上海市居民綠色電力支付意愿研究

吳力波+周陽+徐呈雋

摘要綠色電力在具有環保屬性的同時，生產成本也遠高于火力發電，因而其市場價格要高于傳統火電。在面對電力市場改革的政策背景下，需求側對綠色電力環境屬性的額外支付意愿是綠色電力保持市場競爭力、能夠持續發展的關鍵因素。上海是中國發展程度最高的城市之一，對上海市綠色電力發展的研究將為未來中國綠色電力的發展提供理論依據。因此，本研究使用雙邊界條件價值評估法測算了上海市居民對綠色電力環境屬性的額外支付意愿，并分析了影響該支付意愿的主要因素。結果表明，上海市居民對于綠色電力的支付意愿受到被訪者年齡、教育程度、收入水平、生活條件、對環境的敏感性等因素的影響；年齡較低、收入水平較高、教育程度較高的被訪者對綠色電力的額外支付意愿較高，相比于自有住房居民，租住用戶的支付意愿相對較低；居住在較為老舊住房的被訪者對綠色電力的額外支付意愿相對較高，該支付意愿也將隨著被訪者對上海市電價水平以及環境情況了解程度的加深而增高。進一步，根據本文對綠色電力支付意愿的測算結果，結合2016年居民部門用電總量及可再生能源發電比例，本文測得2016年居民部門的額外支付意愿能夠給予綠色電力約3.34億元的支持。本文認為，中國正處于高速發展時期，綠色能源的發展空間仍非常巨大，居民部門為代表的需求側將成為促進中國綠色電力發展的重要力量。中國應該充分發揮需求側的作用，進一步推進中國綠色能源的發展。

關鍵詞綠色電力；支付意愿；雙邊界條件價值評估

中圖分類號F124.5

文獻標識碼A文章編號1002-2104（2018）02-0086-08DOI：10.12062/cpre.20171111

近年來，中國的空氣污染問題更趨嚴重、應對氣候變化壓力與日俱增。改變以煤為主的能源消費結構，提高可再生能源等綠色能源的利用比例，將顯著降低各類污染物和溫室氣體的排放，提高公眾福利水平。一直以來，中國主要在宏觀層面制定綠色電力的使用目標，在供給側實施可再生能源上網電價補貼、投資補貼、貼息貸款等各種形式的直接補貼政策，激勵發電企業投資可再生能源。這些政策帶來了可再生能源裝機容量的快速增長，但是卻沒有解決需求側的激勵機制設計問題，可再生能源的消費需求并沒有被有效挖掘。由于電價管制所帶來的成本疏導不徹底、不及時既加劇了財政壓力，扭曲了可再生能源投資，也進一步限制了可再生能源需求的增長。2016年，中國重啟電力體制改革，火力發電價格有望下降，可再生能源的發展將面臨新的競爭性市場環境。在這樣的背景下，對需求側居民綠色電力支付意愿的精確度量將有助于政府可再生能源補貼的合理調整和適時退出，借助靈活的市場化手段產生有效的價格信號，激發消費者的綠色電力消費意愿，引導可再生能源的持續利用、避免火力發電成本競爭所帶來的不利影響。然而綠色電力的環境收益難以直接測量，在未建立電力交易市場的情況下也無法直接觀測。同時，上海市正在積極地開展電力市場化改革，并有望在近期取得較大進展，在未來會對綠色電力的生產、消費模式產生較大改變。上海是中國最為發達的城市之一，其智能電表的覆蓋率與使用率也居于全國領先位置，對于上海電力市場以及綠色電力的研究將為全國范圍的電力市場改革與發展提供經驗和政策依據。因此，本研究以上海市浦東新區居民為樣本進行了入戶調研，使用雙邊界條件價值評估法對上海市居民對綠色電力的支付意愿進行測算，對影響上海市居民對綠色電力的支付意愿的因素進行分析，旨在為電力市場競爭中需求側綠色電力的持續發展提供理論與現實依據。

1文獻綜述

中國目前仍未建立電力交易市場，因此無法直接從市場價格信號中獲取綠色電力環境屬性的需求側價值，需要通過間接手段對其支付意愿進行測算。對于商品支付意愿的間接測算方法中，入戶調研是以往相關研究中普遍使用的一種方法。本文對以往相關研究中支付意愿測算以及影響支付意愿測算結果的因素進行歸納與總結，從影響因素選擇以及方法選取兩個方面進行綜述。

1.1支付意愿的影響因素

個體對于某種商品的支付意愿將受到商品屬性以及個人收入情況影響，同時，不同商品對于個體的效用有所不同，因此，根據消費者行為學的研究框架，消費者行為受到其個體的資源稟賦、個性特征、生活方式等人口統計特征（Demographic Characteristics）因素影響。人口統計學特征具體包括性別、年齡、健康狀況、職業、受教育水平、婚姻狀況、文化背景、收入等指標。絕大部分文獻的研究結果證實，消費者對綠色電力的支付意愿與其個人或家庭的收入水平正相關[1-4]，但也有研究結果顯示被調查者的支付意愿與其收入水平負相關[5]，但相關估計參數在統計上并不顯著；幾乎所有文獻的研究結果都顯示，被調查者的年齡越高，其對綠色電力的支付意愿越低，但研究發現年齡在30歲以下和50歲以上的人群更愿意對綠色電力進行支付[6]；已有研究證實被調查者的受教育水平與其對綠色電力的WTP正相關[2， 5]，部分研究的計量結果表明被調查者的受教育水平與其對綠色電力的支付意愿負相關，但相關估計參數在統計上不顯著[7]；目前研究認為被調查者的家庭人口數量與其對綠色電力的支付意愿負相關[4]，也有研究表明家庭人口數量越少的被調查者越有可能選擇消費綠色電力[1]；此外，研究證實被調查者所在家庭的住房面積大小與其對綠色電力的支付意愿正相關[3]。

綠色電力創造的社會外部效益必須建立在電力直接使用價值的基礎上，因此居民對綠色電力的支付意愿很可能與其所在家庭的電力使用情況相關，部分文獻研究了這類影響因素。研究表明，被調查者所在家庭的用電量與其對綠色電力的支付意愿正相關；被調查者經歷電力短缺的頻率越高、節約用電的行為越頻繁，他出資支持綠色電力發展的可能性就越高[3-4]；被調查者所在家庭擁有的電腦數量與其對綠色電力的WTP正相關[1]。

綜上所述，居民對于綠色電力的支付意愿的影響將受到其個人屬性、家庭環境、生活條件等因素的綜合影響，由此本文在研究過程中綜合考慮了可能影響被訪者支付意愿的多種因素開展調研。endprint

1.2支付意愿的調研方法選擇

支付意愿（willingness to pay， WTP）是市場價格與消費者剩余的總和，以往研究認為只有支付意愿才能真正表示商品的價值[8]。綠色電力的總經濟價值包括直接使用價值和間接使用價值，前者可以通過電力的市場價格進行測量，但后者源于使用綠色電力產生的環境正外部性。然而，目前在中國尚不存在電力交易市場，綠色電力的間接使用價值無法通過綠色電力市場價格進行評估。

為了準確評估綠色電力的間接使用價值，本研究使用陳述性偏好方法中條件價值評估法對其進行測量。陳述性偏好方法（Stated Preference Method）是目前在相關研究中應用頻率最高的非市場價值評估技術，該技術在構建的假想市場環境中，通過詢問被調查者所獲取的回答來評估綠色電力的總經濟價值。陳述偏好法主要包括條件價值評估法（Contingent Valuation，CV）和選擇實驗法（Choice Experiment，CE），都可用來測算居民對綠色電力的支付意愿。

條件價值評估法直接向被調查者詢問其對享受環境改善及資源保護效益的最大支付意愿、或其對忍受環境及資源破壞后果的最低受償意愿（willingness to accept，WTA），將條件價值法應用于評估綠色電力總經濟價值的研究可追溯到1996年[9]。條件價值評估法的優點在于，它模擬了消費者在真實市場中的決策機制，只要求受訪者針對綠色電力的某一假設價格選擇“買”或是“不買”，更能激勵受訪者表達真實意愿[10]。已有研究采用單邊界選擇法（singlebounded dichotomous CVM，SBDC），通過詢問受訪者是否愿意每年額外支付固定額度的電費以幫助電力公司達成至2035年其80%的能源從清潔資源中獲取的清潔能源標準，來測算居民對綠色電力的支付意愿[11]。

但SBDC的缺點在于調研效率較低，詢問每個受訪者僅能獲取一組數據——某一個特定假設價格和一個“0”或是“1”的反饋數據，因此測算所需的樣本量較大。為了彌補這一缺陷，在SBDC的基礎上，發展出了雙邊界選擇法（doublebounded dichotomous CVM，DBDC）[12]。雙邊界選擇法相比于單邊界選擇法所需要的樣本數要少，效率較高。[13-14]然而雙邊界二分法模型依舊有一些統計上的誤差，已有研究表明，被訪者對于問題物品的不確定性會導致錨定效應（anchoring effect）；初始值的設定也會對于WTP的計算產生起點偏差影響（startingpoint bias）。這樣的誤差是由于被訪者可能會根據第一次問題給出的價格改變自己的支付意愿，從而導致第二次回答的不準確[15-16]。研究證明，問卷設計的投標值覆蓋范圍越大、個數越少，所測算出的WTP有效性越高，但平均WTP的有效性往往較低[17]。這樣的偏差可以通過加入錨定偏差系數以及初始值影響因子來消除，并且加入了反饋偏差系數的WTP計算結果往往高于原始模型的WTP結果[15， 18-19]。

選擇實驗法是通過讓被調查者在幾個方案中選擇最滿意的一項，來顯示被調查者對某一公共物品的偏好，每個方案均由該公共物品的幾個屬性狀態和價格組成。由于CE能夠評估某個商品單項屬性的邊際價值，因此用以測算消費者對使用混合能源的綠色電力的支付意愿[20]，目前測算居民綠色電力支付意愿的文獻中采用CE的，其研究重點大多與綠色電力來源的不同種類相關。CE的優勢還在于能夠將使用綠色電力產生的社會外部性精準、具體地傳遞給被調查者，因此近年來在相關文獻中被使用的頻率越來越高[21]。在采用CE測算居民綠色電力支付意愿的多數文獻中，備選方案都包括生產電力的能源組成結構、使用綠色電力產生的社會外部性和額外征收的電費價格三個維度屬性。具體來說，可以分為使用綠色電力可減少的碳排放情況[5， 22-24]；使用綠色電力可改善森林棲息地的情況[5]；提供使用綠色電力可改善生物多樣性的情況[23]；增加綠色電力的產地屬性[25]，提供生產電力所創造的長期工作職位情況等。

目前上海市綠色電力的種類、結構較為簡單且總量較低。綜合上述比較，CV方法相比于CE更適合本研究。同時，考慮到調研效率以及樣本數量的限制，本研究選用CV法中的雙邊界選擇法（DBDC）對上海市居民的綠色電力支付意愿進行研究。

2問卷與模型設計

2.1問卷設計

本次調查采用雙邊界選擇法模型對于被訪者的支付意愿以及信息對于被訪者支付意愿的影響進行研究。本研究在對上海市真實用電情況充分調研的基礎上進行了問卷的設計。在進行本問卷答題時，要求由家庭中主要進行電費支付、對家庭用電情況比較了解的住戶進行回答。

問卷主要包括四個部分。①居民用戶的基礎信息，包括家庭基本情況，被訪者信息等；②支付意愿的存在性，在介紹了綠色電力的基本屬性后，詢問被訪者是否愿意為綠色電力支付，如果被訪者選擇否，將繼續追問不愿意支付的原因；③被訪者對于環境的基本認知情況，主要包括對與霧霾天數的認知，霧霾情況的認知，采取的防霾措施等；④根據目前的電力價格，詢問被訪者是否愿意在當前電費的基礎上進行額外的綠色電力支付。

根據預調研結果，本研究將綠色電力的單位價格初始值設定為0.04元至0.18元，當被訪者面對問卷首次給出價格回答“愿意接受”時，第二次的初始值將上升0.02元，反之下降0.02元。本研究使用電子問卷對被訪者進行調研，在實際操作中幾乎不存在數據記錄錯誤等問題。

2.2支付意愿及被訪者選擇

本研究使用雙邊界模型進行支付意愿的測算[12]。本文假設被訪者是理性的，并且對于綠色電力有著自身的支付意愿W，并且其受到自身屬性以及信息了解程度的影響，W的表達式如下：

W=Xβ+ε （1）

其中，X為居民對綠色電力支付意愿的微觀影響因素，β是居民社會屬性的參數，ε為其他影響因素，符合方差為σ的正態分布。endprint

因此，被訪者的回答可以通過以下方式表達：

choice=1ifW≥borε≥b-Xβ

choice=0ifW

其中，b表示被訪者所接受到的投標值。被訪者認為問卷給出的價格高于自身的支付意愿時，其選擇不接受這個價格，反之被訪者選擇接受問卷價格。

2.3被訪者支付意愿的估計

對于一個殘差符合正態分布的雙邊界二分法支付意愿研究模型，可以采用極大似然估計的方法對被訪者的支付意愿進行估計[18]，其對數似然方程如下：

lnL=∑nchoice1=1choice2=1ln（1-Φ（b2-Xβσ））

+∑nchoice1=1choice2=0ln（Φ（b2-Xβσ）-Φ（b1-Xβσ））

+∑nchoice1=0choice2=1ln（Φ（b1-Xβσ）-Φ（b2-Xβσ））

+∑nchoice1=0choice2=0ln（Φ（b2-Xβσ））（3）

其中，Φ為正態分布的累計分布函數，b1和b2分別是被訪者面對的第一次、第二次投標值。根據式（3）可以使用極大似然法，對被訪者的社會屬性參數以及信息影響因子進行估計，從而計算被訪者的支付意愿。

然而，如上文所述，雙邊界二分法模型在使用時會面臨一些誤差，以往研究表明其主要誤差為錨定效應（Anchoring Effect）或起點偏差（Starting-point bias）。錨定效應主要指被訪者會對于問卷初始給予的價格進行反饋，從而在第二次回答前，改變了自身的支付意愿，其支付意愿會向問卷首次給出的價格方向移動，具體可以表示為：

W2=γb1+（1-γ）W （4）

其中，W2代表第一次回答后被訪者改變后的支付意愿，是真實支付意愿與第一次問卷給出價格的加權平均數，γ代表加權因子，可以通過極大似然估計的方法對γ的顯著程度進行測量，從而判斷調研中鎖定效應存在性。

考慮鎖定效應的對數似然估計方程可以通過以下方程表示：

lnL=∑nchoice1=1choice2=1ln（1-Φ（b2-γb11-γ-Xβσ））

+∑nchoice1=1choice2=0ln（Φ（b2-γb11-γ-Xβσ）-Φ（b1-Xβσ））

+∑nchoice1=0choice2=1ln（Φ（b1-Xβσ）

-Φb2-γb11-γ-Xβσ））

+∑nchoice1=0choice2=0ln（Φ（b2-γb11-γ-Xβσ）） （5）

此外，初始值誤差模型給出了另一個測量雙邊界二分法模型誤差的方法。通過加入初始值啞變量，進行誤差測量，可以對于被訪者對初始值的“依賴程度”進行測算，從而表明被訪者對與初始值的偏向性。其方程如下：

W=Xβ+δSTART+ε （6）

其中，START代表初始值啞變量，δ代表初始值對于被訪者支付意愿的影響程度，將（6）式替代（1）式中W，并使用（3）的對數似然方程進行參數的估計。

3支付意愿的影響因素分析

3.1調研信息統計

本次研究收集了上海市浦東新區居民共計1 347份樣本。浦東新區是上海市重要的行政區之一，其地理位置包含了上海市內環、中環、外環等區域，能夠涵蓋快速發展、高收入區域以及發展相對落后區域，是上海市居民的代表區域之一。

表1是對于樣本社會經濟數據與相關數據庫的描述性統計與比較，第一列代表樣本的基本統計數據。由于本次調研集中于上海市浦東新區，因此在進行數據比較時，本文同時使用了浦東新區與上海市的整體數據。但是上海市統計年鑒中缺少關于浦東新區居民的社會經濟數據信息，因此在進行比較時，本文同時使用了于2010年進行的上海市人口普查數據，并且將二者進行合并統一，使用年鑒數據與普查數據互為補充，從而完善描述性統計。例如，在上海市統計年鑒中缺少關于居民平均住房信息的數據，本研究使用人口普查數據中數據進行補充。表1的第二、三列為分別經過補充與合并的浦東新區與上海市居民的社會經濟統計信息，本研究將部分在統計年鑒中可以查得的數據對普查數據進行了替換并進行了標注。經過比較，除教育水平一項略有差異，樣本各項社會經濟統計指標與浦東地區以及上海市的人口統計指標基本一致，本次調研樣本具有代表性，因此本文結論可以在樣本基礎上在上海市進行擴展與推廣。

3.2支付意愿影響因素分析

本文結合了用戶的基本社會信息與對環境認知等變量，對于被訪者的支付意愿進行了研究。具體變量介紹見表2。

根據上述變量，本研究對被訪者對于綠色電力的支付

意愿進行了估計，結果見表3。本研究發現，在所有模型中，年齡、收入水平、教育程度、住房信息以及對環境以及電價的認知情況等基本變量都會對用戶對綠色電力的支付意愿產生影響。

表3中所有模型中，年齡、收入水平、教育程度、住房信息等基本社會信息變量都是顯著的，其都會對居民對綠色電力的支付意愿產生影響。結果顯示，年輕居民對于綠色電力的額外支付意愿要高于年長被訪者，相比于年輕居民，老年人受環境改善的正外部性效用時間更短；收入較高以及教育程度較高的人群更愿意為綠色電力支付額外費用，收入較高的人群，對于環境以及自身健康更為看重，對綠色電力也較為認同，綠色電力這種公共品對其帶來的效用更高。本研究進一步發現，被訪者的就業情況對于其支付意愿沒有顯著影響，但是被訪者的住房情況將對其支付意愿產生顯著影響，首先租住居民的支付意愿要低于非租住居民，這可能是由于租住居民電費往往以一個更高的單位價格上繳給房東，因此其不愿在電力消費領域接受更高價格；被訪者的住房面積越大，其支付意愿越高，因為住房面積大，所需的空氣、環境清潔設備也越多，成本也越高，因此，其更傾向于使用環境改善這種公共品替代私人消費；房齡越大，被訪者的支付意愿越高，新建建筑的通風、空氣處理等設備技術較新，部分新建小區甚至安裝了“新風系統”，其本身已經為自身環境改善支付了費用，并且家中空氣質量相對較好，對于環境改善這種公共品的支付意愿將降低；此外，居民對于目前電價的了解程度也將被訪者對于環境污染的抵御措施，如果完全不使用則該選項為0。