基于DEA模型我国电力产业能源效率分析.docVIP

基于DEA模型我国电力产业能源效率分析 　　摘 要：利用DEA模型的研究方法，对2003―2010年间我国电力产业的总体能源效率进行分析。以技术效率测度电力产业的能源效率，并进一步将技术效率分解为纯技术效率和规模效率，分析电力产业能源效率的变化的原因，最后对结果进行投影分析。研究发现我国电力产业的能源效率不断提高，但是总体水平仍然偏低，其中电力产业的技术水平改善空间较小，而规模效率提升空间较大，其中煤耗是影响我国电力产业能源效率最重要的因素。 　　关键词：数据包络分析方法；电力产业；能源效率；技术效率 　　中图分类号：F224 文献标志码：A 文章编号：1673-291X（2015）07-0045-03 　　一、引言 　　电力产业是国民经济的基础产业，其发展关系到我国经济的整体平衡。近年来全世界的能源危机不断加剧，我国作为世界最大的发展中国家，能源也成为制约我国经济发展的主要因素之一。电力产业作为能源大户，不但能源消耗量大，而且环境污染严重。因此研究我国电力产业的能源效率具有重要的现实意义。本文的研究对象为我国电力产业整体的能源效率，研究内容为电力产业内的能源消耗情况。 　　电力产业具有多投入和多产出的特征，目前理论上用于研究效率的方法有全要素生产率（TFP）、随机前沿分析（SFA）和数据包络分析（DEA）等。由于随机前沿的分析方法是参数分析方法，不但需要严格的生产函数形式，而且强分布假设对随机误差项和无效率项的分离有很大的影响，在研究电力产业时，DEA方法更加具有优势，因此本文在研究时采用的是数据包络分析方法。 　　二、我国电力产业整体的能源效率分析 　　（一）构建指标体系 　　本文主要利用DEA投入导向型模型研究我国电力产业整体的能源效率问题。根据研究需要，选取4个投入指标和2个产出指标。投入指标：发电设备利用小时数（h）、发电厂用电率（%）、发电标准煤耗（g/kWh）、用电标准煤耗（g/kWh）。产出指标：发电量（亿/kWh）、用电量（亿/kWh）。我国2002年对电力产业进行了改革，为了更好的反映改革之后我国电力产业的能源效率，在时间上选择了2003―2010年，共八年的数据。① 　　（二）能源效率分析 　　本文从全国的角度，研究我国电力产业八年来的整体状况。 　　DEA分析方法是从相对效率的角度对决策单元进行研究，因此在对全国电力产业的数据进行测度之后，从上页图1可以看出，全国电力产业的效率在2010年是最优的，DEA相对效率值达到1。以2010年的效率作为参照，我国电力产业的整体技术效率在2003年是0.403，2010年是2003年效率值的2倍多，充分证明2002年我国电力产业实行厂网分开的改革之后，电力产业的能源效率得到了显著的改善。并且从上页图1和表1中均可看出，我国电力产业的效率提升速度基本上处于非常稳定的状态。 　　将技术效率进一步分解为纯技术效率和规模效率之后可以发现，我国电力产业的纯技术效率在这期间的处于相对平稳上升的状态，大约提升了1%的效率值；而规模效率的变化和技术效率的变化基本上处于同步发展状态，八年间翻了两番多。基于以上数据和分析，说明我国电力产业效率的提升主要是由规模效率的提升而做的贡献，其中电力产业的规模报酬也一直处于递增状态，说明电力产业的投资和规模扩张是提升电力产业整体能源效率的主要因素。虽然纯技术效率也在不断提升，但是上升的速度相对较慢，一方面说明技术进步对我国电力产业能源效率的影响相对较小，另一方面也可以看出我国电力产业的整体技术基本上处于比较稳定的状态，可提升的空间不大。 　　从表1可知，综合我国电力产业在2003―2008年期间的情况来看，平均技术效率值为0.685，整体水平仍然有待提高；纯技术效率的平均值达到0.947，说明技术方面进步的空间比较小，已经达到了较高的水平；规模效率的平均值为0.717，虽然略高于技术效率值，但是也有较大的提升空间，说明我国电力产业规模没有充分利用。 　　（三）投影分析 　　在DEA模型的投影原理中，松弛变量又称为差额变数，表示实际中的值和有效参考值的差距。s-为投入的松弛变量，表示产出不变时能够减少的投入量；s+为产出的松弛变量，表示投入量不变的情况下产出可以增加的量。评价系统中不是所有的决策单元都是DEA有效的，效率值不为1，且松弛变量不为零的决策单元为非DEA有效，非DEA有效的决策单元可以通过分析其在DEA相对有效面上的“投影”来研究该决策单元能够达到的有效程度，并能够分析决策单元非有效的程度和原因。投影分析就是通过调整投入和产出的数量和方向，得到非有效的决策单元在相对有效面的“投影值，即该决策单元在有效的情况下，投入和产出应有的值。 　　由表2可以看出，2010年的松弛变量均为0，且效率值为1，因此为