王婷婷　朱建平

摘要針對傳統(tǒng)效率測算模型未能考慮決策單元博弈關(guān)系以及測度結(jié)果不能充分排序的缺陷，提出考慮決策單元之間博弈關(guān)系的生態(tài)-博弈交叉DEA（eco-GCDEA）模型，并應(yīng)用該模型對中國省際電力行業(yè)能源消耗與環(huán)境協(xié)調(diào)發(fā)展程度展開實證分析與討論。選取中國2002-2012年30個省份的電力行業(yè)面板數(shù)據(jù)，其中非期望產(chǎn)出指標(biāo)通過熵值法將工業(yè)二氧化硫排放量、工業(yè)煙塵排放量等5個環(huán)境污染指標(biāo)加以綜合，力求最大限度地刻畫當(dāng)前的環(huán)境污染問題。在構(gòu)造環(huán)境污染綜合指標(biāo)的基礎(chǔ)上，采用eco-GCDEA模型對環(huán)境約束下的中國省際電力行業(yè)能源利用效率進(jìn)行測度與排序，并用該模型的測算結(jié)果與當(dāng)前比較流行的SBM模型進(jìn)行對比分析。研究發(fā)現(xiàn)：新模型完成了所有決策單元的充分排序，有效克服了傳統(tǒng)SBM模型無法完全排序的缺陷；環(huán)境約束下電力行業(yè)能源效率得分存在相對緩慢的增長趨勢，東部地區(qū)電力行業(yè)能源與環(huán)境發(fā)展協(xié)調(diào)度高于中西部地區(qū)。根據(jù)實證分析結(jié)果給出三點建議：首先大力發(fā)展新能源、推進(jìn)清潔技術(shù)研發(fā)，調(diào)整能源消耗結(jié)構(gòu)；其次各大電網(wǎng)區(qū)域統(tǒng)籌協(xié)調(diào)，聯(lián)動發(fā)展；最后正確應(yīng)對碳金融市場給電力行業(yè)帶來的機(jī)遇與挑戰(zhàn)，在參與碳金融市場的活動中深化節(jié)能減排。

關(guān)鍵詞博弈關(guān)系；電力行業(yè)；eco-GCDEA模型；充分排序

中圖分類號F205；F207 文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2015）03-0120-08doi：103969/jissn1002-2104201503016

電力行業(yè)是國民經(jīng)濟(jì)發(fā)展的支柱、人民生活的保障，是能源生產(chǎn)者同時也是能源消費(fèi)者，其角色具有雙面性，也就是說電力是一種清潔的二次能源，但它的產(chǎn)生卻需要充足的一次能源作為基礎(chǔ)。這一特殊的行業(yè)性質(zhì)，奠定了電力行業(yè)在整個能源領(lǐng)域的決定性地位。電力行業(yè)能源消耗結(jié)構(gòu)以煤炭為主，因此該行業(yè)也被視為節(jié)能減排的主要對象，尤其在低碳化浪潮席卷全球的歷史機(jī)遇面前，電力行業(yè)將在節(jié)能減排中發(fā)揮重要作用。2010年我國電力行業(yè)用于發(fā)電生產(chǎn)的原煤量占全國煤炭消費(fèi)總量的一半以上，達(dá)到16億噸。與之相對應(yīng)的是電力行業(yè)溫室氣體排放量，占到了全國總量的近4成。電力行業(yè)能源效率的提高，有助于減少溫室氣體排放，緩解能源消耗所帶來的環(huán)境污染問題，但低碳化是一條艱巨而長期的道路，沒有任何一個企業(yè)乃至行業(yè)能夠一蹴而就，因此電力行業(yè)應(yīng)深入了解自身情況，在此基礎(chǔ)上不斷加大行業(yè)低碳化改革力度，從而更好地實現(xiàn)節(jié)能減排，這也是本文研究的目的所在。

1文獻(xiàn)綜述

自從Fre et al [1]1985年引入DEA模型用于評價國有和私人電廠的相對技術(shù)效率以來， DEA方法開始被廣泛應(yīng)用于評價電力行業(yè)的技術(shù)效率。Mike Goto 等[2]用DEA模型對美國和日本1984-1993年的電力行業(yè)技術(shù)效率等進(jìn)行比較分析，結(jié)果表明日本在技術(shù)效率等方面均高于美國電力行業(yè)。Alexander Vaninsky[3]采用DEA方法對美國1991-2004年間電力行業(yè)技術(shù)效率進(jìn)行了實證分析，研究表明美國電力行業(yè)效率在1991-2000年相對穩(wěn)定，之后急劇下降。Arocena[4]采用DEA模型分析了多元化經(jīng)營和垂直一體化體制下電力行業(yè)技術(shù)效率變動、成本及收益的差異性。RamosReal et al[5]采用DEAMalmquist指數(shù)模型，構(gòu)造全要素能源效率指標(biāo)，對巴西17家配電企業(yè)1998-2005年間的全要素生產(chǎn)率變動進(jìn)行測算和分解以掌握各個分解要素的變動情況。Sueyoshi et al[6]利用DEA模型和DEADA分析技術(shù)度量了2005-2009年日本10家電力企業(yè)，研究發(fā)現(xiàn)日本電力企業(yè)的生產(chǎn)效率并沒有發(fā)生積極變化。Welch等[7]采用DEA模型研究了環(huán)境規(guī)制對電力行業(yè)的效率影響，研究表明成本效率和環(huán)境效率存在明顯的差異，環(huán)境規(guī)制強(qiáng)度的加大導(dǎo)致電力行業(yè)效率的降低。

從現(xiàn)有相關(guān)文獻(xiàn)來看，省際能源效率研究成果相當(dāng)豐碩，而關(guān)于工業(yè)或者行業(yè)間的能源效率研究相對較少。電力行業(yè)作為工業(yè)的一個部門，關(guān)于它的能源效率尤其是考慮環(huán)境因素的電力行業(yè)能源效率研究則并不多見?？g飛、吳宗鑫[8]分別采用CRS、VRS、NIRS模型對我國1991年燃煤電廠進(jìn)行技術(shù)效率和規(guī)模報酬的測算，研究認(rèn)為燃料的過度使用是造成成本無效率的主要原因。白雪潔等[9]采用三階段DEA方法對2004年我國30個省級行政單位的火電行業(yè)進(jìn)行技術(shù)效率分析，研究表明地區(qū)經(jīng)濟(jì)發(fā)展程度、資源稟賦等會對多省份的火電行業(yè)效率水平造成影響。張各興、夏大慰[10]利用隨機(jī)前沿生產(chǎn)函數(shù)對我國30個省2003-2009年發(fā)電行業(yè)技術(shù)效率進(jìn)行分析，并對所有權(quán)結(jié)構(gòu)、環(huán)境規(guī)制等因素對發(fā)電行業(yè)效率的影響進(jìn)行了實證檢驗。王喜平等[11]利用Malmquist全要素生產(chǎn)率指數(shù)對中國電力行業(yè)2002-2008年能源利用效率進(jìn)行了評價。曲茜茜[12]采用SBMDEA 模型對中國2000-2009年火電行業(yè)能源效率進(jìn)行了研究。

上述研究普遍采用傳統(tǒng)的DEA模型，但該模型存在以下缺陷：首先它的“自評”體系導(dǎo)致評價結(jié)果偏大且不客觀；其次它未考慮決策單元之間的博弈關(guān)系。此外關(guān)于電力行業(yè)能源效率的環(huán)境約束考慮甚少，在涉及環(huán)境約束下能源效率研究當(dāng)中SBM模型是目前較為流行的方法，該模型解決了投入的松弛性問題，卻無法針對決策單元充分排序。本文提出的ecoGCDEA模型則能有效解決上述弊端。

2研究方法與數(shù)據(jù)說明

2.1研究方法

博弈交叉效率測算思路是在解決傳統(tǒng)CCR模型不能有效排序的基礎(chǔ)上，引入評價單元之間的博弈關(guān)系，在避免交叉效率模型二次目標(biāo)選擇的同時，放寬傳統(tǒng)模型嚴(yán)苛的假設(shè)條件，使其更加貼切實際，是對傳統(tǒng)效率測度思路和方式的一種改進(jìn)。

此法有以下三點優(yōu)勢：第一，對傳統(tǒng)DEA模型單一的“自評”體系進(jìn)行了有效地補(bǔ)充，解決了決策單元無法充分排序的問題；第二，簡化了“交叉評價”的計算步驟，避免了“二次目標(biāo)”的選擇問題，增強(qiáng)了模型的客觀性與穩(wěn)定性；第三，弱化了傳統(tǒng)DEA評價模型的假設(shè)條件，將決策單元看做具有博弈關(guān)系的“參與人”，更加貼近現(xiàn)實生產(chǎn)活動。

2.2數(shù)據(jù)說明

本文在選取投入產(chǎn)出指標(biāo)方面，緊密結(jié)合研究問題的本質(zhì)，并把環(huán)境因素納入考核對象，從而形成較為科學(xué)完備的投入產(chǎn)出指標(biāo)體系。選取中國30個省級行政單位2002-2012年的電力行業(yè)投入產(chǎn)出數(shù)據(jù)，其中不包含港澳臺及西藏地區(qū)。數(shù)據(jù)來源于《中國電力年鑒》、《中國環(huán)境統(tǒng)計年鑒》及《中國統(tǒng)計年鑒》等。

投入指標(biāo)4個，分別為：①裝機(jī)容量：表示發(fā)電行業(yè)投資規(guī)模的重要指標(biāo)，并直接關(guān)系到電力生產(chǎn)能力的高低；②發(fā)電煤耗量：是維系電力行業(yè)運(yùn)行的重要可變投入成本；③發(fā)電設(shè)備利用小時數(shù)：是電力行業(yè)發(fā)電設(shè)備利用程度的指標(biāo)；④發(fā)電廠用電率：是發(fā)電行業(yè)的用電量與發(fā)電量的比值。產(chǎn)出指標(biāo)2個，分別為：①發(fā)電量：為期望產(chǎn)出，標(biāo)志著電力行業(yè)的產(chǎn)出實現(xiàn)能力；②環(huán)境污染綜合指數(shù)：為非期望產(chǎn)出指標(biāo)，采用5個環(huán)境污染指標(biāo)（工業(yè)二氧化硫排放量、工業(yè)煙塵排放量、工業(yè)粉塵排放量、工業(yè)廢水中化學(xué)需氧量排放量、工業(yè)廢水中氨氮排放量）通過熵值法[14]測算綜合而成。

3實證測算與結(jié)果分析

3.1實證分析

本文在傳統(tǒng)DEA模型基礎(chǔ)上，把各地區(qū)的博弈關(guān)系納入考核，并構(gòu)造考慮環(huán)境因素的綜合指標(biāo)，提出ecoGCDEA模型，該模型可以有效克服測度結(jié)果夸大和不能充分排序的問題。在世界邁向低碳化發(fā)展的道路上，該模型在很多領(lǐng)域都將有廣泛的應(yīng)用價值。本文針對環(huán)境約束下的中國省際電力行業(yè)能源效率問題展開實證研究，經(jīng)Matlab軟件進(jìn)行編程得到以下測度結(jié)果，見表1。

表1給出了我國30個省級行政單位2002-2012年電力行業(yè)環(huán)境約束下的能源效率變動情況。從表1能夠直觀地看到“1值”單元明顯減少，其中上海在2002-2006年、2011-2012年連續(xù)7年獲得100分，成為這些考察年段唯一一個有效決策單元；江蘇則在2008與2009年獲得100分，而浙江在2010年得100分，它們分別成為相應(yīng)年段的省市標(biāo)桿；其他省份在2002-2012所有考察年段都沒有出現(xiàn)100分。

從全國總體情況來看，我國電力行業(yè)在考察年段的能源效率發(fā)展趨勢較為明朗， 2003-2008年段上升趨勢比較顯著，從88.90上升到93.09，增長了4.7%。這說明我國從2002年開始的電力行業(yè)體制改革具有一定成效。2008年我國電力行業(yè)能源效率又出現(xiàn)小幅下滑，從93.09跌至2009年的92.53，這意味著2008年所爆發(fā)的金融危機(jī)對我國電力行業(yè)產(chǎn)生了一定的負(fù)面影響。但隨著金融風(fēng)暴力度的減弱和我國一系列應(yīng)對措施的出臺，截止2012年我國電力行業(yè)能源效率再次出現(xiàn)回升趨勢，有理由相信隨著經(jīng)濟(jì)活力的進(jìn)一步釋放、電力行業(yè)改革步伐的進(jìn)一步深化，自2009年之后的增長趨勢會繼續(xù)保持。

行均值則反應(yīng)了我國30個省級行政單位在2002-2012年電力行業(yè)能源效率發(fā)展的總體情況，不難發(fā)現(xiàn)各地區(qū)電力行業(yè)能源利用效率主要集中在80-100的范圍之內(nèi)，該區(qū)間共涵蓋了我國29個省級行政單位。為了進(jìn)一步利用省際電力行業(yè)能源效率實證結(jié)果對所有決策單元進(jìn)行更加深入的比較分析，本文將根據(jù)行均值對我國各省、市、自治區(qū)、直轄市進(jìn)行梯隊劃分，劃分情況見表2。

環(huán)境約束下的省際電力行業(yè)能源效率測度結(jié)果在某種程度上集中反映了電力行業(yè)發(fā)展與環(huán)境資源的協(xié)調(diào)程度。如表2所示，本文根據(jù)效率得分將30個省市劃分為四大梯隊。第一梯隊的電力行業(yè)能源效率得分普遍較高，代表了我國環(huán)境約束下能源利用的先進(jìn)地區(qū)，可認(rèn)為是電力行業(yè)發(fā)展與資源環(huán)境高度協(xié)調(diào)的地區(qū)。第二梯隊相對第一梯隊效率表現(xiàn)較弱，因此可認(rèn)為是電力行業(yè)發(fā)展與資源環(huán)境中度協(xié)調(diào)的地區(qū)。第三梯隊的省份取值在90-80之間，處于得分相對低下的地區(qū)，因此可認(rèn)為該梯隊的協(xié)調(diào)度處于較低水平。第四梯隊僅含有新疆一個省份，得分位于全國倒數(shù)第一，因此是電力行業(yè)發(fā)展與資源環(huán)境協(xié)調(diào)程度較差的地區(qū)。

從涵蓋范圍來看，第一梯隊涵蓋了我國華東、華北、華中以及南方地區(qū)的8個省份，其中華東地區(qū)占4個、華北2個、華中和南方各1個，而西北與東北地區(qū)沒有省份入圍，說明我國電力行業(yè)與生態(tài)環(huán)境高度協(xié)調(diào)的地區(qū)主要集中在我國華東等地。第二梯隊共有12個省份入圍，除了華中地區(qū)沒有省份入圍之外，其他地區(qū)均有部分省份進(jìn)入該梯隊，是4個梯隊當(dāng)中包含省份數(shù)目最多的梯隊，因此代表了中國電力行業(yè)與資源環(huán)境協(xié)調(diào)程度的一般水平。第三梯隊共有9個省份，僅次于第二梯隊，因此也具有較強(qiáng)的代表性，該梯隊成員主要來自于華中、南方、東北和西北地區(qū)，而華東地區(qū)未有成員進(jìn)入。其中華中地區(qū)有5個省份入圍，南方有2個地區(qū)進(jìn)入，東北和西北分別占1席名額。第四梯隊的成員數(shù)目最少，僅新疆一個省份，它的 效率取值落入80-70的區(qū)間，是電力行業(yè)與資源環(huán)境協(xié)調(diào)度最差的地區(qū)，也是應(yīng)受到高度重視與重點發(fā)展的潛力地帶。

誠如前文所述，新模型的優(yōu)點之一是能夠完成決策單元的充分排序，為了更進(jìn)一步了解各個地區(qū)之間的動態(tài)性差異，彌補(bǔ)傳統(tǒng)模型無法實現(xiàn)的完全排序問題，在此對我國2002-2012年省際電力行業(yè)能源效率進(jìn)行排名，見表3。

能源效率得分的排名情況。其中上海表現(xiàn)相對較好，曾在2002-2007、2011-2012年段連續(xù)排名第一；江蘇在2008和2009兩個年份排名第一；浙江省在2010年上升到第一位次。就總體表現(xiàn)而言得分較高的省市主要集中在我國東部地區(qū)。例如廣東和福建在排名上都有不俗的表現(xiàn)。其中廣東省在2008年位居第五，其他年份均在全國前五，福建情況類似。排名相對落后的地區(qū)主要集中在我國的

西部，新疆在2002、2003年度排名分別為29和28，在2004-2012年段，則一直處于全國倒數(shù)第一，而2002和2003年段的最后一名是同樣來自西北地區(qū)的青海省。排除個別省份的表現(xiàn)，我國電力行業(yè)能源效率排名總體呈現(xiàn)東部地區(qū)較高而西北相對落后的格局。

值得一提的是，通過ecoGCDEA模型所測算的省際電力行業(yè)能源效率值在2002-2012年所有考察期內(nèi)，排序失效個數(shù)均為0，即在同一考察期內(nèi)不存在一個以上的“1值單元”，從而做到了對決策單元的完全排序，有效克服了傳統(tǒng)SBM模型的弊端，為效率測算的深入研究、信息挖掘提供了可靠保障。

3.2與SBM模型的對比分析

為了更直觀地考察SBM模型和ecoGCDEA模型在測算以及排序方面的差異性，針對這一實證問題分別測算，考慮到數(shù)據(jù)量以及直觀展示等問題，在此僅選取2年的效率得分及其排序進(jìn)行對比研究。本文實證分析的考察年段為2002-2012年，基本處于我國十五與十一五規(guī)劃時間范圍之內(nèi)，因此選取2005和2010年（兩次規(guī)劃的最后一年）進(jìn)行比較與分析。

對比可知兩種測算模型所得出的測算結(jié)果不同，但這并不妨礙整體分析，因為效率得分僅表示相對值而非絕對。ecoGCDEA模型的測算結(jié)果不存在大量的“1值單元”，從而為“有效單元”的排序提供了可能。從排序分析的對比結(jié)果可以直觀地看出ecoGCDEA模型在排序方面的優(yōu)勢。在SBM測算體系下，2005年出現(xiàn)的有效決策單元數(shù)量為11個，這意味著在所有評價單元里，有三分之一強(qiáng)的決策單元無法做到充分排序。2010年的情況相對2005年有所好轉(zhuǎn)，但依然存在7個有效決策單元無法排序。而在ecoGCDEA體系中，2005年和2010年都分別出現(xiàn)一個“1值單元”，分別為上海和浙江，這兩個單元也在SBM模型的“1值單元”集合之內(nèi)，但卻具有唯一性，因此提供了決策單元充分排序的可能。在這里需要說明的是并非所有SBM模型下的1值單元在ecoGCDEA模型中都能名列前茅，反之亦然。例如2005年在SBM模型中排名第13位的福建，在ecoGCDEA模型中上升到了第5，相差8個位次。但就總體趨勢而言，兩種測評模型對電力行業(yè)能源效率的測算及其排序結(jié)果具有一定的一致性。例如廣西，在2005年的兩次排序中分別位居第28和26位，在2010年的考察中具有相同的位次21，這種情況在所有評價單元中絕非個例。

4總結(jié)與啟示

本文采用ecoGCDEA模型對環(huán)境約束下我國省際電力行業(yè)能源效率進(jìn)行了考察，從宏觀和微觀兩個層面對環(huán)境約束下電力行業(yè)能源動態(tài)效率進(jìn)行分析。研究發(fā)現(xiàn)我國電力能源效率總體上存在上升趨勢，但相對微弱；6大電網(wǎng)區(qū)域中華東地區(qū)效率得分表現(xiàn)最好，而西北地區(qū)最為落后；各個省份的效率變化趨勢不盡相同。根據(jù)靜態(tài)結(jié)果把30個省份劃分為4大梯隊，由于靜態(tài)結(jié)果在一定程度上反映了電力行業(yè)發(fā)展與資源環(huán)境的協(xié)調(diào)程度，因此第一梯隊是高度協(xié)調(diào)地區(qū)，第二梯隊為中度協(xié)調(diào)地區(qū)，第三梯隊為低度協(xié)調(diào)地區(qū)，第四梯隊為差等協(xié)調(diào)地區(qū)。最后，為了更加直觀地反映新模型測算的優(yōu)越性，把SBM模型的測評得分與排名情況與之進(jìn)行對比。從測算值來看，兩種模型的測度結(jié)果存在差異性，ecoGCDEA模型的測算結(jié)果偏高，但該模型有效解決了存在過多“1值單元”而無法充分排序的情形。從排序結(jié)果來看，兩種方法存在一定的一致性，但后者解決了前者的測算缺陷，完成了決策單元的充分排序。

通過以上結(jié)論可以得出如下啟示：首先，要發(fā)展新能源、調(diào)整能耗結(jié)構(gòu)，提高利用效率。對于電力行業(yè)而言，以煤炭為主的能源消費(fèi)結(jié)構(gòu)使其成為全國二氧化碳排放大戶，極大地制約了該行業(yè)低碳化改革的進(jìn)程。在國家大力推動新能源產(chǎn)業(yè)發(fā)展的歷史機(jī)遇下，對于電力行業(yè)尤其是大型發(fā)電集團(tuán)公司而言，要積極投身于新能源技術(shù)的研究與開發(fā)，力爭能夠優(yōu)化行業(yè)的能源消費(fèi)結(jié)構(gòu)、順應(yīng)低碳經(jīng)濟(jì)發(fā)展大潮，同時規(guī)避低碳政策對高能耗企業(yè)的不利影響。其次，各大電網(wǎng)區(qū)域統(tǒng)籌協(xié)調(diào)、優(yōu)勢互補(bǔ)、聯(lián)動發(fā)展。實證研究結(jié)果表明我國環(huán)境約束下，電力行業(yè)能源效率表現(xiàn)較好的區(qū)域主要集中在東部沿海地區(qū)，該地區(qū)具有良好的經(jīng)濟(jì)發(fā)展基礎(chǔ)、工業(yè)化水平以及得天獨(dú)厚的生態(tài)系統(tǒng)，因此上述區(qū)域要充分發(fā)揮自身優(yōu)勢，加大對電力行業(yè)發(fā)電、輸電、配電等各環(huán)節(jié)的技術(shù)研發(fā)支持力度，深入開展節(jié)能減排技術(shù)創(chuàng)新與升級，將低碳經(jīng)濟(jì)發(fā)展與環(huán)境污染綜合治理緊密結(jié)合，并帶動其他落后地區(qū)共同進(jìn)步。最后，掌握低碳經(jīng)濟(jì)發(fā)展格局，積極投身碳金融市場，利用市場機(jī)制深化節(jié)能減排。電力行業(yè)是碳排放較重的領(lǐng)域，同時也是節(jié)能減排的重點領(lǐng)域，我國碳金融市場已經(jīng)初步建立，勢必對電力行業(yè)的發(fā)展產(chǎn)生重大影響，電力行業(yè)將成為節(jié)能減排的主要控制對象。因此，在機(jī)遇與挑戰(zhàn)面前，應(yīng)當(dāng)積極參與各種碳交易活動，讓碳金融市場為火力發(fā)電的清潔化與高效化發(fā)展助力，從而推動整個電力行業(yè)的低碳化進(jìn)程。

（編輯：尹建中）

參考文獻(xiàn)（References）

[1]Fre R， Grosskopf S， Logan J. The Relative Performance of Publiclyowned and Privatelyowned Electric Utilities[J]. Journal of Public Economics， 1985， 26（1）： 89-106.

[2]Goto M，Tsutsui M.Comparison of Productive and Cost Efficiencies Among Japanese and US Electric Utilities[J]. Omega，1998，31（2）： 177-194.

[3]Vaninsky A. Efficiency of Electric Power Generation in the United States[J].Energy Econmics，2006，28（3）：326-338.

[4]Arocena P.Cost and Quality Gains From Diversification and Vertical Integration in the Electricity Industry [J].Energy Economics，2008，30（5）：39-58.

[5]RamosReal F J，Tovar B，Iootty M， et al. The Evolution and Main Determinants of Productivity in Brazilian Electricity Distribution 1998-2005 [J]. Economics， 2009， 31（6）： 298-305.

[6]Sueyoshi T， Goto M. Efficiencybased Rank Assessment for Electric Power Industry [J]. Energy Economics， 2012， 34（3）：634-644.

[7]Welch E， Barnum D. Joint Environmental and Cost Efficiency Analysis of Electricity Generation[J]. Ecological Economics， 2009， 68（5）：2336-2343.

[8]縢飛，吳宗鑫.中國電力企業(yè)的績效分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003，（6）：127-130. [Teng Fei， Wu Zongxin. Analysis of Electric Power Enterprises Performance in China[J].Quantitative&Technica Economics， 2003，（6）：127-130.]

[9]白雪潔，宋瑩.中國各省火電行業(yè)的技術(shù)效率及其提升方向[J].財經(jīng)研究，2008，34（10）：15-25.[Bai Xuejie，Song Ying. Technical Efficiency and Its Upgrade Orientation of Thermal Power Industry in Provinces of China[J].Journal of Finance and Economics， 2008， 34（10）： 15-25.]

[10]張各興，夏大慰.所有權(quán)結(jié)構(gòu)、環(huán)境規(guī)制與中國發(fā)電行業(yè)的效率[J].中國工業(yè)經(jīng)，2011，（6）：130-139.[Zhang Gexing，Xia Dawei.Ownership Structure Environment Regulation and Efficiency of Chinese Power Generation Industry[J].China Industrial Economics， 2011， （6）：130-139. ]

[11]王喜平，姜曄.中國電力行業(yè)能源利用效率及收斂性分析[J].現(xiàn)代電力，2011，28（4）：84-89.[Wang Xiping，Jiang Hua. Convergence Analysis on Energy Utilization Efficiency in Electric Power Industry of China[J].Modern Electric Power， 2011，28（4）：84-89. ]

[12]曲茜茜.火電行業(yè)環(huán)境效率評價及監(jiān)管研究[D].天津：天津大學(xué)，2011：32-35.[Qu Qianqian. Study of Environmental Efficiency and Monitoring in Thermal Power Industry[D].Tian Jin：Tian Jin university，2011：32-35. ]

[13]Liang L，Wu J，Cook WD，et al.The DEA Game Cross Efficiency Model and Its Nash Equilibrium[J].Oerations Research，2008，56（5）： 1278-1288.

[14]胡曉珍，楊龍.中國區(qū)域綠色全要素生產(chǎn)率增長差異及收斂分析[J].財經(jīng)研究，2011，37（4）：123-134.[Hu Xiaozhen，Yang Long. Analysis of Growth Differences and Convergence of Regional Green TFP in China[J].

AbstractSince the 21st century environmental deterioration arising from energy consumption has aroused widespread concern and discussion. Because traditional models failed to consider the relationship of DMUs， and its result cant be fully sorted， this paper put forward the ecoGCDEA model， and the model was applied to study provincial electric power industry of Chinas energy consumption and environmental coordinated development degree. With Chinas 30 provinces in 2002-2012 panel data of the electric power industry selected， the undesirable output indicators through the entropy method combine industrial SO2 emissions，industrial soot emissions etc. five environmental pollution indexes， making efforts to maximize the depict of the current existing problems of environmental pollution.On the basis of constructing environmental pollution comprehensive index， the paper uses the ecoGCDEA model to perform measuring and sorting for Chinas provincial electric power industry energy efficiency under the environment restriction， and applies the measured results of the model to compare with the current relatively popular SBM model. The study found that the new model finished full sort of all DMUs and effectively overcome the defects of traditional SBM model. Under environmental constraints power industry energy efficiency scores exist relatively slow growth trend， and the eastern region in energy and environmental development coordination degree of the electric power industry is higher than the central and western regions.Finally according to the result of empirical analysis， the article put forward two suggestion as follows：on the one hand，we should develop the new energy， promote clean technology research and development， and adjust the structure of energy consumption.On the other hand，we need correctly deal with the carbon financial market opportunities and challenges for the power industry and deepen the energy conservation and emissions reduction in the participation of carbon financial market activities.

Key wordsthe game relationship； power industry； ecoGCDEA model； fully sorting