基于随机非参数包络分析方法的中国火电上市公司成本效率研究

尚东

摘 要：为了评估国有火力发电企业的成本效率水平，并分析所有者形式对效率的影响，采用随机非参数包络分析方法，计算上市火电公司的成本效率。结果表明，在考虑所有制形式这一外部因素的条件下，上市火电公司整体效率值比较低，效率上升空间仍然很大。同时，上市火电公司的平均成本效率在研究期间内先下降后上升，中央企业成本效率相对低于地方政府所有企业。最后，提出相应的政策建议，即应加大技术、人力和管理投资，并加强管理，以抵抗未观测到的外部因素对企业带来的不良影响。

关键词：火电;StoNED;成本效率;所有者形式

中图分类号：F830.91        文献标志码：A      文章编号：1673-291X（2019）09-0087-08

引言

“十一五”和“十二五”期间我国经济的快速发展带来电力行业的飞速发展。全社会消费用电保持快速增长，我国全社会用电量从2005年的2.5万亿千瓦时增长到2015年的5.5万亿千瓦时;发电装机快速增长，供应能力极大提高，全国发电装机容量从2005年底的5.17亿千瓦提高到到15亿千瓦。火电作为我国主要的发电形式，为我国电力供需平衡起到了很重要的作用。虽然发电行业发展如火如荼，但仍然存在不少问题。大规模的电力投资从早期解决了经济发展中电力短缺问题，到后期出现电力过剩的状况，这主要是经济增速下降等多方面因素所带来的我国电力供需的逆转，我国的社会用电量增速从2013年开始出现了大幅下降，到2015年全社会用电量增速仅为0.5%，创改革开放以来最低记录。在电力需求增速向下换挡和全国电力供需宽松、部分地区过剩的情况下，发电装机容量受建设周期影响还将延续高速增长，并导致电力过剩的持续期延后，由于装机容量的快速增长，也摊薄了全部发电设备利用小时数，其中火电设备利用小时数将从“十二五”初期的5 305小时降至末期的4 400小时以下。

虽然中国电力行业不断改革，但中国仍处于改革和发展时期，转型特征尚存，国有火力发电公司仍然占据市场份额的主体，这些公司成本效率的提升将很大程度上带动整个行业的效率进步，研究国有公司的效率对火电行业在市场机制中保持竞争力具有重要的意义。

一、文獻综述

常见的效率评价方法主要包括非参数方法和参数方法，其中数据包络分析方法（data envelope analysis，DEA）是非参数方法中具有代表性的方法，是由Charnes等于1978年提出的，数据包络分析模型假设决策单元是同质的，无法纳入随机因素对结果带来的影响，不符合客观实际，并且效率估计值受异常值影响很大[1]。参数方法中最具代表性的为随机前沿分析方法（stochastic frontier analysis，SFA），它是由Aigner等[2]、Meeusen和van Den Broeck[3]几乎同时提出的，这种方法通过生产函数构造前沿面，引入随机误差项，使效率测度结果更符合实际，并且受异常值影响较小，但是该方法要求提前设定具体的函数形式，有一定的局限性。上述的两种非参数DEA方法和参数SFA方法在实际应用中各有优劣。Kuosmanen等将DEA和SFA完全整合到一个统一的效率分析框架中，我们将其称为随机非参数包络分析（StoNED）[4]。StoNED的发展不仅仅是技术创新;这也是效率分析的范式转变。StoNED的统一框架为DEA和SFA的经济动因分析和基础提供了更深入的见解，但它也为效率分析和相关主题（如前沿估计和生产分析）提供了更加通用和灵活的平台。

对中国发电行业的讨论也日趋普遍。Lam和Shiu对中国不同地区、不同时期火电厂的效率和生产率问题进行了评估，发现电力行业的分离重组会通过增加电力企业的竞争，进而改善整个火力发电行业的效率水平，在1995—2000年期间，全要素生产率的年均增长率达到了2.1%[5]。Du等对中国火力发电厂进行了全要素技术效率分析，并发现政策改革一定程度上提升了电力行业的效率水平[6]。结合我国实际国情，陶锋等测算了发电行业效率发展趋势，并分析了产权结构、燃料成本及技术、市场结构等对发电行业技术效率的影响[7]。

技术效率可以较好地反映决策单元的生产力水平，而通过纳入价格信息，成本效率可以为我们提供一个全新的视角，更好地反映行业绩效。Hiebert将生产效率理论扩展至成本效率研究，发现产权形式、决策单元数量和政府管制等因素都会影响电厂成本效率的变化[8];而且Yu等发现，天气对英国配电公司技术效率影响不明显，但对成本效率的影响非常显著，因而得出发电部门成本效率比生产效率研究更具现实意义的结论[9]。但是目前，我国对发电行业的成本效率研究相对较少。Wang等测度了考虑二氧化碳排放的中国30个省级火电公司成本效率[10];Li等利用多种随机前沿成本模型，分析了2012年颁布的煤电联动政策对中国火电行业成本效率的影响[11]。另外，大部分研究选取的是省际数据或发电机组级别的数据。如Du等[6]、Elliott等[12]，很少研究以发电公司作为研究对象。发电公司作为市场内的竞争主体，其效率水平可以为衡量企业在行业内水平、提升企业管理绩效提供便利，并且企业决策主体的身份更有利于提升效率研究结果的实际参考价值。

二、StoNED

StoNED方法作为参数方法SFA和非参数方法DEA的结合，利用了两种方法的优点，弥补了两种方法在效率评价上的不足。在StoNED模型框架下，限定生产函数为连续的、单调递增和凹性，但不假定具体函数形式，这和DEA的处理是相同的。其后利用SFA的思想，将残差分解为不小于0的非有效项和噪声项，弥补了DEA未能考虑噪声干扰的不足。

三、数据与指标选择

本章在研究对象的选取上，考虑到我国目前的发电形式有火电、水电、风电和太阳能发电，其中火电为主要发电形式。以往的研究也多选取省际数据来进行效率分析，但目前我国的发电公司多为大型集团，往往在多地建有发电厂等，属于跨区域经营，单纯地按照行政区域划分发电部门，并以此来研究，并不能合理的反映发电部门市场的经营主体地位。刘笑言选取了中国火电上市公司作为研究对象，并指出成本效率水平的高低可以作为公司经营水平的评价指标，对公司向行业领先者靠拢具有重要意义[17]。因此，本文选取中国火电上市公司作为研究样本。

电力行业在經济发展具有重要作用，我国发电行业的大多数企业仍有国有资本控股或参与，因此对于国有发电公司的研究能为火电行业甚至是电力行业的市场化改革提供研究样本，而且更具有代表性。

本章选取火电上市公司为样本，在样本的确定上，主要参考上市公司的主营业务为火力发电项目，并且筛选主要为国有资本所有，即为常提到的“国企”，包括中央政府所有和地方政府所有，最终选取17个数据相对完整，并且符合研究对象特征的公司。样本数据为2007—2015年17家国有上市火电公司组成的平衡面板数据进行效率分析，相应的数据来源主要包括上市公司年报、上海证券交易所网站（www.sse.com.cn）和深圳证券交易所网站（www.szse.cn），样本对象（见表1）。

在效率分析方法中，投入、产出指标的确定是研究的重中之重，在考虑异质性的前提下，异质性因素的选取和确定对于研究问题有着极为重要的作用。本文主要研究火电上市公司的成本效率，因此，本章涉及的变量主要有5个：火电上市公司的成本、投入变量（劳动力价格和资本价格）、产出变量（年平均发电量）和异质性变量（所有制形式）。其中，上市公司的成本和年平均发电量直接从公司年报中得到;投入变量包括劳动力价格和资本价格，这里劳动力价格是指公司年度劳动力支出与员工数的比，而资本价格使用剩余法进行计算，剩余法中资本价格被定义为剩余成本与净资本存量的比值，而剩余成本是指除劳动力支出外的总成本。其中，总成本和价格类数据都按照价格指数以2007年价格指数为100进行折算。异质性因素是指影响研究对象生产经营的外部环境因素，这里根据研究问题，选取火电上市公司的所有制形式，该指标的值有两个，中央政府所有和地方政府所有，在数据处理中，设置该指标为虚拟变量，用1代表中央政府所有，用0代表地方政府所有。

样本数据的统计学描述（见表2）。从各个指标看出，总成本、劳动力价格和年平均发电量样本数据分布较为分散，其中总成本最大值为1 276亿元，最小值为13亿元，结合年平均发电量的最大值为3 205吉瓦时，最小值为26吉瓦时，可以看出样本中的上市火电公司有规模很大的公司，也有规模很小的公司;从所有制形式可以看出，样本选出的上市火电公司中中央所有的和地方所有的数目相差不大，较为平均。

四、结果分析

（一）参数分析

通过计算结果可以得到，R2值为0.9826。该数值指StoNED前沿模型可以解释影响火电公司总成本自然对数的可观测变量中98.26%的部分。该R2值反映了投入变量（劳动力价格、资本价格）、产出变量（年平均发电量）和异质性变量（所有制形式）以及非有效项u的期望值的影响，剩下的1.74%则是指该StoNED不能解释的部分，包括非有效项偏离均值的部分，以及噪音项。在假设的条件下，该模型中StoNED前沿最大化地包络了实证数据，说明了不会再有同样满足强可处置性、凸性和规模报酬不变性的成本函数C能取得更高的R2值。Kuosmanen提到，StoNED方法与SFA不同点不仅在于模型设置上，在实证分析中，StoNED方法中的投入产出的参数所表示的含义为前沿上对应点的相切超平面，且每一个点对应一个值，与SFA中的参数结果所表示的含义是不一样的[18]。因此，在本章的参数分析中不展示投入和产出指标的参数结果，这里主要讨论异质性因素的参数结果。关于异质性因素（所有制形式）的参数结果（见表3）。

从表3中数据可以看出，该异质性指标的参数值都是大于0的，表示所有制形式对于火电上市公司的成本是正的影响，也即中央所有上市火电公司的成本大于地方所有的上市火电公司。这主要是因为中央所有上市公司经营地域涉及多个省份甚至全国，企业规模较大;而地方所有企业则主要在一个省内经营，相对规模较小。将2007—2015年的参数值取均值得到0.4606。

从时间变化上来看，所有制形式参数2007—2015年呈现先变大后变小的趋势。图1展示了17个上市火电公司总成本以及所有制形式参数随时间的变化曲线。由图1可以看出，17个上市火电公司总的成本在2007—2015年间也是呈现先增后减的趋势，与异质性指标的参数变化较一致，两者的最高点都出现在2011年左右。成本的变化主要是由于“十二五”前期延续了“十一五”的发电规模，并且总装机和发电量连年增长，发电行业增速过快，从2012年开始，我国的全社会用电量增速大幅下降，出现了电力行业总体供大于求得局面，在发电部门则通过降低机组的利用小时数等措施，来抑制发电端的快速增长，已达到与消费段相适应，这就导致发电部门得发电成本的下降，主要是总的行业特点。通过计算，得到2007—2015年总成本和所有制形式参数的相关系数为0.4809，说明两者之间有一定的相关性，一个可能的原因是电力行业为国家重点行业，当出现电力供需不平衡时，需要中央所有火电企业（规模较大）去执行政策意图，来达到中央政府的调控目的，因此该参数变大，意味着中央所有企业对于总成本的影响更大。

（二）效率值分析

在效率值分析中，本文主要做三个工作：首先，对比分析效率值分别在17个公司总水平、中央所有企业水平和地方所有企业水平三个方面得变化情况;其次，研究所有样本的效率分布情况;最后，找出效率表现最好的几个样本公司，利用标杆管理，进行样本间对比，为效率表现较差的公司提供提升的标杆。

1.对比分析。17个上市火电公司平均效率、中央所有企业的平均效率和地方所有企业的平均效率在时间上的变化。图2给出了变化趋势，三者得整体变化趋势几乎相同，都为先降低后升高，效率最低的年份均为2011年。在比较三个平均效率时，发现三者之间差距很小。整体的变化趋势呈现先下降再升高的趋势得原因可能为“十一五”期间电力行业发展较快，发电行业的装机容量飞速增长，规模增长得过快，导致机组的利用小时数却并不高，而机组的利用小时数影响着企业成本，所以“十一五”期间三者的效率值都是呈下降的趋势;从2011年起，平均效率是呈现上升的趋势，这主要得益于“十二五”国家的又一轮经济投资建设，带动了电力需求的增长，因而带动发电企业的生产。总的来说，劳动力价格呈下降趋势而资本价格变化不是很大，因此总的原因主要是由于经济发展对于行业的带动作用，当然也可能存在模型中没有考虑到的企业管理等因素。基于以上结果，由于发电部门还没有完全的市场化，政府在制定相应政策时，不能盲目投资建设，要适时考虑电力供需平衡;在电厂的运营管理中，要综合考虑发电任务和机组的利用率问题。

2.对于上市火電公司得效率分布的分析。从图3可以看出，大多数火电公司的成本效率值不是很高，主要集中在0—0.4区段内，只有少量的公司的效率值能大于0.6，说明行业总体的效率水平不够高，仍需要通过提高管理运营水平来提高成本效率。将企业分为中央所有企业和地方所有企业后，观察图3可知，中央所有的公司的效率分布更加分散，而地方所有的企业的效率分布相对集中，这主要是由于中央企业相对规模加大，且受中央管制，灵活性较差，管理难度较大，且需要按照中央的政策调控需要起到一些行业调控的作用;而地方所有的企业虽然也受地方政府管制，但相对规模较小，企业的经营自主权较大，管理能力相对更好。

3.通过对17个上市火电公司的成本效率值进行年度平均得到表4。表4将17个上市火电公司的成本效率进行排序，按照从高到低进行排列，其中内蒙华电的平均效率最高，约为0.55，接下来是建投能源、国投电力、广州发展、漳泽电力的效率值超过了0.3，效率排行5的企业3个地方企业、2个中央企业。整体来看，中央企业和地方企业在排行中分布较为平均，如华能国际、吉电股份、大唐发电作为中央企业也排在后几位，而通宝能源、深圳能源作为地方企业也排在靠后的位置。因此，基于此结果，政府在制定政策时，不仅要考虑行业整体水平，还要考虑个体性的差异，适时地淘汰落后产能，进而提高行业整体水平。

结语

本文以17家国有上市火电公司为代表，评估了我国发电行业中火电上市公司的成本效率，并分析了所有制形式这一外部因素对上市火电公司成本水平的影响。本研究采用结合了参数和非参数效率分析方法的StoNED模型计算上市火电公司的成本效率，并且考虑了异质性因素所有制形式对上市火电公司成本水平的影响。研究发现，在考虑可所有制形式这一外部因素的条件下，上市火电公司整体效率值比较低。这说明，行业总体的效率水平不够高，但效率上升空间仍然很大，仍需要通过提高管理运营水平来提高成本效率。从时间层面发现，在考虑各类异质性的情况下，上市火电公司的平均成本效率在研究期间内先下降后上升，这主要是缘于行业的周期性变动;并且中央所有的公司因规模较大以及国家对于其定位，从而成本效率相对低于地方政府所有的公司。为提升发电环节效率，企业应发展多元发电结构，以传统火电为根基，引入新能源发电形式，以对抗不断攀升的煤炭价格和日益严峻的环境考验;加大技术、人力和管理投资，结合自身情况借鉴先进经验;并且，政府还应推出更多激励政策，鼓励地方政府所有的企业提升自身成本效率。

参考文献：

[1]  Charnes A.，Cooper W.W.，Rhodes E.Measuring the efficiency of decision making units.European Journal of Operational Research，1978，（6）：429-444.

[2]  Aigner D.，Lovell CAK，Schmidt P.Formulation and estimation of stochastic frontier production function models.Econometrics，1977，（1）：21-37.

[3]  Meeusen W.，van Den Broeck J.Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error.International Economic Review，1977，（2）：435-444.

[4]  Kuosmanen T，Johnson A，Saastamoinen A.Stochastic Nonparametric Approach to Efficiency Analysis：A Unified Framework，2015.

[5]  Lam P.L.，Shiu A.Efficiency and Productivity of Chinas Thermal Power Generation.Review of Industrial Organization，2004，（1）：73-93.

[6]  Du L.，He Y.，Yan J.The effects of electricity reforms on productivity and efficiency of Chinas fossil-fired power plants：An empirical analysis.Energy Economics，2013，（40）：804-812.

[7]  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.

[8]  Hiebert L.D.The Determinants of the Cost Efficiency of Electric Generating Plants：A Stochastic Frontier Approach.Southern Economic Journal，2002，（4）：935-946.

[9]  Yu W.，Jamasb T.，Pollitt M.Does weather explain cost and quality performance？ An analysis of UK electricity distribution companies.Energy Policy，2009，（11）：4177-4188.

[10]  Wang Y.S.，Xie B.C.，Shang L.F.，et al..Measures to improve the performance of Chinas thermal power industry in view of cost efficiency.Applied Energy，2013，（112）：1078-1086.

[11]  Li H.Z.，Tian X.L.，Zou T.Impact analysis of coal-electricity pricing linkage scheme in China based on stochastic frontier cost function.Applied Energy，2015，（151）：296-305.

[12]  Elliott R.J.R.，Sun P.，Chen S.Energy intensity and foreign direct investment：A Chinese city-level study.Energy Economics，2013，（40）：484-494.

[13]  Eskelinen J.，Kuosmanen T.Intertemporal efficiency analysis of sales teams of a bank：Stochastic semi-nonparametric approach.Journal of Banking & Finance，2013，（12）：5163-5175.

[14]  Johnson A.L，Kuosmanen T.One-stage estimation of the effects of operational conditions and practices on productive performance：asymptotically normal and efficient，root-n consistent StoNEZD method.Journal of Productivity Analysis，2011，（2）：219-230.

[15]  Jondrow J.，Knox Lovell C.A.，Materov I.S，et al..On the estimation of technical inefficiency in the stochastic frontier production function model.Journal of Econometrics，1982，（2）：233-238.

[16]  Ondrich J.，Ruggiero J.Efficiency measurement in the stochastic frontier model.European Journal of Operational Research，2001，（2）：434-442.

[17]  劉笑言.中国国有火电上市公司成本效率分析——基于随机前沿方法[J].甘肃科学学报，2018，（1）：108-112.

[18]  Kuosmanen T.Stochastic semi-nonparametric frontier estimation of electricity distribution networks：Application of the StoNED method in the Finnish regulatory model.Energy Economics，2012，（6）：2189-2199.

Abstract：In order to evaluate the cost efficiency of state-owned thermal power company and analyze the influence of ownership form on efficiency，the stochastic non-parametric envelopment of data method is used to calculate the cost efficiency of listed thermal power companies.The results show that considering the external factor of ownership form，the overall efficiency value of listed thermal power companies is relatively low，and there is still a lot of room for efficiency increase.Meanwhile，the average cost efficiency of listed thermal power companies declines at first and then rises during the study period，and the cost efficiency of central company is relatively lower than that of local government-owned enterprises.The corresponding policy suggestions should be made to increase investment in technology，manpower and management，and strengthen management in order to resist the unobserved adverse impact of external factors on enterprises.

Key words：thermal power industry;StoNED;cost efficiency;ownership