环境规制下电力行业效率的时空演化与驱动机制

安博文，李春玉，谷欣然，刘 伟

（1.华侨大学经济与金融学院，福建 泉州 362021；2.河北经贸大学数学与统计学学院，石家庄 050061；3.城银清算服务有限公司，上海 200120；4.浙大宁波理工学院计算机与数据工程学院，浙江 宁波 315100）

0 引言

电力行业涉及发电、输电、配电与售电等多个环节，该过程中存在多种投入和多种产出，因此数据包络分析法（DEA）常被用于电力行业的效率评估[1]。环境规制压力约束下电力行业效率就是既保证电产量稳步增长还要减少二氧化碳等污染物排放。考虑到传统非期望DEA模型中松弛变量会影响非意愿产出使测算结果存在误差，故采用非期望SBM 模型测算电力行业效率[2]。就电力行业效率分解而言，依据电力生产过程可将电力行业效率分为发电环节效率与电网环节效率或发电侧效率与用电侧效率[1]，依据效率属性可将电力行业效率分为经济效率、环境效率和社会效率[3]。考虑环境规制压力的电力行业效率与碳排放程度密切相关，污染避难所效应表明碳排放在地区之间存在明显异质性[4]，同时相关文献也表明电力行业效率存在空间依赖性，中国电力行业效率由东向西逐渐降低，经济发达地区电力行业效率较高而欠发达地区效率水平较低[5]。中国电力行业环境技术效率较低是客观事实，故多数研究还对电力行业效率的驱动机制进行探析[5—10]。

本文不同于上述文献之处在于：一是电力行业效率测度方法，采用变量可分离的非期望SBM模型（U-SBM-NS）测算效率，该方法能够将碳排放与能源消耗的不可分离关系考虑在内；二是电力行业效率分解方法，电力行业分为发电与供电两个阶段，考虑到两个阶段存在先后顺序且相互独立，故本文将把发电效率与供电效率的乘积定义为电力行业效率；三是电力行业效率空间特征分析，采用Dagum基尼系数与Kernel 密度估计两种方法揭示中国电力行业效率的相对差异与绝对差异，运用Markov 链方法揭示中国电力行业效率的空间转移路径；四是驱动机制的研究方法，本文借助分位回归模型分析电力行业效率驱动机制在不同效率水平下的异质性和区域异质性。

1 研究设计

1.1 研究方法

1.1.1 电力行业效率测算方法

运用U-SBM-NS 模型分别测算用电效率和供电效率。假设有m1种可分离投入，用xs表示，对应的松弛变量为θs；m2种不可分离投入，用xn表示，对应的松弛变量为θn；n1种意愿产出，用yg表示，对应的松弛变量为θg；n2种非意愿产出，用yb表示，对应的松弛变量为θb。决策单元共有K个省份，则第k个省份效率计算公式如下。

定义生产可能性集合P(xs,xn,yg,yb)：

其中，λ=(λ1,∙∙∙,λK)表示权重向量，权重向量与所有松弛变量均为非负数；α为可分离变量与不可分离变量的比例系数，其值介于0~1。由此得出的效率值为：

根据式（1）便能计算出用电效率（PGE）和供电效率（PSE），将用电效率与供电效率的乘积定义为电力行业效率（PIE），则有：

1.1.2 时空演化分析方法

采用Dagum 基尼系数测度中国电力行业效率的总体差异，在差异分解时将东、中、西部地区作为子群处理。全国层面的总体差异记为G，计算公式为：

其中，N表示地区数量，j和h为地区；n表示省份个数，i和r为省份。PIEji（PIEhr）表示j（h）地区内i（r）省份的电力行业效率，表示所有省份电力行业效率平均值，nj（nh）表示j（h）地区内省份个数。参考文献[11]，运用离散型计算方法将总体差异分解为地区内差异、地区间差异和超变密度。

基于分布动态学模型考察中国电力行业效率的演进过程与转移路径[12]。用PIEit表示t年i省份电力行业效率，ft(z)表示t年电力行业效率的概率密度函数，可采用Kernel密度估计法进行计算：

其中，n为样本数量，ht为最优带宽，将K(⋅) 取为Gaussian 核函数。按照规则将电力行业效率划分为L种类型，t年属于i类型的省份个数记为，t年属于i类型但T年后转为j类型的省份个数记为，则某区域电力行业效率从t年i类型转移到t+T年j类型的状态转移概率为：

1.2 变量选择

1.2.1 投入产出变量

发电阶段从资金、设备和能源三个方面选取投入指标，对应的代理变量依次为电源建设投资、发电装机容量和发电煤耗；发电产出包括两个方面：一是意愿产出，也就是发电量情况；二是非意愿产出，是指伴随发电生产所产生的环境污染物，通常用二氧化碳排放量进行衡量。供电阶段的投入仍然从上述三个方面选取变量，对应的代理变量分别为电网建设投资、输电线路长度和供电煤耗；供电阶段的意愿产出为供电量情况，非意愿产出仍以二氧化碳排放量为主。

1.2.2 驱动因子

本文选取经济规模、产业结构、人口密度、城市化水平和对外开放作为电力行业效率的驱动因子。经济规模（ECO）：宏观经济环境是电力行业发展的基本保障，经济规模扩大也会带来电力消费增加，由电力消费衍生出的碳排放量必然逐步上升，经济规模终将成为影响电力碳排放的关键因素[6]。产业结构（IND）：以实体经济为主的第二产业是中国经济增长的重要动力，三大产业中第二产业是电力消费的主体，工业更是电力消费的主力军[7]。人口密度（POP）：用电高峰往往导致装机容量出现剩余，人口密度增大会通过影响人力资本间接提高发电机组效率[8]。城市化水平（URB）：城市化进程伴随基础设施建设，水力发电站、风力发电站以及太阳能发电站等一系列新能源发电站建立为电力低碳化发展提供重要平台[9]。对外开放（OPE）。扩大对外开放有利于引进国外电力低碳化生产的先进技术与设备，通过提高原材料利用率促进电力行业效率提升[10]。

1.3 数据来源及描述

本文研究对象为我国31 个省份（不含港澳台），研究时期为2006—2020年。投入产出变量的原始数据来源于《中国电力统计年鉴》，标准煤折算成二氧化碳的系数来源于《国家温室气体排放清单指南》，驱动因子的相关原始数据来源于《中国统计年鉴》，缺失数据采用插值法进行填补。表1 展示了投入产出指标与驱动因子的描述性统计结果。

表1 变量的描述性统计

采用式（5）可计算出L×L阶电力行业效率Markov 转移概率矩阵。

1.1.3 驱动机制分析方法

用PIE表示电力行业效率，Dri表示驱动因子组，对电力行业效率建立如下形式的驱动机制计量模型：

其中，α为截距项，β表示驱动因子对电力行业效率的影响系数，ε为随机误差项。式（6）可直接采用最小二乘法（OLS）进行估计，为揭示不同效率水平的驱动机制，还可采用分位回归（QR）进行计算。

2 电力行业效率的时空演化特征

2.1 典型化事实

图1展示了发电效率、供电效率和电力行业效率的时序特征。整个考察期内，中国电力行业效率相对较低但主体呈现上升趋势，发电效率以2015 年为拐点呈先下降后上升的“U”型发展趋势，供电效率于2006—2015年平稳上升，2015年后波动幅度较大。整体而言，发电效率是拉低电力行业效率的主要原因。分阶段具体来看：“十一五”期间是中国电力行业发展的变革阶段，振兴重大技术装备是电力行业发展的重中之重，大型高效清洁发电装备、超高压输变电设备等一系列新设备的引进、研发与应用需要大量资金支持，因此成本增加且新技术设备普及率有待提升。“十二五”期间是中国电力行业发展的强化阶段，西电东送、南北互济和全国联网等举措不断推进为电力行业发展打下了坚实基础，也对“十二五”时期供电效率提升起到明显推动作用，新一代核能发电、光伏光热发电和风力发电等设施投入使用，促进了该时期电力行业效率的稳步提高。“十三五”期间是中国电力行业发展的上升阶段，电力行业作为生产性服务业，传统产业改造升级加快了发电、供电朝着更高质量、更有效率、更加环保的方向发展。

图1 中国电力行业效率测算结果

图2 采用基尼系数刻画了中国电力行业效率地区相对差异的时间演化趋势。全国层面总体差异呈现减弱态势，年均下降速度在2%左右，考察期内电力行业效率基尼系数介于0.30~0.42。基于东、中、西部地区将全国总体差异进行分解：三大地区的地区间差异是总体差异的主要来源，“十一五”期间大幅上升，“十二五”期间地区间差异成为总体差异的主要来源，政策因素致使“十三五”时期地区间差异波动幅度较大，宏观政策调控可能加快“十四五”期间地区间差异形成收敛态势；地区间差异与地区内差异的交互作用是总体差异的第二大来源，超变密度贡献率介于22%~53%，尽管“十一五”期间明显下降，但“十二五”和“十三五”期间仍然是总体差异的重要来源；地区内差异对总体差异贡献率相对较低，整个考察期以2015 年为拐点呈“U”型发展趋势，贡献率始终低于30%，表明各地区内部电力行业一体化发展逐渐形成，子省份间效率水平相对均衡。

图2 中国电力行业效率的区域总体差异及来源

2.2 分布动态演进

从电力行业效率的分布演化过程（见图3）来看：从全国层面来看，全国范围的分布曲线整体右移，表明中国电力行业效率处于上升阶段，“十一五”和“十二五”期间移动幅度较小，即效率水平增速缓慢，“十三五”期间移动幅度较大，说明该时期电力行业效率增长势头强劲。就三大地区而言，东部地区一直呈现上升趋势，“十二五”后期增长幅度更加明显；中部地区在“十一五”和“十二五”期间呈现增长态势，“十三五”期间有所下降；西部地区效率水平历经上升—下降—上升3 个阶段，依次对应“十一五”“十二五”和“十三五”3 个时期。此外，全国范围分布曲线的峰值先上升后降低、主峰宽度先变窄后变宽，以2014年为拐点中国电力行业效率地区内部差距先缩小后扩大，“十三五”期间地区内部差距更加明显。东部地区与西部地区的内部差距变化情况和全国类似，中部地区的内部差距一直呈现扩大趋势。相比之下，西部地区峰值最高、中部地区次之、东部地区峰值最低，可见西部地区电力行业效率相对集中、内部差距较小，而东部地区电力行业效率相对分散、内部差距较大。

图3 中国电力行业效率的分布动态演进

从电力行业效率的非均衡特征来看：第一，考察期内全国和东、中、西部地区的分布曲线都略微左偏，表明所属样本地区中多数省份的电力行业效率集中在中等偏下水平，意味着中国电力发展还具有很大上升空间。第二，全国和东、中、西部地区的分布曲线都存在拖尾现象，全国与东部地区拖尾呈现拓宽趋势，说明这些省份电力行业效率的高低水平绝对差距不断扩大；中部地区与西部地区拖尾呈现收敛趋势，说明这些省份电力行业效率的绝对差距有望减小。第三，2006—2020 年全国的分布曲线始终仅有一个主峰，仅在2006 年出现过侧峰但“十一五”期间逐步消失，说明中国电力行业效率不存在极化现象，但“十一五”期间出现过两极分化。横向对比，东部地区出现过两极分化现象，“十一五”伊始分布曲线的左峰围绕在0.4附近、右峰靠近0.8，可见东部地区高低水平间等级分化较为严重，该现象在2009 年后逐步消失且“十二五”和“十三五”期间并未出现；中部地区与西部地区的电力行业效率不存在极化现象，整个考察期内并未出现两极分化。由此可见，中国电力行业效率的极化特征主要是由东部地区的两极分化导致。

2.3 空间转移路径

将时间跨度取为1年和3年，分区域Markov状态转移概率矩阵计算结果见表2。就中国电力行业效率的转移路径而言：一是电力行业效率存在俱乐部收敛特征。转移概率矩阵中主对角线元素基本大于其他元素，表明各效率水平类型维持固有状态能力较强。较低水平与较高水平表现出很强的持续性，表明电力行业发展容易出现马太效应，形成低水平陷阱与高水平垄断。二是电力行业效率转移路径具有依赖性。非零元素大多分布在主对角线两侧，意味着效率转移更易发生在相邻水平类型间。全国层面内中低水平与中高水平相互转化，中等水平将成为电力行业发展的稳定状态；东部地区和西部地区的转移路径相似，中低水平容易转向较低水平而中高水平容易转向较高水平，两极分化现象初见端倪；中部地区的中高水平容易转向中低水平且中低水平容易转为较低水平，电力行业效率有待提升。由此可见，电力行业一体化发展易受地区制约，发电、供电基础设备很难实现区域共享，高新技术应用在地区间缺乏交流。

表2 电力行业效率的Markov状态转移概率矩阵

电力行业效率的路径转移具有时间滞后性，随着时间推移，电力行业效率的固化效应逐渐减弱而流动性逐渐增强，俱乐部趋同效应逐步放缓。一方面，较高水平维持原始状态概率一直是1，说明时间冲击对较高水平的电力行业效率影响较弱、甚至没有影响；其他水平类型维持原始状态能力对时间比较敏感，随着跨度期延长，主对角线元素逐渐减小。另一方面，时间发展有利于促进不同水平类型间的流动性，跨度期延长使得较低水平、中低水平和中高水平向上转移或向下转移的概率有所增加。电力行业效率提高表现出滞后性，该现象不难理解：高新设备的研发制造、搭建安装以及普及使用环节都需要大量时间，并且研发制造环节还需要科研经费与科技人才投入，搭建安装时还需要投入设备购置经费，普及使用环节的重点在于高素质人才引进与专业操作人员培训。上述三个环节需要较长时间和大量人力资本，同时产出水平不会明显提高，可见电力行业发展存在累积效应。

3 电力行业效率的驱动机制

3.1 不同水平下驱动机制的异质性

表3 报告了OLS 估计结果以及0.1、0.3、0.5、0.7 和0.9分位点的估计结果，对应效率水平等级依次为总体情况、较低水平、中低水平、中等水平、中高水平与较高水平。

表3 分水平驱动机制估计结果

就各个驱动因子而言：（1）经济规模对电力行业效率具有抑制效应，随着效率水平不断升高，经济规模对电力行业效率的作用效果由促进转为抑制，中等偏下水平的促进作用并不明显，水平越高其抑制作用越强。（2）产业结构对电力行业效率的影响显著，随着产业结构高级化不断提高，其对电力行业效率的抑制作用逐渐减弱。第二产业占据三大产业的主体地位，现阶段第二产业对电力消费较高且二氧化碳等非意愿产出也较高，因此第二产业发展对电力行业效率提高具有抑制作用。（3）人口密度对电力行业效率的影响显著，随着本地区人口规模不断扩大，其对电力行业效率的促进作用逐渐减弱。人口既是电力资源的生产者也是消费者，电力行业效率提高需要大量人力资本，当人力资本占总人口比重较高时，人力资本可以通过优化劳动力结构、刺激技术革新等方式促进电力行业效率提高；反之，当人力资本占比较低时，多数人口属于电力消费者，一方面人口耗电量高而导致二氧化碳等非意愿产出增加，另一方面人力资本较低不利于技术进步。（4）城市化水平对电力行业效率的促进作用存在累积效应，较低的城市化水平无法对电力行业效率产生显著影响，随着城市化水平不断提高，其对电力行业效率的促进作用更加显著且作用效果更强。（5）对外开放会对电力行业效率产生促进效应，随着对外开放程度不断扩大，其对电力行业效率促进作用逐渐减弱。王婷婷和朱建平（2018）[10]的研究发现对外开放与电力行业效率呈正向变动关系，本文也得出相同结论；与之不同的是，本文研究发现中等偏下水平效果显著而较高水平不显著，可见中国电力行业发展对国外技术设备依赖性开始减弱。

3.2 驱动机制的区域异质性

表4 依次报告了东、中、西部地区驱动机制的估计结果。通过比较OLS估计结果与0.5分位点估计结果可以发现，表中回归系数依然具备稳健性。从各地区来看：（1）东部地区电力行业进入低碳化发展阶段，经济规模与电力行业效率呈现良性促进关系；东部地区第三产业较为发达，产业结构高级化对电力行业效率的抑制效应较弱；东部地区人力资本高于中西部地区，因此人口密度对电力行业效率的促进作用较强；东部地区城市化质量稳步提高，其对电力行业效率的促进作用十分明显；东部地区电力行业效率相对较高，其对国外技术的依赖性越来越弱。（2）中部地区电力行业发展处于强化与上升的转变阶段，经济规模可能对电力行业效率产生促进作用，但作用效果并不显著；中部地区产业结构高级化水平相对较高，其对电力行业效率的促进效果并不显著；中部地区人口密度与城市化对电力行业效率的驱动效果并不明显，城市化还与电力行业效率呈不显著的反向变动关系；中部地区电力行业发展对国外技术需求度逐步减弱，自主创新能力逐步提高。（3）西部地区经济增长需要消耗大量电力资源，同时伴有二氧化碳等非意愿产出增加，阻碍了电力行业效率提高；西部地区以第二产业为主且处于上升阶段，因此产业结构高级化对电力行业效率的抑制效应较强；西部大开发战略使科技人才向西部地区转移，使得人口密度对电力行业效率的促进效果显著；西部地区城市化水平大幅提升，其对电力行业效率的边际效应处于上升时期；西部地区电力行业发展相对落后，对国外先进技术还具有一定程度的依赖性。

表4 分地区驱动机制估计结果

4 结论

本文得出主要结论：（1）中国电力行业效率整体呈现上升趋势，“十一五”至“十三五”期间依次对应电力行业发展的变革、强化与上升阶段，发电效率是拉低电力行业效率的主要原因。（2）中国电力行业效率非均衡特征显著，地区间差异是总体差异的主要来源，东部地区内部差异最大且出现过极化现象；八大经济区中东部沿海经济区效率最高，北部沿海经济区排名第二，黄河中游经济区、长江中游经济区、大西南经济区与大西北经济区低于全国平均水平。（3）中国电力行业一体化发展易受地区制约，电力行业效率存在俱乐部收敛特征；中国电力行业效率提高表现出滞后性，时间冲击对高水平效率影响较弱但会加快其他水平类型流动性。（4）中国电力行业效率易受经济规模、产业结构、人口密度、城市化和对外开放等因素影响，并且电力行业效率的驱动机制存在水平异质性和区域异质性。