【作　　者】
芮 筠，姚乔茜，王 乐

【作者单位】
1.国网江苏省电力有限公司财务资产部，南京210024；2.国网江苏省电力有限公司经济技术研究院，南京210024

【摘　　要】

【摘要】运用数据包络分析（DEA）方法，以我国39家电力行业上市公司2012 ~ 2016年的数据为样本，测算其技术效率得分，并构建面板固定效应模型，进一步分析股权集中度与技术效率之间的关系。结果表明：我国电力行业上市公司的技术进步呈现出上升趋势；部分电力企业DEA综合技术效率低的主要原因是其规模效率较低；目前我国电力行业上市公司第一大股东持股比例、前五大股东持股比例之和与技术效率之间呈显著负相关关系，前五大股东持股差距与技术效率呈正相关关系。
【关键词】电力上市公司；数据包络分析；技术效率；股权集中度
【中图分类号】F276.6 【文献标识码】A 【文章编号】1004-0994（2017）36-0053-6一、引言
电力行业作为我国垄断性基础能源行业，其技术效率关系着电力行业的长久发展，只有提高技术效率，实现资源的有效配置，电力上市公司才能实现自身投资价值、利润目标和可持续成长，从而更好地为民生和国民经济做贡献。我国电力上市公司基本源于国有企业改革，其国有股东大多为第一持股人，股权结构作为公司治理的基础，决定着股东（特别是第一大股东）的性质和行使权力的方式，从而对公司的技术效率、资源配置模式以及未来国有企业改革的推进产生举足轻重的影响。公司治理相关理论表明，“一股独大”的现象不利于企业经营效率的提升。因此，研究股权结构对公司技术效率的影响在现阶段具有重要的现实意义。本文选取2012 ~ 2016年我国39家电力行业上市公司数据，利用DEA模型测算了其综合技术效率得分，并通过面板固定效应模型，进一步实证研究电力上市公司大股东持股比例、股权集中度对企业技术效率的影响。
二、文献回顾
国外利用数据包络分析（DEA）方法测算电力公司效率起源于19世纪80年代。由于现实中电力公司往往不会清晰地向政府部门报告，Aradhana等（2014）提出一种新型的数据包络模型（RDEA），用以研究模糊的输入或输出数据，并对伊朗38个电力分销公司数据进行调查。Marcus Vinicius等（2010）通过DEA和SFA方法评估巴西60家配电公司的效率指标，提出将这两种方法用于公共事业绩效能有效减少信息不对称、激励监管机构提高运作效率。
借鉴国外的研究方法和经验，国内学者也开始利用DEA和SFA技术测算电力企业的技术效率。滕飞和吴宗鑫（2003）通过DEA方法分析了1991年燃煤基本负荷电厂的相关数据，评价了中国电力企业的发电绩效，认为燃料使用过度是电力企业效率低下的主要原因。李永来（2015）运用DEA方法对2002 ~ 2007年我国39家电力上市公司的绩效进行分地区测算，结果显示东部地区电力上市公司的技术效率和规模效率优于中西部地区。吕金超（2012）则得出了不同的结论，他指出西部地区的技术效率一直处于上升状态，中部地区的技术效率在2008年赶超了东部地区，三个地区的技术效率差异逐渐缩小。
随着研究的不断深入，学者们开始关注股权结构对企业技术效率的影响。高伟、何枫（2005）运用SFA方法考察了2001 ~ 2003年间我国家电行业上市公司第一大股东持股比例与公司技术效率之间的关系, 实证研究表明，二者呈反向关系。毛璐、吴蓓菁（2006）指出，制造业上市公司的技术效率与股权结构之间不存在相关关系。蒋文定（2013）指出，石油行总体而言，由于电力产业价格规制、体制改革等国情的差异，国外电力产业技术效率研究文献对中国值得借鉴的内容较少。国内学者对电力产业技术效率的研究多采用DEA模型和SFA模型，研究结论和政策建议对电力产业效率评价和规制改革具有一定的启示作用，但也存在以下主要问题：一是多数文献主要以省级数据为基础研究整个发电产业的技术效率，从企业层面通过DEA方法分析电力产业效率及影响因素的研究较少。二是多数文献研究采用的是截面数据或者时间跨度较短的面板数据，且主要集中于2010年之前的效率测评，对于近5年发电产业技术效率水平及变动趋势并没有过多的研究。三是关于股权集中度（特别是第一大股东持股比例）对于企业技术效率提升的影响，学术界并没有达成一致的结论。通过文献梳理可以看出，不同行业的股权集中度对技术效率的影响不同，同一行业在不同时期的股权集中度对技术效率的影响也不同。本文选择我国39所电力上市企业2012 ~ 2016年的面板数据，对其技术效率具体数值、大股东持股比例与技术效率之间的关系进行较为全面的定量研究，具有更强的针对性和可靠性。
三、电力上市公司技术效率的测算及评价
（一）方法和模型
DEA是绩效评价领域广泛应用的一种方法，最早由 Farrell（1957）提出，其主要思想是：将微观经济学中的生产函数用包络线代替，根据帕累托最优效率配置原理，利用数学线性规划确定一个多投入或多产出的多个决策单元的最优解。Farrell利用DEA方法将效率分为技术效率和配置效率，技术效率是从投入到产出的实际转换率，配置效率衡量的是投入价格和生产效率既定情况下企业的各项投入比率。Charnes、Cooper（1978）在Farrell的基础上对DEA方法进行了改进——将规模效率纳入评价体系。规模效率主要评价决策单元的规模报酬。企业生产过程可分为固定规模报酬（即当各项投入量同比例增加时，企业的产出也随之同比增加）和可变规模报酬（即当各项投入量同比例增加时，企业的产出不一定同比增加，有可能出现规模报酬不变或递减）。DEA模型因此可分为两个子模型：CCR模型和BCC模型，CCR模型假定企业具有不变的规模报酬，BBC模型则假定企业具有可变的规模报酬。本文选择的是可变规模报酬的BBC模型，如下：

s.t.
其中：λ为综合效率，且λ∈（0，1］，λ值越接近1，表明电力企业综合技术效率越高；θα是权重；S-和S+分别为投入冗余变量和产出不足变量，且S-、S+≥0；ε趋近无穷小，一般取ε=10-6； 分别为m维和k维空间的单位向量。
根据上述公式，求得最优解 。若λ∗=1，且S∗-=S∗+=0，则该评价单元决策技术有效且规模有效；若λ∗=1，且S-和S+不同时为0，则该评价单元决策为弱DEA效率，不同时具有技术有效和规模有效；若λ∗<1，则该评价单元决策为非DEA有效。
（二）指标选择及数据来源
考虑到数据的完整性和各电力公司的盈利状况，本文在已有研究的基础上选取了39家电力行业上市公司，采用DEAP 2.1软件进行指标测算，数据来源于国泰安数据库中2012 ~ 2016年各公司的资产负债表、利润表和财务指标分析表。文中将流动资产合计、固定资产净值、无形资产、员工数、营业成本、管理费用和资产负债率七项作为投入项，将营业收入、净资产收益率和营业利润率三项确定为产出项，并对所有数据进行无量纲化处理，公式如下：
[Sj=Si-SminSmax-Smin]
其中，Si表示指标i的实际观测值；Smax和Smin分别表示指标i的组内最大值和最小值。
（三）电力上市公司技术效率评价
本文使用DEA软件DEAP 2.1，测算了2012 ~ 2016年39家电力上市公司技术效率值、规模效率值、不同地区技术效率以及技术进步变化趋势。
1. 从技术效率来看，表1反映了投入要素既定时最大产出的情况。具体衡量标准为：以技术效率最高的电力上市公司作为参照物，测算其余电力上市公司相对于该参照物的大小。因此，技术效率是一个相对值且取值范围在0 ~ 1之间。技术效率值等于1表示有效率，小于1表示存在无效率。表1显示，2012 ~ 2016年电力上市公司的平均技术效率（crste）分别为0.980、0.979、0.960、0.955、0.967，可见我国电力行业上市公司的技术效率处于一个较高的水平，主要原因可能是中国2002年开始实施的电力规制改革取得了良好的成效，极大地促进了电力生产企业技术效率的提高。从各上市公司2012 ~ 2016年技术效率均值可以看出，有16家企业实现了DEA技术有效，余下23家电力公司中DEA技术效率排在后面三位的分别是华电国际（0.849）、乐山电力（0.887）、通宝能源（0.890），这三家公司的投入产出技术效率均未达到0.9，明显低于其他电力公司，一方面反映出我国电力行业各个公司之间在效率上存在明显差异，另一方面也反映出技术效率低的背后可能隐藏着内部管理不善、资源浪费的现象。
2. 从规模效率来看，表2 Re栏中的D代表规模报酬递减，I代表规模报酬递增，-代表规模报酬不变。从五年的规模收益特性来看，2012 ~ 2016年处于规模报酬递增的公司较少，未超过10家。有16家企业近5年一直处于规模报酬不变阶段，占全部样本的41.03%。特别指出，东部地区的华电能源、国电电力、哈投股份，中部地区的通宝能源和西部地区的乐山电力、文山电力在近五年里总体上呈现出规模报酬递减趋势，这6家企业需要在一定程度上控制公司的投资规模，因为处于规模报酬递减阶段的企业若增加投资，会使得投资回报率减小，进而降低企业产出水平和利润水平。电力公司一般投资规模巨大，事实上我国电力上市公司的规模也的确普遍属于大中型，DEA技术有效可以为企业节约大量投入成本、提高产出效率。若想获得最优投资回报率，实现DEA技术有效是一个首当其冲且行之有效的方法。
技术效率由规模效率（反映的是公司规模报酬程度）和纯技术效率（反映的是公司的内部管理、控制水平）组成，且技术效率等于规模效率乘以纯技术效率。因此，根据表1和表2中的数据可以计算得到，电力行业上市公司近五年的平均纯技术效率为0.982、0.981、0.966、0.959、0.973，在规模报酬可变的条件下，均超过了0.95，几乎已达到了技术有效的水平，且各年纯技术效率均值都大于各年综合技术效率均值，表明我国电力上市公司在生产技术和生产设备方面处于先进水平，技术管理成本得到了较好的控制，技术管理水平得到了有效提升。
3. 从不同区域来看，由图1可知，2012 ~ 2016 年，地域分布不同的电力上市公司的技术效率也有一定差别。2012年，西部地区的技术效率最高，之后的4年内，西部地区技术效率不断下降，东部地区和中部地区出现了先下降后上升的趋势，特别是东部地区走势与全国均值走势基本相同，均是在2015年处于效率最低值。2014年，东部、西部地区电力上市公司的技术效率差别不大，而从2015年开始，各地区电力企业的技术效率开始出现明显的差异，中部地区电力上市公司的技术效率明显高于东部和西部地区，西部地区高于东部地区。这一结论可能与人们常常具有的“东部高于中西部地区”的直观感觉相反，原因之一可能是中部地区的电力上市公司一般建成投产的时间较晚，具有“后发优势”。

4. 从技术进步来看，Ech表示技术效率的变化值；Tch表示技术进步的变化值；Pch表示纯技术效率的变化值；Sch表示规模效率的变化值（其中，Tch=Pch×Sch，Ech×Tch=Fch）；Fch表示全要素生产率的指数。所有数值均是以1为分界线，如果大于1，则表示效率值与技术效率变化值均为正，说明技术进步和效率较优。例如，深圳能源的Ech值和Pch值均小于1，说明其技术效率和纯技术效率有下降趋势，深圳能源的Tch、Sch和Fch均大于1，表示深圳能源在技术进步、公司规模以及全要素生产率方面呈现出上升趋势。由均值可以看出，我国39家电力上市公司的技术进步和全要素生产率处于稳步上升的水平，技术效率和规模效率处于下降趋势，这与前文所得出的各年纯技术效率总体上大于技术效率的状况相呼应，进一步证明我国部分电力企业综合技术效率低的主要原因是规模效率较低，大部分电力企业的DEA纯技术效率已经实现了最优。
四、电力行业上市公司股权集中度与技术效率关系的实证分析
（一）变量选取及假设提出
一般认为，现代公司存在着“委托—代理”关系。由于利益冲突或信息不对称，代理人（公司管理层）和委托人（公司股东）之间可能会存在一定的矛盾冲突，为了使管理层更好地满足股东利益，必须对管理层予以监督。而监督是需要成本的，分散的小股东可能无法承担监督所带来的成本费用，大股东则有较强的动机和实力去监督。但是，这并不意味着股权越集中越好。当股权过于集中时，股东之间难以形成制衡作用，大股东可能会利用自己手中的“特权”，做出有损于公司利益的行为。因此，股权集中度在一定程度上影响着公司技术效率。根据国泰安数据库提供的数据，2012 ~ 2016年我国39所电力上市公司第一大股东持股比例均值分别为34.89%、37.58%、36.53%、37.67%、34.26%。那么，我国电力上市公司大股东持股比例到底是促进了公司技术效率的提升，还是阻碍了公司技术效率的增长？
本文选取第一大股东持股比例（CR1）、公司前五大股东持股比例之和（CR3）、第一大股东与第二大股东持股比例的比值（Z）和前五大股东持股差距（H）4个指标来衡量股权结构。其中：CR1越大，在公司决策管理方面的地位就越高，对公司的运营状况和技术效率的影响程度越大；同样地，CR3指标也体现了公司持股比例较高的股东们对公司运营状况和技术效率的影响程度；Z指标越大，表明公司持股占比最高的两个股东对彼此的约束就越小，股东利用“特权”做出违反公司章程或有损公司利益的事情的概率就会越大；同样地，H指标反映的是前五大股东之间的约束程度。通过以上理论分析，本文提出以下假设：
假设1：CR1指标与电力公司技术效率正相关。
假设2：CR3指标与电力公司技术效率正相关。
假设3：Z指标与电力公司技术效率负相关。
假设4：H指标与电力公司技术效率负相关。
（二）模型构建
本文采用面板数据进行实证分析，为防止伪回归的出现，首先对5个变量进行单位根检验，表4显示各变量的单位根检验均是平稳的。在模型的选取上，本文首先利用Wald 检验在固定效应模型与混合效应模型之间进行筛选，F值显示拒绝原假设（即固定效应模型较优）；其次，利用Hausman检验来比较固定效应模型和随机效应模型，Hausman检验结果显示强烈拒绝原假设（即固定效应模型较优）。因此，本文选取了固定效应模型，如下：
yi,t=ai+b1CR1i,t+b2CR3i,t+b3Zi,t+b4Hi,t+ei,t
其中：i和t分别表示公司和年份；ai代表不同个（三）实证结果分析
由表5可以看出，CR1的系数通过了1%的显著性检验，第一大股东持股比例与技术效率之间呈负相关关系，假设1不成立，表明在我国电力上市公司中，第一大股东持股比例越大，越不利于公司技术效率的提升。CR3通过了10% 的显著性检验，表明前五大股东持股比例之和在一定程度上抑制了技术效率的提升，与假设2相反。H的系数通过了1% 的显著性检验，且与技术效率显著正相关，说明随着电力上市公司前五大股东之间持股差距的增大，公司技术效率在显著提升，验证了假设3。Z通过了5%的显著性检验，说明第一大股东与第二大股东持股比例的比值越大，电力公司技术效率越高，验证了假设4。
五、结论
本文选取2012 ~ 2016年我国 39 家电力上市公司的面板数据，用DEA方法测度了其技术效率得分，并用面板固定效应模型分析了股权结构对技术效率的影响。结果显示：我国电力上市公司的综合技术效率基本处于一个较高的水平（技术效率达到0.9以上），但普遍未能实现DEA技术效率最优。纯技术效率相比综合技术效率更高（纯技术效率达到了0.96），企业规模无效率是技术效率未能达到1的主要原因，故可通过提高人员和内部管理水平来提升技术效率，从而改善经营状况，缩减企业规模是目前行之有效的方法。我国电力上市公司大股东持股比例、持股差异与技术效率之间关系的实证研究表明，电力上市公司的技术效率随着大股东持股比例的增加而下降、随着股权集中程度（持股差异）的降低而显著提升。因此，当前我国电力上市公司可以通过降低第一大股东持股比例、缩小大股东之间的持股差异、走股权多元化之路、优化股权结构，来实现技术效率的提升。

主要参考文献：
姜春海，胡亚妮．火电上市公司的技术效率及影响因素——基于DEA方法和Tobit模型的实证分析［J］．宏观经济研究，2014（8）．
徐云鹏．中国电力生产业的效率：一个基于政府管制的研究视角［J］．数理统计与管理，2012（1）．
程里礼，雷鹏，陶园，古辉云，张超，赵国忠．基于统计学角度：解读固定效应模型和随机效应模型［J］．中国循证心血管医学杂志，2017（3）．