，一般的DEA模型無法有效測算出電力市場中的效率。有鑒于此，運用三階段DEA模型對我國主要城市的電力行業效率進行研究與評價，從而給出結論與建議，并對該行業未來的發展提出展望。

2?變量選取與數據來源

本研究選取的數據時間段為2014—2020年。在投入變量方面，文章選取我國主要城市的勞動力人口數據作為勞動投入；選取我國主要城市的固定資產投資總額作為資本投入；能源投入則選取我國主要城市的工業能源消費量。同時，研究將工業廢氣二氧化硫視作非期望投入變量處理。在產出變量方面，文章選取城市發電量來代表發電行業產值。

此外，研究參考已有研究，選取主要城市的消費價格指數數據來表征價格水平；選取各城市的生產總值數據來表征經濟發展水平；選取進出口總額占地區生產總值的比例來表征對外開放程度；選取城市人均可支配收入來表征收入水平；選取研究與發展（R&D）經費內部支出占地區生產總值的比例來表征科技水平。上述五個指標共同構成環境變量，相關解釋說明見表1。

文章旨在研究我國不同城市電力行業的效率及彼此間的差異，因此選取了我國各省級行政區的省會城市為代表城市。研究剔除了香港澳門特別行政區、臺北市、西寧市、南寧市、海口市和拉薩市。

3?實證結果

在研究中，第一階段采用以投入為導向的BCC模型展開分析。由于文章篇幅有限，文中僅列出2020年的結果以及全年份平均值（見表2）。

表2中TE為綜合效率，PTE為純技術效率，SE為規模效率。整體而言，我國主要城市在考察時間點間電力行業的綜合技術效率較低；綜合技術效率和規模效率均呈現出先降低后增加的趨勢；純技術效率較高，每年各城市純技術效率均值大于0.8。由于本階段尚未分離環境要素以及隨機擾動因素對效率的影響，因此所測效率值與真實效率值存在一定偏差。

進一步，研究在第二階段進行了隨機前沿分析，將五個環境變量作為自變量，以上一階段中勞動投入、資本投入、能源投入以及非期望產出去二氧化硫排放量的松弛變量作為因變量。SFA回歸結果通過了單邊廣義似然比檢驗，回歸結果見表3。

第二階段結果表明，從價格水平來看，價格水平對勞動投入、資本投入、能源投入以及非期望產出的松弛變量的影響均為顯著負值。這說明勞動投入、資本投入、能源投入和非期望產出與價格水平反向變動，價格上升的結果是勞動投入、資本投入、能源投入和非期望產出的松弛減少。這意味著較高的物價迫使工業企業節約各項投入。其中，能源投入松弛變量回歸系數絕對值最大，表明價格水平的變動對電力行業能源投入量的選擇的影響較大，這是因為能源在電力生產中的消耗量大、成本高、重要性強。

從經濟發展水平來看，經濟發展水平對勞動投入、資本投入、能源投入以及非期望產出的松弛變量的影響均為正值，其中勞動投入和能源投入的松弛變量表現較顯著。這說明勞動投入、資本投入、能源投入和非期望產出與經濟發展水平正向變動，經濟發展水平上升即城市生產總值增加的結果是勞動投入、資本投入、能源投入和非期望產出的松弛變量增加，這表明生產總值的增加并不能提高電力行業的效率。其中，能源投入松弛變量的回歸系數絕對值較大，表明電力行業在利用能源方面的效率較低。

從對外開放程度來看，對外開放水平對勞動投入、資本投入、能源投入以及非期望產出的松弛變量的影響均為正值，其中勞動投入和能源投入的松弛變量顯著，資本投入的松弛變量相對顯著，資本投入松弛變量的回歸系數較大。結果表明對外開放不僅不能有效地提高電力行業的效率，反倒可能引起電力行業對資本的利用率下降，因為外資的引入意味著企業更容易獲得充足的資金。

從收入水平來看，收入水平對勞動投入、能源投入的松弛變量的影響為負數，其中勞動投入松弛變量顯著，能源投入松弛變量相對顯著。結果表明居民整體收入水平的提高會減少勞動投入和能源投入的冗余，這是因為收入的增加影響了就業結構，電力行業的生產要素密集度也隨之受到影響，進一步促進要素利用效率的提高，推動產業結構升級；收入水平對資本投入和非期望產出的松弛變量的影響為正數，表明收入的增加帶來資本的浪費和非期望產出的增加，這是因為電力行業對資本的利用率和處理污染物的效率均較低，收入增加帶來的消費結構變化會展現為效率方面的劣勢。

從科技水平來看，科技水平對勞動投入松弛變量的影響為負數，這表明科學技術的發展使電力行業生產要素的密集度發生逆轉，工業企業選擇用資本等其他要素部分替代勞動，從而使勞動的邊際效率提高；科技水平對資本投入、能源投入和非期望產出的松弛變量的影響為正數，其中能源投入的松弛變量顯著。結果表明科學技術水平的提高不一定能帶來發電效率的提高，這是因為研發存在邊際效率遞減現象。增加科研投入曾經帶來效率的大幅、快速提升，然而當下的科技水平已經達到一定的高度，此后繼續增加科研投入帶來的效率提升空間有限，甚至會造成投入資源的浪費。

由于不同城市受到的環境要素和隨機擾動要素的影響不同，測算出的地區效率值也會有較大偏差。因此需要調整初始階段的投入變量，將各地區置于相同的外部環境之下，從而測算出真實的電力行業效率。在第二階段中得到各投入變量調整后的數值。再次對原始產出變量數據和調整后的投入變量數據進行回歸分析，即可測算出我國各主要城市2014—2020年電力行業的真實效率。

和第一階段的回歸結果進行對比，在排除環境影響與隨機擾動后，我國主要城市在考察年份內電力行業的綜合技術效率逐年下降，純技術效率和規模效率均呈現出先降后增趨勢，但增加后的效率值卻低于初試年份的效率值。各市技術效率和規模效率存在較大差異但純技術效率仍較高，各年各城市純技術效率均值達到0.8以上。可見，不同城市電力行業效率的差異取決于是否達到規模經濟，而非純技術無效。同時，研究發現大部分城市的規模效率低于對應年份的純技術效率，且規模效率值與純技術效率值之間的差距擴大，表明第一階段的DEA分析高估了規模效率。在對投入變量進行調整后，各市綜合技術效率和規模效率普遍下降且效率值偏低，而純技術效率值雖然存在一定程度的下降，仍較高。這表明我國主要城市電力行業效率低下的主要原因不在于技術層面，而在于規模不經濟。作為在各區域的天然壟斷型行業，電力行業在我國各地區均以大規模展開運營。然而，值得注意的是，絕大多數城市的電力行業每年均處于規模報酬遞增階段，這表明比起能源利用的效率，企業更重視經濟收益。

4 結論與建議

通過上述分析可以發現，以重點市為代表的我國城市電力效率展現出運行規模不經濟，同時企業注重經營效率而忽視運行效率的現狀。因此，各省市均應注意以次為決策基礎，更多地督促當地電力行業中各企業在繼續擴大生產規模的同時注重綠色生產和可持續發展。在實踐中，督促電力企業增加先進設備投入，引入更新技術同時與各地區電力企業的上級主管部門共同協商適當放寬地方企業的經營績效成為地區協調當地電力企業提升運行效率的主要政策導向。與之相對應，對于電力型企業而言，也應當意識到現有經營模式下運營效率并沒有達到完全最優狀態，而對于地方政府而言，充分推進區域內能源使用的效率提升是各地在能源政策中的優先事項。因此，各地電力企業應當積極地優化企業運行中的導向目標，在完成主管單位要求的同時盡可能優化自身運行效率，以便更好地響應地方政府的電力能源效率管理。

參考文獻：

［1］FRIED?H?O，LOVELL?C?A?K，SCHMIDT?S?S.Accounting?for?environmental?effects?and?statistical?noise?in?data?envelopment?analysis［J］.Journal?of?productivity?analysis，2002（17）：157-174.

［2］CAI?Y，XIONG?S?Q，MA?X?M.Energy?efficiency?measures?in?China：a?three-stage?DEA?analysis［J］.IOP?Conference?Series：Earth?and?Environmental?Science，2017，61（1）.

［3］白雪潔，宋瑩.中國各省火電行業的技術效率及其提升方向——基于三階段DEA模型的分析［J］.財經研究，2008（10）：15-25.

［4］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.

［5］張各興，夏大慰.所有權結構、環境規制與中國發電行業的效率——基于2003—2009年30個省級面板數據的分析［J］.中國工業經濟，2011（6）：130-140.

［6］曲茜茜.火電行業環境效率評價及監管研究［D］.天津：天津大學，2012.

［7］李宏舟，鄒濤.我國電力行業發電技術效率及影響因素：2000—2009年［J］.改革，2012（10）：44-50.

［8］蓋兆軍.基于低碳經濟的我國電力行業可持續發展研究［D］.長春：吉林大學，2015.

［9］王萌，徐湘博，張梅，等.區域能源效率測算及影響分析——基于三階段DEA方法［J］.環境保護科學，2021，47（1）：28-35.