中國風電產業效率的DEA實證及其影響因素研究

梁 玲 許建紅 張忠倫 謝家平

（1.華東理工大學 商學院，上海 200237；2.上海財經大學 商學院，上海 200433）

進入21世紀以來，能源安全和環境保護已經成為全球化問題，可再生能源為緩解能源供需矛盾和解決不可再生能源枯竭問題起到了重要作用。各國政府相繼出臺了各種政策以鼓勵、保護可再生能源的利用，在發達國家，風電、光伏發電及其他可再生能源發電以年均20%的速度增長，已成為一些國家主要的電力來源。自2006年《可再生能源法》頒布實施以來，我國風電產業也取得了長足進步。從2007年的風電裝機容量5848兆瓦至2015年底已增長到145362兆瓦，幾乎是2007年的24倍，超過歐盟的141吉瓦，占世界總量的33.55%，穩坐第一的位置。并且，風電發電量占可再生能源發電總量的67%，帶動近50.7萬人就業。然而，在我國風電產業以擴大規模為導向的大背景下，一方面可再生能源發電占總發電量不到1／8，另一方面裝機規模卻一直保持迅猛勢頭，隨之而來的是某些區域出現停機棄風、風電消納不足。2016年全國第一季度棄風電量就高達192億千瓦，平均棄風率為26%，這對風電發展制約很大，其中既有政策協調的問題，也存在企業自身擴張和技術問題。由此，亟待準確把握目前風電產業的技術效率狀況，在政府主導下，針對薄弱環節制定相關政策，引導企業、行業在把握市場發展的前提下，相互配合共同應對。

1 我國風電產業效率測度

技術效率從投入角度可解釋為在技術和價格不變的情況下，為了達到相同產量的產出，將投入要素按照既定的比例投入所得的最小成本與實際投入的成本的比率。Leibenstein（1966）從產出的角度定義技術效率為實際產出與在市場價格一定、投入規模一定、投入比例相同的相似環境下所能獲得的最優理想產出的比率，如果該比率值不大于1，則反映出企業、行業中存在效率損失。

DEA由于約束條件少，不需要事先建立生產函數模型，也不用考慮要素的單位換算，還可用于多投入、多產出的評估，因此被應用于各行業、企業、組織的績效和效率評估，如能源效率、薪資評定、投資回報、運營效率等。

1.1 指標選取

Farrell（1957）、Leibenstein（1966）等對技術效率闡釋，要想測度行業的技術效率必須首先厘清投入要素和產出。風力發電中的關鍵投入要素有人員的投入如人員數量和人員報酬等、資金投入如研發及設備購買以及土地的租賃等、設備投入如發電機組、變頻設備、高壓輸電線等。

投入指標為風電裝機容量、風電從業人數、35k V輸電線長度／35k V及以上變壓器個數。產出指標為風電發電量。

本文選取的數據來源于2011年至2015年公布的《中國工業電力統計年鑒》、《中國新能源發電分析報告》、國家能源局網站（http：／／www.nea.gov.cn）、全球風能理事會的《2015年全球風電裝機統計》以及工業企業數據庫。主要數據為2010年至2014年，共23個省直轄市5年的數據。對數據完整度不高的區域進行了剔除，如安徽、湖南、四川、陜西、青海、西藏、廣西、貴州等地區，2011年部分地區從業人數數據缺失，運用統計預測的插值法進行了補充。

1.2 綜合效率分析

綜合效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。本文使用Max DEA 6.13專業軟件對數據進行分析。被測的決策單元的綜合效率值等于1的為有效單元，小于1的為無效單元。軟件處理后得到綜合數據，具體如表1至5所示。

表1 全國總體風電技術效率及分解得分

從表1的數據分析可以看出我國風電產業總體年均綜合效率是逐年上升，從2010年的53.4%上升到2014年的81.56%，可見綜合效率得到了比較高的提升，可以大致判斷我國風電產業的投入產出比在80%左右，屬于中等水平。

由此可以發現2011—2014年這五年間我國風電的總體技術效率處于較高水平，即技術水平和管理水平較高。規模效率反映實際規模與最優規模之間的差距，說明實際規模的利用程度，從數據上看風電總體規模效率也呈上升趨勢，但較技術效率而言，還存在差距。由于綜合效率由技術效率與規模效率共同決定，從分析得分情況可以看出，因為規模效率的得分遠低于技術效率，所以我國風電產業的生產水平沒有達到理想狀態的主要瓶頸在于規模效率。

1.3 區域效率對比

表2是各省市2010—2014年五年間的風電綜合效率值。通過對表2的分析可以看出，能達到平均綜合效率有效（TE=1）的地區得分上升到了81.56%，說明行業的發展是健康的。

表2反映出絕大多數地區的綜合效率都是上升的，截至2014年已有六個決策地區的效率值為1，占總體數量的26%，分別為山西、內蒙古、福建、寧夏、新疆、云南。

其中，內蒙古為風電第一大省，無論是規模還是技術都一直處于領先地位。該地區處于一類風區，風資源條件優越，風能總資源占全國的50%，因此備受國家重視，獲得了大力扶持，且土地價格較低，可利用面積廣闊，容易產生規模效應，是風電開發企業的首選，因此無論技術還是規模都處于領先位置。福建省自2001年就與西班牙合資開發風電，較早引進吸收先進技術，一直保持優勢。另外，福建省可利用風電的范圍相對集中，容易產生規模效率，因此在有限的優勢風區對風電機組的效率更加關注，連續4年風電年均利用小時數據居全國第一。相反，甘肅同樣處于優勢風區，有風庫之稱的酒泉、風口之稱的玉門，由于近兩年問題頻出、電網結構布局不合理，反而導致了風電資源配置浪費，嚴重打擊了風場業主的積極性。加之風場盲目擴大規模，尤其是2014年搶裝嚴重，輸電、銷電能力及其不匹配，直接導致效率滑坡。

表2 各省市2010—2014年風電綜合效率值

另外，海南的數據可以反映出我國海上風電較陸上風電的發展還有一段距離。由于海上風電需要更高的技術，無論是對機組的要求還是對人員素質的要求，以及建造成本都高于陸上，且海風的不穩定性更高，目前可利用的小時數難以有所提高，因此導致綜合效率偏低。河南的綜合效率如此之低，通過與內蒙古相比就能發現問題，發電量不到內蒙古的2%，但是裝機容量卻是內蒙古的29.6%，可見存在嚴重的資源配置浪費，過分的規模政策導致了無效率。

因此通過表2數據分析可得出，我國各地風電發展需要在規模效率方面重點下功夫。

1.4 區域效率分解

通過對區域綜合效率的分解更能清晰地辨別優勢和缺點，本文對近幾年我國風電產業技術效率做了更進一步的分析。

1.4.1 技術效率分析

表3是技術效率的得分，可以看出總體上技術效率是不斷提升的，說明風電產業中各組織的管理效率在不斷提升，技術水平也在不斷提升，具體分值如表3所示。

表3 各省市2010—2014年風電純技術效率值

如表3所示，無論哪一年，技術效率有效的地區數量都多于綜合效率有效的地區數量，2014年技術效率有效地區已經達到11個，占47.8%。結合我國風能行業在世界的地位，說明我國風電行業的整體技術、管理水平已處于領先地位。我國風電行業的整體成本處于世界低成本區，且實現了90%以上的設備國產化，所以各地風機設備的運用不相上下，只是在管理上各家企業有所不同、人員素質占比不同導致輕微差別。我國對可再生能源電力的重視，催生了風電行業對其的重視，使得企業首先通過引進技術，學習技術，然后吸收技術，再到開發新技術的道路走得既穩妥又有效。但是，各地行業技術效率的差別提醒我們部分地區要以標桿地區為基準，提升管理水平。與世界發達國家相比，面對核心技術的缺失，在消化吸收的基礎上，我國還需要加大創新力度。

1.4.2 規模效率分析

如表4所示，截至2014年，我國風電規模效率均值為83.88%，規模報酬狀態顯示規模報酬遞增，充分說明了我國風電行業的規模利用率存在大范圍的無效率，值得我們研究分析。

表4 各省市2010—2014年風電規模效率值

首先，通過歷年產業政策可以看出，我國出臺相關政策的目的是促進風電行業的發展壯大，指導思想集中反映為擴大風電場規模，缺乏細致的規劃。如“十二五”期間的產業政策主要是核準建多大規模的風電場，核準多少裝機容量，極大刺激了發電端的投資行為。但是對于輸電、用電端卻缺乏指導，導致上馬的風場不能完全發揮應有的作用。本應發生的規模效應，并未理想地發生，反而滋生出“并網難和高棄風限電”并存的現象。其次，一些企業錯誤的形勢判斷導致一味追求“圈地”，等待時機與補貼也助推了規?！盁o效率”。

但是，數據也反映出我國風電行業的規模效率是逐步走高的，規模報酬的走勢也反映出我們的規模是有提升的必要和空間的，目前沒有一個地區顯示出規模報酬遞減，說明其整體上是可以提升的。規模效率的提升會直接影響綜合效率的提升，因此規模的優化是關鍵所在。

2 風電產業效率的目標值改進

通過分解分析得知我國各地風電行業效率不同，即發展不平衡，存在無效率，尤其是規模無效率體現得尤為突出。對無效率DMU的松弛分析能更加清晰地展示出這些問題：目標改進值=原始值+比例改進值+松弛改進值。為進一步研究資源在風電行業的有效配置，本文對典型地區進行了松弛變量分析，通過具體數值反映。以2014年為例，通過分析得出表5所示數據，僅以裝機容量和從業人數為例。

對于?？顚ｍ椯Y金的收入，財務管理人員，要準確的記錄，對于正在實施的項目要進行核實，防止重復項目發生。對于正在實施項目出現資金短缺問題，要積極溝通，向上級請示，在資金撥出后，及時進行賬目標注。保證項目工作的正常進行，也保證國有資產的安全，還可以防止行政事業單位出現腐敗現象，對我國的社會發展有積極的影響。

如表5所示，以河南省為例，在裝機容量這個投入變量上，其存在比例改進和松弛改進，即S11-0=-571.18，S12-0=-9.11，說明河南省要想達到技術效率有效，在裝機容量上必須減少580.29單位，才能達到有效目標值41.71單位，減少比例達到93.29%；在從業人員方面同樣需要比例改進，即S21-0=-1427.95，才能達到有效目標值127.05單位，減少比例達到91.83%。只有同時按要求進行兩方面的投入減少才能達到有效。從理論上來講要這樣操作，但實際情況是，已經安裝的風機不可能拆除，人員也不可能這樣大規模裁減，因此從產出角度來講，為了提高要素的利用率，在不減少投入的限制下，只能努力增加產出才能解決效率損失的問題。河南省的調節過程如圖1所示。

表5 2014年無效省市效率與松弛改進

圖1 河南省裝機容量與從業人數改進示意圖

以計算所得的綜合效率值為基礎，以有效省域，即效率值為1的省域構成效率邊界，則寧夏、福建、內蒙古、云南、新疆、山西構成邊界，以Q點表示河南省的技術效率值，由Q點向原點投影與邊界線交于Q1點，可得云南省風電技術效率值為OQ1／OQ，無效率值為Q1Q／OQ。與最接近的山西相比較，云南省要想達到技術效率有效，需要從裝機容量和從業人員兩方面減少相應比例，裝機容量改進方向如實線箭頭所指，首先比例縮進571.18單位達到Q1點，再松弛改進-9.11到達與山西具有相同投入比例的裝機，從業人員的改進如虛線箭頭所示，松弛改進1427.95單位，達到目標值。

綜合分析發現：我國風電產業總體發展良好，但地區間發展不均衡；綜合效率穩步提升，主要由純技術效率支撐，反映出我國風電產業的管理和技術水平有較高的發展；規模效率增長不盡如人意，且地區間差異很大，這既與地區資源豐富程度有關，也與地方政府政策引導有關，更與企業錯誤的行為有關；風電產業的特性決定了其收益回收期長，我國風電行業規模報酬的狀態是總體規模報酬遞增，說明風電產業發展還處于成長階段，但是大范圍的規模無效率又說明需要進行規模優化；通過對無效單元的目標調整分析，從理論上可知，投入要素既需要比例改進也需要松弛改進，才能達到理想目標值，但是風電行業的特性決定了不可能僅以減少現有投入來實現效率有效，必須以控制投入為輔，以想方設法提高產出為主來實現。

3 風電產業效率的動態分析

為了對產業效率進行動態分析，選取Malmquist指數作為工具。Malmquist指數即通常的全要素生產率指數，可以用來測度生產力的變化，反映生產前沿的移動及DMU的相對變化（追趕效應），通過動態的分析能直觀地看到我國風電產業效率的動態變化情況。

3.1 Malmquist指數簡介

假設T和T+1兩個時期的決策單元分別為（Xt，Yt）及（Xt+1，Yt+1），由于兩個時期的生產前沿不同，則根據不同前沿度量得到的產業效率不同，Malmquist指數分別是

其中，Mt表示決策單元（DMUc）相對于t時期生產前沿的產業效率變化。為了體現變化狀態，FareR等將兩個Malmquist指數的幾何平均數作為被評價單元的Malmquist指數：

等式左邊的前半部分（EC）為兩個時期的產業效率變化。當EC＞1時，表示在T+1期時決策單元的效率相對于T期時提高了；當EC＜1時，表示在T+1期時決策單元的效率相對于T期時降低了。

總體上MI=EC*TC，即Malmquist指數=產業效率變化*技術進步變化，又因產業效率變化實際上是技術效率與規模效率的乘積，所以Farer等又將Malmquist指數（全要素生產率TFP）進行了如下分解：

MI（TFP）=技術效率變化（Pech）*規模效率變化（Sech）*技術進步變化（Tech）

當MI＞1，表示生產率提高，MI＜1，表示生產率下降，MI=1，表示生產率無變化。

3.2 Malmquist指數的動態測度

運用Deap 2.1軟件，測算出2010—2014年全國23個省（直轄市）的全要素生產率，如表6所示。在2010—2011年，2011—2012年這兩個對比期可以發現技術效率變化均高于技術進步，前者的指數均大于1，表現為有效，而后者小于1，說明技術進步是無效的。但是可以看出前者提高的幅度是下降的，而后者的降幅是縮小的，說明技術進步的變化后發優勢要大于技術效率。同樣，綜合效率變化與技術進步相比也呈現出這種情形。全要素生產率的變化在這兩個比較期，TFP＞1，說明生產效率是提高的，但是提高的幅度卻在下降，到2012—2013年時，出現了退步，即生產率下滑，不再增長，到2013—2014年時已經再次下滑。最終TFP定格在0.979，風電產業全要素生產率并沒有提高，反而是在下降。

表6 2010—2014年風電產業全要素生產率變化情況匯總

分析原因，可從表6看出，全要素生產率的不增長表現是由綜合效率逐年下降導致的，從最初的增長94.4%到衰退9.2%，而技術進步雖然從均值上看表現不佳，但是最后時期卻是小幅增長的，2013—2014年期間技術進步0.4%。因此可以得出結論，我國風電產業的生產率并不如我們想象的那樣一直在增長，數據反映近兩年的增長放緩，出現了倒退，其中技術效率的倒退是直接而主要的原因。好在技術進步的變化不斷得到提升，使生產前沿面有所前移，使得整個產業的生產率表現不至于過分難看。同時也說明我國風電行業在技術上保持了前進的動力，但由于管理水平尤其是技術人才的缺乏使得技術效率負增長，大量無計劃裝機、盲目投資，導致看似規模龐大的行業其實并沒有出現規模效率增長。綜上所述，印證了前文分析得出的我國風電行業的技術效率處于中等水平且規模效率普遍不高的結論。

4 風電產業技術效率影響因素分析

我國風電產業長期以來單純重視量的發展已顯現出其負面效應。下面將使用已測得的綜合效率得分作為因變量，根據文獻梳理出可用指標作為自變量運用最小二乘法進行相關分析。

借鑒 Kar（2016）、余龍（2014）等對風電產業技術效率影響因素的研究，發現技術和經濟指標均對技術效率產生影響。根據數據的可得性選取以下指標作為影響因素進行分析，分別是風電投資總額、風電行業專利審定數量、新增裝機容量占比、年均利用小時數。

選取風電年投資總額作為解釋變量，鑒于數據的可獲得性和便利性選取專利數量來反映技術進步，選取新增裝機容量占比充分反映行業規模的變化，年均利用小時數反映了風機的利用率（可利用小時數的增加直接導致設備利用率提升與機組發電量增加）。

本文將計算所得的效率值作為因變量，因為期數較少，因此借鑒前人研究的結果作為補充，最后確定為2005年至2014年共10期的技術效率作為因變量，選取歷年風電投資總額（千億元），每年審定授權的電力專利數量（千項），新增裝機容量占風電總裝機容量的比率（%），年均可利用小時數（千小時）作為解釋變量，假設模型為

YE=C+β1X1+β2X2+β3X3+β4X4

其中，Xi分別代表歷年風電投資總額、專利數量、新增裝機容量占風電總裝機容量的比率、年均可利用小時數，βi分別表示各變量的系數，YE代表技術效率值。

4.1 數據處理

運用SPSS 2.0對數據進行回歸分析，強制回歸所有變量，得到如表7至表9所示的結果。通過對表7的分析發現總體相關性R2=0.991，說明回歸方程解釋變量和被解釋變量的相關性，即擬合優度很好，同時F=141.2，Sig＜0.0001，說明回歸方程通過了顯著性檢驗，總體來說方程式是有意義的。

表7 回歸總體相關指標

但是通過分析解釋變量的顯著性檢驗時，如表8所示，其中有2個變量的顯著性較低，說明投資總額和可利用小時數在解釋技術效率時顯著性不強。

表8 變量顯著性檢驗

通過對數據進行處理，將異常點剔除后得到如表9所示的修正結果。

表9 修正后各檢驗指標

系數a非標準化系數B 標準誤差標準系數 t Sig.（常量）55.950 6.734 8.309 0.001投資總額X 1（千億元） 10.464 4.067 0.290 2.573 0.062專利數量X 2（千項） 3.269 0.819 0.388 3.991 0.016新增裝機容量占比X（%）-0.077 0.054-0.174-1.439 0.223利用小時數X 4（千小時）5.989 2.671 0.187 2.242 0.088

如表9所示，R2=0.996，F值為250.3，總體Sig＜0.001，說明回歸相關性更高、顯著性更強，但是個體顯著性方面，新增裝機容量占比的Sig未通過顯著性檢驗。最終回歸方程確定為

YE=55.95+10.46X1+3.269X2-0.077X3+5.989X4

R2=0.996，F=250.3，p＜0.001

通過該方程可以看出投資總額、專利數量、可利用小時數對技術效率起到了正向促進作用，且作用是明顯的，新增裝機容量占比起到了負相關作用，但是顯著性不強。

4.2 變量影響分析

4.2.1 投資總額的影響

投資總額的系數為β=10.464，說明投資總額對技術作用為正向，可理解為每增加1千億人民幣的投入，對技術效率將產生10.4%的正向影響。這充分說明投資對風電這樣高新技術密度較大的行業的刺激作用。

4.2.2 技術進步的影響

代表技術進步的專利技術數量的系數為β=3.269，說明技術的進步對綜合效率有正向促進作用，關于電力的專利技術每增加1000項將對風電技術效率產生3.269%的作用。技術的不斷進步促使我國整體的風電開發成本逐年下降，成本領先已經居于世界先進行列。

4.2.3 可利用小時數的影響

代表設備利用率的可利用小時數的系數為β=5.989，說明設備的正常使用及高效利用對風電技術效率十分重要，甚至高于技術進步的作用。這是因為風力發電的生命周期很長，風場一般的使用期限為25年，前五年幾乎為適應期，風機故障率呈現出“浴盆”狀，故障率低則風機可利用率高，表現出可利用小時數較高；另一方面，風場所在的市場環境，如并網條件，如該地區（包括外送）可消納的風電高，避免了風機停機情況，也表現為高可利用小時數，則風力發電量就多，技術效率值就高。

4.2.3 新增裝機容量占比的影響

該項的系數β=-0.077，對技術效率的促進作用為負，但是其顯著性不高，因此不能清晰表明最終影響程度。從理論上來講，行業的規模效應促使行業整體成本下降、產量增加，從而促進技術效率的提升。但是以擴大規模為主的風電產業競爭，超出了整體社會的承受力，反而產生了浪費，通過前文對河南省和新疆自治區的分析就能發現過度的裝機及超出設施的承受力將會適得其反。因此，裝機規模對風電行業技術效率的影響應分不同時期來解釋，在新生階段應擴大規模，但是相對穩定或成熟期應適當控制和優化規模。

通過對變量的解讀，我們可以得出結論：風電投資的增加尤其是基礎保障設施的建設投資可為風電產業的發展奠定良好的基礎，對風電整個環節都有積極的作用；技術的進步對整個產業的生產前沿向前移動至關重要，可以提高行業整體的效率，同時能保障我國風電行業較強的競爭力；通過各方面的努力，保證可利用小時數的穩定和提升，使得發電可以持續進行，減少浪費，提高設備的效益，促進整個產業技術效率的提升；風電裝機容量的擴大不一定帶來規模效率，超出可控的范圍反而會帶來社會資源的浪費，不利于技術效率的增長。

5 結論

本文通過對風電產業技術效率的靜態和動態分析，以及對相關影響因素的解釋，發現目前風電行業的發展在政策的指引下，能保持積極的狀態，但是綜合效率不高，尤其是規模效率更顯得問題重重。風電產業整體生產前沿向前，但是追趕效應滯后，由此從企業到政府都應努力改變目前的狀況，才能使整個產業更健康地發展。

一方面，企業層面應提升技術效率。企業對技術效率的重視和直接參與對風電產業技術效率的提升將是莫大的貢獻。一是風電行業屬于技術密集型行業，技術上的大力投入有利于其處于領先地位，積極打造高素質技術團隊；二是優化企業規模，避免盲目擴張；三是企業間加強信息流通，打造技術創新共享平臺，共同研發，共同受益，這不但能節省成本，還能更早地享受技術擴散帶來的紅利。另一方面，政府層面上要引導企業提高技術效率。一是我國在電網方面的建設在各自區域內比較完善，但是地區間的跨區域電網建設十分落后，如截至2014年底，全國35k V及以上輸電線長度達到了1554236公里，但是跨區域間輸電線長度僅為17182公里，僅為總長度的1.1%，這使得風電優勢明顯的一類區的大量風電無法對外輸送；二是積極引導搭建技術創新平臺，使風電行業的產學研有效聯接起來，突破關鍵技術盲點；三要統一規劃，杜絕無效規模建設；四要建立合理的綠電政策引導制度，彌補單純的新能源補貼政策的不足，引導企業不能再為補貼而建，打通發電、輸電、用電網絡的經脈，提升風電供應鏈整體協同效率。