我国发电装机突破40亿千瓦 位居全球首位

基于钱纳里工业化阶段理论，发电装机加速扩容是后工业化阶段能源需求结构升级的伴生现象。结合Acemoglu定向技术变迁框架，提出三条假说：H1（投资驱动假说）——新能源投资规模的指数增长是装机加速的首要动力；H2（技术效率假说）——光伏、风电等设备成本下降（学习曲线效应）显著缩短了新增装机的边际时间；H3（政策协同假说）——"双碳"目标与产业政策的耦合效应通过降低制度性交易成本加速装机增长。三个假说分别对应资本深化、技术进步与制度红利三条路径。

以各省新能源装机补贴退坡节点作为准自然实验，利用双重差分法（DID）识别政策冲击对装机速度的因果效应。关键识别假定：补贴退坡时间由中央政策统一划定，各省自身装机增速无法逆向影响退坡时点，满足外生性。同时利用各省日照时数、风速等地理禀赋作为工具变量，处理新能源投资选址的内生性问题。平行趋势检验以退坡前三年的装机增速差异为对象。

基准回归采用双向固定效应模型：`Speed_{it} = α + β_1 REInv_{it} + β_2 Cost_{it} + β_3 Policy_{it} + γ X_{it} + μ_i + λ_t + ε_{it}`。其中 Speed 为新增装机时间倒数（速度度量），REInv 为可再生能源投资占GDP比重，Cost 为度电成本指数，Policy 为政策强度综合得分。中介效应模型以非化石能源占比 Mediator 检验 H2 的技术传导路径。动态面板 GMM 处理装机速度自身的惯性效应和被解释变量滞后项的内生性。

被解释变量"装机速度"取各省每新增1GW装机所需月数的倒数，核心解释变量包括：可再生能源投资强度（新能源固定资产投资/地区GDP）、技术成本指数（光伏组件价格与风电整机价格加权）、政策强度（各省新能源补贴额度+绿电交易覆盖率+碳市场纳入行业数合成）。控制变量涵盖经济发展水平（人均GDP对数）、工业化程度（第二产业占比）、电力消费弹性系数。数据跨度为2010-2026年省级面板。

其一，替换被解释变量为"装机容量增速"（对数差分形式），检验度量方式敏感性；其二，剔除四个直辖市样本，因直辖市经济结构特殊可能影响估计；其三，采用系统GMM替代差分GMM，处理弱工具变量问题；其四，以风电光伏累计装机替代总投资额作为核心解释变量的替代指标；其五，安慰剂检验——将政策冲击时间前移2-3年，验证处理效应的排他性。

---

新能源发电的高固定成本与低边际成本特征使其面临"搁浅资产"风险，而传统计划调度体制下发电小时数由政府分配，构成 Williamson 意义上的资产专用性困境。电力现货市场通过价格信号实现调度权的市场化配置，降低了新能源发电的交易成本。提出三条假说：H1——电力现货市场试点显著提升了区域内发电企业对风电光伏的投资强度；H2——输配电价独立改革通过厘清电网产权边界，降低了新能源项目并网的协调成本；H3——绿证与碳市场交易制度通过创建新的产权维度（环境权益），提升了新能源项目的预期收益率。三条路径分别对应调度权、并网权、环境权三个制度维度。

利用电力现货市场试点分批推进的准自然实验特征，采用 Callaway & Sant'Anna（2021）渐进DID估计量，处理不同批次试点处理效应异质性问题。以各省第一批现货试点启动月份为事件窗口，估计改革前后3年内发电企业新能源资本支出变化。关键识别假定：试点批次选择主要基于电网结构和技术条件，与发电企业自身投资偏好无关。利用电网阻塞程度、省间联络线容量等外生技术变量构造倾向得分匹配，缓解选择偏差。

基准模型：`GreenInv_{fpt} = α + β_1 SpotMarket_{pt} + β_2 TDR_{pt} + β_3 GreenCert_{pt} + γ X_{ft} + μ_f + λ_t + ε_{fpt}`。其中 GreenInv 为企业 f 在省 p 第 t 年的新能源资本支出（对数），SpotMarket 为现货市场运行哑变量，TDR 为输配电价改革哑变量，GreenCert 为绿证交易覆盖度。企业固定效应 μ_f 吸收不随时间变化的企业异质性。事件研究法以改革月为 t=0，估计动态处理效应 τ_k（k=-12,...,36），直观展示制度冲击的时变影响。

企业层面新能源投资以年报"在建工程"科目中风电场、光伏电站资本支出加总获得。制度变量方面：电力现货市场运行深度以月度日前市场交易电量占比衡量；输配电价改革以省级电网输配电价首次核定时间为节点；绿证制度以各省可再生能源电力消纳责任权重完成率为代理变量。样本涵盖A股45家主要发电上市企业2015-2026年季度面板数据。

其一，替换被解释变量为企业新能源装机容量增速，排除资本支出数据的会计计量偏差；其二，使用 Bacon-Decomposition 分解渐进DID中各2×2比较组的权重，识别"坏比较组"对估计的影响；其三，排除央企样本（其投资决策受非市场因素影响更强），仅保留地方国企与民营企业；其四，以电网阻塞程度构造工具变量处理现货市场试点的内生选址问题；其五，使用 Goodman-Bacon（2021）方法处理处理效应异质性下的偏误。

---

在晋升锦标赛体制下，上级政府对"双碳"目标的考核压力使新能源装机成为地方官员可量化的政绩信号。当中央设定约束性新能源装机目标后，地方倾向于超额完成以发送能力信号，形成"装机竞赛"。然而，新能源消纳能力受制于电网跨省输送等基础设施，地方竞相上马项目可能导致过剩装机与弃风弃光并存。提出 H1——官员任期与晋升窗口期（如党代会前后）显著正向影响省内新能源装机增速；H2——当省级消纳能力不足时，装机竞赛导致弃风弃光率上升；H3——中央与地方能源规划缺口越大，装机增速越高但利用小时数越低。

以全国碳排放权交易市场覆盖行业分批扩容、各批次纳入时间的外生性差异作为省际考核压力变化的冲击源。利用空间杜宾模型捕捉新能源装机的策略互动效应——相邻省份装机增长是否引发本地跟进。以地方官员是否在党代会年份（换届窗口）构造晋升激励哑变量，估计其对装机增速的边际效应。利用省间电网联络线容量作为消纳能力的代理变量和处理效应的异质性分析维度。

空间杜宾模型：`RE_{it} = ρW·RE_{jt} + β_1 Prom_{it} + β_2 Gap_{it} + β_3 W·Prom_{jt} + γ X_{it} + μ_i + λ_t + ε_{it}`。RE 为新能源装机增速，Prom 为晋升激励强度（以官员任期年数和是否为换届年份合成），Gap 为省规划目标相对中央目标的上偏程度，W 为空间权重矩阵（地理相邻或经济距离）。门槛回归以消纳能力（跨省联络容量占装机比）为门槛变量，识别装机竞赛的负面效应何时显现。

晋升激励变量以省委书记/省长任期月数及该年是否为全国党代会/省级换届年份构造交互项；央地规划缺口以各省"十四五"新能源装机规划目标超出全国规划按比例摊分额度的差值度量；消纳能力以省间联络线容量、省内储能装机占比、需求侧响应参与率合成综合指标。样本涵盖31省2015-2026年月度数据。

其一，替换空间权重矩阵为经济距离矩阵（以省际GDP差异度量），检验空间依赖假定的稳健性；其二，将官员晋升激励替换为市委书记层面数据，排除省级与市级激励差异的影响；其三，以风电利用小时数和光伏利用小时数分别替代弃风弃光率作为效率度量；其四，排除西北五省（资源禀赋特殊）和东部三省（负荷中心），检验区域异质性；其五，动态空间面板模型处理装机增速的时间依赖与空间依赖的交互效应。

---

电力系统成本包括发电容量成本、燃料成本、碳排放成本与系统灵活性成本（调峰、备用、频率调节）。当非化石能源占比上升时，虽然燃料与碳排放成本下降，但因风光出力间歇性导致的系统灵活性成本上升。根据 Samuelson 条件，最优配置比例应使最后一单位煤电被替代所节省的碳排放与燃料边际成本，等于该替代带来的额外灵活性边际成本。提出 H1——碳价为100元/吨情境下最优煤电占比约25%-30%；H2——当储能成本降至800元/kWh以下时最优煤电占比可降至20%以下；H3——跨省输电扩容可显著降低最优煤电占比。

采用 Monte Carlo 模拟方法而非传统因果推断，因为最优配置是一个反事实构造问题。关键参数的随机性设定：风光出力以过去10年逐小时气象数据驱动 Weibull 分布建模；负荷波动以各省日负荷曲线历史波动率加随机扰动项模拟；碳价以欧盟碳市场与中国碳市场价格的联合分布模拟；煤价以地缘冲突概率情景下的布朗运动建模。通过10000次模拟获取最优配置比例的置信区间。

目标函数：`min E[C_total(NonFos_share)] = E[C_gen + C_fuel + C_carbon + C_flex + C_curtail]`，约束条件为：负荷平衡约束（逐小时）、旋转备用约束（≥负荷的5%+最大单机容量）、碳排放总量约束（每年递减）。状态变量包括储能荷电状态、煤电机组启停状态；控制变量为各时段的煤电出力、新能源出力（可控弃电）、储能充放电功率。采用 Bellman 方程递归求解：`V(S_t) = min[C_t(a_t, S_t) + βE[V(S_{t+1})|S_t, a_t]]`。

发电成本以 LCOE（平准化度电成本）为基础，煤电取300元/MWh、陆上风电取180元/MWh、光伏取150元/MWh（2026年基准）。系统灵活性成本分解为调频服务成本、旋转备用容量成本和弃风弃光机会成本三部分。碳排放成本取全国碳市场加权均价95元/吨与EU-ETS碳价120欧元/吨为低高情景。储能成本参数涵盖电化学储能（磷酸铁锂、钠离子）、抽水蓄能两种技术路线。

其一，将风光出力分布假设从 Weibull 替换为 Beta 分布，检验极值事件概率的敏感性；其二，调整碳价路径从线性递增改为跳跃递增（考虑碳市场纳入新行业），检验政策不确定性的影响；其三，将火电灵活性改造成本纳入，处理存量煤电机组的改造成本对最优路径的扰动；其四，以2040年和2050年不同深度脱碳情景为远期约束，比较路径选择的差异。

---

传统Keynes乘数分析中，基础设施投资通过收入-消费-投资的循环传导拉动总需求。绿色电力投资具有双重属性：建设期通过设备采购、施工就业拉动当期总需求（需求乘数），运营期通过低边际成本的绿电供给降低全社会的用能成本，形成对总供给的正向冲击（供给乘数）。在地缘冲突推高化石能源价格时，国内绿电替代效应可部分对冲进口能源价格上涨的供给冲击。提出 H1——绿色电力投资的即期需求乘数约为1.2-1.5，高于传统基建投资的0.8-1.0；H2——运营期绿电渗透率每提高1个百分点，CPI能源分项下降0.3-0.5个百分点；H3——绿色电力投资使国际油价冲击对国内GDP的传导系数降低约30%。

采用 Jorda（2005）局部投影法估计绿色电力投资冲击的动态脉冲响应，避免传统VAR对滞后阶数选择的敏感性问题。利用国家能源局大型风光基地核准批次时间构造投资冲击序列——这些核准时点由前期审批周期决定，与当期宏观经济波动无关，满足外生性。同时以地方政府清洁能源产业基金出资额作为工具变量，进一步剥离宏观经济周期对投资的反向因果。符号约束设定：正向投资冲击导致GDP和投资品价格同向变动。

局部投影模型：`y_{t+h} = α_h + β_h GI_t + Σ_{j=1}^p γ_{hj} y_{t-j} + Σ_{j=0}^q δ_{hj} X_{t-j} + ε_{t+h}`，对 h=0,1,...,16（季度）逐个估计。y 依次取GDP对数、CPI通胀率、工业增加值增速、企业用电成本指数。GI 为绿色电力投资冲击（经工具变量处理）。X 为控制变量集：货币供应量M2增速、国际油价变化率、出口增速、财政赤字率。符号约束VAR用于验证：正向投资冲击对应GDP正向响应（需求拉动），同期或稍滞后对应CPI能源分项负向响应（供给替代）。

绿色电力投资以风电、光伏、抽水蓄能、电网智能化四类投资的季度完成额加总（源自中电联和能源局统计），占GDP比例作为冲击强度度量。企业用电成本指数以各省大工业用户目录电价与市场化交易电价加权平均构建。能源进口价格冲击以海关总署原油、天然气、煤炭三类加权进口价格指数度量。样本取2005Q1-2026Q1共85个季度观测值。

其一，将绿色电力投资分解为电源投资与电网投资两个子类，分别估计乘数——预期电源投资的供给侧效应更强而电网投资的需求侧效应更强；其二，以向量误差修正模型（VECM）替代局部投影法，处理变量间的协整关系；其三，以省级面板数据替代全国时间序列，利用省际投资强度的差异进行识别；其四，剔除2008-2009年国际金融危机窗口和2020年疫情冲击窗口，检验异常时期的杠杆效应；其五，以工具变量分位数回归考察不同经济增长阶段乘数效应的非对称性。

---