随着“一带一路”倡议的实施, 我国与沿线各国的能源安全合作受到广泛关注。截至2020年初, 我国已与全球138个国家及多个国际组织签署了“一带一路”合作文件。这些国家约占世界总人口的43%, GDP总量的32%, 一次能源消耗量约占31%, 电能消耗量约占26.7%, 其中大部分为发展中国家^[1]。这些国家的优势在于内部资源丰富、经济增长快、电力缺口较大, 特别是新能源具有很好的发展前景^[2]。因此, 开发东道国电力投资潜力, 对于“一带一路”沿线国家的能源安全合作具有重要意义, 同时, 将加速推进各国基础设施互联互通, 从而实现互利共赢。

目前, 关于我国对外直接投资方面的研究已取得了较大进展。裴长洪等人^[3]研究了中国企业对外投资的区位选择问题。程中海等人^[4]从东道国制度的角度, 研究了中国对外直接投资存在“制度背离”现象。在投资效率的研究方面: 张娟等人^[5]分析了“一带一路”沿线21个国家基础设施投资的经济增长效应后, 对中东欧国家交通基础设施的投资效率进行了研究; 宋林等人^[6]认为东道国的投资和劳工自由度水平不高是影响中国对外直接投资效率的主要原因。实证研究方面: 程惠芳等人^[7]最早将引力模型应用于我国对外直接投资潜力测算; BUCKLEY P J等人^[8]分析了政治风险、文化差异等因素对我国对外直接投资潜力的影响; 李计广等人^[9]采用随机前沿模型分析了“一带一路”沿线国家的投资效率; 张友棠等人^[10]基于随机前沿模型, 对“一带一路”国家金融发展与中国对外直接投资效率的关联性进行了实证分析。古玉等人^[11]从水电发展角度, 分析了“一带一路”沿线国家水电资源量与开发程度的时空分布特征, 通过分析经济增长与能源消费的关系, 提出了应该加强传统能源合作和电力的互联互通合作。

综合目前文献资料分析, 我国对外投资的影响因素大多集中于区位分布、投资效率及其相关的政治、法律法规和国际贸易等方面^[12-13]。随着“一带一路”倡议的不断推进, 能源电力建设项目作为重要的基础设施, 有必要对其投资潜力进行测算。为此, 本文借助随机前沿模型, 对2003—2014年(主要考虑数据的完整性)“一带一路”沿线国家的电力投资潜力进行了测算, 并对其影响因素的变动特征进行了显著性检验, 从而为进一步推进“一带一路”能源安全合作, 提升其电力投资水平, 助力互联互通建设提供科学依据和对策建议。

本文选取的变量和数据来源如表 1所示。本文的研究目标是中国对“一带一路”沿线国家的能源电力投资潜力, 因此选择“一带一路”国家用电量(电能消耗量)作为随机前沿模型的因变量, 以反映能源电力投资潜力大小。选取“一带一路”沿线国家的国内生产总值(GDP)、国家间地理距离、贸易指数、经济自由度4个参数作为自变量。

GDP越高的国家, 其国内经济发展得越好, 意味着能源电力投资潜力越大, 特别是新能源投资的可能性最大, 期望结果为正。

无论是各国间的贸易或投资, 相互交往过程中, 国家间地理距离都是无法消除的天然屏障。这会影响电力投资的成本, 往往距离越近, 两国之间电力投资项目的成本就越低, 反之亦然, 所以期望结果为负。

贸易指数是指国家进出口额与GDP之比, 反映了该国依赖进口贸易的程度, 也可以衡量对外贸易的开放程度。电力投资决策时往往更偏好贸易指数高的这类国家, 所以期望结果为正。

经济自由度是考虑金融业状况、国外投资、贸易政策、国内物价、产权、行业监管、货币政策、政府财政负担等10个因素加权后的综合指标, 反映了政府对经济的干预程度。经济自由度分数越高, 表明这些国家更具有经济竞争力, 对能源电力投资更具有吸引力, 期望结果为正。

本文选取了世界银行提出的全球治理指数, 包括公民话语权(Voice)、政治稳定(Politioal)、政府效率(Government)、监管质量(Regulatory)、法律制度(Law)、抑制腐败(Corruption)6个指标, 用以建立技术非效率模型, 假定这6个变量与电力投资效率都是正相关的。

本文采用一步回归法, 根据BATTESE G E和COELLI J J^[14]1995年提出的函数Y_it=βx_it+(v_it-μ_it), 建立随机前沿模型。模型参数如表 2所示。

随机前沿函数模型中的变量采用自然对数的形式, 其表达如下

$ \begin{aligned} \ln P_{i t}= & \beta_0+\beta_1 \ln G_{i t}+\beta_2 \ln D_{i t}+ \\ & \beta_3 \ln O_{i t}+\beta_4 \ln E_{i t}+v_{i t}-\mu_{i t} \end{aligned} $

(1)

$ \mathrm{TE}_{i t}=\exp \left(-\mu_{i t}\right) $

(2)

式中: β₀——截距项;

TE_it——第t年“一带一路”国家i的技术无效率数值。

技术非效率函数模型表达如下

$ \begin{aligned} \mu_{i t}= & \omega_0+\omega_1 \eta_{\text {Voice }_{i t}}+\omega_2 \eta_{\text {Politioal }_{i t}}+ \\ & \omega_3 \eta_{\text {Government }_{i t}}+\omega_4 \eta_{\text {Regulatory }_{i t}}+ \\ & \omega_5 \eta_{\text {Law }_{i t}}+\omega_6 \eta_{\text {Corruption }_{i t}}+\varepsilon_{i t} \end{aligned} $

(3)

式中: ω₀——有待确定的常数;

ω₁, ω₂, ω₃, …, ω₆——相变量的系数;

η_Voiceit, η_Politioalit, η_Governmentit, η_Regulatoryit, η_Lawit, η_Corruptionit——全球治理指数;

ε_it——随机误差, 服从正态分布。

随机前沿模型的合理性可以通过统计变异系数γ的大小来判断。其公式为

$ \gamma =\frac{\sigma_{\rm{ \mathsf{ μ} }}^2}{\sigma_{\mathrm{v}}^2+\sigma_{\rm{ \mathsf{ μ} }}^2} $

(4)

$ \sigma^2 =\sigma_{\mathrm{v}}^2+\sigma_{\rm{ \mathsf{ μ} }}^2 $

(5)

式中: σ_v², σ_μ²——统计方差平方。

由式(4)可知: 当γ接近1时, σ_μ²和σ_v²+σ_μ²大小接近相同, σ_v²趋近于零。这反映出模型中随机误差项v_it影响很小, 技术非效率项μ_it影响起主导作用, 说明我们建立的随机前沿模型是合理可行的; 如果γ接近零则正好相反, 表示随机误差项v_it对结果产生了明显的干扰, 此种情况下, 该随机前沿模型不可用, 应当选择其他更好的模型进行分析。

根据已搜集到的相关资料和数据, 导入软件Frontier4.1, 对建模后的模型参数进行计算分析。

一带一路”沿线亚洲地区国家系数估计值如表 3所示。

根据表 3的计算结果, 单侧误差的LR检验值为108.83, 满足5%的显著性检验, LR呈混合卡方分布。这反映了技术非效率干扰的存在。考虑到γ＝0.83, 接近1, 结合式(3)和式(4), σ_v²趋近于零, 随机误差对结果影响较小, 可忽略; 技术非效率干扰是主要的影响因素, 其中, 人为控制的因素占比很高, 电力投资蕴含着巨大的潜力。将计算结果代入式(1)和式(2)分别得到:

$ \begin{aligned} \ln P_{i t}= & 7.37+0.57 \ln G_{i t}-1.04 \ln D_{i t}+ \\ & 0.50 \ln O_{i t}+2.02 \ln E_{i t}+ \\ & v_{i t}-\mu_{i t} \end{aligned} $

(6)

$ \begin{aligned} \mu_{i t}= & -4.15+3.38 \eta_{\text {Voice }_{i t}}-0.16 \eta_{\text {Politioal }_{i t}}- \\ & 1.37 \eta_{\text {Governmen }_{i t}}+0.47 \eta_{\text {Regulatory }_{i t}}- \\ & 0.79 \eta_{\text {Law }_{i t}}+0.52 \eta_{\text {Corruption }_{i t}}+\varepsilon_{i t} \end{aligned} $

(7)

随机前沿函数模型中, β₁, β₂, β₄都通过了显著性检验(|t|≥2), β₃没有通过显著性检验(|t|≤2), 说明GDP、国家间地理距离和经济自由度对电力投资效率产生的影响力较大, 贸易指数的影响力相对较小。其中, 影响力由高到低依次是经济自由度, 国家间地理距离, GDP, 贸易指数。

研究表明, 我国进入“一带一路”沿线各国能源电力的投资活动没有壁垒, 国家间地理距离往往与能源电力投资的效率呈负相关, 而GDP经济体量越大, 则投资机会就越多, 投资效率就越高。由于本文研究的是电力基础设施投资问题, 所以贸易指数的影响力相对较弱。技术非效率函数的计算结果显示: ω₁, ω₂, ω₃, ω₅表现比较显著, 说明公民话语权、政治稳定、政府效率、法律制度对我国电力投资效率的影响较大; ω₄, ω₆表现不显著, 说明监管质量、抑制腐败对我国电力投资效率的影响不明显。根据相关预期, 这6项系数可能与我国电力投资效率呈正相关, 而模型计算结果却表明, 只有ω₂, ω₃, ω₅符合预期, ω₁, ω₄, ω₆则与之前的预期结果相反。这说明: 一方面亚洲国家本身国情影响和国家内部制度的不完善, 大大地削弱了公民话语权、抑制腐败等因素的影响力。从而变相地提高了政治稳定、政府效率等因素的影响力。这有助于中国投资企业与“一带一路”沿线国家开展能源电力的合作。另一方面, 中国企业可以选择政治稳定、政府效率高、监管不严的国家作为投资的目标国, 以规避严格的国家监管, 但这很可能会存在法规风险。

2003—2014年中国对“一带一路”沿线亚洲地区国家电力投资效率测算结果如表 4所示。

由表 4可知, 2003年, 我国对35个“一带一路”沿线亚洲地区国家的电力投资效率较高的国家是斯里兰卡、科威特、柬埔寨、越南、沙特阿拉伯、约旦、卡塔尔、新加坡、哈萨克斯坦共9个国家; 到了2014年, 我国对亚洲地区国家电力投资效率较高的有乌兹别克斯坦、缅甸、越南、柬埔寨、土库曼斯坦、蒙古、马来西亚、塔吉克斯坦、也门、阿曼、科威特、斯里兰卡、印度尼西亚、约旦、土耳其、哈萨克斯坦、菲律宾、朝鲜、伊朗等19个国家。很明显, 2003—2014年间我国对“一带一路”沿线亚洲地区国家的电力投资效率有了很大变化。这首先表现为高效率的国家不断增多, 部分2003年排名靠前的国家仍然排名靠前, 总体呈扩展态势; 另一个特征是电力投资效率呈现上升趋势, 特别是我国对中亚五国的电力投资效率明显比其他地区要高, 但投资效率大部分都没有超过0.8, 说明亚洲国家仍具有较好的投资潜力。

“一带一路”沿线欧洲地区国家系数估计值如表 5所示。

根据表 5的计算结果, LR＝50.42, 按照混合卡方分布表中数值对照, 计算结果通过5%的显著性检验。考虑到γ＝0.78, 接近1, 表明相比于随机误差对结果带来干扰, 技术非效率的干扰仍然是主要影响因素, 通过对这些因素的人为控制, 可以改进电力投资效率, 挖掘投资潜力。将计算结果代入式(1)和式(3), 分别得到:

$ \begin{gathered} \ln P_{i t}=10.28+0.41 \ln G_{i t}-1.25 \ln D_{i t}+ \\ 0.25 \ln O_{i t}+3.12 \ln Y_{i t}+v_{i t}-\mu_{i t} \end{gathered} $

(8)

$ \begin{gathered} \mu_{i t}=-3.45+3.46 \eta_{\text {VOICE }_{i t}}-0.56 \eta_{\text {Politioal }_{i t}}- \;\;\; \\ \text { 1. } 14 \eta_{\text {Government }_{i t}}-0.85 \eta_{\text {Regulatory }_{i t}}-2.12 \eta_{\text {Law }_{i t}}+ \\ 0.34 \eta_{\text {Corruption }_{i t}}+\varepsilon_{i t} \end{gathered} $

(9)

由表 3和表 5可知, “一带一路”沿线欧洲与亚洲地区国家随机前沿函数模型计算结果相差不大, 其中, 经济自由度、GDP和贸易指数3个因素都对提高投资效率起到正面影响, 国家间地理距离对电力投资效率呈现负面影响。技术非效率影响因素中, 与亚洲地区国家不同的是, 欧洲地区国家监管质量这个因素的影响最为显著。技术非效率因素的影响力依次为公民话语权、法律制度、政府效率、监管质量、政治稳定、抑制腐败。其中, 公民话语权、抑制腐败2个因素与投资效率负相关, 政治稳定、政府效率、监管质量、法律制度4个因素与投资效率正相关。

2003—2014年中国对“一带一路”沿线欧洲地区国家电力投资效率测算结果如表 6所示。

表 6的计算结果表明, 欧洲国家能源电力投资效率存在两极分化现象。2003—2014年间, 保加利亚、罗马尼亚、乌克兰、捷克、立陶宛等国的电力投资效率虽然有小幅度波动, 但一直保持在比较高的水平。其中, 2014年匈牙利、斯洛伐克、摩尔多瓦3个国家的投资效率超过0.8, 而阿尔巴尼亚、斯洛文尼亚、拉脱维亚、爱沙尼亚等国家的电力投资效率则处于低效率水平。我国对大多数欧洲地区国家的电力投资效率表现为上升趋势, 最明显的是摩尔多瓦, 但拉脱维亚、俄罗斯2个国家的电力投资效率比较糟糕, 不升反降。还有一些国家, 例如斯洛文尼亚等国家电力投资效率存在高开低走的情况, 总体上还是保持上升的趋势。

由表 4和表 6计算得到2003—2014年“一带一路”沿线亚洲和欧洲地区国家平均电力投资效率。其变化趋势如图 1所示。

图 1表明: 2003—2014年间, 35个“一带一路”沿线亚洲地区国家平均电力投资效率从0.42增长到0.51, 除2007年时因美国金融危机影响使得电力投资效率稍微降低外, 总体呈现出不错的增长趋势; 欧洲地区国家的平均电力投资效率从0.45增长到0.5以上, 虽然仍处于增长阶段, 但波动较大, 增长幅度较缓慢。

首先, 就随机前沿函数模型计算结果来看, GDP、国家间地理距离、经济自由度3个参数的影响比较显著, 而贸易指数都不太显著, 而且与各国电力投资正相关, 所不同的是, 亚洲地区国家的GDP模型估计值为负, 欧洲地区国家GDP的模型估计值为正, 说明电力消耗的弹性影响相反, 亚洲地区国家具有较大投资潜力, 是我国企业投资首选的目标国家。

其次, 从技术非效率函数的显著性分析来看, 亚洲和欧洲地区国家存在差别。相同点是公民话语权、政治稳定、政府效率、法律制度4个因素的影响在两个地区国家都表现为显著, 而抑制腐败因素都表现为不显著, 但亚洲地区国家监管质量对电力投资效率有一定的抑制, 欧洲地区国家监管质量的影响却相反。这可能与市场成熟度有关。

总之, 根据随机前沿模型计算结果分析, 对“一带一路”沿线国家能源电力的投资, 要从各地区国家的实际情况出发, 综合考虑相关国家资源、环境等投资风险, 充分挖掘其能源电力的投资潜力, 促进能源安全合作和互联互通建设。

本文综合分析和梳理了国内外相关文献资料, 借助于Frontier 4.1软件, 基于随机前沿模型测算了2003—2014年我国对“一带一路”沿线亚洲和欧洲地区国家的电力投资效率和投资潜力, 得出如下结论。

(1) 计算结果表明, 我国对“一带一路”沿线国家的电力投资效率中, 无论是亚洲或是欧洲地区国家未存在明显差异, 而且随机误差的影响较小, 技术非效率扰动的影响较大。这说明本文测算的结果是合理的, 研究成果具有应用价值, 可作为中国企业参与“一带一路”能源电力投资建设参考。

(2) “一带一路”沿线国家实证研究中, 所选的GDP、贸易指数、经济自由度、政治稳定、政府效率、法律制度这6个变量对能源电力投资效率产生正向促进作用, 有利于发掘能源电力的投资潜力; 国家间地理距离、公民话语权、抑制腐败3个变量对能源电力投资效率产生负面影响, 不利于激发能源电力投资潜力; 而监管质量因素对亚洲和欧洲地区的影响却相反。

(3) 模型测算结果发现, 2014年亚洲和欧洲地区大多数国家的电力投资效率值和平均值都比较显著, 其投资潜力得到了较好的实现。从2003—2014年变化趋势上看, “一带一路”沿线亚洲地区国家的平均电力投资效率增长平缓, 而欧洲地区国家平均电力投资效率尽管总体上呈增长态势, 但波动较大, 反映了两个地区经济发展水平和电力需求水平不一样, 因此需要因地制宜, 结合实际情况, 进一步挖掘各国能源电力投资方面蕴含的巨大潜力。

(4) 虽然中国企业对“一带一路”沿线国家的电力投资效率总体上保持上升趋势, 但大部分国家平均投资效率基本处于(0.4, 0.5)的区间, 至2014年电力投资效率超过或接近0.8的国家还比较少, 仅有欧洲的匈牙利、斯洛伐克、克罗地亚和摩尔多瓦4个国家, 说明能源电力的投资潜力巨大, 特别是亚洲地区国家还有很大的投资潜力。这对于抓住目前机遇, 提升“一带一路”能源安全的合作水平具有重要意义。