王婷婷　朱建平

摘要针对传统效率测算模型未能考虑决策单元博弈关系以及测度结果不能充分排序的缺陷，提出考虑决策单元之间博弈关系的生态-博弈交叉DEA（eco-GCDEA）模型，并应用该模型对中国省际电力行业能源消耗与环境协调发展程度展开实证分析与讨论。选取中国2002-2012年30个省份的电力行业面板数据，其中非期望产出指标通过熵值法将工业二氧化硫排放量、工业烟尘排放量等5个环境污染指标加以综合，力求最大限度地刻画当前的环境污染问题。在构造环境污染综合指标的基础上，采用eco-GCDEA模型对环境约束下的中国省际电力行业能源利用效率进行测度与排序，并用该模型的测算结果与当前比较流行的SBM模型进行对比分析。研究发现：新模型完成了所有决策单元的充分排序，有效克服了传统SBM模型无法完全排序的缺陷；环境约束下电力行业能源效率得分存在相对缓慢的增长趋势，东部地区电力行业能源与环境发展协调度高于中西部地区。根据实证分析结果给出三点建议：首先大力发展新能源、推进清洁技术研发，调整能源消耗结构；其次各大电网区域统筹协调，联动发展；最后正确应对碳金融市场给电力行业带来的机遇与挑战，在参与碳金融市场的活动中深化节能减排。

关键词博弈关系；电力行业；eco-GCDEA模型；充分排序

中图分类号F205；F207 文献标识码A文章编号1002-2104（2015）03-0120-08doi：103969/jissn1002-2104201503016

电力行业是国民经济发展的支柱、人民生活的保障，是能源生产者同时也是能源消费者，其角色具有双面性，也就是说电力是一种清洁的二次能源，但它的产生却需要充足的一次能源作为基础。这一特殊的行业性质，奠定了电力行业在整个能源领域的决定性地位。电力行业能源消耗结构以煤炭为主，因此该行业也被视为节能减排的主要对象，尤其在低碳化浪潮席卷全球的历史机遇面前，电力行业将在节能减排中发挥重要作用。2010年我国电力行业用于发电生产的原煤量占全国煤炭消费总量的一半以上，达到16亿吨。与之相对应的是电力行业温室气体排放量，占到了全国总量的近4成。电力行业能源效率的提高，有助于减少温室气体排放，缓解能源消耗所带来的环境污染问题，但低碳化是一条艰巨而长期的道路，没有任何一个企业乃至行业能够一蹴而就，因此电力行业应深入了解自身情况，在此基础上不断加大行业低碳化改革力度，从而更好地实现节能减排，这也是本文研究的目的所在。

1文献综述

自从Fre et al [1]1985年引入DEA模型用于评价国有和私人电厂的相对技术效率以来， DEA方法开始被广泛应用于评价电力行业的技术效率。Mike Goto 等[2]用DEA模型对美国和日本1984-1993年的电力行业技术效率等进行比较分析，结果表明日本在技术效率等方面均高于美国电力行业。Alexander Vaninsky[3]采用DEA方法对美国1991-2004年间电力行业技术效率进行了实证分析，研究表明美国电力行业效率在1991-2000年相对稳定，之后急剧下降。Arocena[4]采用DEA模型分析了多元化经营和垂直一体化体制下电力行业技术效率变动、成本及收益的差异性。RamosReal et al[5]采用DEAMalmquist指数模型，构造全要素能源效率指标，对巴西17家配电企业1998-2005年间的全要素生产率变动进行测算和分解以掌握各个分解要素的变动情况。Sueyoshi et al[6]利用DEA模型和DEADA分析技术度量了2005-2009年日本10家电力企业，研究发现日本电力企业的生产效率并没有发生积极变化。Welch等[7]采用DEA模型研究了环境规制对电力行业的效率影响，研究表明成本效率和环境效率存在明显的差异，环境规制强度的加大导致电力行业效率的降低。

从现有相关文献来看，省际能源效率研究成果相当丰硕，而关于工业或者行业间的能源效率研究相对较少。电力行业作为工业的一个部门，关于它的能源效率尤其是考虑环境因素的电力行业能源效率研究则并不多见。縢飞、吴宗鑫[8]分别采用CRS、VRS、NIRS模型对我国1991年燃煤电厂进行技术效率和规模报酬的测算，研究认为燃料的过度使用是造成成本无效率的主要原因。白雪洁等[9]采用三阶段DEA方法对2004年我国30个省级行政单位的火电行业进行技术效率分析，研究表明地区经济发展程度、资源禀赋等会对多省份的火电行业效率水平造成影响。张各兴、夏大慰[10]利用随机前沿生产函数对我国30个省2003-2009年发电行业技术效率进行分析，并对所有权结构、环境规制等因素对发电行业效率的影响进行了实证检验。王喜平等[11]利用Malmquist全要素生产率指数对中国电力行业2002-2008年能源利用效率进行了评价。曲茜茜[12]采用SBMDEA 模型对中国2000-2009年火电行业能源效率进行了研究。

上述研究普遍采用传统的DEA模型，但该模型存在以下缺陷：首先它的“自评”体系导致评价结果偏大且不客观；其次它未考虑决策单元之间的博弈关系。此外关于电力行业能源效率的环境约束考虑甚少，在涉及环境约束下能源效率研究当中SBM模型是目前较为流行的方法，该模型解决了投入的松弛性问题，却无法针对决策单元充分排序。本文提出的ecoGCDEA模型则能有效解决上述弊端。

2研究方法与数据说明

2.1研究方法

博弈交叉效率测算思路是在解决传统CCR模型不能有效排序的基础上，引入评价单元之间的博弈关系，在避免交叉效率模型二次目标选择的同时，放宽传统模型严苛的假设条件，使其更加贴切实际，是对传统效率测度思路和方式的一种改进。

此法有以下三点优势：第一，对传统DEA模型单一的“自评”体系进行了有效地补充，解决了决策单元无法充分排序的问题；第二，简化了“交叉评价”的计算步骤，避免了“二次目标”的选择问题，增强了模型的客观性与稳定性；第三，弱化了传统DEA评价模型的假设条件，将决策单元看做具有博弈关系的“参与人”，更加贴近现实生产活动。

2.2数据说明

本文在选取投入产出指标方面，紧密结合研究问题的本质，并把环境因素纳入考核对象，从而形成较为科学完备的投入产出指标体系。选取中国30个省级行政单位2002-2012年的电力行业投入产出数据，其中不包含港澳台及西藏地区。数据来源于《中国电力年鉴》、《中国环境统计年鉴》及《中国统计年鉴》等。

投入指标4个，分别为：①装机容量：表示发电行业投资规模的重要指标，并直接关系到电力生产能力的高低；②发电煤耗量：是维系电力行业运行的重要可变投入成本；③发电设备利用小时数：是电力行业发电设备利用程度的指标；④发电厂用电率：是发电行业的用电量与发电量的比值。产出指标2个，分别为：①发电量：为期望产出，标志着电力行业的产出实现能力；②环境污染综合指数：为非期望产出指标，采用5个环境污染指标（工业二氧化硫排放量、工业烟尘排放量、工业粉尘排放量、工业废水中化学需氧量排放量、工业废水中氨氮排放量）通过熵值法[14]测算综合而成。

3实证测算与结果分析

3.1实证分析

本文在传统DEA模型基础上，把各地区的博弈关系纳入考核，并构造考虑环境因素的综合指标，提出ecoGCDEA模型，该模型可以有效克服测度结果夸大和不能充分排序的问题。在世界迈向低碳化发展的道路上，该模型在很多领域都将有广泛的应用价值。本文针对环境约束下的中国省际电力行业能源效率问题展开实证研究，经Matlab软件进行编程得到以下测度结果，见表1。

表1给出了我国30个省级行政单位2002-2012年电力行业环境约束下的能源效率变动情况。从表1能够直观地看到“1值”单元明显减少，其中上海在2002-2006年、2011-2012年连续7年获得100分，成为这些考察年段唯一一个有效决策单元；江苏则在2008与2009年获得100分，而浙江在2010年得100分，它们分别成为相应年段的省市标杆；其他省份在2002-2012所有考察年段都没有出现100分。

从全国总体情况来看，我国电力行业在考察年段的能源效率发展趋势较为明朗， 2003-2008年段上升趋势比较显著，从88.90上升到93.09，增长了4.7%。这说明我国从2002年开始的电力行业体制改革具有一定成效。2008年我国电力行业能源效率又出现小幅下滑，从93.09跌至2009年的92.53，这意味着2008年所爆发的金融危机对我国电力行业产生了一定的负面影响。但随着金融风暴力度的减弱和我国一系列应对措施的出台，截止2012年我国电力行业能源效率再次出现回升趋势，有理由相信随着经济活力的进一步释放、电力行业改革步伐的进一步深化，自2009年之后的增长趋势会继续保持。

行均值则反应了我国30个省级行政单位在2002-2012年电力行业能源效率发展的总体情况，不难发现各地区电力行业能源利用效率主要集中在80-100的范围之内，该区间共涵盖了我国29个省级行政单位。为了进一步利用省际电力行业能源效率实证结果对所有决策单元进行更加深入的比较分析，本文将根据行均值对我国各省、市、自治区、直辖市进行梯队划分，划分情况见表2。

环境约束下的省际电力行业能源效率测度结果在某种程度上集中反映了电力行业发展与环境资源的协调程度。如表2所示，本文根据效率得分将30个省市划分为四大梯队。第一梯队的电力行业能源效率得分普遍较高，代表了我国环境约束下能源利用的先进地区，可认为是电力行业发展与资源环境高度协调的地区。第二梯队相对第一梯队效率表现较弱，因此可认为是电力行业发展与资源环境中度协调的地区。第三梯队的省份取值在90-80之间，处于得分相对低下的地区，因此可认为该梯队的协调度处于较低水平。第四梯队仅含有新疆一个省份，得分位于全国倒数第一，因此是电力行业发展与资源环境协调程度较差的地区。

从涵盖范围来看，第一梯队涵盖了我国华东、华北、华中以及南方地区的8个省份，其中华东地区占4个、华北2个、华中和南方各1个，而西北与东北地区没有省份入围，说明我国电力行业与生态环境高度协调的地区主要集中在我国华东等地。第二梯队共有12个省份入围，除了华中地区没有省份入围之外，其他地区均有部分省份进入该梯队，是4个梯队当中包含省份数目最多的梯队，因此代表了中国电力行业与资源环境协调程度的一般水平。第三梯队共有9个省份，仅次于第二梯队，因此也具有较强的代表性，该梯队成员主要来自于华中、南方、东北和西北地区，而华东地区未有成员进入。其中华中地区有5个省份入围，南方有2个地区进入，东北和西北分别占1席名额。第四梯队的成员数目最少，仅新疆一个省份，它的 效率取值落入80-70的区间，是电力行业与资源环境协调度最差的地区，也是应受到高度重视与重点发展的潜力地带。

诚如前文所述，新模型的优点之一是能够完成决策单元的充分排序，为了更进一步了解各个地区之间的动态性差异，弥补传统模型无法实现的完全排序问题，在此对我国2002-2012年省际电力行业能源效率进行排名，见表3。

能源效率得分的排名情况。其中上海表现相对较好，曾在2002-2007、2011-2012年段连续排名第一；江苏在2008和2009两个年份排名第一；浙江省在2010年上升到第一位次。就总体表现而言得分较高的省市主要集中在我国东部地区。例如广东和福建在排名上都有不俗的表现。其中广东省在2008年位居第五，其他年份均在全国前五，福建情况类似。排名相对落后的地区主要集中在我国的

西部，新疆在2002、2003年度排名分别为29和28，在2004-2012年段，则一直处于全国倒数第一，而2002和2003年段的最后一名是同样来自西北地区的青海省。排除个别省份的表现，我国电力行业能源效率排名总体呈现东部地区较高而西北相对落后的格局。

值得一提的是，通过ecoGCDEA模型所测算的省际电力行业能源效率值在2002-2012年所有考察期内，排序失效个数均为0，即在同一考察期内不存在一个以上的“1值单元”，从而做到了对决策单元的完全排序，有效克服了传统SBM模型的弊端，为效率测算的深入研究、信息挖掘提供了可靠保障。

3.2与SBM模型的对比分析

为了更直观地考察SBM模型和ecoGCDEA模型在测算以及排序方面的差异性，针对这一实证问题分别测算，考虑到数据量以及直观展示等问题，在此仅选取2年的效率得分及其排序进行对比研究。本文实证分析的考察年段为2002-2012年，基本处于我国十五与十一五规划时间范围之内，因此选取2005和2010年（两次规划的最后一年）进行比较与分析。

对比可知两种测算模型所得出的测算结果不同，但这并不妨碍整体分析，因为效率得分仅表示相对值而非绝对。ecoGCDEA模型的测算结果不存在大量的“1值单元”，从而为“有效单元”的排序提供了可能。从排序分析的对比结果可以直观地看出ecoGCDEA模型在排序方面的优势。在SBM测算体系下，2005年出现的有效决策单元数量为11个，这意味着在所有评价单元里，有三分之一强的决策单元无法做到充分排序。2010年的情况相对2005年有所好转，但依然存在7个有效决策单元无法排序。而在ecoGCDEA体系中，2005年和2010年都分别出现一个“1值单元”，分别为上海和浙江，这两个单元也在SBM模型的“1值单元”集合之内，但却具有唯一性，因此提供了决策单元充分排序的可能。在这里需要说明的是并非所有SBM模型下的1值单元在ecoGCDEA模型中都能名列前茅，反之亦然。例如2005年在SBM模型中排名第13位的福建，在ecoGCDEA模型中上升到了第5，相差8个位次。但就总体趋势而言，两种测评模型对电力行业能源效率的测算及其排序结果具有一定的一致性。例如广西，在2005年的两次排序中分别位居第28和26位，在2010年的考察中具有相同的位次21，这种情况在所有评价单元中绝非个例。

4总结与启示

本文采用ecoGCDEA模型对环境约束下我国省际电力行业能源效率进行了考察，从宏观和微观两个层面对环境约束下电力行业能源动态效率进行分析。研究发现我国电力能源效率总体上存在上升趋势，但相对微弱；6大电网区域中华东地区效率得分表现最好，而西北地区最为落后；各个省份的效率变化趋势不尽相同。根据静态结果把30个省份划分为4大梯队，由于静态结果在一定程度上反映了电力行业发展与资源环境的协调程度，因此第一梯队是高度协调地区，第二梯队为中度协调地区，第三梯队为低度协调地区，第四梯队为差等协调地区。最后，为了更加直观地反映新模型测算的优越性，把SBM模型的测评得分与排名情况与之进行对比。从测算值来看，两种模型的测度结果存在差异性，ecoGCDEA模型的测算结果偏高，但该模型有效解决了存在过多“1值单元”而无法充分排序的情形。从排序结果来看，两种方法存在一定的一致性，但后者解决了前者的测算缺陷，完成了决策单元的充分排序。

通过以上结论可以得出如下启示：首先，要发展新能源、调整能耗结构，提高利用效率。对于电力行业而言，以煤炭为主的能源消费结构使其成为全国二氧化碳排放大户，极大地制约了该行业低碳化改革的进程。在国家大力推动新能源产业发展的历史机遇下，对于电力行业尤其是大型发电集团公司而言，要积极投身于新能源技术的研究与开发，力争能够优化行业的能源消费结构、顺应低碳经济发展大潮，同时规避低碳政策对高能耗企业的不利影响。其次，各大电网区域统筹协调、优势互补、联动发展。实证研究结果表明我国环境约束下，电力行业能源效率表现较好的区域主要集中在东部沿海地区，该地区具有良好的经济发展基础、工业化水平以及得天独厚的生态系统，因此上述区域要充分发挥自身优势，加大对电力行业发电、输电、配电等各环节的技术研发支持力度，深入开展节能减排技术创新与升级，将低碳经济发展与环境污染综合治理紧密结合，并带动其他落后地区共同进步。最后，掌握低碳经济发展格局，积极投身碳金融市场，利用市场机制深化节能减排。电力行业是碳排放较重的领域，同时也是节能减排的重点领域，我国碳金融市场已经初步建立，势必对电力行业的发展产生重大影响，电力行业将成为节能减排的主要控制对象。因此，在机遇与挑战面前，应当积极参与各种碳交易活动，让碳金融市场为火力发电的清洁化与高效化发展助力，从而推动整个电力行业的低碳化进程。

（编辑：尹建中）

参考文献（References）

[1]Fre R， Grosskopf S， Logan J. The Relative Performance of Publiclyowned and Privatelyowned Electric Utilities[J]. Journal of Public Economics， 1985， 26（1）： 89-106.

[2]Goto M，Tsutsui M.Comparison of Productive and Cost Efficiencies Among Japanese and US Electric Utilities[J]. Omega，1998，31（2）： 177-194.

[3]Vaninsky A. Efficiency of Electric Power Generation in the United States[J].Energy Econmics，2006，28（3）：326-338.

[4]Arocena P.Cost and Quality Gains From Diversification and Vertical Integration in the Electricity Industry [J].Energy Economics，2008，30（5）：39-58.

[5]RamosReal F J，Tovar B，Iootty M， et al. The Evolution and Main Determinants of Productivity in Brazilian Electricity Distribution 1998-2005 [J]. Economics， 2009， 31（6）： 298-305.

[6]Sueyoshi T， Goto M. Efficiencybased Rank Assessment for Electric Power Industry [J]. Energy Economics， 2012， 34（3）：634-644.

[7]Welch E， Barnum D. Joint Environmental and Cost Efficiency Analysis of Electricity Generation[J]. Ecological Economics， 2009， 68（5）：2336-2343.

[8]縢飞，吴宗鑫.中国电力企业的绩效分析[J].数量经济技术经济研究，2003，（6）：127-130. [Teng Fei， Wu Zongxin. Analysis of Electric Power Enterprises Performance in China[J].Quantitative&Technica Economics， 2003，（6）：127-130.]

[9]白雪洁，宋莹.中国各省火电行业的技术效率及其提升方向[J].财经研究，2008，34（10）：15-25.[Bai Xuejie，Song Ying. Technical Efficiency and Its Upgrade Orientation of Thermal Power Industry in Provinces of China[J].Journal of Finance and Economics， 2008， 34（10）： 15-25.]

[10]张各兴，夏大慰.所有权结构、环境规制与中国发电行业的效率[J].中国工业经，2011，（6）：130-139.[Zhang Gexing，Xia Dawei.Ownership Structure Environment Regulation and Efficiency of Chinese Power Generation Industry[J].China Industrial Economics， 2011， （6）：130-139. ]

[11]王喜平，姜晔.中国电力行业能源利用效率及收敛性分析[J].现代电力，2011，28（4）：84-89.[Wang Xiping，Jiang Hua. Convergence Analysis on Energy Utilization Efficiency in Electric Power Industry of China[J].Modern Electric Power， 2011，28（4）：84-89. ]

[12]曲茜茜.火电行业环境效率评价及监管研究[D].天津：天津大学，2011：32-35.[Qu Qianqian. Study of Environmental Efficiency and Monitoring in Thermal Power Industry[D].Tian Jin：Tian Jin university，2011：32-35. ]

[13]Liang L，Wu J，Cook WD，et al.The DEA Game Cross Efficiency Model and Its Nash Equilibrium[J].Oerations Research，2008，56（5）： 1278-1288.

[14]胡晓珍，杨龙.中国区域绿色全要素生产率增长差异及收敛分析[J].财经研究，2011，37（4）：123-134.[Hu Xiaozhen，Yang Long. Analysis of Growth Differences and Convergence of Regional Green TFP in China[J].

AbstractSince the 21st century environmental deterioration arising from energy consumption has aroused widespread concern and discussion. Because traditional models failed to consider the relationship of DMUs， and its result cant be fully sorted， this paper put forward the ecoGCDEA model， and the model was applied to study provincial electric power industry of Chinas energy consumption and environmental coordinated development degree. With Chinas 30 provinces in 2002-2012 panel data of the electric power industry selected， the undesirable output indicators through the entropy method combine industrial SO2 emissions，industrial soot emissions etc. five environmental pollution indexes， making efforts to maximize the depict of the current existing problems of environmental pollution.On the basis of constructing environmental pollution comprehensive index， the paper uses the ecoGCDEA model to perform measuring and sorting for Chinas provincial electric power industry energy efficiency under the environment restriction， and applies the measured results of the model to compare with the current relatively popular SBM model. The study found that the new model finished full sort of all DMUs and effectively overcome the defects of traditional SBM model. Under environmental constraints power industry energy efficiency scores exist relatively slow growth trend， and the eastern region in energy and environmental development coordination degree of the electric power industry is higher than the central and western regions.Finally according to the result of empirical analysis， the article put forward two suggestion as follows：on the one hand，we should develop the new energy， promote clean technology research and development， and adjust the structure of energy consumption.On the other hand，we need correctly deal with the carbon financial market opportunities and challenges for the power industry and deepen the energy conservation and emissions reduction in the participation of carbon financial market activities.

Key wordsthe game relationship； power industry； ecoGCDEA model； fully sorting