技术进步对中国电力行业环境效率提升影响的实证研究

doi:10.16381/j.cnki.issn1003-207x.2021.0883

摘要/Abstract

摘要：

本文综合采用SBM超效率模型和ML模型，从静态和动态的视角分别对2009-2018年中国30个省份电力行业环境效率及其增长率进行测度，并对静态效率和动态效率进行拆分，分析技术进步对其的影响；利用Tobit回归模型，对技术进步等因素对全国及六大电网区域电力行业环境效率及其增长率的影响进行实证检验。结果表明：研究期间中国电力行业环境效率年均值为0.769，还具有较大的提升空间；华中电网和东北电网区域的纯技术效率提升对环境效率的提升贡献较低；南方电网区域纯技术效率显著推动了环境效率的提升；中国电力行业环境效率以年均5.6%的水平提升，其中技术进步年均增长率为3.7%。技术进步对中国电力行业环境效率的提升贡献较大，“十二五”以来，中国电力行业技术进步速度在加快；技术进步是电力行业环境效率及其增长率的关键影响因素，对其具有显著正影响。建议继续加大科技投入、加强科技创新，以继续推动中国电力行业环境效率的提升；各区域应积极主动，且因地制宜地采取有效措施；加快核电等清洁电力能源的发展，优化电源结构。

关键词: 电力行业, 环境效率, SBM超效率模型, ML模型, Tobit回归模型, 技术进步

Abstract:

TSBM super efficiency model and ML model are adopted to measure the environmental efficiency and its growth rate of China's power industry in 30 provinces from 2009 to 2018 from a static and dynamic perspective， the static efficiency and dynamic efficiency are splitted， and the impact of technological progress on them is analyzed； Using Tobit regression model， the impact of technological progress and other factors on the environmental efficiency and growth rate of power industry in China and six power grid regions is tested. The results show that the annual average environmental efficiency of China's power industry during the study period is 0.769， which still has a large room for improvement； The improvement of pure technical efficiency in Central China Power Grid and Northeast China Power Grid has a low contribution to the improvement of environmental efficiency； The regional pure technical efficiency of China Southern Power Grid has significantly promoted the improvement of environmental efficiency； The environmental efficiency of China's power industry has increased at an average annual rate of 5.6%， of which the average annual growth rate of technological progress is 3.7%. Technological progress has made a great contribution to the improvement of environmental efficiency of China's power industry. Since the 12th Five Year Plan， the technological progress of China's power industry has accelerated； Technological progress is a key factor affecting the environmental efficiency and growth rate of power industry， which has a significant positive impact on it. It is suggested to continue to increase scientific and technological investment and strengthen scientific and technological innovation， so as to continue to promote the improvement of environmental efficiency of China's power industry； All regions should be proactive and take effective measures according to local conditions， accelerate the development of clean electric energy such as nuclear power and optimize the power supply structure.

Key words: power industry, environmental efficiency, SBM super efficiency model, ML model, Tobit regression model, technological progress

中图分类号:

F206

潘建均,侯光明,顾基发,张华锋,王俊鹏,陈泽玮. 技术进步对中国电力行业环境效率提升影响的实证研究[J]. 中国管理科学, 2023, 31(12): 215-227.

Jian-jun PAN,Guang-ming HOU,Ji-fa GU,Hua-feng ZHANG,Jun-peng WANG,Ze-wei CHEN. Empirical Study on the Impact of Technological Progress on the Environmental Efficiency of China's Power Industry: Based on SBM Super Efficiency-ML-Tobit[J]. Chinese Journal of Management Science, 2023, 31(12): 215-227.

图/表 18

图1

表1

表2

表3

中国省份电力行业环境效率（2009-2018年）"

省份	2009	2010	2011	2012	2013	2014	2015	2016	2017	2018	均值	排名
北京	1.03	1.031	1.035	1.041	1.042	1.055	1.118	1.171	1.223	1.278	1.102	1
江苏	1.043	1.035	1.046	1.076	1.031	1.031	1.032	1.057	1.041	1.029	1.042	2
浙江	1.065	1.08	1.077	1.076	1.003	1.002	0.838	0.858	1.001	1.012	1.009	3
湖北	1.002	1.006	1.004	1.004	1.006	1.007	1.036	1.011	1.005	1.002	1.000	4
青海	1.108	1.135	1.141	1.108	1.086	1.046	1.027	0.617	0.595	1.001	0.986	5
云南	0.721	0.723	1.003	1.002	1.01	1.059	1.094	1.083	1.092	1.040	0.983	6
四川	1.001	1.001	1.004	1.003	1.006	1.002	0.775	0.776	1.077	1.113	0.972	7
上海	1.002	0.916	0.902	1.002	0.925	0.935	0.677	1.002	1.002	1.067	0.971	8
福建	0.691	0.718	1.012	1.003	1.018	1.023	1.028	1.076	1.039	1.019	0.938	9
海南	0.714	0.756	0.88	0.829	0.938	1.007	0.773	1	0.936	0.818	0.865	10
宁夏	0.646	0.635	0.774	0.707	1.023	1.018	0.797	0.751	1.001	0.876	0.823	11
安徽	0.782	0.794	0.908	0.86	0.748	0.742	0.727	0.743	0.85	0.937	0.801	12
广东	0.794	0.764	0.803	0.759	0.798	0.824	0.787	0.758	0.784	0.809	0.796	13
天津	0.672	0.787	0.736	0.67	0.74	0.705	0.776	0.781	0.824	1.008	0.770	14
山西	0.755	0.758	0.743	0.713	0.796	0.753	0.696	0.672	0.669	0.769	0.732	15
内蒙古	0.771	0.692	0.755	0.737	0.672	0.684	0.702	0.557	0.616	1.002	0.731	16
山东	0.708	0.702	0.664	0.631	0.714	0.673	1.006	0.712	0.657	0.790	0.726	17
广西	0.664	0.661	0.693	0.667	0.738	0.748	0.728	0.696	0.717	0.716	0.690	18
贵州	0.741	0.652	0.634	0.693	0.604	0.656	0.707	0.628	0.633	0.681	0.663	19
河北	0.64	0.65	0.655	0.613	0.696	0.651	0.64	0.619	0.639	0.679	0.648	20
新疆	0.659	0.64	0.663	0.627	0.666	0.616	0.581	0.572	0.573	0.781	0.638	21
河南	0.548	0.53	0.556	0.539	0.621	0.653	0.736	0.7	0.719	0.661	0.626	22
陕西	0.602	0.557	0.566	0.558	0.612	0.618	0.623	0.633	0.634	0.709	0.621	23
辽宁	0.552	0.573	0.64	0.642	0.65	0.655	0.584	0.594	0.612	0.622	0.603	24
湖南	0.64	0.633	0.659	0.634	0.584	0.492	0.496	0.501	0.506	0.582	0.583	25
江西	0.578	0.575	0.62	0.608	0.629	0.613	0.528	0.529	0.565	0.643	0.580	26
重庆	0.484	0.512	0.559	0.571	0.588	0.57	0.602	0.638	0.636	0.647	0.576	27
甘肃	0.553	0.542	0.583	0.53	0.586	0.599	0.559	0.594	0.571	0.579	0.572	28
吉林	0.589	0.543	0.54	0.525	0.525	0.52	0.48	0.493	0.499	0.555	0.527	29
黑龙江	0.516	0.517	0.538	0.491	0.502	0.477	0.472	0.46	0.469	0.562	0.500	30

表3

表4

图2

表5

图3

表6

表7

中国30个省份电力行业技术效率变化指数（EF）（2009-2018年）"

省份	2009-2010	2010-2011	2011-2012	2012-2013	2013-2014	2014-2015	2015-2016	2016-2017	2017-2018	均值	排名
北京	1.004	1.021	1.023	1.005	1.061	1.367	1.387	1.536	2.092	1.277	1
四川	1.011	1.061	0.963	1.063	1.019	1.024	1.237	0.846	1.432	1.073	2
上海	1.002	1.013	0.994	1.014	0.982	0.971	0.996	1.438	0.954	1.040	3
云南	0.995	1.042	0.993	1.032	1.236	1.186	0.947	1.046	0.782	1.029	4
黑龙江	1.010	1.001	0.989	0.978	1.023	0.959	0.982	1.055	1.150	1.016	5
江西	1.018	1.016	1.000	1.014	1.000	1.015	0.965	1.027	1.056	1.012	6
新疆	0.960	0.989	1.008	1.036	1.032	1.011	1.005	1.018	1.044	1.011	7
陕西	1.002	1.020	1.004	0.999	0.992	0.957	0.996	1.033	1.079	1.009	8
山东	1.008	0.987	0.999	1.014	0.992	1.096	0.932	0.984	1.065	1.009	9
福建	0.993	0.995	1.014	0.984	1.005	1.000	1.010	1.002	1.072	1.008	10
湖南	0.995	1.000	0.997	1.010	0.989	0.936	1.010	1.022	1.115	1.008	11
天津	1.023	1.007	0.972	1.016	0.976	1.039	0.964	1.025	1.050	1.008	12
内蒙古	1.004	1.002	0.985	1.012	1.016	0.957	0.988	1.02	1.087	1.008	13
吉林	0.991	1.008	0.988	0.981	0.963	0.963	1.005	1.017	1.155	1.008	14
重庆	0.985	0.995	1.013	0.983	1.022	0.961	1.028	1.001	1.082	1.008	15
河北	1.009	1.001	0.987	1.008	0.986	0.98	0.995	1.045	1.055	1.007	16
辽宁	0.975	1.008	1.001	1.012	1.004	0.987	1.003	1.016	1.053	1.007	17
山西	1.001	0.988	0.994	1.029	0.992	0.979	1.002	1.003	1.068	1.006	18
浙江	1.017	0.991	0.999	1.010	1.004	1.128	0.901	0.975	1.029	1.006	19
宁夏	0.974	1.031	0.992	1.144	0.979	0.909	0.973	1.055	0.994	1.006	20
河南	0.990	1.015	0.989	0.998	0.98	0.956	0.975	1.027	1.118	1.005	21
甘肃	0.990	1.005	0.991	0.988	0.958	0.984	1.009	1.013	1.107	1.005	22
贵州	0.975	1.008	1.004	0.967	1.024	1.004	0.977	1.021	1.054	1.004	23
海南	0.993	1.020	0.996	1.009	1.035	0.923	1.053	1.000	1.000	1.003	24
广东	0.994	1.017	0.995	0.982	0.993	0.984	1.007	1.045	1.004	1.002	25
安徽	0.992	1.011	0.991	0.995	1.007	0.989	0.984	1.021	1.028	1.002	26
广西	0.983	1.003	0.990	0.987	1.013	1.007	0.93	1.035	1.063	1.001	27
江苏	0.964	1.051	1.149	0.815	0.998	1.005	1.117	0.934	0.947	0.998	28
湖北	1.074	0.985	0.995	0.727	0.996	0.974	1.003	1.022	1.003	0.975	29
青海	1.167	1.034	0.830	0.893	0.828	0.922	0.854	1.020	1.029	0.953	30

表7

表8

中国30个省份电力行业技术进步率变化指数（TE）（2009-2018年）"

省份	2009-2010	2010-2011	2011-2012	2012-2013	2013-2014	2014-2015	2015-2016	2016-2017	2017-2018	均值	排名
北京	1.044	1.003	1.033	1.027	1.073	1.407	1.406	1.129	1.283	1.156	1
四川	1.036	0.969	1.131	0.993	1.331	1.930	1.255	1.298	0.403	1.150	2
云南	1.021	0.994	1.038	1.05	1.259	1.982	1.203	1.273	0.417	1.137	3
青海	1.071	0.919	1.208	1.034	1.258	1.597	1.037	1.026	0.600	1.083	4
上海	1.027	1.024	1.017	1.000	1.009	1.067	1.050	1.106	1.273	1.064	5
浙江	1.035	1.014	1.023	1.011	1.014	1.016	1.169	1.086	1.060	1.048	6
江苏	1.096	1.012	0.984	1.004	1.008	1.055	1.089	1.075	1.076	1.044	7
吉林	1.029	1.005	1.034	1.033	1.094	1.177	1.050	1.053	0.899	1.042	8
宁夏	1.028	1.029	1.005	0.953	1.022	1.087	1.029	1.090	1.103	1.038	9
内蒙古	1.033	1.016	1.027	1.000	1.004	1.092	1.056	1.050	1.009	1.032	10
新疆	1.031	1.021	1.022	1.027	1.023	1.074	1.018	1.031	0.976	1.025	11
安徽	1.027	1.017	1.012	1.018	1.004	1.034	1.055	1.017	1.012	1.022	12
广东	1.038	1.013	1.019	1.018	1.028	1.044	1.051	0.997	0.986	1.022	13
辽宁	1.029	1.012	1.023	1.020	1.032	1.077	1.035	1.018	0.945	1.021	14
黑龙江	1.030	1.015	1.023	1.042	1.022	1.097	1.037	0.983	0.937	1.021	15
湖北	1.039	0.927	1.176	1.031	1.064	1.122	1.061	1.018	0.747	1.021	16
山西	1.025	1.020	1.017	1.009	1.011	1.054	1.031	1.021	0.992	1.020	17
山东	1.024	1.021	1.016	1.018	1.013	1.083	1.026	0.969	1.000	1.019	18
天津	1.030	1.029	0.999	1.013	0.989	1.045	1.056	0.998	1.011	1.019	19
江西	1.030	1.007	1.029	1.035	1.028	1.028	1.029	0.994	0.988	1.019	20
河南	1.030	1.016	1.018	1.022	1.019	1.046	1.036	0.998	0.978	1.018	21
河北	1.024	1.028	1.018	1.026	1.020	1.038	1.036	0.992	0.979	1.018	22
陕西	1.032	1.019	1.020	1.020	1.021	1.014	1.050	0.987	0.992	1.017	23
海南	1.041	1.007	1.027	1.025	1.016	1.041	1.052	1.019	0.917	1.016	24
福建	1.031	1.002	1.023	1.023	1.017	1.032	1.063	1.050	0.837	1.009	25
重庆	1.029	1.006	1.023	1.020	1.036	1.061	1.018	1.031	0.849	1.008	26
湖南	1.027	1.002	1.032	1.027	1.048	1.107	1.024	1.020	0.783	1.008	27
甘肃	1.028	1.004	1.032	1.021	1.056	1.115	1.016	1.038	0.742	1.006	28
贵州	1.033	1.004	1.031	1.019	1.033	1.029	1.023	1.018	0.840	1.003	29
广西	1.023	0.994	1.031	1.021	1.037	1.141	1.020	1.039	0.711	1.002	30

表8

表9

图4

表10

图5

表11

图6

表12

参考文献 14

1	Zhou Yan， Xing Xinpeng， Fang Kuangnan， et al. Environmental efficiency analysis of power industry in China based on an entropy SBM model［J］. Energy Policy， 2013， 57（6）： 68-75.
2	Xie Baichen， Shang Lifeng， Yang Sibo， et al. Dynamic environmental efficiency evaluation of electric power industries： evidence from OECD （Organization for Economic Cooperation and Development） and BRIC （Brazil， Russia， India and China） countries［J］. Energy， 2014， 74（9）： 147-157.
3	王艳红，叶文明.计及碳排放的电力工业与火电行业生态效率实证分析（2001-2011）［J］. 科技管理研究， 2015， 35（3）： 215-219.
	Wang Yanhong， Ye Wenming. An empirical study on eco-efficiency of electric utility industrybased on carbon emissions（2001-2011）［J］. Science and Technology Management Research， 2015， 35（3）： 215-219.
4	Goto M， Takahashi T. Operational and environmental efficiencies of Japanese electric power companies from 2003 to 2015： influence of market reform and fukushima nuclear power accident［J］. Mathematical Problems in Engineering， 2017（11）： 1-15.
5	Lu Y H， Chen K H， Cheng J C， et al. Analysis of environmental productivity on fossil fuel power plants in the U.S.［J］. Sustainability， 2019， 11（24）： 6907.
6	郭莉，南开辉，王静怡，等. 基于SBM-GML的电力行业环境效率区域差异分析［J］. 生态经济， 2020， 36（4）： 44-49.
	Guo Li， Kaihui Nan， Wang Jingyi， et al. Analysis on regional difference of environmental efficiency in power industry based on SBM-GML model［J］. Ecological Economy， 2020， 36（4）： 44-49.
7	Zhao Xiaoli， Yin Haitao， Zhao Yue. Impact of environmental regulations on the efficiency and CO2 emissions of power plants in China［J］. Applied Energy， 2015， 149（7）： 238-247.
8	Halkos G E， Polemis M L. The impact of economic growth on environmental efficiency of the electricity sector： a hybrid window DEA methodology for the USA［J］. Journal of Environmental Management， 2018， 211（4）： 334-346.
9	Sun Xiangxiang， Zhou Xiaoliang， Chen Zhangwang， et al. Environmental efficiency of electric power industry， market segmentation and technological innovation： empirical evidence from China［J］. Science of The Total Environment， 2019， 706： 135749.
10	Qin Quande， Jiao Yanmin， Gan Xiaobing， et al. Environmental efficiency and market segmentation： an empirical analysis of China's thermal power industry［J］. Journal of Cleaner Production， 2020， 242（1）：118560.
11	王艾敏. 我国苹果主产区生产效率评价——基于DEA的Malmquist指数分析［J］. 河南农业科学， 2009（7）： 110-113.
	Wang Aimin. Evaluation on production efficiency of main apple producing areas in China： malmquist index analysis based on DEA［J］. Journal of Henan Agricultural Sciences， 2009（7）： 110-113.
12	Chung Y H， Färe R， Grosskopf S. Productivity and undesirable outputs： a directional distance unction approach ［J］. Journal of Environmental Management， 1997， 51（3）： 229-240.
13	刁秀华，李姣姣，李宇. 高技术产业的企业规模质量、技术创新效率及区域差异的门槛效应［J］. 中国软科学， 2018（11）： 184-192.
	Diao Xiuhua， Li Jiaojiao， Li Yu. Research on the threshold effect between firm size quality and technological innovation efficiency： panel data from high-tech industries in China［J］. China Soft Science， 2018（11）： 184-192.
14	戴攀. 电力行业环境效率评价及碳减排综合优化研究［D］. 杭州：浙江大学， 2013.
	Dai Pan. Study on eco-efficiencymeasureintegrated optimization ofcarbon mitigation inpower sector［D］. Hangzhou： Zhejiang University， 2013.

指标类型	一级指标	二级指标	数据来源
投入指标	资本投入	装机容量	《中国电力年鉴》
	劳动力	电力行业从业人员数	《中国劳动统计年鉴》
	能源	能源耗量	《中国电力年鉴》
产出指标	期望产出指标	发电量	《中国电力年鉴》
	非期望产出指标	CO₂	《中国能源统计年鉴》
		SO₂	国家统计局官网、《中国能源统计年鉴》
		NO_X	《中国电力年鉴》

变量	变量符号	变量定义	数据来源
环境效率	EE	电力行业环境效率	本文计算
ML指数	ML	电力行业环境效率增长率	本文计算
技术水平	X₁	R&D投入费用占全国总的R&D投入费用的比重	中国科技统计年鉴
经济规模	X₂	地区GDP占全国GDP的比重	国家统计局官网
产业结构	X₃	第二产业增加值占GDP的比重	国家统计局官网
电源结构	X₄	非火力发电装机容量占全国非火力发电装机容量	中国电力年鉴

		C	X₁	X₂	X₃	X₄
全国	系数	0.695895	4.297995	-2.331126	-0.218506	0.338330
全国	Z-Stat	12.01617^***	7.385046^***	-2.791346^***	-1.782989^*	7.617636^***
华北	系数	1.499266	-0.309786	0.463094	-1.442326	-0.651310
华北	Z-Stat	17.92297^***	-0.529457	0.629400	-9.278702^***	-4.777859^***
东北	系数	0.153727	-13.79289	21.37642	0.019479	0.340273
东北	Z-Stat	1.716542^*	-6.479973^***	7.199715^***	0.137301	2.154534^**
华东	系数	0.971721	0.898294	1.910288	-0.479271	0.272345
华东	Z-Stat	11.11114^***	0.966053	1.481866	-2.529472^**	2.714000^***
华中	系数	-0.224190	10.93346	-1.077101	0.938279	0.544412
华中	Z-Stat	-1.312276	3.395166^***	-0.435119	2.902993^***	5.998177^***
西北	系数	-0.463769	-14.33996	9.824286	2.281228	0.279674
西北	Z-Stat	-2.524140^**	-3.913038^***	2.473179^**	6.312325^***	3.455249^***
南方	系数	0.987181	1.889016	0.989052	-1.545564	0.714818
南方	Z-Stat	13.24386^***	1.918856^*	0.702892	-6.314325^***	7.179503^***

		C	X₁	X₂	X₃	X₄
全国	系数	1.215827	0.448681	-0.001595	-0.471864	0.158894
全国	Z-Stat	1629.285^***	3.327504^***	-0.999941	2.259236^**	-8.397651^***
华北	系数	2.644047	-6.767042	9.334972	-3.209369	-1.271124
华北	Z-Stat	10.60675^***	-3.730591^***	4.054885^***	-6.921195^***	-3.052293^**
东北	系数	1.021161	-1.275438	1.414037	-0.070850	0.118058
东北	Z-Stat	29.02753^***	-1.495380	1.207764	-1.341049	1.728208^*
华东	系数	1.343858	-0.136735	0.453931	-0.678599	0.015495
华东	Z-Stat	11.94881^***	-0.115696	0.278934	-2.802326^***	0.117955
华中	系数	0.783071	-14.16570	12.24204	-0.003676	0.508895
华中	Z-Stat	2.791012^***	-2.724602^***	3.034847^***	-0.006887	3.504241^***
西北	系数	2019.913	4.052454	1.082056	133.3721	-22.19214
西北	Z-Stat	611.2442^***	3.422390^***	0.445724	3.778897^***	-5.375517^***
南方	系数	0.854976	1.185210	-0.909081	-0.028032	0.431634
南方	Z-Stat	4.509708^***	0.479525	-0.252965	-0.046300	1.706462^*

[1]	谢萌萌, 夏炎, 潘教峰, 郭剑锋. 人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究[J]. 中国管理科学, 2020, 28(12): 54-66.
[2]	程承, 王震, 刘慧慧, 赵国浩, 刘明明, 任晓航. 执行时间视角下的可再生能源发电项目激励政策优化研究[J]. 中国管理科学, 2019, 27(3): 157-167.
[3]	杨福霞, 徐江川, 杨冕, 史岩. 能源价格波动、诱导性技术进步与中国环境全要素生产率[J]. 中国管理科学, 2018, 26(11): 31-41.
[4]	闫晓霞, 张金锁, 邹绍辉. 我国可耗竭能源资源最优开采模型研究[J]. 中国管理科学, 2016, 24(9): 81-90.
[5]	黄凌云, 杨娜. 外资兼并对企业出口和技术进步的影响: 基于倾向指数再加权估计法[J]. 中国管理科学, 2014, 22(12): 34-40.
[6]	陈德智, 胡代平. 技术跨越的旋进路径分析[J]. 中国管理科学, 2006, (6): 144-148.
[7]	徐春骐, 周建, 徐伟宣. 外商直接投资与我国三次产业技术进步相关关系研究[J]. 中国管理科学, 2005, (2): 118-123.
[8]	刘思峰, 党耀国, 李炳军, 李秀丽, 王莲花. G-C-D模型与技术进步贡献率测度[J]. 中国管理科学, 1999, (2): 76-80.
[9]	张国胜. 企业技术进步水平的因素分析与综合评估[J]. 中国管理科学, 1996, (3): 33-39.
[10]	谢科范. 技术进步测算模型的比较研究[J]. 中国管理科学, 1993, (4): 43-51.
[11]	夏国平. 评估技术进步与技术创新的一种随机模型[J]. 中国管理科学, 1993, (3): 17-20.