新能源產業補貼政策差異比較：R&D補貼，生產補貼還是消費補貼

高新偉 閆昊本

摘要 清潔低碳的新能源是中國調整能源結構的主攻方向，如何利用有限的補貼資金加快新能源產業的發展步伐，必須從產業鏈不同環節實施補貼效果差異程度進行分析，確保新能源補貼政策執行效果最優。本文在Acemoglu的偏向性技術進步框架下修正模型設定，引入碳減排目標約束，從產業鏈視角將目前的新能源補貼政策分為直接R&D;補貼、中間生產補貼與終端消費補貼，將補貼政策與模型中廠商的R&D;部門、中間產品生產部門、最終產品生產部門結合，通過數理演繹不同環節補貼政策對新能源產業的預期利潤與技術進步率的影響，并在此基礎上結合中國實際二氧化碳排放數據、能源類專利數和已有相關研究進行了參數校準與數值模擬分析。研究發現：①當前的新能源產業補貼政策可分為直接R&D;補貼、中間生產補貼和終端消費補貼，在新能源產業的不同環節實施補貼政策的效果不同，給定相同補貼比例時，在中間環節實施生產補貼對新能源產業預期利潤與技術進步率的激勵效果最好。②在基礎參數設置與參數值變動時，中間生產補貼均具有最好的政策效果，但具體實施效果會受新能源技術對碳減排的作用強度、兩部門替代彈性、研發成功概率與機器設備產出彈性等參數變動的影響。③產業技術水平的提升可以打破路徑依賴，避免產品同質化和產能過剩，補貼政策對新能源產業技術進步的促進作用要建立在政策實施方式變動的基礎上，通過細化補貼方式、監督發放過程和追責騙補行為，改善中國新能源補貼政策的實施方式，推動持續技術進步。

關鍵詞 新能源；產業鏈；補貼政策；數值模擬

中圖分類號 F205

文獻標識碼 A文章編號 1002-2104（2018）06-0030-11DOI：10.12062/cpre.20171223

《能源發展“十三五”規劃》中提出，“十三五”時期將是實現非化石能源消費比重達到15%目標，2030年前后碳排放達到峰值的關鍵期，中國應將發展清潔低碳能源作為調整能源結構的主攻方向。已有研究證明，偏向能源節約和清潔生產的綠色技術進步是二氧化碳排放水平隨經濟增長而下降的重要原因[1]。隨著當前大規模儲能、石墨烯材料等新能源產業發展的關鍵技術的突破，能源發展已進入創新驅動的新階段，技術進步是解決新能源產業成本困境、實現能源轉型的根本手段，而目前新能源產業的技術進步由于其本身產業技術與需求市場的不成熟，需要政府的扶持與引導[2]。新能源補貼政策作為政府重要產業的扶持手段，其主要目標應為如何提高新能源技術水平，由此帶來的實際效果遠遠大于補貼本身。

本文主要研究新能源產業不同補貼政策對技術進步促進作用的差異，之所以聚焦于此，主要是出于以下原因：首先，中國有較為完整的工業體系，存在大量需要扶持的戰略性新興產業，在對新能源產業進行補貼時要考慮補貼政策對企業預期利潤與技術進步的影響。其次，當前中國在新能源產業鏈的各個環節均存在補貼，隨著經濟環境的日益復雜與新能源產業的不斷發展，在哪個環節實施補貼才能更好的促進產業技術進步是政策設計中亟須考慮的問題。最后，目前的新能源產業補貼政策研究中從能源產業鏈視角進行的理論與實證分析相對不足，無法為補貼政策的細化提供足夠的理論支持。因此，本文在Acemoglu提出的偏向性技術進步分析框架下，將模型各部門與新能源產業鏈結合，比較補貼政策分別集中于技術研發、生產制造與終端消費環節時對技術進步激勵效果的差異，并在此基礎上結合中國2000—2015年的環境數據進行參數校準與數值模擬。

1 文獻綜述

已有的研究文獻主要從補貼政策對戰略性新興產業的影響、偏向性技術進步分析框架的應用、不同新能源政策的有效性評價及效果比較三個方面為本文提供了啟示和支撐。

政府補貼政策對新興產業創新的影響一直是產業政策領域的研究熱點。大部分研究認為研究與開發（R&D;）是技術與知識增長的源泉，政府有必要對戰略性新興產業進行創新補貼以糾正R&D;活動的市場失靈與投資不足[3-4]。中國的創新補貼政策也是備受關注的問題，很多文獻從補貼政策的績效評估、要素扭曲、影響機制與政策強度等角度進行了實證研究，這些研究普遍采用中國工業企業的數據，以中國制造業企業的創新能力作為被解釋變量，分析當前的補貼政策對企業創新的影響[5-7]，研究普遍認為補貼政策設計應從產業鏈角度出發，建立創新導向的產業扶持模式，并將光伏產業等作為戰略性新興產業進行分析，與已有研究相比，本文重點考查了在不同環節實施補貼政策能否通過推動新能源產業技術進步實現政府的碳減排目標。

Acemoglu提出的偏向性技術進步分析框架是在內生技術進步理論基礎上對Hicks技術偏向理論的演進[8-9]。該方法將技術進步方向內生化，系統的研究了新興技術偏向及其影響因素，可以較好的從理論角度解釋政策因素對技術偏向的影響與技術進步的路徑依賴效應等[10-16]。從研究結果來看，補貼、稅收、排污權交易制度等環境政策均將影響部門的技術偏向，但對于不同政策的效果差異程度，其結論不盡一致。本文同樣利用此模型，重點考慮政府對新能源產業的補貼政策，比較不同環節補貼政策對技術進步影響機制的差異。

目前，對新能源補貼政策的研究主要聚焦于對不同政策的有效性評價與效果比較方面。不同的新能源補貼政策作用機理不同，其政策的有效性也存在差異[17-21]，也有學者討論了環境政策對新能源技術進步的影響程度[22-24]，證明將研發投入從非清潔方向轉向清潔方向是推動環境質量長期改善的關鍵。大多數研究證明補貼政策是政府糾正市場失靈的有效手段，可以促進環境質量提升，但對有效性的評價尚無統一認識。

從中國的新能源產業鏈研究來看，楊帥將電力作為新能源產業鏈的終端產品形式，分別以風電與光伏為例，對國家層面的新能源補貼政策從產業鏈角度進行梳理，其中風電產業主要包括能源基礎技術研發、設備制造、電場建設、電網運營、消費環節[25]；光伏產業則分為上游研發環節、中游設備與系統部件制造環節、下游系統集成建設與運營管理環節[26]，結論還認為未來研究需沿產業鏈對補貼政策進行微觀分析，進而對政策進行合理調整。

趙海濱則將新能源產業鏈分為能源資源、研發、投資與生產、上網輸送與消費五個階段，對2005—2014年中國發布的47種政策文件進行了文本分析，認為未來的補貼政策方向應轉向研發環節[27]，從當前的新能源產業研究中不難發現，大多數研究結論都認為對研發環節實施補貼是推動產業技術進步的重要方向，但由于產業鏈上中下游的相互影響與技術協同，對各個環節實施補貼均會促進產業的研發創新與技術進步。我們考慮到目前中國的新能源產業以風能和太陽能為主，從技術進步的角度將新能源產業鏈劃分為研發、生產、消費三個環節如圖1所示，每個環節都包括可以實施補貼的具體環節，如在生產環節，可能對原料和零部件的生產進行補貼。對各個環節實施補貼政策均可為新能源產業帶來預期利潤，推動產業技術進步，但不同環節的補貼對技術進步的促進效果存在差異，在財政資金有限的情況下，如何在合理的環節實施補貼，實現激勵效果最大化是亟待解決的問題。

2 理論模型

Acemoglu在偏向技術進步框架中加入環境目標與資源耗減因素，這種分析方法在研究中也被稱為AABH模型，該模型可用以考量清潔技術與污染技術對環境政策的內生性回應。本文的基本模型考慮了一個時間段t內補貼政策的作用效果，包含四類經濟主體，分別從廠商和政府方面進行了設定。廠商包括R&D;部門、中間產品部門與最終產品部門。R&D;部門投入資金推動產業的垂直技術進步；中間產品部門主要生產與制作機器設備；最終產品部門表示產業鏈終端產出。政府部門通過實施補貼政策以促進新能源技術進步，實現環境目標。模型將“新能源”視為補貼品，“傳統能源”視為非補貼品，建立新能源產業鏈與廠商各部門的聯系，分析政府在R&D;環節、中間生產環節、終端消費環節采用補貼政策對新能源產業技術進步的影響。

2.1 最終產品部門

一國的經濟產出與要素投入密切相關，為考量不同環節新能源補貼政策的作用效果，本文假設市場中只存在唯一的最終產品Yt，由傳統生產部門D和清潔生產部門C兩部門組合生產，清潔部門使用新能源技術和設備進行生產不產生碳排放，傳統部門使用傳統化石能源技術和設備進行生產產生碳排放，利用固定替代彈性的CES生產函數描述產出過程為：

式（1）中，t期最終產品，清潔產品和傳統產品的數量分別用Yt、Yct和Ydt表示，ε表示兩部門之間的替代彈性，且設定ε>1，即兩部門產品總體上呈替代關系。假設清潔產品與傳統產品是壟斷競爭關系，清潔產品和傳統產品的價格分別為Pct和Pdt。

假設Yct和Ydt的生產使用勞動和機器設備兩種要素，投入品規模報酬不變，生產函數中技術進步體現為資本節約型，可設t時期兩部門生產函數為：

其中α∈（0，1），表示Yjt相對于機器設備投入xjit的產出彈性，即中間產品的產出貢獻率；j∈{c，d}，表示生產部門是清潔或者傳統部門；Ljt代表t期j部門的勞動投入量，也代表j部門的市場規模；Ajit表示t期j部門i類型機器設備的技術水平與技術性質，是決定技術是高碳傳統部門還是低碳清潔部門的關鍵變量。

2.2 中間產品部門

中間產品生產部門主要生產機器設備，機器設備生產廠商均有無窮多個，其中任何一個廠商憑借自身特有的唯一的機器設備xjit獲得壟斷利潤，所有中間廠商都是同質的，將各種類型的機器設備投入之和標準化為1，投入λ單位最終產品可以獲得一單位機器設備，則機器設備生產廠商的利潤函數為

2.3 R&D;部門

經濟體的技術進步采用熊彼特的理論，即技術是升級替代的，技術升級依賴R&D;活動帶來的機器設備質量提升或更新換代。機器設備廠商的生產創新類似于實驗室設備形式，研發活動服務于所有中間產品生產廠商，進行垂直技術創新，Acemoglu等提出的導向型技術進步描述了產品技術水平的持續提升，是垂直技術創新的簡易表達。在t時期，當前技術水平可以在前一期基礎上提升ξjit，ξjit為企業在t期的技術進步率。

本文主要考慮新能源產業補貼政策對部門技術進步率的影響，與Acemoglu設定技術進步率不變不同，設定技術進步率可變。

研究忽略部門之間的技術溢出，即傳統生產技術的提高不會帶來清潔生產技術水平的提高。R&D;活動與企業的新技術研發資金投入有關，Zjit為R&D;部門用于研發新機器設備的資金投入量，研發投入Zjit與技術進步率ξjit的關系滿足zjit=μjξ1+ζjit，μj代表j部門研發成功的概率，ζ為成本參數且ζ>1。R&D;部門投入資金推動產業的垂直技術進步，i企業在t期選擇最優技術進步率以實現最大的總利潤，總利潤為銷售利潤減去研發投入，即

2.4 碳減排目標約束

化石能源消費是碳排放的重要來源，政府通過降低化石能源消費與化石能源技術和機器設備的使用來實現碳減排目標，本文主要考慮碳排放對環境質量的負作用，與Acemoglu的設定不同，本文主要考慮新能源產業技術進步對中國實現碳減排目標的影響，模型設定傳統生產部門消費高碳的傳統化石能源，使用化石能源技術和機器設備，清潔部門消費低碳的新能源，使用新能源技術和設備。碳排放量Et與經濟體的總產出Yt和排放生成系數ρt有關，可得公式為

3 模型均衡求解

在微觀分析中，價格是核心的經濟要素，成本和價格的關系決定了企業的盈虧狀態，其預期利潤決定了企業的產業選擇，當新能源部門具有盈利優勢時，可以帶動研發人員更加積極的進行科研活動。根據Acemoglu的處理方法，由最終產品部門與中間產品部門利潤函數，取利潤最大化條件，可得清潔生產部門相對于傳統生產部門的利潤比為

在補貼政策存在條件下，企業預期收益是否發生變化是進行決策的重要標準，根據基本模型的框架，本部分將著重分析產業鏈不同環節補貼政策對新能源產業發展的影響，即補貼政策如何增加企業的預期利潤，促進產業技術進步，分析框架如圖2所示。由模型框架中對企業生產預期利潤、技術進步率和環境約束的描述分析出得出以下主要結論。

3.1 不同補貼政策對于企業預期利潤的影響

命題1 直接R&D;補貼，中間生產補貼，終端消費補貼額度增加均可增加清潔技術生產部門的相對預期利潤，促進新能源產業發展。不同補貼政策對企業盈利的激勵效果不同，影響程度為中間生產補貼>消費補貼>直接R&D;補貼。

直接R&D;補貼：直接R&D;補貼即科研人員選擇在清潔部門進行R&D;活動時實施補貼，政府給予企業R&D;活動的補貼和稅收優惠是較為普遍的扶持新興產業的手段，會直接刺激新能源研發創新，推動行業技術進步。假定補貼比例為h1，則通過利潤函數可得清潔部門研發成功后的預期利潤為其利潤最大化問題，可概括為

本文考慮一個t時間內補貼對研發預期利潤的影響，此時傳統部門預期利潤不變，則考慮補貼政策時利潤比如表1所示。

3.2 不同補貼政策對部門技術進步率的影響

命題2 新能源補貼政策會影響兩部門的相對技術進步率，在不同環節實施補貼政策效果不同，在給定相同補貼水平時，對相對技術進步率的激勵效果大小排序為中間生產補貼>終端消費補貼>直接R&D;補貼。

求解模型比較在不同階段實施補貼政策時的技術進步水平，直接對R&D;活動進行補貼時，將（13）式帶入可得利潤最大化問題為對式（16）求解一階條件可得技術進步率為

式（18）表明，兩部門整體相對技術進步率受部門的研發成功率、政府的補貼政策、當期產品價格、前期技術水平和當期部門規模影響，此式中的補貼政策項（1+h1）表示直接R&D;補貼對兩部門相對技術進步率的影響。

由此式還可看出兩部門相對技術進步率會受前期的技術水平、進行R&D;活動的研發成功率與當前市場規模的影響，意味著技術進步要建立在當前技術水平與產業發展狀況的基礎上，存在“路徑依賴”效應。在當前經濟發展中，沒有補貼政策介入時，化石能源的資源稟賦與先發優勢，使其具有更高的技術水平與更快的技術進步率，這種“路徑依賴”效應也使新能源產業長期處于較低的技術水平與較慢的技術進步率，帶來產品同質化嚴重和產能過剩，而技術進步可以通過提高產業技術水平避免產品同質，實現產品消納。

由式（20）可以得到，取前期技術水平與當期技術水平近似相等，兩部門長期整體相對技術進步率由當期相對技術水平與研發成功概率決定，已知φ≡（1-α）（1-ε），0<α<1，ε>1，得到φ<0，即長期來看，相對技術水平較高的部門有較高的技術進步率。由式中補貼項為[1/（1+h1）]φ，可得出通過實施直接R&D;補貼政策可以長期推動清潔技術進步的結論，同時補貼政策對技術進步率的提高可以直接提升部門的當期技術水平，通過技術進步打破路徑依賴，避免低水平同質化過剩產品 。

該研究結論與以往如趙海濱、王宇和劉志彪[28]等的研究結論不同，這種不同是因為在以往研究中認為生產補貼流入生產部門只是增加了短期內該產業的產出，對企業的研發活動與技術進步沒有任何激勵作用，這也是以往研究認為大量生產補貼造成產品過剩與產品同質化的原因。以往的研究設定適用于產業鏈缺乏聯動的情形，在這種情形下企業規模較小，產業鏈上缺乏有效利潤分配，資金流通不暢，無法將補貼政策帶來的利潤投入R&D;部門進行研發創新，新能源產業長期處于較低的技術水平。隨著企業規模增大與產業鏈上下游各企業合作的增加，企業自身研究部門的研發創新增加，以及企業與高校研究所合作項目的增加，產業技術與企業的對接成為可能。在產業鏈協同創新的情景下，本文模型設定考慮了部門預期利潤，更符合當前的企業運營規律。新能源企業將利潤投入研發實現技術進步是企業快速發展，獲得核心競爭力的關鍵。以光伏為例，原料提煉技術和生產線核心關鍵設備制造是限制光伏技術發展的主要壁壘，日本夏普與中國英利就通過產業鏈協同，投入大量資金，實現了技術突破。

當前中國新能源產業發展中仍然存在的產品同質化與產能過剩問題，是較低的技術水平導致的“路徑依賴”現象，即模型中技術進步率的比值受Act-1/Adt-1與Lct/Ldt的影響，盡管已有大量的生產補貼政策，如對設備和零部件的制造補貼等，但由于當前企業規模較小，缺乏自主創新能力，產業鏈聯動不足，存在違規和騙補等行為，生產補貼沒有很好起到促進企業研發創新的作用，路徑依賴的打破需要通過技術進步提升產品的質量水平，生產補貼盡管是促進產業技術進步最有效的方式，但在實施中還應通過細化補貼方式，推動產業鏈協同技術創新來放大政策效果。

綜上，本部分通過數理模型演繹得出中間生產補貼對產業技術進步具有較好的促進效果，并通過對技術水平的提升打破路徑依賴，避免產品同質化與產能過剩的結論。當前的補貼政策應該充分考慮新能源企業的發展情況，細化補貼方式，推動產業協同創新，通過生產補貼推動產業技術進步。

4 參數校準

上文中表1與式（22），（25），（26）是在產業鏈不同環節實施補貼政策時通過模型均衡求解的部門預期相對利潤與相對技術進步率的影響機理，證明本文提出的命題1與命題2即政府實施補貼政策時的政策激勵效果大小排序為中間生產補貼>終端消費補貼>直接R&D;補貼。由于公式較為復雜，無法直觀表現各種補貼方式對解的影響，而均衡解的大小與參數ε、α、θ、μ和κ有關，因此可采用數值模擬的方法進行分析，首先需要參照中國的實際經濟發展與環境變遷情況與已有相關研究進行參數校準，即估計參數κ并賦予其他各參數實值以求出不同補貼方式下的數值解，然后進行理論分析。

由上文得到的可估計參數lnρt=c-κlnAEt可估計參數k，表示中國新能源相關技術對碳減排的影響程度，作為模型的碳減排目標約束。其中Et=ρtYt，即由ρt=Et/Yt可得到參數ρ的時間序列，本文中的碳排放量Et采用中國歷年的二氧化碳排放量數據，總產出Yt采用中國歷年的GDP數據表示，得到的圖3為中國從1965—2015年的二氧化碳排放量與GDP變化，由圖3所示可以發現改革開放后中國的二氧化碳排放量與GDP均呈現高速增長狀態，在2010年前后中國將碳減排提上日程，積極應對氣候變化，二氧化碳排放量的增速逐漸放緩。

AEt為總的能源技術水平，限于數據的可得性無法直觀表示它，經過現行三種表達方法比較，認為Dechezleprêtre[29]、鄢哲明[30]的專利分類與查詢辦法比較接近真實水平，因此，基于歐洲專利局的全球專利數據庫（EPO Worldwide Patent Statistical Database，PATSTAT），編寫MySQL語句，查詢和統計如表2所示的中國能源類發明專利數量，并將其作為能源技術水平AEt的代理指標，同樣表2還給出了能源類專利中新能源技術類專利與傳統化石能源類專利的CPC分類號，通過這種方法查詢得到新能源專利數與化石能源專利數的比值變化如圖4所示，由此表明新能源技術進步的變化情況。

由圖4可以發現從2000—2015年中國的能源類專利數一直持續上升，而新能源專利與傳統化石能源專利的比值則在2010年后，即從中國積極應對氣候變化開始逐漸上升，呈現較高的增長率，到2015年比值已達3.28。

由單位GDP的碳排放量ρt，能源技術水平AEt，將數據取對數后通過最小二乘可估計參數κ的值為0.42，其他主要參數的設置主要參照已有研究，最終產品CES生產函數中傳統生產部門與清潔生產部門的替代彈性ε，借鑒Acemoglu等與Mattauch等的設定，分別考慮ε=3，ε=5兩種情景。α為機器設備產出彈性，Reis等與張俊設定α為0.6，鄭麗琳等設定產出彈性為0.36，Acemoglu等則將α設定為0.33，本文的基礎參數設置研究借鑒Reis[31]的研究，令α為0.6，并設定α=0.3的情景以考察參數變動的影響。θ=1-φ=1-（1-α）（1-ε），即由ε與α的取值可確定θ值。μ表示研發成功的概率，參考Acemoglu的設置，取傳統生產部門研發成功的概率為0.4，清潔生產部門研發成功的概率為0.2，基本參數校準結果如表3所示。

5 數值模擬

首先采用基礎參數即ε=3、κ=0.42、μd=0.4、μc=0.2的情形進行分析，數值模擬結果如圖4所示。

圖5顯示，在基礎參數的情景下，直接R&D;補貼、中間生產補貼、終端消費補貼的增加均對新能源技術進步有正向作用，其促進作用大小排序為中間生產補貼>終端消費補貼>直接R&D;補貼。同時圖5還顯示隨著補貼比例的增加，中間生產補貼對相對技術進步率的影響程度遠遠大于終端消費補貼和直接R&D;補貼。以上數值模擬結果顯示，在AABH模型框架下進行分析，財政資金有限的情景下，進行中間生產補貼是促進清潔生產技術進步最有效的補貼政策。

兩部門替代彈性將會隨著基礎設施建設情況的變化而變化，在基礎參數數值模擬中本文設置ε=3。為分析替代彈性變化時的均衡解的變動情況，本文借鑒Mattauch的處理方法，設置ε=3，ε=5兩個對比組，變動情況見圖6-1。比較此時的兩部門相對技術進步率可以發現。ε=5時補貼政策對兩部門相對技術進步率的促進作用要小于ε=3的情景，即替代彈性的增長會同時帶來相對技術進步率的減小，新能源補貼政策的效果將會隨著基礎設施建設的加強而減弱。

在參數設置中本文根據中國的近年來的實際經濟發展、碳排放與能源技術進步情況估計了κ值為0.42，依據κ的定義，κ可以代表新能源技術在整個能源系統中的技術占比，表征新能源技術對碳減排的作用強度。為直觀化表示參數κ的影響，設置對比組κ=0.5，變動情況如圖6-2中所示，由κ值變動的模擬結果與基礎參數對比顯示，κ值的增大可以增強新能源補貼作用的實施效果。

參照Acemoglu的設置，本文基礎參數設置采用μd=0.4，μc=0.2部門研發成功概率較小，若設置μd=0.2，μc=0.4，使清潔部門具有更大的研發成功率進行對比分析，觀察研發成功率變動對均衡解的影響，模擬結果如圖6-3所示。此時雖然中間生產補貼仍然對兩部門相對技術進步率具有最好的促進作用，但明顯當清潔部門的研發成功概率增大時，補貼政策對于相對技術進步率的促進作用減小，補貼政策的效果隨著產業技術進步與研發力度增強而下降。

機器設備產出彈性α的變動同樣會影響數值模擬結果，本文的基礎參數設置參照Reis的研究，設置α值為0.6，而在Acemoglu的研究中，α被設定為0.33，為考察α值變動對模型均衡解的影響，設置對比組α=0.3如圖6-4所示，數值模擬結果顯示α值為0.3時相對技術進步率小于基礎參數模擬結果，即α值的減小會減弱補貼政策的實施效果。

以上數值模擬結果說明不同參數設置下中間生產補貼均具有最好的政策效果，其中κ作為新能源技術對碳減排的影響程度，κ值的增大將增強新能源補貼作用的實施效果，而替代彈性ε的增加將會減弱補貼政策的實施效果。補貼政策的實施效果還會隨著清潔生產部門研發成功概率μc的增大與機器設備產出彈性α的減小而減弱。

6 結論和政策建議

新能源補貼政策的關鍵是政策的實施能否為企業帶來的利潤并將其投入研發創新，形成對產業技術進步的激勵。本文在AABH模型的框架下，將模型中廠商的R&D;部門、中間產品生產部門、最終產品生產部門與新能源產業鏈的研發、生產、消費環節結合，探究不同環節補貼政策對新能源產業盈利能力與技術進步的激勵效果，并采用中國的能源技術進步和二氧化碳排放數據與已有研究結論設置參數進行了數值模擬。

研究結果表明：直接R&D;補貼、生產補貼、消費補貼比例的增加均可增加新能源技術生產部門的預期相對利潤，形成產業的盈利優勢，其中政策的促進效果為中間生產補貼>終端消費補貼>直接R&D;補貼；新能源補貼政策會影響兩部門的相對技術進步率，在給定相同補貼水平時，在不同環節實施補貼政策效果不同，對相對技術進步率的激勵效果排序同樣為中間生產補貼>終端消費補貼>直接R&D;補貼。生產補貼對新能源企業預期利潤與技術進步率的激勵效果最好，財政資金有限時，應優先選擇中間生產補貼。同時補貼政策帶來的技術進步有利于解決新能源產業發展中存在的產品同質化與產能過剩，但在實施政策時應充分考慮新能源企業的發展情況，細化補貼方式，推動產業協同創新；數值模擬結果說明，新能源技術對碳減排的作用強度k，替代彈性ε，研發成功概率μd和μc與機器設備產出彈性的變動均可影響政策的實施效果，新能源補貼政策應該對企業產業鏈協同創新進行扶持，確保企業通過中間生產補貼取得的利潤能夠投入R&D;部門，進而推動產業技術進步，實現良性循環。

基于上述研究結論，本文認為中間生產補貼對產業技術進步的促進效果最好，當前的新能源補貼政策應向生產環節傾斜，但模型考慮的技術進步是在產業鏈協同創新基礎上各部門之間有良好的聯動機制，中間生產補貼不會只增加大量的同質產品，帶來產能過剩問題。據此，本文建議中國政府從以下幾個方面進一步完善新能源產業補貼政策。

首先，補貼政策的制定要考慮激勵新能源企業產業鏈協同創新，在實施補貼時應側重對有自主研發能力企業的扶持，推動中小企業的產業整合及與科研機構合作，建立產業鏈中的有效聯動；其次，應細化補貼政策，保護企業知識產權，增加對擁有自主知識產權企業的生產補貼而不是以往的普惠補貼政策；最后，監督補貼發放過程，對惡意騙補追究刑事責任。

為了分析簡潔明了，本文只對在產業鏈不同環節的補貼政策作了單獨分析，沒有分析政策的共同促進效果；此外，模型考慮的是封閉經濟，假定能源同質，借鑒已有相關研究賦予各參數實值進行模擬分析，如果采取企業層面數據進行實證，則模型更加貼近現實，這將是下一步的重要研究內容。

參考文獻（References）

[1]ACEMOGLU D， AGHION P， BURSZTYN L， et al. The environment and directed technical change[J]. American economic review， 2012， 102（1）：131-166.

[2]周亞虹，蒲余路，陳詩一.政府扶持與新型產業發展——以新能源為例[J].經濟研究， 2015（6）： 147-161. [ZHOU Yahong， PU Yulu， CHEN Shiyi. Government support and development of emerging industries[J]. Economic research journal， 2015（6）：147-161.]

[3]BAUMOL W J. The freemarket innovation machine[M]. Princeton：Princeton University Press， 2002：93-97.

[4]TASSEY G. Under investment in public good technologies[J].The journal of technology transfer， 2004， 30（1）：89-113.

[5]陸國慶，王舟，張春宇.中國戰略性新興產業政府創新補貼的績效研究[J].經濟研究，2014（7）： 44-55. [LU Guoqing， WANG Zhou， ZHANG Chunyu. Research on the performance of subsidizing innovation for Chinese strategic emerging industry[J]. Economic research journal， 2014（7）： 44-55.]

[6]毛其淋，許家云.政府補貼對企業新產品創新的影響——基于補貼強度“適度區間”的視角[J].中國工業經濟，2015（6）： 94-107. [MAO Qilin， XU Jiayun. The effect of government subsidy on firms new product innovationan analysis based on the moderate interval of subsidy intensity[J]. China industrial economics， 2015（6）： 94-107.]

[7]張杰，陳志遠，楊連星， 等.中國創新補貼政策的績效評估：理論與證據[J].經濟研究，2015（10）： 4-17. [ZHANG Jie， CHEN Zhiyuan， YANG Lianxing， et al. On evaluating Chinas innovation subsidy policy： theory and evidence[J]. Economic research journal， 2015（10）： 4-17.]

[8]ACEMOGLU D. Technical change， inequality， and the labor market[J]. Journal of economic literature， 2002， 40（1）：7-72.

[9]ACEMOGLU D. Equilibrium bias of technology[J]. Econometrica， 2007， 75（5）：1371-1409.

[10]DAUBANES J， GRIMOUD A. Erratum to： taxation of a polluting nonrenewable resource in the heterogeneous world[J]. Environmental & resource economics， 2011， 49（2）：309-309.

[11]MATTAUH L， CREUTZIG F， EDENHOFER O. Avoiding carbon lockin： policy options for advancing structural change[J]. Economic modelling， 2012， 50（6）：49-63.

[12]AGHION P， DECHEZLEPRETRE A， HEMOUS D， et al. Carbon taxes， path dependency and directed technical change： evidence from the auto industry[J]. Journal of political economy， 2016， 124（1）：1-51.

[13]鄭麗琳，朱啟貴.能源環境約束下垂直技術進步、產業結構變遷與經濟可持續增長[J].財經研究，2013（7）： 49-60. [ZHENG Lilin， ZHU Qigui. Vertical technological progress， industrial structure change and sustainable economic growth under energy and environment constraints[J]. Journal of finance and economics， 2013（7）： 49-60.]

[14]景維民，張璐.環境管制、對外開放與中國工業的綠色技術進步[J].經濟研究，2014（9）： 34-47. [JING Weimin， ZHANG Lu. Environmental regulation， economic opening and Chinas industrial green technology progress[J]. Economic research journal， 2014（9）： 34-47.]

[15]董直慶，蔡嘯，王林輝.技術進步方向、城市用地規模和環境質量[J].經濟研究，2014（10）： 111-124. [DONG Zhiqing， CAI Xiao， WANG Linhui. The direction of technical change， urban land size and environment quality[J]. Economic research journal， 2014（10）： 111-124.]

[16]王俊.碳排放權交易制度與清潔技術偏向效應[J].經濟評論，2016（2）： 29-47. [WANG Jun. Carbon emissions trading system and biased clean technology effects[J]. Economic review， 2016（2）： 29-47.]

[17]RADER N A， NORGAARD R B. Efficiency and sustainability in restructured electricity markets： the renewables portfolio standard [J]. Electricity journal，1996（6）：37-49.

[18]WISER R， BOLINGER M， BARBOSE G. Using the federal production tax credit to build a durable market for wind power in the united states[J]. Electricity journal，2007， 20（9）：77-88.

[19]李慶.新能源消費補貼的微觀分析[J].財貿經濟，2012（12）： 134-139. [LI Qing. Micro analysis on subsidy of new energy consumption[J]. Finance & trade economics， 2012（12）： 134-139.]

[20]王紅梅.中國環境規制政策工具的比較與選擇——基于貝葉斯模型平均（BMA）方法的實證研究[J].中國人口·資源與環境，2016（9）：132-138. [WANG Hongmei. Comparison and selection of environmental regulation policy in China： based on Bayesian model averaging approach[J]. China population， resources and environment， 2016（9）：132-138.]

[21]SHEN J， LUO C. Overall review of renewable energy subsidy policies in ChinaContradictions of intentions and effects [J]. Renewable & sustainable energy reviews，2015，41（C）：1478-1488.

[22]SCHRANK W E. Introducing fisheries subsidies[M]. Rome： Food and Agriculture Organization of the United Nations， 2003：6-23.

[23]ZWAAN B C，Cvan D， GERLAGH R K，et al. Endogenous technological change in climate change modelling[J]. Energy economics，2002， 24（1）：1-19.

[24]GRIMAUD A， ROUGE L. Environment， directed technical change and economic policy [J]. Environmental and resource economics，2008， 41（4）：439-463.

[25]楊帥.中國可再生能源補貼政策的經濟影響與改進方向——以風電為例[J].云南財經大學學報，2013（2）： 64-74. [YANG Shuai. The economic impacts and the future development of Chinas subsidy policy on renewable energybased on the analysis of windpowered electricity generation[J]. Journal of Yunnan University of Finance and Economics， 2013（2）： 64-74.]

[26]楊帥.光伏產業：政策重要還是基礎研究重要？——基于國內外光伏產業研究的評述[J].當代經濟管理，2013（3）： 15-22. [YANG Shuai. Photovoltaic industry development： policy or basic research？—based on the review of PV industry research literature[J]. Contemporary economy & management， 2013（3）： 15-22.]

[27]趙海濱.政策工具視角下中國清潔能源發展政策分析[J].浙江社會科學，2016（2）： 140-144. [ZHAO Haibin. Policy analysis of the clean energy development in China under the perspective of policy tool[J]. Zhejiang social sciences， 2016（2）： 140-144.]

[28]王宇，劉志彪.補貼方式與均衡發展：戰略性新興產業成長與傳統產業調整[J].中國工業經濟，2013（8）： 57-69. [WANG Yu， LIU Zhibiao. Subsidies and balanced development： growth of strategic emerging industries and adjustment of traditional industries[J]. China industrial economics， 2013（8）： 57-69.]

[29]DECHEZLEPRTRE A， MARTIN R，MOHNEN M. Knowledge spillovers from clean and dirty technologies： a patent citation analysis[J]. Simpatic working papers， 2014， 183（1）：609-641.

[30]鄢哲明，鄧曉蘭，楊志明.異質性技術創新對碳強度的影響——基于全球專利數據[J].北京理工大學學報（社會科學版），2017（1）： 20-27. [YAN Zheming， DENG Xiaolan， YANG Zhiming. The impact of heterogeneous technological innovation on carbon intensitya global evidence based on patent statistics[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2017（1）： 20-27.]

[31]BALCO R A， NEVES S T. Human capital and overinvestment in R&D; [J]. Scandinavian journal of economics， 2007， 109：573-591.