中国电力区域经营绩效及其影响因素的异质性

保积良

【摘 要】 基于中国电力行业发展数据，采用DEA、ESDA-GIS、Panel data model三阶段分析方法对中国电力区域经营绩效的时空分异规律及其影响因素的异质性问题进行研究。研究发现：中国电力区域经营绩效整体水平较低，21个省（市、区）的综合技术效率均值低于0.65，2005—2014年绩效未有明显提升，但区域差异明显，综合技术效率、纯技术效率与规模效率均呈由东向西递减态势；2005—2014年中国电力区域经营绩效的Moran's I指数值均为正数，具有空间集聚特征；高—高型区域主要位于环渤海与长三角地区，低—低型区域集中在西北、西南地区；人口密度、工业化水平、城镇化水平、环境规制强度对中国电力区域经营绩效具有正影响，电力自足率呈负影响，地区生产总值具有“U”型曲线特征，并且影响因素具有明显区域异质性，同一影响因素在东、中、西三大区域层面的作用效果不同。

【关键词】 经营绩效； 时空分异； 影响因素； 电力

【中图分类号】 F234.3 【文献标识码】 A 【文章编号】 1004-5937（2017）14-0093-07

一、引言

电力作为重要生产、生活要素对区域经济发展起着至关重要的作用。全球经济再平衡与产业结构再调整的大背景下，中国经济下行压力明显。经济发展的停滞本质上是供给不足引起的[ 1 ]，供给侧结构性改革日益成为党和国家关注的重点。效率提升是推动供给侧结构性改革的有效手段与重要途径。如何通过提升区域经营绩效，提高产业核心竞争力，在促进电力行业自身发展的同时增强区域经济发展的动力与活力是中国电力行业的重中之重。

目前，学术界针对电力效率的主题进行了大量研究，成果丰硕。效率测度与效率影响因素研究是学术界关注的重点。Fare et al.从纯技术效率、规模效率与投入要素拥堵等方面对1975—1979年美国伊利诺斯州22家发电企业的绩效进行了研究[ 2 ]。Jones基于现状—原因—策略的研究范式对英伦地区的电力企业效率差异、企业技术无效率的原因与政府管制放松政策对效率的影响进行了研究，并提出效率提升与管制放松政策的改进建议[ 3 ]。Lam etal.测算了1995—1996年中国各省（市、区）热电部门的生产效率[ 4 ]。Yu et al.在电力效率指標选择上将运营费用、顾客损失、电网损失纳入指标体系，且被证明对电力企业效率有显著影响[ 5 ]；同时价值型指标也被纳入电力绩效测评的指标体系[ 6 ]。电力效率研究更多地关注电力企业的生产效率，而对更为系统的经营绩效缺乏关注。Sueyoshi et al.将经济效益纳入电力企业的生产效率测算中，研究表明经营效益、生产效率与企业价值存在协同效应[ 7 ]。在效率影响因素方面，经济发展被认为是电力绩效的重要影响因素[ 8 ]，并且经济增长与电力消费存在协整关系[ 9 ]。经济体制改革释放的改革红利也被证明对电力行业的增长有积极作用，市场竞争、产权改革、管制政策3个维度均对电力行业绩效起正向促进作用[ 10 ]；同时电力企业的所有权结构与环境规制也对行业绩效产生显著影响[ 10 ]。电价对电力绩效有正向作用，而要素价格则作用相反[ 11 ]；同时电力企业的网络规模对绩效产出也有显著影响[ 12 ]。电力自足率反映的电力贸易状况也是电力绩效的重要影响因素[ 13 ]。在研究方法上DEA与随机前沿生产函数是电力效率测度的主要方法，DEA方法包括NSBM-ML模型[ 13 ]、Malmquist指数[ 14 ]以及传统的BCC模型与CCR模型等。DEA方法被广泛运用可见其在效率测度上有一定的优越性，但是在电力绩效测度中超效率DEA方法运用尚不普及，超效率DEA相较传统DEA模型更能反映样本的效率差异。现有研究为后来研究奠定了坚实的基础，但是也存在需要后来研究者继续努力之处。当前研究效率测度较多但是对效率时空分异规律的关注相对缺乏，缺乏从空间视角去探索电力绩效问题。

鉴于此，本文基于电力行业发展数据，综合运用多种DEA模型对中国电力区域经营绩效进行测评，并运用ESDA-GIS技术对其时空分异特征进行分析。利用2005—2014年中国电力省级面板数据构造计量模型对中国电力区域经营绩效的影响因素进行研究，并尝试提出改善建议，以期为中国电力发展的科学决策提供参考。

二、中国电力区域经营绩效核算与评价

（一）研究方法和数据来源

本文拟采用BCC-DEA模型、CCR-DEA模型与超效率DEA模型[ 15-16 ]对2005—2014年我国各省（市、区）的电力区域经营绩效进行测度。其中CCR-DEA模型用于测度技术效率（TE），BCC-DEA模型测度规模效率（SE），根据TE=PTE×SE测算纯技术效率（PTE）。本文借鉴已有研究成果，结合电力行业属性并综合考虑数据的可获得性，选取平均用工人数（万人）、线路长度（km）、发电/供电标准煤耗（g/kWh）、装机容量（万kW）、发电设备利用小时数（亿kWh）作为投入指标，用电量（亿kWh）、贡献税收（万元）作为产出指标。本文所用数据均来源于相应年份的《中国电力年鉴》、《中国工业统计年鉴》和《中国税务年鉴》。

（二）核算结果与评价

运用MyDEA软件对2005—2014年中国31个省（市、区）电力区域经营绩效进行测算，测算结果表明中国电力区域经营绩效有待提升，其中21个省（市、区）综合技术效率低于0.65（表1）；2005—2014年中国电力区域经营绩效中平均综合技术效率、平均规模效率均呈现大敞口“U”型分布，其中平均综合技术效率值围绕0.65波动，平均规模效率值围绕0.7波动；平均纯技术效率值在0.9—0.95之间波动（图1）。

总体而言，2005—2014年中国电力区域经营绩效三大效率均值均未有明显提升，平均纯技术效率始终高于平均综合技术效率和平均规模效率，可以推断规模效率较低是中国电力区域经营绩效难以得到提升的重要原因。

为进一步对中国电力区域经营绩效的整体差异进行分析，对中国31个省（市、区）2005—2014年电力区域经营绩效的综合技术效率、纯技术效率与规模效率进行均值处理并排序，分东、中、西三个区域进行比较。中国电力区域经营绩效区域差异明显，综合技术效率、纯技术效率与规模效率均呈现由东向西递减的态势。东部地区的北京、上海、江苏、广东综合技术效率、纯技术效率、规模效率均达到最大值1。综合技术效率东部地区远高于中西部地区，中部地区略高于西部地区，位列前10位的省（市、区）有9个位于东部地区；纯技术效率东、中、西部差距相对较小，东部地区纯技术效率值分别高出中、西部0.059、0.074；规模效率东部地区也远高于中、西部，位列前9位的省（市、区）均处东部，但中、西部差距相对较小。4个省市超效率值大于1，最大值为北京的2.078，最小值为西藏的0.269，极差率达到672.49%（表1）。

2005—2010年中国电力区域经营绩效呈现大面积下滑趋势，安徽、吉林、天津等19个省（市、区）电力经营绩效出现不同程度的下降，其中安徽综合技术效率值下降0.472，降幅达到47.2%；北京、上海、江苏、广东4个发达省（市）依然维持在最高水平；浙江、江西、海南、重庆、西藏、青海、新疆7个省（市、区）的电力经营绩效有所提升，其中浙江综合技术效率值提升0.102，涨幅达到12.1%。2010—2014年中国电力区域经营绩效状况相对有所改观，海南、青海、江西等20个省（市、区）的电力经营绩效有所提升，其中海南综合技术效率值提升0.245，涨幅达到52.69%；北京、上海、江苏、广东4个发达省（市）综合技术效率值依然为1；但是四川、甘肃、云南等7个省电力区域经营绩效有所下降，其中四川效率下降最为严重，降幅达到21.61%（图略）。

三、中国电力区域经营绩效的时空分异特征

（一）全局空间自相关分析

在对中国省域电力区域经营绩效进行综合测度的基础上，进一步运用ESDA-GIS技术中的全局空间自相关与局域空间自相关分析研究对中国电力区域经营绩效的时空分异特征。

运用Geoda1.2.0软件计算2005—2014年中国电力区域经营绩效全局空间自相关系数Moran's I（表2）。2005—2014年间中国电力区域经营绩效的Moran's I指数值均为正数，且通过了1%的显著性水平檢验，表明中国电力区域经营绩效呈现强空间自相关性，具有空间集聚特征，也称“空间俱乐部”特征，即高绩效省（市、区）与高绩效省（市、区）邻接，低绩效省（市、区）与低绩效省（市、区）邻接。其中仅有2011年Moran's I指数值低于0.4，为0.3427，表明空间集聚特征有所减弱，而2013年Moran's I指数值高达0.5031，空间集聚特征达到最大化。

（二）局域空间自相关分析

运用Geoda1.2.0软件绘制2005年、2010年、2014年中国电力区域经营绩效局域空间自相关LISA集聚图（图略）。2005年中国电力区域经营绩效高—高型集聚区域主要位于环渤海与长三角地区，2010年河北、山东退出了高—高型集聚区域的版图，2014年天津进入了高—高型集聚区域，2005—2014年高—高型集聚区域面积不断缩减，侧面表明中国电力区域经营绩效的规模效应不充分，空间溢出效应较弱。2005年中国电力区域经营绩效低—低型集聚区域由新疆延伸至中国西南部的云南，形成西北—东南走向的低—低型集聚区域走廊，2010年青海省退出低—低型集聚区域，2014年新疆也退出了低—低型集聚区域，低—低型集聚区域为四川、云南组成的西南板块。高—低型、低—高型区域通过显著性水平检验的省（市、区）较少，没有形成显著的集聚态势。

四、中国电力区域经营绩效影响因素的实证分析

（一）模型设定与数据来源

本文所用数据中工业化水平、城市化水平、GDP数据直接来源于《中国统计年鉴》，或根据《中国统计年鉴》数据整理得出；人口密度数据来源于《中国人口年鉴》；电力自足率、环境规制强度分别根据《中国电力年鉴》、《中国环境统计年鉴》数据整理得出。由于西藏、台湾、港澳的相关变量数据缺失较为严重，因而将西藏、台湾、港澳样本剔除，保留其余30个省（市、区）样本。主要变量的计算方法、描述性统计与预期影响方向如表3所示。

（二）计量分析

运用Stata13.0软件对中国电力区域经营绩效影响因素进行实证检验，为缓解交互项与多重共线性对估计结果的不良影响，提升回归的稳健性水平，将7个自变量依次放入模型，逐步向后回归。回归结果显示随着变量的加入，模型的拟合优度大幅提升，因而选择全部变量放入模型中的回归结果进行解释（表4模型1）。为充分体现时间因素与区域因素对电力区域经营绩效的影响，分别在模型2、模型3中依次加入时间固定效应与区域固定效应。因为东、中、西三大区域在区位条件、资源禀赋、社会经济发展水平等诸多方面存在较大差异，电力区域经营绩效的影响因素也可能存在差异，因而，本文利用前文的模型与回归方法分别对东、中、西三大区域的电力区域经营绩效进行回归（模型4—模型6）。具体结果如表4所示。

在全国层面，地区生产总值一次项系数为负数，二次项系数为正数，且分别通过了5%、1%的显著性水平的检验，表明地区生产总值对中国电力区域经营绩效存在“U”型曲线特征。随着地区生产总值的增长电力区域经营绩效会呈现下降趋势，一旦跨过临界值，电力区域经营绩效会随地区生产总值的增长而增长，本次研究的地区生产总值临界值为6.526。原因可能在于地区经济发展初期电力行业基础设施投资较大，且电力资源利用效率较低，导致经营效率较低；随着地区经济的发展，用电需求增多，用户网络化特征凸显，经营效率也随之提升。对比东、中、西地区回归结果发现只有中部地区的地区生产总值对电力区域经营绩效的影响呈“U”型曲线特征，但中部地区的临界值要高于全国层面的临界值。东、西部地区生产总值一次项系数为正，二次项系数为负，表明东、西部地区的地区生产总值对电力区域经营绩效呈倒“U”型曲线特征，并且东部地区的临界点远高于西部地区，但均未通过显著性水平的检验。

区域经济的发展需要发挥规模效应与集聚效应，人口密度的大小某种程度上能够体现区域的规模效应与集聚效应。人口密度变量系数为正且通过了1%的显著性水平检验，表明人口密度对电力区域经营绩效具有正向影响。中国电力普及率较高，人口密度越大，电力用户越多，电力基础投资的边际成本越低，经营绩效越高。人口密度变量在东部地区系数为正，且通过1%的显著性水平检验，但在中、西部地区均未通过显著性水平检验，可能是东部地区人口密集，人口的集聚效应更为明显。

工业化化水平不仅反映一个地区的发达程度，某种程度上也反映该区域的用电结构。在全国层面，工业化水平系数为正且通过1%的显著性水平检验。工业是“用电大户”，其他条件不变情况下，工业化水平越高，电力需求越大，可能使得电力产出的边际成本下降，进而经营绩效提升。对比东、中、西三大区域的回归结果发现，中部地区系数为正，且系数大于全国层面的系数，表明工业化水平对中部地区电力经营绩效的正向作用超过全国平均水平。东部地区系数通过了10%的显著性水平检验但是系数为负，原因可能在于东部地区社会经济发展水平较高，第三产业比重较大，第三产业的发展对电力区域经营绩效的拉动作用较第二产业更强。而三产比重之和为1，工业化水平越高，对于第一产业比重本身很低的东部地区而言意味着挤压了第三产业比重，因而工业化水平太高反而会使得电力区域经营绩效下降。西部地区工业化水平系数为正，但未通过显著性水平的检验。

在全国层面，城镇化水平系数为正且通过1%的显著性水平检验，表明城镇化水平对电力区域经营绩效的提升具有促进作用。城镇地区相较乡村地区人口密度、经济密度更大，用电需求更大，并且电力投资的单位成本更低，经营绩效会更高。城镇化水平对电力经营绩效的影响呈明显的区域异质性，对东部、中部具有负向影响，不过东部未通过显著性水平检验，对西部则呈正向影响。

无论是在全国层面还是东、中、西三大区域层面，环境规制强度的系数均为正，且系数较大，表明环境规制强度对电力区域经营绩效提升具有较为明显的正向促进作用，这与变量的预期影响方向相反。原因可能在于环境规制强度迫使电力企业更多关注企业生产过程中的非效率问题[ 13 ]，促使电力企业创新以提升全要素生产率，以缓解环境规制产生的成本压力。同时，环境规制强度有利于构建电力行业的“优胜劣汰”机制，使得环境污染大、生产效率低的电力企业退出行业竞争，优化了行业结构，有利于促进电力行业的供给侧结构性改革，继而提升行业经营绩效。

电力自足率反映的是区域电力贸易状况，用电力生产与消费比衡量。电力自足率大于1，意味着区域电力生产能力过剩存在电力出口。回归结果显示电力自足率对电力区域经营绩效呈显著负向影响，电力自足率越高，电力经营绩效越低。目前，中国电力跨区域贸易最为典型的是“西电东送”工程，电力的输送不同于一般商品，需要大量的高压电缆等基础设施投资，在电力跨区域贸易相对较小时，电力贸易收入可能难以抵销其成本。故而，可能使得当前电力自足率与电力区域经营绩效之间呈负相关关系。

五、结论与政策建议

（一）结论

本文运用多种DEA方法对中国电力区域经营绩效进行了测评，运用ESDA-GIS技术对其时空分异规律进行了研究，并建立面板计量模型研究了中國电力区域经营绩效影响因素的异质性，得出以下结论：

（1）中国电力区域经营绩效有待提升，21个省份的综合技术效率均值低于0.65，2005—2014年中国电力区域经营绩效的综合技术效率、纯技术效率、规模效率均值均未有明显提升，但平均纯技术效率始终高于平均综合技术效率和平均规模效率。

（2）中国电力区域经营绩效区域差异明显，综合技术效率、纯技术效率与规模效率均呈由东向西递减的态势。2005—2010年中国电力区域经营绩效呈大面积下滑趋势，2010—2014年中国电力区域经营绩效状况相对有所改观。

（3）2005—2014年间中国电力区域经营绩效的Moran's I指数值均为正数，且通过了1%的显著性水平检验，表明中国电力区域经营绩效呈强空间自相关性，具有空间集聚特征，2013年空间集聚特征达到最大化。中国电力区域经营绩效高—高型集聚区域主要位于环渤海与长三角地区，2005—2014年高—高型集聚区域面积不断缩减，侧面表明中国电力区域经营绩效的规模效应不充分，空间溢出效应较弱；低—低型集聚区域主要集中在中国西北、西南地区。

（4）人口密度、工业化水平、城镇化水平、环境规制强度对中国电力区域经营绩效具有显著正向影响，电力自足率则呈负向影响，地区生产总值具有“U”型曲线特征。中国电力区域影响因素具有明显的区域异质性，分区域回归结果显示只有电力自足率对各大区域均具有负向影响，地区生产总值仅对中部地区通过显著性水平检验，而人口密度仅对东部地区具有影响，工业化水平、环境规制强度对东部、中部具有一定程度的影响，而城镇化水平则对中、西部通过了显著性水平检验。

（二）政策建议

基于本文研究结果，提出以下提升中国电力区域经营绩效的政策建议：

（1）中国电力区域经营绩效规模效率远低于纯技术效率，可以推断规模效率较低是中国电力区域经营绩效难以得到提升的重要原因。因而，要进一步加大电力行业的供给侧结构性改革，淘汰过剩产能，构建“优胜劣汰”机制，淘汰技术效率低、环境污染大的电力企业。“强强联合”与兼并等多项措施并举，优化电力行业结构，提升电力行业的规模效应。

（2）地区生产总值对中国电力区域经营绩效呈现“U”型曲线特征，可见地区经济发展水平具有重要影响。单从电力行业自身出发很难凭借一己之力推动整个区域经济发展水平的快速提升，继而实现电力区域经营绩效的提升。因而，电力行业可以在保证整个区域基本用电的前提下，重点在经济发展水平较高的东部地区、城市地区布局产业、产能，以突破“低经济发展水平陷阱”。

（3）环境规制强度与中国电力区域经营绩效呈显著负相关，进一步启示：电力企业、行业要加大研发投入，注重对创新人才的培养与引进，提升企业、行业创新能力，提升企业、行业全要素生产率，降低生产成本，突破环境规制强度的限制。同时，要提升企业、行业管理水平，优化管理团队，适时更新管理理念，实现管理出效益。

【参考文献】

[1] 贾康，苏京春.论供给侧改革[J].管理世界，2016（3）：1-24.

[2] FARE R，GROSSKOPF S，LOGAN J.The relative efficiency of illinois electric utilities[J].Resources and Energy，1983，5（4）：349-367.

[3] WEYMAN-JONES T. Productive efficiency in a regulated industry：the area electricity boards of england and wales[J].Energy Economics，1991，13（2）：116-122.

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

[5] 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.

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

[7] SUEYOSHI T， GOTO M. Operational synergy in the US electric utility industry under an influence of deregulation policy： a linkage to financial performance and corporate value[J].Energy Policy，2011，39（2）：699-713.

[8] 林衛斌，苏剑，施发启.经济增长、能耗强度与电力消费：用电量与GDP增长率背离的原因探析[J].经济科学，2010（5）：15-22.

[9] 刘生龙，高宇宁，胡鞍钢.电力消费与中国经济增长[J].产业经济研究，2014（3）：71-80.

[10] 宫汝凯.经济体制改革与中国电力行业增长：1999—2010[J].经济学，2015（3）：1005-1028.

[11] 张各兴，夏大慰.所有权结构、环境规制与中国发电行业的效率：基于2003—2009年30个省级面板数据的分析[J].中国工业经济，2011（6）：130-140.

[12] 乔岳，周利华.中国电力产业的绩效研究：基于随机前沿模型的分析[J].山西财经大学学报，2010（12）：67-73.

[13] 范玉仙，袁晓玲.基于NSBM-ML模型的中国电力行业技术效率和全要素生产率研究[J].当代经济科学，2015（4）：90-99，127.

[14] 解百臣，徐大鹏，刘明磊，等.基于投入型Malmquist指数的省际发电部门低碳经济评价[J].管理评论，2010（6）：119-128.

[15] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale efficiencies in data envelopment analysis[J].Management Science，1984，30：1078-1092.

[16] ANDERSEN P， PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，39：1261-1264.

[17] CLIFF A， ORD K. Spatial autocorrelation： a review of existing and new measures with applications[J].Economic Geography，1970，46（1）：269-292.