中国城市供水业亏损是因为成本上升吗？

李宏舟　于文领　闫明喆

摘要：为了理清中国城市供水业连年亏损的原因，本文借鉴收入上限规制的逻辑。将城市供水企业的效率测算结果与其成本分析联系在一起，首次定量估算了中国城市供水业的可节约成本范围。具体而言，本文收集了2004-2013年1 972组中国城市供水企业的面板数据。利用随机前沿分析框架下的B-C（95）模型、随机系数模型和广义真实随机效应模型，通过距离函数测算出样本城市供水企业的技术效率为84.10%-91.50%，然后进一步估算了其配置效率为70%-100%时。供水企业可节约成本为619.7299亿-2 998.7640亿元，大于样本期间的亏损额228.7000亿元。据此可知，导致中国城市供水业亏损的原因不是成本上升，而是效率低下，对应的解决方案不是提高水价，而是参照近年来的输配电价监管思路，在价格监管体系中引入激励机制。以激励供水企业提高效率和降低成本。

关键词：城市供水业；成本效率；技术效率；随机前沿分析

一、问题的提出

根据《城市供水统计年鉴》，进入21世纪后中国城市供水业连年亏损，2004-2013年其亏损总额达228.7000亿元。企业亏损的直接原因是价格低于成本。因而提高价格、降低成本或同时提高价格和降低成本是三个备选的解决方案。至于具体选择哪一个方案，则要视亏损的原因而定。为了理清亏损的原因，本文假设供水企业的账面成本，也就是监管机构能够看到的成本为C，它实际上包括两部分：一部分为企业的真实成本C1，另一部分为各种无效率带来的可节约成本C2。如果可节约成本C2大于或等于亏损额，则说明无效率是导致亏损的原因，合理的应对方案不是提高水价，而是激励供水企业提高效率，甚至降低价格（因为具有垄断性质的城市公用事业以保本微利为原则）：如果C2小于亏损额，这意味着即使消除所有的无效率仍无法改变供水企业亏损的现状，即效率低下和成本上升共同导致了供水企业亏损。因而合理的应对方案是提高效率和提高水价的组合拳。在上述假设中，账面成本C和亏损额是可观测值，而C1和C2是不可观测的，但C2/C=1-成本效率。如果能够得到中国城市供水业的成本效率值，则可以判断出C2的大小，C2=账面成本×（1-成本效率），而随机前沿分析框架则可以用来估算成本效率。因此，本文的研究逻辑是通过随机前沿分析框架，测算出样本城市供水企业的成本效率，从而估算中国城市供水业账面成本中C2的大致范围，并将其与亏损额进行比较。

与王志良等、于良春和程谋勇、Jiang和Zheng、肖兴志和韩超与王芬和王俊豪对中国城市供水效率的现有研究相比。本文的创新点在于：一是首次将效率测算结果与供水企业成本分析联系起来，估算了中国城市供水企业在样本期间的可节约成本范围，定量分析了供水企业亏损的原因。二是在效率测算中应用了随机前沿分析框架。现有研究主要采用非参数的数据包络分析或非前沿面理论的参数方法，数据包络分析方法因为忽略随机误差可能导致效率值的测算出现较大偏差，该方法主要被应用于数据收集相对不完善的早期效率研究中，基于非前沿面理论测算得到的部分生產要素效率或生产率不能正确反映全要素效率或生产率的情况。三是考虑了外部环境因素对效率的影响。在以数据包络分析方法为主的现有研究中普遍没有将环境变量考虑在内，这等于默认所有供水企业所处的外部环境是完全相同的，显然这种假设过于苛刻，会导致较大的测算误差。四是研究样本为相对微观的市级城市供水企业。现有研究主要以省级供水部门作为决策单元，这些数据主要来自于《中国城市建设统计年鉴》等相关资料，是所辖市级供水企业数据的汇总。本文以国务院批准的建制市供水企业作为决策单元，样本数量大，而且数据全部来自中国城镇供水排水协会收集整理的《城市供水统计年鉴》，数据方面的统计误差相对较小，可供选择的变量种类较多，能够减少数据缺失对建模和效率测算可能带来的负面影响。

二、研究设计

1.数据来源与样本选择

本文所采用的数据来自中国城镇供水排水协会编纂的《城市供水统计年鉴》，该协会每年以国务院批准的建制市为对象，对其辖区内的供水企业实施调查。比如2010年共有654个建制市，实际编入年鉴（2011年版）的供水企业有666家（北京等地有多家供水企业）。本文的样本主要来自这666家接受调查并填写全部或部分所需数据的城市供水企业，样本区间设定为10年（2004-2013年），经过初步筛选，本文发现能够全部给出所需数据的企业共有201家。进一步分析发现，广东中山和江苏淮安的供水设备运转率数据异常，全部大于1，贵州六盘水和广东梅州部分年份的数据异常，剔除这些出现异常值的市和部分年份以后，进入最终样本的城市供水企业共有199家，合计有1 972组观测数据。

2.模型设定

在效率测算的建模过程中，为了提高测算的精度，需要考虑的问题主要有：

（1）函数方程的选择。即从生产函数、距离函数和成本函数中选择适合研究目的且可以匹配所需数据的函数方程。根据城市供水企业供水量是由用户而非生产者决定的技术特征和数据的可得性，本文选用投人导向型距离函数。因为根据距离函数测算的是技术效率，所以还需要将其转换为本文需要的成本函数。

（2）函数形式的选择。本文将分别使用柯布一道格拉斯函数形式和超越对数函数形式进行模拟和估算，然后根据上述判断标准进行选择。

（3）选择什么样的随机前沿函数模型。自Aigner等与Meeusen和Broeek首次提出随机前沿分析模型至今，学者们提出多种模型，具体可以分为四代：第一代模型以Pitt和Lee与Schmidt和Sickles为代表，该类模型假设无效率值在样本期间没有变化。而且没有将无效率项与时不变的企业特质性区别开来，从而增大了效率值的测算误差：第二代模型以Cornwell等与Kunibhakar为代表，该类模型假设无效率值随时间变化，但没能将无效率项与时不变的企业特质性区别开来；第三代模型对无效率项与时不变的企业特质性进行了区分，以Greene与Wang和Ho为代表：第四代模型属于范式上的改变，该类模型假设企业的无效率项分为时变的无效率部分和时不变的无效率部分，代表性研究包括Kumbhakar和Hialmarsson、Kumbhakar等与Filippini和Greene。本文样本区间跨度为10年，因而第一代模型排除在外，第二代模型虽然有缺陷，但Battese和Coelli Eis构建的模型（以下简称B-C（95）模型）因为可以同时回归出无效率影响因素而被广泛使用。本文选用的模型包括第二代的B-C（95）模型、第三代的真实随机效应模型（True Random Effects Model。以下简称TREM）和第四代的广义真实随机效应模型（Generalized True Random Effects Model，以下简称GTREM）。其中第二个模型为在TREM基础上拓展的随机系数模型（Random Parameter Model，以下简称RIM）。