采掘业能源效率评估：DEA和SFA方法的争议

20世纪70年代后，作为用一种非参数估计来评价部门间相对有效性的方法，数据包络分析（DEA，Data Envelopment Analysis）开始得到广泛应用。DEA由单输入单输出的效率测算逐步发展成为具有多个输入多个输出的生产企业或行业的效率衡量方法，其有效性与相应的多目标规划求解的帕累托有效是等价的。DEA通过输入值和输出值来估计有效生产前沿面，相对于其他方法可能存在的将有效决策单元与非有效决策单元混淆的弊端，它进行了改进，并且在多输入以及多输出问题分析上具有较为明显的优势。相对于DEA，随机前沿分析（SFA）的应用起步较晚，属于一种比较新的研究方法。自20世纪90年代以来，SFA开始在经济学与管理学等领域取得较为广泛的应用。SFA方法可以用来衡量某一企业或者某一行业是否有效率，以及判断效率及非效率行为是由哪些因素构成的。同随机前沿分析方法相比，广义最小二乘法尽管也可以用来解决这些问题，但存在较大的局限性。由于多种因素都可能对效率产生影响，在使用广义最小二乘法分析问题时，一旦因为某种原因对影响因素考虑不全，则整个分析就会缺乏稳定性。与之相比，随机前沿分析通过分析企业之间效率的相对差异并根据这种差异得出某具体因素的作用，因此将企业效率的影响因素与决定因素相分离，从而可以不需要包含所有的因素，因此较好地解决了广义最小二乘法在这类问题方面的局限性。

在衡量企业或部门的生产效率时，DEA方法与SFA方法何种最优一直存在争议性。DEA是一种非参数的方法，不需要对生产函数进行相关假设，因此，它可以避免由于各种假设产生的误差项，但由于DEA方法将任何对生产边界的偏离都看成是非效率的，所以无法分离出随机误差项。SFA是一种参数方法，能够较好地解决DEA方法中存在的无法分离随机误差项的问题，但同时正是因为参数化的方法需要对生产函数或误差项的分布做出假设，因此，生产函数和误差项的不恰当假设将会导致无法区分效率估计及误差。在实证研究方面，单纯从测得的结果上看，SFA方法与DEA方法存在着较大的差异性。王博文（2012）[41]根据中国37家低碳企业上市公司2003—2009年的面板数据对低碳企业生产效率值进行了测算，发现随机前沿分析方法和数据包络分析方法得到的结果存在明显差异，随机前沿分析测算的生产效率明显高于数据包络分析测得的效率值，并且不同方法得到的37家企业生产效率排序也不同。何浩等（2009）[42]根据某寿险公司8家分公司的数据，分别利用两种方法对该寿险公司总保费、标准保费和分渠道保费等的产出效率进行估算，发现得到的结果及各分公司的效率值排序也不尽相同。何枫等（2008）[43]分别使用随机前沿分析和数据包络分析，对中日家电企业的研究开发投入对企业效率的影响进行了分析，尽管两种方法都得出了研究开发能够有效促进企业效率增长的结论，但具体得到的系数仍存在差异。傅晓霞等（2007）[44]采用1978年到2004年的中国升级面板数据，使用随机前沿分析方法对中国全要素生产率核算的适用性进行了检验，分析结果表明，全国全要素生产率增长分布较为平均，结果比较接近，并且通过与DEA方法得出结果的比较，证明了随机前沿分析是更为实用的生产率分析工具，其分析结果相对于DEA的分析结果而言更具有可靠性。(www.xing528.com)

最近的文献表明，SFA方法在不同地区或不同企业之间的效率对比方面应用较为广泛。相对于DEA方法，SFA方法对生产函数有明确的设定，通过合理的分析能够克服不合理假设带来的不良影响，并且SFA方法能够辨别非效率因素的影响。很多学者应用SFA方法进行了效率分析。史丹（2008）[45]采用方差分解方法对1980—2005年中国各地区之间能源效率差异中的各因素的作用大小进行了测算。结果表明，资本能源比率、全要素生产率和劳动能源比率之间的差异是造成各地区之间存在能源效率差异的主要原因。何枫、陈荣（2008）[46]以中国2002—2006年数个行业近200家上市公司为样本，运用SFA模型测算了基于产品附加值和主营业务利润口径的企业效率，结果表明，公司管理层持股和资本及产品市场压力对公司效率具有显著的积极影响，而公司控股股东性质、持股比率及国有股东持股比例等与公司效率之间存在着显著的负相关关系。刘玲利等（2007）[47]基于随机前沿分析方法，利用中国省级1998—2005年的面板数据建立了随机前沿知识生产函数模型，对这些年份的研发资源配置效率进行了测算，并实证研究了配置效率的影响因素。结果表明，中国研发资源配置效率整体上处于较低水平，且各地区之间的差异较为明显，政府资金支持对研发资源配置效率的提升并未起到良好的效果，地区开放程度及市场化程度对研发资源配置具有显著的正向作用，研发资源配置效率的提高主要依赖外界环境的作用，而不会随时间自然增长。陈青青等（2011）[48]使用随机前沿分析的方法，根据1996—2006年中国省际面板数据，对省级技术效率进行了测算，并按照东部、中部和西部进行比较。结果表明，三个地区之间的技术效率高低依次是中部地区、东部地区和西部地区，且从整体上看全国的技术效率逐年增加，三个地区之间的差异在逐渐减小。叶娇（2009）[49]利用随机前沿分析方法对中国25个地区的外资工业研发效率及研发效率的影响因素进行了测算，计算结果表明，中国境内的外资企业研发效率整体较低且地区间存在明显的不平衡现象。从影响因素来看，技术市场对外资企业研发的影响效率不显著，而地区的信息化发展水平、当地科研实力等因素对外资企业研发存在着显著的正向影响。景保峰等（2012）[50]使用随机前沿分析方法对中国深圳、上海两地的物流公司技术效率及影响因素进行测算，结果表明，2003年到2009年之间两地物流公司技术效率整体处于较低水平，并且整体上处于下滑趋势，尽管下滑幅度较小。从影响因素上看，区域经济因素对物流公司的技术效率没有影响，资本投入、管理要素投入对技术效率具有正向影响，自身的经营管理水平也有着较为明显的作用，但人力资本投入对效率影响则相对较弱。赵金楼等（2013）[51]使用随机前沿分析方法对1980—2010年中国各省份的能源效率进行测算并对影响因素进行分析，结果表明，我国能源效率存在较为明显的地区差异性，煤炭消费比重、产权结构、能源价格和出口依存度是主要的影响因素。