基于Malmquist―DEA方法我国风电行业运行效率分析.docVIP

基于Malmquist―DEA方法我国风电行业运行效率分析 　　摘 要：风电一种干净的、储存量极为丰富的可再生能源。它和存在于自然界中的矿物燃料，如煤、石油、天然气等不同，它不会随着其本身的转化而减少。风力发电是可再生能源发电中增长速度最快、最有商业化前景的产业。为科学评价我国风电行业运行效率情况，选用Malmquist-DEA模型，选取能够反应风电行业运行效率的投入、产出指标，运用该方法分析测算出风电行业运行效率，可以清楚知道风电行业在市场运作下成本情况，并对风电行业的发展提出相关的政策建议，对正在进行的新能源产业改革起到评估与指导作用。 　　关键词：Malmquist-DEA模型 风电行业 运行效率 分析 　　中图分类号：F062.4 文献标识码：A 文章编号：1672-3791（2014）11（a）-0002-02 　　风电一种干净的、储存量极为丰富的可再生能源。它和存在于自然界中的矿物燃料，如煤、石油、天然气等不同，它不会随着其本身的转化而减少。风力发电是可再生能源发电中增长速度最快、最有商业化前景的产业。在众多可再生能源中，风电因具有无法比拟优势受到各国政府相关部门的大力支持，使全球风电行业得到了迅速发展。 　　1 理论与模型 　　该文选用Malmquist-DEA模型，对我国风电行业运行效率进行分析，选取能够反映风电行业的投入、产出指标，对我国风电行业投入产出的有效性进行评价。 　　1.1 研究方法 　　（1）DEA模型。 　　DEA模型的构建：假设有n个决策单元DMU，利用m种输入变量，得到s输出变量输入与输出指标的选取标准是：输入指标应包括所有的对产出有影响的因素，输出指标应反映所有生产所能达到的有用结果。 　　（1） 　　式子中：为输入指标，为输出标量，为松弛变量，为剩余变量，为经济运行的重要指标，称之为固定规模报酬的技术效率（CRS）取值范围在0～1之间。其经济意义为：当=1时，且，时，DMU为DEA有效，决策单技术效率最佳。当=1时，且，时，决策单元为DEA弱有效。当1时，且，时，决策单元为DEA无效，其中1表示实际投入可以依的比例压缩，表示在相同的产出水平下投入过多，表示在相同的投入下产出过少，均应按相应的数据予以改进才能达到DEA有效。 　　（2）Malmquist指数方法。 　　从基于投入的Malmquis生产率指数出发，TFP可以表示如公式，其中（，）（，）分别表示s时期和t时期的投入和产出向量，和表示以s时期和t时期的技术为参照的距离函数。 　　Ech和Tch分别表示t时期相对于s时期技术效率和技术进步效率的变化。当技术为不变规模报酬时，Ech可在分解为纯技术效率Tech和规模效率Sech。而TFP指数可分解为技术进步效率Tch、纯技术效率Tech和规模效率Sech的乘积。 　　2 风电行业运行效率计算结果及分析 　　该文输入指标有：（1）风电装机容量：指风电场发电容量。（2）风机台数：各省份风力发电机组台数。输出指标有：①发电量：风力发电机进行能量转换产出的电能数量，发电量的计量单位为千瓦时。根据中国风电协会、中国机电数据网、国家统计局、中国统计年鉴相关数据整理得出2008-2012年我国风电行业投入产出数据。计算得出结果如表1所示。纵观2008―2012年我国风电行业Malmquist指数的变化，结果显示出中国风电行业全要素生产率（TFP）在2010―2011年期间增加0.58%。从增长阶段来看，全要素生产率有比较明显的波动特征，分别在2009―2010、2011―2012期间表现出较强的增长趋势，而在2010―2011年期间运行效率明显下降，说明风电运行情况在一定程度上的不稳定性。当国家政策形势有利于风电行业发展时，整个风电行业表现出相当稳定的增长，当国家政策形式不利时，风电行业表现出强烈的震荡。 　　根据Malmquist生产力指数，我们进一步将TFP变动分解成技术效率和技术进步，以找出它们各自的变动对全要素生产率变动的影响。技术效率的概念是Farell在1957年提出来的，他所指的技术效率是指在给定一组投入要素不变的情况下，一个企业的实际产出同一个假设同样投入情况下的最大产出之比，因而技术效率是一个相对的概念。从全要素生产率分解因素来看，我国风电行业全要素生产率（TFP）主要得益于技术进步水平的提高，其平均增长率为0.72%；而同期技术效率则为正增长，其平均增长率为1.055%。从最终的估计结果来看，我国风电行业技术效率方面是上升的，且技术进步是推动我国风电行业全要素生产率增长的主要动力，风电行业 TFP对技术进步的依赖性是显而易见的。 　　为了再一次更加清楚比较中国风电行业TFP变动的差异，我们挑选出具有代表性的14个省份地区，结果如表2所