基于動態(tài)S B M 模型的煤炭開采效率分析

蔣晨陽

摘要：在煤炭行業(yè)整合和低碳生產(chǎn)要求下，煤炭企業(yè)生存發(fā)展愈加困難。本研究選擇數(shù)據(jù)包絡(luò)分析中的動態(tài)SBM模型，采用人員、能耗、開采、收入、排放五個指標(biāo)，分析煤炭企業(yè)開采效率。通過綜合效率和各指標(biāo)效率分析發(fā)現(xiàn)，該企業(yè)礦井效率整體偏低，人員冗余是最大問題，有較大的節(jié)能減排改進(jìn)空間。

關(guān)鍵詞：煤炭開采效率;動態(tài)SBM;全要素分析;低碳生產(chǎn)

中圖分類號：F407? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1005-913X（2019）12-0141-03

一、引言

國家煤炭資源利用限制和去產(chǎn)能的政策要求下，煤炭企業(yè)遭受市場收縮價格下降的極大沖擊，甚至有多家煤炭企業(yè)難以維持正常運(yùn)轉(zhuǎn)以致破產(chǎn)倒閉。同時粗放低效的煤炭開采造成大量資源的浪費(fèi)，高碳模式的資源利用也正在造成越來越嚴(yán)重的氣候和環(huán)境問題。因此，本研究選擇煤炭開采這一過程進(jìn)行效率分析，從提升資源利用效率和降低碳排放角度進(jìn)行討論。

數(shù)據(jù)包絡(luò)分析法（data envelopment analysis，簡稱DEA）是一種通過線性規(guī)劃評估各個決策單元（decision making unit，簡稱DMU）相對效率的方法， 已有學(xué)者將DEA方法應(yīng)用在煤炭行業(yè)。例如，穆東等用CCR和BCC模型并用DEA求解的權(quán)重計算綜合效率、物化技術(shù)、活勞動技術(shù)、投入要素相對水平四大指標(biāo);[1]余榮榮等用DEA計算42家煤炭企業(yè)2006年的技術(shù)效率并按照大中小規(guī)模分別進(jìn)行變量相關(guān)性計算。[2]

安景文等將 “開拓進(jìn)尺”作為產(chǎn)出指標(biāo)，將生產(chǎn)現(xiàn)狀納入效率考慮;[3]郭曉玲等從低碳經(jīng)濟(jì)的角度選取指標(biāo)，并采用Tobit回歸研究研發(fā)水平、環(huán)保投入、對外開放程度等對企業(yè)低碳效率的影響。[4]江武運(yùn)用CCR和BCC模型對安徽和山西的代表性煤炭企業(yè)進(jìn)行效率分析認(rèn)為山西煤企效率略高于安徽煤企;[5]侯顯濤則針對性分析貴州省煤炭產(chǎn)業(yè)效率和現(xiàn)狀。[6]

從同一企業(yè)內(nèi)不同礦井的角度出發(fā)，對煤炭開采環(huán)節(jié)進(jìn)行分析，一方面，在同一公司管理下各礦井具有更高的同質(zhì)性，效率比較時受外部因素影響較少，對指標(biāo)選取和結(jié)果探討均有利。另一方面，每個礦井都是直接面對生產(chǎn)開采，數(shù)據(jù)和分析更有利于企業(yè)找準(zhǔn)實際生產(chǎn)中的問題所在。

二、 模型與指標(biāo)

Tone7在SBM模型的基礎(chǔ)上引入“階段（peirod）”的概念，用延續(xù)性指標(biāo)（carry-over）用于連接階段t和階段t+1，被稱為動態(tài)SBM模型（Dynamic SBM）。Ying Li8等為處理非期望產(chǎn)出對Tone的模型進(jìn)行了修正，用于分析中國31個城市的AQI表現(xiàn)。本研究希望實現(xiàn)年度之間的效率比較，并且涉及非期望產(chǎn)出，因此，選擇Ying Li8修正動態(tài)SBM模型進(jìn)行煤炭開采效率計算，具體模型可參考YingLi8。

現(xiàn)以我國某“一五”計劃重點煤炭企業(yè)為研究對象，選擇其2015-2017年的14個礦井，編號為1-14號礦井，則三年共計DMU 42個。煤炭開采機(jī)械化作業(yè)正在快速替代人工作業(yè)，將“人員投入”作為一項考察指標(biāo);低碳經(jīng)濟(jì)是以更低的能耗實現(xiàn)相同的產(chǎn)出，因此，生產(chǎn)單位產(chǎn)品的“能耗投入”也是重要的投入指標(biāo);煤炭開采中缺少原料的投入，需要“開采投入”表現(xiàn)礦井開拓范圍，選擇“采煤面積”衡量該項投入，并將其作為延續(xù)指標(biāo)。產(chǎn)出指標(biāo)中，由于開采出的原煤中會夾雜巖石等成分，使用原煤產(chǎn)出量作為產(chǎn)出會對效率值產(chǎn)生影響，所以選擇“經(jīng)濟(jì)產(chǎn)出”指標(biāo)來避免這一問題。另外，將二氧化碳排放量作為非期望產(chǎn)出納入模型。當(dāng)前指標(biāo)及描述性統(tǒng)計如表1所示，指標(biāo)共計5個，5<（42/2），滿足數(shù)量要求。

三、 實證結(jié)果

（一）綜合效率分析

綜合效率結(jié)果如表2所示。三年累計8次有礦井實現(xiàn)DEA有效（即效率值為1），其余礦井效率值并不是很理想，整體分布較低，只有少數(shù)達(dá)到0.6 以上。從單個礦井來看，排名前四位的分別是14號、3號、2號、10 號，表現(xiàn)最好的為14號礦井，在各年度都實現(xiàn)了DEA有效;其余礦井均未實現(xiàn)DEA有效，排名后四位的礦井分別是12 號、7 號、4號、13號，其中12號礦井均值表現(xiàn)最差，2015年效率排名較低，2016年和2017年度均排名末尾，且2017年效率值僅有0.13，表明有87%的效率提升空間;4 號、7號、13號礦井歷年效率都不足0.3，需要重點進(jìn)行效率提升。

根據(jù)均值看出礦井效率在逐年下降，實現(xiàn)DEA有效的礦井?dāng)?shù)量也逐年減少。從2015—2017年，1號礦井效率下降54%，5號礦井效率下降45%，11號礦井效率下降54%，這種大程度和大范圍的效率下降也需要企業(yè)重點關(guān)注，從管理的角度進(jìn)行提升。

（二）全要素分析

參照Hu and Wang提出的全要素分析法對指標(biāo)的效率進(jìn)行計算，以比例的方式對每個指標(biāo)的可改進(jìn)程度進(jìn)行分析，公式如下。[9]

在企業(yè)生產(chǎn)的針對性改進(jìn)中，重點關(guān)注的是需要減少的投入量，低碳生產(chǎn)的要求下重點關(guān)注碳排量，因此，現(xiàn)主要對兩個投入指標(biāo)和非期望產(chǎn)出指標(biāo)計算效率。結(jié)果如圖1-3所示。從均值數(shù)據(jù)可以看出，三個指標(biāo)的各年度平均效率均在下降，和前文中總效率隨時間下降的結(jié)果一致。

人員投入效率值在各年度之間較為平穩(wěn)，然而相比于其他幾個指標(biāo)，人員效率明顯偏低，除DEA有效可以實現(xiàn)人員投入有效外，僅有少數(shù)幾個DMU的人員投入效率達(dá)到0.5以上，其余大部分在0.3-0.4，即需要削減60%-70%的人員才能實現(xiàn)人員投入有效，4號、6號、7號、8號、12號體現(xiàn)出明顯的企業(yè)人員冗余現(xiàn)象。人員冗余已經(jīng)是國有企業(yè)的傳統(tǒng)問題，會造成工作分散、員工積極性下降、提高人工和管理成本等問題，對最終的生產(chǎn)效率造成負(fù)面影響。

能耗投入隨著年份下降了37%，除了因為實現(xiàn)能耗投入有效的DMU數(shù)量下降外，大部分DMU也確實表現(xiàn)出了能耗效率下降的趨勢，12號礦井下降了68%最為嚴(yán)重，7號、12號、13號的能耗效率已經(jīng)不足0.2。能耗是以標(biāo)準(zhǔn)煤的消耗量表示的，煤企產(chǎn)品也是煤炭，能耗效率的快速下降也體現(xiàn)出雖然產(chǎn)量或單個企業(yè)的經(jīng)濟(jì)效益得到提升，卻是以更多、更低效的能源消耗為代價的，不滿足低碳經(jīng)濟(jì)下的降低單位產(chǎn)出能耗的要求。

非期望產(chǎn)出方面，少部分DMU的產(chǎn)出效率可以達(dá)到0.8以上，整體效率值也較其他兩項指標(biāo)表現(xiàn)良好，其中2號、9號、10號、13號、14號礦井效率較高，4號、6號、7號礦井效率較低。主要效率值仍然分布在0.5左右，表示當(dāng)前排放量仍然超出最優(yōu)排放量一倍。是生產(chǎn)過程中的無法加以利用的副產(chǎn)品，其大量排放在環(huán)保和政策方面都受到限制，所以在該指標(biāo)上仍然需要盡量降低。

四、總結(jié)

DEA方法中對同一組DMU選取不同的指標(biāo)得出的效率會描述DMU的不同運(yùn)營成果，前人研究選擇成本、資產(chǎn)等指標(biāo)偏向于描述企業(yè)經(jīng)濟(jì)運(yùn)營效率，通過選取開采指標(biāo)使結(jié)果偏向生產(chǎn)實踐。在實際生產(chǎn)中，造成效率不足的原因可能是人為因素或者自然因素，通過更多生產(chǎn)相關(guān)的數(shù)據(jù)和指標(biāo)尋找影響效率的因素，使效率改進(jìn)點和措施更明確則是接下來要研究的內(nèi)容。

參考文獻(xiàn)：

[1] 穆 東，杜志平，鞏傳景，申維嘉，李忠順，煤炭企業(yè)技術(shù)進(jìn)步的評價與對策[J].系統(tǒng)工程理論與實踐，1996（10）.

[2] 余榮榮，唐 凱.基于DEA的我國煤炭企業(yè)技術(shù)效率測度研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2008（5）.

[3] 安景文，張興平，徐向陽，賈 平.煤炭企業(yè)的技術(shù)有效性和規(guī)模有效性評價[J]煤炭學(xué)報，1999（4）.

[4] 郭曉玲，李 凱.煤炭企業(yè)低碳經(jīng)濟(jì)效率及其影響因素研究[J].生態(tài)經(jīng)濟(jì)，2017（10）.

[5] 江 武.安徽省與山西省煤炭企業(yè)效率比較研究[D].合肥：合肥工業(yè)大學(xué)，2012.

[6] 侯顯濤.基于DEA模型的貴州省煤炭產(chǎn)業(yè)效率評價及對策研究[D].貴陽：貴州財經(jīng)大學(xué)，2015.

[7] Kaoru Tone， Miki Tsutsui， Dynamic DEA： A slacks-based measure approach[J].Omega 38（2010）.

[8] Ying Li， Yung-ho Chiu， Liang Chun Lu， Energy and AQI performance of 31 cities in China[J].Energy Policy 122（2018）.

[9] Jin-Li Hu， Shih-Chuan Wang， Total-factor energy efficiency of regions in China[J].Energy Policy 34（2006）.

[責(zé)任編輯：龐 林]