網絡效應對家庭分布式光伏發電行為的影響

梅應丹，邱紀翔，許杏柏，胡武陽

（1.中國石油大學（北京）經濟管理學院，北京 102249；2.廈門大學王亞南經濟研究院，福建廈門 361005；3.廈門大學經濟學院，福建廈門 361005；4.美國俄亥俄州立大學，美國俄亥俄州哥倫布 43210）

為積極響應習近平總書記提出的“四個革命，一個合作”的國家能源戰略，引領“綠色低碳”的全球能源轉型趨勢，實現2030年前碳達峰和2060年前碳中和的目標，加快風電、光伏等新能源的發展已成為當務之急。家庭分布式光伏項目（以下簡稱為“戶用光伏”）是安裝在居民家庭住宅頂層或者院落內的光伏發電系統，能夠靈活利用居民家中閑置面積進行光伏發電，充分利用集中式光伏項目和工商業分布式光伏項目所不能覆蓋區域的太陽能資源，提高可再生能源占比，推動綠色低碳能源轉型。截止到2020年年底，中國戶用光伏裝機容量為20.22 GW，僅占分布式光伏裝機容量的25.87%，全部光伏裝機容量的8.01%，仍然有很大的發展空間。到目前為止，中國一共出臺了27項補貼政策以支持戶用光伏的發展，此類政策獲得了學者們的一致認可，被視為推動戶用光伏發展的有效工具［1-2］。但補貼政策是不可持續的，中國正面臨著巨大的補貼缺口［3］，健康的行業發展呼吁減少或取消補貼以推進光伏發電平價上網工作，同時中國戶用光伏也具備補貼退坡的條件［4］。因此，探索激勵戶用光伏發展的“非價格”因素具有重要的現實意義。

行為經濟學認為居民的行為決策不僅取決于價格，也受到非價格因素的影響，如居民受教育程度等［5］。網絡效應（Network Effect）也是常見的非價格因素之一，是指在各種社會關系中，個體行為或決策受到其他個體的行為及決策的影響［6］，常被用于研究福利問題［7］、保險問題［8-9］和教育問題［10］等。戶用光伏的安裝成為居民之間相互交流的話題，網絡效應通過這種交流發生作用，包括攀比、模仿心理和傳遞信息等。在熟人社會中，未安裝居民對光伏發電的認知受到周圍已安裝居民使用體驗的影響。若已安裝的家庭因項目獲利或者對項目持正面評價，那么鄰居們安裝和使用的意愿會較為強烈；反之亦然。因此，探究網絡效應對戶用光伏發電行為的作用將有助于揭示非價格因素對居民能源消費和供給行為的影響，尋找光伏補貼退坡時期戶用光伏發展的新動力。

文章利用2019年于北京市昌平區開展的入戶調查問卷數據，使用空間Probit模型分析網絡效應對戶用光伏發電行為的影響。模型估計結果表明戶用光伏的安裝決策存在顯著的負向網絡效應，即生活在已安裝戶用光伏家庭周圍的居民更不愿意安裝光伏發電板，同時文章結果還表明居民偏好公共物品的心理和對補貼政策的了解程度分別對戶用光伏在居民間的推廣有顯著的負向和正向作用。

1 文獻回顧

1.1 網絡效應形成機制

網絡效應早期被運用在社會學相關研究中，用來分析社會規范與秩序對個人偏好的影響。社會學理論認為個人偏好會隨著周圍環境的變化而變化［11］。新古典經濟學假設個人偏好是獨立且外生給定的，不會受到周圍環境的影響［12］。這一較強的假設為經濟學分析提供了很多便利，但是忽視個體之間的聯系并不合理，也不符合實際情況。在放松個人偏好假設的背景下，Hayakawa等［13］提出參照群體理論，認為個人傾向于依賴低成本的啟發（heuristics）來做決策，即個人在行動之前會學習周圍其他人過去的行為，再結合自身條件做出決策。參照群體理論為網絡效應的分析提供了內在邏輯。Yang等［14］為上述行為的產生提供了三點理由：第一，參照群體行為能夠有效降低自身學習成本并提高行動回報預期；第二，參照群體行為有助于滿足個體自身想要與群體保持一致的愿望；第三，參照群體行為更容易于受到群體成員的贊揚。Manski［15］認為個人在參照或者模仿他人同類行為時受到的影響就是網絡效應。根據分組方式的不同，網絡效應有時候也被稱為鄰里效應（Neighborhood Effect，以空間位置信息分組）或者同伴效應（Peer Effect，以親屬、同事或好友等社交關系分組）。網絡效應是一種內生性影響（Endogenous Effect），應當與外生性影響（Exogenous Effect）有所區分。一般來說，兩者區別在于內生性影響的作用路徑是組內成員內生變量或者行為之間互相直接影響，而外生性影響的作用路徑是組內其他成員的外生特征或者外生行為對某成員的內生變量或者行為的影響［16］。

1.2 網絡效應識別方法

Manski［17］認為內生性影響與外生性影響相互作用，現有的線性均值模型的識別方法無法有效估計真實的內生性影響，并存在三個待解決的問題：①樣本自選擇問題，即影響形成組的因素也可能會影響決策過程；②關鍵因果變量相互影響問題，即組內成員之間存在相互影響問題；③遺漏變量問題。Blume等［18］認為上述問題是網絡效應分析中需要解決的重點問題。因此，如何有效處理識別問題是網絡效應在各類經濟學領域運用時都必須要考慮的問題。

傳統的解決方法有以下三種：①工具變量法。Bertrand等［19］將工具變量法引入網絡效應的研究中。目前，該方法被廣泛地運用于研究網絡效應對教育［10］和志愿行為［20］等的影響。但是只有在研究者具備很高的知識儲備，并對網絡效應的作用機制有充分的了解時才能找到可靠有效的工具變量。另外，發現合適的工具變量的過程具有不同程度的隨機性。因此，工具變量法在實證運用中存在一定的困難。②固定效應模型。Markussen等［8］利用固定效應模型研究網絡效應對個人社會保險索賠行為的影響發現，個人的社會保險索賠行為確實會受到鄰里間申請率的影響。Grossman等［9］研究美國孕婦數據發現網絡效應能夠提高孕婦參加社會保險的概率（3%）。但是固定效應模型的問題在于其面對樣本自選擇問題或者互為因果問題時識別能力不強。③樣本特殊性。例如考慮突發事件的影響［7，10］，考慮以研究對象出生時既有的鄰里關系為分組依據［8］，或者考慮信息傳遞的單向性［9］。但是樣本的特殊性無法復制也不容易獲得。

自從Lee［21］運用空間自回歸模型評估網絡效應，空間自回歸模型被廣泛應用于解決網絡效應的識別問題。在該模型中，學者們常用空間權重矩陣（也稱為鄰接矩陣，adjacency matrix）反映組內成員之間的關系。通常定義空間權重矩陣對角線元素為零［22］；如果個人行為受到組內其他成員平均行為的影響［23］，那么該空間權重矩陣是對稱性的。使用空間自回歸模型能有效處理反射問題。相關研究包括評估學生在校表現［24］、新技術選擇問題［25］和能源消費［26］。

1.3 網絡效應對居民光伏行為的影響

在網絡效應對戶用光伏發電行為的影響研究方面，Bollinger等［27］與Graziano等［28］分別利用美國加州和康州光伏安裝數據研究網絡效應對區域間居民光伏發電行為的影響。他們的研究均表明網絡效應將推動區域內居民光伏發電行為。Lan等［29］利用空間面板模型發現澳大利亞不同地區之間光伏安裝的行為存在正向空間相關性。但是上述文章均基于郵編代碼分析，其結果只能在區域層面上解釋網絡效應對戶用光伏發展的影響，無法進一步解釋網絡效應在個體層面的影響，而該研究將利用微觀家庭數據對網絡效應在戶用光伏安裝行為的影響展開研究。除此之外，虞義華等［30］利用調研數據發現居民安裝使用太陽能熱水器行為之間存在正向的網絡效應。

綜合上述分析，該研究的主要貢獻包括以下兩個方面。第一，該研究是國內首個分析網絡效應對于家庭安裝戶用光伏行為影響的研究。過去研究大多利用定性分析手段［31-33］或者簡單的定量分析模型［1-2，34］評估補貼政策對于安裝戶用光伏的影響，該研究從居民安裝戶用光伏行為之間的相互作用出發，基于空間Probit模型定量分析網絡效應對于居民此行為的影響，豐富了現有文獻的內容。第二，該研究基于微觀入戶調研數據的分析結果更能夠從微觀反映居民安裝行為之間的相互作用。相較于以往基于區域層面數據的網絡效應影響作用研究［27-29］，該研究將研究拓展至微觀住戶層面，基于居民特征深入分析其行為之間的相互影響，使得研究結果更能反映居民安裝行為之間的網絡效應。

2 網絡效應對行為影響的理論基礎

3 實證模型、調研地點和數據

3.1 實證模型

該研究利用空間Probit模型研究家庭安裝戶用光伏中的網絡效應，因變量為居民家中是否安裝了光伏發電板，是一個二元因變量。如果居民家中已安裝了光伏發電板，則y=1，否則y=0。空間Probit模型目前被廣泛地應用于被解釋變量為二元變量（僅取0和1這兩個值）的具有空間相關性或者網絡結構的經濟學研究中。把所研究的經濟中的n個個體，記為i=1，…，n。則空間Probit模型可以表示為

定義解釋變量k的平均直接（對自身行為）邊際效應=

解釋變量k的平均直接（對他人行為）邊際效應=

而此兩者之和為解釋變量k的平均總邊際效應。由于上述矩陣計算涉及n維積分，其極大似然估計存在很大的計算困難，常用的解決方法有EM算法［36］和偏極大似然估計［37］等。該研究采用的估計方法是基于馬爾可夫鏈蒙特 卡 洛（Markov Chain Monte Carlo，MCMC）的 貝 葉 斯估計［38］。

除了利用空間Probit模型處理反射問題之外，本研究還依賴居民住址的繼承性來應對反射問題中的樣本自選擇問題。樣本自選擇認為影響居民居住選址的原因可能也會影響居民光伏發電行為，本研究的受訪者大多為世代繼承的居住者，也就是說影響居民居住選址的原因是外生的，非個人的選擇，因此，基于居住地址位置建立空間權重矩陣的方法可以避免樣本自選擇問題。

3.2 調研地點

中國光照資源豐富，但是區域差異較大，高原少雨干燥光伏資源多，平原多雨潮濕光伏資源少。2013年中國國家發改委在《關于發揮杠桿作用促進光伏產業健康發展的通知》中將中國分為三類光伏資源區［39］，如圖1所示。一類光伏資源區與二類光伏資源區雖然太陽能資源豐富，但是大部分地區地廣人稀，更適宜發展集中式光伏而非戶用光伏。云南省和四川省難以同時具備光照條件與經濟建設條件，云南省和四川省西部地區光照條件好，但是經濟建設水平較差；四川省中東部地區經濟建設水平較高，但是光照條件較差。二類光伏資源區的剩余地區從光照條件和經濟建設條件均適宜發展戶用光伏（北京市、天津市和河北省、山西省、陜西省部分地區）。文章通過對比上述地區戶用光伏發展情況來確定研究區域。

圖1 光伏資源分區圖

昌平區位于北京市西北部，下轄8個街道、4個地區和10個鎮，常住人口210.8萬人。以下四個原因促使我們選擇昌平區為研究區域。第一，昌平區較北京市南部地區（門頭溝區、房山區、大興區和通州區）來說光照資源更豐富，較北京市北部區縣（延慶縣、懷柔區和密云縣）來說建設條件更好。第二，昌平區2018年人均可支配收入為45 399元，具有較好的經濟建設條件。第三，昌平區能夠享受北京市光伏安裝補貼政策。第四，昌平區有大量獨立屋頂產權的農村自建房，優于北京市城市化進程較好的區（石景山區、海淀區、東城區、西城區、豐臺區和朝陽區），更利于戶用光伏的推廣。

3.3 調查數據

文章數據來自2019年于北京市昌平區開展的隨機調查問卷，通過單個調查員與受訪者一對一談話的方式完成問卷調查。本次調研共走訪15個鄉鎮，45個村或社區，入戶調查218戶居民，收回問卷218份，其中有效問卷216份，問卷有效率達到99.08%。此外，有效問卷可分為72戶已安裝家庭與144戶未安裝家庭，分別占比33.3%與66.7%，其中昌平區內所有已安裝家庭均被調研，并通過生成隨機數（1～1 000）匹配家庭戶號的方式確定未安裝家庭。若生成隨機數無效，即生成隨機數超過該村現有總家庭戶數或者所指向的家庭為無效家庭（被隨機到的家庭之前已經被選擇或者屬于已安裝家庭），則重新生成隨機數。

文章主要變量的定義與描述性統計結果見表1。結果顯示，男性戶主較多且普遍以務農為主，家庭年可支配收入和可用面積表明大多家庭擁有安裝戶用光伏發電項目的客觀條件，同時補貼政策、防污政策和空氣質量等表明居民具有較好的政策敏感度和環保意識，具有安裝戶用光伏發電項目的主觀條件。

表1 變量定義與描述性統計

4 實證結果分析

在以居民家庭因素為控制變量的基礎上，文章使用空間Probit模型分析網絡效應對戶用光伏發電行為的影響。網絡效應的合理分析依賴于恰當的空間權重矩陣，在基準網絡效應模型中，空間權重矩陣假定每戶居民僅受到離其地理距離最近的4戶居民的影響。具體網絡效應的估計結果見表2，模型（2）比模型（1）多納入黨員、健康狀況、親友數量作為解釋變量。其他不同空間權重矩陣的設定將在后文的穩健性檢驗部分討論。結果表明已安裝戶用光伏發電板的家庭的存在將會在很大程度上（-0.955 5和-0.981 0）降低周圍未安裝的家庭使用該項目的可能性，未安裝的居民通過學習已安裝居民的經歷而傾向于做出不安裝光伏發電板的決定。已安裝家庭不僅沒有起到正面示范帶頭作用和推動戶用光伏在未安裝家庭的發展，甚至反過來降低了周圍家庭安裝戶用光伏的可能性和普及率。這可能是近年來戶用光伏項目雖然有國家政策大力扶持，但其發展仍然與預估潛力之間存在差距的原因之一。

表2 網絡效應結果

在介紹模型其他變量的結果之前，首先解釋該研究網絡效應的結果與前人相關研究之間的差異［27-30］。該研究認為結果存在差異的主要原因在于價格與收入。前人關于戶用光伏項目的研究開展于發達國家（美國和澳大利亞），發達國家的人均收入水平保證其家庭具備安裝光伏發電板這種非生活必需品的經濟條件，存在學習、攀比或跟風的條件，也擁有承擔該項目失敗的能力，這是導致網絡效應能在這些國家的戶用光伏項目推廣中產生正向作用的重要原因之一。而前人關于太陽能熱水器項目的研究雖然與該研究一樣開展于發展中國家（中國），但是因為太陽能熱水器前期投入較低，居民家庭也更能承受其失敗，所以更容易產生正向的網絡效應。但是，戶用光伏發電的前期投入遠高于太陽能熱水器，而中國目前的人均經濟水平尚不足以支撐戶用光伏這種高前期投入的非生活必需品。另外，高投入期待高回報，而過高的期望值會放大居民使用時的不佳體驗。上述這些因素的共同作用最終導致了網絡效應對中國戶用光伏發電行為產生負向作用。

上述模型中其他解釋變量的影響將在本章后半部分根據平均直接邊際效應（對自身行為的影響）和平均間接邊際效應（對周圍他人行為的影響）、總邊際效應進行分析，此外文章將主要分析居民對補貼政策了解程度、居民搭便車心理、居民環保意識和風險偏好對居民光伏發電行為的影響。注意，根據模型空間權重矩陣設定，周圍他人指距該居民地理距離最近四戶居民，其他不同的空間權重矩陣設定在后文穩健性檢驗中展示。

4.1 平均直接邊際效應

平均直接邊際效應結果反應了居民自身因素對其參與戶用光伏發電的直接影響，包括：①不受網絡效應影響時居民自身因素對其光伏發電行為的直接影響；②受到自身因素影響的居民光伏發電行為影響他人光伏發電行為之后，他人光伏發電行為再影響該居民光伏發電行為的間接影響。計算方法如式（7）所示，結果見表3。

表3 模型平均直接邊際效應結果

了解補貼政策變量的模型平均直接邊際效應結果表明居民對補貼政策的了解程度對其自身光伏發電行為有顯著的正向影響作用。補貼政策能夠提高光伏發電項目的經濟性，了解政策是居民理解光伏項目經濟性的必要準備，其安裝光伏發電的概率也將隨著認知程度的提高而提高。

搭便車行為變量和了解防污政策變量的模型平均直接邊際效應結果表明個人偏好公共物品的行為與心理對其自身光伏發電行為有顯著的負向影響。擁有此類特征的居民更偏好于享受他人的勞動成果，其對周邊地區大氣污染防治政策的了解程度越高，就越清楚政府大力度的污染防治政策的決心不會以個人行為為轉移，就越有可能理所當然地不參與其中。故居民擁有此類特征將會降低其使用戶用光伏的概率。

空氣質量變量的模型平均直接邊際效應結果表明個人環保意識對其自身光伏發電行為無顯著影響。不顯著的結果表明居民環保意識對其家庭光伏安裝決策沒有顯著性影響。

風險偏好變量的模型平均直接邊際估計結果表明，個人風險偏好對其自身光伏發電行為無顯著的影響。文章依靠彩票游戲來反映受訪者的風險偏好，彩票游戲要求居民對一張獎金1 000元，中獎率為10%的彩票給出自己的最大支付意愿。彩票游戲的描述性統計顯示居民最大支付意愿價格的均值為6.42元，98.15%受訪者的最大支付意愿價格不大于20元。如此低支付意愿均值與極度左偏的支付意愿分布只存在兩種解釋：或是因為受訪者自身非常厭惡風險，或是因受訪者自身原因無法理解彩票游戲以致結果與經濟學理論相去甚遠。除彩票游戲之外，本次調查問卷還分別通過居民自打分的方式（0～10分）評估了居民在財務、休閑娛樂、事業發展、健康和子女教育方面的風險意識，居民各方面的打分均值均不低于4分，表明居民并不非常厭惡風險。因此，該模型不顯著的原因很大概率是由于居民不能很好地理解彩票游戲，其結果無法真正反映居民的風險意識。

4.2 平均間接邊際效應

平均間接邊際效應結果反應了居民自身因素對其他人光伏發電行為的間接影響，即居民自身因素先影響自身光伏發電行為，再經過網絡效應的作用對周圍他人光伏發電行為產生影響。等價地，也可以認為是周圍其他人的外生變量對居民自身安裝光伏可能性的影響。此外由于負向網絡效應的存在，平均間接邊際效應的符號應當與不考慮網絡效應的邊際效應的符號相反。計算方法如式（8）所示，結果見表4。

表4 模型平均間接邊際效應結果

了解補貼政策變量的平均間接邊際結果表明，居民對補貼政策的了解程度對周圍他人采用光伏發電行為有顯著的負向影響作用。已安裝用戶對光伏補貼政策了解程度越高，越會降低周圍未安裝居民光伏發電行為的可能性，并且這種降低程度會隨著已安裝用戶對補貼政策的了解程度增加而加大。我們認為，這可能是因為對補貼政策了解程度高的已安裝用戶更能夠體會到補貼政策宣傳情況與實際情況的不一致，這導致已安裝用戶對光伏項目整體評價不佳，因而影響了附近居民的安裝意愿。

搭便車行為變量和了解防污政策變量的平均間接邊際效應結果表明居民個人偏好公共物品的行為與心理對周圍他人光伏發電行為有顯著的正向影響作用。偏好于搭便車的居民顯然希望周圍他人更多承擔環境責任，故其會傾向于推動周圍他人采取光伏發電行為，以便享受他人努力所帶來的好環境，也可以通過他人首先嘗試安裝戶用光伏從而獲知其優缺點。

空氣質量變量和風險偏好變量的平均間接邊際效應結果表明居民個人環保意識和風險意識對周圍他人光伏發電行為無顯著影響。平均間接邊際效應的作用機制決定了個人特性需要先影響個人光伏發電行為，繼而影響周圍他人光伏發電行為。由于這兩個變量無法對居民個人光伏發電行為產生顯著影響，也就無法對周圍他人光伏發電行為產生顯著影響。

4.3 總邊際效應

總邊際效應結果反映了解釋變量的變動對居民整體光伏發電行為的平均影響，結果見表5。綜合來說，采取光伏發電的概率將會隨著居民整體對補貼政策了解程度的提高而提高，隨著居民整體搭便車心理和行為的增強而減弱。此外，它與居民整體環保意識和風險意識無顯著相關關系。上述結果與平均直接邊際效應結果相同，表明平均直接邊際效應在其中起到主要作用。

表5 模型總邊際效應結果

4.4 其余變量影響作用

除上述相關因素之外，模型中還包括戶主與家庭特征變量，由于篇幅的原因，僅在此處簡述。戶主特征方面，戶主年齡與戶主教育程度對其個人光伏發電行為有正向作用，而戶主職業具有負向作用。家庭特征方面，家庭年可支配收入、可用安裝面積和月電費均對其個人光伏發電行為有正向作用，而家庭人數和家庭于當地居住年限具有負向作用。最后，戶主性別、家庭最高教育程度和城市親友數量變量的影響作用并不顯著。

4.5 穩健性檢驗

為了驗證上述關于網絡效應模型結果的穩健性，提高模型結論的可信度，該研究通過改變空間權重矩陣的方式進行穩健性檢驗。該研究將戶用光伏發電行為之間的相互影響分別拓展到戶用的光伏發電行為將會受到距其地理距離最近六戶居民和同村居民相關行為的影響。分組方式的變化導致居民行為受影響的范圍更廣，所得到的空間權重矩陣也更為密集。穩健性檢驗具體結果見表6，模型3與模型5所用變量與模型1相同，模型4和模型6所用變量與模型2相同。表6的結果表明網絡效應的影響作用始終為負，且穩定在-0.991 3至-0.727 2之間，基準網絡效應模型的結果也在該區間內，故該研究認為網絡效應對居民戶用光伏發電行為的負向影響作用是具有穩健性的。

表6 穩健性檢驗結果

5 結論與政策建議

2020年12月12日，習近平主席在氣候雄心峰會上關于氣候變化問題作出承諾：“到2030年，中國單位國內生產總值二氧化碳排放將比2005年下降65%以上，非化石能源占一次能源消費比重將達到25%左右，風電、太陽能發電總裝機容量將達到12億kW以上。”［40］為加快戶用光伏建設，文章從非價格因素入手，分析網絡效應對戶用光伏發電項目的決策的影響。基于2019年北京市昌平區入戶問卷調查數據，文章利用空間Probit模型評估網絡效應的影響，并通過穩健性檢驗保證模型結論的穩定性與可靠性。最終，文章得出以下三條結論：①已安裝戶用光伏居民的存在會明顯降低其周圍居民進一步出現光伏發電行為的概率，使未加入光伏發電的居民更傾向于不參加。該結論支持關于網絡效應能夠影響家庭分布式光伏發電項目發展的研究［27-29］，但也揭示網絡效應在發展中國家和發達國家的差異性。②偏好公共物品的心理將阻礙光伏項目在居民中的推廣。公共物品消費的非競爭性和收益的非排他性導致搭便車行為的發生［41］，不付出努力而享受美好環境最終結局是環境崩盤的公地悲劇，為此，居民應當改正偏好公共物品的錯誤心理，為美好環境共同努力。③補貼政策仍然是影響居民安裝光伏發電項目的重要因素之一，居民對該項目的了解程度對居民的總體光伏發電行為產生正面影響，這與過去關于補貼政策對于家庭分布式光伏發電行為具有正向作用的研究結論一致［1-2，31-34］。

基于上述分析結果，文章認為應當辯證地看待目前網絡效應所造成的影響。一方面，居民之間交流與信任的存在使得網絡效應對戶用光伏的推廣具有極強的影響作用。另一方面，現階段負面網絡效應阻礙戶用光伏的推廣。因此，應當轉變網絡效應的作用方向，化負面影響為正面影響，使網絡效應在激勵居民光伏發電行為方面作出貢獻。政府部門與光伏廠商將在其中起到重要作用。政府部門應當積極貫徹落實相關戶用光伏政策，扭轉相關政策在居民心中的不佳形象，提高已安裝家庭對戶用光伏的認同感，借助網絡效應的作用機制傳播正向影響。光伏廠商當定期與民眾分享最新的研究成果和光伏項目進展，糾正居民對光伏項目的錯誤看法，增強公眾對戶用光伏環境效益和經濟效益的認識，并通過網絡效應社會學習和信息傳遞的途徑，提高社會整體認知水平。