电力行业区域环境效率时空差异及其影响因素研究

姜雯昱

（江西财经大学 统计学院，南昌 330000）

0 引言

在长期以火力发电为主的电源结构下，电力行业燃烧了大量的化石燃料，增加了温室气体的排放量，阻碍了我国经济和生态环境发展的可持续性。为了更好地坚持走可持续发展道路，电力行业担负着艰巨的重任。目前，能客观和准确地测度和分析可持续发展潜力的指标是环境效率指标。本文在考虑各省市电力调配和污染物转移的问题基础上，综合考虑整个电力活动各环节之间的相互作用，基于发电侧和用电侧的共同作用，采用包含非期望产出的超效率至前沿最远距离模型（超效率SBM模型）和全局Malmquist-Luenberger指数模型（GML指数法），对电力行业环境效率的静态空间分布和动态时间演变过程进行分析，运用Tobit模型探索影响电力行业环境效率的主要因素。

1 研究方法和数据处理

1.1 包含非期望产出的超效率SBM模型

包含非期望产出的超效率SBM模型，模型表示如下：

其中，n表示决策单元（DMU）个数，m表示DMU投入种类数量，q1表示期望产出的种类数量，q2表示非期望产出的种类数量，xik、yik和bik分别表示投入、期望产出和非期望产出的向量和b-分别表示投入、期望产出和非期望产出的松弛变量，λ是一个常数向量。目标函数的效率值ρ越大，表示DMU效率值越高。当效率值大于1代表此DMU处在效率前沿面上，继续增加投入，可以提高环境效率；不足1代表投入不足或冗余，说明投入产出有改进的空间。

1.2 Global Malmquist-Luenberger(GML)指数法

构建GML电力行业环境效率指数为：

EffeCt+1t衡量每个DMU从t到t+1时期技术效率改进对环境效率增长的贡献程度，大于1表示技术效率改进使环境效率改善。TechCt+1t衡量每个DMU从t到t+1时期技术创新程度，大于1表示技术进步且对环境效率增长有贡献。

1.3 Tobit模型

构建以最大似然估计为原理的面板Tobit模型，探索影响电力行业区域环境效率的主要因素：

式中，i表示各省市，t表示年份，ui是个体效应标准差项，εit是随机误差项。Eit是电力行业SBM环境效率值，Tech表示电力行业环境技术进步水平，用各省市的研发经费投入强度表示。考虑到数据的可得性，选取的其他变量分别为：经济发展水平GDP，用人均GDP表示；产业结构状况Ind，用第二产业占地区GDP比重表示；电源结构状况Ele，用非火力发电装机容量占比表示；区域电力转移状况Tre，用区域发电量与用电量的比值表示，大于1表示电力调出量大于本区域用电量，小于1表示电力调入量大于本区域用电量。

1.4 指标选取与数据说明

1.4.1 指标选取

选取2006—2015年全国30个省、市、自治区（除西藏、港澳台地区）的面板数据作为DMU来测度电力行业环境效率。具体选取的指标及变量如下：

（1）发电侧环节。投入变量用各地区发电煤耗和地区火力发电装机容量来衡量；期望产出变量用各省市的发电量来衡量；非期望产出变量用各地区电力行业的CO2排放量、工业SO2排放量和烟粉尘量来衡量。

（2）用电侧环节。考虑各省域电力调配和污染物气体转移的现实问题，投入变量用各地区实际发电煤耗责任分摊值和火力发电装机容量责任分摊值来衡量；期望产出变量用代表地区电力经济产出的GDP来衡量；非期望产出变量用各地区实际电力行业的CO2排放量责任分摊值，工业SO2排放量责任分摊值和烟粉尘量责任分摊值来衡量。

1.4.2 数据来源

数据来源于2007—2016年《中国电力统计年鉴》《中国统计年鉴》和《中国能源统计年鉴》。其中，区域电力行业CO2排放量计算主要按2006年《国家温室气体排放清单指南》推荐的碳排放计算方法估算，选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气等8种主要化石能源作为发电消耗的能源种类。地区GDP采用以2006年为不变价计算的地区生产总值。

1.4.3 数据处理

（1）用电侧的投入和非期望产出变量责任分摊核算

对于一个地区用电侧的环境效率，考虑到由于一个区域发电量与用电量不完全相等，且在输配环节中存在的线损率。因此，根据该地区发电量和用电量分别求得用电侧的投入和非期望产出的责任分摊值：

其中，i表示各地区，Ii为用电侧的投入变量的责任分摊值，Oi为用电侧非期望产出变量的责任分摊值，Ui为地区用电量，Gi为地区发电量为N个地区总发电量；GIi为发电侧地区投入变量为N个地区发电侧总投入；Wi为发电侧地区非期望产出变量为N个区域总污染物排放量；∂为年平均线损率。

（2）综合环境效率核算

由于发电环节和用电环节的同等重要性，用发电侧和用电侧两者环境效率乘积的几何平均数求得电力行业综合环境效率，具体如式（9）所示：

2 实证结果分析

2.1 电力行业静态环境效率特征分析

由下页图1可知，各省市SBM环境效率均值整体呈由东南向西北递减的空间分布特征。具体来看，在整个研究期间，广东和海南的环境效率均值处于效率前沿。相反，新疆、重庆、吉林、江西、黑龙江、宁夏、陕西、山西、甘肃的环境效率均值都低于0.4，远低于其他地区水平，电力行业环境污染非常严重。结合国家电网公司及南方电网公司的区域分布划分，可以得出，华东电网的平均环境效率达到0.9，为所有电网中最高；其次是南方电网，其平均环境效率达0.74；接着，依次排序由大到小为华中电网、华北电网、东北电网和西北电网。

本文以各省市发电侧SBM为横坐标，用电侧的SBM为纵坐标，以（0.7，0.7）为划分，将所有省市划分为四种环境效率类型，即高发电侧—高用电侧类（第Ⅰ象限）、低发电侧—低用电侧类（第Ⅱ象限）、低发电侧—高用电侧类（第Ⅲ象限）和高发电侧—低用电侧类（第Ⅳ象限），见图2。

图1 中国电力行业SBM环境效率空间分布

图2 各省市发电侧和用电侧环境效率分布图

从图2可以看出，全国大部分省市主要集中在高发电侧—高用电侧和低发电侧—低用电侧两种类型。其中，属于高发电侧—高用电侧类型的有9个省市。这些省市发电侧的环境效率较高是因为自“十一五”期间以来，电源结构不断优化；同时，这些省市的经济发展速度较快，用电转换率较高，使用电侧的环境效率高于其他省市。尤其是华东电网的4个省市（上海、江苏、浙江、福建），地区经济发达，建立了煤耗监控系统，加大了节能减排新技术和新设备的推广，节能减排效果显著，用电侧和发电侧的环境效率显著高于其他电网的省市。低发电侧—低用电侧环境效率类型共包含18个省市，说明我国一半以上省市发电侧和用电侧的环境效率同时都处于较低水平。其中，东北电网的3个省市（黑龙江、吉林和辽宁）属于这一类型。原因是这些省市的电源结构是以煤电为主，环境污染严重，发电侧环境效率非常低。华中电网的4个省市（江西、河南、重庆、湖南）属于这一类型的原因在于这些省市的自然资源禀赋不足，电源结构以火力发电为主，使发电侧的环境效率较低；同时，经济发展速度较快，自身发电量难以满足用电需求，每年都需要调入外省大量电力，用电侧的间接转移投入和间接非期望产出较多，使用电侧的环境效率较低。西北电网的4个省市（陕西、宁夏、甘肃、新疆）之所以处于这一类型主要是因为这些省市所处于经济落后地区，发电环境技术效率和用电转化率较低，使发电侧和用电侧的环境效率都处于较低水平。

2.2 电力行业动态环境效率特征分析

2006—2015年各电网区域GML均值及其分解指数如图3和表1所示。在整个研究期内，所有电网区域的GML均值始终大于1，总体环境效率是在不断提升，但呈波动趋势，提升速度不稳定，具体可分为两个阶段。第一阶段，“十一五”时期，环境效率变化主要呈先降后升的“U”型趋势，波动的原因是受金融危机的影响，经济产出下降，电力行业用电量需求逐年下降，使环境效率提升速度不断下降。随着金融危机影响的减弱，除南方电网外，其他省市电力行业的环境效率提升速度在2009—2010年间达到峰值；第二阶段，即2010年以后，环境效率提升速度主要呈先升后降的倒“U”型变化趋势。效率提升显著得益于国家明确提出了“十二五”期间关于电力行业相关节能和减排的目标和提升电力行业环境效率的行动方向。

图3 各电网区域GML指数变化趋势图

表1 效率变化(EffeC)和技术变化(TechC)比较

从GML指数分解来看，技术效率变化指数EffeC一直保持在均值1.00左右，而技术进步变化指数TechC始终大于1，这表明技术进步是电力行业环境效率提升的主要驱动力。值得注意的是，“十二五”期间GML的均值明显高于“十一五”期间，主要原因是EffeC和TechC的均值进一步提升。表明进入“十二五”以后，由于电力行业节能和减排的技术创新能力有一定程度的提升，使我国电力行业环境效率提升速度取得了一定幅度的增长。从GML指数来看各省市的效率变化，所有省市在整个研究期间整体上是效率不断提升的。其中，效率提升较快的省市主要集中在华东、华北和南方电网，年均增长速度分别为18%、13%和25%。这主要是因为处于华东电网中的上海、福建和浙江，南方电网中的海南、广西、海南和云南，华北电网中的北京和天津是所有省市中环境技术进步效率（TechC）增长速度最快的5个省市。

3 影响因素分析

首先，对模型进行Hausman检验，结果得出模型适合采用随机效应面板Tobit模型；接着，进行模型估计，得出结果如表2所示。结果显示，模型的个体效应和随机误差项的标准差较小，方差比Rho高达0.876，对数似然比值较大，方程拟合程度较好。

表2 面板Tobit模型估计结果

从表2可以看出，电源结构对电力行业环境效率有着显著的促进作用。我国电力行业长期以燃烧煤炭等化石燃料为主的火力发电为主，是我国CO2、SO2、氮氧化物等温室气体的主要来源。技术进步对电力行业环境效率有着显著的正相关。从发电侧来看，提升发电环境技术能有效提高发电效率，减少能源消耗和环境污染，从而提升发电环节的环境技术效率；从用电侧来看，提高用电经济转化率技术和大力推广使用节电类产品，提高电能源利用率，从而间接提升环境效率。人均GDP对电力行业环境效率呈显著的正向作用。经济发展水平越高的地区，电力行业的环境技术、资金等资源越丰富，有一定的经济条件来改善和提升环境效率。从发电侧来看，经济发展水平较高的区域有一定的技术和资金来增加非火力发电的比重；从用电侧来看，经济发达地区能够高效地利用电能，将电能转化为有效的经济产出，从而间接提升区域电力行业的环境效率。产业结构比重状况与电力行业环境效率呈显著负相关，说明第二产业比重越大，电力行业的环境效率越低。区域电力转移状况对电力行业环境效率有着明显的抑制作用，表明区域电力转移率越高，电力行业环境效率越低。主要是因为区域电力转移率较高时，发电端地区自身的发电量大于用电量，该地区需要承担比用电终端地区更多的能源投入和污染物的排放，增加该区域电力行业的环境污染程度和能源消耗，使环境效率降低。

4 政策建议

第一，充分考虑地区电力行业环境效率差异特征，因地制宜实施环保措施。对于华东电网，一直保持其电网区域内各省市电力行业环保措施的全国模范作用；对于南方、华北和东北电网区域的各省市，应不断挖掘其电力行业环境效率提升的潜力，提升电力行业环境保护措施实施的效果；对于华中和西北电网区域的各省市，应努力缩小其环境效率水平与其他省市的差距，加大对这两个电网区域中各省市电力行业环境效率的提升和关注。

第二，积极转变地区经济增长模式，优化产业结构，提升地区低碳经济发展水平。各地区要大力减少第二产业比重，尤其是第二产业中高用电量和高碳排放部门的比例；同时，促进地区经济水平的集约式发展，坚持走低碳经济发展路线和可持续发展路线。

第三，重视电力行业电源结构优化以及技术水平进步的关键作用。要不断增加如水能、太阳能、风能等清洁能源的发电比重，加大电力节能环保技术、设备的研发投入。

第四，合理调配区域电力，统筹区域协调发展。在调配区域电力的同时，不能忽略相应污染物排放的跨区域转移问题，基于地区不同的资源禀赋和电力供求情况之上，合理和高效地推进各区域电力行业的低碳发展。