中國電力行業綠色全要素生產率分析

摘要：為促進中國電力行業可持續發展，采用DEA方法對2016—2020年全國30個省區市（除西藏外）的電力行業綠色全要素生產率進行測算并對其時間和空間變動特征進行分析。結果表明，2016—2020年在中國30個省區市（除西藏外）電力行業綠色全要素生產率為1.000 7，綠色技術進步平均值為1.000 2，綠色技術效率平均值1.005 1。相比于經濟發展因素，環境治理和科技投入等綠色發展因素對綠色全要素生產率、綠色技術效率和綠色技術進步的影響更顯著。從時間特征來看綠色全要素生產率呈現波動的趨勢，空間特征來看呈現地區性不平衡的特征。為此，進一步提出要著重關注技術進步，通過減碳技術和減碳設備的運用等，優化電力行業投入產出比，提升電力行業運行的穩定性，減少綠色全要素生產率波動性等建議。

關鍵詞：電力；綠色全要素生產率；綠色技術效率；綠色技術進步；時間特征；空間特征

中圖分類號：F124.3；X322文獻標志碼：A

0引言

全球環境問題的加劇使得綠色、低碳成為新時代的發展趨勢。特別是在高質量發展的要求下，工業領域的綠色、低碳轉型顯得尤為重要[1]。中國作為世界上最大的發展中國家，電力行業是國民經濟的重要支柱，也是能源消耗和碳排放的主要來源之一，其綠色轉型對于實現碳達峰和碳中和目標具有重要意義。自新中國成立特別是十八大以來，中國電力工業進入了從高速發展轉向高質量發展的關鍵階段。同時也面臨大規模清潔轉型壓力、電力系統效率還不夠高，電力成本還不低，體制機制還不完善等問題[2]。同時，政府已經明確提出了2060年前實現碳中和的目標，這對電力行業提出了更高的綠色發展要求。

對于工業領域的綠色全要素生產率問題，相關研究已經作出了一些探討。李丹青等[3]運用DEA方法測度了30個省份規模以上工業企業的綠色技術創新效率，結論表明，綠色技術創新效率低于傳統技術創新效率，純技術效率低下是導致綜合技術效率不高的主要原因。劉建翠和鄭世林[4]利用SBM-Undesirable模型測算了中國21個工業行業的綠色技術效率，研究發現中國工業綠色發展的技術效率總體較低，具有較大的提升空間，并且綠色技術效率具有明顯的行業異質性，行業之間差距較大。王永清等[5]選取2005—2020年中國省份面板數據為研究樣本，構建SBM非期望產出模型，測算出了省域綠色全要素生產率。研究表明，從整體來看，按年份平均計算的綠色全要素生產率呈現上升趨勢，2005—2020年，效率值由0.347上升到0.567，年均增長率約為1.5%；從區域來看，2020年東、中、西部分區域的效率值分別為0.718、0.464和0.491，東部與中西部的區域間差異較為明顯。在針對電力行業的研究中，郭莉等[6]采用含非期望產出的SBM-GML指數模型測算可知，十年來國內整體與大部分省份電力行業的環境效率不斷提升，這主要依賴于技術進步及技術效率的改善。徐丹丹等[7]對42家中國上市電力企業和30家美國上市電力企業的全要素生產率進行分析，結果可知，中國電力企業的技術效率與美國電力企業均較低；動態分析結果顯示，中國電力企業的生產率相比于美國電力企業波動較大、增長較快。潘建均等[8]綜合采用SBM超效率模型和ML模型對2009—2018年中國30個省份電力行業環境效率及其增長率進行測度。結果表明，中國電力行業環境效率年均值為0.769，還具有較大的提升空間。

綜合現有研究可知，目前的研究在以下2個方面可深入研究：其一，現有測算綠色全要素生產率的研究多是針對整個工業行業，對具體行業，尤其是電力行業綠色全要素生產率的測算還不足；其二，在僅有的針對電力行業綠色全要素生產率的研究中，缺少近五年綠色全要素的測算，也缺少綠色全要素生產率的影響因素和時空特征分析，從而不足以把握當前中國電力行業綠色全要素生產率的基本特點和發展趨勢。

在此背景下，文章對中國30個省區市（西藏除外）的電力行業綠色全要素生產率的水平、影響因素及其時空特征進行分析，為中國電力行業的高質量發展提供策略指導，對于指導電力行業的可持續發展具有重要意義，也有助于政府和行業管理者更好地理解電力行業綠色轉型的復雜性，可作為進一步優化和調整電力行業綠色低碳轉型的有效政策依據。

1研究方法與數據描述性分析

1.1研究方法

用全要素生產率評價經濟發展質量時，不僅要考慮傳統的資本、勞動等要素的投入，同時也要考慮環境污染、碳排放等非期望產出，因此Chung和Fare[9]把環境污染視為非期望產出，開創性地采用方向性距離函數來測算一種全新的全要素生產率，結合Malmquist-Luenberger指數，被稱為綠色全要素生產率（Green Total Factor Productivity，GTFP）。至今，綠色全要素生產率已經成為衡量一個國家或區域資源、環境與經濟協調發展的重要指標。大部分已有研究采用數據包絡分析（Data Envelopment Analysis，DEA）的方法來計算電力行業綠色全要素生產率。DEA方法是由Charnes等[10]提出的一種效率評估方法，由于該方法不需要參數假設，同時可以解決多投入多產出的問題而被廣泛應用。文章利用DEA方法中基于強可處置性假設的方向性距離函數模型（S-DDF）來對綠色全要素生產率測算，其形式如下：

D0（x0，y0，u0；g）=sup{β：（y0，u0）+βg∈P（x）}（1）

式中：g代表方向向量，一般假設為g=（y0，-b0）。方向性距離函數假設指對生產者來說，提高全要素生產率一定意味著同時增加經濟產出和減少污染物排放。

1.2數據描述性分析

考慮到數據的可得性，研究利用2016—2020年中國各省區市的短面板數據進行測算。參考已有研究，選擇的綠色全要素生產率投入指標為裝機容量、勞動力人數和發電能耗。產出指標為發電量。非期望產出為二氧化碳排放量，由于研究立足于減少碳排放的研究目標，因此電力行業其他非期望產出暫不考慮，見表1。

將各個變量進行描述性統計分析。從表2結果來看，2016—2020年中國30個省區市發電的投入和產出水平具有較為明顯的差異，可以預測各省之間的全要素生產率之間也會存在比較明顯的差異。著重比較發電量和電力行業二氧化碳排放量2個指標之間的差異。

從30個省區市2016—2020年的發電量來看（圖1），發電水平及其變化趨勢具有明顯差異。大致可以分為4個類別，類別一：發電量水平顯著增加，內蒙古、云南和新疆這些地區的發電量在幾年間表現出強勁且持續的增長；類別二：發電量水平中度增加，四川、寧夏、安徽、山西、河北、廣東、甘肅和福建的發電量表現出中度但穩定的增長；類別三：穩定且有小幅波動的地區包括吉林、山東、廣西、江西、河南、浙江、湖北、青海、陜西、黑龍江和江蘇。類別四：小幅或基本不變的地區有：上海、北京、天津、湖南、貴州、遼寧、海南和重慶，發電量變化很小或可以忽略不計。從30個省區市2016—2020年電力行業的二氧化碳排放量來看（圖2），各省份二氧化碳排放量也存在明顯差異，二氧化碳排放量較高的幾個省份有內蒙古、山東和山西。部分省份二氧化碳排放量與發電量呈現正相關的關系（比如內蒙古、河北和海南）。部分省份二氧化碳排放量與發電量沒有表現出正相關的關系（比如四川、云南、廣東和湖北），可能存在影響二氧化碳排放的其他因素。

2測算結果與分析

2.1電力行業綠色全要素生產率測算結果

利用MATLAB軟件對電力行業綠色全要素生產率進行測算可知（表3），2016—2020年中國30個省區市（除西藏外）電力行業綠色全要素生產率為1.000 7，綠色全要素生產率最小值為0.738 1，最大值為1.354 9。由于綠色全要素生產率（GTFP）=綠色技術進步（TECCH）×綠色技術效率（TECH），因此將綠色全要素生產率分解為綠色技術進步和綠色技術效率2部分。從綠色技術進步的情況來看，平均值為1.000 2，最小值為0.818 2，最大值為1.198 7；從綠色技術效率的情況來看，平均值為1.005 1，最小值為0.738 1，最大值為1.354 9。因此，在綠色全要素生產率中，綠色技術效率水平要優于綠色技術進步。可見，綠色全要素生產率的提升主要依靠綠色技術效率的拉動，其次才是綠色技術進步。

2.2電力行業綠色全要素生產率的影響因素分析

為了考察電力行業綠色全要素生產率的影響因素，參考相關研究，從經濟發展和綠色發展2個維度選取綠色全要素生產率的影響因素。經濟發展維度包括各省區市的經濟發展水平、對外開放程度和人口水平，綠色發展維度包括環境治理情況和科技投入情況。2個維度共選擇了5個影響因素變量（表4）。其中，地區經濟發展水平、對外開放程度和人口水平代表了一個省區市經濟發展對電力資源的需求和消耗情況，造成了電力行業發展規模、發展水平的差異，從而對電力行業綠色全要素生產率產生了影響。環境治理情況和科技投入情況，則反映了電力行業發展過程中對碳減排等綠色發展路徑的支持程度，從而也影響了綠色全要素生產率。變量的描述性分析見表5。

對數據進行標準化處理后，利用面板數據回歸分別考察綠色全要素生產率、綠色技術效率和綠色技術進步的影響因素。結果表明（表6），經濟發展維度，包括地區經濟發展水平、對外開放程度、人口水平對當前電力綠色全要素生產率、綠色技術效率和綠色技術進步的影響均不顯著。相比經濟發展維度，綠色發展維度對綠色全要素生產率、綠色技術效率和綠色技術進步的影響更明顯。環境治理投入對綠色技術效率的影響系數為0.251 8且在5%水平上顯著，表明環境治理投入一個單位能夠促進綠色技術效率0.251 8個單位，表明當前的工業污染治理行動對綠色技術效率的促進作用明顯。可見，工業污染治理行動通過對電力行業生產模式集中治理等，實現綠色生產方式對傳統生產方式的替換，更新了電力行業運作的投入和產出比例，實現了減排的目標。科技投入情況對綠色全要素生產率的影響系數為0.023 6且在5%水平上顯著，表明企業研究與試驗發展經費增加一個單位能夠促進綠色全要素生產率進步0.023 6個單位。科技投入情況對綠色技術進步的影響系數為0.023 5且在5%水平上顯著，表明企業研究與試驗發展經費增加一個單位能夠促進綠色技術進步0.023 5個單位。可見，工業企業發展轉型等過程中的科學技術投入能夠顯著促進電力行業的技術更新，通過研究和試驗開發新的綠色生產技術和新的顆粒物處理技術等，從而實現電力行業的碳減排，促進綠色全要素生產率和綠色技術的進步提升。但是值得注意的是，科技投入情況對綠色技術效率產生了顯著的負向影響，這需要在后續的研究中開展進一步的探討。

2.3電力行業綠色全要素生產率的時間特征分析

通過計算2016—2020年電力行業綠色全要素生產率的平均值可知（表7），綠色全要素生產率呈現出略微的波動，在2017—2018年略微上升，又在2018—2019年呈現略微下降，在2019—2020年又開始上升，并超過了2016年。綠色技術效率也呈現出了波動的特征，在2017—2018年呈現出上升趨勢后，在2018—2019年和2019—2020年均開始下降，并且截至2020年綠色技術效率的水平要低于2016年。綠色技術進步在2017—2018年有所下降后，則開始連續上升，在2019—2020年已經超過了2016年的水平。總體而言，2016—2020年，中國電力行業的綠色全要素生產率和綠色技術進步大體呈現上升趨勢，而綠色技術效率大體呈現下降趨勢。

從各省區市的情況來看，綠色全要素生產率的變動情況可劃分為4個組別，第一組呈現波動上升趨勢：內蒙古、寧夏、安徽、山東、山西、廣東、廣西、新疆、江蘇、江西、河北、浙江、湖南、貴州、遼寧、青海。第二組呈現波動下降趨勢：上海、吉林、四川、重慶、甘肅。第三組基本不變：云南、黑龍江。第四組雖然也呈現出了波動趨勢，但是2020年的全要素生產率與2017年基本持平：北京、天津、河南、海南、湖北、陜西、福建（圖3）。此外，文章還測算了各省區市綠色技術進步和綠色技術效率的時間變化趨勢。其中綠色技術進步的波動相比綠色全要素生產率明顯更大且大多呈現出上升的趨勢（圖4），多個省區市呈現出“√”的波動狀態，如上海和天津，明顯隨著時間的推動呈現出先下降而又上升的趨勢，并且上升相較于下降的幅度更大。但是也有省份下降的幅度更大一些，如吉林和四川。綠色技術效率中，北京、海南、湖南、甘肅、青海和黑龍江沒有明顯變動趨勢，山東、寧夏、河北和湖北4省綠色技術效率經過波動后，2020年水平與2017年基本持平，其他省區市則呈現出下降的趨勢（圖5）。

2.4電力行業綠色全要素生產率的空間特征分析

對各省區市的綠色全要素生產率的水平差異進行分析，2016—2020年平均綠色全要素生產率排名最高的3個省區市為：北京（1.098 6）、陜西（1.061 1）、河北（1.057 4），較低的省區市為四川（0.916 5）、湖南（0.921 2）、甘肅（0.927 5）。綠色技術進步排名最高的3個省區市為：廣東（1.040 5）、江蘇（1.039 7）、云南（1.037 5），較低的省區市為海南（0.967 1）、甘肅（0.930 8）、湖南（0.921 6）。綠色技術效率排名最高的3個省區市為：河南（1.092 9）、河北（1.061 5）、江西（1.040 9），較低的3個省區市為云南（0.961 3）、廣西（0.934 4）、四川（0.914 9）。

按照經濟屬性將30個省區市劃分為東部地區、東北地區、中部地區和西部地區4個區域，并對4個區域電力行業綠色技術效率的水平分別進行分析并對比（表8）。從綠色全要素生產率水平來看，由高至低分別為東部地區、中部地區、東北地區和西部地區；從綠色技術進步水平來看，由高至低分別為東部地區、東北地區、西部地區和中部地區；從綠色技術效率水平來看，由高至低分別為中部地區、東部地區、東北地區和西部地區。總體來看，東部地區的綠色全要素生產率及其分解指標的水平最高，西部地區的水平最低，而中部地區盡管綠色全要素生產率和綠色技術效率較高，但是綠色技術進步水平較低。利用F統計量檢驗來考察組間差異是否顯著，結果表明（表9）綠色全要素生產率的組間差異在10%水平上顯著，而綠色技術效率和綠色技術進步的差異雖有，但并不顯著。

3研究結論與政策建議

為促進中國電力行業的可持續發展，幫助政府和行業進一步優化和調整電力行業綠色低碳轉型的有效政策依據，文章采用DEA方法中基于強可處置性假設的方向性距離函數模型（S-DDF），對2016—2020年全國30個省區市（西藏除外）的電力行業綠色全要素生產率進行測算和分解，并對其影響因素和空間變動特征進行歸納與提煉。結果表明：（1）2016—2020年中國30個省區市（除西藏外）電力行業綠色全要素生產率、綠色技術進步和綠色技術效率的平均值分別為1.000 7、1.000 2和1.005 1。目前電力行業綠色全要素生產率的提升中，主要依靠的是綠色技術效率的拉動，其次是綠色技術進步。（2）在影響電力行業的發展因素中，經濟發展的維度，包括經濟發展水平、對外開放程度和人口水平，影響不顯著。而綠色發展的維度影響顯著，表現在環境治理投入對綠色技術進步有顯著正向影響；科技投入情況對綠色全要素生產率和綠色技術進步有顯著正向影響。（3）從時間特征來看，呈現波動趨勢。2016—2020年電力行業綠色全要素生產率和綠色技術進步呈現出了略微的波動上升趨勢，但是綠色技術效率則呈現出略微的波動下降。從各省市自治區的情況來看，3個指標隨著時間的波動特征呈現出明顯差異，上升趨勢最為明顯的省區市包括內蒙古、山東、寧夏、廣西、江蘇、江西、河北和青海。（4）從空間特征來看，呈現地區性不平衡。各省區市的平均綠色全要素生產率、綠色技術效率和綠色技術進步之間的差異顯著。東部地區的綠色全要素生產率及其分解指標的水平最高，西部地區的水平最低，而中部地區盡管綠色全要素生產率和綠色技術效率較高，但是綠色技術進步水平較低。綠色全要素生產率的組間差異顯著，而綠色技術效率和綠色技術進步的差異雖有，但并不顯著。

結合上述研究提出以下政策建議：（1）針對2016—2020年中國電力行業綠色技術效率的水平，應著重關注技術進步，通過加大電力行業技術開發和技術運用的投入，升級技術裝備，繼續放大技術進步拉動綠色全要素生產率的功能；（2）重點提升電力行業綠色技術效率，通過減碳技術和減碳設備的運用等，優化電力行業投入產出比，減少碳排放，改善綠色技術效率波動下降的趨勢；（3）提升電力行業運行的穩定性，減少綠色全要素生產率及其相應指標的波動性；（4）鑒于當前的地區差異，應著力拉動綠色全要素生產及其指標較低的地區，尤其要指導西部地區的電力行業進行改善，指導中部地區的電力行業綠色技術進步，針對湖南、甘肅等綠色全要素生產率較低的省區市進行專門投入，減少電力行業發展的地區性不平衡；（5）通過完善實施儀器設備與數據共享機制、推進產學研用協同創新模式等渠道，加大電力行業環境治理和科學研發的投入，構建支撐生態環境治理體系與治理能力的電力科技創新格局，為電力行業的綠色轉型賦能。

參考文獻：

[1]王喜平，任雅麗.綠色低碳政策對電力行業低碳轉型的影響效應研究[J].電力科學與工程，2023，39（10）：39-51.

[2]白玫.中國電力工業高質量發展：目標、機遇挑戰與實現路徑——壯麗70年新中國電力工業再出發[J].價格理論與實踐，2019（7）：4-9+162.

[3]李丹青，鐘成林，胡俊文.環境規制、政府支持與綠色技術創新效率：基于2009—2017年規模以上工業企業的實證研究[J].江漢大學學報（社會科學版），2020，37（6）：38-49+125.

[4]劉建翠，鄭世林.中國工業綠色發展的技術效率及其影響因素研究：基于投入產出表的分析[J].城市與環境研究，2019（3）：37-54.

[5]王永清，陳輝，朱越.中國省域電氣化水平與綠色全要素生產率實證研究：電價水平與電力生產結構的調節效應[J].蘇州大學學報（哲學社會科學版），2023，44（6）：121-134.

[6]郭莉，南開輝，王靜怡，等.基于SBM-GML的電力行業環境效率區域差異分析[J].生態經濟，2020，36（4）：44-49.

[7]徐丹丹，徐澤龍，趙楊.中美電力行業的技術效率和生產率比較[J].經濟研究參考，2019（9）：52-59+81.

[8]潘建均，侯光明，顧基發，等.技術進步對中國電力行業環境效率提升影響的實證研究：基于SBM超效率-ML-Tobit三階段分析法[J].中國管理科學，2023，31（12）：215-227.

[9]ChungY，FareR.Productivity and undesirable outputs：Adirectional distance function approach[J].Microeconomics，1997，51（3）：229-240.

[10]CharnesA，Cooper W W，RhodesE.Measuring the efficien-cy of decision making units[J].European Journal of Opera-tional Research，1978，2（6）：429-444.

Analysis of Green Total Factor Productivity in China′s Power Industry

ZOU Yuzhen

（State Power Investment Group Shandong Electric Power Co.，Ltd.，Jinan Shandong 250000，China）

Abstract：To promote the sustainable development of the electricity industry in China，the Data Envelopment Analysis（DEA）method was used to measure the green total factor productivity（GTFP）of the electricity industry in 30 provinces，municipalities，and autonomous regions in China from 2016 to 2020 and its practical and spatial varia-tion characteristics were analyzed.The results indicate that from 2016 to 2020，the GTFP in the electricity industry of 30 provinces，municipalities and autonomous regions（exceptTibet）in China is 1.000 7，the average green techno-logical progress is 1.000 2，and the average green technical efficiency is 1.005 1.Compared with economic develop-mentfactors，green development factors such as environmental governance and scientific and technological invest-ment have a more significant impact on green total factor productivity，green technological efficiency，and green technological progress.From the perspective of time characteristics，GTFP shows a fluctuating trend，and from the perspective of space characteristics，it shows the characteristics of regional imbalances.Therefore，it is further pro-posed to focus on technological progress，optimize the input-output ratio of the electricity industry through the appli-cation of carbon reduction technologies and equipment，enhance the stability of the electricity industry′s operations，and reduce the volatility of GTFP and other suggestions.

Key words：electricity;green total factor productivity;green technical efficiency;green technological prog-ress;temporalcharacteristics;spatial characteristics