上半年全社会用电量同比增长5.3%

基于Solow增长模型，电力作为关键生产要素应向边际产出更高的高技术产业流动；Hsieh-Klenow框架下，若要素市场存在扭曲，高生产率企业用电增长会受到约束。H1：高技术制造业用电增速高于其产出增速，表明电力配置效率改善；H2：地区间电价差异导致跨省电力错配持续存在；H3：新能源消纳政策降低了高耗电产业的用电成本扭曲。

利用分省分行业面板数据，以行业增加值对用电量的弹性反映电力边际产出；通过地区间电价差异与市场化改革进程作为电力市场分割的工具变量，识别配置效率变化；严格控制产业结构、能源强度、气候冲击与宏观经济周期变量。

设定行业增加值生产函数 Y_it = A_it K_it^α L_it^β E_it^γ，取对数后估计电力产出弹性γ；进一步构建资源配置扭曲指数 τ_E = (MRPK/MRPE) − 1，采用面板回归检验τ_E在2015—2026年间的时间趋势及地区异质性。

被解释变量为行业全要素生产率（TFP），核心解释变量为用电量增速、高技术产业用电占比、分省销售电价；数据来源于国家统计局月度用电量、Wind行业数据库及工业企业数据库，样本期为2015—2026年，剔除缺失值后进行对数化处理。

一是替换TFP测算方法为LP法与OP法；二是剔除疫情年份与极端高温月份；三是采用工具变量法处理用电与产出之间的反向因果；四是分东部、中部、西部子样本回归；五是控制环境规制强度与碳交易试点的混淆效应。

---

Keynes框架下，总需求下降首先体现为工业生产收缩与服务业活动放缓，用电量作为高频实物量指标能提前反映有效需求变化。H1：用电量增速领先工业增加值增速1—2个月；H2：基建投资扩张对高耗能行业用电的拉动乘数大于制造业；H3：货币政策宽松对第三产业用电的刺激弹性高于第二产业。

构建包含用电量、工业增加值、固定资产投资、社零总额和M2的VAR模型，通过Cholesky排序识别需求冲击；利用Blanchard-Quah长期约束将需求冲击与供给冲击分离，测算用电对总需求冲击的脉冲响应函数及方差分解结果。

SVAR模型为 AY_t = C + ΣB_iY_{t−i} + ε_t，其中Y = (Δ用电量, Δ工业增加值, Δ投资, Δ消费, ΔM2)′；长期约束要求供给冲击对产出具有持久影响，而需求冲击仅产生短期影响，从而实现结构冲击识别。

用电量取全社会及分产业月度同比增速；宏观需求变量来自国家统计局和人民银行；使用2015年1月至2026年6月的月度数据，季节调整采用X-13-ARIMA方法，并对变量进行平稳性检验与协整分析。

一是改变VAR变量排序与滞后阶数；二是采用MIDAS混频数据模型融合日度煤耗与月度用电数据；三是区分疫情前后子样本进行比较；四是引入PMI新订单指数作为需求冲击替代变量；五是控制气温、节假日与闰年效应。

---

Lewis模型中，劳动力与资本从传统部门向现代部门转移推动结构转型；Aghion的内生增长理论强调创新驱动的创造性破坏过程。H1：高技术产业用电占比提升与全要素生产率增长正相关；H2：地区人力资本门槛会强化电力投入向高技术产业配置的效率；H3：新能源装备、半导体等战略性行业的用电扩张存在显著政策激励效应。

以“中国制造2025”重点行业目录作为处理组，利用双重差分法比较政策扶持前后高技术产业与对照组产业用电增速差异；控制地方工业基础、能源资源禀赋、外资依赖度与初始技术水平，降低选择性偏误。

设定双向固定效应模型 E_it = α + βTreat_i × Post_t + γX_it + μ_i + λ_t + ε_it，其中E为行业用电量增速，Treat为高技术行业虚拟变量，Post为政策实施后时期；进一步引入门槛变量人力资本H构建Hansen门槛模型检验非线性关系。

核心被解释变量为分行业用电量同比增速；解释变量包括高技术行业认定、研发强度、专利密度、人力资本存量与资本劳动比；数据来自国家能源局、国家统计局及《中国工业统计年鉴》2015—2026年面板数据。

一是采用PSM-DID重新匹配对照组；二是替换被解释变量为用电强度（用电量/增加值）；三是进行安慰剂检验随机打乱处理组；四是控制碳排放权交易试点与可再生能源补贴的混淆效应；五是分沿海与内陆地区进行异质性分析。

---

Coase定理表明，当产权清晰且交易成本足够低时，资源会流向最高价值用途；Williamson强调资产专用性决定治理结构选择。H1：输配电价改革降低了充电运营商接入电网的交易成本；H2：充电桩产权归属模糊会抑制社会资本投资；H3：峰谷电价差异塑造了用户充电行为与电网负荷曲线。

利用各省电力现货市场试点推进作为准自然实验，采用多期DID估计市场化改革对充换电服务业用电增长的影响；以充电桩保有量与运营商数量作为机制变量；控制新能源汽车保有量、人均收入、充电补贴政策与城市规模。

构建省级面板模型 log(E_ct) = α + βMarket_c × Post_t + γX_ct + μ_c + λ_t + ε_ct，其中E为充换电服务业用电量，Market为电力现货市场试点虚拟变量；机制检验采用Baron-Kenny逐步回归与Sobel检验，验证交易成本与产权清晰度的中介作用。

被解释变量为各省充换电服务业月度用电量；核心解释变量为电力现货市场试点、峰谷电价差、充电桩密度与配电资产产权清晰度指数；数据来自国家能源局、中国充电联盟及各省电力交易中心2018—2026年面板。

一是采用交错DID稳健估计量（Callaway-Sant’Anna或Sun-Abraham）；二是替换核心变量为充电桩投资增速；三是控制“新基建”政策与新能源汽车下乡政策的混淆效应；四是进行空间杜宾模型分析以捕捉充电网络外部性；五是剔除北京、上海等超大城市进行敏感性测试。

---

财政分权赋予地方政府发展激励，但能耗双控约束其产业选择空间；Maskin的晋升锦标赛模型预示地方官员会优先扶持高增长、低能耗产业。H1：能耗约束越严的省份，高技术产业用电占比提升越快；H2：经济增长目标较高的省份会通过产业转移规避本地能耗控制；H3：央地考核指标调整会改变地方政府对高耗电项目的审批行为。

以能耗双控政策实施为外生冲击，比较约束省份与非约束省份的产业结构变化；利用省级政府工作报告中的经济增长目标与能耗目标构建官员激励强度变量；控制资源禀赋、工业基础、财政压力与环境污染历史。

设定省级双向固定效应模型 Share_pt = α + βControl_p × Post_t + γGoal_pt + δX_pt + μ_p + λ_t + ε_pt，其中Share为高技术产业用电占工业用电比重，Control为能耗双控约束强度，Goal为经济增长目标；引入交互项考察激励冲突对产业结构的非对称影响。

被解释变量为各省高技术产业用电量占工业用电比重；解释变量包括能耗双控目标完成压力、经济增长目标、财政分权度、FDI占比与土地出让收入依赖度；数据覆盖2015—2026年31个省份，并对政策文本进行词频量化。

一是采用合成控制法评估个别省份政策效应；二是替换约束强度为能耗强度下降目标；三是控制碳达峰试点与中央环保督察的混淆效应；四是进行工具变量回归处理增长目标内生性；五是分换届年份与常规年份比较政治周期效应。