【凝心聚力 真抓实干 奋力实现"十五五"良好开局】科技赋能福建新能源产业建设 云南加快推进"绿电+先进制造"深度融合

根据资本配置效率理论（Wurgler, 2000），有效市场中的投资应流向预期回报率更高的领域。在新能源领域，各省的资源禀赋（光照、风力）、电力需求结构和碳价信号共同决定了投资的边际回报。然而，地方保护主义和产业政策竞争可能导致投资配置偏离效率边界——地方政府为争夺新能源产业资源可能过度投资，造成产能过剩和效率损失。同时，Tobin Q理论预测，当新能源项目的市场估值超过重置成本时，投资将加速流入。

据此提出以下假说：
- H1：新能源投资对电价信号的弹性为正——高电价地区吸引更多新能源投资，市场信号有效引导资源配置。
- H2：碳市场价格上升显著促进新能源投资，且该效应在碳密集型产业结构省份更强。
- H3：新能源投资存在显著的正向空间溢出——邻近省份的新能源投资对本省具有示范和竞争效应，但过度竞争可能导致投资效率下降。

核心识别挑战在于：新能源投资与电价之间存在反向因果关系（新能源装机增加会压低电价）。本文采用两种策略应对：（1）以各省太阳能辐照度和风功率密度等外生资源禀赋作为新能源投资潜力的工具变量，利用两阶段最小二乘法（2SLS）估计投资对电价信号的反应弹性；（2）利用碳市场政策的准自然实验——全国碳市场于2021年7月启动交易，以该时点前后碳价变动作为外生冲击，采用DID识别碳价对新能源投资的因果效应。关键识别假定：资源禀赋仅通过影响新能源投资潜力影响电价，不通过其他渠道直接影响区域GDP。

基准投资弹性模型（Wurgler方法扩展）：

ln(I_{it}/I_{i,t-1}) = α + β ln(V_{it}/V_{i,t-1}) + γ CarbonPrice_t + θ X_{it} + μ_i + λ_t + ε_{it}

其中 I_{it} 为省 i 第 t 年新能源固定资产投资额，V_{it} 为新能源发电收入（装机容量 x 平均上网电价），β 捕捉投资对价值信号的反应弹性（β > 0 表示投资流向高回报地区）。CarbonPrice_t 为全国碳市场均价，γ 衡量碳定价对新能源投资的激励效应。X_{it} 为控制变量，μ_i 和 λ_t 分别为省份和年份固定效应。

空间杜宾模型扩展：I_{it} = ρ W I_{jt} + β V_{it} + δ W V_{jt} + μ_i + λ_t + ε_{it}，其中 W 为空间权重矩阵（基于地理邻接或经济距离），ρ 捕捉空间溢出效应。

• 被解释变量：各省新能源固定资产投资年增长率（国家能源局省级能源投资统计，以不变价计算）
• 核心解释变量：新能源发电收入增长率（装机容量 x 平均上网电价，数据来自国家能源局和省级发改委）；全国碳市场均价（上海环境能源交易所，日度数据取年度均值）
• 工具变量：各省年太阳能总辐照量（kWh/m²）、年平均风速（m/s），来源于中国气象局气象站点数据，经空间插值到省级
• 控制变量：GDP增速、第二产业占比、R&D支出占比、电力消费增速（国家统计局）
• 样本区间：2015-2025年，省级年度面板，31个省份，共341个观测值

• **替换投资效率测度**：以投资对Tobin Q的弹性替代投资对收入的弹性，使用新能源上市公司的市净率作为Q的代理变量重新估计基准模型，检验投资效率结论对模型设定的敏感性。
• **替换空间权重矩阵**：将地理邻接矩阵替换为经济距离矩阵（以省际GDP差异的倒数加权）和电力输送距离矩阵，检验空间溢出效应的估计是否依赖于空间权重的选择。
• **剔除特殊省份**：依次剔除风光资源极端值省份（西藏、青海、新疆）后重新估计，检验结论是否由资源禀赋极端值驱动。
• **分技术路线子样本回归**：分别对光伏、风电、氢能投资子样本进行估计，检验不同技术路线的投资效率是否存在系统性差异（验证异质性假说）。

根据交易成本经济学（Williamson, 1985），绿电与制造业融合的关键障碍在于资产专用性——新能源发电设施具有地点专用性和时间专用性，制造企业的用电需求则受生产周期影响。制度设计的目的在于降低双方的搜寻成本、谈判成本和履约成本。制度变迁理论（North, 1990）进一步指出，有效率的制度需要实现激励相容——当电网企业、发电企业和制造企业三方的目标函数在制度框架下趋于一致时，制度变迁才能成功推进。云南的"国家级新型电力系统先行示范区"本质上是一次制度试验，通过降低制度不确定性来促进专用性资产投资。

据此提出以下假说：
- H1：设立"新型电力系统先行示范区"显著提高了绿电消纳率和先进制造业的绿电使用比例（制度有效性假说）。
- H2：示范区的制度效应在引入市场化电价机制和储能配套政策的地区更为显著（制度互补性假说）。
- H3：制度设计的完整度（涵盖定价机制、电网接入、储能配套、交易平台四个维度）与"绿电+制造"融合效果呈正相关（制度完整度假说）。

核心识别策略是多期DID（Callaway & Sant'Anna, 2021），利用各省份设立新型电力系统试点的时点差异作为外生制度冲击。由于试点选择可能非随机——更发达或资源禀赋更好的省份更可能被选为试点——本文采用以下策略缓解选择偏误：（1）事件研究法检验事前平行趋势；（2）以各省风光资源禀赋和电网基础设施存量作为控制变量；（3）使用Bacon-Decomp分解检验处理组异质性偏误。关键识别假定：在控制资源禀赋和经济发展水平后，试点省份的选择与潜在融合效果无关（条件平行趋势假定）。

多期DID基准模型：

Y_{it} = α + β Treat_{it} + γ Z_{it} + μ_i + λ_t + ε_{it}

其中 Treat_{it} 为指示变量，省 i 在 t 年被设立为试点示范区后取1；Y_{it} 为融合效果（绿电消纳率、制造业绿电使用比例）；Z_{it} 为控制变量；β 为核心参数，捕捉制度试点的平均处理效应。

制度要素分析扩展模型：

Y_{it} = α + Σ_{k=1}^{4} δ_k Institution_{it}^k + γ Z_{it} + μ_i + λ_t + ε_{it}

其中 Institution_{it}^k 为省 i 第 t 年在制度维度 k（定价机制、电网接入、储能配套、交易平台）上的完善度评分（通过政策文本编码获得，0-100分），δ_k 捕捉各制度维度的边际效应。

• 被解释变量：绿电消纳率（可再生能源发电量/总发电量，国家能源局）；制造业绿电使用比例（先进制造业企业绿电消费量/总用电量，省级电力交易中心）
• 核心解释变量：试点示范区虚拟变量（根据国家能源局和省级政府公告确定各批次试点省份和时点）；制度要素评分（基于政策文本的词频分析和人工编码，从定价机制、电网接入、储能配套、交易平台四个维度构建0-100制度完整度指数）
• 控制变量：GDP增速、第二产业占比、电力基础设施密度（国家统计局）、市场化指数（樊纲指数）
• 样本区间：2017-2025年，省级年度面板，31个省份，共279个观测值

• **平行趋势与动态效应检验**：使用事件研究法估计制度试点前后各年的动态处理效应，绘制事件研究图——若试点前系数不显著异于零则支持平行趋势假定，同时观察制度效应是否随时间累积加强（制度学习效应）。
• **Goodman-Bacon分解**：将多期DID估计量分解为不同组别-时期比较的加权平均，检验是否存在"坏比较"（已处理组作为未处理组的对照组）导致的估计偏误。
• **替换制度变量测度**：以是否发布省级"绿电+先进制造"专项政策文件作为制度变量的替代测度，检验结论是否对制度概念的界定方式敏感。
• **安慰剂检验**：将各省制度试点时点前移2-3年进行虚假试点检验——若虚假试点系数不显著，则支持识别有效性。

晋升锦标赛理论（周黎安，2007）预测，在GDP增长为核心的考核体系下，地方官员有强烈动机选择能快速产生经济增长效应的政策路径。在新能源领域，不同技术路线的投资周期和增长效应存在差异——光伏项目（6-12个月建设期）比氢能项目（3-5年）更快产生GDP贡献。同时，财政分权理论（Qian & Weingast, 1997）指出，财政自给率更高的省份在执行国家战略时有更大的自主空间。资源禀赋差异进一步放大了这一分化——风光资源丰富的云南选择"绿电+制造"路径具有天然比较优势，而沿海制造业强省福建则更倾向于氢能和海上风电的技术密集路径。

据此提出以下假说：
- H1：官员任期越短（越接近晋升窗口），其省份越倾向于选择建设周期短、增长效应快的新能源技术路线（如光伏），而非长周期的技术路线（如氢能）。
- H2：财政自给率越高的省份，新能源政策执行与中央顶层设计的偏差越大——更多融入本地产业需求（如云南的"绿电+制造"融合）。
- H3：相邻省份间存在新能源技术路线选择的策略互动——一个省份选择某技术路线后，邻近省份倾向于选择差异化技术路线以避免直接竞争（差异化竞争假说）。

核心识别挑战在于三重内生性：（1）政策选择与经济增长互为因果——经济增长可能驱动而非跟随政策选择；（2）官员特征与政策选择可能同时由不可观测的地区特征决定；（3）中央对省份的政策定位可能先于地方执行。本文采用三套策略应对：首先，以党代会周期（是否处于换届前2年）和官员任期（是否超过平均任期）作为晋升激励的IV，利用2SLS估计晋升激励对政策选择的因果效应；其次，以历史煤炭依赖度（2000年煤炭消费占比）作为当前新能源政策路径的历史IV——高煤炭依赖省份更有动力转向可再生能源，但历史煤炭依赖度对当前经济增长的影响渠道有限。第三，使用空间自回归模型识别省际策略互动，以邻省资源禀赋（非本省）作为空间滞后项的IV。关键识别假定：党代会周期仅通过影响晋升激励影响政策选择，不通过其他渠道直接影响新能源投资模式。

基准模型（路径选择决定方程）：

PolicyStyle_{it} = α + β Promotion_{it} + γ FiscalAuto_{it} + δ Resource_{it} + θ X_{it} + μ_i + λ_t + ε_{it}

其中 PolicyStyle_{it} 为省 i 第 t 年的新能源政策执行风格指数（从"中央追随型"到"本地创新型"连续取值，通过政府工作报告和政策文件的文本编码获得）。Promotion_{it} 为官员晋升激励强度（以距下次党代会的时间距离倒数量化），β > 0 表示晋升压力越大、越倾向选择短期见效路径。FiscalAuto_{it} 为财政自给率，捕捉地方自主空间。

空间策略互动模型：

PolicyStyle_{it} = ρ W PolicyStyle_{jt} + β Promotion_{it} + γ FiscalAuto_{it} + δ Resource_{it} + θ X_{it} + μ_i + λ_t + ε_{it}

其中 W 为空间权重矩阵，ρ < 0 表示省际差异化竞争。

• 被解释变量：新能源政策执行风格指数（通过省级政府工作报告中六类新能源技术路线的词频和权重，结合政策文件中的"中央部署/地方创新"语义分类，使用LDA主题模型和人工编码构建0-100连续指数——0表示完全跟随中央、100表示高度地方创新）
• 核心解释变量：晋升激励强度（1 / 距离下次省级党代会年数，CSMAR）；财政自给率（一般公共预算收入/支出，Wind）；风光资源禀赋指数（中国气象局辐照量 × 风功率密度）
• 工具变量：是否处于换届前2年（0/1）；2000年煤炭消费占比（历史能源结构）
• 控制变量：GDP增速、第二产业占比、R&D支出占比、外资依赖度（国家统计局）
• 样本区间：2010-2025年，省级年度面板，31个省份，共496个观测值

• **替换晋升激励测度**：以省级官员年龄和任期交叉项替代距党代会时间距离——年纪轻且任期短的官员晋升激励最强，检验核心结论是否对激励测度方式敏感。
• **替换政策风格测度**：以各省新能源项目审批中"非中央规划项目"占比替代文本编码指数，检验结论对政策执行风格的度量方式是否稳健。
• **排除直辖市和西藏**：直辖市官员晋升路径与非直辖市不同，西藏能源结构和经济条件特殊，剔除后重新估计以检验结论的一般性。
• **历史安慰剂检验**：将样本拆分为"十二五"（2011-2015）和"十五五"（2021-2025）两阶段，检验官员激励对政策选择的影响是否在不同五年规划周期中保持一致，排除特定时期效应的干扰。

传统发展经济学将自然资源禀赋视为"资源诅咒"的来源（Sachs & Warner, 1995）——资源丰裕国家往往陷入低端产业锁定。但绿色能源禀赋（风、光、水）与传统化石能源存在本质差异：绿色能源是技术密集型而非资源提取型，其开发利用本身催生高端制造需求（光伏电池、风机叶片、氢能电解槽），具有"制造业化"而非"去工业化"特征。比较优势演化理论（Hausmann & Hidalgo, 2011）预测，经济体倾向于在已有能力邻近的领域实现升级——绿色电力丰富降低了高耗能先进制造业（半导体、新材料）的能源成本，形成"绿电 → 成本优势 → 制造业集聚 → 技术升级"的因果链。适宜技术理论（Acemoglu & Zilibotti, 2001）进一步指出，绿电驱动的制造业升级需要匹配的人力资本和制度环境作为互补要素。

据此提出以下假说：
- H1：绿色能源禀赋越丰裕的省份，制造业技术复杂度提升越快——绿电禀赋构成新型比较优势（绿电驱动升级假说）。
- H2："绿电+先进制造"融合模式对制造业TFP的促进效应在人力资本水平更高的地区更强（互补性假说）。
- H3：绿电禀赋驱动的产业升级路径同时实现了"绿色转型"和"结构升级"的双重红利——非化石能源占比上升与制造业技术复杂度提高并行不悖（双重红利假说）。

核心识别挑战有三：首先，绿色能源禀赋与制造业升级可能存在反向因果——更发达的地区更有能力投资新能源；其次，新能源投资与制造业升级可能同时受第三个共同因素驱动（如政府产业政策）；第三，绿电价格的区域差异可能反映了电力市场的分割而非禀赋差异。

本文采用三套策略：（1）Bartik工具变量——以各省风光水资源禀赋（外生地理特征）与全国新能源投资增长率的交互项作为IV，分离出外生资源驱动的绿色能源发展；（2）以国家级新型电力系统先行示范区的设立时点作为准自然实验（DID）——试点选择虽非完全随机，但在控制资源禀赋和经济发展水平后可视为条件外生；（3）使用系统GMM处理TFP和结构升级的动态持续性。关键识别假定：风光水资源禀赋仅通过影响绿色能源发展影响制造业结构，不通过其他渠道（如旅游业、农业）直接影响制造业（排他性约束）。

基准Bartik IV-面板固定效应模型：

第一阶段：GreenElec_{it} = α + π (Resource_i × NationalGrowth_t) + φ Z_{it} + μ_i + λ_t + ν_{it}

第二阶段：Complexity_{it} = α + β GreenElec_{it} + γ HC_{it} + δ (GreenElec_{it} × HC_{it}) + θ Z_{it} + μ_i + λ_t + ε_{it}

其中 Complexity_{it} 为省 i 第 t 年的制造业技术复杂度指数（基于出口产品空间或工业产品结构计算），GreenElec_{it} 为绿色能源发展水平（非化石能源发电量占比），Resource_i × NationalGrowth_t 为Bartik IV，HC_{it} 为人力资本水平（高等教育人口占比），β 为核心参数，δ 捕捉绿色能源与人力资本的互补效应。

DID扩展模型：

Complexity_{it} = α + τ Pilot_{it} + γ HC_{it} + δ (Pilot_{it} × HC_{it}) + θ Z_{it} + μ_i + λ_t + ε_{it}

其中 Pilot_{it} 为示范区虚拟变量，τ 识别试点制度的产业结构升级效应。

• 被解释变量：制造业技术复杂度指数（基于HS-6位码出口产品数据，使用Hausmann-Hidalgo方法计算的PRODY加权平均值；同时以工业产品结构复杂度作为替代测度，基于中国工业企业数据库的产品层面数据）；TFP（使用Levinsohn-Petrin方法估计，以中间投入作为生产率冲击的代理变量）
• 核心解释变量：绿色能源发展水平（非化石能源发电量/总发电量）；绿色能源禀赋（年太阳辐照量 × 风功率密度 × 水能资源量的标准化综合指数，中国气象局和水利部）
• Bartik IV：2000年各省风光水资源禀赋（基准年，外生地理特征）× 全国非化石能源发电量年增长率（公共冲击）
• 调节变量：人力资本（高等教育人口占比，全国1%人口抽样调查和人口普查）；制度环境（樊纲市场化指数）
• 控制变量：初始制造业结构、FDI存量、基础设施密度、人口密度
• 样本区间：2005-2025年，省级年度面板，31个省份，共651个观测值

• **替换技术复杂度测度**：以省级人均专利引用量（USPTO绿色专利加权引用次数）替代出口产品PRODY指数，检验结构升级结论是否对指标测度方式敏感。
• **替换TFP估计方法**：以Olley-Pakes方法和Ackerberg-Caves-Frazer方法替代LP方法估计企业TFP，再汇总到省级层面重新估计——检验TFP效应是否依赖于生产率估计的假设。
• **排除一线省份的安慰剂检验**：北上广深的制造业升级可能受多种其他因素驱动——剔除京沪粤浙后重新估计，检验绿电驱动升级是否在欠发达地区同样成立。
• **替代IV构造**：以各省与最近特高压输电线路的地理距离替代风光水资源作为IV——距离越近则绿电接入成本越低、消纳条件越好，检验工具变量的不同构造方式是否产生一致结论。

技能偏向型技术变革假说（Autor, Levy & Murnane, 2003）预测，技术进步倾向于替代常规性任务、补充非常规认知任务。新能源产业作为技术密集型新兴产业，其对劳动力的需求偏向高技能（工程师、研发人员）和中等技能（设备安装、运维技师）两端，对低技能常规性岗位的需求相对有限。任务模型（Acemoglu & Restrepo, 2018）进一步区分了技术进步的替代效应（自动化替代劳动）和恢复效应（新任务创造劳动需求）——新能源产业创造的新型任务（氢能电解槽操作、光伏智能运维）可能为中等技能劳动者提供新的就业机会。局部劳动力市场均衡模型（Moretti, 2010）预测，新能源产业创造的就业不仅包括直接就业（新能源企业雇佣），还包括间接就业乘数——每增加1个新能源技术岗位，本地服务业将增加1-2个就业岗位。

据此提出以下假说：
- H1：新能源产业扩张的净就业效应为正——其创造的直接和间接就业岗位数量超过传统能源行业因绿色转型而减少的就业岗位（净就业创造假说）。
- H2：新能源产业的技能需求结构呈"哑铃型"——高技能（研发设计）和中等技能（安装运维）需求增长最快，低技能岗位需求相对停滞，加剧了本地劳动力市场的技能极化（技能极化假说）。
- H3：新能源产业的本地就业乘数在制造业基础和人力资本较好的地区显著更大——产业生态和人才储备构成了就业效应的放大条件（乘数异质性假说）。

核心识别采用Shift-Share Bartik设计：以全国新能源行业就业增长率 × 省i初始年新能源产业就业份额的交互项构造地方劳动力需求冲击的外生IV。该设计的识别假定是：全国新能源行业增长趋势对各省是外生的（即一个省份自身无法影响全国趋势），且初始产业结构在控制地区固定效应后是前定的。

辅助识别策略：以国家级新型电力系统先行示范区的设立时点作为DID的准自然实验——比较试点省份与非试点省份在示范区设立前后的就业结构变化。通过事件研究法检验平行趋势。关键挑战在于示范区设立可能同时伴随其他产业政策，采用控制同期政策变量（如经济技术开发区设立）来隔离绿色能源示范区的独立效应。

个体层面，使用Heckman两步法校正劳动参与决策中的自选择偏误——是否为新能源行业从业者本身是内生的（个体基于预期工资选择进入），通过在第一阶段probit模型中引入家庭抚养比和配偶行业（影响劳动参与但不直接影响工资的排除变量）实现识别。

省级层面Shift-Share基准模型：

ΔEmp_{it} = α + β Shock_{it}^{SS} + γ Z_{it} + μ_i + λ_t + ε_{it}

其中 ΔEmp_{it} 为省 i 第 t 年的就业变化（分技能水平），Shock_{it}^{SS} = Σ_{j} s_{ij,t₀} × g_{nj,t} 为Shift-Share工具变量——s_{ij,t₀} 为省 i 在基期 t₀ 年行业 j（新能源细分）的就业份额，g_{nj,t} 为全国（排除省 i）行业 j 的就业增长率。

个体层面Mincer工资方程扩展：

ln(wage_{ivt}) = α + β GreenJob_{ivt} + γ Skill_{ivt} + δ (GreenJob_{ivt} × Skill_{ivt}) + θ X_{ivt} + μ_v + λ_t + ε_{ivt}

其中 GreenJob_{ivt} 为个体是否就业于新能源行业的虚拟变量，Skill_{ivt} 为技能水平（教育年限或职业分类），δ 捕捉新能源行业的技能溢价（预期 δ > 0 表示新能源行业的技能回报高于传统行业）。

• 被解释变量：省级层面——新能源行业就业人数和占比、不同技能水平就业人数变化、区域平均工资（国家统计局、中国工业企业数据库汇总）；个体层面——小时工资对数（CLDS）
• 核心解释变量：Shift-Share就业冲击（构造方法见模型设定）；新能源行业就业虚拟变量（根据CLDS行业编码和招聘数据行业分类匹配确定）；技能水平（受教育年限、ISCO-08职业分类编码）
• 排除变量（Heckman第一步）：家庭6岁以下子女数量、配偶是否就业于非新能源行业
• 数据：CLDS（2012-2024年共5轮追踪调查，含劳动参与、工资、教育等核心变量）；中国工业企业数据库（企业层面雇佣数据，可汇总到行业-省份）；全国流动人口动态监测（流动劳动力新能源行业就业状况）
• 样本区间：2010-2025年省级面板（省级分析）；2012-2024年个体追踪（个体分析），个体有效样本约3万条

1. 替代Shift-Share构造：以全国新能源投资额增长率替代就业增长率构造SS-IV——投资驱动和就业驱动的产业扩张可能产生不同的就业效应，检验两种构造下结论的一致性；同时使用"leave-one-out"SS-IV（排除本省计算全国增长率）排除内生性。
2. 替换技能分类标准：以职业任务类型（常规/非常规、认知/体力，基于O*NET任务内容编码匹配到中国职业分类）替代学历分类，检验技能极化结论是否受教育信号效应而非真实任务需求差异驱动。
3. 限制替代性就业渠道：聚焦非城镇户籍劳动力和年轻劳动力（25-40岁）子样本——这两个群体受新能源产业影响最大且就业调整最灵活——检验基准结论在核心受冲击群体中的稳健性。
4. 安慰剂检验：构造"虚假新能源行业"——将传统制造业的就业增长随机赋值为新能源行业冲击，观察虚假冲击是否产生与真实新能源冲击相似的就业效应——若虚假冲击系数不显著，则支持Shift-Share设计的有效性。
---
date: 2026-06-12
field: 宏观经济 — 货币政策
source: https://tv.cctv.com/2026/06/12/VIDE5GWRvcF3YCLmZv21zNYL260612.shtml
topics_count: 5
---