降电价政策对工业生产活动影响的实证研究

谢 涛，刘晓静，赵雪敏，曹清华，安 玲

(1.国网安徽省电力有限公司，安徽 合肥 230070；2.国网安徽省电力有限公司阜阳供电公司，安徽 阜阳 236040；3.北京经世万方信息技术有限公司，北京 100022)

2020年新冠肺炎疫情对经济带来巨大冲击，为支持企业复工复产，国家于2020年2月至6月实施阶段性非高耗能工商业电价减免5%的政策和支持性两部制电价政策。2020年5月22日，又明确提出“降低5%非高耗能工商业电价政策延长到今年年底”，为做好、落实“六稳”提供有力支撑。本文试图通过分析历史降电价政策对行业经济活动的影响，评估电价政策效应，为电价政策的精细化、针对性优化调整提供参考[1]。

以往文献大多从研究电价政策与宏观经济关联性着手，主要集中在电价调整与产业结构、经济发展关系方面，少数文献从行业层面探讨了电价敏感性[2-8]。还有部分学者从电价成本占营业成本比重角度分析电价政策影响[9-11]。虽然现有文献不乏从经济总量、结构以及企业成本层面研究电价政策的影响，但较少基于分行业真实经济反馈开展研究。电价成本对企业的影响仍将取决于企业用电的“刚性”或“弹性”以及其他影响因素如市场的主导程度。从真实经济反馈的结果入手，采用双重差分法(Differences-in-Differences，简称DID)与时间序列的干预分析模型(interrupted time-series analysis，简称ITSA)相互佐证，验证以电价政策提振工业经济的有效性，并刻画不同行业对电价政策的应激度。

按照国家电力改革要求，安徽省发改委颁布多项政策积极稳妥地推进电价改革，降低企业用电成本。2018年1月以来一般工商业保持稳定的降价规律，而大工业降价主要发生在2018年5月1日，后期降价不显著。大工业用户多属于规上工业企业，据统计，安徽省规上工业企业中近80%的用电量执行大工业电价，因此可将规上工业企业作为衡量电价政策是否有效的实施对象。以2018年5月安徽省大工业降电价政策为切入点，基于规上工业分行业经济走势，从定性与定量两个层面对降电价与行业经济活动之间的关系进行分析，并以定性分析指导定量建模的参数设定。

1 模型方法

1.1 双重差分法

DID是一种评价某一事件或政策影响程度方法，通过对政策实施前后控制组和干预组之间差异的比较构造出反映政策效果的双重差分统计量，从而得到政策净效应。DID模型适用于事前所有个体都没有受到政策干预，而事后只有一组个体受到政策干预场景。DID的思想见图1。

图1 双重差分法思想

DID模型通用形式如下：

Yit=α+β(Gi*Dt)t+γGi+δDt+εit

(1)

式中Gi——分组变量(若个体i受政策实施影响，i属于干预组，记为1，否则处于控制组，记为0)，表示干预组与控制组的固有差异；Dt——政策实施变量(政策实施后为1，政策实施前为0)，表示政策实施前后的时间效应；Gi*Dt——分组变量和政策实施变量的交互项，其系数反映了政策实施效应。

为更精确地反映个体特征和时间固定效应，DID模型形式可转换成双向固定效应DID模型形式：

Yit=α+β(Gi*Dt)t+μi+λt+εit

(2)

式中μi——个体固定效应，替代了分组变量；Gi，λt——时间固定效应，替代了政策实施变量Dt。

双向固定效应DID模型中交互项Gi*Dt即DID指标。考虑到被解释变量Yit影响因素众多，除政策效应实施变量外还存在其他影响因素，这些变量会影响研究结果，需要加以考虑。为控制这些变量影响以及使估计结果尽可能准确，需在模型中引入控制变量(Zit)，得到：

(3)

DID模型构建的前提假设是：干预组和控制组在政策实施之前必须具有共同的变化趋势，因而检验模型是否满足共同趋势假设极为重要。为确认DID模型所反映出效应确实是由政策实施所导致的，需要对DID模型进行稳健性检验，主要是安慰剂检验。

共同趋势假设是双重差分方法的关键假设，常见的检验共同趋势假设的检验方法：一是对比不同组别因变量均值的时间趋势，若政策实施前干预组和控制组因变量走势完全一致或基本一致，则说明满足共同趋势假设；二是回归中加入各时点虚拟变量与政策变量的交互项，若政策或称为干预发生前的交互项系数不显著，则表明的确有着共同趋势。

安慰剂检验通过虚构干预组或者虚构政策时间进行估计，检验是否存其他可能影响趋势变化的政策、随机性因素导致政策干预时点之后干预组和控制组趋势发生变化。如果不同虚构方式下估计量的回归结果依然显著，那么就说明模型估计结果很有可能出现了偏误，被解释变量的变动很有可能是受到了其他因素影响，即所研究的政策并不对被解释变量有作用。

1.2 时间序列干预分析模型

ITSA将干预的实施视为准试验设计，依靠感兴趣的变量在干预实施前后的一系列观测值，获得较高的内部效度。当干预组的结果可以与控制组的结果相比较时，通过允许研究者控制遗漏变量的影响，内部效度可以进一步增强。

1.2.1 单组干预分析

当只有一个研究对象(没有控制组)时，标准ITSA回归模型采用以下形式：

Yt=β0+β1Tt+β2Xt+β3XtTt+εt

(4)

式中Yt——结果变量Y在每个等间隔时间点t的观测值；Tt——等时间间隔(如每月)；Xt——描述干预情况的虚拟变量，在干预发生前为0，其他时期为1；XtTt——交互项，表示干预前后斜率的变化。

ITSA模型原理图如图2所示。在图2中，β0代表结果变量的初始水平；β1代表结果变量在干预发生前的斜率或轨迹；β2代表与反事实结果相比较，结果变量在干预发生后的瞬间变化量；β3代表在干预发生前后回归线斜率间的差异。

图2 ITSA模型原理图

下面将关注点放在β2和β3的显著性上，它们分别描述了干预的瞬时影响与持续影响。

在ITSA应用过程中需要注意如下情况。

(1)当窗口期存在多项干预时，ITSA可能并不适用。

(2)按照设计，单组ITSA没有可比的控制组，根据干预前的趋势预测到的值即为反事实结果。这需要做出假设：任何随时间变化的干扰因子都是缓慢而平稳变化的，因此其影响可以与干预所引起的急剧变化区分开来。

1.2.2 多组干预分析

当存在控制组进行比较时，多组ITSA回归模型：

Yt=β0+β1Tt+β2Xt+β3XtTt+β4Z+

β5ZTt+β6ZXt+β7ZXtTt+εt

(5)

相较于单组模型，多组回归模型包含了β4～β7这4个新项。其中，Z是描述组别的虚拟变量，干预组为1，控制组为0；ZTt，ZXt，ZXtTt均为交互项。在多组ITSA中，图2中下方直线的系数β0～β3体现的是控制组的特征；较高处直线，β4～β7代表干预组的特征。具体来说，β4代表组间初始水平的差异；β5代表干预发生前组间斜率的差异；β6代表两组结果变量在干预发生后的瞬间变化量的差异；β7代表干预发生后斜率较之前变化的组间差异。多组ITSA的关键假设是，在干预组没有接受干预的反事实状态下，两组结果变量在水平或趋势上的变化应该是相等的，即假设的干扰因子对干预组和控制组的影响相当。

2 安徽省降电价政策对行业经济活动的影响分析

降电价政策直接降低了目标群体的用电成本，因此可能会对企业经济活动产生影响。规上工业近80%用户电量属于大工业用电，通过观察大工业降电价政策执行前后规上工业总体、重点制造业经济指标的表现，可直观地判断电价政策调整是否会对行业经济活动的影响。

2.1 工业总体

从规上工业增加值累计增速来看，电价政策执行前后工业增加值增长曲线存在形势逆转的特征(见图3)。以2018年5月大工业降电价为例，电价执行政策前，工业经济增速持续下行，电价政策执行后的5月、6月增速出现迅速反弹，6月累计增速回升0.5%，之后减速上行。根据安徽省发改委信息查询结果，2018年4月左右未出台其他经济发展强力支撑政策，因此短期(4～5个月)内表现出迅速反弹或表明电价政策对工业经济具有一定的提振作用。

图3 降电价政策实施前后处理组与对照组工业经济走势

2.2 重点制造业

重点行业2018年和2019年工业经济增速对比如图4所示。2018年在电价政策的刺激下，装备制造业中处于下游的电气、汽车产业未显示受电价政策的显著影响，行业后期走势并未显示出提振势头，反倒2019年行业经济低开高走；装备制造业中游专用设备制造业、仪器仪表制造业受电价政策影响显著，政策实施后，行业走势降幅锐减，约3个月之后，行业经济总体走强，而计算机行业经济则迅速好转并持续上升；同样处于中游的纺织业在降电价政策实施后也出现好转迹象；上游有色、化工行业在电价政策实施后，降幅收窄并有平稳上升迹象，受需求层传导影响，有色、化工行业的电价政策起效时点相对滞后。

图4 重点行业2018、2019年工业经济增速对比

经济迅速好转的计算机、通信电子设备制造业受影响时间较长，行业经济表现持续向好；与此同时，专用设备制造业所受影响虽有所滞后但持续时间长，行业于3个月内出现好转，之后持续向好；通用设备制造业受影响时长较短，政策实施后行业虽有好转，但仅维持2月左右，之后延续政策实施前的下降趋势。

中上游产业是电价政策最直接的受益行业，如专用设备制造业、仪器仪表制造业、纺织业、有色冶炼行业等，电价政策对行业经济具有较为明显的提振作用。其主要原因是中上游行业对终端市场需求感知相对迟滞，短期生产计划受订单影响。一般来说，即使终端市场需求有下降趋势，但短期内中游产业仍然存在下游行业的当期或早期订单，降电价后企业通过合理安排生产就能从中获益。相比之下，下游产业则主要由市场需求、行业政策引导，如电气、汽车制造业受电价政策影响不显著，对于此类行业，市场因素发挥着更重要的作用。此外，高耗能行业用电成本虽高，但非金属、黑色冶炼行业并未显示受电价政策显著影响。由此可见，电价政策的影响绝非仅由企业用电成本主导。

3 研究设计与实证分析

3.1 研究设计

3.1.1 数据来源

本文研究所需数据为月度数据，时间区间为2018—2019年，指标上包括电价政策信息、分部门电价、规上工业分行业增加值累计增速、投资累计增速、出口累计增速、中国制造业采购经理指数(PPI)等。其中，电价政策信息、分部门电价数据来源于国家电网安徽省电力有限公司；规上工业分行业增加值累计增速、投资累计增速来源于安徽省统计局；出口累计增速来源于合肥海关，PPI来源于国家统计局。

3.1.2 模型构建

降电价政策是政府层面的宏观部署，行业或企业层面的经济活动无法对政府电价政策施加影响，因此“降电价政策”可以作为“准自然实验”场景，采用DID模型来检验降电价政策对行业经济活动的影响。

本文从时间维度上选取对照组：一是，考虑2018年5月1日大工业电价大幅下降，而2019年同期大工业电价平稳；二是，2018—2019年总体宏观背景相似，均为经济由“新常态”转入攻坚期阶段。本文将2019年规上工业行业构造为对照组，2018年为处理组，以降电价政策执行时点(即5月1日)作为政策冲击时点进行双重差分检验，测算各行业受到的影响，并统计不同行业经济增长对电价政策的反馈。

根据DID模型设立的基本步骤，构建以下虚拟变量。一是处理组和对照组虚拟变量dtreated，处理组为2018年规上工业行业，定义为1；对照组为2019年规上工业行业，定义为0。二是政策实施时间虚拟变量t，5月1日之后定义为1，之前定义为0。

本文基于DID方法建立的OLS模型如下：

yi，t=β0+β1did+λi+vi+εi，t

(1)

式中yi，t——工业行业增加值累计增速；did=dtreated*t——分组虚拟变量与政策实施虚拟变量的交互项，其系数β1就反映了政策实施的净效应；λi——个体固定效应；vt——时间固定效应；εi，t——随机误差项。

为了突出降电价政策的效果，在政策变量的基础上尝试引入投资累计增速、PPI等控制变量。但是控制变量的回归结果并不显著，并且系数符号也与预期相悖，故最终未将其纳入到模型中。DID模型的假设存在一定缺陷，采用ITSA模型进行佐证，增强实证结论的有效性。

3.2 回归分析

各行业因所处产业链位置不同，对电价政策的敏感度不同，部分下游产业如计算机行业在降电价政策实施后，经济走势迅速转变，但中上游行业如专用、仪器仪表、有色冶炼则滞后3个月左右出现经济走势的拐点。参考定性分析结论，以6月为界，将电价政策效应划分为短期与中期效应，用以观测电价政策对行业经济产生影响的时点，实证结果与分析如下。

3.2.1 基准回归分析

DID模型实证结果表明，降电价政策实施后，规上工业经济增速迅速上升，并且长期保持上升趋势。短期内，电价政策调整使工业经济增速上升0.82%，并且在5%的水平上显著；中期内，电价政策调整使工业经济增速上升1.55%，并且在1%的水平上显著。在添加投资累计增速变量之后，短期内降电价政策对工业经济影响不显著，中期内将推升工业经济增速上升0.63%，并且在5%的水平上显著。

综合两组模型，电价政策对工业经济的中期提振作用是显著的。但添加投资累计增速变量后，电价政策变量的系数有所下降，符合常理认知，也反映了以政策实施净效应单变量构建DID模型，结果将会高估电价政策对工业经济的影响。工业总体回归结果如表1所示。

表1 工业总体回归结果

3.2.2 行业差异性分析

选取包括4个高耗能、4个装备制造业、纺织业、农副食品加工业、橡胶和塑料制品业、专用设备制造业在内的12类行业，分别构建DID模型，模型试算结果如下。

降电价政策对部分规上工业行业的经济活动存在显著影响，主要是装备制造业中的通用、计算机、专用、仪器仪表制造业，以及纺织业、有色、化工行业，与2019年同期没有实施降电价政策的行业经济走势相比，2018年5月之后行业经济增速呈不同程度和不同持续时长的上升。下游电气与汽车制造业经济活动均未表现出受降电价政策的显著影响。中游制造业中，降电价政策对计算机和纺织业经济影响时间较长，经济增速在短期和长期内均显著增加。具体地，降电价政策执行后，计算机行业经济增速短期内上升5.31%(在5%的水平上显著)，中期经济增速上升15.65%(在1%的水平上显著)；短期纺织业经济增速上升2.87%(在1%的水平上显著)，中期行业经济增速上升约5.9%(同样在1%的水平上显著)。中期专用、仪器仪表制造业(需要注意的是，建模时，仪器仪表制造业的政策时点有所改变，将原政策5月起效时点推延至6月，得到政策效应显著的模型结果)经济受降电价政策影响分别提升4.59，9.63%(均在5%的水平上显著)。通用行业虽然短期政策效应显著，但中期将回归政策实施前增长水平。中游制造业回归结果如表2所示。

表2 中游制造业回归结果

将投资累计增速纳入到回归模型中，短期降电价政策对计算机行业经济影响显著，中期不显著。降电价政策实施后，短期计算机行业增加值增速提升5.44%。纺织业等其他行业则在纳入行业投资累计增速、PPI等变量后未能得到有效或可解释的模型结果。控制投资累计增速后计算机行业回归结果如表3所示。

表3 控制投资累计增速后计算机行业回归结果

上游制造业中，非金属、黑色冶炼等行业经济对电价政策变动几乎无反应，有色冶炼、化工行业经济活动受电价政策的滞后影响，行业经济增速在5～6月无显著反应，6月之后经济增速出现抬升趋势。具体地：中期电价政策调整使有色冶炼行业经济增速上升7.48%(在5%的水平上显著)；化工行业经济增速上升3.65%(在1%的水平上显著)。中上游制造业回归结果如表4所示。

表4 中上游制造业回归结果

3.3 稳健性检验

3.3.1 更换实证模型

考虑到构建的DID模型从时间维度上区分控制组与处理组，有异于以往的DID实证研究，无法完全规避不同时间段宏观背景差异的影响。为检验DID模型结果的可靠性，另采用ITSA模型对基准回归结果进行核验。

ITSA模型回归结果显示，电价政策调整使得工业总体经济增速短期和中期均呈上升趋势。具体地，在政策实施后第一个月，瞬时效应推升经济增速上升0.39%；之后以每月0.082%的幅度继续上升。根据ITSA模型结果，估算中期电价政策将推升工业经济总体上升约0.96%，与仅考虑政策实施净效应的DID模型结果相比低0.59%，与考虑政策实施净效应与行业投资的DID模型结果相比高0.34%。ITSA模型的回归结果如表5所示。

表5 ITSA模型的回归结果

3.3.2 安慰剂检验

采用安慰剂检验来对回归分析进行稳健性检验，通过虚拟的“伪降电价政策执行时点”作为政策冲击时点进行双重差分检验。本文随机选取6月为政策实施时间点进行检验。

工业总体安慰剂检验的测试结果如表6所示，采用虚拟的“伪降电价政策执行时点”政策净效应的估计系数在统计上不显著，这一结果表明不存在其他政策变革或者随机性因素引起处理组和对照组之间的差异，即降电价政策确实影响了规上工业总体的经济活动。

表6 工业总体的安慰剂检验结果

中游制造业行业的安慰剂检验结果如表7所示。计算机、通用、专用、仪器仪表、纺织业行业增加值增速对于虚拟政策时点均无显著反应，佐证了基准回归结论的有效性。

表7 下游制造业的安慰剂检验结果

中上游制造业的安慰剂检验结果如表8所示。测试结果表明，虚拟政策时点下，有色冶炼、化工行业的政策实施净效应均不显著，意味着行业处理组和对照组的差异的确是由降电价政策冲击造成的。

表8 中上游制造业的安慰剂检验结果

除稳健性检验之外，对工业及其细分行业执行平行趋势检验，除工业整体及极少数制造业之外，绝大多数制造业未能通过平行趋势检验，表明实证结果存在高估或者低估的可能。事实上，工业经济DID模型与ITSA模型的对比也反映了以政策实施净效应单变量构建模型的测算结果高估了电价政策对经济的实际影响。

3.4 研究方法的优缺点

双重差分方法处理的优点是能将影响行业经济增长的一般性宏观政策以及环境等因素剔除，从而能准确地估计降电价政策对行业经济活动的影响。但是，以DID实证模型研究电价政策效应也存在一些缺陷。2018和2019两年宏观背景仍有差异，并且存在时间趋势的干扰，具体到特定行业更为明显。实证结果表明，电气行业生产与降电价政策表现为中期负相关，同样的汽车制造业也存在类似情况。市场环境、行业政策对下游行业经济走势将起到主导作用，电价政策虽然能够助力企业降成本，但并非行业经济波动的决定性因素。

4 结语

通过考察降电价政策对工业行业经济活动的影响，最终得出以下结论。

(1)降电价政策对于工业经济增长具有显著的带动作用。电价政策调整后，工业总体经济增速短期内上升0.82%，中期内上升1.55%，在控制投资累计增速变量后，降电价政策在短期对工业影响不显著，中期将推升工业经济增速上升0.63%，其中主要是拉动了装备制造业中的通用、计算机、专用、仪器仪表制造业，以及纺织业、有色、化工行业的经济增长。

(2)行业所处产业链位置决定了电价政策效应是否显著以及起效时点。中游制造业对降电价的反应更为强烈，如计算机、专用、通用、仪器仪表和纺织业经济增速在降电价政策执行后有所上升，其中计算机、纺织业迅速反应，政策起效快，其他行业在政策实施3个月后受到滞后影响。上游制造业多表现为中期效应显著，有色、化工行业的经济增速在政策实施3个月后才显著上升。而下游电气、汽车制造业对电价政策均不敏感。

基于电价政策效应研究结论，对电价政策的优化提出两点建议。

(1)企业侧降电价须结合下游市场侧需求刺激，政策组合拳将收获更为稳定、长期的积极效应。电气、汽车等消费型制造业对电价政策均不敏感，表明市场需求仍然是消费型行业走势的主导因素。为确保经济长期稳健的发展动力，电价政策应伴随终端需求提振政策，如电器设备换新补贴、购车补贴或优惠等，刺激终端需求释放，综合企业减负与市场刺激等政策组合拳，将在提振经济方面获得更积极、长期的反馈。

(2)电价政策可根据行业反馈做出精细化调整，在助力经济提振的同时减少电网企业经营压力。历史电价政策对于大工业采取“一刀切”式的降电价，未考虑到行业所处产业链位置以及其对电价政策的敏感性。通过此次电价政策影响研究发现，中上游制造业是降电价最主要的受益群体，而下游消费型制造业则受市场因素影响更大。针对中上游制造业可制定更有利的降价政策，进一步为企业减负，助力企业生产经营恢复；针对下游制造业，由于电价政策作用的局限性，可适当缩小降价幅度，以需求刺激政策为主导，推动行业经济恢复。总而言之，电价政策的制定需要将价格杠杆与产业政策有机结合，精细化、针对性调整电价政策，在助力转型攻坚期经济、社会平稳过渡的同时，减少电网企业经营压力。