中国风电产业效率的DEA实证及其影响因素研究

梁 玲 许建红 张忠伦 谢家平

（1.华东理工大学 商学院，上海 200237；2.上海财经大学 商学院，上海 200433）

进入21世纪以来，能源安全和环境保护已经成为全球化问题，可再生能源为缓解能源供需矛盾和解决不可再生能源枯竭问题起到了重要作用。各国政府相继出台了各种政策以鼓励、保护可再生能源的利用，在发达国家，风电、光伏发电及其他可再生能源发电以年均20%的速度增长，已成为一些国家主要的电力来源。自2006年《可再生能源法》颁布实施以来，我国风电产业也取得了长足进步。从2007年的风电装机容量5848兆瓦至2015年底已增长到145362兆瓦，几乎是2007年的24倍，超过欧盟的141吉瓦，占世界总量的33.55%，稳坐第一的位置。并且，风电发电量占可再生能源发电总量的67%，带动近50.7万人就业。然而，在我国风电产业以扩大规模为导向的大背景下，一方面可再生能源发电占总发电量不到1／8，另一方面装机规模却一直保持迅猛势头，随之而来的是某些区域出现停机弃风、风电消纳不足。2016年全国第一季度弃风电量就高达192亿千瓦，平均弃风率为26%，这对风电发展制约很大，其中既有政策协调的问题，也存在企业自身扩张和技术问题。由此，亟待准确把握目前风电产业的技术效率状况，在政府主导下，针对薄弱环节制定相关政策，引导企业、行业在把握市场发展的前提下，相互配合共同应对。

1 我国风电产业效率测度

技术效率从投入角度可解释为在技术和价格不变的情况下，为了达到相同产量的产出，将投入要素按照既定的比例投入所得的最小成本与实际投入的成本的比率。Leibenstein（1966）从产出的角度定义技术效率为实际产出与在市场价格一定、投入规模一定、投入比例相同的相似环境下所能获得的最优理想产出的比率，如果该比率值不大于1，则反映出企业、行业中存在效率损失。

DEA由于约束条件少，不需要事先建立生产函数模型，也不用考虑要素的单位换算，还可用于多投入、多产出的评估，因此被应用于各行业、企业、组织的绩效和效率评估，如能源效率、薪资评定、投资回报、运营效率等。

1.1 指标选取

Farrell（1957）、Leibenstein（1966）等对技术效率阐释，要想测度行业的技术效率必须首先厘清投入要素和产出。风力发电中的关键投入要素有人员的投入如人员数量和人员报酬等、资金投入如研发及设备购买以及土地的租赁等、设备投入如发电机组、变频设备、高压输电线等。

投入指标为风电装机容量、风电从业人数、35k V输电线长度／35k V及以上变压器个数。产出指标为风电发电量。

本文选取的数据来源于2011年至2015年公布的《中国工业电力统计年鉴》、《中国新能源发电分析报告》、国家能源局网站（http：／／www.nea.gov.cn）、全球风能理事会的《2015年全球风电装机统计》以及工业企业数据库。主要数据为2010年至2014年，共23个省直辖市5年的数据。对数据完整度不高的区域进行了剔除，如安徽、湖南、四川、陕西、青海、西藏、广西、贵州等地区，2011年部分地区从业人数数据缺失，运用统计预测的插值法进行了补充。

1.2 综合效率分析

综合效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。本文使用Max DEA 6.13专业软件对数据进行分析。被测的决策单元的综合效率值等于1的为有效单元，小于1的为无效单元。软件处理后得到综合数据，具体如表1至5所示。

表1 全国总体风电技术效率及分解得分

从表1的数据分析可以看出我国风电产业总体年均综合效率是逐年上升，从2010年的53.4%上升到2014年的81.56%，可见综合效率得到了比较高的提升，可以大致判断我国风电产业的投入产出比在80%左右，属于中等水平。

由此可以发现2011—2014年这五年间我国风电的总体技术效率处于较高水平，即技术水平和管理水平较高。规模效率反映实际规模与最优规模之间的差距，说明实际规模的利用程度，从数据上看风电总体规模效率也呈上升趋势，但较技术效率而言，还存在差距。由于综合效率由技术效率与规模效率共同决定，从分析得分情况可以看出，因为规模效率的得分远低于技术效率，所以我国风电产业的生产水平没有达到理想状态的主要瓶颈在于规模效率。

1.3 区域效率对比

表2是各省市2010—2014年五年间的风电综合效率值。通过对表2的分析可以看出，能达到平均综合效率有效（TE=1）的地区得分上升到了81.56%，说明行业的发展是健康的。

表2反映出绝大多数地区的综合效率都是上升的，截至2014年已有六个决策地区的效率值为1，占总体数量的26%，分别为山西、内蒙古、福建、宁夏、新疆、云南。

其中，内蒙古为风电第一大省，无论是规模还是技术都一直处于领先地位。该地区处于一类风区，风资源条件优越，风能总资源占全国的50%，因此备受国家重视，获得了大力扶持，且土地价格较低，可利用面积广阔，容易产生规模效应，是风电开发企业的首选，因此无论技术还是规模都处于领先位置。福建省自2001年就与西班牙合资开发风电，较早引进吸收先进技术，一直保持优势。另外，福建省可利用风电的范围相对集中，容易产生规模效率，因此在有限的优势风区对风电机组的效率更加关注，连续4年风电年均利用小时数据居全国第一。相反，甘肃同样处于优势风区，有风库之称的酒泉、风口之称的玉门，由于近两年问题频出、电网结构布局不合理，反而导致了风电资源配置浪费，严重打击了风场业主的积极性。加之风场盲目扩大规模，尤其是2014年抢装严重，输电、销电能力及其不匹配，直接导致效率滑坡。

表2 各省市2010—2014年风电综合效率值

另外，海南的数据可以反映出我国海上风电较陆上风电的发展还有一段距离。由于海上风电需要更高的技术，无论是对机组的要求还是对人员素质的要求，以及建造成本都高于陆上，且海风的不稳定性更高，目前可利用的小时数难以有所提高，因此导致综合效率偏低。河南的综合效率如此之低，通过与内蒙古相比就能发现问题，发电量不到内蒙古的2%，但是装机容量却是内蒙古的29.6%，可见存在严重的资源配置浪费，过分的规模政策导致了无效率。

因此通过表2数据分析可得出，我国各地风电发展需要在规模效率方面重点下功夫。

1.4 区域效率分解

通过对区域综合效率的分解更能清晰地辨别优势和缺点，本文对近几年我国风电产业技术效率做了更进一步的分析。

1.4.1 技术效率分析

表3是技术效率的得分，可以看出总体上技术效率是不断提升的，说明风电产业中各组织的管理效率在不断提升，技术水平也在不断提升，具体分值如表3所示。

表3 各省市2010—2014年风电纯技术效率值

如表3所示，无论哪一年，技术效率有效的地区数量都多于综合效率有效的地区数量，2014年技术效率有效地区已经达到11个，占47.8%。结合我国风能行业在世界的地位，说明我国风电行业的整体技术、管理水平已处于领先地位。我国风电行业的整体成本处于世界低成本区，且实现了90%以上的设备国产化，所以各地风机设备的运用不相上下，只是在管理上各家企业有所不同、人员素质占比不同导致轻微差别。我国对可再生能源电力的重视，催生了风电行业对其的重视，使得企业首先通过引进技术，学习技术，然后吸收技术，再到开发新技术的道路走得既稳妥又有效。但是，各地行业技术效率的差别提醒我们部分地区要以标杆地区为基准，提升管理水平。与世界发达国家相比，面对核心技术的缺失，在消化吸收的基础上，我国还需要加大创新力度。

1.4.2 规模效率分析

如表4所示，截至2014年，我国风电规模效率均值为83.88%，规模报酬状态显示规模报酬递增，充分说明了我国风电行业的规模利用率存在大范围的无效率，值得我们研究分析。

表4 各省市2010—2014年风电规模效率值

首先，通过历年产业政策可以看出，我国出台相关政策的目的是促进风电行业的发展壮大，指导思想集中反映为扩大风电场规模，缺乏细致的规划。如“十二五”期间的产业政策主要是核准建多大规模的风电场，核准多少装机容量，极大刺激了发电端的投资行为。但是对于输电、用电端却缺乏指导，导致上马的风场不能完全发挥应有的作用。本应发生的规模效应，并未理想地发生，反而滋生出“并网难和高弃风限电”并存的现象。其次，一些企业错误的形势判断导致一味追求“圈地”，等待时机与补贴也助推了规模“无效率”。

但是，数据也反映出我国风电行业的规模效率是逐步走高的，规模报酬的走势也反映出我们的规模是有提升的必要和空间的，目前没有一个地区显示出规模报酬递减，说明其整体上是可以提升的。规模效率的提升会直接影响综合效率的提升，因此规模的优化是关键所在。

2 风电产业效率的目标值改进

通过分解分析得知我国各地风电行业效率不同，即发展不平衡，存在无效率，尤其是规模无效率体现得尤为突出。对无效率DMU的松弛分析能更加清晰地展示出这些问题：目标改进值=原始值+比例改进值+松弛改进值。为进一步研究资源在风电行业的有效配置，本文对典型地区进行了松弛变量分析，通过具体数值反映。以2014年为例，通过分析得出表5所示数据，仅以装机容量和从业人数为例。

对于专款专项资金的收入，财务管理人员，要准确的记录，对于正在实施的项目要进行核实，防止重复项目发生。对于正在实施项目出现资金短缺问题，要积极沟通，向上级请示，在资金拨出后，及时进行账目标注。保证项目工作的正常进行，也保证国有资产的安全，还可以防止行政事业单位出现腐败现象，对我国的社会发展有积极的影响。

如表5所示，以河南省为例，在装机容量这个投入变量上，其存在比例改进和松弛改进，即S11-0=-571.18，S12-0=-9.11，说明河南省要想达到技术效率有效，在装机容量上必须减少580.29单位，才能达到有效目标值41.71单位，减少比例达到93.29%；在从业人员方面同样需要比例改进，即S21-0=-1427.95，才能达到有效目标值127.05单位，减少比例达到91.83%。只有同时按要求进行两方面的投入减少才能达到有效。从理论上来讲要这样操作，但实际情况是，已经安装的风机不可能拆除，人员也不可能这样大规模裁减，因此从产出角度来讲，为了提高要素的利用率，在不减少投入的限制下，只能努力增加产出才能解决效率损失的问题。河南省的调节过程如图1所示。

表5 2014年无效省市效率与松弛改进

图1 河南省装机容量与从业人数改进示意图

以计算所得的综合效率值为基础，以有效省域，即效率值为1的省域构成效率边界，则宁夏、福建、内蒙古、云南、新疆、山西构成边界，以Q点表示河南省的技术效率值，由Q点向原点投影与边界线交于Q1点，可得云南省风电技术效率值为OQ1／OQ，无效率值为Q1Q／OQ。与最接近的山西相比较，云南省要想达到技术效率有效，需要从装机容量和从业人员两方面减少相应比例，装机容量改进方向如实线箭头所指，首先比例缩进571.18单位达到Q1点，再松弛改进-9.11到达与山西具有相同投入比例的装机，从业人员的改进如虚线箭头所示，松弛改进1427.95单位，达到目标值。

综合分析发现：我国风电产业总体发展良好，但地区间发展不均衡；综合效率稳步提升，主要由纯技术效率支撑，反映出我国风电产业的管理和技术水平有较高的发展；规模效率增长不尽如人意，且地区间差异很大，这既与地区资源丰富程度有关，也与地方政府政策引导有关，更与企业错误的行为有关；风电产业的特性决定了其收益回收期长，我国风电行业规模报酬的状态是总体规模报酬递增，说明风电产业发展还处于成长阶段，但是大范围的规模无效率又说明需要进行规模优化；通过对无效单元的目标调整分析，从理论上可知，投入要素既需要比例改进也需要松弛改进，才能达到理想目标值，但是风电行业的特性决定了不可能仅以减少现有投入来实现效率有效，必须以控制投入为辅，以想方设法提高产出为主来实现。

3 风电产业效率的动态分析

为了对产业效率进行动态分析，选取Malmquist指数作为工具。Malmquist指数即通常的全要素生产率指数，可以用来测度生产力的变化，反映生产前沿的移动及DMU的相对变化（追赶效应），通过动态的分析能直观地看到我国风电产业效率的动态变化情况。

3.1 Malmquist指数简介

假设T和T+1两个时期的决策单元分别为（Xt，Yt）及（Xt+1，Yt+1），由于两个时期的生产前沿不同，则根据不同前沿度量得到的产业效率不同，Malmquist指数分别是

其中，Mt表示决策单元（DMUc）相对于t时期生产前沿的产业效率变化。为了体现变化状态，FareR等将两个Malmquist指数的几何平均数作为被评价单元的Malmquist指数：

等式左边的前半部分（EC）为两个时期的产业效率变化。当EC＞1时，表示在T+1期时决策单元的效率相对于T期时提高了；当EC＜1时，表示在T+1期时决策单元的效率相对于T期时降低了。

总体上MI=EC*TC，即Malmquist指数=产业效率变化*技术进步变化，又因产业效率变化实际上是技术效率与规模效率的乘积，所以Farer等又将Malmquist指数（全要素生产率TFP）进行了如下分解：

MI（TFP）=技术效率变化（Pech）*规模效率变化（Sech）*技术进步变化（Tech）

当MI＞1，表示生产率提高，MI＜1，表示生产率下降，MI=1，表示生产率无变化。

3.2 Malmquist指数的动态测度

运用Deap 2.1软件，测算出2010—2014年全国23个省（直辖市）的全要素生产率，如表6所示。在2010—2011年，2011—2012年这两个对比期可以发现技术效率变化均高于技术进步，前者的指数均大于1，表现为有效，而后者小于1，说明技术进步是无效的。但是可以看出前者提高的幅度是下降的，而后者的降幅是缩小的，说明技术进步的变化后发优势要大于技术效率。同样，综合效率变化与技术进步相比也呈现出这种情形。全要素生产率的变化在这两个比较期，TFP＞1，说明生产效率是提高的，但是提高的幅度却在下降，到2012—2013年时，出现了退步，即生产率下滑，不再增长，到2013—2014年时已经再次下滑。最终TFP定格在0.979，风电产业全要素生产率并没有提高，反而是在下降。

表6 2010—2014年风电产业全要素生产率变化情况汇总

分析原因，可从表6看出，全要素生产率的不增长表现是由综合效率逐年下降导致的，从最初的增长94.4%到衰退9.2%，而技术进步虽然从均值上看表现不佳，但是最后时期却是小幅增长的，2013—2014年期间技术进步0.4%。因此可以得出结论，我国风电产业的生产率并不如我们想象的那样一直在增长，数据反映近两年的增长放缓，出现了倒退，其中技术效率的倒退是直接而主要的原因。好在技术进步的变化不断得到提升，使生产前沿面有所前移，使得整个产业的生产率表现不至于过分难看。同时也说明我国风电行业在技术上保持了前进的动力，但由于管理水平尤其是技术人才的缺乏使得技术效率负增长，大量无计划装机、盲目投资，导致看似规模庞大的行业其实并没有出现规模效率增长。综上所述，印证了前文分析得出的我国风电行业的技术效率处于中等水平且规模效率普遍不高的结论。

4 风电产业技术效率影响因素分析

我国风电产业长期以来单纯重视量的发展已显现出其负面效应。下面将使用已测得的综合效率得分作为因变量，根据文献梳理出可用指标作为自变量运用最小二乘法进行相关分析。

借鉴 Kar（2016）、余龙（2014）等对风电产业技术效率影响因素的研究，发现技术和经济指标均对技术效率产生影响。根据数据的可得性选取以下指标作为影响因素进行分析，分别是风电投资总额、风电行业专利审定数量、新增装机容量占比、年均利用小时数。

选取风电年投资总额作为解释变量，鉴于数据的可获得性和便利性选取专利数量来反映技术进步，选取新增装机容量占比充分反映行业规模的变化，年均利用小时数反映了风机的利用率（可利用小时数的增加直接导致设备利用率提升与机组发电量增加）。

本文将计算所得的效率值作为因变量，因为期数较少，因此借鉴前人研究的结果作为补充，最后确定为2005年至2014年共10期的技术效率作为因变量，选取历年风电投资总额（千亿元），每年审定授权的电力专利数量（千项），新增装机容量占风电总装机容量的比率（%），年均可利用小时数（千小时）作为解释变量，假设模型为

YE=C+β1X1+β2X2+β3X3+β4X4

其中，Xi分别代表历年风电投资总额、专利数量、新增装机容量占风电总装机容量的比率、年均可利用小时数，βi分别表示各变量的系数，YE代表技术效率值。

4.1 数据处理

运用SPSS 2.0对数据进行回归分析，强制回归所有变量，得到如表7至表9所示的结果。通过对表7的分析发现总体相关性R2=0.991，说明回归方程解释变量和被解释变量的相关性，即拟合优度很好，同时F=141.2，Sig＜0.0001，说明回归方程通过了显著性检验，总体来说方程式是有意义的。

表7 回归总体相关指标

但是通过分析解释变量的显著性检验时，如表8所示，其中有2个变量的显著性较低，说明投资总额和可利用小时数在解释技术效率时显著性不强。

表8 变量显著性检验

通过对数据进行处理，将异常点剔除后得到如表9所示的修正结果。

表9 修正后各检验指标

系数a非标准化系数B 标准误差标准系数 t Sig.（常量）55.950 6.734 8.309 0.001投资总额X 1（千亿元） 10.464 4.067 0.290 2.573 0.062专利数量X 2（千项） 3.269 0.819 0.388 3.991 0.016新增装机容量占比X（%）-0.077 0.054-0.174-1.439 0.223利用小时数X 4（千小时）5.989 2.671 0.187 2.242 0.088

如表9所示，R2=0.996，F值为250.3，总体Sig＜0.001，说明回归相关性更高、显著性更强，但是个体显著性方面，新增装机容量占比的Sig未通过显著性检验。最终回归方程确定为

YE=55.95+10.46X1+3.269X2-0.077X3+5.989X4

R2=0.996，F=250.3，p＜0.001

通过该方程可以看出投资总额、专利数量、可利用小时数对技术效率起到了正向促进作用，且作用是明显的，新增装机容量占比起到了负相关作用，但是显著性不强。

4.2 变量影响分析

4.2.1 投资总额的影响

投资总额的系数为β=10.464，说明投资总额对技术作用为正向，可理解为每增加1千亿人民币的投入，对技术效率将产生10.4%的正向影响。这充分说明投资对风电这样高新技术密度较大的行业的刺激作用。

4.2.2 技术进步的影响

代表技术进步的专利技术数量的系数为β=3.269，说明技术的进步对综合效率有正向促进作用，关于电力的专利技术每增加1000项将对风电技术效率产生3.269%的作用。技术的不断进步促使我国整体的风电开发成本逐年下降，成本领先已经居于世界先进行列。

4.2.3 可利用小时数的影响

代表设备利用率的可利用小时数的系数为β=5.989，说明设备的正常使用及高效利用对风电技术效率十分重要，甚至高于技术进步的作用。这是因为风力发电的生命周期很长，风场一般的使用期限为25年，前五年几乎为适应期，风机故障率呈现出“浴盆”状，故障率低则风机可利用率高，表现出可利用小时数较高；另一方面，风场所在的市场环境，如并网条件，如该地区（包括外送）可消纳的风电高，避免了风机停机情况，也表现为高可利用小时数，则风力发电量就多，技术效率值就高。

4.2.3 新增装机容量占比的影响

该项的系数β=-0.077，对技术效率的促进作用为负，但是其显著性不高，因此不能清晰表明最终影响程度。从理论上来讲，行业的规模效应促使行业整体成本下降、产量增加，从而促进技术效率的提升。但是以扩大规模为主的风电产业竞争，超出了整体社会的承受力，反而产生了浪费，通过前文对河南省和新疆自治区的分析就能发现过度的装机及超出设施的承受力将会适得其反。因此，装机规模对风电行业技术效率的影响应分不同时期来解释，在新生阶段应扩大规模，但是相对稳定或成熟期应适当控制和优化规模。

通过对变量的解读，我们可以得出结论：风电投资的增加尤其是基础保障设施的建设投资可为风电产业的发展奠定良好的基础，对风电整个环节都有积极的作用；技术的进步对整个产业的生产前沿向前移动至关重要，可以提高行业整体的效率，同时能保障我国风电行业较强的竞争力；通过各方面的努力，保证可利用小时数的稳定和提升，使得发电可以持续进行，减少浪费，提高设备的效益，促进整个产业技术效率的提升；风电装机容量的扩大不一定带来规模效率，超出可控的范围反而会带来社会资源的浪费，不利于技术效率的增长。

5 结论

本文通过对风电产业技术效率的静态和动态分析，以及对相关影响因素的解释，发现目前风电行业的发展在政策的指引下，能保持积极的状态，但是综合效率不高，尤其是规模效率更显得问题重重。风电产业整体生产前沿向前，但是追赶效应滞后，由此从企业到政府都应努力改变目前的状况，才能使整个产业更健康地发展。

一方面，企业层面应提升技术效率。企业对技术效率的重视和直接参与对风电产业技术效率的提升将是莫大的贡献。一是风电行业属于技术密集型行业，技术上的大力投入有利于其处于领先地位，积极打造高素质技术团队；二是优化企业规模，避免盲目扩张；三是企业间加强信息流通，打造技术创新共享平台，共同研发，共同受益，这不但能节省成本，还能更早地享受技术扩散带来的红利。另一方面，政府层面上要引导企业提高技术效率。一是我国在电网方面的建设在各自区域内比较完善，但是地区间的跨区域电网建设十分落后，如截至2014年底，全国35k V及以上输电线长度达到了1554236公里，但是跨区域间输电线长度仅为17182公里，仅为总长度的1.1%，这使得风电优势明显的一类区的大量风电无法对外输送；二是积极引导搭建技术创新平台，使风电行业的产学研有效联接起来，突破关键技术盲点；三要统一规划，杜绝无效规模建设；四要建立合理的绿电政策引导制度，弥补单纯的新能源补贴政策的不足，引导企业不能再为补贴而建，打通发电、输电、用电网络的经脉，提升风电供应链整体协同效率。