后疫情時代降低用能成本推動經濟高質量發展的效果及機制

楊 丹，鄧明艷，劉自敏,c，黃 敏

(西南大學 a.經濟管理學院；b.農村經濟與管理研究中心；c.經濟研究中心， 重慶 400716)

一、引言

新冠肺炎疫情(以下簡稱“疫情”)對中國消費品制造、交通運輸、住宿餐飲、旅游休閑、地產金融等工業與商業領域打擊沉重，不利于經濟增長與經濟發展。在中國經濟由高速增長轉為高質量發展的背景下，政府應盡快采取強有力的精準措施，盡可能對沖疫情的“負效應”，在后疫情時代助力經濟的高質量發展(1)本文采用王竹立(2020)對“后疫情時代”的定義，“后疫情時代”指新冠肺炎疫情過去后的時代，但并不是說疫情完全消失、一切恢復如前的狀況，而是疫情時起時伏，隨時都可能小規模暴發，從外國外地回流以及季節性發作，而且遷延較長時間，對各方面都產生深遠影響的時代。。其中，“減稅降費”政策，特別是降費政策能有效減輕企業負擔，幫助經濟復蘇。近年來，中央的各項政策已顯示了降低企業成本的重要性，2016年國務院專門制定了《降低實體經濟企業成本工作方案》，強調多方面降低企業成本。

電力作為重要的二次能源，電力消費與經濟增長緊密相關，具有很強的乘數效應。從2015年開始，中央已多次采取措施積極降低工業用能成本，在2019年12月的中央經濟工作會議上，首次明確表示“要降低企業用電成本”。國家發展和改革委員會于2020年2月發布的《關于階段性降低企業用電成本支持企業復工復產的通知》，明確了除高耗能行業用戶外，一般工商業和大工業企業的電費將下調5%。同時，《應對疫情中央及地方支持性政策匯編》顯示，不同省份為推動企業發展均提出了具體的降成本措施。電費作為“第二稅收”，降電費不僅直接惠及企業用電客戶，還在二次傳遞上降低了各行各業的成本。

根據2005年國際能源署(IEA)與經合組織(OECD)的報告，OECD國家平均居民電價與工業電價之比為1.7∶1，全世界主要國家中，只有印度、俄羅斯與中國的居民電價低于工業電價。中國工業電價與居民電價的交叉補貼現象嚴重，需采取措施降低交叉補貼。由于居民用戶對電價的可接受能力有限，同時電量市場交易量的比重不斷上升，工業電價的市場化降價空間較大，所以減少企業用能成本，降低交叉補貼的重要措施便是降低工業電價。

目前，突發事件沖擊下企業用能成本對經濟發展影響的相關研究主要集中在以下3個方面：

第一，突發事件的沖擊會對人類生活、經濟發展產生極大的影響。突發事件對經濟發展的負效應一般為兩年[1]，SARS病毒短期不利于國民經濟發展，長期制度性因素的改變會提升資源配置效率[2]。長期災害會促進技術進步、更新資本存量，提升全要素生產率[3]。颶風作為突發事件會造成工人工資和就業率的變動[4-5]，對不同受教育程度的居民存在異質性就業效應[6]。地震會使經濟短期(1年以內)受損，中期(2～5年)恢復，長期(6～12年)提升[7]。

第二，能源價格會影響經濟增長，降低企業用能成本將促進經濟復蘇及其發展。降成本的措施可概括為：降低能源成本、降低制度性交易成本、降低企業人工成本、降低企業稅費負擔等[8]。降成本是實現中國經濟增長與經濟發展的核心[9]。石油價格上漲將對宏觀經濟產生負向影響[10]，能源價格下降有助于實際GDP和社會福利增加[11]。石油價格沖擊對經濟增長存在影響[12]；天然氣價格波動與經濟系統變化有關系[13]；差別能源價格對歐盟和非歐盟國家的宏觀經濟影響不同[14]。

第三，中國電力交叉補貼嚴重，減少交叉補貼對經濟高質量發展有重要作用。交叉補貼的本質是價格扭曲，價格扭曲損害了經濟增長、能源效率與社會福利[15]，要素扭曲阻礙了資源的再配置[16]，消除扭曲有助于生產率提升[17]。減少電力補貼可以提高用電效率、減少碳排放與無謂損失[18]。經濟高質量發展要借助于要素價格的資源配置功能[19]，技術進步偏向是資源配置的重要體現[20]，減少要素配置扭曲可以使全要素生產率提升43%[21]。

綜上所述，大量文獻分析了突發事件、價格扭曲對經濟發展的不利影響。基于中國工業電價補貼居民電價的現實背景，在后疫情時代，如何實現經濟高質量發展，將是政府面臨的重要難題。本研究將基于中國經濟高質量發展的視角，以能源效率、工業產值、CO2排放量、社會福利等指標作為衡量經濟高質量發展的指標，探討減少價格扭曲，即企業用能成本降低對企業高質量發展的效果及其機制。本文的貢獻與創新點在于：(1)估計了2006—2019年全國工業和居民用戶間電價交叉補貼的總體趨勢，有助于更好地了解中國電力交叉補貼的基本面；(2)基于城市數據分析了降低企業用能成本對經濟高質量發展的影響及其機制；(3)以能源效率、工業產值、社會福利等作為經濟高質量發展的代理變量，評估降低企業用能成本，減少價格扭曲對經濟高質量發展的短期、中期及長期效果。

二、理論分析與研究思路

降低工業用能成本，減少交叉補貼能夠提高效率、提升福利、減少碳排放，促進經濟高質量發展[18,22]。基于消費者理論，交叉補貼會引致價格扭曲。一方面，工業企業這類低成本用戶由于高電價而抑制生產規模，不利于生產；另一方面，居民用戶這類高成本用戶由于低電價而過度消費，造成資源浪費，均不利于社會經濟的提升。存在交叉補貼時，工業用戶及居民用戶的經濟損失如圖1所示。

圖1 交叉補貼下工業用戶和居民用戶的經濟損失

其中，Q為用電量，ph、pi、p0分別是現行的居民電價、現行的工業電價、調整后的電價，h、i表示居民用戶、工業用戶(2)需要說明，確定理想價格(即不存在交叉補貼)時，假設居民與工業用電的理想價格均為p0，此時得到中國真實居民與工業電價間交叉補貼值的下限。。當工業電價大于居民電價，存在交叉補貼時，工業用戶由于無法達到最優生產規模造成的經濟損失為△ABC的面積，而居民用戶由于電價偏低而多消費，造成資源浪費的經濟損失為△DEF的面積，且二者的關系為：△ABC=△DEF。

由于只估計工業與居民用戶間的交叉補貼，沒有分析二者共同享受到的外部補貼或工業與居民對其他能源的補貼等。因此，在分析兩兩間的交叉補貼時，交叉補貼支出額等于交叉補貼所得額。補貼方和受補貼方的交叉補貼額的下限值關系為：

(p0-ph)*Qh=(pi-p0)*Qi

(1)

根據價差法，在式(1)的基礎上計算出無交叉補貼時的價格p0，就可以計算出中國電力結構中工業對居民用電的交叉補貼的下限。單位交叉補貼額、交叉補貼總額與交叉補貼率的計算公式分別為：

Cross_Sub=|Δp|=pi-p0=p0-ph

(2)

Cross_Sub_sum=|Δp*Q|=(pi-p0)*Qi=(p0-ph)*Qh

(3)

Cross_Sub_Ratio=Cross_Sub/(pi*Qi)

(4)

基于式(2)～(4)可以計算出工業和居民用戶間的交叉補貼下限。減少交叉補貼的途徑主要是降低工業電價，提升居民電價，同時配合其他的非價格手段[22]。但是，居民對電力價格的接受力有限，居民電價提升程度不宜過高，否則不利于居民福利提升。

因此，減少交叉補貼應該從工業降價開始。交叉補貼引致效率損失的可能機制包括：交叉補貼引致偏向傳統能源而非新技術能源的技術進步引致純技術效率下降；交叉補貼引致價格扭曲導致無法達到生產最優規模，最終導致規模配置效率下降等[23-24]。因此，純技術效率和規模效率下降是導致能源效率下降的可能途徑。本文的研究思路如圖2所示。

圖2 企業用能成本降低對經濟高質量發展影響的內容框架

一方面，純技術效率會對企業的技術創新產生影響[25]，不利于經濟增長。全要素生產率的提升主要依靠技術效率的改善[26]，對經濟高質量發展至關重要[27]。中國電力價格扭曲嚴重，導致較高的企業用能成本，不利于企業增加清潔能源(電力)的使用。過高的交叉補貼，導致企業缺乏技術創新激勵，不會增加更多的技術改進投入，純技術效率偏低，不利于經濟的運行。另一方面，規模效率下降是導致全要素生產率提升的主要因素[28]。電力價格扭曲，導致企業的資源配置效率低下，企業難以實現規模經濟。同時，當交叉補貼嚴重時，企業不能根據自身的比較優勢選擇投入要素，以達到最優生產規模，最終將由于生產不足造成經濟損失。但二者的作用具體如何，本文將在實證分析中進行驗證。

此外，本文將探討企業用能成本降低對經濟高質量發展的影響與機制，就企業用能成本降低的短期、中期、長期經濟效應進行場景分析，即降低企業用能成本最終對經濟增長、節能減排、社會福利等的影響。

三、數據說明及相關指標的測算

本節首先是對本文所使用的100個樣本城市數據進行說明，然后基于全局SBM方法測算綠色能源效率及其分解結果，并分析由于工業電價高于居民電價引致的交叉補貼情況。

(一)數據說明

本研究所使用的電價數據來自中國價格信息網，該網站采集了中國大陸地區31個省、自治區、直轄市的100個典型城市(東部36個，中部30個，西部34個)2006—2016年的居民與工業用電月度價格(3)限于數據可獲性與統計口徑的變化，研究期僅到2016年。根據最新的《中國城市統計年鑒》顯示從2017年開始，城市層面的諸多指標的統計口徑發生了變化，由市轄區變成了全市。因此，諸多最新的基于城市數據所做的分析，其數據期都截止到2016年，如：人口密度自從2016年后就不再公布了；2017年的工業用電量和全社會用電量為全市層面的數據；2017年的城鄉居民生活用電為全市的城鎮居民生活用電而非全市的城鄉居民生活用電。。該數據樣本區域分布較為均衡，每個省、自治區、市均包含2～3個城市(西藏除外)，東、中、西部地區城市數量分布較為均勻，具有較好的代表性。本文實證分析所使用的變量來自多個數據庫。參照《2006年IPCC國家溫室氣體清單指南》和張子龍[29]的研究，對各城市的能源消費和水泥生產過程中的CO2排放量進行計算。工業與居民能源消費量、GDP、工資額、人口數等變量自于《中國城市統計年鑒》，氣候特征變量來源于中國氣象數據網。因為所有控制變量均在年份層面，因此本文將月度電價數據加總平均到年度層面，得到年度電價并和其他變量進行匹配，形成本文分析所使用的完整數據。根據新冠肺炎疫情的嚴重程度(4)本文對新冠肺炎疫情地區的分類借鑒國務院聯防聯控機制印發的《關于科學防治精準施策分區分級做好新冠肺炎疫情防控工作的指導意見》，根據確診病率來劃分疫情的區域。其中，確診病率大于等于1的為疫情重度地區；確診病率在0.5～1的為疫情中度嚴重；確診病率小于0.5為疫情輕度地區。數據統計截止日期為2020年3月2日，數據來源于國家統計局及國家衛建委及各地衛健委。雖然截至2020年3月，中國疫情尚未結束，但是本文劃分疫情的標準，即確診人數是疫情最嚴重的時期，比較具有代表性。，變量描述性統計如表1所示。

表1 變量描述性統計

從表1可知，中國城市工業電價比居民電價高0.21元。在疫情嚴重程度不同的地區稍有變化，其中疫情重度地區的工業電價比居民電價高0.208元；疫情中度地區的工業電價比居民電價高0.255元；疫情輕度地區的工業電價比居民電價高0.185元。可以初步判斷中國工業與居民電價之間的交叉補貼問題嚴重，這將造成能源效率與社會福利損失，不利于經濟高質量發展(5)雖然本文對于新冠肺炎疫情的分類是根據2020年的數據劃分的，相對于2006—2016年的工業與居民消費存在滯后性。但是，基于此分析降低企業用能成本對疫情造成的經濟沖擊的對沖效應是合理的。原因在于降價行為和GDP、碳排放、社會福利等之間的關系存在一定經濟規律。將這個規律進行歸納總結后，如果這個規律(理論)成立，那么它將適用于中國其他情形。所以即使本文的數據是疫情前的，在疫情期間的降價行為對經濟或者碳排放等經濟高質量發展指標產生基本相似的影響。。

(二)綠色能源效率的測算

基于相關研究[22，30]，本節在全局DEA的框架下，在非徑向、非角度和考慮非合意產出的基礎上，構建全局SBM(Slack Based Model)模型來測度包含能源投入的綠色能源效率，即通過全局SBM模型測算效率。具體的模型設定如下所示：

假設共有n個決策單元(DMU)，每個DMU均有m種投入，s1種期望產出，s2種非期望產出，3種指標分別表示為xi，gi，bi；向量表達式分別為xi∈Rm，gi∈Rs1,bi∈Rs2。再定義X，G，B的矩陣形式分別如下：X=[x1,x2,...,xn]∈Rm×n，G=[g1,g2,...,gn]∈Rs1×n，B=[b1,b2,...,bn]∈Rs2×n，且xi>0，gi>0,bi>0。基于SBM方法，確定的生產可能集為：

(5)

規模報酬可變時，非期望產出的SBM模型如下：

(6)

其中，s-、sg、sb分別表示為投入松弛變量、期望產出的松弛變量和非期望產出的松弛變量。同時，由于規模報酬可變，所以綜合效率(Technical Efficiency，TE)可以分解為純技術效率(Pure Technical Efficiency，PTE)和規模效率(Scale Efficiency，SE)，且綜合效率與純技術效率與規模效率間的關系為：TE=PTE*SE[31]。

由此，本文構建出考慮非合意產出的非徑向全局SBM模型，來測度考慮了能源投入的綠色能源效率、純技術效率及規模效率。進一步地，本文選擇表2所示的變量來測度包含能源投入的綠色能源效率。投入變量主要包括資本存量、勞動力與工業用電量，產出變量主要包括工業總產值與作為負產出代表的碳排放量。變量定義及數據來源如表2所示。

表2 能源效率測度指標選擇

資本存量的計算主要是借鑒柯善咨和向娟[32]的研究，采用永續盤存法，用最新的投資數據進行擴展。其中，第二產業產值以1995年為基期進行價格平減。

綠色能源效率顯示，2006—2016年中國能源效率較低，各地區的純技術效率均小于規模效率，說明傳統的通過提高能源利用企業規模的方式來獲取規模經濟以提升規模效率，進而提高能源總效率的方式不可持續。不同疫情程度、不同地區的效率對比如表3所示。

表3 2006—2016年各地區能源效率均值對比

疫情嚴重程度不同的地區效率存在差異，其中疫情重度地區的純技術效率最高，而疫情中度地區的綠色能源效率及規模效率最高。分區域來看，中部地區的綠色能源效率及規模效率最高，而東部地區的純技術效率最高。但全國的綠色能源效率均值僅為0.276，純技術效率僅0.395，規模效率相對高一點，但總體處于低水平。

(三)交叉補貼的計算

基于式(3)(4)，可以計算出交叉補貼總額及交叉補貼率，如圖3所示。

圖3 2016年各地區工業與居民用戶的電力交叉補貼情況

從交叉補貼總額來看，交叉補貼總額最大的3個省份分別為：江蘇、廣東、山東；交叉補貼總額最小的3個省份為：青海、寧夏、海南，可以看出經濟發達地區的交叉補貼總額較經濟欠發達地區更大。從交叉補貼率來看，交叉補貼率最高的3個省份分別為：北京、陜西、云南；交叉補貼率最低的3個省份為：海南、寧夏、河北。

基于2016年工業和居民電力消費量，利用加權平均的方法，計算全國層面的工業電價與居民電價。結合國家能源局2017—2019年社會用電量，可以計算2017—2019年全國交叉補貼總額下限值。由此，2006—2019年的電力交叉補貼總額變化如圖4所示。

圖4 2006—2019年全國工業與居民用戶的電力交叉補貼變化趨勢

如圖4所示，自2006年以來，中國的電力交叉補貼總額均較高，2006—2017年一直在穩定提升。但是在2018年開始出現了轉折，電力交叉補貼總額總體上有所下降，總體呈倒“U”型。可能原因是中國在2018年和2019年實施了“一般工商業降價10%”的政策。即使工業電價的下降實現了企業用能成本降低，交叉補貼總額有所下降，但總體還是偏高。其中很重要的原因在于：居民用電價格近年來基本保持不變，而居民用電占比在不斷提升。因此，盡管自2015年實施供給側結構性改革以來的一系列舉措，適當降低了工商業電力交叉補貼水平，但隨著居民用電占比逐年提高，交叉補貼規模依舊較高(6)王鵬和曹雨潔(2019)估計的2017年全國(居民和農業用戶)電力交叉補貼總額為2 700億元，與本文根據最新數據粗略計算的數據差異不大(本文僅估算了工業用戶對居民用戶的電力交叉補貼)，這也佐證了本文提出的交叉補貼下限估計思路的有效性。而根據國際能源署(IEA)的估算，中國目前的電力和石油補貼穩居世界第一，2016 年分別為241.21億美元和162.62億美元。。

四、交叉補貼對經濟高質量發展影響的實證分析

基于理論部分的分析，可知降低工業電價是減少交叉補貼的重要措施，那么交叉補貼的減少對經濟發展的效果如何呢？本節將以能源效率作為經濟高質量發展的指標，評估交叉補貼減少對經濟高質量發展的影響。進一步地，分析交叉補貼影響能源效率的機制。

(一)影響評估

借鑒IEA(1999)，本文采用對數線性的半彈性需求函數形式來估計交叉補貼引致的價格扭曲對能源效率的影響效果。具體的估計方程為：

lnTEit=α+βCross_Subit+φXit+μi+υt+εit

(7)

lnTEit=α+βCross_Sub_Ratioit+φXit+μi+υt+εit

(8)

其中，TEit為不同城市不同年份的綠色能源效率值，Cross_Subit為對應的交叉補貼額，Cross_Sub_Ratioit為對應的交叉補貼率，Xit為控制變量，包括工業總產值、工業企業數、煤氣供應量、市轄區面積、氣溫等變量。

考慮到交叉補貼與能源效率之間的內生性(7)交叉補貼主要是由電力價格測度的，會直接影響能源效率，但是當能源效率很低時，政府會出面采取價格或非價格手段進行干預，其中又以價格手段為主。因此，能源效率可能會反過來影響到居民或工業企業部門的交叉補貼。，本文將通過工具變量的方法解決二者之間互為因果的問題。所采用的工具變量為：除本市之外的國家能源局省級監管辦或省級電網公司管轄內其他城市工業與居民交叉補貼額(率)的平均[22]。首先，基于式(7)利用普通雙固定效應模型進行估計。然后，引入工具變量(IV)分析交叉補貼額對經濟影響的效果，結果如表4所示。

表4 交叉補貼額與綠色能源效率的半彈性估計

表4中的(1)和(2)為普通雙固定效應的估計結果，其中列(1)并未引入控制變量。可以看出，交叉補貼額會顯著降低能源效率，并且如果不引入控制變量，如工業總產值、工業企業數、煤氣供應量、市轄區面積、氣溫等，將會高估其影響效果。此外，列(3)是引入工具變量后的估計結果，可以看出，解決二者間的內生性問題后，交叉補貼額對能源效率的影響依然顯著為負。同時，分地區估計結果顯示東中西部地區間并沒有顯著差異。

同樣地，基于式(8)分析交叉補貼率對經濟影響的效果，結果如表5所示。

表5中的(1)和(2)為普通雙固定效應的估計結果，其中(1)并未引入控制變量。可以看出，交叉補貼率會顯著降低能源效率，并且如果不引入控制變量，將會高估其影響效果。此外，(3)是引入工具變量后的估計結果，結果顯示，解決內生性后，交叉補貼率仍然顯著降低能源效率。同時，分地區估計結果顯示東中西部地區間并沒有顯著差異。

表5 交叉補貼率與綠色能源效率的半彈性估計

此外，由于疫情的嚴重程度不同，本文進一步分析了交叉補貼引致的價格扭曲在不同的疫情地區對經濟發展扮演的作用，結果如表6所示。

表6 同疫情地區的交叉補貼與綠色能源效率的半彈性估計

由表6可以看出，在使用工具變量解決內生性問題后，交叉補貼額(率)對于疫情嚴重程度不同的地區均造成顯著的效率損失。因此，針對效率損失的大小不同，在制定政策降低企業用能成本對沖疫情造成的不利影響時，可以針對疫情的嚴重程度不同實施差異化的政策。

(二)機制分析

為了驗證理論分析中提出的交叉補貼是否是通過純技術效率和規模效率影響綠色能源效率，本文將構成兩個實證模型分析其影響機制：一是檢驗降低工業電價，減少交叉補貼是否是通過純技術效率的改變而促進能源效率的提升；二是檢驗規模效率相應的作用。參考溫忠麟[33]的研究，設定如下模型：

(9)

其中，TE為綠色能源效率，M為中介變量(即純技術效率或規模效率)，Cross_sub為單位交叉補貼額，X為控制變量。基于式(9)所示的模型，相應的估計結果如表7所示。

由表7可以看出，純技術效率是重要的機制，交叉補貼減小會刺激純技術效率提升，從而使得效率提升。純技術效率的中介效應占比為62.20%。但是，規模效率主要表現為遮掩效應。也就是說，交叉補貼減少會導致規模效率減小，不利于能源效率的增加。

表7 交叉補貼對綠色能源效率影響的機制分析

因此，為應對新冠肺炎疫情給經濟帶來的不利影響，減少工業電價應該更加具有針對性，比如對于中小企業實施降費政策，助力中小企業減負，提升其技術效率，促進經濟高質量發展。而對于規模較大的企業而言，要適度實施降費政策，減小交叉補貼。實現效率提升和經濟發展的重點在于提升純技術效率。

五、降低企業用能成本對經濟高質量發展影響的場景分析

基于表4交叉補貼額對能源效率影響評估中的半彈性分析，本節將以2020年 “降低企業用能成本”作為政策背景，分析新冠肺炎疫情發生后，工業電力降費對經濟高質量發展的影響。在此，將以能源效率、社會福利等指標作為經濟高質量發展的衡量標準。

(一)場景設定

降低企業用能成本，即工業電力降費的政策措施是為了減少電力交叉補貼，讓工業企業用戶的電力價格反映真實的電力成本，減少價格扭曲，提升效率與社會福利。基于降價政策和現實背景，我們不僅關注降價政策的短期效果，更關注其中長期的經濟效應。因此，本文主要分析以下3種常見情況中，工業用能成本降低對經濟高質量發展的影響。

場景一：短期效果分析。為了應對新冠肺炎疫情，國家發改委明確規定：除高耗能行業用戶外，一般工商業和大工業企業的電費將下調5%，降價時間自2月1日至6月30日。因此，場景一主要是分析工業電力降費5%的短期經濟效益。場景二：中期效果分析。中期(2～5年)來看，本文將借鑒2018年和2019年全年工業電力降費10%的政策，分析未來工業電力降費10%的中期經濟效果。場景三：長期效果分析。如果未來完全實現無交叉補貼的政策目標，即工業電力降費標準為理論降價潛力，那么其經濟效應將如何呢？因此，本文根據中國價格信息網2020年1月公布的最新工業與居民電價可以計算出工業電價的降價潛力，以“理論降價潛力”作為長期政策目標，分析實現無交叉補貼帶來的長期經濟效益。

(二)場景分析

1.新冠肺炎疫情沖擊下不同場景工業電力降費的效果分析

基于不同場景電力降價比例，可以計算出交叉補貼的減少額度，進一步通過表4的彈性，分析出效率的提升情況。基于全局SBM模型，可以計算出相應的CO2減少、工業產值的增加及GDP增速。同時基于逆DEA模型，可以計算出社會福利變化，如表8所示。

表8 不同場景下工業電力降費的效果分析

可見，在后疫情時代，通過工業電力降費可以實現經濟高質量發展。短期工業電力降費5%使得綠色能源效率提升1.71%，純技術效率提升2.50%，規模效率提升4.46%；工業產值增加了4 849.617億元，社會總福利提升20.695億元。中期實現“工業電價再降10%”，全國綠色能源效率將提升3.62%，純技術效率提升5.27%，規模效率提升9.41%；工業產值將增加10 238.090億元，GDP增速為1.02%，CO2排放減少0.31%，社會總福利提升43.689億元。長期如果完全消除交叉補貼，工業產值將增加23 562.892億元，GDP增速增加2.54個百分點，CO2排放量減少0.71%，社會總福利將提升98.819億元。

2.新冠肺炎疫情沖擊下不同疫區工業電力降費的經濟效益分析

基于上述分析，不同疫情地區降低企業用能成本的經濟效益對比如表9所示。

表9 不同場景下不同疫區工業電力降費的經濟效益分析

從疫情的嚴重程度來看，短期內企業用能成本降低5%時，疫情重度地區的各項經濟高質量發展指標的變化均最高，疫情中度地區次之，疫情輕度地區變化最小。通過工業電力降費，各區域的效率(綠色能源效率、純技術效率、規模效率)均有所提升，其中效率提升最大的是疫情重度地區，各效率提升的比例依次為1.96%、3.15%、4.52%。對于受新冠肺炎疫情影響最大的湖北、廣東等省份而言，可以使得地區的工業產值增加2 444.273億元，GDP增速為0.48%，CO2排放量減少0.18%，社會總福利提升11.452億元。

中期實現企業用能成本降低10%時，疫情重度、中度、輕度地區的工業產值分別可以增加5 160.119、3 914.504、1 163.468億元；疫情重度地區的社會總福利提升最大，為24.181億元，疫情中度地區次之，疫情輕度地區增加最少。長期完全消除交叉補貼后，各經濟指標的變化幅度更大，其經濟效益更加明顯。可見，工業電力降費的長期經濟收益為能源效率提升、CO2排放減少、工業產值提升與社會福利的提升，進而推動經濟的高質量發展。

六、結論及政策建議

本文利用中國100個樣本城市2006—2016年工業和居民電力消費數據及2020年最新的電價數據，結合“降低企業用能成本”政策，以能源效率、碳排放、GDP增速、社會福利等指標衡量經濟高質量發展的水平，分析企業用能成本降低對經濟高質量發展的影響效果及其機制。同時，針對疫情對中國經濟造成的不利沖擊，分析企業用能成本下降對經濟高質量發展的短期、中期、長期經濟效果。本文的研究結論和政策建議主要包括：

首先，中國交叉補貼現象嚴重，2006—2019年的交叉補貼總額呈現倒“U”型，自2018、2019年實施“一般工商業降價”以來雖有所下降，但是總體偏高。此外，中國目前的綠色能源效率水平總體偏低，綠色能源效率均值為0.304，純技術效率總體低于規模效率。因此政府及各部門需要關注環境與氣候變化問題，通過產業升級、清潔能源轉型等方式，積極采取措施減少環境污染物排放，提升中國的能源效率，特別是純技術效率。

其次，交叉補貼會顯著造成效率損失，不利于經濟高質量發展。雖然東中西部地區之間的作用效果無顯著差異，但是疫情的嚴重程度不同，作用效果不同，其中對于疫情重度和中度地區存在顯著的不利影響，對輕度地區的作用效果不顯著。因此，在后疫情時代為助力經濟高質量發展，政府應該因地制宜，實施“差異化”政策。對疫情十分嚴重的地區，企業用能成本降價幅度可以比疫情不嚴重的地區更大。

再次，在降低工業電價，減少交叉補貼，引致能源效率提升的過程中，純技術效率是主要的機制，其中介效應占比為61.20%，而規模效率表現為遮掩效應。所以，政府在實施“降低企業用能成本”政策時，應該更加針對純技術效率較小的中小企業，如引入新技術、轉變能源利用方式，增強能源科技技術轉化。同時，基于現實背景，相對于大中型企業，中小企業受疫情的影響更大。

最后，降低企業用能成本的短期、中期、長期經濟效益較為明顯。通過對國家發展改革委員會于2020年2月提出的“企業用能成本降費5%”的階段性政策評估發現，該政策有助于能源效率、工業產值、GDP增速提升，CO2排放減少，社會總福利提升。同時，基于中期“降費10%”的評估和長期完全實現“消除交叉補貼”的效果來看，企業用能成本降低有助于經濟高質量發展。因此，政府應分階段降低交叉補貼，推動經濟高質量發展。