【一线调研】新型电网筑牢能源大国绿色转型基石

根据新凯恩斯主义框架，公共基础设施投资通过两条渠道影响总需求：一是直接增加总需求（政府采购渠道），二是通过提升私人部门生产率间接刺激投资和消费（供给侧渠道）。新型电网投资同时具有这两条传导路径——投资本身构成总需求，而电网改善降低新能源的弃风弃光率，提升能源系统效率，间接降低企业用能成本。此外，空间溢出效应至关重要：西部能源输出省的投资可能通过跨省输电降低中东部制造业用电成本，形成跨省的需求拉动。

据此提出以下假说：
- H1：新型电网投资的即期GDP乘数介于0.8-1.5之间，中期累计乘数（3-5年）可达1.5-2.5，高于一般基础设施投资的平均水平。
- H2：电网投资的空间溢出乘数显著为正——能源输出省每1元电网投资拉动能源消费省GDP增长0.3-0.6元。
- H3：在经济下行期（产出缺口为负），电网投资的乘数效应显著大于经济扩张期，呈现非线性特征。

核心识别挑战是基础设施投资与经济增长之间的反向因果：经济增长越快的地区，政府越有财力投资电网。为解决这一问题，本文利用国家"十五五"特高压通道规划选址的外生性——通道选址主要由西部能源基地与中东部负荷中心的地理距离、沿途地形条件决定，与各省当期经济增速的相关性较弱。以"某省是否在特高压通道沿线"作为该省电网投资的工具变量，估计电网投资对GDP的因果效应。关键识别假定：特高压规划选址仅通过影响电网投资影响GDP，不通过其他渠道直接影响经济增长（排他性约束）；且规划选址与不可观测的省际经济增长趋势不相关。

基准模型采用局部投影法（Jordà, 2005）估计动态乘数：

y_{i,t+h} - y_{i,t-1} = α_h + β_h · GridInv_{i,t} + γ_h · X_{i,t-1} + μ_i + λ_t + ε_{i,t+h}

其中 y_{i,t+h} 为省份 i 在 t+h 期的GDP对数，GridInv_{i,t} 为新型电网投资（对数差分），β_h 为 h 期的累计乘数。工具变量回归的第一阶段：

GridInv_{i,t} = δ · Route_i × Post_{t} + θ · X_{i,t-1} + μ_i + λ_t + ν_{i,t}

其中 Route_i × Post_{t} 为"特高压通道沿线省份×规划实施后"的交互项，作为电网投资冲击的IV。空间杜宾模型进一步估计省际溢出效应。X_{i,t-1} 包括滞后一期的财政支出、信贷增速、城镇化率等控制变量。

被解释变量：省级实际GDP对数（国家统计局，经省级GDP平减指数调整为2015年不变价）、省级就业人数（国家统计局）。核心解释变量：省级新型电网年度投资额（中国电力企业联合会，包括特高压直流工程、智能变电站、配电网改造投资，取对数一阶差分）。工具变量：省是否为"十五五"规划特高压直流通道沿线省份（0/1哑变量，根据国家能源局特高压规划路线图编码）× Post_2026哑变量（2026年及之后为1）。控制变量：省级一般公共预算支出增速、金融机构贷款余额增速、城镇化率、第二产业占比。样本区间：2015-2030年（含"十五五"期间），省级年度面板，31个省区市，约496个观测值。

• **替换核心解释变量**：以省级电网基建固定资产投资（国家统计局固定资产投资统计）替代中电联的电网投资数据，检验乘数估计对投资统计口径的敏感性。
• **替换工具变量构造方式**：以"省会城市到最近能源基地的直线距离"替代0/1哑变量，使用连续型IV估计，检验工具变量的构造方式对结论的影响。
• **排除同期政策干扰**：在回归中控制同期其他重大基建政策（如高铁建设、数据中心新基建投资）的省级投资额，检验电网投资的乘数是否被其他基建投资所混淆。
• **安慰剂检验**：将特高压规划实施时点前移3年（虚假冲击），检验β_h是否不再显著——若虚假冲击也产生显著效应，则表明识别策略存在偏误。

---

发展经济学强调基础设施是结构转型的关键前提——电网作为能源输送的"动脉"，其质量直接决定制造业的生产成本和生产稳定性。新型电网通过两条渠道提升全要素生产率：一是成本渠道——特高压输电降低跨区电力交易成本，降低中东部制造业的用电价格；二是稳定性渠道——新型电网消纳高比例新能源的能力增强供电可靠性，减少企业因停电造成的产能损失。根据新经济地理学，这种生产率效应具有空间衰减特征：距离特高压落点越远，配电网损耗越大，降低成本的效果越弱。

据此提出以下假说：
- H1：特高压落点投运后，落点城市及周边城市的制造业TFP年均提升0.5-1.5个百分点，且该效应随距离增加而衰减（距离每增加100公里，效应衰减约0.1-0.2个百分点）。
- H2：高能耗行业（钢铁、化工、有色金属）从新型电网中受益更大，因其用电成本占比更高，电价下降的边际效应更强。
- H3：新型电网通过提升能源供给稳定性（而非仅降低电价）提升TFP——在原本缺电严重的地区，稳定性渠道的贡献超过成本渠道。

核心识别挑战：电网投资并非随机分配，经济越发达的城市越可能被纳入特高压落点规划，存在选址的内生性。本文采用两种策略：一是利用特高压线路必须连接西部能源基地与中东部负荷中心这一地理约束——以"地级市距最近能源基地与最近负荷中心之间的大圆路径最短距离"作为工具变量，该距离几乎完全由地理条件决定，与城市当期TFP不直接相关；二是引入空间连续距离（distance to nearest UHV landing point）作为处理强度的连续变量，替代传统的0/1处理组定义，利用DID + 连续处理强度的框架（Callaway, Goodman-Bacon & Sant'Anna, 2024）进行识别。

基准模型设定为：

TFP_{i,t} = α + β · ln(Dist_i) × Post_{i,t} + γ · X_{i,t} + μ_i + λ_t + ε_{i,t}

其中 TFP_{i,t} 为地级市 i 在 t 年的制造业全要素生产率（OP法测算），Dist_i 为地级市到最近特高压落点变电站的球面距离（公里），Post_{i,t} 为该地级市最近的特高压落点投运之后的时期哑变量。关键参数 β 预期为负（距离越远、受益越小），印证空间衰减假说。控制变量 X_{i,t} 包括地级市人均GDP、第二产业占比、人力资本水平（人均受教育年限）、外商直接投资占比。空间杜宾模型进一步将电网效应的空间滞后项 W · ln(Dist_j) × Post_{j,t} 纳入回归。

被解释变量：地级市制造业TFP，使用OP法（Olley & Pakes, 1996）基于中国工业企业数据库（1998-2014年）和全国税收调查数据（2015-2028年）的企业级数据测算，以工业增加值为产出、固定资产净值和从业人数为投入。核心解释变量：地级市政府驻地到最近特高压直流落点变电站的球面距离（使用ArcGIS计算），取对数；Post_{i,t} 根据国家电网公司公布的特高压工程投运时间逐一编码。控制变量：地级市人均GDP对数、第二产业增加值占比、人均受教育年限（全国人口普查和1%抽样）、FDI占GDP比重。样本区间：2010-2030年，290个地级市，年度面板。

• **替换TFP测算方法**：以LP法（Levinsohn & Petrin, 2003）替代OP法测算TFP，检验结论是否对生产率测算方法敏感；同时使用DEA-Malmquist指数进行非参数测算。
• **替换空间距离测度**：以"地级市到最近特高压落点的陆路交通距离"替代球面距离，检验是否考虑实际交通路径后空间衰减模式发生改变。
• **排除产业转移假说**：控制地级市承接产业转移的代理变量（新建工业企业数量、工业用地出让面积），检验TFP提升是否源于电网改善还是产业转移。
• **安慰剂检验**：将特高压落点位置随机扰动（保持原有空间分布），重复500次模拟，检验真实距离变量的效应是否落在安慰剂分布的第95百分位之外。

---

制度互补性理论（Aoki, 2001）认为，一项制度的效率取决于其与互补性制度的匹配程度——仅有"硬基础设施"（特高压电网）而无"软制度"（市场化交易规则），电网的物理潜力难以充分释放。在传统的计划调度体制下，省间电力交易受行政壁垒限制，通道利用率低下；而电力现货市场的引入以市场化定价替代行政调配，降低了跨省交易的搜寻成本、议价成本和执行成本。然而，制度变迁存在路径依赖（North, 1990）——调度体制的既有利益格局可能阻碍市场化改革，形成制度互补性的实现障碍。

据此提出以下假说：
- H1：特高压通道投运对省间电力交易量的促进效应，在已建立电力现货市场的省份显著强于未建立的省份，制度基础设施互补性显著。
- H2：省间电力交易价格在现货市场建立后趋于收敛，反映交易成本下降带来的市场整合效应。
- H3：电力市场规则开放度越高（允许更多市场主体参与、报价机制更灵活）的省份，特高压通道的利用率越高——制度设计细节决定互补性的强弱。

采用双重差分策略识别制度与基础设施的互补效应。第一重差异：特高压通道投运时间（基础设施冲击）；第二重差异：电力现货市场试点时间（制度冲击）。核心识别逻辑为对比四组省份：有特高压×有现货市场、有特高压×无现货市场、无特高压×有现货市场、无特高压×无现货市场。关键识别假定：电力现货市场试点省份的选择与影响省间交易量的不可观测趋势不相关。为验证这一假定，使用事件研究法检验试点前的平行趋势。进一步利用各省现货市场实施方案的文本差异（通过自然语言处理编码），构建连续的"市场开放度"变量，替代0/1试点哑变量。

基准模型设定为交互DID：

Trade_{ij,t} = α + β₁ · UHV_{ij,t} + β₂ · SpotMkt_{ij,t} + β₃ · (UHV_{ij,t} × SpotMkt_{ij,t}) + γ · X_{ij,t} + μ_{ij} + λ_t + ε_{ij,t}

其中 Trade_{ij,t} 为省份 i 与省份 j 之间的年度省间电力交易量（亿千瓦时）的对数。UHV_{ij,t} 为 i、j 两省之间特高压直流通道投运后的哑变量（1=投运），SpotMkt_{ij,t} 为两省均已建立电力现货市场的哑变量。关键参数 β₃ 为制度互补性系数——预期为正且显著，表示特高压与现货市场共同提升省间交易量，且提升幅度超过两者单独效应之和。控制变量 X_{ij,t} 包括两省GDP之和的对数、两省电力供需缺口差异、两省新能源装机容量之比。

被解释变量：省对（province pair）年度省间电力交易量（北京电力交易中心、广州电力交易中心，2015-2030年，亿千瓦时）。核心解释变量：① UHV_{ij,t}——省对之间特高压直流通道是否存在且已投运（0/1），根据国家能源局特高压项目投运公告逐一编码；② SpotMkt_{ij,t}——省对两省是否均已开展电力现货市场连续结算试运行（0/1），根据国家发改委批复文件时间节点编码；③ 交互项为关键变量。控制变量：省对的GDP乘积（对数）、新能源装机容量之比、电力供需缺口之差、两省之间的球面距离（对数）。样本为31省的所有省对（465对），2015-2030年年度面板。

• **替换制度变量构造**：以各省电力市场规则文本中允许参与省间交易的"市场主体类型数量"作为电力市场开放度的连续度量，替代0/1哑变量，重新估计互补性效应。
• **Bacon-Decomp分解**：对多期DID估计量进行Bacon-Goodman分解，检验处理效应是否由不同处理组之间的"坏比较"驱动，排除处理效应异质性偏误。
• **排除其他改革干扰**：在回归中控制各省同期进行的其他能源领域改革（碳排放权交易试点、用能权交易试点、增量配电改革试点），检验互补性效应的改革特异性。
• **替代样本定义**：仅保留特高压通道沿线省份的子样本（处理组）进行事件研究分析，以通道投运时间为事件时点，验证省间交易量的动态效应。

---

根据Farrell（1957）的效率分解框架，电网的总体经济效率可分解为技术效率和配置效率。技术效率衡量给定电网资产（线路长度、变压器容量、人力投入）下，实际输电能力与最大可能输电能力之间的差距；配置效率衡量电力从低电价地区流向高电价地区所实现的社会福利改进——当输电约束导致低价电无法输送到高价市场时，产生配置效率损失（空间价格扭曲）。新型电网通过特高压和智能调度同时改善两种效率，但二者可能存在权衡：追求高电压等级的技术效率可能牺牲分布式能源接入的配置灵活性。

据此提出以下假说：
- H1：特高压通道投运后，相关省份电网的技术效率（SFA得分）平均提升5-10个百分点，主要来源于线损率下降和通道利用率提高。
- H2：新型电网显著缩小了电力资源的空间价格差异——输电约束的影子价格在特高压投运后下降30-50%，反映配置效率改善。
- H3：存在技术效率-配置效率的短期权衡：智能微电网和虚拟电厂的推广可能短期拉低技术效率得分，但长期提升配置效率，二者呈U型关系。

技术效率通过随机前沿分析（SFA）估计。将省级电网视作"生产输电服务"的生产单元，投入为线路长度、变电容量、运维人员，产出为年度输电电量和最大负荷。SFA将误差项分解为随机噪声和效率损失项，通过极大似然估计各省电网距离生产前沿面的距离。配置效率的识别策略：构建空间价格均衡模型，在无输电约束的反事实假设下，预测各省电价的均衡水平；实际电价与均衡电价的差异即为输电约束导致的配置效率损失。通过比较特高压投运前后的影子价格变化，识别基础设施改善对配置效率的因果效应。

技术效率采用Battese & Coelli（1995）时变SFA模型：

ln(Q_{i,t}) = β₀ + β₁ ln(L_{i,t}) + β₂ ln(K_{i,t}) + β₃ ln(Labor_{i,t}) + β₄ t + (v_{i,t} - u_{i,t})

其中 Q_{i,t} 为省份 i 在 t 年的输电电量（亿千瓦时），L_{i,t} 为输电线路长度（公里），K_{i,t} 为变电容量（万千伏安），Labor_{i,t} 为电网运维人员数。v_{i,t} ~ N(0, σᵥ²) 为随机噪声，u_{i,t} ~ N⁺(μ, σᵤ²) 为技术效率损失项。时变效率 TE_{i,t} = exp(-u_{i,t})。参数 η 捕捉效率随时间的变化趋势。

配置效率采用输电约束的影子价格模型：

λ_{ij,t} = P_{j,t} - P_{i,t} - MC_{ij,t}

其中 λ_{ij,t} 为省 i 到省 j 的输电约束影子价格，P 为终端电价，MC_{ij,t} 为输电边际成本。若 λ_{ij,t} > 0，表明存在配置效率损失。

被解释变量（SFA）：省级电网年度输电电量（中电联，亿千瓦时）。投入变量：省级电网35kV及以上输电线路长度（国家电网/南方电网年报，公里）；省级变电总容量（万千伏安）；电网运维人员数（人）。配置效率变量：各省一般工商业平均电价（国家发改委价格监测中心，元/千瓦时）；省间输电价（国家能源局核定）。影子价格计算所需：各省发电加权平均成本（中电联）。样本区间：2010-2030年，31个省区市年度面板数据。

• **替换效率估计方法**：以数据包络分析（DEA）替代SFA，采用非参数方法重新测算技术效率——SFA依赖函数形式设定，DEA无需预设生产函数，二者对比检验结论的方法稳健性。
• **替换产出变量**：以"最大负荷（万千瓦）"替代"输电电量"作为电网产出变量，检验效率排名是否对产出定义方式敏感——输电电量偏重能量维度，最大负荷偏重容量维度。
• **剔除离群省份**：依次剔除西藏、新疆、内蒙古等地理位置特殊的省份，检验结论是否由少数极端省份驱动。
• **替代配置效率指标**：以省间电价的标准差（而非影子价格模型）作为配置效率的简易指标，检验影子价格模型的结论是否与直观的市场整合指标一致。

---

根据技能偏向型技术变革理论（Acemoglu & Autor, 2011），新型电网的数字化和智能化特征属于技能偏向型技术——它增加对高技能劳动者（数据分析、智能调度）的需求，同时替代部分常规性电力运维岗位（人工巡线、手动调度）。从任务框架看（Autor, Levy & Murnane, 2003），新型电网自动化替代的是"程式化任务"（routine tasks），但增加了"抽象任务"（系统优化、故障预判）和"手动非程式化任务"（现场应急抢修）的需求。根据Moretti（2010）的本地就业乘数理论，电网投资对就业的效应远超直接雇佣——特高压工程每增加1个高技能岗位，通过本地消费和供应链需求，额外创造1.5-2.5个不可贸易部门（零售、餐饮、教育）的就业岗位。

据此提出以下假说：
- H1：特高压工程开工后，地级市电力行业高技能岗位（大学及以上学历）占比显著上升3-5个百分点，中等技能岗位占比下降，就业结构向技能高端偏移。
- H2：新型电网相关岗位（电力聚合运营员、电力可靠性管理员等）的技能溢价约为20-40%，高于传统电力运维岗位——掌握数字化技能（数据分析、AI调度）的劳动者获得显著工资溢价。
- H3：新型电网投资的本地就业乘数约为2.0-3.0（每1个直接就业岗位额外创造1.0-2.0个间接就业岗位），高于一般基础设施投资的乘数。
- H4：传统电力从业人员向新型电网岗位转型面临显著的技能匹配障碍——年龄越大、学历越低的从业者转型概率越低。

核心识别挑战：电网投资地点并非随机选择——经济增长快、就业市场活跃的地区更可能获批特高压项目。采用两种策略：一是DID，利用"十五五"规划特高压通道明确选址作为准自然实验，以工程施工时间作为处理时点；二是Shift-Share（Bartik）工具变量——将国家层面特高压投资的行业分布与地方初始行业就业结构交互，构建外生的地方就业冲击。使用事件研究法验证平行趋势假设（开工前，处理组与对照组的就业结构无显著差异）。个体层面，使用Mincer工资方程加入"是否新型电网相关岗位"哑变量及"岗位×教育年限"交互项，估计技能溢价。

地级市层面基准DID模型：

Emp_{i,s,t} = α + β · (Treated_i × Post_{i,t}) + γ · X_{i,t-1} + μ_i + λ_t + ε_{i,t}

其中 Emp_{i,s,t} 为地级市 i 的行业 s（电力、燃气及水的生产和供应业）在 t 年的高技能岗位占比（大专及以上学历从业人员/总从业人员）。Treated_i 为特高压工程所在地级市哑变量，Post_{i,t} 为开工后哑变量。关键参数 β 预期为正，表示特高压工程显著提升本地电力行业高技能岗位占比。

个体层面Mincer工资方程扩展：

ln(Wage_{j,t}) = δ₀ + δ₁ · NewGrid_j + δ₂ · Edu_j + δ₃ · (NewGrid_j × Edu_j) + δ₄ · Exp_j + δ₅ · Exp²_j + ρ · Z_j + ζ_{j,t}

其中 NewGrid_j 为个体 j 是否从事新型电网相关岗位（0/1），Edu_j 为受教育年限，交乘项系数 δ₃ 捕捉新型电网岗位对教育回报率的额外提升（技能溢价）。

地级市层面：被解释变量为电力行业高技能岗位占比——高技能定义为大专及以上学历从业人员占行业总从业人员的比例（全国人口普查2010/2020 + 1%人口抽样调查其他年份）。核心解释变量：特高压工程项目所在地级市哑变量（根据国家能源局批复文件编码）× 开工后时期哑变量。个体层面：被解释变量为对数月工资（CLDS中国劳动力动态调查，2012-2028年）；核心解释变量为"是否新型电网相关岗位"——根据职业编码匹配国家职业分类大典中电力聚合运营员、电力可靠性管理员等新增职业代码。

• **替换处理组定义**：以"特高压工程影响范围50公里缓冲区内的地级市"为替代处理组定义（考虑通勤区效应），检验结论是否对处理组定义敏感。
• **排除人口迁移效应**：控制地级市人口净流入率，检验电力行业高技能岗位占比的上升是否由高技能人口迁入驱动，而非本地劳动力技能转型——若人口迁移是主因，则政策含义完全不同于"本地劳动者能够通过培训实现转型"。
• **安慰剂检验**：随机分配虚假的特高压开工地点和时点，重复500次模拟，检验真实DID估计量是否显著高于安慰剂分布的第95百分位。
• **替换技能溢价估计方法**：使用Heckman两步法校正就业选择偏误（选择从事新型电网岗位本身可能内生于能力），与基准OLS结果对比。