中国水务行业观察者!

 当前位置: 首页 > 体制与管理 > 文章
中国水务行业效率分析及影响因素研究
更新时间:2016-08-02 来源:《当代财经》 作者:于良春,程谋勇

摘要:基于2004-2010年18个省市的面板数据,使用DEA测算了水务行业每年各省市的技术效率及其分解指标,利用Malmquist指数测算了水务行业7年间的全要素生产率及其分解指标的变化情况,进一步利用动态面板模型分析了各种影响因素对水务行业全要素生产率变化的影响。研究发现,多个省市的水务行业处在规模报酬递减区域;水务行业7年间的全要素生产率存在下降的情况,平均每年降低2.5%;在影响因素中城市化率提高了全要素生产率,工业用水增长与全要素生产率没有显著关系,非国有企业的进入降低了全要素生产率。

一、引言

水务行业按环节可分为水的生产和供应以及污水处理和再利用两大部分。由于我国污水处理环节尚处于起步阶段又缺少必备的数据,因此本文的研究集中于水的生产和供应环节,文中出现的水务行业皆指水的生产和供应业。在水务行业中,即便考虑到技术进步等因素,水务行业依然具有成本次可加性,因此水务行业一直作为垄断行业存在。为了避免垄断下的高价格和低效率,世界各国采取的最初手段是成立公有制水务公司。随着规制理论的不断发展,各国开始采用更加灵活的规制方法和激励政策。例如,英国实现了水务行业全面的私有化,建立了独立的规制机构;法国和美国允许非国有资产投资水务行业,允许多种公私合营模式;意大利对水务行业进行了合并并设立了更具有激励作用的水价定价机制。

与国外相比,目前我国水务行业的主体仍然以公有制水务公司为主,为了促进水务行业的竞争,从2004 年开始水务行业实行特许经营模式,非国有资产在水务行业中逐渐增多。另一方面,我国城市化进程和工业的不断发展也促进了我国水务行业的生产能力和生产规模,我国水务行业在总量上有了明显进步。然而从效率角度分析,近年来我国水务行业的进步究竟又有多大呢?特许经营模式是否带来了竞争进而促进了行业效率提高呢?城市化与工业增长刺激下的总量进步是带来了效率上的进步还是只带来了“大而不强”的变化呢?从现有的研究中我们难以看出端倪。这种研究上的匮乏使我们很难对水务行业的发展做出精确判断,也不利于水务行业进一步的规制政策设计。本文试图对上述问题进行回答,探索水务行业有效发展的路径。

本文利用数据包络分析(下文简称DEA) 对2004- 2010 年我国各省水务行业的效率及效率变化情况进行了定量分析,测算出水务行业的技术效率与分解的纯技术效率和规模技术效率,通过Malmquist 指数计算出2004- 2010 年期间各省水务行业的全要素生产率变化情况。进一步,本文利用计量模型分析城市化、工业增长和非国有资产进入等影响因素对水务行业全要素生产率变化的作用,以找到提高我国水务行业效率的途径。

目前对水务行业效率的研究主要是运用DEA 和随机前沿分析两种方法。利用DEA 对水务行业进行效率测算主要是利用每年的截面数据计算不同个体的纯技术效率、规模效率和技术效率,然后利用Tobit 模型分析各影响因素对效率指标的作用。利用随机前沿分析则将水务行业生产函数设定为C- D函数或超越对数函数等形式,利用随机前沿方程估计水务行业效率值。

随着DEA 和Malmquist 指数的广泛应用,学者们开始关注全要素生产率以及各种影响因素对全要素生产率及其分解指标变化的作用。虽然针对水务行业尚没有类似研究,但在其他行业已经得到广泛应用。解强和李秀芳(2009) 利用基于DEA 的Malmquist 指数计算了2005- 2007 年间不同组织形式的保险集团的全要素生产率。[1]徐盈之和赵豫(2007) 使用基于DEA 的Malmquist 指数研究了我国信息制造业全要素生产率1996- 2005 年间的变化情况,并使用广义最小二乘法分析了区域差异等因素对全要素生产率的影响。[2]胡小娟和刘姣(2010) 利用基于DEA 的Malmquist 指数测算了我国制造业的全要素生产率,并利用固定效应模型分析了影响因素对于全要素生产率及其分解指标的影响。[3]王文普(2011) 基于DEA 的Malmquist 指数测算了各省的全要素生产率变化情况,利用固定效应模型和随机效应模型分析了环境规制对于各省生产率增长的影响。[4]在效率研究方法上,DEA 和Malmquist 指数已经得到广泛应用,学者们对多个行业的全要素生产率变化情况进行了研究。相比之下,目前针对我国水务行业效率的研究十分匮乏,尚没有关于全要素生产率变化的研究。针对上述不足,本文使用DEA 和Malmquist 指数对水务行业效率及全要素生产率变化进行分析,探讨了城市化率、工业用水增长和非国有资产进入对全要素生产率的影响作用。

二、水务行业效率研究方法

(一) 研究思路

由于随机前沿分析需要对水务行业的生产函数进行设定,然而目前关于我国水务行业生产函数和成本结构的研究极为缺乏,所以本文不采用随机前沿分析。DEA 作为非参数法不需要对生产函数进行设定,在国外水务行业研究中已经得到了广泛应用,①因而本文使用DEA 对水务行业进行效率分析。

本文研究主要分为三个步骤:首先利用DEA 测算水务行业每年的技术效率及其分解指标,并对效率指标进行分析。DEA 方法是利用决策单元来构建随机前沿面,通过计算各决策单元与生产前沿面之间距离函数的比例来计算和分解各决策单元的效率。在单期的DEA 分析中,可以得到决策单元的技术效率值。在规模报酬可变的假设下,技术效率可以被分解为纯技术效率和规模效率。

其次,利用基于DEA 的Malmquist 指数测算各省水务全要素生产率及其分解指标的变化值,分析各省市水务行业2004- 2010 年间效率动态变化情况。在面板数据中,利用基于DEA 的Malmquist 指数可以计算出相邻各期间全要素生产率的变化情况。Malmquist 指数将全要素生产率变化分解为技术效率变化和技术进步变化,其中技术效率变化又进一步可分解为纯技术效率变化和规模效率变化。

最后,本文进一步利用计量模型分析各种影响因素对水务行业全要素生产率变化的作用。进行计量分析的原因在于除了DEA 方法中包括的投入产出变量以外,经济环境中还存在管理者无法控制但同样能够影响效率的其他变量,包括所有制形式、地理位置、政府政策法规等,本文试图通过分析上述影响因素对我国水务行业的作用以研究水务行业进一步的发展方向。

(二) 确定DEA参数及影响因素

在DEA 方法中,投入产出变量的选择是DEA 分析的关键。在投入变量方面,本文选择日供水能力和主营业务成本作为投入变量。下面对变量选择进行说明。现有国外文献中有的以水务行业运营成本作为唯一投入变量(参见Thanassoulis(2000),Tupper 和Resende(2004)) ,[5- 6]有的以运营成本和资本作为投入变量(参见Saal 等(2007),Erbetta 和Cave(2007))。[7- 8]国内文献中厉效杰(2007) 使用成本费用和资产作为投入变量。[9]可以发现,文献间的不同主要在于是否选择资产作为投入变量,部分文献不考虑资产作为投入变量主要是因为水务行业中机器设备和管网作为沉没成本管理者难以进行减少以提高效率。由于在本文研究的时间内我国水务行业进行了大量机器设备和管网投资,管理者可以对管网投资进行控制以提高效率,资产投入对于我国水务行业仍然具有重要意义,因此本文也考虑将资产作为投入变量。但是水务行业资产中的房屋和建筑物以当地价格衡量从而导致各省资产值不存在可比性,所以本文选择日供水生产能力代替资产值作为投入变量。②主营业务成本包括了水务行业员工工资、原水购买成本、化学试剂和电能消耗费用,能够全面衡量水务行业的运营成本,因此本文把主营业务成本作为投入变量。

 版权、出处:《当代财经》

水星会员 MORE > 
  • 永高股份有限公司

    永高股份有限公司创建于1993年,中国塑料加工工业协会塑料管道专业委员会永高股份有限公司创建于1993年,中国塑料加工工业协会塑料管道专业委员会理事长单位,是国内塑料管道行业为数不多的上市公司之一,股票代码:002641。公司建有国家级博士后科研工作站、国家级企业技术中心、国家火炬计划重点高新技术企业、省级重点企业研究院、省级技能大师工作室、市级创新团队等创新平台。公司秉承“质量第一,用户至上,诚信为本”的经营方针和“诚信、务实、高效、共赢”的经营理念。“公元”牌塑料管道、“ERA公元”商标获多项国家级、省级殊荣。目前,公司的产销量居全国塑料管道行业第二,出口居行业第一。
  • 江苏源清管业有限公司

    江苏源清管业有限公司是由淮安市国资委下属的淮安水利控股集团投资控股的国有企业。公司专门生产薄壁不锈钢承插式氩弧焊和双卡压式两种连接方式的管材、管件、不锈钢阀门等水暖配件。公司占地70亩,生产车间约20000平方,年产能30000吨。 公司自成立以来一直致力于不锈钢给排水管道的研发,生产,销售,安装及售后服务,且秉承“品质不锈,诚信为钢”的经营理念,产品广泛用于建筑给水、燃气、排水、直饮水、气体、消防、暖通、太阳能等工程。坚持“成己为人,成人达己”的经营理念,遵循“诚信经营、优质服务、团结进取、求实创新”的经营方针,以市场为导向,以经济效益为中心,努力提高经营管理水平,促进公司持续健康发展,切实保障客户、公司和员工的利益。
  • 深圳市昆特科技有限公司

    昆特科技是一家专注于自然风险服务的国家高新技术企业,总公司位于深圳南山区并配置有数据采集研究院(软件研发中心设立于成都高新区)具备独立自主的数据采集与遥感应用能力,拥有发明专利6项、软件著作权81项以及其他各类行业资质与硬件专利近百项,案例遍布于全国23个省市直辖市约1150个县/区,沉淀案例近万个。昆特科技致力于以“水、大气、土壤”为主要致灾因素的自然灾害、商业气象、生态环境、公共安全研究已14年历史。