张 雷,乐 军
(浙江财经大学中国政府管制研究院,浙江 杭州 310018)
纵向分拆与价格规制对中国发电企业效率的影响
张雷,乐军
(浙江财经大学中国政府管制研究院,浙江杭州310018)
如何激励电力企业改进生产效率一直是电力行业改革的核心问题。本文实证测度1999-2009年间我国数百家火力发电企业年度TFP,显示2002年厂网分拆之后,火力发电企业TFP的增速较之前有明显提升,表明市场化改革确实对发电企业生产效率的改进起到促进作用,但是通过销售电价与发电企业TFP回归分析发现,销售电价下降对发电企业TFP有明显的激励作用,而销售电价上升对发电企业TFP并无影响,即存在非对称性激励,表明销售电价的变化信号被选择性地向上游传递,仅规制销售电价可能并不会促进输配电企业改进生产效率,但发电企业受到规制转嫁的风险却确定性地增加了。
发电企业;全要素生产率;纵向分拆;价格规制
如何激励电力企业改进生产效率一直是电力行业改革的核心问题。为改变电力行业纵向一体化垄断下的低效率状态,中国政府于1985年开始电力市场化改革,但直到2002年国家电力公司被拆分,上游为发电市场才渐渐形成竞争的局面;而下游配电与输电仍然一体,由于输电具有自然垄断的技术特征,在我国分区域垄断经营,因而输配电环节实质上仍然垄断。
发电侧引入竞争是否对我国发电企业效率产生激励作用,学者Lam和Shiu(2004)[1]的回答是肯定的,他们使用Malmquist指数测算1995-2000年间中国不同地区火电企业全要素生产率(Total Factor Productivity,简称“TFP”),发现在样本期间内国家电力公司生产效率比其他独立发电企业低,因而推测电力产业纵向一体化的分拆将增加发电企业的竞争,进而改善发电行业TFP。但由于2002年之前,国家电力公司没有分拆,发电市场实质上是一家独大,并没有形成真正竞争的局面,Lam和Shiu囿于数据时间的限制,并未直接测算纵向分拆前后发电企业的生产效率,而本文将直接测算1999-2009年数百家发电TFP。
2002年中国电力行业结构变化之后,销售电价仍然实行政府定价,而价格亦是影响企业效率的重要因素。*价格下降迫使企业通过降低生产成本来增加利润,而降低成本的方式都可以归结为技述进步、管理改进或规模经济,萨缪尔森(Samuelson,1949)[6]及诺德豪斯(Nordhaus,1997)[7]等学者认为这三者正是导致企业TFP改变的主要因素。输配电价等于销售电价扣除上网电价、税金、线损和政府性基金及附加,输配电企业虽然难以影响销售电价、税金、线损和政府性基金及附加,但却可以依赖自身的垄断地位以及发电市场惟一购买者的身份影响上网电价,这在白让让和王小芳(2009)[2]的文章中已有证实,他们研究表明中国电力产业链上输配电企业会依赖于自身的垄断势力对上游独立发电企业进行价格和非价格接入歧视。无论是价格还是非价格歧视都会影响发电企业的利润,进而影响发电企业的TFP,因此,受规制的销售电价直接影响输配电企业的行为,并可能通过输配电企业的行为间接影响上游发电企业的生产效率。本文亦构建模型考察销售电价对发电企业TFP影响的规律。
发电企业TFP的测度是本文研究基础。TFP的测度方法较多,Olley和Pakes(1996)[3]提出的代理方法是其中利用生产函数测度TFP的方法中的一种,由于其解决了利用生产函数测度TFP中普遍存在的内生性问题,并且对任何形式的生产函数均适用,因此,正越来越多地被学者所采用。后来学者Levinsohn和Petrin(2003)[4]以及Ackerbergetal(2007)[5]都对该方法作了改进。本文TFP测度模型以Ackerbergetal(2007)[5]模型为基础。
(一)TFP测度模型
由于柯布·道格拉斯(Cobb-Douglas)生产函数对制造业行业具有很好地适用性,本文假定发电企业i在时间t的生产函数满足如下柯布·道格拉斯生产函数形式,取对数可得:
yit=βkkit+βllit+ωit+ωit
(1)
yit、kit、lit分别表示企业产出Yit、资本Kit以及劳动Lit的对数。ωit和ωit是计量学者难以观测的,二者的区别在于,εit可以是效率波动,也可以是测量误差;而ωit表示生产效率,企业在t期做投资决策时可以观察到,因此,t期投入可能与ωit相关,这也是内生性问题的根源。由于发电企业中间投入数据不能获得,而固定资产投资很少为0,因此,依然选择用投资作为ωit波动的代理,假设投资与ωit间存在如下函数关系:
iit=ft(ωit,kit,lit)
(2)
f仅有下标t,表示投资成本随时间而变,但是同一时间不同企业所面对的投资成本相同。式(2)表明,企业在观察到kit、lit及其自身的生产效率ωit之后再决定投资规模。Olley和Pakes(1996)[3]认为投资iit与ωit具有单调关系,即企业知道自己有更高的生产效率ωit,便会选择更多的资本投入iit,因此,式(2)可以写成反函数形式,即:
ωit=ft-1(iit,kit,lit)
将上式代入式(1),得
(3)
φit(iit,kit,lit)=βkkit+βllit+ft-1(iit,kit,lit)
为了认别βk和βl,假设ωit遵守一阶马可夫过程(First-orderMarkovprocess),于是有:
ωit=E[ωit|Iit-1]+ξit=E[ωit|ωit-1]+ξit
(4)
Iit-1是企业在t-1期的信息集,一阶马可夫过程暗含着t-1期及其之前的信息都已经反映在Iit-1之中,因此ωit仅仅依赖于ωit-1。ωit的一致渐近估计可以通过如下回归获得:
ξit一般认为是创新引发的生产效率变动。资本kit是动态投入,并且与t-1期的投资iit-1及kit-1相关,满足kit=f(kit-1,iit-1),因此,kitIit-1,与ξit无关,即E[ξit|kit]=0,自然,kit的一阶滞后项L.kit也与ξit无关,即E[ξit|L.kit]=0;与资本不同,劳动lit决定于当期,但lit-1Iit-1,即E[ξit|lit-1]=0,因而lit-1的一阶滞后项L.lit-1也与ξit无关,即E[ξit|L.lit-1]=0。定义Zit=(kit,L.kit,lit-1,L,lit-1)T,有:
E[ξit(βk,βl)Zit]=0
(5)
(二)发电企业TFP测度
当前火力发电仍然占居我国发电的主导地位,以2010年及2011年为例,2010年我国火力发电占总发电量的80.8%,2011年为82.5%,较2010年增长1.7个百分点*数据来源:电力监管年度报告(2011)。,不降反增。基于火力发电的主导地位,本文仅测度火力发电企业的TFP。
1.数据说明
数据来源于《中国工业企业数据库》,选取其中的火力发电企业(国家标准行业分类代码:4411)时间跨度为1999-2009年的年度数据。初步筛选数据,删除无法人代码的企业,得到12,798条观察值。由于异常值的存在,进一步筛选数据:首先,删除工业总产值及固定资产小于0的观察值,因为这些数据极有可能包含统计误差;其次,删除职工人数少于8的观察值,一般认为这些企业缺乏可靠的会计系统,因而数据缺乏可信度;最后删除投资小于0的观察值,因为投资小于0意味着该企业会计数据可能失真。投资采用永续盘存法来计算,即Iit=Kit-(1-δ)Kit-1,其中Iit表示投资,Kit为当期资本存货,δ为折旧率,按1994年7月1日施行的《电力工业企业固定资产年折旧率表》,火电企业的折旧率约等于10%。此外,还删除一些特殊区域的发电企业数据,包括内蒙古东部、内蒙古西部以及西藏自治区的发电企业,这些区域发电企业的数据存在不连续性。经过以上步骤筛选之后,样本观察值减少到7078条,各年份包含的火力发电企业个数见表1。
表1 火力发电企业TFP测度样本中各年份包含的企业个数
表2 火力发电企业TFP测度模型中变量描述统计
注:PPI和FPI来源于《中国统计年鉴2010》,作者以1999年为基期整理后获得。
表2是各变量的描述统计,产出和资本的单位为千元,劳动的单位是人。除劳动外,产出、资本和投资均使用相应的指数平减,包括劳动在内,各变量均取对数值。经过处理后的变量标准差均不大,表明经过以上的数据筛选基本上剔除了极端值。
2. 发电企业TFP测度结果
在估计生产函数时,一般假设同行业企业拥有相同的技术参数,即同行业中企业的中间投入产出弹性是相同的,如Levinsohn和Petrin(2003)[4]、Petrinetal(2004)[8]以及De Locker和Warzynski(2012)[9]等。本文亦假设火力发电企业拥有相同的技术参数。
根据TFP测度理论模型,我们估计了样本中每家火力发电企业年度TFP,限于篇幅,无法列出几百家企业11年的TFP数据,所以在表3中,给出火力发电企业TFP的描述性统计。
表3 火力发电企业TFP描述性统计
1.观察最大值,呈先上升后下降的趋势,在2006年出现顶点,这表明随着时间的推移,可能一部分高效率企业进入发电市场,其后又慢慢退出该市场,也可能是在位企业改进了TFP,但后来TFP又下降了,当然,也有可能是后来几年高效率的企业被剔除出了样本。
2.偏度均大于0,表明大多数火力发电企的TFP都落在均值左侧,样本所包含的发电企业整体TFP水平要低于均值,因为一些极大值影响了均值,这在2001、2003、2004、2005及2006年表现得尤为突出,极大的TFP值使得偏度较大,明显地影响了TFP均值,因此,中位数可能比均值更好地反映样本内发电企业整体的TFP状态。
3.2003、2004、2005及2006年的标准差都比较大,但同时峰度值也较高,而且这些年份最大值与最小值之差都非常大,可以认为是极值影响了标准差,因此,可推测实际上各年份绝大多数公司的TFP水平都非常接近。
图1 样本内火力发电企业TFP均值与中位数趋势图
4.各年份及总体的峰度都大于3,进一步表明绝大多数公司的TFP非常接近,且处在均值附近,结合偏度的分析,可以认为样本内火力发电企业的整体TFP水平在中位数和均值之间,如图1,均值和中位数虽然增长幅度不大,但都有上升的趋势,因此,可以认为1999-2009年期间,火力发电企业TFP呈缓慢增长状态。
按中位数计算,2002年“厂网分开”之前,火力发电企业TFP年增长率为1.5%,但2003-2009年期间年增长率近2.0%,尤其是2008年和2009年,TFP增速明显加快,平均年增长率达到2.8%,可见“厂网分开”之后,火力发电企业TFP增速较“厂网分开”之前有明显的提升*2002-2003年间中位数揭示TFP有大幅度下降,极有可能是原先效率低下的国家电力公司分拆,从而导致TFP的中位数数值下降。。
本节将通过回归考察销售电价波动对火力发电企业TFP的影响,价格波动无非是上升或下降,因此,在实证中,分别就销售电价上升和下降省份进行回归。
(一)实证模型
价格与TFP并非是一一对应的关系,即单个市场下,价格改变会引起TFP的变化,但是,TFP的变化并非必然由价格变化所引起。任何引起技述进步、管理改进和规模经济这三个因素变化的因素都可能影响TFP,因而我们在销售电价与火力发电企业TFP回归模型中加入控制变量组合,体现其他因素对TFP的影响,模型如下:
TFPit=αi+α1Pit+ΣαkXit+εit
(6)
TFPit表示发电企业i在时间t的TFP,Pit表示企业i在时间t所面对的销售电价,αi为个体时期恒量(Individual Time-invariant Variable),反映了不同企业差异的影响。此外α1、αk(k=2,3,…,K)为参数项,εit为随机误差,ΣαkXit为控制变量组合:
ΣαkXit=α2ageit+α3stateit+α4T+Scale_Dummy+Period_Dummy
ageit和stateit分别为发电企业i在时间t的年龄和所有权结构,T为技术自然进步变量,Scale_Dummy和Period_Dummy分别为规模和代际哑变量,代际哑变量体现了发电企业生产效率的代际效应*代际效应见代际效应也称年轮效应(cohort or vintage effect),反映了不同时间点进入市场的企业之间所存在的差异,这种差异是企业在成立时就已经存在的固有差异。我国学者周黎安、张维迎、顾全林和汪淼军(2007)[10]利用中国制造业企业数据研究了1998-2004年间中国制造业企业的生产效率变动中的代际效应和年龄效应。[10]。
(二)数据说明
TFPit是本文第二部分对我国火力发电企业TFP的测度值,Pit来源于2006-2009年各年的《电力监管年度报告》中省销售电价数据。控制变量组合ΣαkXit中的变量数据均来自2006-2009年的《中国工业企业数据库》,年龄ageit为火力发电企业观察年份与成立年份的差;所有权结构Stateit按企业登记注册类型代码划分,110的国有企业、141的国有联营企业、143的国有与集体联营企业以及151的国有独资公司均划为国家所有权企业,其他类型则划归一类。技术自然进步变量T即为时间变量,众多学者都曾以时间代表企业技术自然进步的趋势,如Nelson(1984)[11],陶锋、郭建万和杨舜贤(2008)[12]等,在无法度量技术自然进步趋势时,这样做法较为合理;企业规模Scale按国家统计上大中小型企业划分标准进行划分;而代际Perriod的划分标准则按中国电力改革阶段及重要历史事件时间划分,具体而言,新中国成立(1949年)之前为第一个代际,1949年到文革前(1966年)为第二个代际,文革期间(1967-1976年)为第三个代际,电力市场化改革之前(1976-1985年)为第四个代际,市场化改革初见成效(1985至1996年)为第五个代际,电力改革解决“政企合一”问题阶段(1996至2002年)为第六个代际,从2002年开始“厂网分开,竞价上网”至2009年为第七个代际。企业规模和代际在回归模型中均以哑变量的形式体现。
表4是发电企业TFP与销售电价关系模型中各变量的描述性统计,其中销售电价Pit是采用PPI平减后的数值,原销售电价单位为元每兆瓦时;所有权结构stateit为0-1变量,1表示国有企业,0表示非国有企业;企业规模用1、2、3表示,1为大型企业,2表示中型企业,3则表示小型企业;企业代际也为类型变量,分别用数字1至7表示第一代际至第七代际;此外,电力出厂价格指数PPI为省指标,来源各省统计年鉴,笔者整理而得。观察Pit数据,最大值与最小值有较大的差距,因此,在不同的时间和不同省份,销售电价差异较大。
表4 发电企业TFP与销售电价回归模型中各变量描述性统计
注:TFP数据来源于本文火力发电企业TFP测度数据;省销售电价数据来源于2006-2009年《电力监管年度报告》[13];PPI数据来源于各省统计年鉴;其他变量数据均来源于《中国工业企业数据库》。
实际上在进行发电企业TFP与销售电价回归时,需要区分销售电价上升省份和销售电价下降省份,对各省Pit趋势图分析,发现江苏省、河南省、青海省、广东省及山西省的Pit在样本区间内表现为下降趋,其他省Pit份则为上升或基本不变的趋势。在后文研究将分两类省份分别回归*销售电价不变省份与销售电价上升省份合为一类,事实上销售电价不变省份归入哪一类并不影响结果。。
(三)回归结果及分析
根据式(6)分别进行两组回归。(Ⅰ)销售电价上升省份:发电企业TFP与销售电价回归;(Ⅱ)销售电价下降省份,发电企业TFP与销售电价回归。
1.第Ⅰ组回归结果分析
第Ⅰ组回归模型实变量之间的斯皮尔曼(Spearman)相关系数均不超过0.3,且相关关系的P值均不超过0.05,无明显不显著的问题,可以认为回归模型不存在共线性问题。霍斯曼(Hausman)检验显示使用固定效应的方法进行回归更为合理。表5第Ⅰ组回归给出了固定效应回归的结果,F统计量非常显著,表明模型整体回归结果可信。销售电价Pit的系数为正,并不能认为销售电价上升,火力发电企业的TFP随之上升,一方面前面相关系数检验二者关系为负,与回归结果相背离,另一方面该系数P值为0.256,表现为较高的不显著性,这表明在样本期间,销售电价上升的省份,销售电价对火力发电企业TFP无明显的影响,虽然二者的斯皮尔曼相关系数为负,但仅是数值上表现的伪相关性,实质二者之间并无因果联系,即销售电价上升对火力发电企业TFP并不产生影响。其它控制变量在该回归中多不显著,可能是无关变量Pit干挠的结果。
2.第Ⅱ组回归结果分析
江苏省、河南省、青海省、广东省及山西省的Pit在样本区间内表现为下降趋势,使用这些省份的数据分析当销售电价下降时,其对发电企业TFP的影响。第Ⅱ组回归模型中各实变量之间的斯皮尔曼相关系数也都不超过0.3,且P值均不超过0.02,无明显不显著的问题,可以认为回归模型不存在共线性问题。霍斯曼检验显示使用固定效应的方法进行回归更为合理。表5第Ⅱ组回归给出了固定效应回归的结果,F统计量非常显著,表明模型整体回归结果可信。销售电价Pit的系数为负,且非常显著,这表明在样本期间,销售电价下降的省份,销售电价与火力发电企业TFP之间确实存负相关关系,销售电价下降实质上对火力发电企业产生激励,刺激其改进TFP。此外,控制变量T均显著,年龄变量系数为正,表明火力发电企业存在“干中学”;所有权结构变量系数为负说明非国有制企业效率更高;变量T系数为负表明样本期间火力发电企业不存在技术自然进步;规模哑变量系数揭示火力发电企业规模越大,TFP越高;代际哑变量系数均为正,表明年代越近,火力发电企业TFP越高。
表5 回归结果
注:括号中是t统计量;“* ”表示p < 0.1、“** ”表示p < 0.05、“*** ” 表示p < 0.01;规模哑变量的基变量是scale=1,即大型规模;代际哑变量表中未列出,其基变量为period=1,即建国之前年代为基变量;第Ⅰ组回归中代际哑变量系数为正,但均不显著,第Ⅱ组回归中代际哑变量系数为正,且均显著。
本文实证测度了我国29个省市自治区数百家火力发电企业1999-2009年年度TFP,描述性统计分析揭示2002年 “厂网分开”之后,火力发电企业TFP增速较“厂网分开”之前有明显的提升,表明电力市场化改革确实能激励火力发电企业改进效率,应当坚定地执行市场化改革方针。
此外,通过销售电价与火力发电企业TFP之间的回归分析,发现2006-2009年期间,在销售电价上升的省份,销售电价对火力发电企业TFP无影响;而在销售电价下降的省份,销售电价与发电企业TFP之间存在显著负相关。这表明销售电价对火力发电企业TFP存在非对称激励,即销售电价下降能刺激火力发电企业改进TFP,而销售电价上升却对火力发电企业TFP无影响。由于输配电企业会依赖于自身的垄断势力对上游独立发电企业进行价格和非价格接入歧视,因此,销售电价对火力发电企业TFP存在非对称激励,可能的原因是输配电企业并未合理地向上游发电企业传递销售电价变动的信号,而是有选择性的向上游传递,即传递对自身不利的价格信号,而保留对自身有利的价格信号,与发电企业分担损失,却不愿意分享利润。
因为销售电价对火力发电企业TFP非对称激励的存在,在销售电价的规制过程中,必须审慎地决定销售电价的提升和下降,销售电价上涨无疑会损害消费者福利,而又无益于改善发电企业TFP,因此,应当避免在当前电力产业链结构未发生变化的前提下,销售电价的攀升;而期望通过销售电价的降低刺激输配电企业改进生产效率,则必须意识到输配电企业会依赖于自身的垄断势力向上游不对称地传递价格信号,从而转移规制压力到上游发电企业,因此,仅依赖于价格规制难以激励输配电企业改进生产效率,但发电企业承受来自下游输配电企业转移的规制压力却确定性地增加了。
[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]白让让, 王小芳. 规制权力配置、下游垄断与中国电力产业的接入歧视——理论分析与初步的实证检验 [J]. 经济学(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, 张维迎, 顾全林, 汪淼军. 企业生产率的代际效应和年龄效应 [J]. 经济学 (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]陶锋, 郭建万, 杨舜贤. 电力体制转型期发电行业的技术效率及其影响因素 [J]. 中国工业经济, 2008, (1): 68-76.
[13]国家电力监管委员会. 电力监管年度报告 [R].国家电力监管委员会, 2006-2009.
(责任编辑:风云)
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
浙江省自然科学基金青年项目(LQ15G030005);中国博士后科学基金第57批面上一等资助项目(2015M570495);浙江省哲学社科研究基地规划课题重点项目(15JDGZ01Z)
张雷(1984-),男,安徽桐城人,浙江财经大学中国政府管制研究院助理研究员;乐军(1990-),女,湖北广水人,浙江财经大学中国政府管制研究院硕士生。
F270.3;F421
A
1004-4892(2016)02-0097-08